De Architectonische Shift die Nodig is om AI-Agents te Besturen

AI is niet langer alleen een chatbot die tekst genereert. In enterprise-omgevingen nemen AI-agents acties zoals het ophalen van gevoelige gegevens, het triggeren van workflows, het bellen van tools en het loggen van activiteiten over systemen. Autonomie verandert de governance-discussie helemaal; controles en procedures die oorspronkelijk waren ontworpen voor menselijke gebruikers en traditionele applicaties, waren niet gebouwd om software te besturen die multi-stap acties kan uitvoeren op runtime.

Het risico is niet theoretisch. Kleine gaten in zichtbaarheid, toegangscontrole en auditeerbaarheid kunnen snel ophopen en leiden tot runtime-fouten die moeilijk te detecteren en nog moeilijker te herstellen zijn.

Om bij te blijven met deze nieuwe tijd, kan het besturen van AI-agents niet worden gedaan door meer beleidsdocumenten toe te voegen. Het vereist governance by design: een architectonische aanpak waarbij controles zijn ingebed in de controle-laag en continu worden afgedwongen op runtime. Als agents als digitale collega’s moeten handelen, moeten ze dezelfde ondernemingsbeveiliging erven als mensen, plus sterker runtime-toezicht.

Waarom governance faalt in de tijd van convergentie

Enterprise-architectuur is een tijd van convergentie ingegaan. Gegevens en workloads omvatten nu meerdere clouds, private datacenters en edge-omgevingen.

Er zijn organisaties die hun platforms in parallelle systemen draaien omdat ze meerdere processen moeten beheren. Dit omvat afzonderlijke identiteitssystemen, logpijpleidingen, catalogi en goedgekeurde processen. Het resultaat is wat sommigen een “Frankenstein-platform” noemen, waarbij de integratiekosten toenemen met elke nieuwe tool of cloud-omgeving. In feite komt deze fragmentatie in de alledaagse realiteit aan het licht.

Volgens een recente enquête noemen 47% van de respondenten ingewikkelde toegangsvereisten en processen, en 44% noemt beperkte zichtbaarheid in waar gegevens zich bevinden als obstakels voor het effectief gebruik van gegevens.

Dit is precies waar agents de scheuren tussen systemen blootleggen.

Om een zakelijke vraag te beantwoorden, moet een agent mogelijk gegevens ophalen uit een on-premises ERP-systeem, een cloud-CRM, operationele telemetrie in een andere cloud en documenten in een collaboratiesuite. Als de organisatie het beleid op verschillende manieren afwijkt, zal de agent falen of, erger nog, slagen op manieren die u niet kunt verklaren of controleren.

Dit is het moment waarop ondernemingsleiders aandacht moeten besteden. Agents dwingen een hogere lat te eisen die consistentie over omgevingen en aansprakelijkheid op runtime vereist.

Governance, om deze reden, wordt in de schijnwerpers getrokken door regulators en beveiligingsagentschappen. Een voorbeeld hiervan is de NIST AI Risk Management Framework, dat risicobeheer benadrukt over de gehele AI-levenscyclus, niet alleen bij de bouw. Het is een herinnering dat compliance en vertrouwen operationele verantwoordelijkheden zijn, niet eenmalige controlelijsten.

Van beleid naar platform

Governance by design betekent dat governance meereist met de workload in plaats van opnieuw te worden geïmplementeerd in elke silo. In de praktijk hangt dit af van drie bouwstenen:

• Een geünificeerde controle-laag

Een plek om identiteit, toegang, beleid, catalogi en rechten over clouds en datacenters te definiëren en af te dwingen.

Het doel is om beleid eenmaal te schrijven en het overal af te dwingen waar gegevens en modellen draaien, in plaats van controle-systemen opnieuw op te bouwen voor elk systeem. Dit voorkomt agent-gedragsafwijking, waarbij dezelfde agent veilig handelt in één omgeving maar gevaarlijk in een andere.

Een praktische test is eenvoudig: als een gebruiker geen toegang heeft tot een kolom, moet worden geverifieerd of een agent die in hun naam handelt, evenmin toegang heeft. Dit moet aangeven of de geschreven beleidsregels over de gehele laag worden afgedwongen.

• Een dataweefsel gebaseerd op open standaarden

Agents hebben context nodig om te functioneren. Wanneer die context over verschillende structuren is verspreid die worden beheerd door verschillende teams, helpt een dataweefsel om semantiek en toegangspatronen te standaardiseren, zodat agents niet elk dataset een nieuwe set regels hoeven te leren.

Open tabelformaten zoals Apache Iceberg ondersteunen dit door meerdere engines toe te staan om dezelfde beheerde gegevens te delen zonder ze te kopiëren naar een nieuwe silo. Dit is belangrijk omdat gegevensduplicatie de plek is waar governance meestal faalt. Zodra teams beginnen met het kopiëren van “alleen wat de agent nodig heeft”, hebt u een nieuwe, minder beheerde omgeving gecreëerd.

Als agents over datasets kunnen opereren zonder nieuwe toegangslekken in te voeren, werkt governance zoals bedoeld.

• Real-time observabiliteit en afstamming

Agents zijn alleen beheersbaar als u kunt zien wat ze doen op runtime.

Observabiliteit hier is niet alleen een “nice-to-have”, maar de basis voor runtime-controles en incidentrespons.

Specifiek moet er eind-tot-eind-bewijs zijn van agent-acties. Agents moeten in staat zijn om acties te bewijzen, zoals welke gegevens zijn opgehaald en welke tools zijn aangeroepen, en van daaruit kan afstamming outputs verbinden met inputs. Dit stelt teams in staat om die beslissingen te auditen en storingen te verhelpen, indien nodig, waardoor de algehele compliance wordt bewezen.

Behandel agents als “digitale collega’s”

Een van de meest bruikbare mentale modellen is het behandelen van agents als digitale collega’s.

Hier is een vergelijking die dit uiteenlegt: net zoals werknemers toegangsbewijzen hebben die toegang geven tot sommige gebouwen en kamers, maar niet andere, stelt governance agents in staat om toegang te hebben met beperkingen. Een belangrijke toevoeging is dat agents situatiebewust moeten zijn van wat ze mogen onthullen.

Bedenk een ondersteuningsagent. Het kan toegang nodig hebben tot eerder ondersteuningsgevallen om een probleem op te lossen, maar het kan geen details van een andere klant lekken tijdens het doen. Anders gezegd, de agent kan beperkte kennis gebruiken om te redeneren, maar moet nog steeds onthullingsgrenzen afdwingen. Dit is geen “prompt-schrijf”-probleem dat we historisch hebben gekend hoe we moeten navigeren; in plaats daarvan is het een identiteits- en runtime-afdwingingsprobleem.

Wat verandert in 2026: agents verhuizen van experimenten naar productie

2026 is het jaar waarin experimenten eindigen en agents de productieplaats innemen.

Deze verschuiving dwingt ondernemingen om op twee snelheden te opereren. De ene is innovatiesnelheid, waar teams nieuwe modellen, tools en agent-workflows testen om een concurrentievoordeel te behalen. En de andere is de beveiligingssnelheid, waar systemen moeten voldoen aan compliance- en operationele vereisten, die strikte toegangscontroles en blinde vlekken kunnen omvatten.

Zonder een architectonische governance, zullen deze twee snelheden in conflict komen.

Als teams deze agents implementeren voordat ze zijn beheerd, zal er een patchwork van eenmalige controles en operationele fouten ontstaan. En als het tegenovergestelde gebeurt, krijgt u een foutmodus waarin beveiliging alles blokkeert en innovatie naar schaduw-IT gaat, waardoor governance wordt ondermijnd.

Het doel is niet om een snelheid te kiezen. Het is om een architectuur te bouwen die beide ondersteunt.

Een praktische checklist voor het besturen van agents op runtime

• Als u agents bouwt of schaalt, is het essentieel om uzelf de volgende vragen te stellen om te onthullen of governance echt architectonisch is: Kunt u end-to-end uitleggen welke gegevens een agent heeft opgehaald om een antwoord te geven of een actie uit te voeren?
• Zijn toegangsbeslissingen consistent over hybride omgevingen, of verschillen ze per platform?
• Heeft u telemetrie voor agent-acties, inclusief tool-aanroepen, beleidscontroles en menselijke escalaties?
• Kunt u een agent op runtime throttle, pauzeren of in quarantaine plaatsen als het onverwacht gedrag vertoont?
• Heeft u een post-implementatiebewakingsplan dat overeenkomt met uw reglementaire verplichtingen en risicobereidheid?

Als u deze vragen niet kunt beantwoorden, moet u uw agent-implementatie behandelen als een productie-incident dat op het punt staat te gebeuren.

De governance-shift moet architectonisch zijn, of anders bestaat het niet

Agents zullen een standaardonderdeel van ondernemingsoperaties worden. De vraag is of ze een betrouwbaar onderdeel van ondernemingsoperaties zullen worden.

Als agents niet worden beheerd met ten minste dezelfde zekerheid als mensen en mission-critical software, zullen de gevolgen echt zijn. We zullen die gevolgen zien in gegevenslekken, compliance-falen, operationele uitval en verlies van vertrouwen in AI-programma’s.

Leiders moeten ophouden met het behandelen van agent-governance als een documentatie-oefening. Naarmate de platformmogelijkheden uitbreiden, moet agent-governance een van de onderdelen zijn die toezicht houdt op andere rollen. Dit betekent het embedden van controles in de controle-laag, het maken van acties observeerbaar en beslissingen auditeerbaar. En dan schalen.

Dat is hoe u agents krijgt die snel bewegen zonder de onderneming te breken.