AI in control
Agentic AI in control
Agentic AI verhoogt de inzet voor elke control in deze sectie. Een systeem dat handelt in plaats van alleen output produceert, dicht de kloof tussen een beslissing en het effect ervan sneller dan een mens kan beoordelen. Proceskennis kan in probabilistische lagen leven, maar de controls die begrenzen wat een agent mag doen, moeten in deterministische lagen staan, en die scheiding werken de drie artikelen hieronder in volgorde uit. Eerst de architectuur: hoe een agent uw bedrijfsproces kent en erop handelt. Dan het risico dat die architectuur schept, beoordeeld via dezelfde keten schade-risico-control als elk AI-risico. Dan de controleomgeving zelf: waar de controls in die architectuur horen, en hoe u achteraf aantoont dat ze hebben standgehouden.
Hoe een AI-agent uw bedrijfsproces kent: de zes bouwblokken
Een taalmodel weet uit zichzelf niets over uw organisatie. Alles wat een agent over uw proces weet, komt binnen via zes bouwblokken, en elk bouwblok is een ontwerpkeuze met gevolgen.
2. RisicoRisicoanalyse voor agentic AI: van architectuurkeuzes naar control objectives
Architectuurkeuzes zijn op zichzelf geen risico's. Ze worden risico's wanneer ze de mogelijkheid van schade scheppen. Dit artikel vertaalt het vastgelegde ontwerp van een AI-agent naar risicoscenario's en control objectives.
3. ControlsDe controleomgeving van agentic AI: waar controls horen en hoe u aantoont dat ze werken
Een agent voert uw proces uit, dus uw controls moeten mee verhuizen. Dit artikel behandelt waar elke control hoort, waarom promptregels schijnzekerheid opleveren, en hoe u opzet en werking toetst voor een systeem dat deels probabilistisch is.
Deze pagina behandelt de beheersingskant. Voor de governance-conditie zelf, die alle zeven pijlers doorkruist, zie Agentic AI: wat verandert er wanneer het systeem handelt, niet alleen beslist.