De meeste bedrijven claimen AI agents, weinig bedrijven draaien ze

Twee cijfers uit het brancheonderzoek van dit jaar beschrijven dezelfde markt. Zevenennegentig procent van de directeuren zegt dat hun organisatie AI agents heeft ingezet. Minder dan tien procent van de bedrijven heeft agents draaien in productie. Beide zijn reëel, en ze kunnen niet allebei waar zijn, tenzij 'ingezet' heeft opgehouden te betekenen wat iedereen denkt dat het betekent.

Dat is zo. De rest van dit artikel laat zien waar dat gat vandaan komt en hoe je ontdekt aan welke kant ervan jouw organisatie zit.

Wat 'ingezet' inmiddels betekent

Het gat ontstaat doordat de definitie verschuift. In de meeste organisaties kan "we hebben agents uitgerold" inmiddels op elk van deze situaties slaan:

• Licenties aangeschaft voor de engineeringorganisatie
• Een copilot die code suggereert in de IDE
• Een prototype uit een hackathon of innovatieweek
• Een proof of concept dat tickets samenvat in een sandbox

Elk is een redelijke eerste stap. Geen van hen is een agent in productie, wat een ander verhaal is met een veel hogere lat.

Wat productie daadwerkelijk vereist

Een AI-agent in productie is een systeem dat acties uitvoert in live bedrijfssystemen, onder afgebakende rechten, met evaluatiepoorten en een benoemde eigenaar die verantwoording aflegt als het misgaat. Die definitie filtert vrijwel alles weg wat momenteel intern als deployment wordt gerapporteerd, en elk woord ervan is essentieel:

• Live acties, op echte data, waarbij een fout een prijs heeft
• Afgebakende rechten, geen admin-serviceaccount
• Evaluatiepoorten die uitvoer controleren voordat er iets onomkeerbaars gebeurt
• Een benoemde eigenaar met rollback-bevoegdheid en een pager

Naast integratie is nu ook kostenbeheersing een reden om agents terug te trekken. Uit de Global AI Pulse van KPMG voor Q2 2026, een enquête onder 2.145 senior leiders in 20 landen, bleek dat 49% agentimplementaties had teruggeschroefd omdat de operationele kosten zwaarder wogen dan de baten. De agent zelf is tegenwoordig het makkelijke deel. De API-laag die je legacy-systemen nooit hadden, het rechtenmodel en de eval harness: dat is het eigenlijke project.

Waarom de kloof blijft bestaan

Licenties kopen is procurement. Het gaat snel, is zichtbaar, en kan vrijdag aan het bestuur worden gerapporteerd. Integratie, evaluaties en eigenaarschap bouwen is leveringswerk: traag, onzichtbaar, en alleen gerapporteerd als er iets wordt opgeleverd. Organisaties onder druk om AI-voortgang te laten zien kiezen voor de zichtbare beweging, en het zevenennegentig-procent-cijfer meet precies dat. Beweging.

Wat de minder-dan-tien-procent anders doet

De bedrijven die agents in productie draaien, behandelen ze vanaf dag één als een leveringsvraagstuk:

• Kies één workflow met meetbare waarde en baken die strak af
• Bouw de API-toegang en de eval-set voordat je iets opschaalt
• Geef de agent een benoemde eigenaar met rollback-bevoegdheid
• Breid pas uit als de eerste workflow stabiel in productie draait

Onopvallende stappen. Het is dezelfde discipline waarmee elk productiesysteem wordt opgeleverd, toegepast op een technologie die de meeste marktpartijen nog steeds als een aanbestedingscategorie behandelen. En het voordeel stapelt zich op: productie leert je over integratiedebt, eval-discipline en faalpatronen die licentiehouders nooit tegenkomen, en dat alles geldt ook voor de tweede agent en de derde.

Eén vraag om te stellen

Neem dit mee naar je volgende AI-statusupdate: noem één agent-actie die vorige week in productie heeft gedraaid, wat die aanraakte, en wie er eigenaar van is. Een concreet antwoord zet je voor op ruwweg negentig procent van de markt. Stilte betekent dat je procurement als voortgang hebt gerapporteerd, en de oplossing begint bij scope, niet bij budget.

Dezelfde discipline geldt voor de engineers die deze systemen bouwen. Onze beoordeling toetst of iemand opmerkt wanneer een model zelfverzekerd de fout in gaat, en of ze gegenereerde output onder tijdsdruk reviewen. Zie hoe we vetten.