Uit een wereldwijd onderzoek blijkt dat bijna zeven op de tien organisaties van plan zijn om binnen twee jaar op grote schaal AI-agenten in te zetten. Tegelijkertijd geeft meer dan de helft aan dat verouderde datasystemen de ontwikkeling belemmeren.
Google Cloud en inzichten van MIT Technology Review Er is onderzoek gedaan naar hoe bedrijven zich voorbereiden op het bredere gebruik van AI-agenten. De studie is gebaseerd op reacties van 300 data- en technologie-managers, evenals diepte-interviews met vertegenwoordigers van HCA Healthcare, Shopify en Deutsche Telekom.
De resultaten wijzen erop dat de mogelijkheden van AI-agenten niet de enige bepalende factor zijn. Minstens even belangrijk is of de organisatie beschikt over een datafundament dat agenten toegang geeft tot relevante, actuele en betrouwbare informatie.
Tegenwoordig gebruiken vrijwel alle ondervraagde organisaties AI-agenten of zijn van plan dit te gaan doen. Het gebruik ervan is echter nog beperkt. Slechts 10 procent geeft aan dat AI-agenten op grote schaal in hun bedrijfsvoering worden gebruikt.
Naar verwachting zal dit snel veranderen. Binnen twee jaar is 69 procent van de organisaties van plan om AI-agents op grotere schaal in te zetten. Voor velen betekent dit een belangrijke stap van kleinschalige pilots naar bedrijfskritische oplossingen die in de hele organisatie worden gebruikt.
Oudere computersystemen vertragen de ontwikkeling.
Meer dan de helft van de respondenten, 55 procent, zegt dat verouderde datasystemen hen belemmeren bij het opschalen van het gebruik van AI-agenten.
Het onderzoek wijst op vier belangrijke problemen:
- De gegevens zijn opgesloten in afzonderlijke systemen, waardoor AI-agenten geen volledig beeld van de onderneming hebben.
- Ongestructureerde data, zoals bijvoorbeeld PDF-bestanden, e-mails, videomateriaal en gesprekslogboeken, zijn moeilijk veilig te raadplegen en te beheren.
- Door gebrek aan toegang tot realtime data moeten agenten werken met informatie die mogelijk al verouderd is.
- De data mist voldoende zakelijke context en duidelijke semantische verbanden, waardoor het voor gebruikers moeilijk is om de betekenis van de informatie en de relaties tussen verschillende datasets te begrijpen.
AI-agenten hebben niet alleen toegang nodig tot grote hoeveelheden data, maar de informatie moet ook relevant, in context geplaatst en beschikbaar zijn op het moment dat er een beslissing genomen moet worden.

Belangrijke verschillen tussen de organisaties
Het rapport verdeelt organisaties in data-pioniers en data-achterblijvers. Data-pioniers geven hun AI-systemen toegang tot meer dan 70 procent van de data van de organisatie. Voor achterblijvers is dat percentage niet meer dan 30 procent.
Gemiddeld krijgen AI-systemen toegang tot 45 procent van de data van een organisatie. De verschillen in datatoegang worden duidelijk weerspiegeld in het vertrouwen in de prestaties van de systemen.
In totaal zegt 51 procent van de ondervraagde managers dat ze erop vertrouwen dat de beslissingen van AI-agenten accuraat en relevant zijn, vergeleken met slechts 22 procent onder bedrijven die achterlopen op het gebied van data.
Van de organisaties die vooroplopen op het gebied van data, beschrijft 36 procent de resultaten van de agenten als consistent accuraat. De overige 64 procent beoordeelt de resultaten in de meeste gevallen als accuraat. Geen van de organisaties die vooroplopen op het gebied van data, geeft aan dat de resultaten slechts matig accuraat of onnauwkeurig zijn. Bij de achterblijvers daarentegen, maakt driekwart van de organisaties die inschatting.
Volgens het rapport wijzen de resultaten erop dat brede en goed beheerde toegang tot bedrijfsgegevens de mogelijkheid vergroot om AI-agenten voor meer functies in te zetten, sneller beslissingen te nemen en tegelijkertijd de kwaliteit te waarborgen.
Drie prioriteiten voor het komende jaar
De ondervraagde organisaties wijzen op drie datagebieden die bijzonder belangrijk zijn voor het opschalen van AI-agenten in de komende twaalf maanden.
De eerste prioriteit is het verbeteren van de toegang tot zowel gestructureerde als ongestructureerde data. Informatie moet bruikbaar zijn waar deze al aanwezig is, zelfs wanneer deze verspreid is over verschillende systemen en omgevingen.
Ten tweede is het belangrijk om het beheer van data en AI-modellen te versterken. Door bedrijfsconcepten, regels en context toe te voegen, kunnen organisaties agents helpen relevantere en nauwkeurigere beslissingen te nemen.
De derde prioriteit is het vervangen van traditionele batchverwerking door streaming en gebeurtenisgestuurde dataflows, waardoor AI-agenten kunnen reageren op veranderingen en in realtime kunnen handelen op basis van actuele informatie.

Van informatiesystemen naar actiesystemen
Het toevoegen van AI aan een oudere en gefragmenteerde data-architectuur kan, volgens Google Cloud Dit leidt tot hogere kosten, complexere integraties en beperkte schaalbaarheid.
Het bedrijf pleit daarom voor een overgang van systemen die primair informatie verzamelen en analyseren naar systemen die de informatie ook in actie kunnen omzetten.
Google Cloud beschrijft zijn model hiervoor als een ”Agentic Data Cloud” – een samenhangende dataomgeving ontworpen voor AI-agenten. Volgens het bedrijf moet een dergelijke architectuur AI-compatibel zijn, data uit verschillende clouds, systemen en formaten kunnen gebruiken en governance, zakelijke context en betrouwbare resultaten bieden.
De algemene conclusie van het rapport is dat organisaties die van AI-pilots naar wijdverspreid gebruik willen overstappen, eerst hun datafundament moeten herzien. Het vermogen van AI-agenten om in de praktijk zelfstandig te handelen, hangt af van welke informatie ze mogen gebruiken, hoe actueel die is en hoe goed die te begrijpen is.
Het complete Het MIT Technology Review Insights-rapport, AI-agenten opschalen met betrouwbare data, Het biedt nog meer details, waaronder interviews met leidinggevenden, om u te helpen uw database voor te bereiden op het tijdperk van de tussenpersonen.








