Waarom we onze agents Hugo, Lea en Maya noemden — en niet Agent #1
Drie voornamen zijn geen marketing. Het zijn architectuurbeslissingen.
Wanneer u een AI-agentplatform lanceert, hebt u twee opties.
De eerste: noem uw agents Agent-001, Agent-002, Agent-003. Of erger nog, op basis van hun functie: HSE-bot, Voice-bot, Recruiter-AI. Dat doet 90% van de leveranciers. Het is rationeel. Het is leesbaar. Het is kil.
De tweede: geef ze een voornaam. Hugo. Lea. Maya. Drie agents met een gezicht, een stem, een missie. Dat hebben wij gekozen. En die keuze is geen marketing — ze is structureel.
Hier is waarom.
Een voornaam dwingt tot specialisatie
Wanneer u uw agent Voice-bot noemt, ontwerpt u hem als generieke tool. U vraagt hem de telefoon op te nemen, oproepen door te schakelen, misschien notities te nemen. U beschouwt hem als een script dat praat.
Wanneer u haar Lea noemt, geeft u haar een job. Lea is geen voice bot. Lea is een ervaren onthaalmedewerker. Ze neemt op binnen drie keer rinkelen, kwalificeert het gesprek in het Frans, Engels of Nederlands, leidt het door naar de juiste persoon en stuurt een samenvatting naar het CRM. Ze heeft een scope, een kwaliteitsstandaard, een benchmark.
De voornaam is geen verkleedpartij. Het is een belofte van specialisatie.
Een voornaam verandert de relatie tot fouten
Een bot die fouten maakt, trekt u uit het stopcontact. Een agent die fouten maakt, verbetert u.
Dat verschil is niet semantisch. Het is cultureel. Wanneer Maya een sourcing mist — wanneer ze een kandidaat voorstelt die naast de roos is — zegt het HR-team niet "de AI is gecrasht". Ze zeggen "Maya zat ernaast, laten we de brief opnieuw uitleggen". Feedback wordt mogelijk. De leerlus komt op gang. De agent verbetert met het gebruik, zoals een junior die zijn plooi vindt.
Met een recruiter-bot bestaat dat proces niet. U opent een support ticket.
Drie agents, drie persoonlijkheden, drie mandaten
Onze voornamen zijn niet willekeurig gekozen.
Hugo — HSE-agent. Hugo is nauwgezet, methodisch, standaard Franstalig. Hij auditeert sites, genereert ISO 45001-conforme rapporten en identificeert regelgevingshiaten. Hij heeft de soberheid van een ervaren preventieadviseur. Hij maakt geen grapjes. Hij is nuttig.
Lea — telefoonagent. Lea is snel, beleefd, meertalig (FR/EN/NL/DE). Ze neemt inkomende oproepen aan, kwalificeert, schakelt door en houdt het klantendossier bij. Ze heeft de houding van een ervaren directiesecretaresse. Ze legt nooit als eerste neer.
Maya — wervingsagent. Maya is nieuwsgierig, strategisch, veeleisend op het vlak van matching. Ze scant cv's, sourceet via LinkedIn, voert pre-interviews via video en levert een onderbouwde shortlist. Ze denkt als een executive search-bureau, niet als een ATS.
Die drie persoonlijkheden zijn geen fluff. Ze bepalen technische keuzes: de tone of voice van elk model, de scope van tools waartoe elke agent toegang heeft, de business guardrails, de leermodi.
Het gevolg: uw teams adopteren ze
Dit is wat we observeren bij onze eerste klanten.
Na twee weken zegt de HR-directeur niet langer "ik gebruik het BeLogic-platform". Hij zegt "ik heb Maya gevraagd vijf profielen op te halen voor de rol Lead Designer". De preventieadviseur zegt niet langer "ik heb een AI-audit gedraaid". Hij zegt "Hugo heeft drie hiaten gemeld op de site in Luik, we kijken er vanmorgen naar".
Die adoptie is meetbaar. Ze verhoogt de gebruiksfrequentie met factor 3 ten opzichte van de uitrol van een anonieme chatbot. Want u gebruikt geen tool. U werkt samen met een collega.
Meer dan AI. Een partner.
De tagline van BeLogic is geen slogan. Het is een productthesis.
We geloven dat in het tijdperk van agentic AI het verschil tussen een chatbotleverancier en een transformatiepartner ligt in hoe u de relatie tussen uw teams en de AI ontwerpt. Een tool die u configureert, of een collega die u onboardt.
Hugo, Lea en Maya zijn geen voornamen. Het zijn architectuurbeslissingen.
En het is wellicht de belangrijkste beslissing die we hebben genomen.