AI-agenten schalen pas als je ze bestuurt als digitale collega's

Inleiding

Veel organisaties stellen nog steeds de verkeerde eerste vraag over agentische AI.

Ze vragen welke agent ze moeten testen.

De betere vraag is: welke rol, rechten, grenzen, kosten en eigenaar krijgt die agent zodra hij niet alleen een taak ondersteunt, maar echt werk gaat verzetten in een proces?

Dat verschil lijkt klein, maar het is strategisch groot. De AI-discussie verschuift deze zomer namelijk van hulpmiddelen naar digitale collega's. Niet omdat mensen verdwijnen, maar omdat software steeds vaker meeplant, meezoekt, meeschakelt tussen systemen en soms ook zelfstandig een volgende stap zet.

Precies daar ontstaat de nieuwe managementopgave.

PwC zette die op 17 juli 2026 opvallend scherp neer. Hun stelling: AI-agenten bewegen van assistive tools naar workforce counterparts. Dat is meer dan een nieuwe term. Het betekent dat organisaties agenten niet langer alleen als softwarefunctie kunnen zien, maar als operationele spelers met toegang, mandaat, logging, onderhoud en toezicht.

Voor ondernemers en managementteams is dat goed nieuws en slecht nieuws tegelijk.

Het goede nieuws: als agenten echt bruikbaar worden over meerdere stappen in een workflow heen, kunnen ze coördinatiewerk, informatiejacht en wachttijd fors terugdringen.

Het lastige nieuws: dan moet je ze ook besturen alsof ze gevolgen hebben.

Van copilots naar digitale collega's

In de copilootfase is AI relatief overzichtelijk. Een medewerker vraagt om een samenvatting, een conceptmail of een eerste analyse. De mens blijft duidelijk aan het stuur en het risico blijft lokaal.

Bij agenten verandert dat speelveld. Dan gaat software niet alleen antwoorden geven, maar ook informatie ophalen, systemen aanroepen, taken doorzetten, uitzonderingen herkennen en acties voorstellen of uitvoeren.

PwC noemt daarom vier basisvoorwaarden die snel standaard gaan worden: elke agent heeft een verifieerbare identiteit nodig, een duidelijk afgebakende rol, taakgerichte rechten en een controleerbaar activiteitenlogboek. Bovendien moet menselijk toezicht toenemen naarmate de autonomie en impact toenemen.

Dat klinkt technisch, maar het is in essentie gewoon management.

Je zou immers ook geen medewerker aannemen zonder functiebeschrijving, toegangsrechten, leidinggevende en heldere grenzen. Toch gebeurt dat bij AI-projecten nog verrassend vaak wel. Dan krijgt een team een agentplatform, bouwt een paar slimme workflows en ontdekt pas later dat niemand precies weet welke agent waar toegang toe heeft, wie hem onderhoudt, hoe kosten oplopen of wanneer een mens moet ingrijpen.

Schaal strandt meestal niet op ambitie, maar op wildgroei

De echte uitdaging begint dus niet bij de eerste demo, maar bij de tweede en derde golf van uitrol.

Deloitte schreef op 7 juli 2026 niet voor niets: design for scale from day one. Hun boodschap is helder. Agentische AI van pilot naar productie brengen vraagt niet alleen betere modellen, maar governance, data-architectuur en operating models voordat de wildgroei begint.

BCG trok die lijn op 14 juli nog steviger door. Daar waarschuwt het bureau voor wildgroei van agenten vanuit bedrijfsonderdelen: tientallen of honderden agenten die lokaal logisch lijken, maar samen een onbestuurbaar landschap vormen. Voeg daar technische schuld aan toe en een organisatie krijgt precies wat ze dacht te vermijden: meer complexiteit in plaats van minder.

Daarom hamert BCG op een schaalbare AI-backbone. Niet als modieuze architectuurtaal, maar als praktische noodzaak. Als agenten zich snel vermenigvuldigen, moeten platformdiensten, toelatingspaden, doorlopend onderhoud en service management meegroeien. Anders wordt elke nieuwe agent een apart eiland met eigen risico's, eigen kosten en eigen uitzonderingen.

Ook het BCG-stuk van 20 juli 2026 over gereguleerde sectoren is breder toepasbaar dan de titel doet vermoeden. Daar is de kern dat een gedeeld platform met centrale standaarden, orkestratie, monitoring, guardrails en knowledge management geen rem op innovatie is, maar juist de voorwaarde om sneller te schalen zonder bestuurlijke chaos.

Met andere woorden: een los experiment is goedkoop, een ongecontroleerde agentenvloot wordt duur.

Kosten zijn geen detail meer

Dat laatste zie je ook terug in de economische signalen.

KPMG meldde op 24 juni 2026 dat de uitrol van agenten in hun kwartaalmeting boven de 50 procent blijft. Belangrijker nog: het aandeel organisaties dat meerdere agenten over workflows heen orkestreert, verdubbelde van 9 naar 18 procent. Dat wijst op een duidelijke verschuiving van losse inzet naar enterprise-gebruik.

Maar tegelijk zegt slechts 26 procent realtime zicht te hebben op wat AI op schaal werkelijk kost.

Dat is een waarschuwingssignaal.

McKinsey schreef op 13 juli 2026 dat 93 procent van de respondenten in hun Enterprise AI FinOps Survey het AI-budget overschrijdt. Een vijfde van de deelnemers aan hun destijds nog te verschijnen State of AI-survey zegt zelfs AI-gebruik te beperken door operationele kosten. De belangrijkste les uit dat stuk is misschien wel de simpelste: tokens zijn niet de waarde, tokens zijn de rekening.

Voor directies betekent dat dat agentische AI niet alleen een innovatievraag is, maar ook een finance-vraag. Elke agent die over meerdere systemen beweegt, consumeert niet alleen tokens, maar ook governance-aandacht, data-infrastructuur, observability, onderhoud en soms menselijke review.

Wie die kosten pas achteraf probeert te begrijpen, is te laat.

De organisatie moet meeveranderen

Daarmee zijn we bij een tweede misverstand: dat agentische AI vooral een CIO-dossier zou zijn.

PwC schreef op 8 juli 2026 dat veel bedrijven technologisch verder zijn dan organisatorisch. Hun scherpe punt: de grootste AI-kans ligt niet primair in kostenreductie, maar in het herontwerpen van rollen, teams en operating models zodat mensen en AI samen nieuwe groei kunnen maken.

Dat sluit direct aan op McKinseys artikel van 24 juli over FP&A. Daar laten zij zien dat AI-agenten continue planning op schaal realistischer maken, waardoor organisaties eerder risico's zien en sneller kunnen bijsturen. In hun voorbeeld draait forecasting bij een telecombedrijf drie keer sneller dan twee jaar eerder. Maar de echte waarde zat niet in snellere rapportage alleen. McKinsey benadrukt dat volledige werkprocessen, rollen, governance, data-eigenaarschap en werkafspraken opnieuw moeten worden ingericht.

Dat is precies de bestuurlijke les.

AI-agenten leveren pas serieuze bedrijfswaarde op als de organisatie expliciet besluit:

• Waar agenten alleen lezen.
• Waar zij aanbevelen.
• Waar zij mogen handelen.
• Waar menselijk akkoord verplicht blijft.
• En welke capaciteit die verschuiving vrijmaakt voor zwaarder werk.

Zonder die keuzes krijg je vooral digitale drukte.

Vijf vragen die leiders nu moeten stellen

Daaruit volgen vijf praktische bestuursvragen.

1. Welk functieoverstijgend proces verdient als eerste een ontwerp met AI-agenten?

Kies geen gimmick, maar een workflow waar wachttijd, overdracht en coördinatielast pijn doen. Denk aan forecasting, offerte-opvolging, service-escalaties, procurement of projectsturing.

2. Heeft elke agent een eigenaar, identiteit en rechtenprofiel?

Als niemand precies kan aanwijzen wie verantwoordelijk is voor gedrag, toegang, onderhoud en stopzetten, is het geen schaalbaar bedrijfsinstrument.

3. Waar ligt de grens tussen adviseren en handelen?

Niet elke agent hoeft autonoom te zijn. Vaak ontstaat de meeste waarde al wanneer agenten voorbereiden, controleren en escaleren, terwijl mensen het eindoordeel houden.

4. Is er al financieel zicht op waarde per workflow?

Meet niet alleen gebruik, maar ook doorlooptijd, foutreductie, escalaties, vrijgespeelde uren en sneller genomen besluiten. Anders stuur je op activiteit in plaats van op uitkomst.

5. Wat doen we met de vrijgekomen menselijke capaciteit?

De beste organisaties gebruiken het AI-dividend niet alleen om werk weg te snijden, maar om teams meer tijd te geven voor klantcontact, analyse, commerciële follow-up, risicobeoordeling en innovatie.

De winnaars krijgen niet de meeste agenten, maar de best bestuurde

De hype rond agentische AI verleidt tot snelheid. Dat is begrijpelijk. De tools worden beter, leveranciers voeren de druk op en de eerste use cases lijken tastbaarder dan veel bestuurders een halfjaar geleden verwachtten.

Maar juist daarom wordt governance nu een groeionderwerp in plaats van een remmend onderwerp.

De bedrijven die de komende twaalf maanden het meeste uit agenten halen, zullen waarschijnlijk niet de organisaties zijn met de langste lijst pilots. Het worden eerder de organisaties die hun digitale collega's serieus nemen: met een gedeeld platform, duidelijke mandaten, echte kostensturing, expliciet menselijk toezicht en herontwerp van werk.

Dat is minder spectaculair dan praten over volledig autonome bedrijven.

Het is ook veel bruikbaarder.

Want voor de meeste organisaties ligt de echte kans niet in sciencefiction, maar in iets concreters: minder coördinatieruis, snellere besluitvorming, beter zicht op waarde en een organisatie waarin mensen meer tijd overhouden voor oordeel, relaties en uitzonderingen.

AI-agenten schalen dus niet omdat ze slim zijn.

Ze schalen als het bedrijf eromheen slim genoeg is.