Agentic AI: De volgende triljoen-dollar efficiëntiezet

Van LLM's naar AI-agenten

De prestaties van AI hebben onze perceptie van de mogelijkheid van kunstmatige systemen om met mensen te communiceren veranderd, grotendeels dankzij de bijna menselijke spraak van LLM's (Large Language Models) zoals ChatGPT.

Al met dit niveau van capaciteit kan AI taken zoals vertalen, gegevens zoeken, programmeren, enz. ondersteunen of zelfs vervangen. Een nieuw niveau van AI-capaciteit wordt echter ontgrendeld met AI-agenten. Het kernidee van AI-agenten is het creëren van AI's die zelfstandig kunnen opereren in een gegeven omgeving. Dit stelt hen in staat om zelf actie te ondernemen, zonder constante bevestiging of supervisie.

Dit geeft hen zeer verschillende praktische rollen dan die van generatieve AI zoals LLM's of beeldgeneratoren, die meestal reactief zijn op door mensen gemaakte prompts.

In die context kan “omgeving” zowel specifieke situaties in de echte wereld betekenen — zoals een auto op de weg voor een zelfrijdende agent — of een volledig virtuele “plaats”, zoals een specifieke softwaresuite of digitale interface.

Dit is de stap waarbij AI evolueert van “Chatten” naar “Doen”. In tegenstelling tot algemene LLM's hebben AI-agenten vaak een meer beperkte en smalle scope. Dit helpt hen efficiënter en betrouwbaarder te zijn bij het nemen van autonome beslissingen, terwijl een algemene AI gemakkelijker onverwachte zijpaden kan inslaan.

AI-agenten zijn de volgende stap om AI nuttig te maken voor het verbeteren van de efficiëntie van talloze processen.

AI-agenten uitgelegd

Veeg om te scrollen →

Zijn AI-agenten een nieuwe doorbraak of een evolutie?

Deze kenmerken plaatsen AI-agenten één stap boven eerdere iteraties van AI-tools, zoals assistenten en bots, dankzij meer proactieve mogelijkheden, autonomie en het vermogen om complexe, meerstaps taken te verwerken.

Net als een ware intelligentie kunnen ze zichzelf verfijnen: ze leren van ervaring, passen hun gedrag aan op basis van feedback, en verbeteren hun prestaties continu in de loop van de tijd.

Dus terwijl bots en AI-assistenten delen van de taken kunnen uitvoeren die aan een AI-agent worden gegeven, onderscheiden autonomie, proactieve aanpak en een hoog niveau van complexiteit agenten van eerdere automatisatieniveaus. Dit maakt ze veel dichter bij een echte menselijke werknemer, althans voor de specifieke taak waarvoor ze zijn getraind.

Hoe autonome AI-agenten zich over sectoren zullen schalen

Het moderne leven zit vol repetitieve taken die net iets te complex zijn voor eenvoudige automatiseringsscripts maar te saai voor mensen. Dit maakt AI-agenten bijzonder relevant voor sterk repetitieve, oordeel-gebaseerde workflows — van het doorlopen van een klant door een foutopsporingsalgoritme tot het besturen van vrachtwagens op de snelweg.

In tegenstelling tot mensen kunnen dergelijke AI-agenten 24/7 werken en direct opschalen zonder extra overhead.

Er zijn veel manieren om het niveau dat we hebben bereikt in AI-vaardigheden te classificeren. Over het algemeen vergelijken metrics de capaciteit van AI met de algemene menselijke bevolking. De nieuwste AI-agenten bereiken de vaardigheden van 50‑90 % van de bevolking in specifieke, smal-domein taken.

Deze “Level 2‑3” AI-agenten worden meestal beschouwd als een middenpunt in AI-voortgang, en slechts het begin voor AGI (Artificial General Intelligence).

De opkomende architectuur is om veel gespecialiseerde AI-agenten te bouwen en elk een specifieke taak te laten afhandelen op een niveau vergelijkbaar met een menselijke werknemer. Voor complexere workflows zal een reeks AI-agenten opeenvolgend handelen, samenwerken om de grotere taak uit te voeren door deze op te splitsen in kleinere sub‑taken.

Aangepaste agenten, intern ontwikkeld met behulp van AI-platformen, zullen waarschijnlijk vaker voorkomen nu codeer‑agenten de complexiteit van het ontwikkelen van enterprise‑apps verminderen.

Efficiëntie van AI en mensen tegelijk verhogen

Een ander voordeel van AI-agenten ten opzichte van meer algemene AI is efficiëntie. Terwijl ze uitblinken in één taak, worden ze niet belast door overbodige capaciteiten.

Zo kan een toegewijde AI-agent een auto besturen als een mens, zonder de andere menselijke vermogens voor redeneren. Hij kan “wegen” begrijpen, maar zal geen goed gesprek voeren, geen afbeeldingen genereren op basis van een prompt, of grote databases verwerken.

Daarom vereist het model minder geheugen en rekenkracht om te werken. Dit verlaagt op zijn beurt de hardware‑eisen en de energie die nodig is om de taak uit te voeren.

Hoeveel autonomie?

De grotere autonomie van AI-agenten is hun grootste kracht, maar kan ook een adoptie‑barrière vormen.

Zelfs een zeer competente en betrouwbare AI-agent wordt misschien niet volledig vertrouwd om beslissingen te nemen die een grote impact hebben op de echte wereld. Het is één ding om een verbeterde chatbot in te zetten voor klantenservice; het is iets anders om hem de loonadministratie van duizenden werknemers te laten afhandelen.

Het is waarschijnlijk dat de parallelle groei in de kwaliteit van AI‑beslissingen en de toenemende vertrouwdheid ermee autoriteiten meer speelruimte zal geven voor AI‑besluitvorming. Dit opent echter interessante juridische en ethische vragen over de verantwoordelijkheid voor AI‑acties.

Er moet een duidelijk juridisch kader worden vastgesteld. Bijvoorbeeld, als een zelfrijdende auto crasht, is de aanbieder van de AI‑agent dan verantwoordelijk? Naarmate autonomie toeneemt, hebben beslissingen impact op echte mensen en worden aansprakelijkheidskwesties duurder.

Dit omvat ook misbruik, zoals identiteitsdiefstal of geautomatiseerde fraude. Het zijn wetgevende vragen, maar technologische vooruitgang loopt vaak voor op regelgeving.

De toekomst van AI-agenten

Kunnen AI-agenten smalle generalisten worden?

Zoals uitgelegd, zijn vroege AI-agenten smal om efficiënt en betrouwbaar te zijn. Hogere‑niveau AI-agenten zullen echter een begrip van context, geheugen van eerdere beslissingen en taakcontinuïteit vereisen.

In eerste instantie kan dit worden gedaan met behulp van een mens, die meer een “dirigent” wordt van de agentische AI's in plaats van de taak zelf uit te voeren. Natuurlijk is het uiteindelijke doel om menselijke arbeid uit de vergelijking te verwijderen om de efficiëntie te verbeteren.

Bijvoorbeeld, een AI die een diagnose in een ziekenhuis stelt, moet medische beelden analyseren, tekst of spraak die symptomen beschrijft begrijpen, medische testresultaten en patiëntgeschiedenis integreren, en relevante wetenschappelijke literatuur vinden — allemaal tegelijk. Vervolgens moet hij deze data intelligent combineren.

Financiële toepassingen

Sommige sectoren zijn sceptisch over het wegnemen van mensen uit de besluitvormingslus, met name productie of gezondheidszorg waar fouten dodelijk kunnen zijn. Eén sector omarmt AI-agenten echter enthousiast: financiën.

Het grootste deel van de financiële wereld maakt al gebruik van hoge niveaus van automatisering, van handelssystemen tot fraudedetectie. Fintechs staan nog meer open voor agentic AI, omdat hun bestaan afhankelijk is van het automatiseren van financiële efficiëntie. Verbeterde efficiëntie in een industrie die triljoenen beheert, kan snel omzetten in winstgevende marges.

Zo kan een agent zich richten op de tijdrovende taak van reconciliatie (het afstemmen van bankafschriften, spreadsheets en grootboeken). Middelgrote bedrijven kunnen meer dan 300 uur per jaar besteden aan bankreconciliatie. Terwijl spreadsheets delen hiervan kunnen automatiseren, zijn ze broos. Agentic AI biedt hogere flexibiliteit en redeneercapaciteit om uitzonderingen en ongestructureerde data af te handelen.

Investeren in Agentic AI

ServiceNow

ServiceNow is een cloud‑computing platform opgericht in 2003, gewijd aan het creëren en beheren van geautomatiseerde bedrijfs‑workflows. Vanuit een gevestigde basis van business‑automation klanten is het bedrijf volledig overgestapt op agentic AI.

Het stelt bedrijven in staat om zijn AI‑agenten te gebruiken, evenals ze aan te passen of nieuwe te creëren vanaf nul met low‑code en “vibe coding” (een AI de code laten schrijven op basis van prompts van een mens).

Het belangrijkste verkoopargument van ServiceNow is dat het niet “gehuwd” is aan een specifieke AI‑technologie en kan integreren in de bestaande digitale tools en workflows van bedrijven. Het biedt ook een betrouwbare interface om het beheer van een groeiend aantal AI‑agenten te centraliseren.

AI‑governance wordt opnieuw gedefinieerd, met een centraal hub om AI‑Agenten te beheren, monitoren en optimaliseren — of ze nu native of van derden zijn. En in tegenstelling tot gesloten ecosystemen is ServiceNow LLM‑agnostisch en diep geïntegreerd met NVIDIA, hyperscalers, en een bloeiend AI‑ecosysteem — waardoor bedrijven volledige controle hebben om hun AI‑strategie toekomstbestendig te maken.

De focus van deze agenten is het verbeteren van de marges van bedrijven door ze efficiënter te maken — IT‑taken automatiseren, HR vereenvoudigen, routinematige klantverzoeken afhandelen, en de ontwikkeling van apps versnellen.

Het 20‑plus jaar oude bedrijf groeit nog steeds snel, met meer dan 20 % jaar‑over‑jaar omzetgroei aan het einde van 2025. Opmerkelijk is dat bestaande klantcohorten consequent hun gebruik vergroten, wat leidt tot een groeiende ACV (Annual Contract Value). Vernieuwingspercentages blijven consistent tussen de 95 %‑97 %, waardoor de inkomsten zeer voorspelbaar zijn.

Het bedrijf heeft solide operationele marges en vrije kasstroom weten te creëren, wat hun relatief lage kostenbasis weerspiegelt ten opzichte van de terugkerende inkomsten.

Laatste ServiceNow (NOW) aandelennieuws en ontwikkelingen