Witold Kepinski - 16 november 2026

Gartner: Decision Intelligence maakt AI-agents pas echt betrouwbaar

De hype rondom autonome AI-agents is groot, maar in de praktijk staan de meeste organisaties nog maar aan het begin. Tijdens het Gartner IT Symposium/Xpo in Barcelona waarschuwde Gartner-analist Pieter den Hamer (foto) tijdens een presentatie dat AI-agents zonder duidelijke kaders en een overkoepelende bedrijfsstrategie verzanden in een digitaal 'telefoonspelletje', waarbij de nauwkeurigheid razendsnel keldert. De oplossing ligt volgens hem in Decision Intelligence: een discipline die mens en machine op een gestructureerde manier laat samenwerken rondom bedrijfsbeslissingen.

Gartner: Decision Intelligence maakt AI-agents pas echt betrouwbaar image

Hoewel de technologie razendsnel evolueert van de operationaliseringsfase naar de volgende generatie AI-software — gebaseerd op composite AI en samenwerkende agents — loopt de daadwerkelijke adoptie nog achter. Uit Gartner-onderzoek van februari 2026 blijkt dat slechts 8 procent van de organisaties daadwerkelijk AI-agents in productie heeft. Maar liefst 87 procent bevindt zich nog in de beginfase of is er helemaal niet mee gestart: 13 procent moet nog beginnen, 25 procent zit in de verkenningsfase en 49 procent draait enkel nog pilots. 

Van individuele productiviteit naar het ecosysteem

Volgens Den Hamer zijn AI-agents autonome of semi-autonome software-entiteiten die AI-technieken gebruiken om hun omgeving waar te nemen, beslissingen te nemen, acties uit te voeren en doelen te bereiken. Waar eerdere automatisering vaak bleef steken op individueel niveau — zoals het inplannen van een groepsvergadering — verschuift de focus nu naar end-to-end procesautomatisering (zoals schadeafhandeling) en uiteindelijk naar het optimaliseren van volledige bedrijfs- en ecosysteemprocessen, zoals logistieke ketens. 

Daarbij werken agents steeds vaker samen in zogeheten multiagent-systemen. Een coördinerende agent (Orchestrator) stuurt bijvoorbeeld een gespecialiseerde kennis-agent (Expert), een plannings-agent (Planner) en een controlerende regel-agent (Guardian) aan. Gartner voorziet hierin drie fasen: van meerdere agents binnen één enkel platform, via platformoverschrijdende samenwerking middels protocollen, naar een wereldwijd 'Internet of Agents' waarin agents elkaar zelfstandig vinden en met elkaar interacteren. 

Het gevaar van het 'telefoonspelletje'

Toch brengt deze ontwikkeling flinke uitdagingen met zich mee, variërend van agent sprawl (wildgroei aan agents), gebrekkige verklaarbaarheid en beveiligingsrisico's tot agent washing door leveranciers. Het grootste struikelblok is echter de nauwkeurigheid. 
Den Hamer vergeleek een keten van samenwerkende agents met het bekende kinderspelletje waarbij een boodschap wordt doorgefluisterd. Als vier opeenvolgende agents elk een nauwkeurigheid van 80 procent hebben, blijft er aan het einde van de rit slechts een betrouwbaarheid van zo'n 41 procent (80%×80%×80%×80%) over. Omdat het nemen van beslissingen (decisioning) de absolute kern vormt van de betrouwbaarheid van een agent, moeten organisaties dit proces veel strakker regisseren. 

Vier pijlers van Decision Intelligence

Om de belofte van AI-agents daadwerkelijk te verzilveren, pleit Den Hamer voor de inzet van Decision Intelligence (DI). Deze praktische discipline brengt expliciet in kaart hoe beslissingen tot stand komen, wie of wat welke rol speelt, en hoe uitkomsten via feedback worden verbeterd. Gartner onderscheidt vier manieren waarop Decision Intelligence de prestaties van AI-agents verbetert:

  1. Samenwerking (Collaboration): Niet elke beslissing hoeft volledig autonoom te worden genomen. Afhankelijk van het risico en de complexiteit van een beslissing kan een organisatie kiezen voor decision assistance (de machine geeft inzicht, de mens beslist), decision augmentation (mens en machine werken en beslissen samen) of volledige decision autonomy (de machine beslist zelfstandig).
  2. Verandering (Change): Organisaties moeten hun bedrijfsprocessen en beslisstromen expliciet herontwerpen rondom AI-agents, in plaats van simpelweg agents los te laten op verouderde structuren.
  3. Samenstelling (Composition): Een succesvolle AI-agent leunt niet alleen op één groot taalmodel (LLM), maar maakt gebruik van Composite AI. Door datagedreven AI (zoals machine learning en foundation models, die flexibiliteit bieden) te combineren met kennisgedreven AI (zoals knowledge graphs, simulaties en bedrijfsregels, die zorgen voor transparantie en deterministische nauwkeurigheid), worden agents vele malen betrouwbaarder.
  4. Context: Agents die blind ruwe data uit allerlei losse bronsystemen en data lakes trekken, zijn inefficiënt en foutgevoelig. Door een gestructureerde contextlaag (Context Graph) tussen de databronnen en de agent te plaatsen, stijgt de nauwkeurigheid van AI-agents volgens Gartner met circa 40 procent. 

Toepassing in de praktijk

Hoe dit in de praktijk werkt, illustreerde Den Hamer aan de hand van een casus in de consumentengoederenindustrie (CPG), waar bedrijven kampen met plotselinge vraagpieken en verstoringen in de toeleveringsketen. Door een multiagent-systeem te bouwen op basis van Decision Intelligence, worden kleine verstoringen autonoom opgelost, terwijl bij complexe problemen de hulp van menselijke planners wordt ingeroepen. Daarbij werken verschillende soorten agents samen: voorspellende agents gebruiken machine learning, waarschuwings-agents combineren generatieve AI met vaste bedrijfsregels, en herplannings-agents zetten simulatie en optimalisatie in. Het resultaat is een veerkrachtigere keten met minder vertragingen en lagere kosten. 

De boodschap van Gartner aan de verzamelde IT-leiders in Barcelona is: temper de overspannen verwachtingen rondom zelfstandige AI-agents, erken de huidige beperkingen in nauwkeurigheid, en investeer in Decision Intelligence om mens en machine vanuit één overkoepelend bedrijfsperspectief te laten samenwerken. 
 

Brandwebbing/Previder wk 47 BN +BW Infor BW
Vertiv AI-archetypes BN