Agentic AI vs RPA voor ITSM: wat is het verschil en wat heb je nodig?
Robotic Process Automation (RPA) en agentic AI automatiseren allebei werk op je servicedesk. Ze worden vaak samen genoemd. Maar ze lossen fundamenteel andere problemen op, en ze verwarren leidt tot het verkeerde gereedschap voor de verkeerde taak.
Hier is een directe vergelijking — en een duidelijke gids voor wanneer je elk nodig hebt.
Wat RPA goed doet
RPA automatiseert gestructureerde, regelgestuurde taken die een voorspelbare reeks stappen volgen. Het werkt door gebruikersacties na te bootsen: klikken, van schermen lezen, velden invullen, gegevens kopiëren tussen systemen.
In ITSM is RPA effectief voor:
- Onboarding-workflows. Accounts aanmaken, licenties toewijzen, toegang verlenen in een vaste reeks stappen over meerdere systemen.
- Gegevensmigratie en synchronisatie. Ticketgegevens van het ene systeem naar het andere kopiëren.
- Geplande rapportage. Gegevens ophalen uit je ITSM, een rapport genereren, per e-mail versturen.
- Formulieren invullen. Velden in je ITSM-tool vooraf invullen op basis van gegevens uit een ander systeem.
Waar RPA moeite mee heeft
RPA breekt wanneer het proces verandert. Een update van de schermindeling, een nieuw veld, een wijziging in het ticketformaat — elk van deze kan een RPA-bot stoppen. Iemand moet er in en het repareren.
Fundamenteler: RPA kan niet lezen. Het kan tekst uit een veld extraheren, maar het begrijpt niet wat die tekst betekent. Het kan het onderscheid niet maken tussen een gefrustreerde gebruiker en een rustige. Het kan niet bepalen of een ticket over "kan niet printen" een toegangsprobleem, een driverprobleem of een hardwarestoring is. Het kan een kennisbank niet intelligent doorzoeken en beslissen of de match goed genoeg is om te gebruiken.
Voor alles wat het begrip van natuurlijke taal vereist, heeft RPA een mens in de lus nodig — of een zeer rigide set trefwoordregels die iemand handmatig onderhoudt.
Wat agentic AI anders doet
Agentic AI-agents begrijpen taal en context. Ze volgen geen vaste reeks stappen. Ze redeneren over wat er als volgende moet gebeuren op basis van de huidige situatie.
Voor ITSM is dit belangrijk omdat het meeste interessante werk plaatsvindt in ongestructureerde gegevens: ticketbeschrijvingen, gebruikersberichten, oplossingsnotities, kennisartikelen. Niets hiervan is gemakkelijk voor RPA.
Een agentic AI-aanpak voor dezelfde servicedesk:
- Triage. De agent leest de ticketinhoud, bepaalt de echte categorie (niet alleen de categorie die de gebruiker selecteerde), stelt de juiste prioriteit in en routeert naar het juiste team — zelfs als de gebruiker schreef "ik kan mijn werk niet doen" zonder te specificeren wat er kapot is.
- Oplossingszoeken. Het bevraagt de kennisbank met semantisch zoeken — het juiste artikel vinden zelfs als de exacte woorden niet overeenkomen.
- Contextbewuste beslissingen. Het controleert of de gebruiker een VIP is, of dit een terugkerend probleem is, of de SLA-tijd bijna verstreken is — en past zijn reactie dienovereenkomstig aan.
- Kennisregistratie. Na de oplossing leest het de notities die de operator heeft achtergelaten en extraheert automatisch een gestructureerd kennisartikel.
Directe vergelijking
| RPA | Agentic AI | |
|---|---|---|
| Inputtype | Gestructureerd, voorspelbaar | Ongestructureerd, variabel |
| Proces | Vaste stappen vooraf gedefinieerd | Dynamisch, gebaseerd op context |
| Verwerkt uitzonderingen | Nee — breekt bij afwijkingen | Ja — past zich aan nieuwe situaties aan |
| Taalbegrip | Geen | Kernfunctionaliteit |
| Onderhoud | Hoog — breekt bij systeemwijzigingen | Laag — past zich aan wijzigingen aan |
| Leert | Nee | Ja — verbetert met volume |
| Beste voor | Repetitieve, multi-systeemtaken | Taalgestuurde, beslissingsintensieve taken |
| Implementatietijd | Weken tot maanden | Dagen |
Ze vullen elkaar aan
De beste servicedesks kiezen niet tussen RPA en agentic AI. Ze gebruiken beide.
RPA verwerkt de gestructureerde backend: Active Directory-accounts inrichten, geformatteerde rapporten versturen, CMDB-records bijwerken met gegevens van monitoringtools. Dit zijn herhaalbare reeksen zonder ambiguïteit.
Agentic AI verwerkt de voorkant: tickets lezen en begrijpen, antwoorden zoeken, beslissen wat te doen, communiceren met gebruikers. Hier zijn taal en redeneren belangrijk.
In de praktijk: een agentic AI-agent leest een ticket, stelt vast dat het een softwaretoegangsverzoek is en maakt een provisioningtaak aan. RPA pakt die taak op en voert de provisioningstappen uit over je identiteitsbeheer, ITSM en e-mailsystemen.
Welke moet je eerst implementeren?
Als je vanaf nul begint, implementeer dan eerst agentic AI. Hier is waarom:
Hogere ROI op ongestructureerd werk. Het meeste L1-werk (classificatie, triage, kennisopzoeken, reacties opstellen) omvat natuurlijke taal. Agentic AI pakt dit direct aan.
Lagere onderhoudsbelasting. RPA-bots breken. Je hebt ontwikkelaars nodig om ze te onderhouden. Een agentic AI-agent past zich aan wijzigingen in ticketformaat, taal en categorieën aan zonder herconfiguratie te vereisen.
Snellere implementatie. Een agentic AI-platform verbinden met je ITSM duurt uren. RPA-flows bouwen duurt weken.
Zodra je agentic AI-laag het taalgestuurde werk verwerkt, wordt RPA een natuurlijk aanvulling voor de gestructureerde backendtaken die agents doorgeven.