Agentic AI: Maak het schaalbaar of bereid je voor op falen

Deze pagina maakt deel uit van Een leidraad voor de C-suite om het AI-potentieel maximaal te benutten.

Nu agentic AI van hype naar praktische realiteit gaat, vragen organisaties consultants om hen te helpen de stap te maken van geïsoleerde proof‑of‑concepts naar bedrijfsbrede agentic AI‑systemen die meetbare bedrijfswaarde opleveren. AI opschalen is ingewikkelder dan het lijkt. Het vraagt nieuwe werkwijzen, betrokken mensen, veilige omgang met data en helder eigenaarschap — plus inzicht in de impact op de organisatie, niet alleen de technologie en brondata.

Wat opschalen betekent en hoe het meetbare waarde oplevert

Het opschalen van AI vereist een fundamentele verschuiving in de volwassenheid van de organisatie. Het gaat verder dan het inzetten van nieuwe modellen of agents of zelfs het uitbreiden van use cases. Het is een transformatieproces dat geïsoleerde pilots omzet in oplossingen die op bedrijfsniveau op een betrouwbare en veilige manier worden gebruikt.

Het opschalen van agentic AI creëert waarde op twee manieren:

• Het rendement op investering stijgt, terwijl de kosten per eenheid productie dalen. Naarmate meer medewerkers toegang krijgen tot de oplossing en extra systemen worden geautomatiseerd, worden de initiële winsten uit de pilotfase vermenigvuldigd en wordt de investering in de oplossingsontwikkeling verder verspreid.
• Opgeschaalde systemen omvatten de volledige integratie van data, waardoor organisaties cross-domain processen kunnen aanpakken. AI-agents sturen complexe meerstaps- en voorwaardelijke workflows van begin tot eind binnen kernprocessen aan, wat leidt tot concurrentievoordeel en steeds grotere waarde.
  

Vijf veelvoorkomende barrières voor het opschalen van agentic AI

Vijf onderling verbonden barrières staan tussen organisaties en de opgeschaalde implementatie van agentic AI, zoals weergegeven in figuur 1.

^{Figuur 1: vijf onderling verbonden barrières die de implementatie van geschaalde agentic AI in de weg staan}

Hoewel 74% van de bedrijven van plan is agentic AI in te zetten, heeft slechts 21% een voldoende volwassen governancemodel om dat te doen: de meeste bedrijven missen het eigendom, de richtlijnen en processen die nodig zijn om de obstakels in figuur 1 aan te pakken.

Naarmate AI van experimenteren naar productie gaat, neemt de negatieve impact van ondervoorbereiding toe – kostenbeheersing blijven achter, terwijl de legal en reputatiegevolgen toenemen. Bovendien beïnvloedt een rimpelingseffect al deze pijlers tegelijk. Het toevoegen van een AI‑agent aan bestaande systemen (brownfield‑integratie) vraagt om een duidelijke strategie die governance‑gaps opspoort en nagaat of de benodigde data aanwezig is. Als er geen duidelijke strategie is, schieten AI‑guardrails tekort en stijgt het risico op fouten of misbruik. De organisatie kan ook extra inspanningen en kosten maken om de nieuwe oplossing operationeel te maken vanwege onvoorziene blokkades.

Naast de AI-gerelateerde beveiligingsrisico's (prompt injectie, datavergiftiging, social engineering, modeldiefstal, enz.), die worden versterkt door een mogelijke tegenreactie op de technologie, is er de diepere vraag naar verantwoordelijkheid: wie is verantwoordelijk wanneer een AI-agent schade veroorzaakt, bijvoorbeeld door een productiedatabase te verwijderen? Omdat de technologie sneller evolueert dan regelgeving, moeten organisaties een complex compliancelandschap beoordelen en hun governancekaders aanpassen voordat ze opschalen.

Voor elke barrière moeten verschillende elementen worden overwogen: de geschiktheid van de architectuur, data- en operationele modellen, evenals de risico’s zoals leveranciersafhankelijkheid (vendor lock‑in) en integratieproblemen.

Hoewel de barrières voor het opschalen van agentic AI reëel en aanzienlijk zijn, zijn ze niet onoverkomelijk. Door deze uitdagingen vroeg en strategisch aan te pakken, kunnen organisaties ze overwinnen. Deloitte hielp bijvoorbeeld een wereldwijd farmaceutisch bedrijf bij het ontwikkelen van een speciaal AI-agentplatform om go-to-marketprocessen over bedrijfsdomeinen heen te verbeteren, gebaseerd op een vooraf gedefinieerde schaalstrategie.

Strategieën ter ondersteuning van agentic AI-schaal

AI kan worden gebruikt om processen te ondersteunen, aan te vullen en uiteindelijk te automatiseren, zoals te zien is in figuur 2. Organisaties beginnen doorgaans met het inzetten van de technologie om de productiviteit te verhogen (assist) en vervolgens voor taakoptimalisatie (augment), voordat ze uiteindelijk processen end-to-end automatiseren. In elk geval moet er aan het begin van de proof-of-conceptfase een duidelijke set capaciteiten en schaalstrategie aanwezig zijn.

^{Figuur 2. Strategieën om agentic AI op te schalen}

Assisteer: individuele productiviteit verbeteren

Sommige AI-oplossingen zijn ontworpen om direct de vaardigheden van medewerkers te verbeteren: denk aan AI-chattools, zoals Microsoft Copilot of Deloitte Headstart. Ze vereisen het vertrouwen van medewerkers en een veilige, ondernemingsbrede omgeving (bijvoorbeeld zonder oordeel en quota voor AI-gebruik) waarin medewerkers deze tools kunnen gebruiken.

Zoals te zien in figuur 2 vereist het opschalen van deze oplossingen voor het brede bedrijf een heroverweging van kaders, vangrails en werkwijzen om risico's te beperken, naleving van interne en externe regelgeving te waarborgen en medewerkers te ondersteunen tijdens de overgang.

Zodra deze tools zijn opgeschaald, worden medewerkers productiever, terwijl ze controle en vertrouwen behouden. De organisatie bouwt een fundament van AI-geletterdheid en zelfvertrouwen dat het opschalen van complexere oplossingen kan ondersteunen.

Augmenteer: taken optimaliseren met menselijk toezicht

AI kan worden geïntegreerd in goed gedefinieerde taken en rollen, waarbij specifieke workflows worden geautomatiseerd met duidelijke, meetbare resultaten, terwijl menselijke controle behouden blijft. Claude Code en GitHub Copilot kunnen bijvoorbeeld worden gebruikt om delen van de coderings- en reviewprocessen te automatiseren om de levering van software te versnellen.

Het opschalen van deze oplossingen binnen een organisatie vereist aanzienlijke aanpassingen van de architectuurkaders van het bedrijf (inclusief uitgebreide monitoring) en databeheer. Bestaande frameworks moeten zo vroeg mogelijk worden aangepast om te voorkomen dat een schaalproces vastloopt door een verkeerd uitgelijnde setup.

Eenmaal op schaal maken augmentatieoplossingen specifieke bedrijfsprocessen efficiënter. De organisatie wint operationele efficiëntie, terwijl zij verantwoordelijkheid behoudt.

Automatiseer: agents behandelen meerstaps- en domeinoverstijgende workflows

AI-agents kunnen complexe, meerstapsworkflows implementeren die domeinen overspannen en realtime besluitvorming vereisen. Zo hielp Deloitte een wereldwijd zorgbedrijf om meerdere processen te herontwerpen zodat ze werden aangestuurd door agentic AI, waarmee geschaalde automatisering van de inkooplevenscyclus werd ondersteund.

Om op te schalen moeten agentic systemen met elkaar coördineren om complexe bedrijfsprocessen aan te pakken. Dat vereist een herontwerp van de bedrijfsarchitectuur, kaders en processen rond databeheer, systeemorkestratie en -richtlijnen, agentcommunicatie en monitoring, die geïdentificeerd en geprioriteerd moeten worden tijdens de proof-of-conceptfase. Het doel is om operationele grenzen te definiëren (bijvoorbeeld welke tools de agent kan gebruiken, welke transacties zijn toegestaan), het waarborgen van observeerbaarheid en auditbaarheid van de agent (via telemetrie, logs, alerts), terwijl de ontwikkel- en herbruikbaarheid wordt gemaximaliseerd (bijv. technische en bestuurlijke bouwstenen).

Eenmaal geïmplementeerd kunnen agents routinebeslissingen en workflows autonoom overzien, en escaleren ze alleen wanneer menselijk oordeel vereist is. De organisatie wint snelheid, efficiëntie en het vermogen om complexe, domeinoverstijgende problemen aan te pakken die voorheen onmogelijk te automatiseren waren.

Volgende stappen: ontwerp governance, data-architectuur en operationele modellen

Het opschalen van agentic AI is een strategische reis die bewust ontwerp, organisatorische afstemming en systemisch denken vereist. Het maken van duidelijke keuzes over waar AI wordt ingezet en opgeschaald, is een strategisch gesprek dat verder gaat dan technologie.

Wat telt is starten met intentie: ontwerp vanaf dag één voor schaal, denk na over governance, data-architectuur en operationele modellen voordat je ze inzet, houd rekening met kosten en duurzaamheid, en behandel agentic AI als een initiatief voor bedrijfstransformatie.