Context is de nieuwe goud: de volgende golf van Agentic AI koopt begrip, niet verwerkingskracht

De AI-revolutie zit aan een impasse – niet vanwege onvoldoende rekenkracht, maar omdat organisaties de verkeerde problemen oplossen.

Terwijl de wereldwijde uitgaven aan GenAI naar verwachting $644 miljard in 2025 zullen bereiken, waarschuwen deskundigen ook dat meer dan 40% van de agentic AI-projecten tegen 2027 zal worden geannuleerd. Inderdaad, recente fusie- en overnameactiviteiten – zoals de $250 miljoen overname van Crunchy Data door Snowflake en de overname van Predibase door Rubrik – geven een fundamentele verschuiving aan: de volgende fase van enterprise AI gaat over meer dan rekenkracht… Het gaat over diepere begrip.

Sluw geld beweegt

Volgens S&P Global Market Intelligence’s 2025-enquête hebben 42% van de bedrijven de meeste van hun recente AI-initiatieven geschrapt, tegen 17% in 2024. Nog eens 46% hebben proof-of-concept-demonstraties afgebroken voordat de productie zelfs maar was begonnen.

Deze AI-projecten falen niet vanwege technische beperkingen, maar vanwege semantische kloven. Als een AI-systeem petabytes aan gegevens kan verwerken, maar niet begrijpt wat “klantlevenswaarde” betekent in verschillende afdelingsbehoeften, zullen de falieerpunten waarschijnlijk contextueel zijn.

Overweeg de strategie achter Snowflake’s integratie van Postgres’ semantische AI-mogelijkheden, die ertoe strekt een basis te creëren waarop AI-agents transactionele context en bedrijfssemantiek kunnen begrijpen — waardoor ontwikkelaars “betrouwbare AI-agents” kunnen “bouwen met grotere flexibiliteit, zichtbaarheid en controle.” Rubrik’s overname van Predibase heeft eveneens tot doel klanten te helpen “agentic AI op een beveiligde manier in te zetten” door contextuele nauwkeurigheid naast rekenkracht te prioriteren.

Waar context en schaal samenkomen

Het succes van Palantir’s recente samenwerking met Qualcomm om AI-begripsmogelijkheden uit te breiden, is een andere demonstratie van de transformatieve kracht van context-first AI-architectuur. Hun “Ontologie”-aanpak — het creëren van linguïstische precedenten voor het in kaart brengen van bedrijfsconcepten, -relaties en -regels in machineleesbare formaten — transformeert AI van patroonherkenning in zakelijke redenering en toont aan hoe semantisch begrip AI in staat stelt om effectief te functioneren, zelfs in offline- of resourcebeperkte omgevingen.

Om een voorbeeld te geven, met betrekking tot hun nucleaire energie-initiatieven, Palantir’s AI voorspelt niet alleen apparatuurfouten — het begrijpt ook de cascade van bedrijfsgevolgen over de toeleveringsketen en regelgevingsconformiteit die tot of het gevolg zijn van deze fouten. Evenzo, in productie, begrijpen hun systemen de onderlinge afhankelijkheden tussen kwaliteitscontrole, voorraadbeheer en klantverplichtingen, waardoor een holistisch overzicht van de operaties ontstaat dat helpt bij het voorspellen en voorafgaand mitigeren van problemen.

Zoals een Palantir-executive opmerkte, “De Ontologie [gebaseerde aanpak] stelt gebruikers in staat om workflows te construeren die heterogene logische activa incorporeren en combineren,” waardoor AI “op een beveiligde manier in steeds complexere beslissingscontexten kan worden geïntroduceerd.”

De Context-Eerst Infrastructuur Revolutie

De verschuiving van efficiency-first naar betekenis-first-architecturen vertegenwoordigt een fundamentele heroverweging van enterprise AI. Volgens Gartner’s 2025 Data & Analytics Summit hingt deze transformatie af van drie kritieke factoren:

• Semantische Data Architectuur: Elke datapunt moet bedrijfsbetekenis hebben, niet alleen computationele waarde. Zoals onderzoeksbedrijf Enterprise Knowledge onderzoek aantoont, dienen semantische lagen als bruggen tussen ruwe gegevens en toepassingen, waardoor “geünificeerde en contextualiseerde views” ontstaan die intuïtieve gebruikersinteracties mogelijk maken.
• Business Logic Integratie: Om maximale waarde te leveren, vereist moderne AI integratie met vooraf bepaalde bedrijfscontexten, specifiek voor de behoeften van elke organisatie. Oracle’s AI Agent Studio illustreert deze aanpak door toegang te bieden tot Oracle Fusion Applications API’s, kennisopslag en vooraf gedefinieerde tools die ondernemingspecifieke bedrijfslogica binnen AI-gestuurde workflows behouden. Dergelijke oplossingen empoweren agentic AI-systemen door bedrijfsontologieën te integreren met Model Context Protocols (MCP), waardoor naadloze, contextrijke gegevensinterpretatie mogelijk wordt en AI-agents kunnen functioneren over verschillende ondernemingsgegevensbronnen.
• Contextuele Beslissingsmotoren: McKinsey’s 2025 AI-werkplekrapport benadrukt dat succesvolle enterprise AI-systemen grondig de bedrijfsimplicaties van elke taak voor elke organisatie moeten begrijpen. Toch gelooft slechts 1% van de bedrijven dat ze AI-maturiteit hebben bereikt, waardoor een kloof tussen huidige capaciteiten en contextuele vereisten ontstaat.

De Concurrentie-Implicaties

Organisaties die contextrijke AI-systemen succesvol kunnen instellen, zullen zelfversterkende voordelen voor zichzelf creëren.

Elke bedrijfsinteractie heeft het potentieel om Agentic AI’s genuanceerd begrip van de specifieke behoeften van elke onderneming te verdiepen, waardoor de prestaties verbeteren en concurrentiële voordelen ontstaan die moeilijk te repliceren zijn door alleen rekenkracht. Deloitte’s State of Generative AI-rapport bevestigt dat terwijl 60% van de organisaties tot 20 AI-experimenten nastreven, diegenen die zich richten op “branche- en bedrijfsspecifieke uitdagingen” aanzienlijk betere resultaten zien.

De gevolgen voor het talent zijn eveneens aanzienlijk. Terwijl AI-ingenieurs premium salarissen verdienen, is de echte schaarste professionals die zowel AI-implementatie als bedrijfsdomeinontologie begrijpen. PwC’s 2025-predicties benadrukken dat “AI-succes evenzeer over visie als adoptie gaat, met bedrijven die systematische, transparante benaderingen nodig hebben om duurzame waarde te waarborgen.” Met andere woorden, als de mensen die AI trainen om bedrijfsbehoeften te begrijpen deze behoeften zelf niet begrijpen, zal de AI die ze creëren dat evenmin doen.

De Strategische Imperatief

Wat zijn dan precies de architectonische veranderingen die organisaties moeten aanbrengen?

Gartner’s Data & Analytics Summit onderstreept het belang van het verplaatsen van technische metadata naar semantische metadata—gegevens die zijn verrijkt met vooraf gedefinieerde bedrijfsdefinities, -ontologieën en -relaties. Deze ‘Semantiek-Eerst-Design’-verschuiving is cruciaal voor organisaties die betekenisvolle inzichten willen afleiden en helderheid over systemen willen waarborgen. Tegelijkertijd is effectieve contextuele AI-governance essentieel om echte agentic AI-mogelijkheden te onderscheiden van onvoldoende modellen die slechts basisautomatisering bieden, maar ten onrechte als agentic worden aangeprezen.

De bedrijven die succesvol zijn met agentic AI zullen die zijn waarvan de AI-agents strategisch zijn geconfigureerd om bedrijfscontexten diep genoeg te begrijpen, zodat ze autonoom en effectief kunnen handelen.

De Agentic AI-Mogelijkheid

Gartner voorspelt dat 33% van de enterprise software in 2028 agentic AI zal omvatten, tegen minder dan 1% in 2024. De opkomst van agentic AI maakt semantische infrastructuur essentieel; om dit te bereiken, vereisen AI-systemen:

• Diep contextueel begrip om autonome beslissingen te nemen die zijn afgestemd op bedrijfsdoelen.
• Semantische consistentie over alle gegevensbronnen om conflicterende acties tussen verschillende afdelingen en taken te voorkomen
• Bedrijfslogica-integratie om te waarborgen dat organisatorische regels en voorschriften worden nageleefd

Terwijl organisaties miljarden in agentic AI-ontwikkeling steken, zullen die zonder semantische fundamenten te maken krijgen met toenemende faalpercentages.

De Context Imperatief

Naarmate agentic AI-systemen meer gebruikelijk worden, zal de kloof tussen organisaties met semantische infrastructuur en die zonder alleen maar groter worden. Voor ondernemingen die investeren in agentic AI is de keuze duidelijk: bouw semantische fundamenten nu of kijk toe hoe contextueel bewuste concurrenten slimmere AI-investeringen omzetten in onverslaanbare voordelen.

In de tijd van overvloedige rekenkracht is context de nieuwe goud, en degene die hun AI-systemen kunnen leren om de onderneming die ze dienen werkelijk te begrijpen, zullen hun Midas Touch verdienen.