Een nieuwe rondvraag onder bijna 1.700 bestuurders bij grote bedrijven laat zien dat de aspiratie rond agentische AI bijna universeel is, maar dat de praktijk ver achterloopt. Vijf van de zes organisaties wil binnen drie jaar agentisch zijn. Drie van de vier geeft toe dat hun huidige operatie dat niet aankan. De cijfers komen uit het 2026 Process Optimization Report van procesanalyse-leverancier Celonis en duiken nu op in een gesponsord stuk van MIT Technology Review, waarin de term "agentic business transformation" wordt gemunt.
Wat het onderzoek precies meet
Het rapport is uitgevoerd door onderzoeksbureau Insight Avenue tussen juni en juli 2025, met 1.649 respondenten verdeeld over de VS, Europa, India en Azie. Alle bedrijven hebben minimaal 500 miljoen dollar jaaromzet. De helft van de respondenten zit op senior manager-niveau, een derde is afdelingshoofd of director, de rest zit hoger.
De twee cijfers die de ronde doen: 85 procent wil binnen drie jaar een "agentic enterprise" zijn, 76 procent zegt dat de huidige processen dat blokkeren. Daarbovenop nog wat opvallende uitkomsten. 90 procent gebruikt of verkent al multi-agent systemen, waarbij meerdere AI-agenten samenwerken aan een taak. 82 procent gelooft dat AI geen rendement oplevert zolang het bedrijf niet begrijpt hoe het zelf eigenlijk werkt. En 89 procent ziet AI als de grootste concurrentiekans van het komende decennium.
Waar het vastloopt
De redenen die respondenten zelf opgeven zijn vrij specifiek. 47 procent noemt het gebrek aan interne AI-expertise als belangrijkste obstakel. 45 procent ziet de afstemming tussen IT en de business als een probleem. 58 procent meldt dat afdelingen langs elkaar heen werken in geisoleerde datasilo's, waardoor een agent die over afdelingen heen moet kijken geen volledig beeld krijgt.
Het MIT-stuk vat dat samen onder de noemer "sticky tape problem": bedrijven plakken AI-agenten bovenop hun bestaande processen in plaats van die processen opnieuw te ontwerpen. Het gevolg is dat een agent die een klantorder moet afhandelen, alsnog vastloopt op vijf losse systemen, drie goedkeuringsstappen en een Excel-bestand dat ergens op een lokale schijf staat.
Waarom procesinzicht ineens centraal staat
Dat Celonis dit rapport publiceert is geen toeval. Het bedrijf verkoopt process mining, software die uit logfiles van bestaande systemen reconstrueert hoe een proces in de praktijk daadwerkelijk loopt. Hun argument: een agent kan pas zelfstandig opereren als hij weet hoe het werk feitelijk verloopt, inclusief de afwijkingen, uitzonderingen en informele shortcuts.
Die redenering wordt niet alleen door Celonis gemaakt. McKinsey schat dat tot 2030 driekwart van de huidige banen herontworpen of omgeschoold moet worden om AI productief te integreren. BCG meet potentiele procesversnelling van 30 tot 50 procent bij volledige agent-integratie. En in het MIT-stuk wordt een drielagig model geintroduceerd: technologie als verbindweefsel, een werknemersstructuur waarin managers gemengde teams van mensen en agents aansturen, en prestatiemetingen die niet langer output meten maar uitkomst.
De parallel met eerdere golven
De kloof tussen wens en kunnen is niet nieuw. Bij de overgang naar de cloud rond 2015 wilden vrijwel alle grote bedrijven "cloud first" zijn, terwijl onderzoek van datzelfde Insight Avenue toen liet zien dat minder dan een kwart de bijbehorende datamigraties had voltooid. ERP-implementaties uit de jaren negentig leveren vergelijkbare verhalen op, van bedrijven die SAP kochten maar er vijf jaar over deden om er ook echt op te draaien. En tijdens de RPA-hype rond 2018, waarin softwarerobots routinewerk overnamen, bleek na een paar jaar dat veel projecten waren blijven hangen op pilot-niveau, omdat de onderliggende processen te rommelig waren om te automatiseren.
Het patroon herhaalt zich nu met agents, maar met een verschil. RPA werkte op basis van strakke regels: als A, doe B. Een AI-agent neemt zelf beslissingen op basis van taal en context, wat de eisen aan de onderliggende data en processen juist verhoogt in plaats van verlaagt. Een rommelig proces dat een RPA-bot deed struikelen, kan een agent volledig laten ontsporen, omdat hij in onduidelijke situaties zelf gaat improviseren.
Wat dit voor werknemers betekent
De organisatorische kant krijgt in het MIT-stuk relatief veel ruimte. Het idee is dat managers straks moeten omgaan met teams waarin een deel van de "collega's" software is. Dat brengt vragen mee die HR-afdelingen tot nu toe niet hoefden te beantwoorden: wie is verantwoordelijk als een agent een fout maakt, hoe leg je uit waarom een agent een beslissing nam, en hoe zorg je dat menselijke werknemers niet alleen het opruimwerk krijgen wat de agent oversloeg.
Voor wie in een groot bedrijf werkt betekent het concreet dat de komende jaren waarschijnlijk niet de chatbot in de hoek van het scherm gaat verschuiven, maar de structuur eromheen. Functieprofielen, KPI's, escalatiepaden en goedkeuringsprocessen worden de echte projectplaten van de agent-transitie. De software is, voor nu, niet de bottleneck. De organisatie eromheen wel.
