De inzet van AI binnen organisaties bevindt zich op een kantelpunt. Waar eerder vooral werd geëxperimenteerd met chatbots en automatiseringsscripts, gaat het nu om iets veel fundamentelers. AI-agents voeren zelfstandig complexe taken uit, nemen beslissingen en blijven zich ontwikkelen op basis van context en interactie. Waar gaat het heen met agentic AI? We bespreken het in een rondetafelgesprek met experts van Cloudera, Pega, Salesforce en ServiceNow.
AI-agents zorgen voor een nieuw tijdperk in automatisering. Niet langer is het een middel dat zich beperkt tot ondersteunend werk. Het beslist en werkt ook actief mee. Aan tafel wordt dan ook al vrij snel duidelijk dat bedrijven zich het niet kunnen veroorloven om af te wachten. De achterstand die je als bedrijf dreigt op te lopen, wordt straks simpelweg te groot. Ervaringen van voorlopers tonen aan dat het niet draait om perfecte implementatie, maar om beginnen, leren en opschalen.
De eerste stap is vooral het helder krijgen van waar AI echt waarde kan toevoegen. Organisaties die AI benaderen als een nieuwe manier van werken boeken de meeste vooruitgang. Zie het niet zozeer als een project van de IT-afdeling, maar als iets waar de business wat aan heeft. Hoe geavanceerd de technologie ook is, uiteindelijk draait het om het oplossen van echte bedrijfsproblemen.
Lees ook eens ons eerste artikel naar aanleiding van de rondetafel. Daarin gaan de experts in op de basis die je op orde moet brengen voor succesvolle agentic AI-systemen.
Wanneer kies je voor een agent en wanneer voor iets anders?
Een belangrijke afweging voor organisaties is het onderscheid tussen processen die baat hebben bij een AI-agent, en processen die beter af zijn met een wat meer traditionele aanpak. Dat onderscheid is vaak afhankelijk van een aantal factoren. Denk aan variabiliteit, schaal, compliance en de mate van menselijke interactie. Je kan uiteindelijk veel met AI-agents, maar bepaalde automatisering komt eerder in aanmerking voor andere soorten technologie.
Wanneer kies je dan precies voor traditionele workflows en wanneer voor AI-agents? Volgens Nick Botter, Head of Solution Consulting bij ServiceNow, is dat onderscheid achterhaald. In zijn visie draait het niet om of een agent of een workflow, maar om de orkestratie daartussen. “Je hebt altijd een ‘agent orchestrator’ nodig die kan bepalen wat de juiste vervolgstap is. De agent beschikt over skills, tools én workflows, en kiest de beste route voor de taak die hij voorgeschoteld krijgt.”
Je hebt het in het geval dat Botter beschrijft als het ware een intelligente laag die beslist wanneer een taak naar een workflow moet en wanneer een agent het overneemt. Die orkestratielaag wordt de spil van automatisering, waarin AI en traditionele IT-oplossingen naast elkaar functioneren. Het gaat dan veel meer richting een dynamische benadering, waar men adaptief te werk gaat.
Agents kunnen dus wel op iedere plek nuttig zijn. Suggesties doen, analyses uitvoeren en afwijkingen signaleren als onderdeel van een grotere automatisering – het kan als het vereist is. Context is een van de belangrijkste factoren voor succes, stipt Director AI Lab Peter van der Putten van Pega aan. Daarnaast zijn data en feedback van belang. Bij complexe taken komt agentic AI ook tot nut. “Je moet uiteindelijk goed kijken waar je voorspelbaarheid hebt en waar niet”, schetst Van der Putten. “Daaruit volgt vanzelf welke technologie je inzet.”
Situaties beoordelen voordat je de knoop doorhakt
Organisaties die het op de juiste manier inrichten, kunnen straks AI-agents inzetten voor het beantwoorden van klantvragen op meerdere domeinen. Zolang je maar per situatie bekijkt wat het nuttigst is, stelt Regional Vice President Benelux Rein de Jong van Cloudera. “Soms is een workflow gewoon efficiënter, soms is een agent beter. Het hangt af van de aard van het proces, de data die beschikbaar is en hoe snel je moet kunnen schakelen.” Daarmee benadrukt hij dat AI niet altijd de heilige graal is, maar wél een krachtig onderdeel van een bredere architectuur.
Andere rondetafeldeelnemers sluiten zich aan bij die opmerking. De praktische toepasbaarheid is iets wat je het best kan overdenken, zodat je precies weet wat je moet doen om een probleem op te lossen. Want als je zomaar agentic AI gaat implementeren om het implementeren ben je er weliswaar op tijd bij en heb je ook niet gewacht op de innovatiegolf, maar dan is de investering misschien totaal overbodig voor de specifieke bedrijfssituatie.
Volgens Senior Director Solution Engineering Jan Verbrugghe van Salesforce zijn bedrijven echter al snel geneigd om vanuit technologie te denken. “Maar het gaat niet om de tool zelf. Het gaat om het probleem dat je wilt oplossen en hoe je dat het beste doet – met AI, automatisering of een combinatie van beiden.”
Verhaal gaat verder na onderstaand kader
Zeven lessen uit de praktijk
Organisaties die werk willen maken van agentic AI, hebben een aantal handvatten nodig. Tijdens de rondetafel deelden Cloudera, Pega, Salesforce en ServiceNow ook een aantal lessen dat steeds terugkeert. Hieronder zetten we ze kort op een rij.
Begin met een echte businessvraag: Kies een probleem waar medewerkers en klanten echt last van hebben.
Werk met orkestratie: Zorg dat je agents niet op elke taak loslaat, maar slim kiest waar het nuttig is.
Zorg voor goede datatoegang: Zonder betrouwbare en duidelijke rechten kunnen agents geen waarde leveren.
Stuur actief bij: Zet monitoring- en feedbackmechanismen in om gedrag en resultaten van agents te evalueren.
Borg compliance vanaf het begin: Traceerbaarheid en governance zijn cruciale bouwstenen.
Train je teams: Maak medewerkers vertrouwd met AI en zorg ervoor dat ze de voordelen ervan in hun eigen werk herkennen.
Plan voor opschaling: Denk na hoe je succesvol kan herhalen wat werkt – over teams, tools en afdelingen heen.
Van experiment naar volwassen inzet
Gelukkig hebben de afgelopen jaren veel bedrijven geëxperimenteerd met AI in de vorm van kleine pilots of afgebakende projecten. Vaak waren dat interne toepassingen, zoals het automatiseren van veelgestelde vragen of het samenvatten van documenten. Hoewel deze initiatieven waardevol zijn geweest voor het opbouwen van kennis, zijn ze zelden schaalbaar gemaakt naar bredere toepassingen binnen de organisatie. De absolute doorbraak tot ieder hoekje in een organisatie laat nog op zich wachten.
Maar, zo wordt duidelijk tijdens de rondetafel, dat begint dit nu te veranderen. Wat opvalt, is dat het gesprek over AI inmiddels is verschoven naar het hoogste managementniveau. Voorheen was AI vooral een onderwerp voor IT-managers. Nu wordt het besproken met CEO’s en businessleiders. De reden? De impact van AI-agents reikt veel verder dan IT. Het raakt klantbediening, operatie, productontwikkeling en zelfs strategische positionering.
Tegelijkertijd groeit het besef dat je AI niet lukraak kunt inzetten. Bedrijven moeten goed nadenken over waar generatieve AI waarde toevoegt, en waar andere vormen – zoals voorspellende of regelgebaseerde AI – beter passen. Niet elk proces vraagt immers om een zelflerende agent. In sommige gevallen is een traditionele automatisering zoals eerder gezegd de gewenste optie. Redenen kunnen dan eenvoud, kostenbesparing of betrouwbaarheid zijn. Tegelijkertijd moet je ook niet alles tegelijk willen doen, waarschuwt De Jong. Budget, use cases en relevantie moeten allemaal gematcht worden.
Dat gezegd hebbende, stapelen de use cases zich inmiddels op. Van der Putten draagt het voorbeeld van de bancaire sector aan. Daar laat men concrete toepassingen zien met agentic AI. De AI-agents worden ingezet voor interne risicoanalyse en compliance. Dat laat zien dat het volwassen gebruik van agentic AI niet per se spectaculair of publiek hoeft te zijn. Het gaat vaak om het optimaliseren van processen die groot zijn in impact, maar onzichtbaar in uitvoering.
De les is wat dat betreft duidelijk. Bedrijven die willen opschalen, moeten af van het projectdenken. AI moet verankerd worden in de bredere bedrijfsstrategie, met duidelijke doelstellingen, prestaties die meetbaar zijn en een infrastructuur die wendbaarheid toelaat.
Voordelen voor medewerkers en de organisatie
De experts van Cloudera, Pega, Salesforce en ServiceNow zijn het erover eens dat de voordelen aanzienlijk de obstakels overtreffen. Een interessante observatie is dat AI-agents niet alleen voor kostenbesparingen zorgen, maar ook voor een heroriëntatie van personeel. Botter legt het idee op tafel van een bepaald percentage van de tijd van een werknemer vrijspelen. Wat kunnen zij met die vrijgekomen tijd doen? Kunnen deze werknemers dan inspelen op nieuwe marktkansen waar anders de tijd niet voor was? Deze beredenering ziet AI niet als bedreiging voor banen, maar als kans om medewerkers meer waardevolle taken te laten uitvoeren.
Daarnaast worden aan tafel ook onderzoeken gedeeld over het sentiment van werknemers. Op dat vlak is ook een duidelijke verschuiving waarneembaar. Bijna de helft van de medewerkers denkt inmiddels dat AI-agents een positieve impact hebben op werk. Zij denken dat agentic AI kan helpen bij het automatiseren van repetitieve taken, zodat zij zich kunnen richten op interessantere werkzaamheden. Een klein deel vermoedt overigens wel negatieve impact, terwijl een ander deel neutraal is.
Verbrugghe deelt ook ervaringen vanuit Salesforce die laten zien hoe de impact in de praktijk werkt. Men heeft voor de supportwerkzaamheden flink ingezet op AI-agents. Salesforce ziet sinds de implementatie dat het aantal gesprekken dat nu bij medewerkers komt in het persoonlijke contact center is verminderd. Het personeel kan daardoor anders worden ingezet. Verbrugghe benadrukt dat het in dit geval niet zozeer gaat over het ontslaan van mensen, maar over de capaciteit van het bedrijf heroriënteren.
Uiteindelijk dient gezegd te worden dat de term agent al snel het beeld oproept van een alleskunner. Toch blijft AI geen magie. De inzet van AI-agents moet doelgericht gebeuren, met oog voor context en beperkingen. Niet ieder probleem los je op met AI-agents, maar het overnemen van repetitieve, kennisintensieve of contextgevoelige taken die mensen tijd en energie kosten is de winst. Juist door agents slim in te zetten, ontstaat ruimte voor echte meerwaarde. Daarbij geldt: hoe beter de data en de procesdefinities, hoe effectiever de agent.
De toekomst van werk met AI-agents
AI-agents veranderen de manier waarop mensen werken. De fase waarin organisaties nog twijfelen aan het nut van AI in de werkomgeving is voorbij. De vraag is allang niet meer óf, maar hoe en waar je AI-agents inzet om waarde te creëren. Opvallend is dat de behoefte aan slimme ondersteuning niet alleen uit het management komt. Ook medewerkers willen slimmer kunnen werken en vragen steeds vaker om AI-tools. Werkgevers die hier niet in meegaan, lopen het risico talent kwijt te raken aan organisaties die dat wel doen.
Tegelijkertijd wordt flexibiliteit steeds belangrijker in de manier waarop we werk organiseren. Werknemers willen zich ontwikkelen, nieuwe dingen leren en bijdragen aan zinvol werk. Door AI-agents slim te integreren, kunnen repetitieve of routinematige taken worden overgenomen. Dit creëert ruimte voor medewerkers om zich te richten op innovatie, klantwaarde of persoonlijke ontwikkeling.
De inzet van AI-agents vraagt dus om een andere manier van kijken naar arbeid. Niet als vastomlijnd schema, maar als adaptieve samenwerking tussen mens en technologie. De organisaties die deze balans weten te vinden, zijn beter in staat om te anticiperen op verandering én om werk toekomstbestendig te maken.