VCM_022026_LR

ARTIFICIËLE INTELLIGENTIE

voeren logische en redenerende taken uit, nemen beslissingen en handelen. Interne feedbackloops laten ze leren en resultaten verbeteren. Agentic AI is niet het vertrekpunt voor implementatie, wel een volgende stap. Duidelijke ‘governance’, sterke datafundamenten en opgeschaalde AI-capacitei ten zijn basisvoorwaarden. Succesvolle bedrij ven implementeren AI-agents via beperkte, waardevolle werkprocessen en niet via een grootschalige uitrol. Ze beseffen tegelijk dat ze intern niet de vaardigheden hebben om zelf agents te bouwen en implementeren. Het ecosysteem is dus ook hier van belang. Tege lijk brengen AI-agents nieuwe risico’s met zich mee. Elk bedrijf dat AI inzet, moet bescherming en waarborgen inbouwen zonder prestaties te vertragen. Toekomstgerichte bedrijven bou wen veiligheid in en pakken effectief uitdagin gen aan, zoals angst voor een slechte klanter varing, hallucinaties, bias en misbruik van data. Agents functioneren niet zonder mensen en hun prestaties hangen af van sterke menselijke coördinatie in opnieuw vormgegeven rollen. Verwacht wordt dat verschillende ondernemin gen in de komende kwartalen leveranciersrela ties zullen vastleggen die moeilijk te verbreken zijn. De MIT-studie geeft aan dat de doorloop tijd van RFP (request for proposal) tot imple mentatie varieert van twee tot achttien maan den. Voor bedrijven die in dergelijke adaptieve AI-systemen investeren, wordt de drempel om naar een andere leverancier over te stappen steeds groter. Willen achterblijvende bedrijven de kloof nog dichten, dan moeten ze AI-waar decreatie als topprioriteit beschouwen en AI niet louter als een kostenpost benaderen, maar focussen op innovatie en concurrentievoor deel. Succesvolle implementatie vraagt om de juiste focus: zeventig procent van de aandacht moet gaan naar mensen en processen, twin tig procent naar technologie en slechts tien procent naar algoritmes. De meeste obstakels liggen bij mensen, organisatie en processen. Ondernemingen moeten in de eerste plaats een ‘AI-first’-operating model, menselijk talent en relevante technologie opbouwen voordat ze kunnen overgaan tot echte innovatie. LV

Organisatorische set-up om de kloof te overbruggen FIGUUR 4 Organisatorische set-up om de kloof te overbruggen

% implementaties

Strategische partnerschappen (kopen) Interne ontwikkeling (bouwen) Hybride (bouwen-kopen )

Externe tools aanscha en, samen met leveranciers ontwikkelen

66%

GenAI-tools volledig intern bouwen en onderhouden

33%

Intern team ontwikkelt samen met een externe leverancier

Onvoldoende gegevens om te kwanti ceren

mogelijkheden en beperkingen van GenAI. Door managers en budgetverantwoordelijken problemen te laten signaleren, tools te beoor delen en implementaties te leiden, versnelde de adoptie zonder in te boeten aan operatio nele relevantie. Volgens de top vijf procent succesvolle bedrij ven zal het herschikken en ontwikkelen van bedrijfsprocessen de grootste AI-waarde opleveren. Daarbij evalueren ze ook hun bedrijfsmodel. AI betekent voor hen niet lou ter mensen vervangen door technologie, maar het hertekenen van rollen. Daarbij komen vol gende vragen aan bod: welke belangrijke pro cessen kun je met AI hertekenen? Waar blijven mensen onderscheidende waarde leveren in die hertekende processen? Welke hybride structuur is nodig om medewerkers en digital agents samen te laten functioneren, elk met de juiste verantwoordelijkheid? Hoe creëer je een ethisch en verantwoord AI-programma? Hoe bouw je snelle feedbackloops in om tijdig bij te sturen? De optimale balans vinden tus sen decentralisatie en centrale sturing, waar P&L-verantwoordelijkheid zit, is daarbij essen tieel. Agentic AI Het venster om de kloof te dichten sluit zich snel. Toekomstgerichte bedrijven zijn nu al aan de slag met de volgende generatie AI-tools, namelijk AI-agents en het ‘agentic web’. Daarin kunnen autonome systemen elkaar vinden, onderhandelen en coördineren over de volledige internetinfrastructuur en

zo de bedrijfsprocessen fundamenteel veran deren. Agentic AI is een klasse systemen die ontworpen zijn met een blijvend geheugen en een iteratief leervermogen. In tegenstelling tot de huidige tools die telkens opnieuw vol ledige context nodig hebben, leren die syste men van interacties en kunnen ze zelfstandig complexe processen coördineren. De infra structurele basis voor die transformatie komt tot stand door protocollen zoals MCP (Model Context Protocol), A2A (Agent-to-Agent) en NANDA (Networked Agents And Decentralized Architecture) die niet alleen interoperabiliteit tus sen agents mogelijk maken, maar ook autonome webnavigatie. In 2024 werden agents nauwelijks besproken, terwijl ze in 2025 al goed waren voor zeventien procent van de totale AI-waarde. BCG verwacht dat dit aandeel tegen 2028 naar 29 pro cent groeit. Werkprocessen kunnen eenvoudig zijn, zoals reconciliatie in inkoop, maar bedrijven kunnen ook meerdere agents integreren in complexe pro cessen, zoals supply chain management of vraag- en aanbodprognoses in callcenters. Vroege experimenten tonen aan dat inkoopagenten zelfstandig nieuwe leveranciers identificeren en over voorwaarden onderhandelen, dat klanten servicesystemen naadloos samenwerken tussen platforms en dat processen voor contentcreatie meerdere providers omvatten met geautomati seerde kwaliteitsborging en betaling. Agents werken niet alleen AI-agents werken naast of onder toezicht van mensen, verwerken grote hoeveelheden data,

20

WWW.VALUECHAIN.BE