Ga naar inhoud
Toepassingen

Value stream mapping voor AI-agents: waar zit de echte waarde?

Geert Haisma

Met value stream mapping ziet u direct waar een AI-agent doorlooptijd verkort en waar menselijke controlepoorten wachttijd veroorzaken. Zo voorkomt u sub-optimalisatie.

Gestapelde lege metalen vaten in wit, groen, rood en blauw, met de open kant naar voren gericht

Value stream mapping voor AI-agents: waar zit de echte waarde?

Value stream mapping legt binnen hybride processen precies bloot waar een AI-agent bewerkingstijd verkort en waar menselijke controlepoorten juist wachttijd veroorzaken. De methode voorkomt dat u lokaal taken versnelt terwijl de totale doorlooptijd voor de organisatie gelijk blijft of zelfs oploopt. Door bewerkingstijd en wachttijd feitelijk te scheiden, zet u agents alleen in op stappen die het totale proces vooruithelpen.

In het kort

  • Value stream mapping (VSM) onderscheidt actieve bewerkingstijd van passieve wachttijd in administratieve informatiestromen.
  • Het lokaal versnellen van één taak met AI creëert zonder integrale ketenregie vaak een stuwmeer voor menselijke controleurs.
  • Heldere criteria bij overdrachten voorkomen contextverlies en herstelwerk tussen mens en AI-agent.
  • Lean Six Sigma kerngetallen zoals de proces-cyclus-efficiëntie maken vooraf inzichtelijk of een agent daadwerkelijk doorlooptijd bespaart.
  • Prudai borgt hybride processen met vaste controlekaarten in LEO en gestructureerd risicobeheer in IRMA, ondersteund door procespartner Symbol.

Wat is value stream mapping in een hybride proces?

Value stream mapping is een beproefde visuele analysemethode uit de Lean Six Sigma-systematiek. Het doel is om elke afzonderlijke activiteit in een keten te classificeren als waardetoevoegend voor de eindgebruiker, noodzakelijk niet-waardetoevoegend, of pure verspilling. Waar traditionele productielijnen zich richten op fysiek materiaal en opslaglocaties, draait het in kennisintensieve organisaties om dossiers, besluiten, e-mails en dataoverdrachten.

In een hybride workflow werken menselijke professionals en autonome software-agents zij aan zij. Een AI-agent kan in dertig seconden een complex juridisch dossier samenvatten of een financieel overzicht controleren. Dat is een drastische reductie van de bewerkingstijd (processing time). Als dit conceptdossier vervolgens twee dagen onbehandeld in een digitale wachtrij blijft liggen voordat een geautoriseerde medewerker ernaar kijkt, blijft de totale doorlooptijd (lead time) nagenoeg onveranderd.

Met value stream mapping brengt u de interactie tussen mens en machine visueel in kaart. U registreert niet alleen welke handeling plaatsvindt, maar ook hoe data van de ene applicatie naar de andere beweegt. Zo signaleert u tijdig waar informatie stokt, waar wachttijden oplopen en waar dubbel werk ontstaat.

Waarom leidt lokale AI-versnelling vaak tot sub-optimalisatie?

Sub-optimalisatie ontstaat wanneer een organisatie één specifieke schakel versnelt zonder oog te hebben voor de totale keten. Met moderne AI-frameworks is het eenvoudig om de productie van teksten, analyses en conceptbesluiten exponentieel te verhogen. Wanneer een agent echter honderd dossiers per uur klaarzet voor controle, terwijl de behandelend specialist slechts vijf dossiers per uur zorgvuldig kan beoordelen, ontstaat een acuut knelpunt.

De menselijke specialist raakt bedolven onder notificaties en concepten. Dit fenomeen staat bekend als controle-uitputting of alert-moeheid. Medewerkers verliezen het overzicht, de wachttijden nemen toe en de kans groeit dat foutieve aannames van het model onopgemerkt blijven. Het proces vertraagt hierdoor als geheel, ondanks de inzet van geavanceerde technologie.

Daarnaast ontstaat vertraging door herstelwerk. Wanneer een AI-agent een onvolledig concept aflevert met vage bronverwijzingen, moet de menselijke specialist opnieuw speurwerk verrichten in de bronsystemen. De tijd die nodig is om de invoer te verifiëren is in de praktijk vaak langer dan het handmatig opstellen van het oorspronkelijke stuk. Lokale automatisering levert dan per saldo negatieve waarde op.

Hoe identificeert u met procesanalyse de juiste agent-taken?

Om te bepalen op welke positie een AI-agent daadwerkelijk rendement oplevert, splitst u het proces op in concrete stappen en toetst u de voorspelbaarheid. Taken met gestructureerde gegevens en eenduidige regels zijn uitermate geschikt voor agent-ondersteuning. Beslissingen waarbij maatschappelijke afwegingen, juridische discretie of ethische nuances spelen, blijven primair het domein van de menselijke professional.

De onderstaande tabel toont de functionele toewijzing van processtappen tijdens een waardestroomanalyse:

ProcesstapType handelingTypisch risico bij overdrachtRol voor de AI-agent
Dossierintake en structureringRepetitief, regelgebaseerdOntbrekende documenten, formaatfoutenHoge waarde: documenten ordenen en volledigheid valideren
Feitenextractie en broncontroleAnalytisch, verifiërendVerkeerde aannames, foutieve contextHoge waarde: bronnen matchen en parafrases toetsen
Beleidsafweging en syntheseBesluitvormend, contextueelVerlies van bestuurlijke contextOndersteunend: opties structureren met expliciete bronvermelding
Formeel akkoord en autorisatieJuridisch toezicht, wetgevingWachttijd specialist, aansprakelijkheidGeen agent: expliciet voorbehouden aan de mens
Communicatie en verzendingUitvoerend, communicatiefVerkeerde toonzetting, stijlfoutenHybride: concept klaarmaken ter verzending na fiat

Door deze scherpe scheiding voorkomt u dat agents beslissingsbevoegdheden krijgen die het proces verstoren. U zet technologie uitsluitend in waar deze direct bijdraagt aan het terugdringen van repetitieve bewerkingstijd.

Welke kerngetallen meten de hybride waardestroom?

Een doordachte waardestroomanalyse baseert zich op meetbare procesindicatoren conform de standaarden voor procesverbetering, zoals beschreven in NEN-ISO 13053-2. Zonder harde cijfers blijft procesoptimalisatie een kwestie van intuïtie. Hanteer tijdens het inrichten van een hybride proces de volgende kerngetallen:

  • Bewerkingstijd (Process Time): de tijd waarin daadwerkelijk actief aan het dossier wordt gewerkt door een medewerker of door een AI-agent.
  • Doorlooptijd (Lead Time): de totale verstreken kalendertijd tussen de ontvangst van de initiële klantvraag en de definitieve afhandeling.
  • Wachttijd (Queue Time): de tijd waarin een dossier stilligt in afwachting van validatie, een API-aanroep of menselijke beoordeling.
  • First Time Right (FTR): het percentage dossiers dat in één keer foutloos door de volgende schakel kan worden verwerkt zonder herstelwerk.
  • Proces-Cyclus-Efficiëntie (PCE): de verhouding tussen de bewerkingstijd en de totale doorlooptijd, uitgedrukt in een percentage (bewerkingstijd gedeeld door doorlooptijd).

In traditionele administratieve ketens ligt de PCE regelmatig onder de tien procent. De overige negentig procent bestaat uit stilstand en wachten. Wanneer een AI-agent de bewerkingstijd terugbrengt van vier uur naar tien minuten, maar de wachttijd vijftig uur bedraagt, stijgt de ketenefficiëntie minimaal. Value stream mapping dwingt organisaties om de wachttijden tussen de schakels gericht aan te pakken.

Zo werkt het bij Prudai

Bij Prudai richten we hybride workflows in volgens het fundament van procesbeheersing: één feit op één plek, strikte informatie-alignment en systematische bronvermelding. Onze AI-collega LEO volgt daarom een vast en voorspelbaar workflowpatroon: intake, plan, akkoord van een mens, parallelle specialisten, een tegenrol (wederpartij, inspecteur of toezichthouder), reviewer, redacteur en tot slot het deliverable.

Schrijvende tools in LEO vragen altijd eerst akkoord via een duidelijke akkoordkaart voordat gegevens extern worden vastgelegd. Dit mechanisme voorkomt dat een agent zelfstandig mutaties doorvoert zonder menselijk fiat. LEO levert een tijdwinst van 30%, waarbij de regie over het uiteindelijke dossier volledig in handen blijft van de bevoegde professional.

In ons platform IRMA modelleren organisaties hun processen, risico's en beheersmaatregelen in een overzichtelijke proceseditor. Voorstellen die de AI genereert, worden pas na expliciet akkoord van de proceseigenaar in het formele register opgenomen. Om organisaties deskundig te begeleiden bij het saneren en inrichten van deze waardestromen, werkt Prudai intensief samen met Symbol, onze Lean Six Sigma-consultant.

Voor de specialist

Voor wie hybride processen ontwerpt in standaarden zoals BPMN 2.0 (Business Process Model and Notation) brengt de introductie van AI-agents fundamentele wijzigingen met zich mee. Een LLM-agent kan niet zondermeer worden gemodelleerd als een deterministische Service Task. Een webservice levert immers bij gelijke invoer een identiek resultaat op, terwijl taalmodellen probabilistisch van aard zijn.

In hybride procesmodellen hoort de inzet van een agent daarom te worden gevolgd door een Business Rule Task en een Exclusive Gateway. Hierin toetst de architect de gegenereerde output programmatisch op JSON-schema's, vereiste metadata en betrouwbaarheidsdrempels. Blijft de betrouwbaarheidsscore onder de norm, dan routeert het proces het dossier direct naar een uitzonderingsstroom via een User Task voor menselijke analyse.

Dit architectuurprincipe sluit naadloos aan op de wetgeving. Artikel 14 van de Europese AI-verordening (Verordening EU 2024/1689) stelt stringente eisen aan menselijk toezicht bij hoog-risico AI-toepassingen. Systemen moeten zo zijn ontworpen dat toezichthouders de werking begrijpen en te allen tijde kunnen ingrijpen of het systeem kunnen overrulen. Voor het veilig koppelen van bronsystemen en agents biedt het Model Context Protocol (MCP) een open standaard die overdrachtsfrictie minimaliseert. Wie onderzoekt hoe enterprise-omgevingen hiermee omgaan, leest meer in onze vergelijking over Copilot Studio in gereguleerde processen.

Veelgestelde vragen

Wat is het verschil tussen value stream mapping en een regulier stroomschema?

Een stroomschema toont enkel de volgorde van activiteiten en formele beslispunten. Value stream mapping voegt hier kwantitatieve processtatistieken aan toe, zoals doorlooptijd, wachttijd, batchgroottes en het percentage First Time Right. Hierdoor maakt VSM direct inzichtelijk waar vertraging ontstaat.

Hoe voorkomt u opstoppingen bij menselijke controlepoorten?

Door aan de uitgang van de AI-agent strenge validatiefilters te plaatsen. Een conceptdossier wordt pas aan de menselijke specialist voorgelegd als alle brontoetsen en formatcontroles zijn geslaagd. Daarnaast helpt het verkleinen van batchgroottes om piekdrukte te voorkomen.

Is value stream mapping verplicht onder de AI Act?

Nee, value stream mapping is geen wettelijk voorgeschreven instrument. Het is echter wel een zeer effectieve methode om aantoonbaar te maken dat voldaan wordt aan de verplichting tot doeltreffend menselijk toezicht uit Artikel 14 van de AI-verordening.

Kan process mining een waardestroomanalyse vervangen?

Process mining analyseert historische event-logs uit IT-systemen, wat waardevol inzicht geeft in voltooide transacties. Het toont echter niet de informele communicatie, offline wachttijden of cognitieve afwegingen van medewerkers. In hybride processen versterken beide methoden elkaar.

Bronnen

Wilt u weten hoe value stream mapping uw organisatie helpt om AI-agents doordacht in te zetten? Bekijk de mogelijkheden op de productpagina voor AI-diensten of neem contact op met onze specialisten.

Bijgewerkt op 12 november 2026

Lean Six SigmaWorkflow automatiseringAgentsSymbolIRMA

Geert Haisma

Algemeen Directeur

Geert Haisma is de medeoprichter en algemeen directeur van Prudai, een AI-specialist die organisaties ondersteunt bij het veilig en op maat inzetten van generatieve AI voor verbeterde besluitvorming en procesautomatisering. Met een achtergrond in bestuurskunde en een jarenlange ervaring in het succesvoller maken van organisaties, is Haisma de drijvende kracht achter de strategische en inhoudelijke richting van Prudai.