Nederlands
Joris aan de telefoon

Wat is een MCP voor AI-agents en AI-tools in HR?

Je AI-agents vertellen wat ze kunnen, moeten en niet mogen doen

Een MCP is een manier om een AI-agent te sturen: je vertelt wat die kan, moet en niet mag doen. Het werkt als de laag met regels, rollen en verantwoordelijkheden voor de AI. Je stelt kaders en instructies in.

Een van de redenen waarom een MCP belangrijk is: op het moment dat ik dit schrijf (juni 2025) maken de meeste AI-agents in HR helaas niet waar wat aan kopers is 'verkocht'.

Dit artikel in Fortune beschrijft hoe bedrijfsleiders "zeggen dat ze teleurgesteld zijn in agents die niet leverden" en hoe proofs of concept met AI steeds vaker mislukken.

Een paar dingen om nu op te letten bij AI-agents

Test de tools voordat je een overeenkomst tekent, en je zult zien dat de meeste niet slagen. Er zijn een paar veelvoorkomende problemen. Test of de AI-agent:


→ Niet weet wanneer die moet escaleren
(bijvoorbeeld een ingewikkelde vraag over verlof beantwoorden in plaats van die door te zetten naar HR)

→ De eigen acties niet kan verantwoorden of uitleggen
(HR kan niet nagaan wat de AI heeft gezegd, tegen wie en waarom)

→ Context over de employee journey mist
(bijvoorbeeld iemand die terugkomt van verlof hetzelfde behandelen als een nieuwe collega)

→ Beleid of juridisch advies verzint
(bijvoorbeeld vol overtuiging een “beleid” bedenken dat niet bestaat)

→ Iedereen hetzelfde antwoord geeft
(dezelfde onboardingtips voor managers, stagiairs en terugkeerders)

→ Interne tools of kanalen niet begrijpt
(stelt “mail HR” voor terwijl er een ticketsysteem of Slack-kanaal is)
 

Dit zijn geen uitzonderingen, maar vrij gewone zwakke plekken van nieuwe AI-agents die ik vandaag uitgerold zie worden.

Een nieuw teamlid aannemen → een AI-agent

Als je een nieuw lid voor je HR-team aanneemt, geef je die persoon een duidelijke scope en een draaiboek of gedetailleerde instructies. Als dat nieuwe teamlid niet weet wat te doen of hoe een situatie aan te pakken, moet die weten dat je het eerst aan jou vraagt voordat je verdergaat!

In zekere zin heeft een AI-agent dezelfde begeleiding nodig (maar waarschijnlijk nog explicieter).

Om problemen zoals hierboven te voorkomen, is het belangrijk om te beginnen met echte controlelagen. Een onderdeel daarvan is een goed Model Context Protocol (of MCP) om een AI-agent te sturen: je vertelt wat die kan, moet en niet mag doen door kaders en instructies in te stellen.

Wat een MCP meestal bevat:

  • Rechten
    → Bij welke data of tools kan de AI? (bijv. BambooHR-data, Slack-berichten, onboardingdocumenten)
  • Grenzen
    → Wat mag de AI niet doen? (bijv. geen wijzigingen in de salarisadministratie, geen gevoelige informatie versturen)
  • Bedoeling / roldefinitie
    → Wat is het doel van de agent? (bijv. “Je bent een Onboarding Assistant. Je taak is nieuwe collega's te laten voelen dat ze gesteund worden, niet om juridische vragen te beantwoorden.”)
  • Beslislogica of delegatie
    → Wanneer moet de AI handelen? Wanneer moet die escaleren naar een mens?

Waarom het belangrijk is voor HR:

Zonder MCP:

  • Kan een AI te ver gaan (bijv. reageren op een vraag over ontslag waarop die niet zou moeten reageren).
  • Kan een AI te weinig doen (bijv. geen voor de hand liggende vervolgstappen zetten na het verzamelen van informatie).
  • Kan een AI vertrouwen beschadigen (bijv. te stellig antwoorden over ingewikkelde onderwerpen zoals verlofwetgeving).

Met een sterk MCP:

  • Wordt de AI veiliger, nuttiger en beter afgestemd op de bedoeling van HR.
  • Kan de AI halfzelfstandig werken, net als een junior HR-teamlid met een duidelijke scope en gedetailleerde instructies.