Uw AI-agent is alleen zo goed als uw archiveringssysteem

Op 30 december 2025 leverde de Deense postdienst de laatste brief in haar 401‑jaar geschiedenis. De 1,500 resterende brievenbussen werden dat jaar van de straten gehaald. Ondertussen keurde in juli 2026 het Duitse federale kabinet GeDIG, de wet voor gezondheidsdata en digitale innovatie, goed, die de fax geleidelijk uit de dokterspraktijken verwijdert tegen de herfst van 2029 en elektronische verwijzingen verplicht maakt.

Dus, hoe kan het dat het ene land zulke veranderingen kan doorvoeren terwijl een ander nog steeds zijn afhankelijkheid van faxmachines in deze eeuw afbouwt? Rekening houdend met het gebruik van AI in het bedrijfsleven per land, gebruikte 42 % van de Deense bedrijven in 2025 ten minste één AI‑technologie, het hoogste aandeel in Europa. Duitsland lag op 26 %, boven het EU‑gemiddelde maar zestien procentpunten achter Denemarken.

Voor mij duwt dit contrast ons ertoe onze opvattingen over AI‑adoptie te herzien. Met name de overtuiging dat de keuze van het model het startpunt van AI‑adoptie is, waarbij de toestand van de systemen rondom het model wordt genegeerd. Beide landen hebben toegang tot dezelfde modellen en cloud‑providers, maar het verschil ligt in de vraag of bedrijfs‑ en publieke processen al betrouwbare digitale dossiers produceren. Aangezien een AI‑agent niet direct met de werkelijkheid werkt, maar met de versie van de werkelijkheid die in een systeem beschikbaar is, veroorzaakt dit vanzelfsprekend enkele beperkingen.

De eerste beperking: de informatie werd nooit gedigitaliseerd

Een agent kan geen document ophalen dat nooit in het systeem is ingevoerd. De vorm van de informatiestroom van de organisatie bepaalt wat een agent zelfs kan beschouwen als een taak.

Op landniveau tonen Eurostat‑gegevens aan dat de adoptie van AI in bedrijven correleert met de digitalisering van administratieve processen. Maar het cruciale mechanisme is dat landen waar burgers al officiële documenten digitaal ontvangen, minder off‑system interacties voor bedrijven hebben om te reconciliëren, waardoor de hoeveelheid interpretatiewerk die nodig is voordat AI veilig kan worden ingezet in de bedrijfsvoering, wordt verminderd.

Op bedrijfsniveau toont een IZA‑studie uit 2026 over 1,907 Deense bedrijven aan dat een toename van één standaarddeviatie in digitalisering geassocieerd wordt met een 8 tot 10 procentpunt hogere kans op adoptie van kern‑AI‑systemen. Dit suggereert dat AI‑adoptie afhangt van de vraag of de interne processen van het bedrijf al digitaal gestructureerd en machine‑leesbaar zijn georganiseerd. Als processen gefragmenteerd zijn, is er weinig stabiele informatie voor AI‑systemen of -agents om op te handelen.

Dit kan ook helpen verklaren waarom beleidsgedreven digitalisering niet automatisch leidt tot AI‑gereedheid. Italië’s verplichte B2B‑e‑facturering creëerde een volledig digitaal kanaal, maar de algehele AI‑adoptie blijft onder het EU‑gemiddelde. Het digitaliseren van één stap elimineert niet het omringende analoge systeem.

De tweede beperking: de informatie bestaat alleen in iemands hoofd

Mensen voeren de operaties uit, wat betekent dat ze meestal details kennen die de AI niet kent. Een financieel administrateur weet dat een huurder contant heeft betaald, maar de betaling is nooit in het boekhoudsysteem ingevoerd. Daardoor komen de bankgegevens en het systeem niet overeen. De administrateur begrijpt waarom, terwijl de AI alleen inconsistente data ziet. Een vastgoedbeheerder herinnert zich dat een verhuurder gevraagd heeft twee weken niet benaderd te worden. Een team kent de omweg voor een bepaald gebouw of klant, maar niemand heeft dit gedocumenteerd.

ClarEval testte taken met ontbrekende doelen, ontbrekende premissen en dubbelzinnige terminologie. De modelprestaties daalden van ongeveer 89 % na verduidelijking tot circa 9 % wanneer de ambiguïteit onopgelost bleef. Ondertussen vond Ambig‑SWE dat het toestaan van een model om een gebruiker die de ontbrekende informatie bezit te ondervragen, tot 74 % van het verloren prestatie‑niveau herstelde. Dit impliceert dat ingenieurs een systeem moeten bouwen dat vanaf het begin om verduidelijking kan vragen.

De derde beperking: de informatie bestaat wel, maar kan niet worden doorgegeven

Sommige gegevens zijn beschikbaar binnen het bedrijf, maar kunnen het model nog steeds niet bereiken vanwege privacyregels, beveiligingscontroles, contracten of interne beleidsregels.

Een studie gebaseerd op zeven jaar cloud‑data wees uit dat de GDPR — de kernwetgeving voor gegevensprivacy in de EU — de gegevensopslag met 26 % en de verwerking met 15 % verminderde bij EU‑bedrijven ten opzichte van vergelijkbare Amerikaanse bedrijven. Met andere woorden, privacy‑regulering maakte bedrijven minder data‑intensief door de hoeveelheid informatie die ze konden bewaren en verwerken voor analytics en AI te beperken. De adoptie van generatieve AI was bijna gelijk, met 37 % van de EU‑bedrijven en 36 % van de Amerikaanse bedrijven. Maar de kloof in de diepgang van AI‑adoptie is groot, met 81 % van de Amerikaanse bedrijven die AI in ten minste twee interne processen gebruiken, vergeleken met 55 % in de EU. Een mogelijke reden is dat informatie die al binnen organisaties bestaat, in Europa vaak moeilijker te hergebruiken is voor AI. Klantenservice‑gesprekken bevatten bijvoorbeeld vaak persoonsgegevens die zijn verzameld om klantproblemen op te lossen. Volgens het doelbeperkingsprincipe van de GDPR (Artikel 5(1)(b)) kan deze data niet eenvoudig worden hergebruikt voor AI‑training zonder een geldige wettelijke basis. Amerikaanse bedrijven hebben over het algemeen minder equivalente federale beperkingen bij het hergebruiken van dergelijke data.

Hoe bouw je het juiste systeem

Ophalen werkt alleen wanneer het antwoord in het systeem bestaat. Agents moeten vragen wanneer informatie ontbreekt, nooit raden, en telefoontjes of informele beslissingen omzetten in gestructureerde dossiers. Bedrijven moeten ook parallelle papieren werkstromen verwijderen, want als een taak buiten het systeem kan plaatsvinden, blijft een deel van de context onzichtbaar.

Elk bedrijf moet zijn eigen hiaten onderkennen. Meet of een feit dat nodig is om correct te handelen, zich binnen het systeem bevond of niet. Test de werkstromen met en zonder de uitgesloten privacy‑reviewvelden. Ten slotte, voor de werkstroom die op papier kan worden voltooid, is dat de agent die als laatste moet worden gebouwd.

Agents kunnen de menselijke output verbeteren, maar ze repareren niet wat ontbreekt.