Hoe werkt agentic AI in een Mendix-applicatie?

Het verschil tussen een chatbot en agentic AI zit in regie. Een chatbot geeft een antwoord. Een agent voert, binnen kaders, een taak end-to-end uit: hij redeneert, kiest de juiste tools, roept je systemen aan en levert een resultaat. In Mendix bouw je dat als een gecontroleerd onderdeel van je applicatie, niet als een black box ernaast.

Van chatbot naar agent

Een AI-agent zet meerdere stappen, roept tools aan (databases, API's, e-mail) en houdt een werkgeheugen bij over de sessie. Een voorbeeld: een agent die inkoopfacturen verwerkt haalt de factuur uit je e-mail, zoekt het bijbehorende inkooporder op in je ERP, controleert of de bedragen kloppen en zet het klaar voor goedkeuring. Alleen bij een afwijking escaleert hij naar een medewerker.

Hoe de flow werkt

1. Een vraag of trigger komt binnen (een gebruiker, of een gebeurtenis in je proces).
2. De Mendix-agent redeneert over wat er moet gebeuren en kiest de juiste tools en systemen (je ERP, API's, data).
3. Voordat een actie met impact wordt uitgevoerd, is er een mens-in-de-loop: een medewerker keurt goed.
4. De actie wordt uitgevoerd en het resultaat komt terug in Mendix, zichtbaar voor de gebruiker.

Hoe het in Mendix past

Mendix is van origine een low-code platform, maar de architectuur past goed als orkestratielaag voor agents:

• Microflows en nanoflows zijn de logica die de agent als tools aanroept.
• Integraties (REST, OData, Kafka) geven de agent gecontroleerd toegang tot je bronsystemen.
• Agents Kit en Maia laten je agents al in Studio Pro ontwerpen, met ondersteuning voor het MCP-protocol.

Kort gezegd: de AI neemt beslissingen, Mendix voert ze uit en bewaakt de grenzen.

Governance is het verschil

Dat een agent iets kan, betekent niet dat hij alles zomaar mag. In Mendix regel je precies dat:

• Toegangsbeheer: de agent mag alleen bij de systemen en data die je toestaat.
• Mens-in-de-loop: beslissingen met impact laat je goedkeuren door een medewerker.
• Audit trail: elke stap (welke tool, welke data, welk besluit) is achteraf herleidbaar.

Een tool die de agent mag gebruiken, is een Mendix-microflow of Java-actie die je expliciet omschrijft. Vereenvoudigd:

{
  "naam": "maak_offerte",
  "beschrijving": "Stelt een concept-offerte op in het CRM",
  "vereist_goedkeuring": true,
  "toegang": ["crm.lezen", "crm.schrijven"]
}

De regel vereist_goedkeuring is precies de mens-in-de-loop-stap uit de flow hierboven.

Use-cases om mee te beginnen

• Documentverwerking. Facturen, contracten of formulieren automatisch uitlezen, valideren en routeren. De agent vraagt alleen bevestiging bij uitzonderingen.
• Klantondersteuning. Een agent die veelgestelde vragen beantwoordt via je portaal, met toegang tot orderstatus, contractgegevens en FAQ. Complexe vragen gaan naar een medewerker.
• Interne kennisassistent. Een agent die vragen over interne processen beantwoordt op basis van je eigen documentatie en Mendix-data.

Wat je nodig hebt, en waar je begint

Een eerste agentic AI-toepassing bestaat ruwweg uit een modelkoppeling, tools (je Mendix-microflows als capabilities), een orkestratieloop die de agent laat itereren tot de taak klaar is, en een goedkeuringsmoment voor acties met impact. Welk model erachter draait, bepaal je zelf: je koppelt je eigen model en kiest per data-classificatie de juiste plek. Meer daarover in Bring Your Own Model op Mendix.

Begin klein: één intern proces, één agent, één goedkeuringsflow. Zo bouw je kennis op en bewijs je de businesscase voordat je opschaalt.

Aan de slag

Benieuwd welke processen zich bij jou lenen voor agentic AI, en wat het oplevert? Dat brengen we in kaart met de AI Readiness Scan, of neem contact op.