.svg)
Kronehoefstraat 85
5612 HL Eindhoven
BTW NL863902509B01
Wat is het?
Planning is het vermogen van een AI-agent om een overkoepelend doel te nemen en dat zelfstandig op te breken in concrete, uitvoerbare stappen. De agent bepaalt daarbij zelf welke volgorde logisch is en welke tools of informatie hij voor elke stap nodig heeft.
Het is een van de kenmerken die een AI-agent onderscheidt van een gewone chatfunctie. Een chat beantwoordt wat er gevraagd wordt; een agent met planning-vermogen bedenkt zelf hoe hij van het startpunt naar het gewenste resultaat komt.
Waarom het ertoe doet voor het MKB
Voor het MKB betekent AI-planning dat je niet elke stap van een taak hoeft voor te schrijven. Je geeft een doel op, de agent werkt zelfstandig naar dat doel toe. Dat scheelt tijd en vermindert de kans dat een stap wordt overgeslagen.
- Minder micromanagement van AI: in plaats van stap-voor-stap instrueren geef je een eindresultaat op, en de agent bepaalt zelf de route.
- Robuustere workflows: een agent die zelf plant kan omgaan met kleine afwijkingen, een ontbrekend document of een extra stap, zonder dat de hele flow vasthoogt.
- Snellere implementatie van complexe taken: processen met veel losse stappen zijn makkelijker te automatiseren als de agent de volgorde zelf kan redeneren.
Tegelijk vraagt planning-vermogen om heldere doelen en goede grenzen. Een agent die te breed plant zonder kaders kan stappen ondernemen die je niet verwacht. Hoe krachtiger het planning-vermogen, hoe belangrijker het is om vooraf te definiëren wat de agent wel en niet mag doen.
Hoe het werkt
Een AI-agent met planning-vermogen doorloopt een redeneerproces voordat hij handelt. Hij analyseert het doel, bedenkt welke informatie en tools hij nodig heeft, en stelt een werkplan op. Daarna voert hij de stappen een voor een uit, evalueert tussendoor en past het plan aan als dat nodig is.
- Doelbepaling: de agent leest het doel en vertaalt dat naar concrete uitkomsten.
- Decompositie: het doel wordt opgesplitst in kleinere subtaken die elk los uitvoerbaar zijn.
- Volgordebepaling: de agent besluit welke stap eerst moet, welke stappen parallel kunnen lopen, en welke afhankelijk zijn van eerdere uitkomsten.
- Uitvoering per stap: elke subtaak wordt uitgevoerd met de juiste tool of informatiebron.
- Herplanning: als een stap een onverwacht resultaat oplevert, heroverweegt de agent het resterende plan.
Modellen als GPT-4o en Gemini 1.5 Pro hebben sterk planning-vermogen. Frameworks als ReAct en Tree of Thoughts bieden technieken om dit vermogen gestructureerder in te zetten.
Voorbeeld uit de praktijk
Stel, een uitzendbureau vraagt een AI-agent om een geschikte kandidaat te vinden voor een vacature in de logistiek. De agent plant zelf de stappen: eerst de vacature-eisen analyseren, dan het kandidatenbestand doorzoeken op relevante ervaring, vervolgens de drie beste matches samenvatten en ten slotte een concept-uitnodiging opstellen voor elk van hen. De recruiter krijgt het eindresultaat en hoeft alleen te beoordelen en goed te keuren.
Vergelijking en misvattingen
Prompt chaining legt de stappen vooraf vast door een mens; planning laat de agent die stappen zelf bepalen op basis van het doel. Prompt chaining geeft meer controle over het proces; planning geeft de agent meer autonomie om met onverwachte situaties om te gaan.
.svg){kind=icon}