Agentic networks: van losse tools naar zelforganiserende digitale collega’s

Tot nu toe werkten AI-tools als losse muzikanten die alleen spelen wanneer jij ze een partituur geeft. Met agentic networks is dat anders: het is een orkest dat zelf begint, onderling afstemt en samen een complete symfonie uitvoert. Zonder dat er een dirigent in zicht is. “Hiermee is een nieuwe realiteit ontstaan,” zegt Leo Visser, AI-consultant. Hij ziet agentic AI niet als een leuke gimmick, maar als een structurele verschuiving in hoe organisaties werken. In deze blog lees je wat deze agentic networks inhouden en wat ze kunnen betekenen voor jouw organisatie.

Van reactief naar proactief: wat zijn Agentic Networks?

Leo: “Een agentic AI is een systeem dat zelfstandig een taak kan uitvoeren, zonder dat een mens constant aan de knoppen zit.” Waar traditionele AI vooral output genereert (denk: chatbots, voorspellende modellen), gaan agentic agents een stap verder. Ze voeren handelingen uit, zoals tickets aanmaken, data ophalen of zelfs een boeking afronden.

“Het zijn in feite digitale collega’s die snappen welke systemen beschikbaar zijn, welke taken ze kunnen uitvoeren en welke informatie ze daarvoor nodig hebben,” zegt Leo.

Belangrijk bij deze agentic networks is de Model Context Protocol (MCP)-standaard. “Zie het als een recept,” zegt Leo. “Het beschrijft welke ingrediënten (gegevens) nodig zijn, welke stappen een agent kan zetten en hoe systemen met elkaar praten.” Daardoor kunnen verschillende agents samenwerken alsof ze elkaars taal spreken.

Hoe ziet dat eruit in de praktijk?

Tot voor kort leek automatisering vaak op een lopende band: je legt vooraf alle stappen en beslissingen vast, en het proces verloopt steeds op dezelfde manier. Daarom werden sommige taken niet geautomatiseerd. Ze kwamen te weinig voor, of waren geen bottleneck in de totale workflow.

Met agentic networks verandert dat. Je hoeft niet meer een complete beslisboom uit te tekenen; je geeft een agent de opdracht en de benodigde informatie, en die bepaalt zelf de beste vervolgstappen. Daardoor worden ook losse, minder voorspelbare taken wel geschikt voor automatisering.

Voorbeelden zijn er volgens Leo al te over. Eentje uit de marketinghoek: één agent bedenkt campagne-ideeën, een tweede werkt ze uit tot een voorstel, en een derde giet het in een strak vormgegeven document. Geen eindeloze briefings meer; de keten loopt vanzelf.

Of neem de computer use agents (CUA’s) van Microsoft. Die krijgen letterlijk een virtuele computer tot hun beschikking. Zeg tegen zo’n agent: Boek een hotel voor volgende week in Parijs, en hij opent een browser, zoekt hotels, vult formulieren in, en vraagt je alleen nog of je een tweepersoonsbed wilt. “Superkrachtig,” zegt Leo. “En eerlijk: ook een beetje eng. Je geeft zo’n agent in feite de sleutel tot je hele systeem.”

Hij ziet ook nuttige toepassingen dichter bij huis: “Want veel bedrijven denken misschien: leuk, maar dat is nog jaren weg. In werkelijkheid zit het al in tools die we dagelijks gebruiken. In Teams hebben wij bijvoorbeeld een SharePoint-agent aan interne klanten groepschats toegevoegd. Je vraagt dan simpelweg in de groepschat: @agent wat is de status van project X? en je krijgt direct een antwoord op basis van actuele data, zonder collega’s te storen.

“Ook in Microsoft Copilot duiken de eerste agentic functies op, van promptcoaches die je helpen betere vragen te stellen tot data-analisten die zelfstandig inzichten genereren. In de M365-versie werkt Copilot zelfs al met meerdere gespecialiseerde agents per applicatie. Vraag je bijvoorbeeld om een meeting te plannen, dan schakelt Copilot bijvoorbeeld de Outlook-agent in, die precies weet wat daarvoor nodig is. Nu voeren deze agents vaak nog taken op aanvraag uit, maar hun zelfstandigheid groeit snel. Straks verspreiden ze automatisch rapportages, plannen ze vergaderingen of voegen ze datasets samen, zonder dat jij er nog tussenkomt.”

Waarom is dit waardevol?

Agentic networks leveren tijdwinst op, verminderen fouten en versnellen besluitvorming. Leo: “Ze maken samenwerking soepeler en geven medewerkers ruimte om zich op complexer werk te richten.”

Hij is vooral enthousiast over het feit dat het snel kan en flexibel is: “Omdat agents vaak via bestaande tools werken en gebruikmaken van standaarden zoals MCP, hoeven organisaties geen zwaar ict-traject te doorlopen. Dat maakt het mogelijk om sneller nieuwe processen te automatiseren. Je hoeft niet langer te wachten tot ict tijd heeft: een agentic oplossing is modulair en inzetbaar op afdelingsniveau. Het is dus schaalbaar. Dat is tegelijk ook een aandachtspunt, waarover straks meer.”

De risico’s: van verborgen opdrachten tot onverwachte kosten

Agentic AI biedt dus veel mogelijkheden, maar brengt ook risico’s met zich mee. “Door hun schaalbaarheid kunnen agents onverwachte wegen inslaan. In tegenstelling tot klassieke software, die precies doet wat je programmeert, nemen agents zelfstandig beslissingen op basis van prompt-instructies, wat soms tot onvoorziene acties leidt.”

Leo vertelt over een incident waarbij verborgen tekst in een e-mail stiekem opdrachten gaf aan een AI-systeem. Het ging om tekst die voor mensen onzichtbaar was, maar die de AI wel kon lezen en interpreteren als instructies. Daardoor voerde de AI automatisch acties uit, zonder dat een mens dat doorhad. Zodra de AI de mail analyseerde, voerde hij de geheime instructies uit. “Zoiets kan dus ook via een website gebeuren,” zegt hij. “Je wilt niet dat een agent ineens gevoelige informatie invult of rare acties uitvoert. Dat vraagt om duidelijke afspraken over verantwoordelijkheid voor AI-output, ingebouwde controles en logging, en robuuste beveiliging van data en systemen.”

Daarnaast kan gemak leiden tot onverwachte kosten. Leo herinnert zich een recent voorbeeld: “Als je een AI-agent hebt die e-mailhandtekeningen in een paar seconden aanpast, gaan mensen dat vaker doen. Leuk voor carnaval of de feestdagen, maar als je betaalt per uitvoering, kan je rekening ineens flink oplopen.” Zo zijn er natuurlijk honderden voorbeelden te noemen.

En dan is er nog de milieukant: AI-modellen verbruiken veel energie. Soms kan AI juist CO₂ besparen, bijvoorbeeld door reisplanning te optimaliseren. Maar onder aan de streep is het echt iets waarvan je de impact moet meten en meenemen in je keuzes.

En wat betekent dit voor medewerkers?

De technologie roept vragen op: wordt mijn werk overbodig? Volgens Leo is het antwoord genuanceerd: “Routinematige, uitvoerende taken verdwijnen deels, maar daar komt werk voor terug waarbij controle en creativiteit heel belangrijk zijn. Er ontstaat meer vraag naar mensen die AI-systemen kunnen begeleiden, onderhouden of verbeteren. Dankzij agents kunnen ook minder gespecialiseerde medewerkers taken uitvoeren die voorheen alleen door experts werden gedaan.

Hij vergelijkt het met de industriële revolutie: machines namen het fysieke werk over, maar mensen kregen nieuwe rollen in onderhoud, controle en planning. “Nu gebeurt dat in de kennissector. De saaie, repetitieve taken verdwijnen, terwijl er juist meer ruimte komt voor creativiteit, coördinatie en kwaliteitsbewaking.”

Om die overgang soepel te laten verlopen moeten organisaties:

• transparant zijn over de veranderingen;
• medewerkers tijdig informeren en duidelijk maken welke kansen ontstaan;
• investeren in bijscholing en herplaatsing, zodat niemand buitenspel komt te staan.

Leo benadrukt dat de human in the loop onmisbaar blijft, juist in een wereld van zelfsturende AI. Bij beslissingen met juridische, ethische of strategische impact moet er altijd een menselijke check zijn. Niet om innovatie af te remmen, maar als kwaliteits- en veiligheidslaag.

Klaar voor de eerste stap?

Wie als CIO of AI-officer serieus werk wil maken van agentic AI, kan nu al beginnen door:

1. Businessprocessen in kaart brengen
   Voordat je agentic AI inzet, is het belangrijk om goed te weten hoe je processen lopen. Noteer welke taken er zijn, hoe vaak ze voorkomen, hoe lang ze duren en wie erbij betrokken is. Let er ook op of de volgende stappen in het proces het extra werk aankunnen; anders ontstaat er een opstopping. Door deze gegevens overzichtelijk te maken, kun je knelpunten herkennen en verbeteren volgens de principes van de theory of constraints. Zo zie je waar automatisering het meeste effect kan hebben en welke processen het meest profiteren.
2. Enterprise-architectuur optimaliseren
   Zodra je inzicht hebt in de processen, is het belangrijk om te begrijpen hoe systemen en processen met elkaar verbonden zijn. Een goed georganiseerde enterprise-architectuur maakt zichtbaar welke systemen gekoppeld moeten worden via API’s of andere protocollen en waar agentic AI de meeste waarde kan toevoegen.
3. Governancebeleid opstellen
   Het succes van agentic AI hangt af van duidelijk beleid en verantwoordelijkheid. Stel vast wie verantwoordelijk is voor welke processen, hoe de uitvoering wordt gecontroleerd en hoe acties en beslissingen worden gelogd.
4. AI-compliant procurement
   Zorg dat je voldoet aan relevante regelgeving, zoals de EU AI Act. Gebruik checklists en richtlijnen zodat alle AI-oplossingen voldoen aan wettelijke en ethische standaarden, waardoor risico’s worden beperkt en compliance gegarandeerd is.

De toekomst: zelflerende, zelfuitvoerende agents

Leo kijkt hoopvol vooruit. Hij verwacht dat agents straks zelfstandig code kunnen schrijven om hun taken uit te voeren, complexe handelingen kunnen uitvoeren en automatisch koppelingen leggen met databronnen en systemen. Dat opent enorme kansen voor efficiëntie en innovatie.

Maar die zelfstandigheid brengt ook nieuwe risico’s met zich mee. Leo schetst een scenario: “Ik zou er niet van opkijken als een AI ooit een kwetsbaarheid gebruikt om bij een systeem binnen te komen, puur omdat hij de opdracht kreeg ‘haal die data op’.”

Waar het precies naartoe gaat, weet niemand, maar de ontwikkeling is duidelijk richting grotere zelfstandigheid, diepere samenwerking tussen systemen en een sterkere rol van AI in strategische beslissingen.

Zijn slotadvies is daarom duidelijk:

• Experimenteer stap voor stap: begin klein, zodat je risico’s kunt beperken.
• Leer het gedrag van agents goed kennen: begrijp hoe en waarom ze beslissingen nemen.
• Zorg voor stevige beveiliging: bescherm systemen en data tegen misbruik.
• Houd altijd een mens betrokken: laat kritieke beslissingen nooit volledig aan AI over.

Het orkest dat zelf begint te spelen: de nieuwe realiteit van agentic AI

Agentic AI is geen verre toekomstmuziek, maar een technologie die nu al processen versnelt, samenwerking soepeler maakt en nieuwe mogelijkheden opent. Tegelijk vraagt de grotere zelfstandigheid van agents om duidelijke governance, goede beveiliging en blijvende menselijke betrokkenheid. Als je stap voor stap experimenteert en leert hoe deze digitale collega’s werken, haal je er het meeste uit.

En net als bij een orkest gaat het erom dat alle instrumenten op elkaar zijn afgestemd, maar jij bepaalt nog steeds welke muziek er gespeeld wordt.