AI
AI Use Cases
De concrete taken die een AI Agent kan uitvoeren — classificeren, samenvatten, antwoorden opstellen, anomalieën spotten. Use cases zijn de bouwstenen waarmee je een agent samenstelt.
Bijgewerkt op 18 mei 2026
Configuratie · AI · 8.2
Een AI Use Case is een afgebakende taak die een agent kan uitvoeren: classificeren, samenvatten, voorstellen, detecteren. Use cases zijn de bouwstenen — een agent koppelt één of meerdere use cases met een specifieke system context en doelobject. Pas hier configureer je wat AI doet, op AI Agents (8.1) bepaal je wie.
Waarom dit voor de business belangrijk is
"AI doet te veel of te weinig"
Use case-keuze begrenst de actie — Classificeren is niet hetzelfde als Antwoorden.
"Hergebruik over agents"
Eén use case "Classify Ticket" kan door meerdere agents gebruikt worden (algemeen + IT-specifiek).
"Resultaten meetbaar"
Per use case: accuratesse-meting (correct vs overschreven door behandelaar).
"Niet alles past op AI"
Use cases stellen heldere grenzen — sommige taken zijn doodeenvoudig (categorisering), andere te complex (juridische beslissing).
Veelvoorkomende use case-types
| Type | Wat het doet | Best geschikt voor |
|---|---|---|
| Classify | Wijs categorie/prio/werkgroep toe op basis van inhoud | Tickets, meldingen, verzoeken |
| Summarize | Vat lange thread, ticket-historie of conversatie samen | Behandelaar-handover, manager-overzicht |
| Draft response | Stelt eerste antwoord op op basis van KB | Eindgebruiker-vragen, FAQ-niveau |
| Suggest action | Stelt volgende stap voor (escalatie, routing, dichter naar oplossing) | Complexe tickets |
| Detect anomaly | Spot afwijkingen ten opzichte van patroon (spike in tickets, ongebruikelijke boeking) | Major incidents, fraude-signalen |
| Extract data | Haal structureel info uit vrije tekst (serienummer, datum, locatie) | Conversaties → ticket-velden |
| Match | Koppel item aan beste match in een set (vraag → KB-artikel, ticket → asset) | Kennisbank-suggesties |
| Predict | Voorspel uitkomst (no-show-kans, ticket-doorlooptijd, defect-risico) | Preventieve actie |
Wat configureer je per use case?
| Veld | Waar het voor dient |
|---|---|
| Naam & beschrijving | Wat doet hij, in eindgebruiker-taal. |
| Type | Eén van de hierboven (Classify, Summarize, etc.). |
| Inputs | Welke velden lezen we (titel, omschrijving, classificatie, KB)? |
| Outputs | Welke velden vult hij in (categorie, prioriteit, suggestie-tekst)? |
| Confidence-threshold | Vanaf welke zekerheid wordt het voorstel getoond / toegepast? |
| Fallback | Wat doe je bij lage confidence — niets, default-waarde, mens vragen? |
Welke beslissingen ga je nemen?
Welke use cases prioriteer je?
Start met "Classify" (laag risico, hoge impact). "Draft response" pas na sterke KB.
Confidence-strategie
Hoog (alleen zeker tonen) = minder maar betere suggesties; laag = altijd iets tonen maar meer ruis.
Hergebruik over agents
Eén "Classify ticket" generic + variaties per dienst, of aparte per dienst van begin af?
Meet-strategie
Hoe meet je accuratesse per use case? Vooraf bepalen welke "correctie door behandelaar" telt als fout.