Hoe bedrijven AI gebruiken in oktober 2026: modellen en agents

Bedrijven gebruiken AI in oktober 2026 om afgebakende delen van echte werkprocessen uit te voeren: het kwalificeren van aanvragen, het opstellen van opvolgacties, het bijwerken van dossiers, het extraheren van documenten, het beantwoorden van routinematige vragen en het voorbereiden van beslissingen. De bedrijven die daadwerkelijk waarde halen uit AI, vragen niet aan één chatbot om het bedrijf te runnen. Zij koppelen geschikte modellen aan beheerde processen, betrouwbare data en benoemde menselijke verantwoordelijken.

De stand van zaken rond AI-adoptie in het najaar van 2026

AI-adoptie is breed genoeg om relevant te zijn, maar nog niet volwassen genoeg om als opgelost te beschouwen. Eurostat meldt dat 19,95% van de EU-bedrijven minstens één AI-technologie gebruikt, oplopend tot 55,03% bij grote bedrijven, 30,36% bij middelgrote bedrijven en 17% bij kleine bedrijven. Dit is niet langer een experiment dat voorbehouden is aan technologiebedrijven.

Het gebruik blijft ongelijk verdeeld per functie. Van de EU-bedrijven die AI gebruiken, past 34,70% het toe in marketing of sales, 31,05% in administratie en slechts 6,08% in logistiek. Dat verschil is logisch. Schrijf- en onderzoekstools kunnen door één medewerker worden ingevoerd, terwijl logistieke automatisering betrouwbare voorraaddata, systeemtoegang, uitzonderingsregels en operationele verantwoordelijkheid vereist.

De adoptie van agents laat hetzelfde verschil zien tussen toegang en daadwerkelijke implementatie. McKinsey constateerde dat 40% van de grote organisaties en 22% van de kleinere organisaties AI-agents op schaal inzetten, terwijl 44% AI breed in het bedrijf uitrolt. Toch rapporteert slechts 37% enig effect op de EBIT en kwalificeert slechts 6% als high performer. Persoonlijke productiviteitswinst is eenvoudiger te realiseren dan een operationeel resultaat: 80% meldt persoonlijke productiviteitsverbeteringen.

De kwaliteit van de implementatie verklaart veel van het verschil. Gartner verwacht dat meer dan 40% van de agentic AI-projecten tegen eind 2027 wordt stopgezet vanwege oplopende kosten, onduidelijke waarde of zwakke risicobeheersing. Een indrukwekkende agent zonder een workflow-eigenaar, permissieontwerp, audittrail en meetbaar serviceniveau blijft een zwak besturingssysteem.

De praktische vraag voor een eigenaar is dus niet: "Hebben we AI?" maar: "Welke workflow heeft voldoende volume, stabiele regels en bruikbare data om gecontroleerde automatisering te rechtvaardigen?" Begin daar, stel een nulmeting vast, implementeer één afgebakende workflow en breid pas uit als de uitzonderingen helder zijn.

De modellen die bedrijven daadwerkelijk draaien in oktober 2026

Modelkeuze lijkt nu op het kiezen van een motor voor een specifieke taak. Een complexe programmeeropdracht, een meertalige telefoongesprek en routinematige factuurclassificatie horen niet automatisch met hetzelfde model te worden uitgevoerd. Het routeren van werk op basis van risico, snelheid, context en kosten is belangrijker dan het kiezen van één winnaar.

OpenAI positioneert GPT-6 Sol voor complex werk en coderen, terwijl Luna het goedkopere administratieve volume afhandelt. Beide worden beschreven als de helft van de prijs van GPT-5.6. De familie van Anthropic biedt een ander spectrum aan mogelijkheden en kosten, met Opus voor veeleisend toolgebruik en andere Claude-varianten voor verschillende snelheids- en toegangsbehoeften. Google combineert frontier-modellen, beheerde agent-infrastructuur, de always-on Spark-agent en open Gemma-modellen. Microsoft verpakt sales- en serviceagents binnen de werkomgeving die veel Europese bedrijven al gebruiken.

Gepubliceerde tokenprijzen zijn geen projectbudget. Ze sluiten integratie, retrieval, telefonie, observability, security review, datavoorbereiding, testen en menselijke afhandeling van uitzonderingen uit. Ze zeggen ook weinig over de kosten van een verkeerde actie. Een goedkoop model dat dubbele bestellingen aanmaakt of een niet-gedekte belofte doet, is duur.

De belangrijkste verschuiving is dat modelintelligentie minder schaars is. Nu capabele modellen goedkoper worden, worden architectuur, data-toegang en eigenaarschap de beperkende factor. Een verstandige stack stuurt routinematige extractie naar een goedkoop model, reserveert een krachtiger model voor onduidelijke gevallen en laat risicovolle beslissingen over aan een mens. Het systeem moet vastleggen welk model heeft gehandeld, welke informatie het heeft gezien, welke tools het heeft gebruikt en wat er daarna is gebeurd.

Hoe kiest een bedrijf een model?

Gebruik een workloadtest, geen leaderboard:

• Definieer de taak en acceptabele output in gewone taal.
• Bouw een testset op basis van echte, adequaat beschermde voorbeelden.
• Scoor op nauwkeurigheid, niet-onderbouwde claims, snelheid en betrouwbaarheid van gestructureerde output.
• Test elke taal die klanten en medewerkers daadwerkelijk gebruiken.
• Bereken de totale workflowkosten, inclusief reviews en correcties.
• Bepaal welke data elk systeem mag verlaten en waar deze verwerkt mag worden.
• Houd het model vervangbaar achter een stabiele workflow-interface.

Dat laatste punt is cruciaal. Modelleveranciers zullen blijven veranderen. Uw procesdefinities, klantgeschiedenis, productregels en goedkeuringslogica zijn de blijvende assets.

Agents, bots, copilots en automatiseringen: wat de termen betekenen

Deze termen worden vaak door elkaar gebruikt, waardoor inkopers systemen met elkaar vergelijken die niet vergelijkbaar zijn. Het verschil zit in hoeveel discretie het systeem heeft en of het daadwerkelijk actie kan ondernemen.

Een deterministische automatisering is te verkiezen wanneer regels stabiel zijn. Het is eenvoudiger te testen, goedkoper te draaien en voorspelbaarder. Een agent is nuttig wanneer het pad varieert, bijvoorbeeld als ontbrekende informatie uit verschillende systemen moet worden verzameld voordat de volgende goedgekeurde actie wordt bepaald. Een copilot is geschikt wanneer het oordeel bij een medewerker moet blijven.

MCP, of Model Context Protocol, is geen agent. Het is een gestandaardiseerde manier voor modellen en agents om goedgekeurde tools te gebruiken. Een tool kan bijvoorbeeld een account ophalen, agenda-beschikbaarheid controleren of een offertevoorstel aanmaken. Goed permissieontwerp beperkt de toegestane actie tot het strikt noodzakelijke. Een afspraakagent hoeft alleen vrije tijdsloten te kunnen lezen en een voorlopige boeking te maken, maar niet de volledige klantendatabase te exporteren.

Leg voor elke agent vijf grenzen vast: het doel, toegestane data, toegestane acties, stopcondities en escalatieroute. Als die niet helder te formuleren zijn, is de workflow niet klaar voor autonome uitvoering.

Sales en klantacquisitie

Sales-AI werkt het beste op reactiesnelheid, voorbereiding en consistente opvolging, niet door te doen alsof een machine een commerciële relatie bezit.

Wat is nu sterk geautomatiseerd?

Aanvraagregistratie, verrijking, kwalificatie, afspraakplanning, offerteherinneringen en nurture-sequenties kunnen met weinig handmatig werk verlopen als de regels expliciet zijn. Een webaanvraag kan een CRM-record aanmaken, het relevante gebied identificeren, twee ontbrekende kwalificatievragen stellen, goedgekeurde agenda-sloten aanbieden en een opvolgsequentie starten. Het systeem moet stoppen wanneer een prospect bezwaar maakt, om afwijkende voorwaarden vraagt of een afgesproken opportunity-stadium bereikt.

Wat is nu ondersteund?

Accountonderzoek, belvoorbereiding, vergaderverslagen, CRM-veldvoorstellen en eerste offertevoorstellen zijn sterke copilot-taken. Een bruikbare workflow voor vergaderverslagen levert niet alleen een transcript op, maar haalt ook beslissingscriteria, stakeholders, timing, volgende actie en risico's eruit, waarna de verkoper deze velden moet goedkeuren voordat CRM wordt bijgewerkt.

Wat blijft mensenwerk?

Mensen moeten eigenaar blijven van discovery, commerciële diagnose, onderhandeling, relatie-signalen en toezeggingen buiten standaardbeleid. Zij bepalen of een ogenschijnlijk zwakke lead strategisch waardevol is. Zij blijven ook verantwoordelijk voor forecast-oordelen. Een agent kan ontbrekende vervolgstappen signaleren, maar mag een twijfelachtige forecast niet als zeker presenteren.

Sales-systemen falen wanneer het aanbod onduidelijk is, pipeline-stadia voor verschillende mensen iets anders betekenen of niemand eigenaar is van opvolgregels. Automatisering van die chaos verhoogt de activiteit zonder de conversie te verbeteren.

Geldt dit voor uw salesteam?

• Aanvragen wachten in een gedeelde inbox voordat ze worden toegewezen.
• Verkopers typen belnotities opnieuw in CRM.
• Offertes krijgen inconsistente opvolging.
• Pipeline-stadia hebben geen duidelijke in- en uitstapcriteria.
• Managers kunnen geen onderscheid maken tussen geen reactie en een echt verloren deal.
• Prospects boeken afspraken in verschillende, niet-gekoppelde agenda's.

Marketing en content

Marketingteams gebruiken nu AI voor onderzoek, variatie, productieondersteuning en distributie. Het nuttige patroon is een beheerde content supply chain, niet onbeperkte generieke output.

Wat is vandaag sterk geautomatiseerd?

Goedgekeurde assets kunnen automatisch worden geresized, getagd, vertaald, ingepland en verspreid. Productdata kan kanaalspecifieke concepten genereren wanneer de broncatalogus beheerd wordt. Routinematige campagnerapporten kunnen uitgaven, leads en omzettoewijzing verzamelen in een wekelijkse samenvatting met links naar de onderliggende records.

Wat is vandaag ondersteund?

Doelgroeponderzoek, interviewsamenvattingen, outlines, redactie, designverkenning en lokalisatie blijven ondersteunde taken. Synthetische media kunnen nuttige variaties creëren, maar een benoemde editor moet claims, rechten, merkconsistentie en labeling verifiëren. Figma Weave en de Codex naar Figma MCP-verbinding illustreren een bredere richting: design- en codetools delen steeds vaker gestructureerde context in plaats van alleen maar screenshots uit te wisselen.

Europese bedrijven moeten transparantie als ontwerpeis behandelen. Artikel 50 transparantieverplichtingen vereisen dat mensen weten wanneer ze met een machine communiceren en dat synthetische content gelabeld wordt, terwijl de AI-geletterdheidsplicht uit Artikel 4 nu al geldt. Houd een registratie bij van de generatietool, bronassets, editor en goedkeuring.

Agentic commerce vraagt ook om realistische verwachtingen. Shopify stelt dat zijn Agentic Storefronts producten vindbaar en koopbaar maken in ChatGPT en Gemini, en beschrijft Shopify Checkout als 14% van de Amerikaanse ecommerce. Walmart meldde dat conversie via chat aanzienlijk lager lag dan op de eigen site, terwijl OpenAI Instant Checkout heeft gepauzeerd. Ontdekking binnen assistenten is reëel, maar afrekenen via chat is nog geen betrouwbaar alternatief voor een goed draaiende winkel. Productfeeds, beschikbaarheid, retourinformatie en toewijzing moeten nog steeds kloppen.

Wat blijft mensenwerk?

Mensen bepalen positionering, klantinzicht, creatieve richting, claims en publicatieverantwoordelijkheid. Zij beslissen wat het bedrijf moet zeggen en welk bewijs dat ondersteunt. Strategie kan niet veilig worden afgeleid uit willekeurige oude content in een map.

Geldt dit voor uw marketingteam?

• Medewerkers passen steeds opnieuw dezelfde goedgekeurde tekst aan voor verschillende kanalen.
• Productfeiten verschillen tussen website, CRM en salespresentaties.
• Vertalingen missen een goedkeuringsstap door een native speaker.
• Campagnerapporten meten activiteit maar geen gekwalificeerde pipeline.
• Niemand kan de bron en goedkeurder van synthetische media aanwijzen.

Klantenservice en receptie

Spraakagenten zijn geëvolueerd van starre keuzemenu’s naar natuurlijke gesprekken gekoppeld aan agenda’s, CRM en servicesystemen. De waardevolle toepassingen zijn beantwoorden, intentie herkennen, routinematige verzoeken afhandelen en met context escaleren.

Wat is vandaag sterk geautomatiseerd?

Afspraken boeken, openingstijden beantwoorden, orderstatus controleren, basiskwalificatie, oproeproutering en bevestigingsberichten zijn geschikt wanneer data actueel is. OpenAI's Realtime API ondersteunt SIP-telefonie en externe MCP-tools, en Zillow rapporteerde 95% geslaagde oproepen tegenover 69% voorheen. De werkwijze is belangrijk: de spraaklaag voert het gesprek, maar goedgekeurde tools voeren de daadwerkelijke agenda- of CRM-actie uit.

Wat is vandaag ondersteund?

Telefoonassistenten kunnen gesprekken samenvatten, reacties voorstellen, gesprekken vertalen en overdrachten voorbereiden. Ze zijn vooral nuttig buiten kantooruren en tijdens pieken, mits de beller een persoon kan bereiken indien nodig. OpenAI meldt ondersteuning voor meer dan 70 brontalen naar 13 doeltalen in GPT-Realtime-Translate.

Er komt steeds meer praktijkbewijs. Salesforce meldt dat de creatietijd van agenten met 53% is gedaald, het aantal agenten in productie is verdrievoudigd en de concierge van Pandora handelt 60% van de routinematige klantverzoeken af. Op langere termijn verwacht Gartner dat agentic AI in 2029 80% van de veelvoorkomende klantenservicekwesties oplost. Geen van beide cijfers betekent dat elk verzoek geautomatiseerd moet worden.

Wat blijft mensenwerk?

Klachten, kwetsbaarheid, veiligheidskwesties, coulance en emotioneel geladen gesprekken horen bij getrainde medewerkers. De overdracht moet de taal van de beller, geverifieerde identiteit, intentie, samenvatting en reeds genomen acties bevatten. Laat de klant nooit het hele verhaal opnieuw vertellen.

Geldt dit voor uw serviceorganisatie?

• Oproepen blijven onbeantwoord tijdens vergaderingen of drukte.
• Medewerkers beantwoorden steeds dezelfde boekings- en statusvragen.
• Klantcontext raakt verloren tussen telefoon, chat en e-mail.
• Meertalige dekking hangt af van één beschikbare medewerker.
• Gespreksuitkomsten worden niet teruggeschreven naar CRM.
• Er is geen vastgelegde escalatie voor gevoelige verzoeken.

Operaties, voorraad en fulfilment

Automatisering in operations levert waarde door systemen te coördineren, niet door een extra chatvenster toe te voegen. Het werk beslaat meestal verkooporders, voorraad, leveranciers, fulfilment en klantcommunicatie.

Wat is vandaag sterk geautomatiseerd?

Bestelalerts, concept-inkooporders, voorraadafstemming, verzendmeldingen en standaard exception queues kunnen worden geautomatiseerd. Een robuust inkoopproces leest vraag en voorraad, past leveranciers- en minimumorderregels toe, maakt een conceptorder en vraagt de inkoper om goedkeuring. Het model kan afwijkingen uitleggen, maar deterministische logica moet financiële en voorraadcontroles afdwingen.

Wat is vandaag ondersteund?

Agenten kunnen late orders onderzoeken via e-mail, ERP en vervoerdersportalen, de oorzaak samenvatten en de volgende goedgekeurde actie voorstellen. Ze kunnen pakbonnen uitlezen, vergelijken met orders en afwijkingen signaleren. Forecasting en capaciteitsplanning blijven ondersteund, omdat uitzonderlijke vraag, leveranciersrisico en commerciële prioriteiten context vereisen die verder gaat dan historische patronen.

Wat blijft mensenwerk?

Mensen voeren leveranciersonderhandelingen, materiaalvervanging, veiligheidsbeslissingen, grote inkoopverplichtingen en uitzonderingen met klantimpact uit. Een operationsmanager moet een exception dashboard beoordelen, niet elke geslaagde transactie inspecteren.

Zwakke masterdata is meestal de bottleneck. Dubbele voorraadcodes, inconsistente eenheden en informele leveranciersregels worden niet opgelost door een beter model. Ze vragen om data-eigenaarschap en procesbeslissingen.

Geldt dit voor uw operatie?

• Medewerkers kopiëren orderdata tussen CRM, spreadsheets en ERP.
• Inkoop hangt af van het geheugen van één persoon.
• Leveringsproblemen komen pas aan het licht via klantklachten.
• Eenheden, artikelnamen of leveranciersvoorwaarden zijn inconsistent.
• Routinedocumenten worden handmatig gecontroleerd zonder exception queue.
• Niemand beoordeelt automatiseringsfouten en handmatige correcties.

Finance en administratie

Finance is bij uitstek geschikt voor afgebakende automatisering omdat input en controles gestructureerd zijn. Het is ook een slechte plek voor ongecontroleerde autonomie, omdat fouten direct invloed hebben op cash, belasting en vertrouwen.

Wat is vandaag sterk geautomatiseerd?

Facturen maken op basis van goedgekeurde leverdata, betalingen matchen, herinneringen inplannen, onkostendeclaraties routeren en documentextractie kunnen worden geautomatiseerd. Een meertalige aanmaningsworkflow kan de goedgekeurde taal van de klant kiezen, de juiste facturen refereren en escaleren volgens beleid. Het proces moet stoppen bij geschillen, deelleveringen of ongebruikelijke accountstatus.

Wat is vandaag ondersteund?

AI kan kosten classificeren, afwijkingen verklaren, cashflowcommentaar voorbereiden en maandelijkse managementrapportages samenstellen. Het kan ontbrekende inkooporders of inconsistente betalingsreferenties signaleren. De accountant keurt boekingen, aannames en externe rapportages goed.

Wat blijft mensenwerk?

Mensen behouden bankgoedkeuringen, fiscale posities, kredietbeslissingen, materiële afboekingen en oordeel over betwiste vorderingen. Functiescheiding blijft essentieel. Dezelfde agent mag niet een leverancier aanmaken, de factuur goedkeuren én de betaling initiëren.

Geldt dit voor uw financeteam?

• Goedgekeurd werk wordt niet tijdig gefactureerd.
• Medewerkers jagen op achterstallige facturen met persoonlijke herinneringen.
• Documenten worden handmatig overgetypt in boekhoudsoftware.
• Maandafsluiting duurt langer dan het vinden van het eigenlijke probleem.
• Geschillen zijn vermengd met gewone achterstallige rekeningen.
• Systeemrechten weerspiegelen geen functiescheiding.

HR en recruitment

HR gebruikt AI het veiligst voor administratie en medewerkerssupport, waarbij mensen beslissingen behouden die levensonderhoud raken.

Wat is vandaag sterk geautomatiseerd?

Interviewplanning, beleidsopvraging, onboardingchecklists, documentherinneringen en standaardmedewerkersvragen kunnen worden geautomatiseerd. Toegang moet afhangen van rol en dienstverband. Een onboardingagent kan taken coördineren tussen HR, IT en de lijnmanager zonder te beslissen of iemand geschikt is voor een functie.

Wat is vandaag ondersteund?

Recruiters kunnen sollicitaties samenvatten op basis van expliciete functiecriteria, interviewgidsen opstellen en interviewnotities consolideren. Managers kunnen functiebeschrijvingen, opleidingsplannen en beoordelingsvoorbereiding opstellen. Bias-testing, dataminimalisatie en een gedocumenteerde menselijke review zijn essentieel.

Wat blijft mensenwerk?

Aanname, promotie, beloning, disciplinaire maatregelen, ontslag en gevoelige medewerkersbegeleiding blijven menselijke beslissingen. Kandidaten en medewerkers moeten een route hebben om data en uitkomsten te betwisten. Leid geen persoonlijkheid, gezondheid of beschermde kenmerken af uit gespreks- of gedragsdata.

Geldt dit voor uw HR-operatie?

• Kandidaten wachten op routinematige planningsberichten.
• Nieuwe medewerkers jagen op toegang en apparatuur.
• HR beantwoordt steeds opnieuw vragen die al in het beleid staan.
• Interviewbewijsmateriaal is ongestructureerd en lastig te vergelijken.
• Niemand is eigenaar van de goedkeuring van AI-ondersteunde personeelsbesluiten.

Product, engineering en IT

AI-ontwikkeltools versnellen specificatie, coderen, testen en onderhoud. Ze nemen echter niet de noodzaak weg voor architectuur, beveiliging en productinzicht.

Wat is vandaag sterk geautomatiseerd?

Routinematige testgeneratie, het bijwerken van afhankelijkheden, concepten voor documentatie, zoeken in de codebase en goed afgebakende fixes kunnen in gecontroleerde pipelines draaien. Langdurig draaiende codeeragents zoals Codex kunnen een gedefinieerde ticket oppakken, een repository inspecteren, wijzigingen voorstellen en toegestane controles uitvoeren. Google Antigravity biedt een andere agent-gedreven ontwikkelomgeving.

Wat is vandaag ondersteund?

Engineers gebruiken modellen om onbekende code te verkennen, ontwerpen te vergelijken, migraties te schrijven en incidenten te onderzoeken. Designers en ontwikkelaars kunnen gestructureerde context tussen Figma en code uitwisselen via MCP-gebaseerde tooling. McKinsey meldt dat 32% van de respondenten software met AI bouwde in plaats van het te kopen, waardoor de keuze tussen bouwen of kopen genuanceerder is geworden.

Wat blijft mensenwerk?

Mensen bepalen productprioriteiten, architectuur, dreigingsmodellen, acceptatiecriteria, toegang tot productie en releasebeslissingen. Gegeneerde code vereist dezelfde review en tests als door mensen geschreven code. Het team moet weten tot welke repositories, geheimen en omgevingen een agent toegang heeft.

Een praktisch controlepatroon is: de agent maakt een branch aan, geautomatiseerde checks draaien, een persoon beoordeelt de diff en een apart geautoriseerd proces voert de deployment uit. Geef een codeeragent nooit brede productie-inloggegevens alleen omdat deze goed presteert in een sandbox.

Geldt dit voor uw product- of IT-team?

• Engineers besteden tijd aan repetitieve onderhoudstickets.
• Documentatie komt niet overeen met het huidige systeem.
• Build-versus-buy-beslissingen negeren integratie en eigenaarschap.
• Agents hebben toegang tot meer repositories of geheimen dan nodig.
• Gegeneerde wijzigingen kunnen productie bereiken zonder onafhankelijke review.

Leiderschap en strategie

Leiderschap moet AI inzetten om de bewijsbasis te verbreden en feedbackloops te verkorten, niet om verantwoordelijkheid uit te besteden.

Wat is vandaag sterk geautomatiseerd?

Wekelijkse KPI-verzameling, samenstellen van vergaderpakketten, herinneringen voor risicoregisters en gestructureerde concurrentmonitoring kunnen worden geautomatiseerd. De output moet terugverwijzen naar bronsystemen en onderscheid maken tussen gemeten data en modelinterpretatie.

Wat is vandaag ondersteund?

Onderzoeksagents kunnen bewijs verzamelen, opties vergelijken en scenarioveronderstellingen bijhouden. Leiders kunnen vragen hoe een plan verandert als de salescyclus langer wordt, levertijden van leveranciers stijgen of aanwerving vertraagt. Het nuttige resultaat is geen zelfverzekerde voorspelling, maar een transparant geheel van aannames, gevoeligheden en beslissingen.

Wat blijft mensenwerk?

Eigenaren en bestuurders behouden strategie, kapitaalallocatie, risicobereidheid, personeelsbeslissingen en juridische verantwoordelijkheid. Zij bepalen wat het bedrijf wil worden. AI kan afwegingen zichtbaar maken, maar kan er geen verantwoordelijkheid voor nemen.

Het prestatieverschil is een governance-kloof. McKinsey identificeert slechts 6% van de ondervraagde organisaties als AI-high performers. Behandel AI als een beheerde portfolio: elk use case heeft een executive sponsor, operationeel eigenaar, nulmeting, doelstelling, dataclassificatie, reviewfrequentie en afbouwregel nodig.

Geldt dit voor uw leiderschapsteam?

• AI-aankopen zijn verspreid over verschillende afdelingen.
• Niemand kan actieve agents en hun rechten benoemen.
• Projecten starten zonder nulmeting of verantwoordelijke eigenaar.
• De raad van bestuur ziet demo’s in plaats van operationele metingen.
• Leverancierskeuzes bepalen per ongeluk de architectuur.
• Er is geen beleid voor incidenten, review of afbouw.

Sectoroverzichten

De technologiestack lijkt vaak op elkaar tussen sectoren, maar workflow, risico en data verschillen.

Vastgoed

In vastgoed verbinden nuttige workflows intake van nieuwe panden, kwalificatie van kopers, meertalige opvolging, bezichtigingsafspraken, documenten en overdracht tussen makelaars. Een portaalvraag kan worden gematcht met het actuele aanbod en gerouteerd op locatie, budget en timing. Onderhandeling, vastgoedadvies en bijzondere financiering blijven mensenwerk. Dominium biedt een vastgoed-operatingsysteem voor makelaars en ontwikkelaars die grensoverschrijdend verkopen.

Klinieken en zorg

In de zorg zijn receptie, afspraakherinneringen, goedgekeurde pre-visit-vragen en administratieve documentafhandeling praktische startpunten. Klinisch oordeel, diagnose, spoedtriage en gevoelige gesprekken blijven bij gekwalificeerd personeel. Toegangscontrole, patiëntidentiteit en escalatie zijn centrale ontwerpvereisten.

Zakelijke dienstverlening

Voor zakelijke dienstverlening kunnen vastleggen van vergaderingen, intake van dossiers, onderzoek, documentassemblage, suggesties voor tijdregistratie en voorbereiding van facturatie de administratieve last verlagen. Partners en gekwalificeerde professionals behouden advies, conflictbeslissingen, privilege-oordelen en de uiteindelijke goedkeuring.

B2B SaaS

In B2B SaaS kunnen agents proefaanvragen kwalificeren, productfeedback verrijken, suggesties doen voor supportantwoorden, verlengingsrisico detecteren en accountreviews voorbereiden. Producttelemetrie moet worden geïnterpreteerd naast CRM- en supporthistorie. Uitzonderingen in commerciële afspraken en roadmap-beloften blijven mensenwerk.

Hospitality en fitness

Voor hospitality en fitness zijn veelvoorkomende toepassingen: aanvragen voor lessen en tafels, boekingen, wachtlijsten, opvolging van gemiste oproepen, reviewverzoeken en meertalige gastberichten. Een lokale operator die een conversiegerichte website, geautomatiseerde opvolging en reviewfunnel nodig heeft, past mogelijk bij het Traffic Magnet-systeem, beschikbaar vanaf 299 EUR per maand. Personeel blijft verantwoordelijk voor serviceherstel, veiligheid en gastenzorg.

Slimme toepassingen die zichzelf snel kunnen terugverdienen

Dit zijn bewust smalle toepassingen. Of ze zich binnen een maand terugverdienen, hangt af van bestaand volume, arbeids- en foutkosten. Meet daarom altijd eerst de nulmeting voordat u de belofte doet.

Kies een toepassing waarbij de trigger betrouwbaar is, het gewenste resultaat zichtbaar is en de eigenaar van de uitzondering al bestaat. Instrumenteer het voor livegang. Meet afhandeltijd, vertraging, correctiepercentage en commercieel resultaat met de bronsystemen, niet met de zelfrapportage van een agent.

Waarom professionele installatie het verschil maakt

De meeste mislukte AI-projecten falen niet omdat het model niet kan schrijven. Ze falen omdat het team het operationele ontwerp heeft overgeslagen.

Het patroon is herkenbaar:

• Geen workflowkaart, waardoor verborgen uitzonderingen pas na de lancering opduiken.
• Geen eigenaar, waardoor prompts en regels verouderen zonder controle.
• Geen betrouwbare data-toegang, waardoor de agent moet gokken met onvolledige context.
• Geen duidelijke permissiegrenzen, waardoor gemak leidt tot vermijdbare risico’s.
• Geen audittrail, waardoor niemand een actie kan reconstrueren.
• Geen menselijke escalatie, waardoor uitzonderlijke gevallen klantproblemen worden.
• Geen compliance-ontwerp, waardoor transparantie en toezicht te laat worden toegevoegd.
• Geen nulmeting, waardoor activiteit wordt verward met waarde.

Een goede installatie begint met het in kaart brengen van de huidige workflow, inclusief triggers, systemen, beslissingen, wachtrijen en uitzonderingen. Vervolgens wordt de gewenste situatie ontworpen: wat blijft deterministisch, waar ondersteunt een model, wat mag een agent doen en wanneer neemt een mens het over. Build en integratie verbinden de workflow met gezaghebbende systemen met beperkte rechten. Operatie en optimalisatie beoordelen uitkomsten, kosten, correcties en nieuwe uitzonderingen.

Dat is de logica achter onze Map, Architect, Build and Integrate, Operate and Optimise-methode. Het geeft het management ook duidelijke controlepunten. Mapping eindigt met een overeengekomen proces en nulmeting. Architectuur eindigt met controles en acceptatiecriteria. Build eindigt met geteste integraties en training. Operatie levert bewijs voor uitbreiding of afbouw.

Slechte installatie heeft een meetbaar markteffect. Gartner verwacht dat meer dan 40% van de agentic AI-projecten tegen eind 2027 wordt stopgezet, terwijl McKinsey meldt dat 20% van de respondenten aangeeft dat AI-operatiekosten hen beperken. Kosten lopen op als elke taak het krachtigste model gebruikt, context steeds opnieuw wordt opgebouwd, fouten onbeperkt worden herhaald of personeel output in een tweede systeem moet corrigeren.

Hoe kiest u een implementatiepartner?

Vraag een kandidaat om te laten zien hoe zij:

• Het huidige proces in kaart brengen voordat ze software adviseren.
• Een operationele eigenaar en meetbare acceptatiecriteria definiëren.
• Deterministische regels, modelbeoordeling en menselijke goedkeuring scheiden.
• Persoonlijke en commercieel gevoelige data beschermen.
• Toolrechten beperken en agent-acties registreren.
• Meerdere talen en realistische uitzonderingen testen.
• Personeel trainen en documenteren hoe het systeem wordt bediend.
• Modelkosten, correctieratio en bedrijfsresultaat monitoren.
• Uw bedrijf eigendom geven van configuraties, code en data.
• Een model kunnen vervangen zonder de hele workflow opnieuw te bouwen.

De keuze tussen een intern team en een partner hangt af van werkdruk, capaciteit en gewenste eigendom. Onze implementatiepartnervergelijking zet de operationele afwegingen op een rij. Als het directe gat senior governance is en geen permanente executive rol, vergelijk dan een fractional AI officer met een fulltime aanstelling.

Begin met één proces dat een duidelijke eigenaar heeft, voldoende herhaling kent en een herstelbare faalmodus heeft. Installeer het goed, observeer het onder echte omstandigheden en gebruik het bewijs om te bepalen wat de volgende stap is.

Belangrijkste inzichten

• Bedrijven halen waarde uit AI als modellen zijn gekoppeld aan afgebakende workflows, gezaghebbende data en benoemde eigenaren.
• Routinematige opvolging, boekingen, extractie, herinneringen en recordupdates zijn sterk te automatiseren; beoordeling, relaties en verantwoordelijkheid blijven menselijk.
• Modelprijzen zijn minder belangrijk dan architectuur, rechten, datakwaliteit, uitzonderingsafhandeling en eigendom.
• Agents hebben expliciete doelen, toegestane acties, stopcondities, audittrails en escalatieroutes nodig.
• Begin met een meetbare workflow, niet met een algemene ambitie om "AI te gebruiken".

Veelgestelde vragen

Welk AI-model moet een klein bedrijf in 2026 gebruiken?

Er is geen enkel beste model. Gebruik een capabel, goedkoop model voor routinematige classificatie en concepten, een krachtiger model voor dubbelzinnige of complexe taken, en deterministische regels waar geen beoordeling nodig is. Test de daadwerkelijke werklast in elke benodigde taal, neem correcties mee in de kosten, en houd de workflow overdraagbaar tussen leveranciers.

Wat is het verschil tussen een AI-agent en een automatisering?

Een automatisering volgt vooraf ingestelde triggers en regels. Een agent kan kiezen uit toegestane stappen en tools om een afgebakend doel te bereiken. Gebruik automatisering voor stabiele processen en een agent waar de route varieert, en vereis menselijke goedkeuring zodra de consequentie de afgesproken risicogrens overschrijdt.

Wat kost het om AI-agents te laten draaien?

De kosten hangen af van modelgebruik, contextgrootte, toolcalls, telefonie, integraties, monitoring en menselijke controle. Gepubliceerde modeltarieven variëren van GPT-6 Luna met 0,10 USD per miljoen inputtokens en 0,50 USD per miljoen outputtokens tot GPT-6 Sol met respectievelijk 2 USD en 10 USD, maar tokenkosten zijn slechts een deel van de operationele kosten. Prijs de volledige workflow en de uitzonderingen.

Is het legaal in de EU om een AI klantgesprekken te laten voeren?

Dat kan, maar het ontwerp moet voldoen aan de toepasselijke privacy-, consumenten-, sector- en AI-regels. Informeer bellers dat ze met een machine spreken, minimaliseer persoonsgegevens, bied een route naar een mens, documenteer het systeem en zorg voor passend toezicht. Hoog-risico of gevoelige toepassingen vereisen specifieke juridische en compliance-toetsing.

Hoe lang duurt een professionele AI-installatie?

Dat hangt af van workflowcomplexiteit, datakwaliteit, integraties, talen, risico en hoe snel eigenaren procesbeslissingen kunnen nemen. Een afgebakende receptie- of opvolgworkflow kan sneller worden geïnstalleerd dan een afdelingsoverstijgende operatie met ERP, finance en gereguleerde data. Vraag om fasepoorten voor mapping, architectuur, build, acceptatie, training en gemonitorde operatie, in plaats van een lanceerdatum zonder die afhankelijkheden.