Vermogensbeheerder Arca laat agents het voorbereidende werk doen, maar mensen nemen de beslissingen en voeren geldtransacties uit.
Waarom dit nuttig is om te weten
Arca is een vermogensbeheerder die AI als basis van het werk gebruikt. Agents doen het meeste voorbereidende werk: analyseren, rekenen en voorstellen doen. De adviseur neemt de eindbeslissing, en handel of geldverplaatsing doet altijd een mens. Aman Singh, hoofd AI bij het bedrijf, vat het zo samen: agents sturen mensen meer aan dan andersom. Dat is het punt om te onthouden. Een taak kan tien dagen duren, met veel overdrachten tussen mensen. Daarom houdt Arca per cliënt een geheugen bij, zodat er niets zoekraakt. De les zit vooral in de verdeling: wat mag de machine zelf doen, en wat blijft bij een mens liggen?
Wanneer je dit nodig hebt
Herken je werk dat lang duurt, door veel handen gaat en steeds op een beslismoment stuit? Dan is dit de inrichting die werkt. Het principe van Arca: de agent mag analyseren en voorstellen doen, maar niet uitvoeren. Alles wat geld raakt of een klant risico geeft, loopt via een mens. Leg die grens vast in regels die niet van het model afhangen. Doe dat ook in je eigen processen: bepaal per stap wat de AI zelf mag, wat een goedkeuring vraagt en wat nooit automatisch gebeurt. Let ook op overdrachten. Een agent die over dagen werkt, heeft een logboek nodig van wat er al is gebeurd en wie wat moet doen. Zonder dat verliest iedereen het overzicht.
Hoe het technisch in elkaar zit
Arca bouwt een eigen harness: de laag die het model aanstuurt. Die kiest per taak het model op basis van interne benchmarks en routeert het werk. Omdat de harness van hen is, kunnen ze van modelleverancier wisselen zonder hun workflows te herschrijven. Het geheugen per cliënt is een intern systeem waaraan de agents zelf bijdragen. De agent zelf draait niet in een sandbox, de code die hij schrijft wel. De output van de agent wordt omgezet naar een strikt formaat, de gegenereerde code wordt weggegooid, en er staat een guardrail op dat formaat voordat het de backend bereikt. Een meta-agent analyseert feedback van adviseurs en agent-traces en stelt wijzigingen in de harness voor. Dat vraagt om eigen evals en onderhoud. Prompt injection wordt met verificatiechecks getest, maar daarmee is het risico niet weg.
Dit nieuws raakt hoofdstuk 11 en 21 en 23 van de cursus Alles of (n)iets met AI van Newway. Volg je de cursus, dan komt dit onderwerp daar in meer rust terug.
Wat je hiermee kunt
Wil je weten wat dit voor jouw bedrijf betekent? Plan een kennismaking: een half uur, geen verkooppraatje, wel een eerlijk antwoord op de vraag waar je moet beginnen. Liever eerst zelf verder lezen? De cursus Alles of (n)iets met AI is gratis en begint bij de basis.
Bron: Latent Space, https://latent.space/p/arca/.
