Blog

Enterprise AI en de organisatie van morgen

Na een periode van experimenteren draait het om opschalen. Met Agentic AI voert AI steeds meer werk zelf uit. CTO Marco Boele over Enterprise AI en wat dat betekent voor de organisatie eromheen.

Geschreven door:
Marco Boele
11 Nov 26
5
min read

Organisaties willen de volgende stap met AI zetten. Na een periode van experimenteren draait het om opschalen, terwijl ook de behoefte aan grip op AI-toepassingen en het voorkomen van shadow AI groeit.

Ondertussen verandert de rol die AI zelf krijgt. Met Agentic AI kan AI steeds meer werk daadwerkelijk uitvoeren. En zodra dat gebeurt, verandert ook de manier waarop organisaties hun werk organiseren. Je komt dan bij een ander type organisatie uit: de Agentic Enterprise.

Volgens Marco Boele, CTO Digitale Transformatie bij BBTG, komen we nu op een belangrijk omslagpunt. In deze blog kijken we met hem naar Enterprise AI en de beweging daarnaartoe. Want als AI steeds meer onderdeel wordt van de uitvoering, wat betekent dat dan voor de organisatie eromheen?

De beweging richting Enterprise AI

Volgens CTO Marco Boele spreek je van Enterprise AI wanneer je AI organisatiebreed en op grote schaal inzet om bedrijfsdoelen te realiseren. AI wordt onderdeel van applicaties en bedrijfskritische processen. Daardoor worden betrouwbaarheid, veiligheid en aantoonbare compliance voorwaarden om erop te kunnen bouwen.

Een pilot of losse AI-toepassing bewijst dat AI iets kan. Bij Enterprise AI ga je een stap verder: je organisatie gaat daadwerkelijk op AI vertrouwen.

Die rol kan geleidelijk groeien. Marco ziet een groeipad van ondersteunende genAI naar agents die zelfstandig een proces uitvoeren en uiteindelijk onderdeel zijn van een volledige bedrijfsfunctie. De rol van medewerkers verschuift daarin steeds meer richting sturen en controleren.

Neem klantacceptatie. Eerst gebruikt een medewerker AI om te bepalen welke documenten nodig zijn en verzamelt die zelf. Een assistent kan vervolgens gegevens uit bijvoorbeeld de KvK en eigen systemen bij elkaar brengen. Een agent gaat verder: die raadpleegt zelf de bronnen, voert controles uit, signaleert bijvoorbeeld een ontbrekend identiteitsbewijs en kan dat document zelf opvragen. De medewerker hoeft niet meer iedere stap zelf uit te voeren, maar beoordeelt vooral de uitzonderingen en neemt waar nodig het uiteindelijke besluit. En zodra AI delen van het werk uitvoert, moet je ook opnieuw kijken naar de inrichting van dat werk.

Van slimmer proces naar anders organiseren

Voor veel organisaties begint de beweging richting Enterprise AI binnen bestaande processen. AI neemt tijdrovende handelingen over of helpt medewerkers sneller door grote hoeveelheden informatie heen. Daarvoor hoeft een compleet proces niet direct opnieuw te worden ontworpen.

Met meer ervaring kun je verder kijken. Misschien gebruik je AI om vijf stappen sneller te doorlopen, terwijl er nog maar drie nodig zijn wanneer je hetzelfde proces met de mogelijkheden van AI opnieuw ontwerpt.

Marco trekt die ontwikkeling verder door, naar complete bedrijfsfuncties. Marco: “Neem klantbediening. Daar bestaan vaak verschillende processen naast elkaar voor vragen, wijzigingen, klachten en complexere verzoeken. Met agents kun je breder kijken: hoe richt je klantbediening in wanneer AI een deel van het werk uitvoert en medewerkers hun expertise inzetten waar die het meeste toevoegt?”

Dan verandert ook het operating model: de manier waarop werk en verantwoordelijkheid binnen de organisatie zijn verdeeld. Agents krijgen daarin een eigen rol naast mensen, met duidelijke grenzen voor wat ze zelfstandig kunnen uitvoeren.

Zover zijn de meeste organisaties alleen nog niet. Rond intelligente bedrijfsfuncties ziet Marco momenteel dat organisaties nog in de oriënterende of voorbereidende fase zijn. Voor veel organisaties ligt er bovendien voorlopig genoeg waarde in het slimmer maken of opnieuw ontwerpen van bestaande processen.

Agentic Transformation als organisatieverandering

De ontwikkeling richting agents die steeds meer werk overnemen raakt natuurlijk aan het werk van mensen. Marco noemt developers als voorbeeld. Zij zullen minder tijd besteden aan zelf code schrijven en vaker agents aansturen die bouwen, testen en deployen. “Het wordt meer een rol van orkestreren.” Tegelijkertijd wordt het ontwikkelproces efficiënter, waardoor organisaties met dezelfde capaciteit meer oplossingen kunnen bouwen en beheren.

Die verschuiving zie je ook buiten softwareontwikkeling. Als AI meer produceert en uitvoert, moeten medewerkers goed kunnen bepalen wat nodig is en beoordelen of een uitkomst klopt. Vakinhoudelijke kennis blijft daarvoor belangrijk. Anders is het lastig om onderscheid te maken tussen een goed resultaat en iets dat vooral overtuigend klinkt.

Ook verantwoordelijkheden verschuiven. Teams moeten bepalen welke taken een agent kan uitvoeren en waar menselijke beoordeling nodig blijft. Dat geldt bijvoorbeeld voor uitzonderingen of situaties waarin context en expertise zwaar wegen.

Agentic Transformation is daarmee ook een organisatieverandering. Hoe verder een organisatie richting autonomie beweegt, hoe groter volgens Marco die veranderopgave wordt. “De rol die je AI geeft, heeft uiteindelijk invloed op hoe je werk organiseert en welke rol mensen daarin hebben,” stelt Marco.

Een agent is zo goed als het systeem eromheen

Die grotere rol van AI brengt ook een grotere afhankelijkheid met zich mee. Een agent die informatie samenvat, heeft beperkte invloed op het vervolg. Dat verandert zodra een agent zelfstandig handelt.

Als een agent een aanvraag verkeerd interpreteert en vervolgens de verkeerde vervolgactie start, werkt die fout verder door. Hoe meer een agent zelfstandig doet, hoe belangrijker de informatie en kaders worden waarop die agent zijn acties baseert.

Dat begint bij betrouwbare data en passende toegang tot systemen. Daarnaast moet duidelijk zijn welke acties een agent zelfstandig mag uitvoeren en wanneer menselijke controle nodig blijft. Marco vat die samenhang treffend samen: “Een agent is zo goed als het systeem eromheen.”

De mogelijke autonomie van de technologie is groot, dus blijft het de verantwoordelijkheid van organisaties om die passende grenzen te geven. In een sterk gereguleerde zorgomgeving waar BBTG AI op grotere schaal toepaste, zijn eisen en kaders bijvoorbeeld vooraf vertaald naar technische guardrails. Zo wordt concreet vastgelegd binnen welke grenzen AI kan handelen.

Van losse toepassingen naar blijvend organisatievermogen

Die verantwoordelijkheid speelt ook op grotere schaal. Marco ziet AI-initiatieven soms sneller ontstaan dan organisaties er grip op krijgen. Een agent blijkt handig, collega’s gaan hem gebruiken en voor je het weet leunt een team op een toepassing waarvan security, compliance of beheer nog nauwelijks zijn geregeld.

De stap naar Enterprise AI vraagt daarom om meer structuur. Ook na livegang blijft die nodig. Data verandert en modellen ontwikkelen door. Je wilt weten of een toepassing technisch goed blijft functioneren, maar ook of de kwaliteit op niveau blijft. Daar komt de businesswaarde bij. Een toepassing is ooit gebouwd met een doel. Misschien wilde je een doorlooptijd verkorten of klanten sneller helpen. Na livegang moet je blijven toetsen of dat nog steeds lukt en bijsturen wanneer de resultaten achterblijven.

Voor BBTG komen die onderdelen samen in Plan. Build. Run. Evolve. Strategie en realisatie zijn daarin verbonden met de dagelijkse operatie en verdere ontwikkeling. Wat je tijdens het gebruik leert, neem je mee in de volgende verbetering.

Zo ontwikkelt Enterprise AI zich van losse toepassingen naar een blijvend organisatievermogen. AI krijgt een structurele plek in de bedrijfsvoering en moet kunnen meebewegen met de organisatie.

Lees meer over Plan. Build. Run. Evolve en hoe deze aanpak je helpt richting Enterprise AI.

Richting de Agentic Enterprise

Naarmate AI steeds meer onderdeel wordt van de uitvoering, krijgt het ook een andere positie binnen de organisatie. Agents kunnen taken uitvoeren en binnen vastgestelde kaders zelfstandig handelen. Marco: “Enterprise AI beweegt richting een organisatie waarin AI niet alleen ondersteunt, maar daadwerkelijk onderdeel wordt van de uitvoering. Daardoor veranderen processen, rollen en verantwoordelijkheden. De technologie wordt autonomer, terwijl de organisatie eromheen volwassener moet worden.”

Uiteindelijk kan zo een organisatie ontstaan waarin mensen en digitale agents veel vanzelfsprekender samenwerken. Mensen geven richting, brengen expertise in en houden verantwoordelijkheid. Agents voeren binnen duidelijke kaders steeds meer werk zelfstandig uit. Dat is de beweging naar de Agentic Enterprise.

Hoe ver een organisatie daarin gaat, verschilt. Voor de ene organisatie zit er veel waarde in AI binnen bestaande processen. Een andere kan processen opnieuw ontwerpen of agents meer verantwoordelijkheid geven. Marco benadrukt dat er geen one size fits all-route is: “Ambitie, data, risicobereidheid en organisatorische volwassenheid bepalen welke mate van autonomie past.” Enterprise AI gaat dus over de organisatie die je met AI kunt en wilt worden.

Hoe groot wordt de rol van AI binnen jouw organisatie?

Enterprise AI opent de mogelijkheid om AI steeds verder onderdeel te maken van het werk en van de organisatie zelf. Hoe ver je daarin gaat, is een strategische keuze. Welke rol wil je AI uiteindelijk geven, en hoeveel verantwoordelijkheid past daarbij?

In de volgende blog gaat Marco Boele in op hoe je die ambitie vertaalt naar een Enterprise AI-strategie waarmee je gericht verder kunt.

Uitgelichte posts

Bij ons geen kant-en-klare vacatures. We creëren jouw ultieme baan op basis van jouw persoonlijke ambities en expertises.

Blog

Dataproduct als meetbaar bedrijfsmiddel

Waardegedreven kostenbeheer in een data mesh-omgeving.

Blog

Enterprise AI en de organisatie van morgen

Na een periode van experimenteren draait het om opschalen. Met Agentic AI voert AI steeds meer werk zelf uit. CTO Marco Boele over Enterprise AI en wat dat betekent voor de organisatie eromheen.

Blog

5 Europese AI-alternatieven voor enterprise-gebruik in een veranderend AI-landschap

Veel organisaties hebben de afgelopen jaren hun AI-capabilities gebouwd op een klein aantal (voornamelijk Amerikaanse) platformen. Maar de markt is veranderd. We zien bij klanten steeds vaker expliciete requirements rondom data-soevereiniteit, risicospreiding, contractuele controle en het vermijden van vendor-lock-in.