Voor de meeste ondernemers is AI nog steeds een slimme vraagbaak. Je typt een vraag, je krijgt een antwoord, en wat je met dat antwoord doet blijft jouw werk. Nuttig, maar in de kern niet anders dan een zoekmachine met betere manieren. De verschuiving die nu gaande is, gaat een stap verder. Ze heet agentische AI, en ze raakt precies het soort werk waar een projectorganisatie veel tijd in stopt.
Die verschuiving is de overgang van een assistent die antwoordt naar een agent die werk verzet. Het verschil is niet groter geheugen of vlottere taal. Het is dat een agent een doel krijgt en daar zelfstandig stappen voor zet. Niet “leg me uit hoe ik dit zou kunnen plannen”, maar “maak een voorstel voor deze planning en houd rekening met de bezetting”. De AI antwoordt dan niet alleen, ze doet iets, en jij beoordeelt de uitkomst.
Kort gezegd: agentische AI krijgt een doel en zet daar zelf stappen voor, in plaats van alleen antwoord te geven. Voor een projectbedrijf zit de waarde in het voorbereidende werk: planningen, dossiers, verslagen. De mens houdt het oordeel, de agent doet het handwerk eronder.
Meer dan een modegril
Dat dit meer is dan een modegril, blijkt uit de plek die het inneemt bij de analisten. Gartner riep agentische AI uit tot een van de belangrijkste strategische technologietrends. Het bureau verwacht dat tegen 2028 minstens 15% van de dagelijkse werkbeslissingen autonoom door zulke systemen wordt genomen, tegen 0% in 2024. Veelzeggend is dat Gartner er in dezelfde adem bij zegt dat dit strikte kaders en governance vereist. Precies het punt waar ik zo op terugkom.
Het is niet alleen een voorspelling van analisten. Het AI Index-rapport van Stanford HAI laat empirisch zien hoe snel AI van het lab naar de dagelijkse praktijk verschuift. Agenten kunnen in bepaalde taken, zoals programmeren binnen een krappe tijd, mensen inmiddels evenaren. De richting is dus meetbaar, niet slechts beloofd.
Waarom agentische AI juist voor projectbedrijven interessant is
Bedenk hoeveel werk in een projectorganisatie bestaat uit het toepassen van bekende regels op een nieuwe situatie. Denk aan een planning die rekening houdt met beschikbaarheid en volgorde. Of aan een berg documenten die je doorzoekt op die ene afspraak. Aan een lange mailwisseling die terug moet naar de kern. En aan een concept dat je daarna zelf aanscherpt. Het is werk dat oordeel vraagt, maar dat voor een groot deel uit voorspelbare, herhaalbare stappen bestaat.
Dat is precies waar een agent van waarde is. Niet bij de creatieve of strategische keuze, die blijft van jou. Wel bij het voorbereidende werk eromheen. Een consultant typt zijn gespreksverslag niet meer zelf uit; hij laat het opstellen en corrigeert alleen nog. De projectleider legt niet handmatig een planning, maar krijgt een doordacht voorstel om op voort te bouwen. En een ingenieur doorspit een dossier niet meer, hij bevraagt het. In al die gevallen verschuift de mens van uitvoeren naar beoordelen. Daar is zijn tijd het meest waard.
Het sluit ook aan op de stap die we eerder beschreven in AI in projectorganisaties: van experiment naar bedrijfswaarde. Dit is de volgende trede op diezelfde ladder.
De nuchtere grens die je moet bewaken
Nu is het verleidelijk om hier in euforie te vervallen. Dat is precies wat ik niet ga doen. Een agent die werk verzet, is geen collega die je op zijn blauwe ogen kunt vertrouwen. Hij maakt fouten. Hij mist context die niet is vastgelegd. En hij presenteert een voorstel met dezelfde stelligheid, of het nu goed of half doordacht is. Wie een agent zijn gang laat gaan zonder te controleren, ruilt zijn eigen oordeel in voor dat van een machine die niet weet wat ze niet weet.
De gezonde vorm is er daarom een waarin de mens de laatste beslissing houdt. De agent doet het voorbereidende werk, jij bepaalt wat ermee gebeurt. Dat is geen tussenoplossing in afwachting van iets beters. Het is de bedoeling. De waarde zit niet in het overdragen van verantwoordelijkheid, maar in het wegnemen van het handwerk eronder. Zo kun je je oordeel richten op de plek waar het telt.
Daar hoort een tweede grens bij. Zo’n agent werkt op jouw gegevens, en dat maakt de vraag wie er bij welke informatie kan opeens urgent. We schreven eerder over AI loslaten op je eigen bedrijfsdata, en waarom het echte risico niet in training zit maar in toegang.
Dit is geen toekomstmuziek, we doen het al
Waar dit concreet wordt, is dichterbij dan je denkt. In onze eigen projectplanner zit een verbeter-agent die precies zo werkt. Je kunt hem een planning laten herzien met een doel voor ogen, bijvoorbeeld meer marge of minder conflicten in de bezetting. Hij komt dan met een voorstel voor een betere verdeling van het werk. Dat gebeurt niet in je echte planning, maar in een afgeschermde kopie. Zo kun je het rustig bekijken. Bevalt het, dan voer je het door. Bevalt het niet, dan verwerp je het zonder gevolgen.
Dat is agentische AI in de praktijk, en let op hoe de rollen liggen. De agent doet het rekenwerk en het herverdelen, het werk waar een mens uren op zou zitten. De beslissing om het door te voeren blijft bij de planner. Precies de verhouding die ik hierboven beschreef, niet als theorie maar als iets wat vandaag al draait.
Wat ik je zou meegeven
De vraag is niet of agentische AI je bedrijf gaat raken, maar waar je die als eerste zinvol inzet. Het antwoord is bijna nooit het meest spectaculaire onderdeel. Het is het meest repetitieve. Begin bij het werk dat veel tijd kost, bekende regels volgt, en oordeel vraagt bij de uitkomst maar niet bij elke tussenstap. Daar geeft een agent je het meeste terug met het minste risico.
Houd één ding vast, hoe goed de techniek ook wordt. De agent verzet het werk, jij houdt het oordeel. De dag dat je die twee door elkaar haalt, geef je precies het deel weg dat je onderneming van een ander onderscheidt.
Wil je eens verkennen waar in jouw organisatie het eerste zinvolle werk voor agentische AI ligt, zonder dat je meteen iets omgooit, dan denken we daar graag over mee. Meestal begint dat niet bij een nieuwe tool, maar bij apps, automatisering en data die al op orde zijn.
