Waarom 80% van de organisaties nog geen resultaat ziet van GenAI – en hoe Agentic AI het verschil kan maken, als je het niet als gimmick maar als strategie benadert.
AI is overal. In pilots, in PowerPoints, in experimenten. Maar wie boekt er nu al écht resultaat?
Volgens McKinsey gebruikt bijna 80% van de organisaties inmiddels generatieve AI, maar een vrijwel gelijk percentage ziet géén merkbare impact op hun winstgevendheid. Het fenomeen heeft zelfs een naam gekregen: de GenAI-paradox.
Wat gaat hier mis? En nog belangrijker: wat belooft Agentic AI dan precies en maakt het die belofte waar?
Wat is Agentic AI (en waarom is het geen buzzword)?
Volgens Eliseo Ferrante, Visiting Professor of Computer Science at New York University Abu Dhabi en Assistant Professor aan de Vrije Universiteit Amsterdam, is Agentic AI: “Agentic AI is een systeem waarin één of meerdere autonome AI-agents met elkaar én met andere softwaretools samenwerken.”
Deze agents kunnen direct of via geïntegreerde systemen met elkaar communiceren, waardoor ze in staat zijn om waar te nemen, te redeneren, te handelen en te leren, zowel individueel als in samenwerking, binnen complexe digitale omgevingen. Agentic AI voert zo complete takenreeksen uit die normaal gesproken bij mensen liggen.
Waar zit dan de échte potentie?
Agentic AI klinkt als science fiction, maar de technologie is er al. Alleen: de praktijk moet nog volgen.
Een van de meest overtuigende showcases komt van Uber. Tijdens LangChain’s Interrupt-conferentie lieten Sourabh Shirhatti en Matas Rastenis van het Uber Developer Platform Team zien hoe Agentic AI de productiviteit van 5.000 developers radicaal verandert. Ze zochten een oplossing voor wat engineers het minst leuk vinden: tests schrijven en code reviewen.
Hun antwoord? Een agentic tool die automatisch fouten en beveiligingsrisico’s opspoort én zelf oplossingen aandraagt. Het systeem voert duizenden interacties per dag uit en bespaarde inmiddels 21.000 dev-uren.
Niet als gimmick. Maar omdat het werkt.
Waarom werkt het dan (bijna) nergens anders?
Simpel gezegd: omdat we het verkeerd inzetten.
Volgens McKinsey gebruiken veel bedrijven AI om bestaande processen iets slimmer te maken – in plaats van ze volledig te herontwerpen rond wat agents écht kunnen. Dan blijft Agentic AI een snelle assistent in een traag proces.
Automation-consultant Jelle Acda zegt het treffend: “Er zijn nog steeds nauwelijks échte Agentic AI use cases in de praktijk. Er is veel intelligente automatisering – maar geen echte agenten.”
En als het er al is, weten beslissers vaak niet waar ze moeten beginnen. IT-infrastructuur, governance, veranderbereidheid – allemaal redenen waarom C-levels zeggen: “Nu nog even niet.”
Wanneer werkt het wél?
Er zijn organisaties die Agentic AI níet zien als een gimmick, maar als een kans om echt anders te gaan werken.
Bij DELTA Fiber lopen onder leiding van Wendy Persoon, Digital Strategy Lead, twee proof-of-concepts waarin Agentic flows worden getest. Eén toepassing verwerkt automatisch de juiste korting voor klanten tijdens en na hun contact met het klantcontactcentrum. Een mooie toepassing van AgenticAI waar gewone RPA niet toereikend genoeg was.
Een tweede toepassing beantwoordt en verwerkt vragen over facturen sneller en beter dan de gewone chatbot die gebaseerd op standaard vraag en antwoord. Hoewel het nog te vroeg is om te spreken van grootschalige uitrol, merkt Wendy op dat de beperkingen die zes maanden geleden nog een belemmering vormden, nu grotendeels zijn opgelost. DELTA Fiber onderzoekt concreet of deze technologie ook breder toepasbaar is in andere bedrijfsprocessen.
Een indrukwekkend praktijkvoorbeeld op schaal komt van Similar.ai, waar we spraken met medeoprichter en CEO Robin Allenson. Zijn software helpt e-commerceplatforms om met zo min mogelijk webpagina’s de best mogelijke ervaring te bieden aan zoveel mogelijk gebruikers. De tool genereert automatisch nieuwe productcategoriepagina’s, verzorgt de interne linkstructuur en vervangt slecht presterende pagina’s door betere alternatieven. Dit alles gebeurt op basis van realtime zoek- en vraagdata.
Wat vroeger handmatig uren per pagina kostte, doet Similar.ai nu volledig geautomatiseerd en razendsnel. Dankzij een agentic architectuur kan het systeem duizenden pagina’s genereren voor webshops met honderdduizenden producten. Voor wie zich nog niet helemaal comfortabel voelt met een volledig autonoom systeem, kan het ook mét menselijke tussenkomst worden ingericht.
En dat is niet alles: dezelfde agenten controleren ook voortdurend of interne links nog actueel en relevant zijn. Verouderde links worden herkend, en vervangen door een inhoudelijk passender alternatief.
Hoewel Robin zijn oplossing zelden als “Agentic AI” verkoopt—“De klant wil gewoon een oplossing die werkt”—is het in de kern wél precies dat: autonoom, proactief, domeinspecifiek, schaalbaar.
Wat deze voorbeelden delen?
✅ Ze starten bij het probleem, niet bij de technologie.
✅ Ze zijn functioneel embedded in het proces.
✅ Ze worden gedragen door mensen die snappen wat er nodig is om het te laten landen.
Tot slot: Begin niet met bouwen. Begin met begrijpen.
Bij NXTminds geloven we in technologie die werkt voor mensen. Niet in buzzwords, maar in concrete oplossingen. Daarom brengen wij organisaties in contact met experts die verder denken dan tooling en helpen we de juiste stappen te zetten richting schaalbare AI-impact.
👉 Benieuwd hoe dat er voor jouw organisatie uitziet? We denken graag met je mee.
Bronnen: McKinsey: Seizing the agentic AI advantage. How Uber Built AI Agents That Save 21,000 Developer Hours with LangGraph | LangChain Interrupt