AI-modellen en platforms
Dynatrace-enquête: adoptie van AI-agenten loopt voor op het toezicht
Uit een enquête van Dynatrace bleek dat AI-agenten veel voorkomen in de IT-activiteiten van de ondervraagde bedrijven, maar dat relatief weinig bedrijven zeggen inzicht te bieden in de beslissingen van agenten.
Belangrijkste puntenDe adoptie van agents gaat sneller dan de zichtbaarheid die nodig is om te beoordelen…
Meer weergeven
- De adoptie van agents gaat sneller dan de zichtbaarheid die nodig is om te beoordelen wat die agents daadwerkelijk beslissen.
- Mensen verifiëren nog steeds gemiddeld 66% van de AI-gedreven beslissingen ondanks ambities voor autonomie.
- Teams moeten testen of zij de actie van een agent kunnen reconstrueren voordat zij ruimere bevoegdheden verlenen.
AI-agenten worden steeds gangbaarder in de teams die bedrijfssoftware draaiende houden, maar de middelen om te monitoren wat die agenten besluiten en doen, blijven achter. In de bevindingen uit State of Observability 2026, gepubliceerd op 10 november, meldde Dynatrace dat 87% van de ondervraagde technologieleiders aangaf AI-agenten in enige of ruime mate in te zetten voor observeerbaarheid en IT-activiteiten. Slechts 27% zegt momenteel inzicht te bieden in de beslissingen en acties van agenten.
De resultaten zijn gebaseerd op een online enquête onder 1.202 technologieleiders bij bedrijven in 12 landen, die Dynatrace in augustus 2026 liet uitvoeren. Ze geven weer wat respondenten over hun eigen organisaties melden, niet wat onderzoekers onafhankelijk in productie hebben geverifieerd. Dynatrace verkoopt software voor observeerbaarheid. Het rapport kan daarom het best worden gelezen als een momentopname van de uitdagingen die de respondenten beschrijven, niet als een volledige inventarisatie van het AI-gebruik in bedrijven.
Adoptie van AI-agenten is
niet hetzelfde als autonomie
Het adoptiecijfer uit de enquête heeft betrekking op een specifiek onderdeel van bedrijfstechnologie: software monitoren en IT-systemen draaiende houden. Het betekent niet dat 87% van de bedrijven agenten toestemming geeft om zelfstandig beslissingen met grote gevolgen te nemen. De ene organisatie gebruikt een agent misschien om een incident samen te vatten en een reactie voor te stellen die een technicus kan beoordelen. Een andere organisatie kan een agent toestaan een vooraf bepaalde actie uit te voeren binnen een beperkt deel van de infrastructuur. Beide kunnen melden dat ze agenten gebruiken, ook al hebben die agenten heel verschillende verantwoordelijkheden.
Respondenten schatten dat mensen gemiddeld nog steeds 66% van de beslissingen op basis van AI controleren. Daarnaast meldde 12% volledig autonome IT-activiteiten, terwijl 44% zei dat binnen vijf jaar na te streven. Dat laatste cijfer geeft dus een ambitie weer, geen prognose. Uit de enquête bleek ook dat de complexiteit van integraties het vaakst werd genoemd als belemmering voor autonomie: 31%. Daarnaast werden uitdagingen genoemd op het gebied van vaardigheden, toezicht en datakwaliteit.
Wat teams kunnen zien nadat
een agent heeft gehandeld
Met standaard systeemmonitoring kan een technicus zien of een dienst heeft gereageerd en hoe lang dat duurde. Daaruit blijkt niet of een agent een passende actie heeft gekozen of dat die actie het onderliggende incident heeft opgelost. Als een agent bijvoorbeeld voorstelt een dienst opnieuw op te starten, zou een bruikbaar logboek laten zien welke waarschuwingen aan de aanbeveling ten grondslag lagen, of iemand de actie heeft goedgekeurd en wat er daarna met de dienst gebeurde. Technici kunnen dan nagaan of de herstart heeft geholpen of alleen samenviel met het herstel.
Dynatrace stelde vast dat 43% inzicht in beslissingen van agenten als een belangrijke vereiste voor observeerbaarheid beschouwde, tegenover 27% dat aangaf hieraan te werken. Dat verschil bewijst niet dat alle anderen geen loggegevens hebben. Het gaat om een vergelijking tussen wat respondenten belangrijk vonden en waaraan hun organisaties volgens hen werkten.
Kosten vormen een extra aandachtspunt. Zo meldde 81% hogere uitgaven aan rekenkracht en infrastructuur door AI-werklasten, en zei 77% beter inzicht nodig te hebben in de toewijzing van kosten. Een hulpmiddel dat meet hoeveel tijd medewerkers aan een incident besteden, maar niet de extra middelen registreert die een agent verbruikt, kan automatisering goedkoper laten lijken dan ze is. Door beide metingen met elkaar te verbinden, kunnen teams de kosten van verschillende aanpakken voor hetzelfde werk vergelijken.
De proef op de som voor ruimere bevoegdheden van agenten
In een vervolgbericht van 17 november schetste Dynatrace een stappenplan: eerst bewijs verzamelen, dan acties aanbevelen en vervolgens met goedkeuring handelen, voordat waar dat gerechtvaardigd is wordt toegewerkt naar ruimere autonomie. Voor een operationeel team betekent dit dat het een agent op een specifieke taak moet beoordelen, in plaats van de bevoegdheden uit te breiden omdat de agent goed presteerde bij niet-gerelateerd werk. Een agent die waarschuwingen betrouwbaar categoriseert, heeft bijvoorbeeld nog niet bewezen dat hij kan bepalen wanneer een productiesysteem moet worden gewijzigd.
De enquête wijst op een praktische toets voor bedrijven die meer autonomie overwegen: kan een team reconstrueren wat een agent heeft gedaan, onderbouwen welke bevoegdheden de agent had en meten of de actie heeft geholpen? Zonder die antwoorden kan een hogere adoptiegraad betekenen dat er meer agenten in de workflow zijn opgenomen, in plaats van dat er bewijs is dat ze klaar zijn om die uit te voeren.












