Implementaties van AI-agents versnellen sneller dan de enterprise-fundamenten die nodig zijn om ze te ondersteunen, waardoor veel organisaties worstelen met de processen, gegevens, kosten en beheersmaatregelen die nodig zijn om agents op grote schaal in te zetten.

Deze analyse komt uit de nieuwste editie van Prompt, de wekelijkse briefing van AI Business over het veranderende AI-landschap, waarin een analytische blik op de belangrijkste ontwikkelingen van de week wordt gecombineerd met een samengesteld overzicht van de verhalen die ertoe doen.

Agentic AI verwijst naar systemen die met beperkte menselijke tussenkomst meerstaps taken kunnen plannen en uitvoeren — gebruikmakend van bedrijfsgegevens, softwaretools aanroepend en acties triggerend in bedrijfssystemen — een stap verder dan chatbots die zijn gebouwd om één enkele prompt te beantwoorden. Bedrijven hebben grote plannen met AI-agents. Of ze er ook klaar voor zijn, is een tweede. Een nieuw onderzoek van Deloitte wees uit dat circa 75% van de Amerikaanse bedrijfsleiders verwacht dat AI-agents binnen vier jaar ongeveer de helft van de processen binnen hun organisaties zullen hervormen. Toch denkt slechts 20% dat hun bedrijven op dit moment in staat zijn workflows te herontwerpen voor autonome agents.

Deze bevinding komt op een opvallend moment. Bedrijven zetten steeds meer agents in, leveranciers maken het eenvoudiger om ze te lanceren door tools voor het bouwen van agents rechtstreeks in gangbare bedrijfsoftware in te bedden, en AI-capaciteiten blijven vorderen — maar de organisatorische fundamenten die nodig zijn om ze te ondersteunen, bewegen niet met dezelfde snelheid mee. Het gevolg is een kloof die steeds breder wordt tussen wat agentic AI kan en wat bedrijven daadwerkelijk aankunnen.

Niettemin blijft de implementatie versnellen. Onderzoek van Salesforce wees uit dat het gemiddelde aantal AI-agents binnen organisaties in 15 maanden bijna verdrievoudigde, terwijl de tijd die nodig is om een agent te maken en te activeren met 53% daalde tot minder dan twee dagen. Agents nemen ook meer werk voor hun rekening: het gemiddelde aantal acties per account groeide in dezelfde 15 maanden met een samengestelde maandelijkse groeivoet van 31%. Met andere woorden: bedrijven kunnen sneller dan ooit agents inzetten — maar de organisatie zodanig voorbereiden dat ze die effectief gebruiken, blijkt veel ingewikkelder.

De grootste barrières liggen binnen het bedrijf zelf. Deloitte constateerde dat veel organisaties simpelweg niet klaar zijn: onduidelijke bedrijfsprocessen, onderling niet verbonden gegevens en systemen, en weerstand tegen het veranderen van gevestigde werkwijzen houden hen tegen. Dergelijke problemen bestonden al vóór AI, maar hier wegen ze zwaarder: in tegenstelling tot scriptgebaseerde automatisering bepalen agents hun eigen stappen onderweg, waardoor duidelijk omschreven processen en betrouwbare gegevens vereisten zijn in plaats van verfijningen. Die barrières wegen zwaarder naarmate agents meer verantwoordelijkheid dragen: zonder betrouwbare toegang tot gegevens kunnen agents moeite hebben betrouwbare resultaten te leveren.

Ook de kosten zijn een zorgpunt. Gartner stelde vast dat agentic AI mogelijk niet profiteert van traditionele schaalvoordelen, omdat complexere redenering en planning de inferentiekosten opvoeren. Doordat agents bij het plannen, redeneren en gebruiken van tools veel modelaanroepen kunnen doen, kunnen de kosten stijgen met de complexiteit van elke taak in plaats van dalen naarmate het gebruik toeneemt. Ook blijven er vragen over betrouwbaarheid bestaan. Slechts 35% van de leidinggevenden die zijn ondervraagd door HFS Research en TCS zei dat AI consistent bedrijfsresultaten oplevert, vertrouwen van toezichthouders verdient en voldoende beheersing biedt.

Samen genomen wijzen de ontwikkelingen op een groeiende kloof. Organisaties zetten steeds meer agents in en vragen ze steeds meer te doen, terwijl de processen, gegevens, economie en beheersing die nodig zijn om ze te ondersteunen nog volop in ontwikkeling zijn. Vooralsnog wijzen de onderzoeken naar de organisatorische gereedheid, en niet naar de capaciteit van de modellen, als beperkende factor. Agentic AI komt wellicht snel op — maar de enterprise-readiness van organisaties blijkt veel moeilijker te versnellen.

Ook in AI-nieuws deze week

• Vertraging van OpenAI-modellen geeft CIO's een les in AI-planning — De beslissing van het AI-lab om de ontwikkeling van zijn geavanceerdste modellen te vertragen, onderstreept waarom CIO's flexibele AI-roadmaps nodig hebben die zich kunnen aanpassen naarmate modelcapaciteiten, beschikbaarheid en tijdlijnen van leveranciers veranderen.
• Micron zet 10 miljard dollar in op AI-geheugenonderzoek in de VS — De chipfabrikant investeert 10 miljard dollar in een nieuw onderzoekscentrum in Idaho, gericht op het verder ontwikkelen van geheugen-, compute- en packagingtechnologieën voor steeds veeleisendere AI-systemen.
• Nvidia's SONIC leert humanoïden bewegen — Het foundation model stelt humanoïde robots in staat om uit menselijke demonstraties een breed scala aan bewegingen met het hele lichaam te leren, waarmee het bedrijf zijn bredere push richting physical AI voortzet.
• Starling Bank voegt AI-aangedreven vaardigheden toe aan klantgerichte chatbot — De bank breidt zijn klantgerichte AI-assistent uit met nieuwe vaardigheden die zijn ontworpen om complexere bankvragen af te handelen en persoonlijkere ondersteuning te bieden.
• AI-productiviteitswinst leidt niet tot verlichting van de IT-werkdruk — AI bespaart IT-professionals elke week uren, maar de meesten zeggen dat hun werkdruk gelijk is gebleven of is toegenomen doordat nieuwe verantwoordelijkheden die productiviteitswinst compenseren.
• Met AI ondersteunde campagne richt zich op kwetsbare Siemens S7-apparaten, waarschuwen CISA en FBI — De instanties waarschuwen dat hackers met door AI ondersteunde technieken kwetsbare industriële besturingssystemen van Siemens aanvallen in sectoren van kritieke infrastructuur, waaronder energie en water.
• Pony.AI heeft plannen voor 4.000 robotaxi's buiten China — De Chinese leverancier is van plan om wereldwijd 4.000 robotaxi's in te zetten terwijl hij de uitbreiding van zijn activiteiten op het gebied van autonoom rijden versnelt.
• Hoe bedrijven het snelle tempo van AI-ontwikkelingen kunnen bijbenen — Bedrijven die het snelle tempo van AI-ontwikkelingen willen bijbenen, hebben een helder inzicht in hun bedrijfsprocessen nodig en de flexibiliteit om tussen modellen en agents te wisselen naarmate capaciteiten en kosten veranderen.

Gerelateerde berichtgeving: Nvidia's nieuwe open model is bedoeld voor specifieke use cases | Meta wisselt van koers met open-weight model Muse Glimmer | Microsoft-framework moet trainingskosten van AI-agents verlagen

Bron: AI Business | Door Liz Hughes, vaste auteur | 21 augustus 2026