Wat agentic AI oplevert met de juiste basis
Agentic AI. Ontwerpen voor resultaten
15 apr., 2026
Waarom ROI op agentic AI een ander soort strategie vereist
De meeste organisaties hebben AI-agents tot nu toe oppervlakkig verkend. Pilots die veelbelovend waren. Demo's die indruk maakten op het management. Agents die men overweegt in te zetten.
Wat de meeste organisaties niet hebben gedaan, is een ontwerpstrategie ontwikkelen. Dat onderscheid kost meer dan ze zich misschien realiseren.
Organisaties behandelen AI als een technologische keuze, terwijl het eigenlijk een strategische en ontwerpdiscipline is.
Ontwerpen voor rendement
Ik werk al meer dan tien jaar met data en ik zie hetzelfde patroon: organisaties behandelen agentic AI als een technologiebeslissing terwijl het in feite draait om strategie en design.
Het vereist een meer zorgvuldige aanpak: kritisch kijken naar je technologieplatforms, je data, je processen en je organisatie, en daar een samenhangend plan voor maken zodat al die onderdelen autonome acties daadwerkelijk ondersteunen. Dat werk bepaalt of een agent waarde oplevert.
Forrester's Total Economic Impact-onderzoek naar Microsofts agentic AI-oplossingen toonde aan dat organisaties die agentic AI inzetten op een goed uitgebouwde fundering, 44,5 miljoen dollar aan voordelen realiseerden in drie jaar tegen 20,2 miljoen dollar aan kosten, wat een ROI opleverde van ongeveer 120%.¹ Dit is wat er mogelijk is als leiders agentic AI vanaf dag één behandelen als een ontwerpdiscipline.
De meeste organisaties slaan dat werk over en vragen zich vervolgens af waarom het rendement uitblijft. Het onderzoek vertelt je precies waarom.
Agentic AI, by design
Ontdek de kunst van acceleratie. 85% van de organisaties heeft vorig jaar de investeringen in AI verhoogd. Slechts 6% zag enig rendement (Deloitte, 2025). Het verschil zit hem niet in de technologie. Het is het ontwerp. HSO zet agentgericht AI-potentieel sneller om in meetbare bedrijfsresultaten, met minder risico's en met resultaten die voor zich spreken.
Begin met het beoogde resultaat
De meest voorkomende fout die ik zie bij implementaties van agentic AI-is verrassend eenvoudig.
Klanten komen naar ons toe en zeggen: Dit is hoe ik dit specifieke proces vandaag stap voor stap uitvoer. Automatiseer het alsjeblieft precies zo. Die denkwijze produceert agents die bestaande workflows repliceren. Het leidt niet tot betere resultaten.
Hier komt design thinking in beeld. Je gaat van het eerste idee naar een visuele weergave, legt die direct voor aan echte gebruikers, verzamelt feedback, scherpt het aan tot een prototype, valideert opnieuw en komt zo tot een eerste versie van het ontwerp. Die hele cyclus kan in dagen worden doorlopen. Het resultaat is geen snellere versie van het oude proces, maar een proces dat is opnieuw is ontworpenrondom het resultaat dat je daadwerkelijk nodig hebt.
Resultaten in verschillende sectoren
15,000
bespaarde uren per jaar
Retail & Distributie
98%
vermindering van handmatige verwerking
Hospitality
40,000
aanvragen verwerkt in week één
Finserv
8 weken
aftrap tot lancering
Publieke sector
Dieper in de data duiken
De meest voorkomende reden waarom AI-initiatieven vastlopen is niet de technologie. Het is de data.
Out-of-the-box large language models zijn getraind op algemene data. De kwaliteit, beschikbaarheid en structuur van jouw data bepalen vrijwel alles wat daarna komt. Organisaties die hun datamanagement al op orde hebben, meestal in sterk gereguleerde sectoren die gewend zijn aan strengere richtlijnen, gaan sneller vooruit en realiseren betere resultaten dan de rest.
Als je data er niet klaar voor is, zijn je agents dat ook niet.
Drie elementen die bepalen of je investering rendeert
Ontwerp voor het resultaat, niet voor het proces. De meeste organisaties komen naar ons toe om precies dat te automatiseren wat ze vandaag doen. De organisaties die écht rendement zien, werken met ons samen om eerst te definiëren hoe succes er aan het einde uitziet en ontwerpen daar vervolgens naartoe. Dat is design thinking in de praktijk.
Breng je data op orde. Hoe beter je data is qua kwaliteit, beschikbaarheid en structuur, hoe beter je agents presteren. Dit is het fundament waar alles op rust. Het is ook de fout die de meeste organisaties te laat ontdekken.
Stel vanaf dag één de juiste verwachtingen. AI is niet-deterministisch, het levert niet elke keer exact dezelfde output zoals traditionele software dat doet. Dat is de bedoeling. Maar het betekent dat er guardrails en governance vanaf het begin moeten worden ontworpen, niet achteraf toegevoegd. Beloof niet te veel. Bouw vertrouwen stap voor stap op. Laat de resultaten het werk doen.
De organisaties die de ROI-kloof in de komende 12 tot 18 maanden weten te dichten, doen dat door te kiezen voor een echte strategie, vanaf het begin te ontwerpen voor resultaten, hun basis op orde te brengen en samen te werken met een partner die weet hoe je van idee tot operationele realiteit gaat.
Als het ontwerp klopts, volgen de resultaten vanzelf. Zo versnel je.
Bronnen:
Forrester Consulting. De totale economische impact van Microsofts Agentic AI-oplossingen. In opdracht van Microsoft. Interviews met vertegenwoordigers van zes organisaties, enquête onder 420 respondenten.
Alex Zweekhorst
HSO Global Service Line Technology Lead, Data Practice
Alex Zweekhorst is directeur Data en AI bij HSO International en Global Data Practice Lead. Hij helpt bedrijfsorganisaties in de productie, detailhandel, distributie en professionele dienstverlening bij het opbouwen van een datafundament en AI-strategieën die meetbare resultaten opleveren.
Ontwerp je resultaten
Klaar om de potentie van agentic AI om te zetten in tastbaar resultaat? Laten we samen jouw route vooruit ontwerpen.