Wat moeten ondernemingen zelf in handen hebben binnen hun AI-stack?

De volgende fase van de AI-transformatie draait om wat bedrijven kunnen leren van elke beslissing die AI neemt, en om wie eigenaar is van die kennis

In gesprekken over AI stond één hoofdvraag centraal: wat kunnen deze modellen? Ze werden aan benchmarks onderworpen, getest in proefprojecten en bewonderd. Dat was de juiste vraag tijdens de experimenteerfase. Maar voor de fase waarin we ons nu bevinden, is het niet de juiste vraag.

In deze volgende fase — de agentische onderneming — voert AI werk uit, houdt veranderingen in de gaten, bereidt resultaten voor en neemt deel aan belangrijke beslissingen om bedrijven vooruit te helpen, in plaats van alleen vragen te beantwoorden. Die verschuiving versnelt: uit IBM’s CEO-onderzoek van 2026 bleek dat CEO’s verwachten dat het aandeel operationele beslissingen dat door AI wordt genomen, tegen 2030 bijna verdubbelt tot 48%. Zodra AI het werk uitvoert in plaats van het alleen te beschrijven, verandert de strategische vraag van ‘Wat kan dit model?’ in ‘Wat leert mijn bedrijf telkens wanneer het een beslissing neemt, en wie is eigenaar van die kennis?’

Als de waarde van een onderneming met elke beslissing toeneemt, is het belangrijkste bezit van een bedrijf in het AI-tijdperk de leerlus waarmee de organisatie van elke beslissing leert: de context erachter, het bewijs dat ertoe leidde, het resultaat ervan en het patroon dat die elementen met elkaar verbindt. Zorg dat die leerlus van jou is, en elke beslissing maakt de volgende scherper. Mis je die lus, dan automatiseer je activiteiten zonder een voorsprong op te bouwen.

Door het simpelweg anders te formuleren, verandert bijna alles aan de manier waarop een serieuze onderneming haar AI moet vormgeven.

De fout van je bedrijf op één model laten steunen

De gebruikelijke reflex was om te consolideren: een toonaangevende modelaanbieder kiezen, daarop standaardiseren en alles erop bouwen. Ik denk echter dat dat een fout is, al niet om de reden die mensen doorgaans geven.

Het gebruikelijke bezwaar is dat je vast komt te zitten aan één aanbieder en dat die meer macht krijgt om de prijzen te bepalen. Dat zijn reële risico’s, maar ze zijn van ondergeschikt belang. Het grotere probleem zit in de prikkels en in de vraag waar je kennis terechtkomt. Modelaanbieders bouwen de beste algemene modellen ter wereld, en dat doen ze door van het gebruik ervan te leren. Wanneer je de bedrijfseigen beslissingen, gegevens en werkprocessen van je bedrijf via één aanbieder laat lopen, geef je het meest onderscheidende materiaal dat je hebt — het overzicht van hoe je bedrijf denkt — uit handen aan een leverancier die er belang bij heeft dat materiaal te veralgemeniseren. Je voorsprong wordt dan een grondstof voor een product dat ook je concurrenten kunnen kopen.

De ontwikkelingen gaan ook te snel om erop te vertrouwen dat één bepaald model lang het beste blijft. De juiste architectuur moet ondernemingen juist in staat stellen taken toe te wijzen aan het model of de gespecialiseerde agent die er het meest geschikt voor is, terwijl ze zelf de agentinfrastructuur en leerlus in handen houden die vastleggen hoe het bedrijf werkt en beslissingen neemt. Modellen kunnen veranderen; die bedrijfseigen basis blijft van jou en wordt mettertijd waardevoller.

Die bedrijfseigen basis kan ook meetbare strategische waarde hebben. Uit het onderzoek van IBM bleek ook dat CEO’s die bedrijfseigen gegevens en intellectueel eigendom verwerken in aangepaste AI-modellen en -agenten, verwachten dat in 2030 13% meer van hun omzet afkomstig zal zijn van producten en diensten die ze vandaag nog niet aanbieden.

Je kunt niet elke agent bouwen, en dat moet je ook niet proberen

Je eigen infrastructuur, leerlus en routering in handen hebben, betekent niet dat je elke agent moet bouwen die daarop draait. De centrale agent van de onderneming — degene die je organisatie, prioriteiten en bedrijfseigen gegevens begrijpt — moet je zelf bouwen en in eigen beheer houden. Maar het werk binnen een bedrijf bestrijkt domeinen die geen enkel team allemaal kan beheersen: verkoop, HR, juridische zaken, financiën, marktinformatie en meer. Elk van die domeinen is het best geholpen met een gespecialiseerde agent die uitblinkt in dat ene vakgebied.

Geen enkele onderneming gaat intern voor elke functie een agent van topniveau bouwen. Dat is geen wedstrijd om middelen die je kunt winnen. De winnende aanpak is een sterke centrale agent die een reeks gespecialiseerde subagenten aanstuurt, die elk kunnen worden aangepast aan de behoeften van je bedrijf en via een heldere interface op je infrastructuur aansluiten. Toch staan ondernemingen nog aan het begin van de ontwikkeling van dit soort architectuur: uit een onderzoek van Deloitte uit 2026 bleek dat slechts 15% van de organisaties de inzet van gecoördineerde, functieoverschrijdende multi-agenttoepassingen op grotere schaal heeft ingevoerd.

De echte opdracht voor bedrijfsleiders bestaat dus uit twee delen: bouw de centrale agent die de koers bepaalt en de leerlus waaraan die agent bijdraagt, en bepaal vervolgens welke gespecialiseerde agenten tot de beste behoren en integreer die. Eigenaarschap waar de waarde zich opstapelt; samenwerking waar dat niet gebeurt.

Een gespecialiseerde agent versus een schil

Een gespecialiseerde agent moet iets bieden wat de onderneming niet eenvoudig zelf kan nabouwen. Een blijvend voordeel ontstaat door bedrijfseigen gegevens te combineren met een speciaal ontwikkelde infrastructuur om die gegevens op te halen en erover te redeneren. De kwaliteit van een agent hangt volledig af van wat hij kan vinden en hoe goed hij begrijpt wat hij heeft gevonden.

Dat is de maatstaf die bedrijfsleiders moeten hanteren wanneer ze beslissen wat ze zelf bouwen en waarvoor ze een partner inschakelen. Als een mogelijkheid afhankelijk is van unieke inhoud, vakkennis en jarenlang speciaal daarvoor ontwikkelde infrastructuur, levert die intern opnieuw opbouwen waarschijnlijk geen voordeel op. Richt die middelen in plaats daarvan op de bedrijfseigen gegevens, beslissingslus en orkestratielaag die uniek zijn voor jouw onderneming.

Wat de winnaars zullen begrijpen

De bedrijven die het tijdperk van AI-agents succesvol doorstaan, zijn de bedrijven die hun aanpak zo vormgeven dat ze in de loop der tijd steeds slimmer worden op een manier die hen uniek maakt. Ze beheren zelf de leerlus waarmee ze van elke beslissing kunnen leren en vullen die aan met de beste gespecialiseerde agents, in plaats van alles zelf te willen bouwen.

Het doel is niet om elk onderdeel van de AI-stack zelf in bezit te hebben. Het gaat erom de onderdelen te beheersen waarop uw voorsprong steeds verder groeit, en voor de rest met partners samen te werken. Verbonden zijn is niet hetzelfde als intelligent zijn. In de agentische onderneming betekent intelligent zijn dat u zelf beheert wat uw voorsprong vergroot en voor de rest met partners samenwerkt.