Waar staan organisaties nu?
De adoptie is breed en versnelt. In 2025 zegt ~78% van de organisaties AI in ten minste één functie te gebruiken, vooral in IT, marketing & sales en service operations. (Bronnen: McKinsey 2025)
In de publieke sector wordt AI nog minder gebruikt in verband met de angst voor datalekken. Daarom geldt in veel organisaties een AI verbod. Overheden voelen zich wel steeds meer genoodzaakt om iets te regelen voor AI omdat er steeds meer schaduwgebruik is. En dat is wel het laatste wat je wilt. Een Private AI oplossing zou veel organisaties al verder helpen.
Hoe AI vandaag waarde levert (bedrijven vs. publieke sector)
- Bedrijven: grootste baten in softwareontwikkeling (developer productivity), klantenservice (snellere en consistenter antwoorden), supply chain (vraag, inkoopvoorstellen, scenario’s) en commerciële teams (content, proposals, pricing). Dit resulteert in kortere doorlooptijden en meer veerkracht in ketens die onder druk staan. Wij merken het zelf ook in onze IT ontwikkeling. Wat een developer nu doet met AI ondersteuning, daar had je 2 jaar geleden 5 developers voor nodig.
- (Semi)publieke sector: verschuiving van losse chatbots naar zaakbehandeling, document‑ & beleidsanalyse, proactieve dienstverlening en toezicht/handhaving met duidelijke waarborgen (human‑in‑the‑loop, logboeken, bias‑checks).
Van AI naar agents—en door naar multiple agents
Copilot (AI‑assistent): ondersteunt een mens binnen één taakstap (samenvatten, redigeren, code‑suggesties).
Agentic AI (één agent): krijgt een doel en voert een plan uit met acties en feedbacklussen (bijv. “verwerk 200 dossiers, vraag ontbrekende info op, rapporteer voortgang”).
Multiple agents: meerdere gespecialiseerde agents werken samen—bijv. een analyse‑agent, schrijf‑agent, compliance‑agent en integratie‑agent (ERP/CRM/API’s)—onder regie van een orchestrator. Bij PrudAI noemen wij die regisseur de Chief Executive Agent (CEA).
Wanneer kies je wat?
- Copilots: snelle tijdwinst in bestaande taken; lage verandercurve.
- Één agent: repeterend werk met duidelijke criteria en één bron van waarheid.
- Multiple agents: end‑to‑end processen met verschillende competenties of 24/7 doorloop, 'human in the loop' bij uitzonderingen.
Ervaringen uit de praktijk (geanonimiseerde cases)
- Middelgrote semi‑overheid – zaakbehandeling & besluitvoorbereiding. We startten met een copilot voor notulen en samenvattingen en gingen in 3 maanden door naar een behandel-agent die dossiers classificeert en behandelt met reviewpakketten (human in the loop). De doorlooptijd daalde met ~30–40%; audittrail verbeterde (checklists, documentatie, versiebeheer).
- Productiebedrijf. Productiebedrijven kampen met stilstand van machines en met schaars ervaren personeel. Het intern opleiden van een storingsmonteur duurt snel een jaar. Door alle werkinstructies, processen, video-instructies, storingsinformatie, etc in een AI kennisbank onder te brengen, kan een monteur direct de benodigde relevante kennis ontsluiten waardoor de stilstand tijd met 25-30% omlaag gaat.
- Servicebedrijf – software delivery. Developers gebruiken copilots (code, tests) en een release‑agent die changelogs, security‑checks en deployment orkestreert. Doorlooptijd van ideation‑naar‑release neemt merkbaar af; kwaliteit stijgt door consistente checks.
In 3 maanden van copilots naar agents: zonder risico
- Fase 1: Begin en doe ervaring op. Start met een workshop om ideeën te verkennen
- Fase 2: Werk het beste idee uit in een business case en bepaal wat benodigd is
- Fase 3: Bouw een Proof of Concept en test met een deel van de organisatie(data)
- Fase 4: Ontwikkel de PoC door tot een volledig werkend geheel
Deze route levert snel resultaat én draagvlak. De grootste bottleneck die ik in organisaties zie is geen technologie, maar leiderschap en lef: wie is eigenaar van de uitkomst en van de verandering? Daarom is het verstandig om in kleine stappen ervaring op te doen. Dat beperkt het risico aanzienlijk. Meer weten over een concreet stappenplan?
Wanneer ben je klaar voor multiple agents?
Je bent er klaar voor als je:
- het proces end‑to‑end kent (inputs, beslisregels, outputs)
- API‑toegang hebt tot kernsystemen
- governance‑regels afdwingt in tooling
- één verantwoordelijke eigenaar hebt voor de uitkomst (niet alleen “het model”).
De rest is iteratie: taken toevoegen, kwaliteitsmaatstaven aanscherpen, teams trainen om met agents te werken.
Waarom nu?
- Arbeidsmarktkrapte: agents schalen capaciteit zonder extra FTE.
- Kennisverlies & dubbel werk: ontsluit kennis en voorkom verlies bij pensionering (komende jaren veel medewerkers met pensioen) met een AI‑kennisbank
- Concurrentievoordeel: wie processen herontwerpt met agents ziet sneller meetbare impact en is meer schaalbaar.
Wil je dit vertalen naar jouw organisatie? Ik plan graag een korte Teams‑sessie om use‑cases en een 3 maanden route te verkennen. Klik hier om contact op te nemen
Bronnen (selectie)
- McKinsey (2025), The State of AI. https://www.mckinsey.com/capabilities/quantumblack/our-insights/the-state-of-ai
- McKinsey (2025), The state of AI: How organizations are rewiring to capture value (PDF). https://www.mckinsey.com/~/media/mckinsey/business%20functions/quantumblack/our%20insights/the%20state%20of%20ai/2025/the-state-of-ai-how-organizations-are-rewiring-to-capture-value_final.pdf
- OECD (2024), Governing with AI (PDF). https://www.oecd.org/content/dam/oecd/en/publications/reports/2024/06/governing-with-artificial-intelligence_f0e316f5/26324bc2-en.pdf
- OECD (2024), Governing with AI: Are governments ready? https://oecd.ai/en/wonk/governing-with-artificial-intelligence
- EU, AI Act (toepassingsdata). https://digital-strategy.ec.europa.eu/en/policies/regulatory-framework-ai
- EU AI Act, Implementation timeline. https://artificialintelligenceact.eu/implementation-timeline/
- Reuters (2025‑08‑13), Manufacturers turn to AI to weather tariff storm. https://www.reuters.com/business/just-time-manufacturers-turn-ai-weather-tariff-storm-2025-08-13/