← Terug naar blog
AI Agents

Van pilot naar productie: de drie factoren die bepalen of je AI-agent ooit zijn geld terugverdient

Door Zarioh Digital Solutions4 min leestijd
Delen

Onderzoek onder ruim tweeduizend beslissers in twintig landen laat zien wat agents die wel productie halen anders doen dan de rest. Geen betere modellen, maar schone data op het juiste moment, een smalle taak en een escalatiepad dat al bestond voor de lancering.

Bijna elke organisatie heeft tegenwoordig wel een AI-agent draaien, of in elk geval een pilot. Een assistent die facturen controleert, een bot die supporttickets voorsorteert, een systeem dat bestellingen verwerkt zonder dat iemand er nog naar hoeft te kijken. Het enthousiasme is groot en de budgetten groeien mee. Toch wijst onderzoek uit de afgelopen maanden telkens op hetzelfde ongemakkelijke patroon: het grootste deel van die pilots haalt de productiefase nooit. Ze draaien een paar weken, leveren een demo op voor de directie, en verdwijnen daarna stilletjes van de agenda.

Wat 'productie' eigenlijk betekent

Het verschil tussen een pilot en productie is groter dan de meeste organisaties denken. Een pilot draait op een geselecteerde dataset, met een paar testgebruikers, en iemand uit het projectteam staat klaar om in te grijpen zodra er iets misgaat. Productie betekent dat de agent draait op echte data, met echte klanten of medewerkers, en dat afwijkingen worden afgehandeld zonder dat er iemand naast staat te kijken. Dat laatste blijkt de bottleneck. Zolang een agent alleen werkt onder toezicht van degene die hem heeft gebouwd, zegt een succesvolle pilot weinig over wat er gebeurt zodra die persoon op vakantie is.

Wat het onderzoek laat zien

Adviesbureau Gartner voorspelt dat meer dan veertig procent van de huidige agentic AI-projecten voor 2027 alsnog wordt geschrapt, nog voordat ze iets structureels hebben opgeleverd. Ander onderzoek uit 2026 bevestigt het beeld vanuit een andere hoek: bijna elke organisatie zet inmiddels AI-agents in, maar een veel kleiner deel gebruikt ze daadwerkelijk op schaal in het dagelijkse proces. De precieze cijfers lopen uiteen per onderzoek en methode, maar de richting is steeds dezelfde.

Salesforce peilde in mei 2026 ruim tweeduizend beslissers over agentic AI in twintig landen, en vroeg specifiek wat het verschil maakte tussen agents die wel en niet verder kwamen dan de testfase. Schone data op het moment dat de agent handelt en een smal afgebakende taak kwamen allebei naar voren als belangrijkste factor, elk genoemd door zesendertig procent van de respondenten. Een escalatiepad dat al bestond vóórdat de agent live ging, volgde met vijfendertig procent. Geen van de drie factoren gaat over het AI-model zelf.

Factor een: schone data op het juiste moment

De meeste organisaties denken bij 'schone data' aan een volledig opgeruimd datalandschap, en schrikken daarvan terug omdat zo'n project nooit af is. Dat is niet wat succesvolle implementaties doen. Zij zorgen dat de data die de agent nodig heeft op het moment van handelen correct en toegankelijk is, niet dat alle data in de organisatie ooit samenkomt in één schoon systeem. Een agent die facturen controleert, heeft actuele crediteurgegevens nodig op het moment van controle, niet een perfect gestructureerd overzicht van de volledige inkoophistorie.

Factor twee: een smalle taak in plaats van een brede belofte

De agents die het wel redden, doen opvallend weinig. Ze controleren één type formulier, beantwoorden één categorie vragen, of verwerken één stap in een proces. De agents die stranden, krijgen vaak een brede opdracht mee, zoals 'regel de klantenservice' of 'automatiseer de inkoop'. Een smalle taak is makkelijker te testen, makkelijker uit te leggen aan de mensen die ermee werken, en makkelijker terug te draaien als er iets misgaat. Een brede belofte klinkt aantrekkelijker in een verkoopgesprek, maar is in de praktijk vrijwel nooit wat daadwerkelijk wordt opgeleverd.

Factor drie: het escalatiepad bestond al voor de lancering

Elke agent stuit vroeg of laat op een situatie waar hij niet voor gebouwd is. Een factuur die net buiten het bekende patroon valt, een klant met een vraag die niet in de categorieën past, een order met een afwijking die niemand had voorzien. Wat er dan gebeurt, bepaalt of gebruikers de agent blijven vertrouwen. Organisaties die vooraf hebben vastgelegd naar wie en hoe een uitzondering wordt doorgezet, houden die agent overeind. Organisaties die dat achteraf verzinnen, zien gebruikers binnen een paar weken om de agent heen werken, en dan is het project feitelijk al voorbij, ook al staat het nog aan.

Plan op maanden, niet op weken

Een agent die goed is opgezet, levert niet binnen een paar weken meetbaar rendement op. Uit hetzelfde onderzoek komt een gemiddelde doorlooptijd van ongeveer acht maanden naar voren voordat organisaties spreken van zichtbare, meetbare winst. Organisaties die vooraf kiezen voor een beperkt aantal governance-afspraken, zoals wie de agent mag aanpassen en hoe fouten worden gelogd, breiden dat aantal na livegang vrijwel altijd uit. Dat is geen falen. Het is precies hoe het hoort te gaan: een agent die eenmaal draait, laat zien waar de regels nog scherper moeten.

Voor een ondernemer of operationeel manager die een AI-agent overweegt, is de praktische les simpel: begin kleiner dan je zou willen, regel vooraf wie ingrijpt als het misgaat, en reken in maanden in plaats van weken. Dat is minder spannend dan de brede belofte uit een verkooppresentatie, maar het is wel het verschil tussen een agent die over een jaar nog draait en een pilot die niemand zich meer herinnert. Wil je een AI-agent scopen, de juiste data op orde krijgen of een escalatiepad inrichten voordat je live gaat? Zarioh denkt mee over wat een agent in jouw organisatie concreet moet doen, en wat ervoor nodig is om dat vol te houden.

Was dit artikel nuttig?

Z

Zarioh Digital Solutions

IT-specialisten uit Utrecht. Wij helpen bedrijven door heel Nederland met Microsoft 365, AI agents, hosting en telefonie, en delen hier wekelijks wat we in de praktijk tegenkomen. Volg ons op LinkedIn

Nieuwsbrief

Laatste tech nieuws

Ontvang nieuwe artikelen direct in je inbox.

Geen spam. Afmelden kan altijd.

Lees ook

← Terug naar alle artikelen
Delen