Het onderzoek legt een duidelijke tweedeling (bifurcatie) bloot in de manier waarop verschillende sectoren AI-agenten integreren. De gekozen strategie wordt primair bepaald door de operationele dynamiek en de mate van regulering binnen een branche.

Twee smaken: Taakspecifieke massa versus complexe workflows

Salesforce onderscheidt twee dominante uitrolmodellen binnen de markt:

Grootschalige, taakspecifieke inzet: Vooral zichtbaar in consumentengerichte sectoren zoals retail en reizen. Hier ligt de nadruk op een hoog volume en snelle afhandeling van routinematige klantvragen. Retail vertegenwoordigt 22 procent van het totale maandelijkse werkvolume van agenten (gemeten in Agentic Work Units of AWU's), gevolgd door de reissector met 10 procent.

Veelzijdige, complexe workflows: Gebruikelijk in sterk gereguleerde en operationeel ingewikkelde sectoren zoals de maakindustrie, gezondheidszorg (HLS) en de overheidssector. Deze branches prioriteren agenten die meerdere stappen uitvoeren, diepe integraties vereisen en bedrijfsprocessen over verschillende afdelingen heen coördineren.

Opvallend is dat de financiële dienstverlening beide modellen combineert: de sector zet zeer geavanceerde, multifunctionele agenten in, maar doet dit op een schaal die vergelijkbaar is met de retailsector (10 procent van het totale AWU-volume), mede gedreven door piekmomenten zoals het belastingseizoen.

Verbreding van vaardigheden en actiegerichtheid

De functionaliteit van AI-agenten verschuift geleidelijk van tekstgeneratie naar het daadwerkelijk uitvoeren van bedrijfstransacties. Waar een agent begin 2025 gemiddeld twee specifieke vaardigheden (skills) beheerste, was dat aantal aan het einde van het jaar gestegen naar zes. Tijdens piekperiodes, zoals de feestdagen in de retail, liep dit op naar gemiddeld negen vaardigheden per agent (+350 procent).

Agenten voeren daarnaast steeds vaker taken uit buiten hun primaire domein. Zo raadpleegt een klantenservice-agent niet alleen dossiers, maar genereert deze ook verkoopaanbevelingen of werkt hij administratieve databases bij. De verhouding tussen actie-aanroepen (action calls) en gegenereerde teksttokens groeit met 15 procent per maand (CMGR), wat aantoont dat agenten meer handelingen verrichten en relatief minder 'praten'.

Directe impact op omzet en operationele efficiëntie

De inzet van AI-agenten levert meetbare resultaten op in verschillende bedrijfstakken:

Retail: Retailers die AI-agenten inzetten tijdens de piekperiode rond de feestdagen, noteerden een online omzetgroei van 8 procent op jaarbasis, vergeleken met 2 procent groei bij organisaties zonder agenten — een factor vier hoger.

Productiviteit & Acceptatie: Het wekelijkse gebruik van AI-agenten door werknemers verdrievoudigde gedurende de onderzochte periode.

Klantenservice: AI-service-agenten verwerkten 170 keer meer klantgesprekken dan in voorgaande jaren, waarbij het escalatiepercentage naar menselijke medewerkers stabiel bleef op 32 procent. Ongeveer 70 procent van de klantinteracties werd autonoom afgehandeld.

Analisten concluderen dat de markt voor enterprise AI zich beweegt van passieve chatbots en voorspellende modellen naar transactiegerichte systemen die zelfstandig bedrijfsprocessen uitvoeren en aansturen.