AI-agents zijn hét buzzword van 2026. Ze plannen, beslissen en voeren uit zonder dat er een mens aan te pas komt, zo klinkt de belofte op elk vendorcongres. De cijfers vertellen een genuanceerder verhaal dan de demo’s. De echte waarde zit in afgebakende, meetbare taken diep in de IT-operatie, ver weg van de spectaculaire voorbeelden.
De verwachtingen zijn torenhoog. Gartner voorspelde in augustus 2025 dat eind 2026 veertig procent van alle enterprise-applicaties taakspecifieke AI-agents bevat, tegen minder dan vijf procent een jaar eerder. Datzelfde Gartner zette twee maanden eerder een heel andere kop boven een persbericht: ruim veertig procent van alle agentic AI-projecten wordt voor eind 2027 geannuleerd, door oplopende kosten, onduidelijke businesswaarde of gebrekkige risicobeheersing. Beide voorspellingen komen uit hetzelfde huis en spreken elkaar niet tegen. Agents worden overal ingebouwd én veel projecten mislukken. Voor IT-dienstverleners is de vraag daarmee scherper geworden: welke waarde blijft er over als de hype is ingedaald?
Wat maakt een agent een agent?
Eerst de definitiekwestie, want daar gaat het al vaak mis. Een AI-assistent beantwoordt vragen en wacht op de volgende opdracht. Een AI-agent krijgt een doel, maakt zelf een plan, gebruikt tools en systemen om dat plan uit te voeren en past zijn aanpak aan op basis van tussenresultaten. Dat verschil is fundamenteel: een assistent adviseert, een agent handelt.
Leveranciers springen daar gretig op in. Gartner signaleert een golf van wat het “agentwashing” noemt: bestaande chatbots, RPA-tools en AI-assistenten die een nieuw etiket krijgen zonder dat er echte agentic functionaliteit bijkomt. Van de duizenden partijen die zichzelf agentic AI-leverancier noemen, bieden er volgens de analisten maar zo’n honderddertig het ook echt. Gartner-analist Anushree Verma omschrijft de meeste projecten als experimenten in een vroeg stadium, vooral gedreven door hype. Voor MSP’s die tooling selecteren is dat een bruikbare lakmoesproef: kan het product alleen reageren op vragen, dan is het een chatbot met betere marketing.
Veel pilots, weinig productie
De adoptiecijfers laten een opvallende trechter zien. Uit het Emerging Technology Trends-onderzoek van Deloitte blijkt dat 30 procent van de organisaties agentic AI verkent en 38 procent pilots draait. Slechts 14 procent heeft oplossingen klaar voor uitrol en maar 11 procent gebruikt agents daadwerkelijk in productie. McKinsey komt in zijn recente State of AI-onderzoek tot een vergelijkbaar beeld: 62 procent van de organisaties experimenteert met agents, terwijl per bedrijfsfunctie hooguit 10 procent ze op schaal inzet.
Die kloof tussen experimenteren en produceren is de kern van het verhaal. Bijna iedereen probeert het, bijna niemand rondt het af. Deloitte noteert bovendien dat 42 procent van de organisaties nog aan een agentic strategie werkt en 35 procent helemaal geen formele strategie heeft. Er wordt dus volop gebouwd zonder bouwtekening.
Van verkenning naar productie: de trechter versmalt snel. Bron: Deloitte Emerging Technology Trends 2025.
Het saaie werk levert het meeste op
Waar draaien agents dan wél met succes? Het antwoord is minder sexy dan de keynotes doen vermoeden. McKinsey berekende in april 2026 dat agentic AI op termijn 60 tot 80 procent van het routinematige infrastructuurwerk kan automatiseren, goed voor een kostenreductie van 20 tot 40 procent in de eerste implementaties. Denk aan het doorspitten van logbestanden, het correleren van alerts, het triageren van tickets, het voorbereiden van patches en het bijwerken van documentatie: werk met duidelijke inputs, vaste regels en meetbare uitkomsten.
Dat patroon zie je terug in de omzetcijfers. Investeringsmaatschappij Insight Partners schat dat coding-agents inmiddels zo’n 3 miljard dollar omzet genereren en customer support-agents ongeveer 500 miljoen dollar. Daarnaast noemt de firma operationele use cases waarbij agents signaal van ruis scheiden in grote hoeveelheden logs en monitoringdata als een categorie die zich aantoonbaar bewijst. Voor de infrastructuurpraktijk van een MSP is dat goed nieuws: de plekken waar agents nu al waarde leveren, zijn de plekken waar het meeste repetitieve werk zit.
Waarom vier op de tien projecten sneuvelen
Terug naar die veertig procent geannuleerde projecten. De oorzaken die Gartner noemt zijn zelden technisch van aard. Organisaties onderschatten wat er nodig is om een agent van pilot naar productie te brengen: integratie met legacy-systemen, datakwaliteit, kostenbeheersing en governance. Verma wijst er bovendien op dat veel use cases die als agentic worden gepositioneerd helemaal geen agent nodig hebben. Een taak met een vast stappenplan kun je goedkoper en betrouwbaarder afhandelen met klassieke automatisering. Haar advies is even simpel als bruikbaar: zet agents in waar beslissingen nodig zijn, automatisering voor routinematige workflows en assistenten voor eenvoudige opvraagtaken.
Een tweede valkuil is de kostenkant. Agents draaien op taalmodellen die per token afrekenen, en een agent die tien stappen zet verbruikt al snel een veelvoud van een simpele chatvraag. Zonder actieve kostenbewaking loopt de maandelijkse rekening hard op, zeker bij multi-agent-opstellingen waarin meerdere agents met elkaar samenwerken.
De vertrouwenskloof
Het meest veelzeggende cijfer komt uit onderzoek van Workato en Harvard Business Review: 86 procent van de organisaties wil de investeringen in agentic AI verhogen, terwijl maar 6 procent een agent vertrouwt met het autonoom afhandelen van complete kernprocessen. PwC ziet hetzelfde patroon: 20 procent van de leiders vertrouwt agents met financiële transacties. De portemonnee is er wel, het vertrouwen nog lang niet.
Die kloof weerspiegelt vooral een gezonde inschatting van waar de technologie staat. Een fout van een chatbot is direct zichtbaar op het scherm. Een fout van een agent kan door meerdere systemen heen doorwerken voordat iemand het merkt. De human in the loop blijft daarom voorlopig de norm bij alles wat processen, geld of klantdata raakt. In de praktijk betekent dat: de agent doet het voorwerk, de engineer keurt goed.
Investeringsbereidheid en vertrouwen lopen ver uiteen. Bronnen: Workato/HBR, PwC.
Wat kan de MSP hiermee?
Voor MSP’s liggen er twee kansen. De eerste is intern: de eigen servicedesk, monitoring en beheerprocessen zijn bij uitstek het terrein waar agents zich bewijzen. Begin bij een begrensde workflow met duidelijke inputs en meetbare output, zoals alert-triage of het samenvatten van tickets, en houd een engineer in de goedkeuringslus. Meet vanaf dag één wat de agent kost en wat hij oplevert, in uren en in euro’s.
De tweede kans is commercieel. Klanten in het MKB worstelen met dezelfde vragen als de grote enterprises uit de onderzoeken, met minder mensen en minder budget. Een MSP die kan uitleggen welke leverancier echte agents bouwt en welke aan agentwashing doet, en die governance rond agents als dienst kan aanbieden, heeft een verhaal dat de komende jaren alleen maar relevanter wordt. Gartner verwacht dat in 2028 minstens 15 procent van de dagelijkse werkbeslissingen autonoom door agents wordt genomen. De partijen die nu leren waar de grenzen liggen, bepalen straks waar hun klanten die beslissingen aan toevertrouwen.
Bronnen
Gartner, “Gartner Predicts 40% of Enterprise Apps Will Feature Task-Specific AI Agents by 2026” (augustus 2025); Gartner, “Gartner Predicts Over 40% of Agentic AI Projects Will Be Canceled by End of 2027” (juni 2025); Deloitte, Emerging Technology Trends 2025 en Tech Trends 2026; McKinsey, “Reimagining tech infrastructure for agentic AI” (april 2026) en State of AI 2025; Workato/Harvard Business Review, onderzoek naar vertrouwen in AI-agents; PwC, AI Agent Survey; CXOTalk-interview met Praveen Akkiraju, Insight Partners (juni 2026).
