Agentic AI tussen belofte en realiteit: nuchterheid is cruciaal voor CIO’s

“Agentic AI gaat niet om wat technologisch denkbaar is, maar om wat organisaties verantwoord en effectief kunnen inzetten”, zegt Haritha Khandabattu. “Ga niet blind mee in de hype. Agentic AI is geen universele oplossing en zeker geen technologie die je zomaar overal op kunt toepassen.”

Een belangrijk misverstand is volgens Khandabattu dat agentic AI wordt gepresenteerd als een volledig nieuw concept. “Wat veel mensen niet beseffen, is dat agentic AI helemaal geen nieuw concept is. We gebruiken al decennialang AI-agenten, bijvoorbeeld in reinforcement learning agents en aanbevelingssystemen,” zegt ze.

Nieuw is de dominantie van generatieve AI in het debat. “Wat we nu zien, is dat ongeveer 95 procent van de agenten waarover gesproken wordt, LLM-gebaseerde, generatieve AI-agenten zijn. Dat zorgt voor een verkeerd begrip van wat agentic AI werkelijk is.” AI als discipline is veel breder, benadrukt zij, en bestaat uit een combinatie van andere AI-technieken, zoals optimalisatie, simulatie, regels, voorspelling en klassieke machine learning. “Wie zich uitsluitend richt op generatieve AI-agenten, loopt het risico belangrijke alternatieven over het hoofd te zien.”

Autonomie is geen doel op zich

Agentic AI wordt steeds vaker gepositioneerd als de volgende stap voor vrijwel elk proces. Maar volgens Khandabattu is dat een gevaarlijke aanname. “Agentic AI is slechts een heel klein onderdeel van het bredere AI-landschap. Organisaties moeten heel zorgvuldig bepalen welke vorm van automatisering of AI past bij welk proces.”

“Niet elke workload is geschikt voor een agentic herontwerp,” stelt ze. “Soms voeg je met meer autonomie vooral extra complexiteit en kosten toe, zonder echte meerwaarde.” De kernvraag is volgens haar niet wat technologisch mogelijk is, maar waar autonomie daadwerkelijk waarde toevoegt.

Daarbij speelt ook de rol van de mens een cruciale factor. “Organisaties moeten heel bewust bepalen: wat mag autonoom zijn, wat nooit, en waar de mens altijd in de loop moet blijven.” Die afweging vraagt om bestuurlijke keuzes, niet alleen om technische experimenten.

Waarom zoveel AI-initiatieven stranden

Dat deze keuzes vaak onvoldoende worden gemaakt, blijkt uit het hoge aantal AI-projecten dat nooit verder komt dan de pilotfase. “Zeventig procent van de AI-pilots haalt de productiefase niet. Dat komt simpelweg doordat organisaties onvoldoende hebben geëvalueerd hoe deze agenten zich gedragen in een productieomgeving,” aldus Khandabattu.

Naast technische uitdagingen spelen ook financiële aspecten een steeds grotere rol. Veel agentic AI-oplossingen worden aangeboden via pay-per-use-modellen, vaak in combinatie met token-based pricing voor het gebruik van taalmodellen. Omdat agenten juist bedoeld zijn om frequent en op schaal ingezet te worden, kunnen de kosten snel oplopen.

“Als vervolgens de waarde niet helder is, kan agentic AI zelfs leiden tot een negatieve businesscase.” Khandabattu ziet in de praktijk dat prijsmodellen soms meebewegen met de bereidheid van klanten om te investeren, wat vragen oproept over de volwassenheid van bepaalde oplossingen.

Data blijft de doorslaggevende factor

Een terugkerend thema in haar analyse is data. Ondanks jarenlange aandacht voor datagedreven werken, blijft data voor veel organisaties de zwakke schakel in hun AI-ambities. “AI ontwikkelt zich razendsnel, maar enterprise datamanagement zit in veel organisaties nog in de negentiende eeuw,” zegt Khandabattu. Zonder betrouwbare, goed georganiseerde en beveiligde data kan geen enkel AI-model effectief functioneren.“

Ze ziet duidelijke verschillen tussen organisaties die investeren in hun datafundament en organisaties die vooral focussen op tools. “Er zijn organisaties die bewust niet in paniek raakten toen generatieve AI explodeerde. Zij organiseerden eerst hun data, en daar plukken zij nu de vruchten van.” Die organisaties blijken beter in staat om AI later effectief toe te passen, juist omdat de randvoorwaarden op orde zijn.

Architectuur als randvoorwaarde voor succes

Ook de onderliggende IT-architectuur speelt een bepalende rol. “Je kunt agentic AI niet bouwen bovenop rigide, monolithische systemen. Succes hangt sterk af van een composable architectuur. Zo’n architectuur maakt het mogelijk om verschillende ontwerp- en integratiepatronen flexibel te combineren en aan te passen aan veranderende businessbehoeften.”

Een belangrijk onderscheid dat zij maakt, is dat tussen workflows en echte agenten. “Echte agentic AI werkt op intentie. De mens definieert het doel, en de agent bepaalt zelf de stappen om dat doel te bereiken. Maar zodra mensen de volgorde van stappen hard coderen, heb je geen agent meer, maar een workflow.”

Governance en Europese regelgeving

De opkomst van agentic AI raakt ook direct aan governance en compliance, zeker in Europa. “Je kunt AI-agenten niet geïsoleerd laten bouwen door technische teams. Je hebt een AI-organisatie nodig met duidelijke governance, eigenaarschap en toezicht, zoals AI-raden, steering committees en centers of excellence die zorgen voor consistente toepassing van principes en beleid.”

De gefaseerde invoering van de EU AI Act maakt dit nog urgenter. AI-gegenereerde output in externe producten moet uitlegbaar, traceerbaar en auditbaar zijn. “Dat heeft directe commerciële gevolgen, vaak nog vóórdat toezichthouders ingrijpen,” stelt Khandabattu. In de praktijk betekent dit dat klanten, platforms en ecosystemen steeds vaker transparantie eisen als voorwaarde voor samenwerking.

Talent, in-sourcing en de AI-first organisatie

Tot slot wijst Khandabattu op de impact van agentic AI op talent en organisatie-inrichting. Ze ziet een duidelijke verschuiving richting in-sourcing, waarbij organisaties meer controle willen over hun AI-capaciteiten. Tegelijkertijd worstelen veel CIO’s met een tekort aan vaardigheden. “AI vraagt niet alleen om nieuwe vaardigheden, maar om een herontwerp van rollen, structuren en loopbanen.”

“AI zal geen dokter vervangen, maar een dokter mét AI skills/vaardigheden zal een dokter zonder AI skills/vaardigheden vervangen.” Organisaties die hier onvoldoende strategisch mee omgaan, riskeren op de lange termijn hun concurrentiekracht.

Waar agentic AI nu al waarde toevoegt

Khandabattu ziet vooral in software engineering de eerste efficiencywinsten, dankzij de volwassenheid van tools en duidelijke afbakening van taken. Ook backoffice-processen zoals IT-service management en interne klantenservice laten concrete verbeteringen zien. Frontoffice-toepassingen, waarin agenten direct met klanten interageren, vragen volgens haar meer tijd en volwassenheid.

“Agentic AI biedt dus reële kansen, maar vooral voor organisaties die bereid zijn voorbij de hype te kijken. Nuchterheid, discipline en een sterke fundering in data, architectuur en governance zijn geen rem op innovatie, maar juist de voorwaarden om agentic AI duurzaam en verantwoord in te zetten.”