AI-agents zijn overal, toch worstelt 79%: de governance-gap die niemand inplant

De cijfers van 2026 zijn opvallend eensluidend: zo goed als elke organisatie heeft inmiddels AI-agents ingezet. In een breed onderzoek onder leidinggevenden zei 97% dat hun bedrijf het afgelopen jaar agents in gebruik nam, en bij ruim de helft van de medewerkers zijn ze onderdeel van het dagelijks werk geworden. Je zou denken dat we daarmee de fase van twijfel voorbij zijn. Maar in datzelfde onderzoek geeft 79% van de organisaties aan dat de invoering juist moeizamer verloopt dan een jaar geleden, een stijging in dubbele cijfers. Sterker nog, 54% van de bestuurders zegt dat AI hun organisatie eerder uit elkaar trekt dan bij elkaar brengt.

Dat is een vreemde combinatie: nooit eerder werd AI zo breed ingezet, en zelden was de frustratie zo groot. De verklaring zit niet in de technologie.

De technologie is niet het probleem

Dit is waar de meeste trajecten stranden. Niet door de modellen, die zijn beter en goedkoper dan ooit, maar door het ontbreken van afspraken over hoe je ze gebruikt. Een agent die zelfstandig mails beantwoordt, facturen verwerkt of klanten te woord staat, neemt beslissingen. Zonder duidelijke grenzen, controle en verantwoordelijkheid wordt elke agent een klein, ongecontroleerd proces dat niemand echt overziet. Onderzoekers noemen dit de governance-gap: rond 72% van de bedrijven heeft agents in productie draaien, maar bij zo'n 60% ontbreekt het beheer, het toezicht en de regels eromheen.

Voor een groot bedrijf is dat een afdeling die de boel moet inhalen. Voor een MKB'er is het een directe bedreiging, want jij hebt geen compliance-team dat de scherven opruimt als een agent een verkeerde korting toezegt of klantdata op de verkeerde plek zet.

Laten we het even uitrekenen

Stel, je zet een agent in die klantvragen afhandelt en daarmee 40 uur per maand bespaart. Tegen een uurtarief van 50 euro is dat 2.000 euro aan teruggewonnen tijd. Indrukwekkend, tot er één keer iets misgaat: de agent zegt een levertijd toe die niet klopt, of stuurt een prijsopgave de deur uit die je niet kunt waarmaken. Eén zo'n incident kost je niet alleen de directe schade, maar ook het vertrouwen van een klant en uren herstelwerk. De rekensom van AI-agents gaat dus niet alleen over wat ze besparen, maar over wat één onbewaakt foutje kost. De vraag is niet óf een agent tijd bespaart, maar hoeveel toezicht je inbouwt om die besparing veilig te houden.

Governance hoeft niet ingewikkeld te zijn

Het goede nieuws voor het MKB: governance klinkt zwaar, maar in de praktijk gaat het om een handvol afspraken die je op één A4 kwijt kunt. Welke beslissingen mag een agent zelfstandig nemen en welke leg je voor aan een mens? Welke data mag hij wel en niet zien? Hoe weet je achteraf wat hij precies gedaan heeft? En wie grijpt in als het misgaat? Juist omdat een MKB-organisatie klein en overzichtelijk is, kun je dit veel sneller regelen dan een concern met twintig afdelingen. Dat is je voordeel, mits je het bewust inplant in plaats van het over te slaan.

Direct aan de slag

1. Maak een lijst van de agents die nu al draaien in je bedrijf. De meeste ondernemers onderschatten hoeveel het er zijn.

2. Bepaal per agent welke beslissingen hij zelfstandig mag nemen en waar een mens moet meekijken. Zet dat op papier.

3. Zorg dat elke geautomatiseerde actie te herleiden is: wat deed de agent, wanneer, en op basis waarvan.

4. Reken vooraf uit wat één fout kost, niet alleen wat de agent bespaart. Dat bepaalt hoeveel toezicht verantwoord is.

   
   

De bedrijven die in 2026 wél resultaat halen uit AI, zijn niet degene met de duurste modellen. Het zijn degene die hun agents net zo serieus nemen als een nieuwe medewerker: met een duidelijke taakomschrijving, grenzen en iemand die verantwoordelijk is. De governance-gap dichten is geen rem op AI, het is de voorwaarde om er rustig op te kunnen leunen.

Bron: WRITER, Enterprise AI adoption in 2026