Ondernemingen die het snelle tempo van de AI-ontwikkelingen willen bijbenen, hebben volgens een senior manager bij Dataiku een diepgaand inzicht nodig in hun eigen bedrijfsprocessen — en flexibiliteit in de modellen en agents die ze inzetten.

Generatieve en agentic AI worden al enkele jaren breed gebruikt binnen ondernemingen. Toch lijkt de snelheid van de technologieontwikkeling, net als aan het begin van de AI-boom die volgde op de release van ChatGPT door OpenAI in 2022, niet te worden gevolgd door adoptie. Nu alle aandacht uitgaat naar de kosten van het gebruik van AI, worden ondernemingen gedwongen kritisch te bekijken hoe ze generatieve AI toepassen en zich ervan te verzekeren dat ze er waarde uit halen.

De laatste tijd is echter een kanteling ingezet, nu ondernemingen hun scepsis over de manier waarop generatieve en agentic AI-technologie hen kan helpen hebben afgezwakt. Bedrijven voelen een dringende noodzaak om de technologie in te voeren, gelet op het fenomeen van de open source persoonlijke agent OpenClaw, de release door Anthropic van de domeinaanpasbare Claude Cowork en de krachtige Mythos-modellen, en de oproep van Nvidia-CEO Jensen Huang aan ondernemingen om een "OpenClaw-strategie" te omarmen.

In een interview op de Ai4 2026-conferentie in Las Vegas eerder deze maand sprak Jed Dougherty, senior vice president of AI and platform bij Dataiku, leverancier van een enterprise-AI- en machine learning-platform, over de obstakels waarmee ondernemingen worden geconfronteerd bij agentic autonomie en bij het kiezen van de juiste modellen of agents. Naar zijn mening moet een onderneming, ongeacht welk AI-merk ze kiest, de technologie zodanig beheren dat die werkt voor de organisatie. Dataiku, opgericht in 2013 en gewaardeerd op 3,7 miljard dollar in de financieringsronde van 2022, verkoopt een gecentraliseerd platform voor het bouwen, uitrollen en beheren van enterprise-AI — een positionering die aansluit bij zijn pleidooi voor een gecentraliseerde, agnostische orchestratielaag.

Moeten ondernemingen nu volledig de autonomie van AI-agents accepteren, gegeven het succes van OpenClaw, of is er nog steeds behoefte aan meer human-in-the-loop?

Dougherty: Er is nog steeds behoefte aan menselijke begeleiding. De grootste winsten en successen die mensen zien bij het gebruik van agents worden nog steeds geboekt bij ondernemingen waar mensen in de lus blijven. Elk bedrijf heeft een strategie nodig om te bepalen wat volledig kan worden overgedragen aan volledig autonome systemen. Het is belangrijk om vast te stellen welke beleidsregels en processen binnen uw organisatie autonoom kunnen worden gemaakt, of welke onderdelen daarvan.

Zijn voorzichtigheid wordt bevestigd door sectoronderzoek: Gartner voorspelt dat tegen het einde van 2027 meer dan 40% van de agentic AI-projecten zal worden geannuleerd nadat proofs of concept niet waarmaken, waarbij wordt gewezen op oplopende kosten, onduidelijke bedrijfswaarde en onvoldoende risicobeheersing.

Welke rol spelen FDE's, of forward-deployed engineers, bij het tot stand brengen van AI-adoptie bij ondernemingen?

Dougherty: We hebben veel tijd en geld geïnvesteerd in het aannemen en opbouwen van een sterk forward-deployed engineeringteam waarmee we onze klanten helpen. Dat is heel belangrijk. Ik hielp bijvoorbeeld een klant. We probeerden een aantal relatief eenvoudige websites te bouwen. Ik had niet voorzien hoeveel kleine technische drempels die ik volledig als vanzelfsprekend beschouw omdat ik ze elke dag uitvoer, mensen doen stranden of op z'n minst drastisch vertragen, op het punt waarop een website voor het eerst kon worden uitgerold. Een forward-deployed engineer die weet hoe de eenvoudige infrastructuurzaken moeten worden aangepakt, is nog steeds waardevol.

Het model van forward-deployed engineering werd populair gemaakt door Palantir en heeft zich sindsdien verspreid over het landschap van AI-leveranciers, nu leveranciers labmogelijkheden proberen om te zetten in werkende implementaties bij ondernemingen.

Hoe groot is de behoefte aan experts om agentic AI te laten werken? En zou u zeggen dat leveranciers ongelijk hadden in hun boodschap aan het begin van het brede gebruik van generatieve AI, door het af te schilderen als een tool waar geen experts voor nodig zijn?

Dougherty: Dat denk ik niet. AI is een gloednieuwe technologie. Vier jaar geleden waren mensen behoorlijk goed in selfservice met machine learning, omdat ze er al tien jaar mee bezig waren. Nu nieuwe agentmogelijkheden zich overal verspreiden, moeten leveranciers wat tijd besteden om mensen over deze eerste hobbel heen te helpen. Over een jaar of twee, wanneer meer mensen de technologie hebben gebruikt en eraan gewend zijn, denk ik niet dat u nog hetzelfde niveau van praktische begeleiding nodig heeft. Maar nu, wanneer ik iets probeer uit te leggen aan iemand die nog nooit een agent heeft gebruikt of gebouwd, is het gewoon handig om een expert ertussen te hebben. De transformatiekracht voor bedrijven van gestructureerde agents die grote delen van uw bedrijfsprocessen repliceren, is relatief complex.

Wat is de beste use case voor agentic AI die ondernemingen zal transformeren?

Dougherty: Een bedrijf moet zichzelf kennen voordat het de beste use case kan identificeren. De beste use case voor agentic AI in elk bedrijf is het kernproces. Neem bijvoorbeeld verzekeringen. Er komt een schadeclaim binnen en er wordt enige verwerking op die claim uitgevoerd. Er moet enig onderzoek naar die claim worden gedaan. Er wordt een beslissing genomen over het al dan niet uitbetalen van die schadeclaim. Waarschijnlijk volgt er een audit. Misschien wordt het juridisch team ingelicht. De kern van de verzekeringsbranche is dus het beslissen hoe en of schadeclaims worden uitbetaald, en of er opnieuw zaken met die klant worden gedaan. Hoe beter een verzekeringsmaatschappij nu kan beschrijven hoe ze dat zonder generatieve AI doen, hoe beter ze zal begrijpen welke onderdelen van dat uitbetalingsproces van schadeclaims vervolgens door agentic AI kunnen worden gerepliceerd of versterkt.

Ondernemingen kennen soms hun bedrijfswaarde, maar staan voor een overvloed aan opties. Hoe kunnen ze kiezen met welke leverancier ze een partnerschap aangaan?

Dougherty: Optimaal werken met data in machine learning en nu in AI betekent: het juiste subgereedschap kiezen voor de juiste taak en gemakkelijk kunnen wisselen of bijstellen. Soms is Snowflake de beste database, en soms niet. Soms is OpenAI de beste optie, en soms is een on-prem model de beste optie voor zeer gevoelige data of om de kosten in de gaten te houden. Een orchestratielaag hebben — een platform waarmee u deze onderliggende afzonderlijke tools op een veilige, gecontroleerde en bestuurde manier kunt combineren — dat is de basis. U wilt een gecentraliseerde, agnostische orchestratielaag waarmee u gemakkelijk de juiste tool voor de juiste klus kiest.

Hoe kunnen ondernemingen omgaan met de stijgende kosten van het gebruik van AI?

Dougherty: Ik vergelijk het met de prijsschok die mensen aan het begin van het cloudtijdperk ervoeren, toen ze alles naar AWS overzetten en het jaar daarna een enorme rekening kregen. Dat gaat in 2027 gebeuren naarmate meer mensen generatieve AI gaan gebruiken. Het is voor mij niet moeilijk om 1.000 dollar aan tokens per dag te verbranden wanneer ik hard aan iets werk, en dat is niet goedkoop. Ik denk wel dat er enige weerstand tegen zal ontstaan, maar het is ook ongelooflijk waardevol. In de handen van de juiste persoon: de dingen die u kunt bouwen, kan ik in een dag of in twee maanden bouwen. Daar bestaat geen vervanging voor. Daarom is het heel belangrijk om niet één agent alle taken te laten uitvoeren. U wilt het opdelen in zo veel mogelijk kleine stappen. Waar u bij kostenbeheer verder rekening mee moet houden, is openstaan voor verschuivingen in de markt. Op de hoogte blijven van de markt — welke de beste foundation models zijn en wat de prijspunten zijn — maakt echt een groot verschil, mogelijk bij het beheren van uw prijzen. Tussen die modellen kunnen wisselen is cruciaal.

De dynamiek die hij beschrijft heeft een precedent in de cloudwereld, waar FinOps — inmiddels een formele discipline met een eigen professionele foundation — vorm kreeg nadat ondernemingen die door vroege cloudrekeningen werden getroffen, toegewijde processen opbouwden voor het volgen en beheren van uitgaven.

En wat te denken van de open modellen van Alibaba, DeepSeek en andere Chinese aanbieders? Hoe zouden ondernemingen op die trend moeten reageren?

Dougherty: Ze zijn uitstekend. We zien veel externe leveranciers die deze externe Chinese modellen of de andere open source-modellen aanbieden en tegen een zeer concurrerend prijspunt beschikbaar stellen. U kunt zeker externe open source-modellen invoegen en uzelf veel geld besparen. Bovendien zijn ze in wezen afhankelijk van de capaciteit.

Naarmate agents zich door een organisatie verspreiden, wordt het beheren ervan veel kritischer, aldus Dougherty. "Conversational AI en het gebruik van AI om applicaties te ontwikkelen zijn hier om te blijven. Iedereen gaat dit soort dingen bouwen. We moeten uitzoeken wat werkt en wat niet."

Redactionele noot: dit interview is bewerkt voor duidelijkheid en beknoptheid.

Bron: AI Business