Agentic process automation (APA)

Wat is agentic process automation (APA)?

Bij agentic process automation verdelen drie soorten uitvoerders de stappen van één bedrijfsproces. Deterministische automatisering (een RPA-bot, een API-call, een cloud flow) doet de vaste stappen. Een AI-agent op basis van een groot taalmodel doet de stappen waar iets gelezen en beoordeeld moet worden. Een mens doet de stappen die je aan geen van beide wil overlaten. Eén orchestrator houdt het procesmodel bij en geeft het dossier door van de ene naar de andere.

De term komt van de RPA-leveranciers. Automation Anywhere verkoopt sinds juni 2024 een "Agentic Process Automation System" en omschrijft het als AI-agents die flexibele workflows bouwen en taken afwerken zonder dat een mens tussenkomt. UiPath noemt hetzelfde patroon agentic automation en vat het samen als "AI agents reason, robots act, and people lead". Microsoft leunt niet op het acroniem: in Copilot Studio beslist de agent en doen deterministische "agent flows" het werk. Welk etiket er ook op staat, de vorm is telkens dezelfde: een proces met agenttaken, robottaken en menselijke taken naast elkaar.

Je leest de term het best als de volgende stap in de RPA-familie. RPA gaf je een bot die klikt herhaalt. IPA zette een getraind model naast die bot zodat hij een PDF kon lezen. APA zet een model in het proces dat kan beslissen wat er met het gelezene moet gebeuren.

Wat de agent toevoegt aan de bot, en wat niet

Een klassieke RPA-bot loopt op drie plaatsen vast: bij ongestructureerde input, bij een keuze die niet in het script stond, en bij een uitzondering. Elk van die drie werd vroeger een ticket voor een collega. De agent neemt precies die drie plaatsen over.

Hij leest ongestructureerde input. Een mail van een leverancier met "factuur in bijlage, de prijs is gestegen zoals in maart met Tom afgesproken" is onbruikbaar voor een bot en perfect bruikbaar voor een agent.

Hij kiest de volgende stap. In plaats van een vaste vertakking krijgt de agent een doel, een paar tools (de bestelbon opzoeken, de goederenontvangst nakijken, de mailhistoriek met de leverancier lezen) en een lijst toegelaten uitkomsten. Hij kiest zelf welke tools hij aanroept en in welke volgorde, en geeft daarna een gestructureerde uitkomst terug waarop het proces kan verder routeren.

Hij lost uitzonderingen op die vroeger bij een mens belandden. Een prijsverschil van enkele procenten met een mailtrail die het verklaart, hoeft niet meer naar een collega; de agent lost het op en schrijft op waarom.

Drie dingen veranderen niet. De bot klikt nog altijd in het ERP, want een agent hoort niet te typen in een scherm dat hij verkeerd kan lezen. Het proces heeft nog altijd een model nodig, in BPMN of in een workflowdesigner, dat zegt welke stap agentisch is en welke niet. En het proces heeft nog altijd een eigenaar nodig die aftekent welke uitkomsten de agent zelf mag kiezen. Haal het model of de eigenaar weg en je hebt een agent met tools, en dat is iets anders en iets riskanter.

Drie soorten taken in één proces

Teken het proces en geef elke stap één van drie kleuren.

1. Deterministische taak
   Zelfde input, zelfde output, elke keer. Ophalen, extraheren met een vaste template, boeken in het ERP, een standaardmail versturen. Bots, API-calls en cloud flows horen hier. Microsoft omschrijft een agent flow zelf zo: hij volgt een pad op basis van regels en dezelfde input geeft altijd dezelfde output.

2. Agentische taak
   Het model krijgt het dossier, een doel, tools en de lijst uitkomsten die het mag teruggeven. In UiPath Maestro is dat een agenttaak op het canvas waarvan de gestructureerde output (bijvoorbeeld decision = approved of rejected) de volgende gateway voedt, met een escalatiepad voor de gevallen die hij niet alleen mag beslissen. In Copilot Studio kiest de agent op basis van hun beschrijving welke flows en tools hij aanroept.

3. Menselijke taak
   Het proces wacht tot iemand in een takeninbox goedkeurt, corrigeert of afwijst. Zet die stappen waar het geld, de klant of het juridische risico zit, niet waar de agent toevallig twijfelt.

Uitgewerkt voorbeeld: leveranciersfacturen

Een groothandel krijgt zo'n 600 leveranciersfacturen per maand binnen. De oude RPA-versie haalde elke PDF uit de mailbox, stuurde hem door documentextractie, koppelde hem aan de bestelbon en boekte hem als de bedragen gelijk waren. Ongeveer één factuur op vier klopte niet en ging naar een collega.

De agentische versie houdt de eerste stappen zoals ze waren: een bot haalt de PDF op en de extractie draait ongewijzigd. Wanneer de three-way match faalt, start een agenttaak. De agent ziet de factuur, de bestelbon, de goederenontvangst en de laatste tien mails met die leverancier. Zijn toegelaten uitkomsten zijn approve, reject en escalate, en bij elke uitkomst moet hij een korte motivering teruggeven.

Een factuur van 1.236 euro tegenover een bestelbon van 1.200 euro, met een mail van de aankoper in maart die een prijsstijging van 3 procent bevestigt, komt terug als approve met verwijzing naar die mail. Een factuur met een hoeveelheid die hoger ligt dan de goederenontvangst komt terug als reject met een conceptmail voor de leverancier. Alles boven 2.500 euro, of elk verschil boven 5 procent, gaat sowieso naar een menselijke taak, wat de agent er ook van vindt. En in elk geval is het de bot die de factuur uiteindelijk boekt; de agent komt nooit in het ERP.

Van de 150 afwijkende facturen per maand sluit de agent nu de gevallen af waarvoor een verklaring in de data zit, en de medewerker van de boekhouding krijgt de rest te zien met de redenering al uitgeschreven. Dat is de hele belofte van APA in één proces: de mens blijft, de wachtrij voor die mens wordt korter.

APA tegenover RPA, IPA en hyperautomation

RPA tegenover APA: wie kiest de volgende stap

Bij RPA kiest een script van een developer de volgende stap; de bot kan geen vertakking nemen die niemand getekend heeft. Bij APA kiest een model de volgende stap binnen de grenzen van de agenttaak, en het procesmodel kiest alles daarbuiten. Dat ene verschil verklaart de rest: waarom APA uitzonderingen aankan, waarom het meer kost per dossier, en waarom het testen vraagt dat RPA nooit nodig had.

IPA tegenover APA

Intelligent process automation zette machine learning-modellen naast RPA voor classificatie en extractie: welke leverancier is dit, wat is het totaal, is dit een klacht of een bestelling. Het model gaf een antwoord; het script besliste nog altijd wat ermee gebeurde. APA verhuist de beslissing zelf naar het model. Als het "agentische" aanbod van een leverancier alleen beter documenten leest, dan is het IPA met een nieuwer model.

Hyperautomation tegenover APA

Hyperautomation is de naam van het programma: processen vinden met process mining, per stap de techniek kiezen, het resultaat meten. APA is één van de technieken die zo'n programma kan kiezen. Een bedrijf kan hyperautomation draaien zonder één agent, en kan een agent in één proces zetten zonder programma errond.

Hoe de leveranciers het verpakken

De producten veranderen elk kwartaal, dus de datums doen ertoe. UiPath maakte Maestro op 30 april 2025 algemeen beschikbaar als BPMN-orchestrator voor agents, robots en mensen, en voegde in de release van november 2025 casemanagement toe plus orchestratie van agents van andere leveranciers via MCP. Automation Anywhere bouwt zijn platform sinds juni 2024 rond het APA-label en voegde in mei 2026 AI-evaluaties bij ontwerp en tijdens uitvoering toe, plus processimulatie om uitzonderingen te testen voor de livegang. Microsoft houdt in Copilot Studio (documentatie van juni 2026) de twee kanten in aparte objecten: agent flows zijn deterministisch en worden per actie aangerekend, agents kiezen via generative orchestration welke flows en tools ze aanroepen, en een cloud flow uit Power Automate kan je omzetten naar een agent flow.

Kies de leverancier die past bij de systemen die je al draait, en hou het procesmodel in eigen handen.

Wat verandert in de governance

Niet-determinisme. Een agenttaak kan morgen een andere route nemen op dezelfde input. Begrens hem met gestructureerde output, een lijst toegelaten uitkomsten en een maximum aantal stappen, en behandel elke uitkomst buiten de lijst als een escalatie.

Runlogs. Een RPA-log zegt welke stap gelopen heeft. Een agentisch runlog moet zeggen welke tools de agent aanriep, in welke volgorde, wat hij zag en welke motivering hij teruggaf. Zonder dat kan de boekhouder het werk van de agent niet nakijken en kan een auditor het niet reconstrueren.

Evaluatiesets voor de agentische stappen. Een bot test je door hem te laten draaien. Een agenttaak test je tegen dossiers uit het verleden waarvan je het juiste antwoord kent. In de agent-evaluaties van UiPath groepeer je zulke dossiers in evaluatiesets en scoor je ze met exact-match of LLM-as-judge evaluators; UiPath noemt een dertigtal evaluaties als richtwaarde voor een bruikbare agentscore. Bouw die set uit echte historische uitzonderingen voor de livegang en draai ze opnieuw bij elke wijziging aan de prompt, de tools of de modelversie.

Kosten. Bots kosten licenties; agents kosten modelaanroepen per dossier, en een dossier dat vijf tools aanroept kost een veelvoud van een dossier dat er één aanroept. Copilot Studio rekent elke flow-actie en elke trigger-payload als verbruik aan. Zet een plafond per dossier in het proces en volg de maandfactuur per proces op.

Waar moet je op letten bij agentic process automation

Vraag welke stappen het model beslist. Gartner waarschuwde in juni 2025 dat leveranciers RPA-tools en chatbots herdopen tot agents. De check is één vraag per stap in de demo van de leverancier: wordt de volgende stap gekozen door een script of door een model? Is het antwoord bij elke stap "script", dan kijk je naar RPA met een chatvenster; het lemma over AI washing en agent washing heeft de langere checklist.

Laat de agent het proces niet in handen nemen. De orchestrator houdt de status, de timers en de retries bij. Een agent die ook beslist wanneer het proces klaar is, is een agent loop geworden, en die moet je ook zo prijzen en beheren.

Begin met één soort uitzondering. Geef de agent alleen het prijsverschil. Breid zijn uitkomsten pas uit als de evaluatieset zegt dat hij het smalle geval juist heeft.

Hou de menselijke taken waar het risico zit. Het vertrouwen van de agent is niet de juiste trigger voor een menselijke taak; het bedrag, de klant en het juridische risico zijn dat wel. Leg die drempels vast in het procesmodel, waar de proceseigenaar ze kan zien en aanpassen.