Decennialang heeft bedrijfsoftware gewacht. Het wachtte tot iemand inlogde, een scherm opende, gegevens invoerde, de volgende stap goedkeurde en de cirkel rondmaakte. Elke actie hing af van menselijke invoer, en elk inzicht vereiste een verzoek. Dat model wordt nu ontmanteld — niet geleidelijk, maar in een tempo dat veel organisaties overvalt.

AI-agents — systemen die doelstellingen kunnen interpreteren, omstandigheden kunnen monitoren, beslissingen kunnen nemen en acties kunnen uitvoeren binnen bedrijfsapplicaties zonder dat er elke keer om gevraagd wordt — verplaatsen zich sneller van pilotprojecten naar productie dan analisten hadden verwacht. Gartner voorspelde dat 40% van de bedrijfsapplicaties tegen het einde van 2026 taakspecifieke AI-agents zou bevatten, tegen minder dan 5% in 2025. Dat aantal wordt volgens schema gehaald. Voor kopers is het praktische verschil met eerdere automatisering autonomie: traditionele workflowtools volgen voorgeprogrammeerde regels, terwijl agents zelf bepalen welke stappen ze zetten op basis van de doelstelling en de gegevens die voor hen liggen — wat ook de reden is dat de kwaliteit van die gegevens nu meer telt dan de software eromheen.

Klantenservice: waar de data het duidelijkst is

Klantenservice was de eerste bedrijfsfunctie die echte cijfers over AI-agents liet zien, en de resultaten zijn moeilijk te weerleggen. Dat is geen toeval: support genereert enorme volumes repetitieve, tekstuele interacties met goed gedefinieerde uitkomsten — omstandigheden die agents bevoordelen ten opzichte van eerdere automatisering en leveranciers de zuiverste meting geven van prestaties voor en na invoering.

Salesforces Agentforce-platform is het best gedocumenteerde geval op schaal. Marc Benioff, voorzitter en CEO van Salesforce, omschreef de interne inzet tijdens de fiscale Q1 2027-winstcall in mei 2026 ronduit: agents "handelen nu het dubbele servicevolume af van menselijke medewerkers" op Salesforces eigen supportkanalen. In ruim 15 maanden verwerkte het systeem autonoom vier miljoen klantvragen. Dat is geen pilotproject.

PenFed Credit Union zette 76 Agentforce-agents in bij operaties, hypotheken, IT en HR. De tool "Agent Wingman" verkortte de gespreksduur met 10% en het nawerk met 50%, met een geraelde jaarlijkse besparing van 1,6 miljoen dollar door die ene agent. UCLA Health richtte zijn eerste Agentforce-implementatie in acht maanden op; de agent behandelt nu patiëntvragen over zorgverlenerzoek en klinische studies die voorheen telefoongesprekken vereisten.

Jim Roth, president Customer Success bij Salesforce, duidde de verschuiving in termen die verder gaan dan kostenreductie: "Als onze capaciteit oneindig is, kunnen we proactief zijn en ongelooflijkere klantervaringen bouwen. We kunnen elke klant behandelen alsof het onze belangrijkste klant is."

De ARR van Agentforce passeerde de 800 miljoen dollar, een stijging van 169% op jaarbasis, met 29.000 afgesloten deals. Meer dan 60% van die boekingen kwam van bestaande klanten die hun gebruik uitbreidden — doorgaans een betrouwbaarder signaal dan groei door nieuwe klanten.

IT-operaties: van ticketwachtrijen naar autonome oplossing

IT-afdelingen zijn al lang begraven onder repetitieve, tijdrovende taken: wachtwoordresets, softwareprovisioning, toegangsverzoeken, incidenttriage. De omvang van die tickets rechtvaardigt zelden de senior engineers die ze afhandelen, maar iemand moet het doen. AI-agents nemen die last sneller over dan de meeste hadden voorspeld.

ServiceNows Autonomous Workforce, onthuld op het Knowledge 2026-congres in mei, is de meest veelomvattende inzet van dit model. De interne L1 Service Desk AI Specialist van het bedrijf lost toegewezen IT-cases 99% sneller op dan menselijke agents die dezelfde cases behandelen, en het platform verwerkt inmiddels autonoom ruim 90% van de IT-verzoeken van medewerkers bij ServiceNow zelf.

Bill McDermott, voorzitter en CEO van ServiceNow, omschreef de positionering op Knowledge 2026 als een beweging "voorbij het platform der platforms om de AI-agent van agents te worden, die elk model, elke cloud en elke databron verbindt."

Praktische implementaties ondersteunen dit. Bell Canada rapporteerde na de inzet van ServiceNow AI Agents in Telecom een verbetering van 25% in klantresponstijd en 90% positieve feedback over de nauwkeurigheid van de AI. Honeywells AI-assistent "Red" elimineerde het merendeel van de servicedesk-gesprekken, waardoor IT-personeel vrijkwam voor hogere-orde werk.

ServiceNows Autonomous CRM lost inmiddels ruim 100 miljoen klantcases per maand op, orkestreert meer dan 16 miljoen orders en configureert meer dan zeven miljoen offertes binnen zijn klantenbestand. De abonnementsomzet van ServiceNow bereikte 3,67 miljard dollar in Q1 2026, een stijging van 22% op jaarbasis — groei die wordt behaald in een markt waar kopers renewals niet zomaar weggeven.

Financiële operaties: het saaie werk dat er echt toe doet

De enterprise-AI-implementaties met het hoogste rendement zijn consistent de onopvallende gebleken: documentverwerking, factuurafstemming, datamatching — werk dat niemand wil doen maar dat iedereen nauwkeurig gedaan moet hebben.

Praveen Akkiraju, Managing Director bij Insight Partners, maakte dit punt in juni 2026 bij CXOTalk, met Stampli als voorbeeld. Stampli is een AI-native accounts-payable-platform dat bovenop bestaande ERP-systemen ligt en agentlogica toepast op factuurverwerking: facturen in elk formaat vastleggen, transacties coderen, regelitems afstemmen op inkooporders en goedkeuringen routeren op basis van patronen die zijn geleerd uit de historische data van het bedrijf zelf.

Akkiraju's observatie: "Je hebt een sterk dataplatform waar je vervolgens een agent bovenop kunt bouwen om in essentie een van de superkrachten van de LLM te benutten: signaal van ruis onderscheiden."

Met andere woorden, AP-automatisering is interessant, niet omdat het toetsaanslagen wegneemt, maar omdat de agent leert hoe 'normaal' eruitziet en begint te markeren wat afwijkt.

De data ondersteunt deze kijk. Gedocumenteerde AI-implementaties in finance en operaties versnellen afsluitprocessen met 30 tot 50%, en klantenservice-agents besparen kleine teams ruim 40 uur per maand. Dit zijn gerapporteerde resultaten van huidige implementaties, geen prognoses. Het patroon binnen sectoren is consistent: het hoogste rendement komt van agents die volumineuze, compliance-gevoelige, meerstaps-coördinatieprocessen afhandelen — precies het werk dat het moeilijkst te rechtvaardigen was om aan dure medewerkers toe te wijzen.

Sales en CRM: van registraties naar omzet

De verschuiving in verkoopsoftware is significanter dan de meeste kopers beseffen. CRM-systemen waren altijd registratiesystemen: je logt wat er gebeurd is nadat het gebeurde, en iemand leest het rapport later. AI-agents veranderen zowel de vertraging als de richting van die stroom.

Paul Fipps, president Global Customer Operations bij ServiceNow, beschreef het patroon dat zijn platform bij verkoopteams ziet: "We hebben zelf gezien hoe agents teams helpen de juiste leads te prioriteren, de conversie te verbeteren en de voorbereidingstijd met bijna 80% te verkorten." Die reductie is belangrijk, want verkoopvoorbereiding is vaak de knelpunt tussen een gekwalificeerde lead en een daadwerkelijk gesprek.

Aan de kant van Salesforce noemde Benioff Dells implementatie als een resultaat dat verder gaat dan efficiëntie: Agentforce-agents automatiseerden delen van Dells toeleveringsketen, waaronder het onboarden van nieuwe leveranciers, waardoor de gemiddelde onboardingtijd van maanden naar dagen ging.

Reddit ving 46% van de supportcases af en verkortte oplossingstijden met 84%, waardoor de gemiddelde responstijd daalde van 8,9 minuten naar 1,4 minuten. Adecco behandelde 51% van de kandidaatgesprekken buiten standaardkantooruren volledig via agents. Dit zijn geen uitzonderingen; het wordt het standaardimplementatiepatroon voor grote zakelijke klanten.

Het integratieprobleem dat niemand volledig heeft opgelost

Het patroon dat door dit alles zichtbaar wordt is echt, maar het heeft een serieuze kanttekening. Agents werken wanneer de data eronder schoon en verbonden is. Is dat niet het geval, dan zijn de resultaten slecht of onvoorspelbaar.

Het 2026 Connectivity Benchmark Report, een wereldwijd onderzoek onder 1.050 enterprise-IT-leiders, constateerde dat momenteel slechts 27% van de bedrijfsapplicaties is verbonden. De gemiddelde onderneming draait 12 AI-agents, waarvan de helft in geïsoleerde silo's opereert in plaats van als onderdeel van gecoördineerde systemen. En 86% van de IT-leiders gelooft dat agents meer complexiteit dan waarde creëren als integratie ontbreekt. Gartner gaat verder en voorspelt dat meer dan 40% van de agentic-AI-projecten tegen 2027 kan worden geannuleerd vanwege stijgende kosten, onduidelijke bedrijfswaarde en onvoldoende risicobeheersing.

Boomi is het platform dat dit probleem het meest direct aanpakt. De enterprise-integratielaag — die applicaties verbindt, API's beheert, masterdata synchroniseert en inmiddels AI-agent-workflows beheert — heeft momenteel meer dan 75.000 agents in productie binnen zijn klantenbestand.

Joe Varghese, Senior Manager IT Enterprise Data, Integrations and Analytics bij Amneal Pharmaceuticals, beschreef het resultaat van het combineren van Boomi met Claude voor een 24/7 autonome incidentresponsagent: "We hebben de SLA-naleving van 85% naar 98% gebracht, en onze teams kunnen zich nu richten op innovatie in plaats van incidentmanagement." De agent detecteert, diagnosticeert en stuurt de oplossing aan zonder te wachten tot een mens een ticket opent.

Boomi werd in juni 2026 uitgeroepen tot Pioneer in de Gartner Emerging Market Quadrant for No-Code Agent Builders, een nieuwere erkenningscategorie die specifiek platforms volgt die agentic-implementatie toegankelijk maken zonder gespecialiseerde engineeringresources.

ServiceNows McDermott erkende het bredere probleem op Knowledge 2026: "Ondernemingen hebben miljarden geïnvesteerd in AI-mogelijkheden, maar de grote meerderheid kan die investering niet koppelen aan meetbare bedrijfsresultaten."

De integratie-uitdaging wordt niet opgelost door een productaankondiging. Het vereist dat data-architectuur wordt behandeld als voorwaarde voor agentinzet, niet als bijzaak. De ondernemingen die nu het meeste uit AI-agents halen, zijn degenen die er vanaf het begin zo mee omgingen: schone data, gedefinieerde rechten, audittrails en menselijk toezicht op materiële beslissingen. Dat werk gebeurt parallel aan de agentinzet, niet sequentieel — rommeliger dan het klinkt, maar eerlijker over hoe echte bedrijfstransformatie zich voltrekt. Voor organisaties die deze markt volgen, is het signaal om bij te houden niet de aankondigingen van leveranciers, maar of agentimplementaties standhouden tegen die annuleringsnorm van 2027 — wat, gezien de huidige data-integratiecijfers, de meeste ondernemingen nog niet het recht hebben gegeven als vanzelfsprekend te beschouwen.