Net toen je dacht dat je generatieve AI, grote taalmodellen,
en het idee dat AI conversatiegericht kan zijn, meester was, is de volgende evolutie van AI al
hier. Er is een nieuw modewoord op het toneel. Het heet
"Agentic AI".
Maar terwijl
Gartner analisten
en tech-futuristen deze technologie aanprijzen als de
nieuwe miljardenkans
die alles zal veranderen, weet niemand echt wat Agentic AI is. Bovendien
Iedereen definieert het een beetje anders.
Als SVP van AI van Billtrust ben ik hier om te helpen duidelijkheid te scheppen in deze term,
door duidelijke lijnen te trekken tussen realiteit en hype. Ik zal ook het volgende uitleggen
Billtrust’s benadering van Agentic AI en hoe onze strategie verschilt van anderen in
de
accounts receivable automation
industrie. Laten we beginnen met de basis.
Wat is Agentic AI?
Agentic AI is de volgende generatie van generatieve AI en verwijst naar door AI aangestuurde virtuele assistenten of 'agenten' die autonoom kunnen handelen. Agentische agenten gebruiken GenAI-technologie en andere hulpmiddelen die redeneervermogen en het nastreven van doelen mogelijk maken. Door middel van meerstapsprocessen kunnen deze agents complexe workflows uitvoeren op manieren die met eerdere technologieën simpelweg niet mogelijk waren. Het meest opvallende is dat ze onafhankelijk kunnen handelen, zonder menselijke tussenkomst. Agentic AI gaat bijvoorbeeld een stap verder dan traditionele Q&e chatbots, virtuele assistenten en zelfs GenAI-contentgeneratoren, waardoor intelligente agents volledig verantwoordelijk zijn voor taken, kunnen samenwerken met andere systemen en zich zelfs kunnen aanpassen aan veranderende omstandigheden.
De impact is enorm: Agentic AI biedt professionals in elke branche hun eigen hyperintelligente agents die zelfstandig kunnen handelen, complexe datagestuurde beslissingen kunnen nemen en passende reacties op situaties kunnen geven.
Verschillende definities en mogelijkheden: Niet alle agents zijn hetzelfde
Er is veel variatie in de definitie van 'agenten'. Zelfs technische zwaargewichten zoals Amazon en Google verschillen in hun beschrijvingen. Om de wateren nog verder te vertroebelen, heeft Microsoft de neiging om onderscheid te maken tussen agenten en assistenten, terwijl anderen dat niet doen.
Afgezien van de definities, gaat het meer om wat agentische agenten wel en niet kunnen doen.
Mogelijkheden gaan gepaard met een aanzienlijke mate van variabiliteit. Dit komt grotendeels doordat Agentic AI, hoewel het vandaag de dag beschikbaar is, voor de meeste aanbieders nog steeds een opkomende toolset is. Zoals bij elke nieuwe technologie, zal de volwassenheid sterk variëren en moeten kopers voorbereid zijn op een marketinghype, mogelijke valse claims en een breed spectrum van feitelijke vaardigheden.
De verwarring doorbreken: Geautomatiseerde workflows versus autonome agenten
Valse claims veroorzaken een echte hoofdpijn voor zakelijke kopers, maar Anthropic biedt tastbare duidelijkheid. Zij erkennen dat Agentic-systemen alles kunnen omvatten, van vooraf gedefinieerde workflows tot volledig autonome AI-modellen, maar zij maken een belangrijk onderscheid tussen workflows en agents:
- Workflows: "systemen waarin grote taalmodellen en tools worden gecoördineerd via vooraf gedefinieerde codepaden".
- Autonome agenten: "systemen waarin LLMs dynamisch hun eigen processen en het gebruik van tools sturen en controle behouden over hoe ze taken uitvoeren".
Koper pas op
Het feit dat 100% van een taak geautomatiseerd is, betekent niet noodzakelijkerwijs dat het werk wordt uitgevoerd door een volledig autonome agent. Aanbieders kunnen hun softwareplatforms verkopen op basis van een groot aantal Agentic AI-agents, maar dat aantal staat niet noodzakelijkerwijs gelijk aan een grotere 'waarde'. Als het correct is gebouwd, kan een enkele agent veel taken uitvoeren en kan een handvol vakkundig vervaardigde agents duizenden taken uitvoeren zonder te vragen. Kopers moeten voorbereid zijn op een marketinghype, mogelijke valse claims en een breed spectrum van daadwerkelijke mogelijkheden.
Nu we hebben gedefinieerd wat een echte agent is, kunnen we de impact ervan bekijken op basis van verschillende niveaus van geavanceerdheid – dat wil zeggen, het vermogen om de kracht van grote taalmodellen, redeneervermogen en contextuele financiële gegevens te combineren tot een hoogwaardige autonome assistent voor accounts receivable-professionals.
Het verschil ontleden tussen geautomatiseerde workflows en Agentic agents
Bij twijfel dienen kopers te informeren naar de wijze waarop de agents zijn opgeleid en getraind, waarbij specifiek moet worden aangegeven wanneer en hoe de mens weer in het proces wordt betrokken. U vraagt zich wellicht af: "Volgt deze agent voorgeschreven of vooraf gedefinieerde workflows en identificeert hij afwijkingen waarbij menselijke tussenkomst vereist is?" "Kan het echt voor langere tijd autonoom werken?" Of zelfs: "Vertel mij meer over hoe jouw Agentic-agenten worden opgeleid en welke gegevens worden gebruikt om hen op te leiden." (Zie het gedeelte 'Data-engineering is belangrijk' hieronder voor meer informatie.)
Het duidelijkste beeld van Agentic AI: het hoogtepunt van tools
Om een zo duidelijk mogelijk beeld te krijgen van de transformerende kracht van Agentic AI, helpt het om het volledige plaatje te schetsen door je alles te laten zien wat erin wordt verwerkt. Voor De volgende mogelijkheden kunnen bijvoorbeeld worden beschouwd als elementen van een Agentic AI-systeem dat samenkomt om de verhoogde waarde van volledige autonomie te leveren:
AI-systeem dat samenkomt om de verhoogde waarde van volledige autonomie te leveren:
- Geautomatiseerde workflows die met de tijd slimmer worden
- Conversationele chatbots of virtuele assistenten
- Door AI gegenereerde voorspellingen en aanbevelingen die problemen proactief oplossen
- Autonome AI-assistenten die naar hun eigen aanbevelingen kunnen handelen
Agentic AI is baanbrekend omdat het alle hulpmiddelen van vandaag samenbrengt en tegelijkertijd meerdere autonome agenten in staat stelt om samen te werken in software systemen en grote ecosystemen. U kunt zien hoe het voortbouwt op GenAI, het ontwikkelen van de volgende evolutie van AI.
Hier is een tastbaar voorbeeld dat contextualiseert hoe multi-agent Agentic AI GenAI een grote sprong voorwaarts maakt. GenAI kan je vertellen hoeveel vluchten er zijn van jouw stad naar Parijs gaan. Maar Agentic AI kan een e-mail van jouw baas zien die je vraagt om een vlucht naar Parijs te boeken en deze boeken op basis van de voorspelde weersomstandigheden en gegevens die laten zien welke vluchten de meeste kans hebben om op tijd aan te komen. Deze verschuiving laat zien hoe next-gen agents het nut van AI in bedrijfsprocessen.
Wat betekent Agentic AI voor accounts receivable?
Op het gebied van AR is AI een gamechanger. Dat komt omdat veel van de Het werk van vandaag is geïsoleerd, handmatig en zeer repetitief - rijp voor een hoog niveau van autonomie. Hier volgt een korte blik op enkele use cases voor AI in AR.
| AI-gebruiksgevallen in de accounts receivable-levenscyclus | |
|---|---|
| Invoicing |
|
| Payments |
|
| Cash Application |
|
| Krediet- en debiteurenbeheer |
|
| Holistisch beheer en toezicht | |
|
|
Download het volledige e-book "Van GenAI naar Agentic AI: cashflowbeheer versnellen met Artificiële Intelligentie (AI)" voor meer informatie over hoe Agentic accounts receivable transformeert.
Het afstemmen van de rekeningen van contante betalingen is bijvoorbeeld een eenvoudige manier om een totale transformatie te realiseren. Het vergelijken van factuurgegevens met betaalgegevens is een taak die reeds is geautomatiseerd, mede dankzij machine learning. Momenteel bouwen AR-softwareleveranciers verder op deze basis en ontwikkelen zij traditionele AI-automatisering tot autonome agents.
Koper pas op
Wees op uw hoede voor accounts receivable-platforms die nu al beweren autonome agents te hebben voor accounts receivable-cashapplicatieprocessen, aangezien dit volgens Anthropic eerder geautomatiseerde workflows zijn dan echte autonomie. Integraties en Robotic Process Automation zijn bijvoorbeeld geen agents. Geavanceerde accounts receivable-agenten worden gekenmerkt door een onderliggende structuur van grote taalmodellen, redeneervermogen, andere hulpmiddelen en financiële gegevens.
Met de tijd en volwassenheid zullen financiële teams Agentic AI uitbreiden over het hele accounts
receivable ecosysteem, waarbij agenten steeds vaker samenwerken met meerdere software
systemen. Dit zal de manier waarop
B2B-betalingen
worden afgehandeld. Agenten zullen communiceren tussen entiteiten, zoals banken en
kopers, die menselijke interacties nabootsen. Terwijl dit gebeurt, zal AI ingebed worden in
de wereld van betalingen. Uiteindelijk zal er een verschuiving plaatsvinden naar taakgebaseerde
betalingsmodellen, waarbij bedrijven betalen voor specifieke taken die door AI-agenten worden uitgevoerd
in plaats van traditionele abonnementsmodellen.
De impact op accounts receivable professionals
De snelle vooruitgang van Agentic AI-modellen vereist dat bedrijven voortdurend hun technische en zakelijke vaardigheden voortdurend bijwerken om deze modellen effectief te kunnen invoeren en gebruiken. deze modellen. Hoewel AI de teams van vandaag aanzienlijk uitbreidt, verwijdert het nog niet de mens volledig uit accounts receivable werk. AI kan accounts receivable (AR)-strategieën aanbevelen, maar menselijke expertise is nog steeds cruciaal voor het ontwikkelen van deze strategieën.
Daarom is AI-geletterdheid essentieel voor accounts receivable-professionals op alle niveaus.
Rollen veranderen nu AI werknemers nieuwe verantwoordelijkheden geeft. In plaats van datamanagers worden we allemaal AI-trainers en makers van AI-gestuurde voorspellingen die zullen helpen nieuwe financiële kansen te ontdekken. Toekomstige accounts receivable-kenniswerkers moeten in staat zijn om bedrijfsstrategieën te verwoorden en hun persoonlijke ervaring te integreren in Agentic workflows. De voordelen van AI gaan verder dan alleen tijdwinst. Het creëert een kans voor professionals om de volgende generatie financiële systemen te co-creëren. Professionals die deze kans negeren, zullen kwetsbaarder zijn voor banenverlies door AI. Het omarmen van agentische agenten verbetert het cv.
Het echte baanrisico
Het werkelijke risico voor banen ligt niet alleen bij AI zelf, maar ook bij het voordeel dat individuen behalen die Agentic AI gebruiken om beter te presteren dan degenen die dit niet doen of nog niet hebben kunnen doen.
Inzicht in de Agentic AI markt en hoe Billtrust zich onderscheidt
Gartner noemt Agentic AI
"the next big thing,"
het concurrentielandschap voor
AR Automatiseringssoftware
een broeinest van activiteit. Nieuwkomers zijn AI-eerste startups, en zij
dagen de gevestigde bedrijven uit door zichzelf aan te prijzen als "modernere oplossingen".
Ze bestempelen 20 jaar oude pioniers zoals Billtrust als "traditionele benaderingen".
die de nieuwere AI-technologieën van startups missen.
Niets is natuurlijk minder waar.
De kosten van AI zijn aanzienlijk gedaald, waardoor het toegankelijker is geworden voor alle softwareleveranciers, zowel grote als kleine, ervaren als onervaren. Billtrust hanteert een moderne, GenAI-first benadering om onze AI-automatisering te verbeteren.
Net als startups hanteert Billtrust een GenAI-first benadering van AI-innovatie.
Wat betekent een GenAI-first benadering?
Een GenAI-first-strategie wordt beschouwd als de 'volgende generatie' of 'modernere' benadering van AI-innovatie. Het is de strategie die AI-startups voorhouden. Traditioneel is AI-automatisering begonnen met machine learning en geavanceerde AI-analyse. Hoewel deze tools nog steeds beproefde strategieën voor automatisering zijn, kunnen bedrijven tegenwoordig op verschillende manieren Robotic Process Automation realiseren, met name door te beginnen met grote taalmodellen.
Billtrust maakt gebruik van deze Gen-AI-first-benadering. Ons Co-Pilot AI-platform wordt aangedreven door LLMs en we blijven het verder ontwikkelen tot actiegerichte Agentic-agents.
Nu we hier allemaal gelijk zijn. Laten we het hebben over verschillen.
Het verschil tussen AI-startups en Billtrust zit in de gegevens
Startups gebruiken gegevens uit een zeer kleine, onvolgroeide orderportefeuille en passen daar AI-tools op toe.
Dat is een heel ander verhaal in vergelijking met Billtrust.
Dankzij onze 20 jaar in het vak hebben we de grootste Netwerk voor financiële gegevens. We nemen meer dan 20 jaar geanonimiseerde gegevens uit de hele accounts receivable-levenscyclus en trainen daar ons AI-platform op.
Data-engineering is belangrijk
We weten allemaal dat AI-modellen slechts zo intelligent zijn als de gegevens die ze krijgen. Data-engineering is belangrijk. Het op grote schaal verwerken van bedrijfsgegevens moet worden beschouwd als een vereiste voor elk AI-systeem. Grote datasets maken immers gemeenschappelijke datamodellen mogelijk, waardoor Agentic-agenten kunnen 'weten' hoe ze moeten handelen en reageren op verschillende scenario's. Gegevens zijn van groot belang, omdat deze bepalen hoe de agent bijvoorbeeld aanbevelingen of gepersonaliseerde ervaringen genereert. Accounts receivable-aanbieders die niet over enterprise data engineering-capaciteiten beschikken, hebben de neiging om deze fundamentele noodzaak te negeren.
Billtrust integreert bedrijfsgegevens op grote schaal, waaronder jaarlijks $ 1 biljoen aan synthetische transactiegegevens. Er zijn zeer zelden situaties of scenario's die ons AI-systeem nog niet eerder heeft gezien. Dit betekent dat ons AI-platform onze concurrenten kan overtreffen en klanten ongeëvenaarde zichtbaarheid en controle, nauwkeurigere branchebenchmarks en autonome mogelijkheden biedt, gebaseerd op meer dan twintig jaar praktische ervaring met accounts receivable.
AI is slechts een hulpmiddel. Zonder een schat aan hoogwaardige gegevens en de juiste experts uit de sector kan AI geen krachtige inzichten en transformatieve bedrijfsresultaten opleveren.
Dit is wat u nog meer moet weten:
- Startups beginnen vaak met puntoplossingen die gespecialiseerd zijn in specifieke gebieden van accounts receivable, wat betekent dat ze interessante maar losstaande inzichten of geïsoleerde aanbevelingen en acties kunnen bieden. De oplossing van Billtrust omvat echter het volledige spectrum, zodat u beschikt over een gecoördineerd, multi-agent responsteam voor uw gehele accounts receivable-ecosysteem.
- Startups verwerken wellicht slechts een klein aantal transacties van klanten, maar Billtrust verwerkt jaarlijks betalingen ter waarde van 1 biljoen dollar. Wij begrijpen transacties en alle nuances die daarbij komen kijken, van kredietkaartverwerkingskosten tot de Business Payments Network van de sector.
- Startups en specifieke oplossingen integreren mogelijk niet met al jouw financiële systemen en hulpmiddelen. Ondertussen biedt Billtrust 40 ERP-koppelingen en factureert 260 crediteurenportalen regelmatig, wat betekent dat onze AI samenwerkt in uw accounts receivable ecosysteem, gecoördineerde intelligentie levert en diepgaande domein ervaring in elke aanbeveling en autonome agent integreert.
- Startups beschikken over beperkte accounts receivable-functies die vaak niet de flexibiliteit bieden die financiële teams nodig hebben om automatiseringsmogelijkheden aan te passen aan hun unieke processen en bedrijfsbehoeften. Billtrust biedt daarentegen een van de meest aanpasbare betalingsvoorwaarden die momenteel op de markt beschikbaar zijn.
Uiteindelijk moeten besluitvormers zichzelf ook de volgende cruciale vraag stellen: wanneer u uw cashflow wilt versnellen en uw financiële flexibiliteit wilt beschermen, geeft u dan de voorkeur aan een start-up die over twee tot vijf jaar misschien nog wel of niet bestaat, of vertrouwt u liever op de zekerheid en veiligheid van een gevestigde waarde in de sector met een bewezen staat van dienst op het gebied van Artificiële Intelligentie (AI)?
Begin uw AI-reis met Billtrust.
Neem vandaag nog contact op met een van onze Artificiële Intelligentie (AI)-experts voor een gratis afspraak.
