Selectieve specialisatie: agents ontwerpen die standhouden in productie

Een agent van demokwaliteit bouwen was nog nooit zo snel. Koppel een capabel model, geef het een handvol tools en binnen een middag heb je iets dat een afspraak inplant, een antwoord opstelt of op verzoek een rapport ophaalt. De problemen beginnen later. De VP van CX, het hoofd operations, de platformlead – wie er ook verantwoordelijk is om die agent op ondernemingsschaal te laten werken – loopt tegen een muur aan. Wat in de demo werkte, wordt traag en onvoorspelbaar zodra er echt volume en echte belangen in het spel zijn. Het onderliggende platform is zelden wat faalde. Dat was de architectuur erboven.

Het knelpunt: één agent die alles doet

Na een succesvolle eerste agent is het natuurlijke instinct om die meer te geven. Meer tools. Meer context. Meer verantwoordelijkheden. Als die één taak goed aankon, kan die er vast tien aan.

Dat instinct creëert een knelpunt. Wanneer één agent verantwoordelijk is voor plannen, uitvoeren, onthouden en reflecteren binnen een breed takenpakket, gaat er van alles tegelijk mis.

De besluitvorming wordt trager en lastiger te sturen, omdat elke stap nu moet concurreren om ruimte binnen één contextvenster en één redeneerproces. De toolselectie wordt minder betrouwbaar, omdat de nauwkeurigheid doorgaans afneemt naarmate het aantal beschikbare tools toeneemt. En het systeem wordt kwetsbaar, omdat een klein misverstand in stap één niet wordt gecontroleerd. Zonder grenzen tussen verantwoordelijkheden vergiftigt een vroege fout ongemerkt alles wat volgt.

Stel je één spraakagent voor die is gebouwd om inkomende verzekeringsclaims van begin tot eind af te handelen. Tijdens één gesprek moet die de identiteit van de beller verifiëren, de juiste polis ophalen, de dekking controleren, de claim interpreteren, een waarschijnlijke uitkering inschatten, de interactie registreren en bepalen of de zaak naar een persoon moet worden geëscaleerd. In de demo, met een meewerkende beller op een heldere verbinding, handelt de agent alles netjes af. In productie wordt de naam van de beller in stap één verkeerd verstaan door een ruisende mobiele verbinding. De agent herstelt daar nooit van. Hij haalt de verkeerde polis op, redeneert zelfverzekerd over dekking die de beller niet heeft en noemt een uitkering voor een abonnement dat die persoon nooit heeft afgesloten. Er zat niets tussen het horen van de naam en ernaar handelen, waardoor één transcriptiefout veranderde in een verkeerde belofte die hardop aan een klant werd gedaan.

In een gereguleerde sector is dat niet alleen een slechte ervaring – het is een compliance-incident met aansprakelijkheid. Dat is een van de redenen waarom verzekerbaarheid van agents een vereiste wordt voor productiedeployments, en waarom we ElevenAgents hebben gebouwd als het eerste conversational AI-platform dat in aanmerking komt voor AI-verzekering via AIUC.

Let op wat er daadwerkelijk misging. De agent was niet slecht in gesprekken voeren. Hij was slecht in alle verantwoordelijkheden alleen dragen, zonder controlepunt tussen iets begrijpen en ernaar handelen. De oplossing is niet minder ambitie of een stillere agent. Het is structuur.

Het is goed om hier precies te zijn. Dit is niet vooral een beperking van de modellen zelf. Een sterker model verhoogt de lat, maar neemt het structurele probleem niet weg. Dit is een probleem van systeemontwerp.

Het denkmodel: afdelingen, geen CEO die alles beslist

Denk aan hoe een bedrijf groeit. Als de CEO persoonlijk elke beslissing neemt binnen engineering, marketing en HR, komt het bedrijf tot stilstand. Dat los je niet op door een slimmere CEO aan te nemen. Je lost het op door gespecialiseerde teams met een duidelijk werkgebied te bouwen.

Dezelfde logica geldt voor AI-systemen. In plaats van één enorme agent kun je het systeem opsplitsen in gespecialiseerde agents met afgebakende verantwoordelijkheden. Eén agent haalt gegevens op. Eén schrijft code. Eén doet uitsluitend aan factchecking. Elk heeft een beperktere focus, waardoor afzonderlijke beslissingen goedkoper, sneller en betrouwbaarder worden.

Hiervoor is geen gespecialiseerde infrastructuur nodig. Ons platform, ElevenAgents, biedt al de bouwstenen hiervoor: een conversational agent als middelpunt, tool calls voor opzoekingen en updates, agent transfer om netjes over te dragen wanneer het werkgebied verandert, knowledge retrieval om bij de feiten te blijven en workflows om alles met elkaar te verbinden. Dit goed bouwen draait vooral om deze bouwstenen doelgericht gebruiken, in plaats van elke verantwoordelijkheid in één prompt te stoppen en te hopen dat het werkt.

Dat is de aantrekkingskracht van een multi-agentarchitectuur, en voor het juiste soort werk is die terecht. Een voorbeeld uit een contactcenter maakt dit concreet. Stel dat je de tienduizend supportgesprekken van gisteren op kwaliteit wilt beoordelen. Het werk is goed op te delen: één agent controleert of de medewerker het compliancescript volgde, een andere beoordeelt empathie en toon, weer een andere markeert gesprekken die hadden moeten worden geëscaleerd, en nog een andere haalt de reden van het klantcontact eruit. Geen van deze beoordelingen is afhankelijk van de andere en ze kunnen allemaal parallel op basis van hetzelfde transcript worden uitgevoerd. Dit is precies het soort werk waarin multi-agent uitblinkt. De onderdelen zijn onafhankelijk, het werk is vooral leesintensief en elke beoordeling in een eigen context plaatsen maakt die juist scherper.

De eerlijke afwegingen

Multi-agent is geen gratis winst. Elke technisch leider die deze architectuur evalueert, zal – en moet – de coördinatiekosten kritisch toetsen voordat die ervoor kiest. Het belangrijkste voorbehoud is dit.

De meest voorkomende foutmodus is contextfragmentatie. Wanneer je een taak verdeelt over agents die niet de volledige context delen, handelt elke agent vanuit een gedeeltelijk beeld en kunnen hun beslissingen botsen op manieren die de coördinator niet kan oplossen.

Dezelfde valkuil doet zich voor in livegesprekken. Stel je een incassogesprek voor dat is opgesplitst tussen een onderhandelingsagent en een compliance-agent die geen status delen. De onderhandelingsagent probeert behulpzaam te zijn en biedt de klant een betalingsregeling van zes maanden aan. De compliance-agent, die dat aanbod nooit heeft gezien, zou het hebben afgewezen omdat de regio van de klant zulke regelingen beperkt tot drie maanden. Elke agent handelde redelijk vanuit zijn eigen deel. Samen deden ze een toezegging die het bedrijf niet kan nakomen, aan een echt persoon in realtime. De fout was geen zwak model en ook niet de spraaklaag. Het waren twee beperkte perspectieven die nooit samenkwamen.

De oplossing is niet meer agents. Het is het gesprek als geheel behouden en de agent vóór hij een toezegging doet de complianceregel als tool laten raadplegen, zodat de regel en het aanbod samenkomen voordat er iets hardop wordt gezegd. Dat is een ontwerpkeuze, en een capabel platform maakt die keuze eenvoudig.

De praktische conclusie is dat de keuze afhangt van de taak. Multi-agent blinkt uit bij parallel, leesintensief werk waarvan de onderdelen echt onafhankelijk zijn – onderzoek, retrieval en verificatie. Het werkt minder goed bij nauw verbonden werk waarin alles één geheel moet vormen, zoals het schrijven van één stuk code. Bij alles wat gevoelig is voor latency, zoals een realtime spraakpipeline, voegt elke extra overdracht tussen agents round-trip-tijd toe binnen een krap budget. Daarom zijn diepe ketens van agents standaard risicovol. Ook hier is onze infrastructuur belangrijk. ElevenAgents brengt spraakherkenning, beurtwisseling en spraakgeneratie samen in één stack, zodat de basislatency al minimaal is voordat er overhead voor orkestratie wordt toegevoegd.

Wat ROI werkelijk stimuleert

De teams die echt rendement halen uit agents zijn meestal niet de teams die naar één enkel, zo slim mogelijk model grijpen en verwachten dat het alles draagt. Zij maken bewuste architectuurkeuzes over waar ze specialiseren, waar ze alles in één doorlopende context houden en hoe agents coördineren wanneer dat nodig is.

Met andere woorden: het antwoord is zelden „één enorme agent” en zelden „splits alles op”. Het is selectieve specialisatie. De winst komt voort uit grenzen op de juiste plekken trekken, niet uit het aantal agents of de capaciteit van één afzonderlijke agent. Houd een taak binnen één agent wanneer het werk nauw samenhangt en de context doorlopend moet blijven. Splits het op in gespecialiseerde agents wanneer het werk parallel is en de contexten netjes kunnen worden geïsoleerd.

De aanbeveling

Kies voor een aankomend project niet eerst een architectuur. Breng eerst het werk in kaart.

Maak een lijst van de specifieke mogelijkheden die het systeem werkelijk nodig heeft. Markeer welke onderdelen echt onafhankelijk zijn en welke nauw met elkaar samenhangen. Bepaal waar een geïsoleerde context een voordeel is in plaats van een risico – bijvoorbeeld een factchecking-stap die je gescheiden wilt houden van de belangrijkste redeneerlijn. Beslis pas daarna waar je verantwoordelijkheden over afzonderlijke agents wilt verdelen.

Zo ziet dat eruit voor een productielijn voor betalingsherinneringen bij leningen. Het livegesprek blijft binnen één doorlopende agent, omdat de woorden van de klant, de toon en de wisselwerking nauw met elkaar samenhangen en elke extra overdracht vertraging toevoegt die de beller kan horen. Rond die ene conversationele kern koppel je afgebakende specialisten die de flow niet onderbreken: een tool call die de accountgegevens en openstaande saldo ophaalt, een complianceguardrail die de agent raadpleegt voordat een betalingsvoorstel wordt uitgesproken, een nette overdracht naar een persoon wanneer de situatie daarom vraagt, en een afzonderlijke batch evaluatieagents die de volgende ochtend de opnamen beoordelen op kwaliteit en risico.

Het gesprek hangt samen, dus het blijft één geheel. De opzoekingen, controles en beoordelingen zijn onafhankelijk, dus krijgen ze elk hun eigen grenzen. Dat is selectieve specialisatie in plaats van opsplitsen om het opsplitsen, en het sluit rechtstreeks aan op de bouwstenen die een goed agentplatform je al biedt.

Doe dat en je krijgt de voordelen van specialisatie zonder de onnodige coördinatiekosten. Voorspelbaar gedrag, ingeperkte fouten en een systeem waarvan je de complexiteit bewust hebt gekozen in plaats van pas in productie hebt ontdekt. Zo gebruikt is een agentplatform geen demo die wankeler wordt naarmate je het opschaalt. Het is infrastructuur die stabieler wordt wanneer je elk onderdeel een duidelijke taak geeft. Daarvoor hebben we ElevenAgents gebouwd.