Thought leaders
AI in bedrijven heeft een grens bereikt. Planning biedt de doorbraak.

Belangrijkste puntenEnterprise AI stuit op een coördinatieplafond omdat agenten geen gedeelde operationele…
Meer weergeven
- Enterprise AI stuit op een coördinatieplafond omdat agenten geen gedeelde operationele context hebben over functies heen.
- Continue planning verandert AI in een levende coördinatielaag die scenario's onder druk test naarmate omstandigheden veranderen.
- Governance moet vanaf het begin worden ontworpen om traceerbaarheid en menselijk toezicht op autonome beslissingen te waarborgen.
De eerste golf van AI in bedrijven gaf teams copilots die de productiviteit binnen afzonderlijke functies verbeterden. De volgende golf stuit nu op een coördinatieprobleem: de belangrijkste zakelijke beslissingen raken financiën, bedrijfsvoering, toeleveringsketen en strategie tegelijk, terwijl de meeste AI-systemen nog binnen één functie werken.
Volgens onderzoek van McKinsey naar AI-volwassenheid noemt slechts één procent van de leiders zijn bedrijf «volwassen» op de schaal van AI-invoering. Daarmee wordt bedoeld dat AI volledig in werkprocessen is geïntegreerd en wezenlijke bedrijfsresultaten oplevert. De overige 99 procent hebben AI ingevoerd, maar kunnen op bedrijfsniveau voorlopig weinig laten zien.
De oorzaak is structureel. Deze AI-systemen hebben een plek nodig om samen te werken, en planning is daarvoor de logische plaats. Daar komen financiële aannames, vraagsignalen, operationele beperkingen en strategische doelen al samen. AI in die laag inbouwen verandert planning van een periodieke oefening in het verbindende weefsel van de onderneming.
Veel bedrijven ontdekken deze grens nu bij hun eerste generatie AI-implementaties. Copilots verbeterden de efficiëntie van taken binnen teams, maar de meeste organisaties losten het moeilijkere onderliggende probleem nooit op: hoe stem je beslissingen in het hele bedrijf in realtime op elkaar af? Ook een sneller prognoseproces loopt vast als aannames over de toeleveringsketen, operationele beperkingen en financiële prioriteiten los van elkaar blijven staan.
De architectuur van de coördinatiekloof bij AI in bedrijven
Om dit te laten werken zijn drie structurele veranderingen nodig.
1. AI in bedrijven moet uit functionele silo’s breken
Een copilot in de financiële functie kan een afwijking van de prognose samenvatten en uitleggen wat er in de winst-en-verliesrekening is veranderd. Hij kan niet een actueel vraagsignaal uit de bedrijfsvoering ophalen, een bijgewerkte leveranciersrisicobeoordeling meenemen en dit verwerken in een herziene prognose die CFO en COO tegelijk bekijken. Dat is de structurele grens waar AI in bedrijven nu tegenaan loopt. Daarom leveren implementaties per functie sterke individuele productiviteitscijfers, maar zwakke bedrijfsbrede resultaten op.
Onder die breuk ligt een contextprobleem. De AI van elke functie werkt met de gegevens die die functie bezit, in haar systemen en op basis van haar aannames. Een gedeelde laag ontbreekt waarin die perspectieven samenkomen tot één beeld van wat het bedrijf voor waar houdt.
Zo ontstaat de «AI-coördinatiekloof» die veel bedrijven inmiddels ervaren: systemen kunnen zelfstandig inzichten genereren, maar beslissingen niet snel genoeg bedrijfsbreed afstemmen op de actuele omstandigheden.
Die grens doorbreken vereist dat agenten worden verbonden via een gedeelde operationele context, gebaseerd op gemeenschappelijke gegevensmodellen, gedeelde bedrijfslogica en ontologieën die consistente interpretatie van beslissingen over functiegrenzen heen mogelijk maken.
Met die basis kan een vraagagent een signaal waarnemen, een toeleveringsketenagent daarop een inkoopsimulatie uitvoeren en een financiële agent de prognose op basis van beide actualiseren. De CFO ziet één samenhangende aanbeveling, gebaseerd op hetzelfde beeld van de werkelijkheid waarmee de rest van het bedrijf werkt.
2. Continue planning wordt de coördinatielaag van AI in bedrijven
Continue planning boven op die operationele context zet gecoördineerde agenten om in echte bedrijfsresultaten. Planning is dan geen oefening per kwartaal meer, maar een levend systeem: scenario’s worden bij veranderende omstandigheden aan de bedrijfsdoelen getoetst, in plaats van op de volgende cyclus te wachten om de achterstand in te lopen. Wanneer een aanname verandert, zijn alternatieven al gemodelleerd en onder druk getest. De leiding neemt daardoor een besluit met haalbare routes voor zich, in plaats van één prognose die onder tijdsdruk opnieuw moet worden opgebouwd.
Het conflict tussen de Verenigde Staten en Iran stelt dit in realtime op de proef. Multinationals die eraan zijn blootgesteld, verwerken meerdere signalen tegelijk: olie- en energieprijzen veranderen, risico’s van scheepvaartroutes door de Straat van Hormuz worden opnieuw ingeprijsd en levertijden van leveranciers lopen op. De leiding moet binnen enkele dagen beslissen wat te doen. Het afdekken van energieprijsrisico’s, andere routes en het heronderhandelen van contracten moeten binnen dat tijdvenster tegen elkaar worden afgewogen. Alleen een continu werkend planningssysteem dat scenario’s bij een veranderende situatie onder druk test, kan op tijd een betrouwbaar antwoord geven om naar te handelen.
Zo ziet doelgerichte AI er in de praktijk uit. Agenten werken aan de doelen die de leiding heeft vastgesteld en signaleren de afweging wanneer het bereiken van het ene doel betekent dat een ander moet worden opgegeven. Een systeem kan honderd alternatieven in realtime modelleren, terwijl de leiding nog steeds niet weet welke te kiezen. In de planningslaag zijn de doelen en afwegingen al aanwezig. Dat is het verschil tussen een multiagentensysteem dat in productie werkt en een systeem dat in een demo werkt.
De urgentie van deze verandering neemt toe. Gartner voorspelt dat meer dan 40 procent van de agentische AI-projecten uiterlijk eind 2027 zal worden stopgezet vanwege stijgende kosten, geringe bedrijfswaarde of onvoldoende risicobeheersing. Veel van die mislukkingen zullen terug te voeren zijn op coördinatie- en governanceproblemen, niet alleen op de mogelijkheden van het model.
3. Governance kan niet achteraf aan AI in bedrijven worden toegevoegd
Een laag voor continue planning bundelt daadwerkelijke beslissingsbevoegdheid in een gecoördineerd AI-systeem. Daarom moet governance vanaf het begin deel uitmaken van de architectuur. Veel CFO’s en CIO’s noemen die zorg als eerste zodra de invoering van AI ter sprake komt, en dat is een verdedigbaar standpunt. Autonome systemen horen niet in besluitvormingsprocessen zonder controleerbaarheid door audits, uitlegbaarheid en duidelijke beleidsgrenzen.
Bij implementaties die echt werken, is elke handeling van een agent terug te voeren op de invoer, logica en het beleid erachter. Elke aanbeveling bevat de aannames die een financiële leider, auditor of bestuurslid nodig heeft om de inhoud kritisch te beoordelen.
Traceerbaarheid maakt menselijk toezicht werkbaar. De CFO, controller en leiders die verantwoordelijk zijn voor het resultaat kunnen aanbevelingen alleen beoordelen, aannames bevragen en handelingen goedkeuren als ze zien hoe het systeem tot zijn uitkomst kwam. Agenten zorgen voor snelheid en breedte; mensen behouden het oordeel. Een leider die kan zien hoe het systeem een afwijking opmerkt, de achterliggende aannames kan bekijken en de aanbeveling vóór uitvoering kan bevragen, zal het systeem gaandeweg meer bevoegdheden geven. Wie een blackboxantwoord zonder traceerbare logica krijgt, zal weigeren op het systeem te vertrouwen, en de bevoegdheden van de agent nemen af. Bedrijven die governance in de architectuur inbouwen, krijgen de eerste soort implementatie. Wie haar achteraf toevoegt, krijgt de tweede.
Het komende decennium behoort toe aan de bouwers van infrastructuur
Over tien jaar is het verschil onmiskenbaar tussen bedrijven die planning tot de verbindende laag voor hun AI hebben gemaakt en bedrijven die dat niet hebben gedaan.
Het onopvallende werk — gegevens verbinden, werkprocessen integreren en governance vanaf het begin inbouwen — bepaalt aan welke kant een bedrijf terechtkomt.
De winnaars bij AI in bedrijven zullen niet de ondernemingen met de meeste agenten zijn, maar de ondernemingen die infrastructuur hebben gebouwd om ze te coördineren.











