AI-agents bouwen met Azure AI Foundry

Sybrand Wildeboer is docent op het gebied van AI. In deze blog legt hij uit hoe iedereen, met of zonder technische achtergrond, met Azure AI Foundry zelf een AI-agent kan bouwen die echt werk uit handen neemt.

Wanneer ik een nieuwe groep cursisten voor me heb, begin ik bijna altijd met dezelfde vraag: “Waar ben je in je werk de meeste tijd mee kwijt?” Het antwoord is vaak hetzelfde, namelijk: informatie verzamelen, samenvatten, controleren en telkens opnieuw dezelfde stappen doorlopen. Het zijn precies deze taken waar Azure AI Foundry het verschil maakt, en dat is ook waar mijn lessen steevast naartoe groeien: van abstracte technologie naar iets waarvan cursisten zeggen: “Dit lost echt iets op voor ons”.

Wat ik zelf prettig vind aan Azure AI Foundry, is dat het voelt alsof je aan een goed georganiseerde werkbank staat. Je hoeft niet te zoeken naar gereedschap of je af te vragen of iets wel veilig is, alles ligt al klaar. Cursisten komen vaak binnen met het idee dat AI vooral ingewikkeld is, maar zodra ze een workflow bouwen die hen tijd bespaart, verandert de toon meteen. Dat is het moment waarop iemand zegt: “Als ik dit eerder had geweten, dan had dit bij ons vorige project veel tijd bespaart.” Het zijn van die reacties die mij als docent altijd energie geven.

Wat één uur bouwen al kan opleveren
Veel teams hebben te maken met een constante stroom aan informatie: beleid dat wijzigt, marktontwikkelingen, interne updates, klantvragen. De werkdruk zit nooit in één enorme taak, maar in die tientallen kleine dingen die elke week terugkomen. In mijn lessen werk ik daarom met voorbeelden die direct aansluiten op terugkerende problemen. Als we bijvoorbeeld een agent bouwen die automatisch een set HR-updates samenvat, zien deelnemers meteen hoe ze de tijd die ze normaal kwijt zijn aan het doorspitten van documenten kunnen terugwinnen. Dat is niet omdat de agent alles perfect doet, maar omdat hij het voorbereidende werk voor je doet. Netjes, snel en elke keer op dezelfde manier.

Een van de meest impactvolle oefeningen blijft voor mij de sentimentanalyse-opdracht. Waarom? Omdat het zo mooi laat zien hoe agents samenwerken om iets op te lossen dat voor veel professionals onwerkbaar is geworden: het bijhouden van te veel informatie, uit te veel bronnen, in te weinig tijd. Wanneer drie agents samen een momentopname maken die normaal gesproken een analist een halve ochtend zou kosten, zie je mensen bijna opgelucht ademhalen: “Dit geeft overzicht” zeggen ze dan, of “Het dwingt me om beter na te denken over wat ik eigenlijk wil weten.” 

Wat mij het meest raakt in mijn cursussen, is hoe snel iemand die zichzelf “niet technisch” noemt iets bouwt dat direct waarde heeft. Een communicatieadviseur die binnen een uur een agent maakt die een eerste versie van de interne nieuwsbrief opstelt. Een teamleider die eindelijk grip krijgt op losse updates uit verschillende systemen omdat een agent er een overzichtelijke briefing van maakt. Of een financieel medewerker die niet langer zelf alle nieuwsartikelen, marktupdates en financiële headlines hoeft te lezen, omdat een AI-agent dit voorwerk automatisch doet. 

Zorgen zijn logisch, maar vaak goed op te vangen
Ik merk in bijna elke groep dat bepaalde vragen steeds terugkomen, vooral als we het over AI in de praktijk hebben. Veiligheid is bijna altijd de eerste zorg, maar zodra ik laat zien hoe je zelf bepaalt welke documenten een agent mag gebruiken, welke handelingen hij wel of niet mag uitvoeren en hoe je alles kunt loggen, zie je het gevoel verschuiven van risico naar controle. Hetzelfde gebeurt bij de vraag of AI banen overneemt. Door te laten zien dat agents vooral repetitieve stappen overnemen, ontstaat er ruimte om te zien wat er wél kan: betere analyses, meer tijd voor gesprekken en meer ruimte voor het werk waar mensen echt goed in zijn.

AI Foundry moet je niet zien als een wondermiddel dat alles vanzelf oplost, en ook niet als iets dat je inzet “omdat het kan”. Het is een manier om hardnekkige problemen zoals tijdgebrek, informatiechaos en inconsistente processen aan te pakken zonder grote projecten of ingewikkelde trajecten. Je begint klein, merkt vrijwel meteen wat het oplevert en bouwt van daaruit verder. Ik zie het elke keer opnieuw: zodra iemand zelf een agent heeft gebouwd die een tastbaar probleem oplost, verandert AI van iets abstracts in een gereedschap dat je gewoon meeneemt naar je werkdag.

En misschien is dat wel de grootste kracht ervan. Het is niet indrukwekkend omdat het technisch zo knap is, maar omdat het mensen eenvoudigweg helpt. En juist daarom geef ik hier zo graag les in. Want iedereen kan hiermee aan de slag, zolang je weet waar je moet beginnen.

Wil jij in één dag leren hoe je jouw eerste AI-agent bouwt? Volg de cursus Develop AI Agents in Azure AI (AI-3026), misschien zie ik je binnenkort terug in de klas.

Wil je meer weten over hoe jij AI inzet in jouw werk?
Bekijk onze AI-pagina en ontdek welke AI-training bij jou past