"We moeten iets met agents." Het is de zin van 2026. Op elk congres, in elke boardroom, bij elke leveranciersdemo. AI agents die zelfstandig beslissingen nemen, processen herschrijven, organisaties transformeren. De belofte is enorm. De realiteit is ingewikkelder.
Laten we beginnen bij wat een AI agent eigenlijk is. Een agent is software die zelfstandig taken uitvoert op basis van een doel. Niet een chatbot die antwoord geeft op vragen. Niet een automatisering die een vast script volgt. Een agent beoordeelt een situatie, kiest een aanpak, voert acties uit, en past zijn strategie aan op basis van het resultaat.
Dat is krachtig. Het is ook riskant. En het onderscheid tussen die twee zit in een woord: grenzen.
De autonomie-illusie
De markt verkoopt volledige autonomie. AI die zelfstandig je klantenservice draait. AI die je hele offerteproces overneemt. AI die beslissingen neemt zonder menselijke tussenkomst.
Het probleem: de meeste organisaties zijn daar niet klaar voor. Niet technisch, organisatorisch. Wie is verantwoordelijk als de agent een verkeerde beslissing neemt? Wie controleert of de agent nog doet wat hij moet doen? Hoe leg je aan je toezichthouder uit wat er is gebeurd?
De belofte van volledige autonomie is verleidelijk. De werkelijkheid is dat de meeste organisaties baat hebben bij iets daartussenin.
Agentish AI
Wij noemen het agentish AI. Intelligente systemen die autonoom handelen binnen heldere, door mensen ontworpen grenzen. Slim genoeg om zelfstandig te werken. Transparant genoeg om te verantwoorden.
Drie lagen in elke oplossing:
Functionaliteit. Wat doet het systeem? Een agent die binnenkomende klachten leest, classificeert op urgentie, en een conceptantwoord opstelt. Helder afgebakend.
Guardrails. Waar stopt het systeem? Klachten boven een bepaalde ernst worden altijd doorgestuurd naar een mens. Financiële beslissingen boven een drempel vereisen goedkeuring. Het systeem mag adviseren, nooit autonoom uitvoeren bij hoge impact. Hoe je die governance inbouwt zonder bureaucratie is cruciaal.
Uitlegbaarheid. Waarom deed het systeem wat het deed? Elke actie is traceerbaar. Elke beslissing is uit te leggen. Aan de klant, aan het bestuur, aan de toezichthouder.
Dat is minder sexy dan volledige autonomie. Het werkt wel.
Waar agents waarde toevoegen
Drie patronen waar agentish AI de meeste impact heeft.
Triage en routing. Een stroom van binnenkomende informatie, klachten, aanvragen, bestellingen, die beoordeeld en doorgestuurd moet worden. De agent leest, classificeert, en stuurt door. De mens handelt af. Het volume dat een mens kan verwerken vertienvoudigt.
Monitoring en alerting. Een agent die continu meekijkt: kwaliteit van output, afwijkingen in patronen, kosten die oplopen. Niet reageren op problemen, ze opmerken voordat het problemen worden. Dat is ook hoe je drift detecteert in bestaande AI-systemen.
Eerste concepten. Een agent die op basis van input een eerste versie maakt, van een offerte, een rapport, een analyse, die een mens vervolgens beoordeelt en afmaakt. De mens verschuift van maker naar beoordelaar. Dat vereist wel dat die mens het vak beheerst, precies het Junior Gap-risico.
Hoe je begint
Niet met "we moeten iets met agents." Wel met: welk proces heeft het hoogste volume, de meeste herhaling, en de duidelijkste regels? Daar zit de agent-kans.
Bouw het kleinste werkende bewijs. Twee weken. Echte data, echte gebruikers. Meet of het systeem doet wat het moet doen. Dreig het uit te zetten. Klagen mensen? Dan heb je iets.
En bouw de drie lagen erin vanaf dag een. Niet als afterthought, niet als compliance-exercitie achteraf. De guardrails en de uitlegbaarheid zijn onderdeel van het ontwerp, net als de functionaliteit.
De markt schreeuwt "agents." De organisaties die er het meest van profiteren, fluisteren "agentish." Ze bouwen slim, binnen grenzen, met menselijk toezicht. Minder spectaculair. Meer resultaat.