Welke AI-trends zullen in 2026 de overhand krijgen en waar gaat de technologie heen?

In 2026 komt AI een nieuwe fase binnen – een fase die uitdagender, pragmatischer en grootschaliger is. De markt heeft zijn illusies verloren, geld wordt zorgvuldiger uitgegeven en bedrijven stellen een eenvoudige vraag: waar zit de echte businesswaarde hier?

Alle sleuteltrends komen samen in één plek: AI houdt op een tool te zijn en wordt infrastructuur.

Van LLM’s naar agentsystemen

Een van de sleuteltrends die de industrie al vormgeeft, is agentic AI. Het evolueert van een hulpmiddel naar een volwaardige ondernemingsoplossing die breed wordt gebruikt door grote bedrijven. Dit is het volgende stadium na de klassieke LLM’s die worden gebruikt voor tekstgeneratie, analyse en andere standaardtaken.

Historisch gezien bleven dergelijke technologieën lange tijd binnen grote ondernemingen en waren ze vrijwel onzichtbaar voor het grote publiek. Bedrijven als Google en Facebook gebruikten ze al lang voordat de term LLM gemeengoed werd. Tien jaar geleden, toen ik bij een internationaal softwarebedrijf werkte, ontwikkelden en gebruikten we dergelijke systemen zelf, hoewel we ze Data Processing AI noemden in plaats van LLM’s.

Het keerpunt kwam met de democratisering van kunstmatige intelligentie. De opkomst van ChatGPT, Gemini en soortgelijke producten maakte AI een massamarktinstrument, wat een scherpe toename van interesse en investeringen veroorzaakte. Het duurde echter niet lang voordat de markt een limiet bereikte: binnen korte tijd waren vrijwel alle voor de hand liggende toepassingen al geïmplementeerd.

De meeste startups uit die tijd bouwden hun eigen modellen niet, maar creëerden zogenaamde wrappers – interfaces bovenop bestaande LLM’s. Deze oplossingen verloren snel hun waarde, omdat de basismodellen dezelfde functionaliteit rechtstreeks boden, zonder de noodzaak voor afzonderlijke toepassingen.

Deze periode duurde ongeveer een jaar. Er werden miljarden dollars geïnvesteerd in dergelijke producten, waarna het duidelijk werd dat de verwachtingen waren overschat.

Het was tegen deze achtergrond dat de verschuiving naar agentsystemen begon. AI-agents vertegenwoordigen een complexere architectuur waarin meerdere gespecialiseerde modellen met elkaar communiceren, taken verdelen en acties coördineren. Deze benadering maakt het mogelijk om complexe scenario’s aan te pakken, van reisplanning tot het beheren van bedrijfsprocessen, en markeert het volgende stadium in de evolutie van AI.

Marktconsolidatie en waarom alleen de reuzen zullen overleven

We zien al dat de AI-agentmarkt effectief een consolidatiefase is doorgegaan. Een beperkte groep grote spelers, ongeveer een dozijn bedrijven, is naar voren gekomen en heeft snel dominante posities ingenomen.

Dit proces weerspiegelt grotendeels de geschiedenis van de markt voor e-mailservices, die uiteindelijk onder de controle van Microsoft, Google en Yahoo kwam. Een soortgelijke dynamiek ontwikkelt zich in agentic AI: sleuteloplossingen worden ontwikkeld door bedrijven als Cohere, OpenAI en Google. Zij zullen niet alleen nieuwe toetreders, maar ook kleinere spelers die eerder niche-segmenten hadden veroverd, geleidelijk verdringen.

Vandaag de dag ligt de focus van de grote aanbieders op het ondernemingssegment. Gedurende 2025 hebben ze actief agentsystemen in grote organisaties geïmplementeerd, beginnend met praktische taken zoals klantenservice, interne kennisbases, medewerkersopleiding en documentstroomautomatisering. Een typisch scenario omvat het analyseren van bedrijfsmateriaal en het opbouwen van intelligente assistenten die complexe vragen kunnen beantwoorden zonder menselijke specialisten. Bijvoorbeeld, alle technische materialen van een platform zoals Keylabs kunnen worden verwerkt, waardoor een bot elke technische vraag kan beantwoorden zonder dat live-experts nodig zijn.

De volgende stap in deze reis is schaalvergroting. In de nabije toekomst zullen ondernemingsklanten steeds omvattender pakketten aangeboden krijgen: van boekhouding en juridische ondersteuning tot operationeel procesbeheer. De rol van de mens zal verschuiven naar toezicht en definitieve besluitvorming, terwijl AI-agents routine-taken zullen afhandelen.

Hetzelfde geldt voor andere bedrijfsfuncties. Bijvoorbeeld, in grote banken met duizenden werknemers kunnen AI-agents reisorganisatie, ticketbeheer en wijzigingen in reisplannen overnemen, waardoor externe diensten en aannemers worden vervangen.

Zodra grote aanbieders beginnen met het aanbieden van het volledige spectrum van dergelijke diensten in één geïntegreerd pakket, van een reisagent tot financiële en juridische ondersteuning, zullen gespecialiseerde startup-aanbieders niet concurrerend meer zijn.

Grote spelers hoeven de markt niet van scratch te veroveren: ze zullen horizontaal uitbreiden, steeds meer en meer bedrijfsprocessen binnen ondernemingsorganisaties dekken.

Welke industrieën zijn het meest gevoelig voor AI en automatisering

Wanneer we het in het algemeen over technologie hebben, is het al duidelijk dat digitale instrumenten en AI workflows in de juridische sector herschikken. Veel bedrijven zien een afname van de vraag naar traditionele juridische diensten, voornamelijk vanwege de automatisering van routine-operaties. Dit geldt zowel voor kleine organisaties als voor grote ondernemingen, terwijl de financiële sector, met name banken, nieuwe technologieën nog steeds behoudend aanneemt.

Het is echter essentieel om een onderscheid te maken tussen de juridische praktijk en het juridische systeem. In rechtszaken, waarin een advocaat de belangen van een cliënt vertegenwoordigt en verdedigt, blijft de rol van de mens essentieel. Ondanks experimenten met het gebruik van AI in de juridische praktijk, zullen mensen voorlopig nog steeds beslissingen nemen en juridische argumenten in de rechtszaal construeren, tenminste voor de komende decennia.

De situatie is geheel anders in het bedrijfsrecht. Bijna elke bedrijfsoperatie omvat juridische documentatie, van niet-onthullingsverklaringen en basiscontracten tot projectdocumentatie. Vroeger vergde het opstellen en goedkeuren van deze contracten veel tijd en meerdere ronden van commentaar van juridische teams van beide partijen.

Vandaag de dag worden deze processen steeds meer geoptimaliseerd met AI-instrumenten en LLM’s. AI helpt bij het snel identificeren van omstreden of gevoelige clausules, het voorstellen van revisies en het waarborgen dat documenten voldoen aan de interne vereisten van een onderneming. Als gevolg daarvan wordt de goedkeuringscyclus aanzienlijk verkort en verschuift de rol van de advocaat naar toezicht, strategische risicobeoordeling en definitieve besluitvorming.

Soortgelijke veranderingen vinden plaats in de financiële sector. Bij taken zoals belastingen en financiële rapportage, die worden beheerst door strikte regels en voorschriften, heeft AI zich bijzonder effectief bewezen. Veel bedrijven gebruiken al dergelijke oplossingen om berekeningen te automatiseren, rapporten op te stellen en operationele nauwkeurigheid te verbeteren.

Uiteindelijk vervangt technologie specialisten niet zozeer, maar verandert de aard van hun werk: routine-operaties worden geautomatiseerd, terwijl de focus verschuift naar analytische, manageriële en strategische taken waarbij menselijke expertise nog steeds cruciaal belangrijk is. Ik heb dit heel duidelijk gezien in 2025 bij Keymakr-aanvragen: we zagen een aanzienlijk aantal verzoeken met betrekking tot datasystemen in de financiële en juridische industrie.

Als we vooruitkijken naar 2026, zullen alle deterministische processen geleidelijk overgaan naar agentic AI-systemen. Met deterministisch bedoel ik taken die worden beheerst door strikte regels: wetten, voorschriften, financiële procedures en compliance. In deze context zal de volgende logische richting van ontwikkeling cybersecurity zijn.

Cybersecurity als de keerzijde van AI-automatisering

Naarmate de hoeveelheid beschikbare gegevens toeneemt en actiever tussen systemen circuleert, neemt het risiconiveau onvermijdelijk toe. Terwijl informatie lokaal en geïsoleerd wordt opgeslagen, is het relatief beschermd. Maar zodra er een continue gegevensuitwisseling tussen databases, AI-modellen en -agenten begint, breidt het aanvalsoppervlak scherp uit.

Moderne AI-systemen vereisen continue toegang tot gegevens. Om agent-systemen te laten functioneren en om AI-modellen informatie te laten analyseren en beslissingen te nemen, moeten gegevens regelmatig worden uitgelezen uit interne repositories en overgebracht naar externe berekeningsomgevingen. Op dat moment rijst een kritische vraag: wie kan precies een potentiële kwetsbaarheid exploiteren: het bedrijf zelf of de derde partij AI-aanbieder wiens infrastructuur het afhankelijk is?

Als een grote aanbieder een kwetsbaarheid heeft, kan een aanvaller toegang krijgen niet alleen tot zijn systemen, maar ook tot de gegevens van talloze klantbedrijven. Zonder deze externe afhankelijkheid zou deze aanvalsvector mogelijk niet bestaan.

Daarom breidt de adoptie van AI het perimeter van cyber-risico’s aanzienlijk uit. Dit creëert kansen voor zowel gerichte aanvallen als een breed spectrum van actoren die werken met kwetsbaarheden, van kwaadwillige actoren tot beveiligingsspecialisten en proactieve verdedigingsteams.

Al deze processen zijn met elkaar verbonden: de groei van AI-automatisering verhoogt onvermijdelijk de cybersecurity-eisen, wat op zijn beurt de opkomst van nieuwe oplossingen en bedrijven stimuleert. We zien al een golf van startups die instrumenten ontwikkelen om AI-infrastructuur te beschermen, gegevenstoegang te beheren en risico’s te monitoren.

Waar gaan we in 2026 heen?

De consolidatie van grote AI/LLM-aanbieders, in combinatie met steeds toegankelijker systemen met een focus op cybersecurity en de mogelijkheid om agentic beslissingen te nemen, schetst een beeld. We verwachten minder hype en meer praktische oplossingen uit de industrie – het overnemen van routine-taken en het automatiseren van hele sectoren van ondernemingsbesluitvorming.

De regel is: als het mogelijk is om strikte regels en beste praktijken te begrijpen en te bepalen, kunnen AI-agents het afhandelen. Nu we begrijpen waar deze technologie werkelijk goed in is, zullen bedrijven de utiliteit ervan steeds meer maximaliseren over verschillende verticale markten.