Elke AI leverancier verkoopt sinds vorig jaar agents. Elke productdemo eindigt met een autonome workflow. En elke directeur van een MKB bedrijf dat ik spreek loopt daar tegen dezelfde vraag aan: wat moet ik hier eigenlijk van vinden voordat mijn team ermee aan de slag gaat. Dit stuk gaat niet over hoe je een AI agent bouwt. Dat is een technische vraag en daar zijn al artikelen genoeg over. Dit stuk gaat over de vijf strategische keuzes die een directeur móet maken voordat zijn organisatie er tijd of geld in steekt.
Als die keuzes helder zijn werkt agentic AI verbazend goed. Als ze niet helder zijn krijg je precies het soort AI project dat over een jaar stilletjes wordt afgeblazen. Het verschil zit zelden in de technologie en bijna altijd in de beslissingen die er niet boven hangen.
Wat een agent écht is, in dertig seconden
Een AI agent is een taalmodel dat niet alleen antwoordt, maar ook handelt. Hij kan systemen raadplegen, mails versturen, tickets aanmaken, stappen in een proces doorlopen en terugrapporteren. Dat is wat hem anders maakt dan een chatbot. Een agent is niet magisch en hij is niet autonoom. Hij is een medewerker die onvermoeibaar doet wat je hem vertelt, niets meer en niets minder. En dat maakt de beslissingen eromheen juist zo belangrijk.
Vijf strategische keuzes
1. Welke beslissing geef je uit handen
Dit is de belangrijkste vraag en de meeste projecten slaan hem over. Een agent die alleen voorstelt is heel anders dan een agent die uitvoert. Een agent die routinewerk doet is heel anders dan een agent die met klanten communiceert. Welke beslissingen wil je dat een agent zelf neemt, waar wil je mensen tussen zetten, en waar is menselijke controle niet onderhandelbaar. Als je die drie lagen niet expliciet maakt, neemt het systeem die beslissingen voor je.
2. Hoeveel autonomie mag het hebben
Agents bestaan op een schaal. Aan de ene kant staat "stelt voor, mens bevestigt". Aan de andere kant staat "doet het en meldt het achteraf". Die keuze is geen technische knop, het is een bedrijfsbesluit. Hij raakt aansprakelijkheid, werksfeer, klantbeleving en de tolerantie voor fouten. Begin vrijwel altijd aan de voorzichtige kant, en schuif pas op als je zeker weet dat het systeem betrouwbaar doet wat je wilt.
3. Wie is verantwoordelijk als het fout gaat
Als een agent een verkeerd bericht naar een klant stuurt, wie krijgt er dan een telefoontje. Als hij een verkeerde factuur verwerkt, wie repareert dat. Als hij een compliance fout maakt, wie is dan aansprakelijk. Je wilt die vragen vooraf beantwoord hebben, niet op de dag dat het gebeurt. Directeuren die dit serieus nemen benoemen een eigenaar per agent, net zoals je dat voor een systeem of een proces zou doen. Geen eigenaar, geen agent.
4. Op welke data draait het
Een agent is zo slim als de informatie waar hij toegang toe heeft. Dat klinkt logisch, maar het heeft harde consequenties. Welke systemen mag hij uitlezen, welke data mag hij schrijven, wat is het beveiligingsniveau, en wat gebeurt er met de logging. Bij veel MKB bedrijven zit de grootste winst niet in het bouwen van de agent maar in het ontsluiten van de juiste data op een verantwoorde manier. Die voorbereiding is geen oponthoud, het is de halve opdracht.
5. Hoe meet je dat het werkt
Dit is waar de meeste AI projecten stranden. "Het lijkt goed te werken" is geen meting. Voordat je een agent in productie zet wil je weten hoe je succes gaat tellen. Aantal afgehandelde gevallen, doorlooptijd, foutenpercentage, klanttevredenheid, of de tijd die het bespaart. Je wilt ook weten hoe je een fout herkent voordat een klant het doet. Als je dat niet vooraf inricht, leef je op anekdotes en wordt elke discussie over de agent een mening in plaats van een beslissing.
Wie agentic AI ziet als een technische keuze bouwt iets wat binnen een jaar verdwijnt. Wie het ziet als een reeks strategische keuzes bouwt iets wat in zijn organisatie blijft.
De directeuren die wél slagen
In de praktijk zijn de MKB directeuren die agentic AI succesvol inzetten zelden de technisch geschoolden. Het zijn de directeuren die deze vijf vragen scherp stellen voordat een regel code wordt geschreven. Ze vragen niet "wat kan de technologie" maar "wat mag het in mijn bedrijf doen". Ze zetten grenzen vooraf en verruimen die pas als ze bewijs zien. En ze accepteren dat het eerste AI project niet gigantisch hoeft te zijn, zolang het maar iets oplost waar een team elke dag last van heeft.
Dat is ook hoe wij bij Currentic deze gesprekken voeren. Niet vanuit een tool, maar vanuit de vijf vragen hierboven. Pas als die helder zijn, gaat een AI Sprint van start. Zo voorkom je dat je iets bouwt waar achteraf niemand eigenaar van wil zijn.
Wat nu?
Agentic AI is niet het domein van de IT afdeling en het is geen onderwerp voor een losse innovatieagenda. Het raakt aansprakelijkheid, werkgeverschap, klantbeleving en interne autoriteit. Dat is precies waarom het een directiebeslissing is en geen knopje op een softwaredemo. De vraag is niet wie de beste agent bouwt. De vraag is wie er als eerste durft te bepalen welke beslissingen hij zijn organisatie uit handen geeft. Dat is de bocht van stilstand naar stroming, en daar begint elke serieuze agentic AI aanpak.