Wat agentic AI oplevert met de juiste basis
De AI ROI paradox is echt. En het is grote kans.
15 apr., 2026
Waarom intelligente oplossingen het besturingssysteem worden van elk levensvatbare organisatie
De lastige vragen in de boardroom veranderen. Eerst ging het over wanneer en hoe we zouden investeren in AI en agents. Nu is de vraag: waarom levert dit nog niets op?
Die verschuiving van actie naar verantwoording is waar veel leiders vastlopen. Het is een ongemakkelijke positie, maar de kloof tussen investering en opbrengst is te overbruggen — mits je het goed ontwerpt.
Ik zit al meer dan twintig jaar in deze branche. Ik heb opkomst van de cloud meegemaakt en alle argumenten gehoord waarom het nooit zou werken. De organisaties die weerstand boden? Die betalen daar nu de technische schuld voor. Zelfde gesprek. Zelfde weerstand. Zelfde uitkomst.
Agentic AI is niet anders. En het momentum is nu groter dan ik heb gezien sinds die eerdere kantelpunten.
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.
Iedereen investeert , maar de rendementen zijn nog niet gehaald.
De cijfers vertellen hetzelfde verhaal: 85% van de organisaties verhoogde vorig jaar hun AI-investering. Slechts 6% zag een meetbaar rendement binnen 12 maanden .¹ 88% gebruikt AI in ten minste één functie. 62% experimenteert al met agents.² En toch rapporteert minder dan 40% enige financiële impact op ondernemingsniveau en heeft ruwweg tweederde AI nooit verder geschaald dan pilots.²
Het enthousiasme is er, en de investering ook. Het probleem is dat de strategie dat meestal niet is.
Onlangs zat ik bij een organisatie die een agent had gebouwd om een specifieke taak te automatiseren. De nauwkeurigheid was echt indrukwekkend.
En toen vroeg iemand: Hoe vaak voer je dit proces eigenlijk uit? Eén keer per week. Dertig minuten handmatige inspanning. Een paar dollar menselijke tijd, misschien. De kosten om de agent te bouwen, uit te voeren en te onderhouden ? Aanzienlijk meer. Ze hadden iets gebouwd dat technisch levensvatbaar was, maar uiteindelijk verliesgevend.
Dat is een beetje zoals iemand aannemen en dan beslissen wat zijn taak is nadat hij begonnen is. Je zou dat nooit doen met een persoon. Je definieert de rol. Je stelt de acceptatiecriteria vast. Je spreekt vóór de eerste dag af hoe succes eruit ziet. Je stelt het budget vast. Als je dat overslaat met AI-agenten, krijg je precies wat de gegevens laten zien. Activiteit zonder rendement.
Het echte probleem is niet de technologie
Agents zijn nieuw. De grondbeginselen niet.
Data. Processen. Mensen. Dit zijn de bepalende factoren geweest bij elke technologie-implementatie waar ik ooit deel van heb uitgemaakt. Ze zijn niet veranderd. Als er één kapot is, dan is al het andere kapot. Het maakt niet uit welk model je gebruikt. Garbage in, garbage out is nog steeds van toepassing.
Wat ik het vaakst zie als AI-initiatieven vastlopen, is geen technologiefout. Het is een fundamentfout. De gegevens zijn niet afgestemd om de use case te ondersteunen. Het proces is niet volwassen genoeg om gerepliceerd te worden door een agent; het bestaat in iemands hoofd, niet in een gedocumenteerde workflow die een intelligent systeem kan volgen. En governance wordt gezien als iets dat na de implementatie moet worden geregeld.
Je kunt geen digitale medewerker bouwen op een fundament dat je niet doordacht hebt ontworpen.
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
De vijf redenen waarom agentic AI-investeringen mislukken
De meeste implementaties lopen niet vast omdat de technologie niet werkt. Ze lopen vast omdat de basis er niet op is ontworpen. Dit zie ik keer op keer misgaan, bij organisaties van elke omvang en in elke sector.
1. Je hebt de verkeerde use case gekozen. De meeste organisaties beginnen met wat interessant lijkt, niet met wat een duidelijke ROI heeft. Beantwoord vóórdat je iets bouwt eerst dit: wat is de verwachte output, wanneer is het een succes en wanneer is het break-evenpunt bereikt?
2. Je data is er niet klaar voor. De meest geavanceerde agent ter wereld kan geen dataproblemen oplossen. Als data niet goed is afgestemd, betrouwbaar of compleet is, houdt het daar op.
3. Je proces is niet volwassen genoeg om te reproduceren. Een agent kan alleen doen waarvoor hij is ontworpen. Als workflows vooral in iemands hoofd bestaan in plaats van in vastgelegde en beheerde logica, kun je ze niet betrouwbaar automatiseren.
4. Je hebt de agent buiten het proces gebouwd. Een agent die naast een bedrijfsproces leeft, is een optionele tool. Een agent die ín het proces zit, zorgt ervoor dat werk daadwerkelijk efficiënter wordt gedaan. Het verschil tussen een succesvolle AI-implementatie en een theoretische waar niemand mee werkt, zit bijna altijd hier: de een is ontworpen rondom hoe mensen echt werken, de ander niet.
5. Je hebt de menselijke kant onderschat. Veranderbereidheid laat meer AI-initiatieven mislukken dan slechte technologie. Een tool aankopen is niet hetzelfde als hem verankeren. Organisaties die dit goed doen, behandelen de menselijke kant — change management, training en procesherontwerp — als onderdeel van de bouw, niet als een stap achteraf.
De verschuiving die er het meest toe doet
Ik heb deze overgang beschreven als een verschuiving van toepassingen uit het verleden naar intelligente oplossingen van de toekomst.
Tientallen jaren lang was het onze taak om een organisatie binnen te gaan, te begrijpen wat ze deden en dat te repliceren in een systeem. Zo maak je een verkooporder aan. Zo keur je een inkooporder goed. Het systeem registreert het, structureert het, rapporteert erover. Dat was waardevol. Een QuickBooks-licentie van 19 dollar doet dat al.
Het besturingssysteem van elke organisatie van de toekomst
De laag waar de echte waarde zit, noem ik intelligente oplossingen. Dit zijn met AI verrijkte bedrijfsprocessen. Ze analyseren, synthetiseren, doen aanbevelingen en handelen. Ze maken de stap van mens als standaard — waarbij alles door een persoon moet worden gestart, goedgekeurd en afgerond — naar mens als uitzondering, waarbij het systeem afhandelt wat kan en alleen opschaalt wanneer menselijke besluitvorming nodig is.
Dit wordt het besturingssysteem van elke organisatie in de toekomst. Het is de basis waarop concurrerende organisaties zullen draaien.
Dit wordt het besturingssysteem van elke organisatie in de toekomst. Het is de basis waarop concurrerende organisaties zullen draaien.
De kans in de paradox
De meeste organisaties zien dat cijfer van 6% als een waarschuwing. Ik zie het als een potentiële onderscheidende factor, een krachtige differentiator.
Slechts ongeveer 10% van de organisaties heeft op dit moment AI-agents opgeschaald in een enkele functie.² Het veld ligt wijd open. De leiders die nu de juiste basis leggen, die intelligente oplossingen behandelen als het nieuwe besturingssysteem in plaats van als het volgende experiment, zullen buitengewoon moeilijk in te halen zijn.
De enige manier om daar te komen is door early adopter te zijn. Maar wel op een gecontroleerde en gestructureerde manier.
Dat betekent resultaten definiëren vóórdat je gaat bouwen. Governance vanaf het begin meenemen in het ontwerp. En kiezen voor een partner met de kennis van de industrie, platformexpertise en de staat van dienst op het gebied van implementatie. Iemand die je brengt van van idee naar operationele realiteit, niet van idee naar een indrukwekkende demo.
De intelligente oplossing. De digitale collega. Het besturingssysteem van elke levensvatbare organisatie .
Dat is wat er vandaag wordt gebouwd.
Bronnen:
¹ Deloitte, AI ROI: The Paradox of Rising Investment and Elusive Returns, oktober 2025. Onderzoek onder 1.854 leidinggevenden in 14 landen in Europa en het Midden-Oosten.
² McKinsey & Company, The State of AI 2023-2024 en McKinsey Global Survey on AI.
³ Gartner, Predicts 2024-2026: AI Strategy and Execution.
Touseef Zafar
Global Service Line Technology Lead, AP
Touseef Zafar houdt toezicht op Cloud business voor Data & AI, Integratie, Infrastructuur, Moderne Werkplek, Beveiliging en Applicatieplatform. Hij heeft meer dan 20 jaar ervaring in het ontwerpen en implementeren van resultaatgerichte oplossingen voor ondernemingen in de financiële dienstverlening, detailhandel, productie en professionele dienstverlening.
Ontwerp uw resultaten
Klaar om de stap te zetten van agentschappelijk AI-potentieel naar echte winst? Laten we uw pad voorwaarts uitstippelen.