AI-agents voor het managementteam: wat bestuurders nu moeten weten en beslissen

AI-agent of chatbot?

Een chatbot geeft antwoord, een agent doet iets en werkt zelfstandig naar een doel toe.

Het verschil zit in het handelen: een agent plant stappen en gebruikt systemen. De Britse toezichthouder op accountants, de Financial Reporting Council, omschrijft agentic AI als systemen die meerdere onderdelen of taken richting een doel kunnen aansturen en uitvoeren, met een zekere mate van zelfstandigheid. In de praktijk betekent dat bijvoorbeeld: een agent die facturen controleert en doorzet, die klantvragen afhandelt, of die een standaardplanning maakt die een planner daarna controleert.

De eerste vraag voor een managementteam is: hebben we de juiste cultuur en organisatie voor een goede innovatie- en AI-strategie? Daarna: welke taken hoeven mensen niet meer te doen, en van welke voorbeelden kunnen we leren?

Hoe goed zijn AI-agents echt?

Op tests worden agents snel beter, maar ze mislukken nog bij ongeveer één op de drie pogingen.

Volgens het AI Index Report 2026 van Stanford HAI steeg het slagingspercentage van agents op de OSWorld-test, met echte taken op een computer, van 12% naar ongeveer 66%. Dan mislukt nog steeds ongeveer één op de drie pogingen. Voor een MT is dat de kern. Een score op een test zegt nog niet hoe een agent het doet in jouw processen; dat moet je zelf meten, en zonder controle gaat het niet. Wat er gebeurt als AI zonder toezicht zijn gang gaat, lees je in AI-bloopers: de meest gedenkwaardige missers van kunstmatige intelligentie.

Waarom nu een MT-onderwerp?

AI is gewoon gereedschap geworden, en het knelpunt zit vaak bij de organisatie, niet bij de medewerkers.

Volgens het CBS gebruikte in 2025 een op de zes Nederlandse bedrijven AI, een verdubbeling ten opzichte van twee jaar eerder. Bij bedrijven met 250 of meer werkzame personen was dat 66 procent. Van de bedrijven die AI gebruiken, zet 32 procent het in voor bedrijfsadministratie of bestuurstaken.

In het Work Trend Index-onderzoek 2026 van Microsoft, met Nederland als een van de tien onderzochte landen, zegt maar 26% van de AI-gebruikers dat hun leiding duidelijk en consequent op één lijn zit over AI. Volgens hetzelfde onderzoek hangen factoren in de organisatie, zoals cultuur, steun van leidinggevenden en personeelsbeleid, ruim twee keer zo sterk samen met de AI-impact die gebruikers zelf rapporteren als de houding en het gedrag van de individuele medewerker. Dat maakt het een MT-onderwerp. Een agent die door een afdeling wordt ingezet, raakt processen, data en klanten van de hele organisatie.

Vijf besluiten voor het MT

Het MT besluit waar agents komen, wat ze zelf mogen, wie verantwoordelijk is, wat mensen moeten weten en hoe je meet.

1. Waar wel agents, en waar niet?

Vraag eerst elke afdeling om haar processen in kaart te brengen, van facturen verwerken tot rapportages maken, en per taak te bepalen: kan een agent dit, of hoort het bij mensen? Begin daarna bij werk dat vaak terugkomt, goed omschreven is en waarvan je de uitkomst kunt controleren. Denk aan documenten verwerken, standaardvragen beantwoorden of gegevens overzetten tussen systemen. Spreek ook af waar je geen agents wilt, bijvoorbeeld bij besluiten over mensen.

Daar zit ook een wettelijke grens. De Europese AI-wetgeving (AI Act) rekent AI voor het werven en aansturen van werknemers, en AI die bepaalt of iemand toegang krijgt tot essentiële diensten zoals krediet, tot de toepassingen met een hoog risico, schrijft de Europese Commissie. Voor die toepassingen gelden vanaf 2 december 2027 strenge eisen, waaronder passend menselijk toezicht. Organisaties die zulke systemen gebruiken, moeten dat toezicht zelf regelen.

2. Hoeveel mag een agent zelf doen?

Dit is het belangrijkste besluit. Neem het bewust en leg het vast, zodat het niet ongemerkt ontstaat. Maak onderscheid tussen drie niveaus: een agent die alleen leest en samenvat, een agent die voorstellen doet die een mens goedkeurt, en een agent die zelf handelt. Leg per toepassing vast welk niveau geldt, en wanneer een agent een stap hoger mag.

3. Wie is verantwoordelijk bij fouten?

Een agent kun je niet aanspreken. Een mens wel. Toezichthouders zijn daar duidelijk over. De Financial Reporting Council schreef in maart 2026 bij zijn richtlijn over generatieve AI en agents in de accountantscontrole dat “the human auditor is always accountable”, en dat die richtlijn dat niet verandert (FRC). Dat principe kun je in elke organisatie toepassen: geef elke agent een eigenaar met naam.

4. Wat moeten onze mensen weten?

Sinds 2 februari 2025 moeten organisaties die AI inzetten de AI-geletterdheid van hun mensen ondersteunen. Sinds 2 augustus 2026 houden nationale toezichthouders daar toezicht op, schrijft de Europese Commissie. Er is geen verplichte training of certificaat; je mag intern bijhouden wat je hebt gedaan.

Bij bedrijven die AI overwogen maar niet gebruikten, is kennis ook de vaakst genoemde rem. Van die Europese bedrijven noemde 70,9% gebrek aan kennis als reden, meldt Eurostat. En niet iedereen zegt hardop dat hij AI al gebruikt. Over dat verschijnsel schreven we in AI-schaamte: hoe doorbreken we het?

5. Hoe weten we of het werkt?

Spreek vooraf af wat een agent moet opleveren: minder doorlooptijd, minder fouten, meer tijd voor ander werk. Meet ook wat er misgaat en hoe vaak een mens moet ingrijpen. Vraagt een agent veel correcties, zet dan de tijd die dat kost af tegen wat hij oplevert.

Wat moeten klanten merken?

Praten je agents met klanten, dan moeten die klanten weten dat ze met een machine praten.

Dat is een transparantieplicht uit de AI Act, en die geldt sinds augustus 2026. De Europese Commissie noemt de chatbot als voorbeeld. Leg dus vast hoe je dat aan klanten laat zien.

En op de lange termijn?

Na agents komt naar verwachting weer nieuwe technologie, dus wat het MT nu leert, heb je straks opnieuw nodig.

Agents zijn één ontwikkeling naast andere die het bedrijfsleven gaan veranderen. Ik raad bestuurders daarom aan om hun mensen nu de ruimte te geven om met agents te proberen en te experimenteren, bij werk dat vaak terugkomt en goed te controleren is. Enthousiasme mag daarbij, maar houd ook een kritische blik op wat een agent echt oplevert en hoe vaak een mens moet ingrijpen.

Een breder beeld van wat er nog aankomt, vind je in vijf megatrends die het bedrijfsleven de komende tien jaar gaan opschudden. Hoe je als leidinggevende mensen activeert voor zo’n verandering, is het onderwerp van de lezing over leiderschap en management.

Veelgestelde vragen

Zijn AI-agents en agentic AI hetzelfde?

In de praktijk worden beide termen voor hetzelfde gebruikt. Agentic AI is de verzamelnaam voor systemen die zelfstandig meerdere taken richting een doel uitvoeren; een AI-agent is één zo’n systeem.

Mag een AI-agent zelf beslissen?

Dat hangt af van het soort besluit. Voor toepassingen met een hoog risico, zoals AI bij werving of het aansturen van werknemers, eist de AI Act vanaf 2 december 2027 onder meer passend menselijk toezicht. Voor andere toepassingen bepaal je zelf het niveau, maar blijft de organisatie verantwoordelijk.

Is een AI-officer of AI-commissie nodig?

De wet verplicht dat niet. De Europese Commissie schrijft dat er voor AI-geletterdheid geen specifieke bestuursstructuur verplicht is. Een vaste eigenaar per agent is wel verstandig.

Hoe beginnen we klein?

Kies één goed omschreven taak, laat een agent eerst alleen voorstellen doen, meet de resultaten een paar maanden en beslis dan pas over meer zelfstandigheid.