Laatst gecheckt op 8 juli 2026. Dit stuk hangt aan actueel nieuws, dus behandel de cijfers als een momentopname.

Ik draai al maanden een stuk of dertig Ai-agents op mijn eigen thuisserver, en als ik eerlijk ben is het minst spannende deel het deel dat werkt. Geen autonome super-collega die zelfstandig mijn bedrijf runt. Wél een reeks saaie, smalle klusjes: mail voorsorteren, containers in de gaten houden, een boekhouding maandelijks nalopen, code reviewen. Elk daarvan afgebakend, elk met een grens die de agent niet zelf mag overschrijden. Precies dat contrast, tussen de belofte en wat er echt gebeurt, kreeg deze week een paar hoogst opmerkelijke bevestigingen uit onverwachte hoek.

De week waarin twee grote namen het hardop zeiden#

Op een interne bijeenkomst begin juli vertelde Meta-topman Mark Zuckerberg zijn personeel dat de ontwikkeling van Ai-agents niet zo snel is gegaan als het bedrijf had gehoopt. Dat is geen kleine uitspraak. Meta ontsloeg eerder dit jaar zo’n 8.000 mensen (ongeveer 10% van het personeel) en verschoof nog eens 7.000 medewerkers naar Ai-teams, deels met de gedachte dat agents veel werk zouden overnemen. Het bedrijf geeft dit jaar naar verwachting tot ongeveer 130 miljard euro uit aan Ai-infrastructuur. Zuckerberg zei dat het beloofde voordeel van die hele ombouw “nog niet is uitgekomen”, al verwacht hij verbetering in de komende drie tot zes maanden. Vertaald naar gewone taal: enorm veel geld en mensen ingezet op de belofte, en de resultaten laten op zich wachten.

Bijna gelijktijdig kwam een tweede verhaal langs, uit een compleet andere sector. Autofabrikant Ford heeft de afgelopen jaren meer en meer geleund op geautomatiseerde kwaliteitssystemen, en huurde vervolgens honderden ervaren ingenieurs terug (intern “gray beards” genoemd) om de fouten daarvan recht te zetten. In de woorden van de operationeel directeur: ze vertrouwden steeds meer op automatische kwaliteitscontrole “en kregen niet het gewenste resultaat”. De automatisering miste het genuanceerde oordeel dat een ervaren mens wél heeft. Ford was in de eerste helft van 2026 de meest teruggeroepen automerk in de VS. De rekening liep in de miljarden.

Twee bedrijven van wereldformaat, twee verschillende toepassingen, dezelfde les: de belofte van “zet Ai erop en laat het lopen” botst op de werkelijkheid.

Dit is geen bewijs dat Ai niet werkt#

Laat ik meteen de doemdenkers afremmen, want die zijn er ook. Dit betekent níet dat Ai-agents een luchtbel zijn en dat je maar beter kunt afwachten. Wat hier misging, is niet dat Ai niks kan. Het is dat de verwachting te groot en te breed was: de aanname dat een agent hele functies of hele processen zelfstandig en foutloos overneemt.

De cijfers wijzen dezelfde kant op, mits je ze eerlijk leest. Onderzoeksbureau Gartner voorspelt dat rond 40% van de agent-projecten vóór 2027 wordt gestopt, onder meer door te hoge kosten en onduidelijke waarde. Dat is een voorspelling, geen natuurwet, en het zegt vooral iets over hoe deze projecten worden opgezet: te ambitieus, te weinig afgebakend, zonder heldere meetlat. Mijn eigen ervaring sluit daarop aan. De agent-experimenten die bij mij sneuvelden waren stuk voor stuk de brede, ambitieuze: “los dit hele probleem zelf op”. De experimenten die bleven draaien waren de saaie, smalle.

Er is nog een reden om niet in juichverhalen te trappen, en die is subtieler dan een agent die zichtbaar faalt. In een van mijn projecten liep de testsuite volledig groen, terwijl de applicatie stilletjes verkeerde data aan de verkeerde klant had kunnen tonen als één schakelaar werd omgezet. “Compileert” en “tests groen” is niet hetzelfde als “werkt”. Ik noem dat de gevaarlijkste bug-klasse van Ai-software: het slaagt, maar het is fout. Juist omdat het er geslaagd uitziet, glipt het langs je heen. Dat is precies waarom een mens die het resultaat controleert geen luxe is maar een noodzaak.

Wat wél werkt: smal, afgebakend, met een gate#

Als de brede autonome agent tegenvalt, wat blijft er dan over? In mijn praktijk drie dingen, en ze zijn opvallend onspectaculair.

1. Smalle, afgebakende taken in plaats van hele functies. Niet “run mijn support”, wel “sorteer binnenkomende mail elke vijftien minuten voor”. Niet “beheer mijn boekhouding”, wel “loop de administratie één keer per maand na en meld afwijkingen, wijzig zelf niets”. Hoe scherper de taak begrensd is, hoe betrouwbaarder de agent en hoe makkelijker je fouten opmerkt. Een agent die één ding goed doet, verslaat een agent die tien dingen half doet.

2. Een akkoord-gate vóór alles wat onomkeerbaar is. Dit is de kern. Ik geef mijn agents een soort rijbewijs met drie categorieën. Groen: mag zelf, want omkeerbaar en met kleine gevolgen (een logregel schrijven, een concept klaarzetten). Geel: mag doen, maar moet het melden. Rood: nooit zonder dat een mens akkoord geeft. Een klant mailen, iets naar productie zetten, een betaling doen: dat zijn eenrichtingsdeuren, en daar drukt geen Ai zelf op de knop. Bij mij doet een deterministisch script de deploy, met een automatische terugrol als het misgaat, niet een taalmodel dat “denkt” dat het goed zit.

3. Een mens in de lus op de plek die telt. Niet overal, want dan verdwijnt de tijdwinst. Wél op het onomkeerbare, gevoelige of dure moment. Het eerlijke frame is dus niet “Ai die zelf mijn bedrijf draait”, maar “Ai-gedreven, mens-bewaakt”. Dat is minder sexy op een landingspagina, maar het is wat daadwerkelijk overeind blijft.

Zie je het patroon? Meta en Ford liepen tegen precies het omgekeerde aan: te breed, te weinig grenzen, te veel vertrouwen dat de automatisering het genuanceerde oordeel zelf wel zou leveren. De correctie is niet “stoppen met Ai”, maar “Ai kleiner en beter begrensd inzetten”.

Wat betekent dit voor jouw bedrijf?#

De verleiding, aangewakkerd door een jaar aan agent-marketing, is om groot te beginnen: één slimme Ai die een heel proces overneemt. Doe het omgekeerde.

  • Begin bij één saaie, afgebakende taak. Iets wat vaak terugkomt, weinig oordeel vraagt en goed te controleren is. Mail voorsorteren, documenten classificeren, een wekelijkse check. Laat de agent dáár zijn waarde bewijzen voordat je hem meer geeft.
  • Schrijf de grenzen op vóórdat je iets bouwt. Wat mag deze Ai zelf, wat mag met melding, en wat nooit zonder jouw akkoord? Als je dat niet vooraf vastlegt, sluipt de autonomie er ongemerkt in, en kom je er pas achter als er iets onomkeerbaars is gebeurd.
  • Vertrouw “het draait” niet als bewijs dat “het klopt”. Bouw een controlemoment in. Een mens die steekproeven doet, of een tweede systeem dat het werk nakijkt. De duurste fouten zien er geslaagd uit.
  • Lees de faalcijfers als gebruiksaanwijzing, niet als reden om af te haken. Dat 40% strandt, komt vooral doordat projecten te groot en te vaag beginnen. Precies dat kun jij vermijden.

De koppen van deze week (“zelfs Meta en Ford lopen vast”) klinken als slecht nieuws voor Ai. Ik lees ze anders. Het is de markt die volwassen wordt: van “zet er een agent op” naar “geef die agent een scherpe taak en een strakke leiband”. En dat is nou net het terrein waarop een MKB’er, die zijn eigen proces door en door kent, verrassend goed uit de voeten kan. Je hoeft niet 145 miljard te hebben. Je hebt één goed afgebakende klus en een gate nodig.

Verder aan de slag? Download gratis het Ai-stoplicht om per taak te bepalen wat Ai in jouw bedrijf zelf mag doen, met melding mag, of nooit zonder jouw akkoord. Of lees hoe ik zo’n dertig agents op één thuisserver draai en wat daar echt gebeurt. Wil je samen kijken waar in jouw bedrijf een smalle, veilige eerste agent de meeste tijd bespaart? Kijk dan op de consulting-pagina.