AI-agents zouden volgens de grote technologiebedrijven een volgende revolutie ontketenen. Niet langer alleen een chatbot die antwoord geeft op een vraag, maar slimme digitale assistenten die zelfstandig taken uitvoeren, informatie verzamelen, software bedienen en complete werkprocessen overnemen. De verwachtingen waren enorm. Maar bij Meta blijkt de praktijk weerbarstiger.
Topman Mark Zuckerberg heeft tegenover medewerkers erkend dat de ontwikkeling van AI-agents langzamer verloopt dan verwacht. Die boodschap is opvallend, omdat Meta juist enorme bedragen investeert in kunstmatige intelligentie en het bedrijf recent een ingrijpende reorganisatie doorvoerde. Daarbij verdwenen duizenden banen en werden duizenden andere medewerkers richting AI-gerelateerde werkzaamheden verschoven.
De erkenning van Zuckerberg raakt aan een bredere vraag die steeds belangrijker wordt: zijn de beloften rond autonome AI-systemen de afgelopen tijd niet te groot geworden?
Wat is een AI-agent eigenlijk?
Veel mensen gebruiken inmiddels een AI-chatbot. Je stelt een vraag en krijgt een antwoord. Je vraagt om een tekst en de AI schrijft een concept. Je laat een document samenvatten of vraagt hulp bij een ingewikkeld onderwerp.
Een AI-agent moet een stap verder gaan. Zo’n systeem krijgt niet alleen de opdracht om informatie te geven, maar om zelfstandig een doel te bereiken. Stel dat je zegt: “Organiseer voor volgende week een zakelijke bijeenkomst voor twaalf personen.” Een werkelijk capabele AI-agent zou dan in theorie zelf verschillende stappen kunnen uitvoeren.
De agent kan agenda’s controleren, mogelijke data vergelijken, een geschikte locatie zoeken, prijzen opvragen, rekening houden met dieetwensen, deelnemers benaderen en uiteindelijk de bijeenkomst vastleggen.
Dat klinkt aantrekkelijk. Maar juist daar ontstaat het probleem: iedere extra stap biedt ook een nieuwe mogelijkheid om een fout te maken.
Een goed antwoord geven is iets anders dan zelfstandig handelen
Een chatbot kan een onjuist antwoord produceren. Dat is vervelend, maar de gebruiker kan het antwoord controleren voordat er iets gebeurt.
Bij een AI-agent liggen de risico’s anders. Als het systeem zelfstandig acties uitvoert, kunnen fouten direct gevolgen hebben. Een verkeerde afspraak kan in een agenda terechtkomen. Een e-mail kan naar de verkeerde persoon worden gestuurd. Een bestelling kan onjuist worden geplaatst. Een document kan worden aangepast terwijl dat niet de bedoeling was.
Daarom is betrouwbaarheid bij agents veel belangrijker dan bij een gewone chatbot.
Een AI-systeem dat in 95 procent van de gevallen een afzonderlijke stap correct uitvoert, klinkt misschien uitstekend. Maar wanneer een complexe taak uit twintig opeenvolgende stappen bestaat, kan de totale betrouwbaarheid snel afnemen. Eén fout vroeg in het proces kan bovendien alle volgende stappen beïnvloeden.
Dat is een van de fundamentele uitdagingen van agentische AI: indrukwekkende prestaties tijdens demonstraties betekenen nog niet automatisch dat een systeem dag in, dag uit betrouwbaar zelfstandig kan werken.
Zuckerberg: vooruitgang gaat langzamer dan verwacht
Volgens recente berichtgeving heeft Zuckerberg tijdens een interne bijeenkomst aangegeven dat de vooruitgang met AI-agents trager verloopt dan Meta had voorzien.
Dat is een opmerkelijke erkenning. Meta heeft kunstmatige intelligentie immers tot een van de belangrijkste strategische prioriteiten gemaakt. Het bedrijf investeert enorme bedragen in datacenters, chips, modellen en gespecialiseerde medewerkers.
De boodschap lijkt niet te zijn dat Meta stopt met AI-agents. Integendeel. Het concern blijft sterk inzetten op kunstmatige intelligentie en verwacht verdere vooruitgang. Maar de weg naar werkelijk bruikbare autonome systemen blijkt langer en ingewikkelder dan eerder werd gehoopt.
Zuckerberg zou nog steeds verwachten dat in de komende maanden zichtbare verbeteringen mogelijk zijn. Tegelijkertijd laat zijn erkenning zien dat zelfs een van de rijkste technologiebedrijven ter wereld niet simpelweg onbeperkt rekenkracht en geld tegen ieder AI-probleem kan aangooien.
Eerst duizenden banen schrappen, daarna verwachtingen temperen
De timing maakt de uitspraken extra gevoelig. Meta voerde recent een grote reorganisatie door waarbij ongeveer tien procent van het wereldwijde personeelsbestand werd geraakt. Volgens actuele berichtgeving ging het om circa 8.000 banen. Tegelijkertijd werden duizenden medewerkers verschoven naar werkzaamheden die verband houden met nieuwe AI-processen en -initiatieven.
Juist daardoor ontstaat een ongemakkelijke tegenstelling. Aan de ene kant worden organisaties ingrijpend veranderd vanuit de verwachting dat AI enorme productiviteitswinsten oplevert. Aan de andere kant erkent de topman van een van de grootste technologiebedrijven dat een belangrijke vorm van die AI – autonome agents – zich minder snel ontwikkelt dan gedacht.
Dat betekent niet automatisch dat de reorganisatie uitsluitend door tegenvallende agents is veroorzaakt of dat alle ontslagen achteraf onnodig waren. Die conclusie zou te eenvoudig zijn. Grote reorganisaties hebben doorgaans meerdere oorzaken en Meta investeert nog altijd zwaar in AI.
Maar de ontwikkeling laat wel zien hoe riskant het kan zijn wanneer bedrijven personeelsbeslissingen nemen op basis van verwachtingen over technologie die nog volop in ontwikkeling is.
Meta erkende eerder al fouten bij de AI-omslag
De huidige uitspraken staan niet op zichzelf. Zuckerberg erkende eerder dat bij de grote verschuiving van personeel richting AI fouten zijn gemaakt.
Duizenden medewerkers werden naar nieuwe AI-gerelateerde initiatieven verplaatst. Dat leidde intern tot spanningen en zorgen over moraal en werkzekerheid. Meta moest vervolgens opnieuw kijken naar de manier waarop medewerkers werden ingezet.
Dat is een belangrijke les voor andere organisaties. AI invoeren is niet hetzelfde als simpelweg personeel vervangen door software. Werkprocessen veranderen, verantwoordelijkheden verschuiven en medewerkers moeten nieuwe vaardigheden ontwikkelen.
Een organisatie kan bovendien ontdekken dat taken die op papier eenvoudig te automatiseren lijken in werkelijkheid veel impliciete menselijke kennis bevatten.
Waarom hebben AI-agents zoveel moeite met de echte wereld?
De echte wereld is rommelig. Mensen geven onduidelijke opdrachten. Websites veranderen. Software toont onverwachte foutmeldingen. Informatie is onvolledig. Twee databronnen spreken elkaar tegen. Een collega reageert niet. Een agenda bevat uitzonderingen. Een betaling wordt geweigerd.
Mensen kunnen vaak improviseren. We begrijpen context, herkennen uitzonderingen en vragen om verduidelijking wanneer iets vreemd lijkt.
AI-agents hebben daar veel meer moeite mee. Een agent kan bijvoorbeeld de opdracht krijgen om de goedkoopste treinreis te boeken. Maar wat betekent “goedkoopste” precies? Moet de agent rekening houden met een langere reistijd? Met overstappen? Met een voorkeur voor eerste klas? Met een afspraak die mogelijk uitloopt? Met een kortingskaart waarvan de geldigheid onduidelijk is?
Een menselijke assistent zal bij twijfel vaak een vraag stellen. Een slecht ontworpen AI-agent kan een aanname doen en zelfstandig verdergaan.
De AI-sector heeft de verwachtingen zelf sterk opgevoerd
De tegenvaller bij Meta moet ook worden gezien tegen de achtergrond van de enorme hype rond AI-agents. De afgelopen jaren hebben vrijwel alle grote AI-bedrijven gesproken over systemen die steeds zelfstandiger worden. Het toekomstbeeld is aantrekkelijk: digitale medewerkers die 24 uur per dag beschikbaar zijn, nooit moe worden en zelfstandig complete processen afhandelen.
Voor investeerders is dat een krachtig verhaal. Voor bedrijven eveneens. Als software daadwerkelijk grote hoeveelheden kenniswerk kan automatiseren, zijn de economische gevolgen enorm.
Maar tussen een indrukwekkende demonstratie en betrouwbare dagelijkse inzet zit een groot verschil.
Een agent die tijdens een presentatie één keer succesvol een hotel boekt, bewijst nog niet dat het systeem miljoenen boekingen veilig kan uitvoeren. Daarvoor moet het ook omgaan met uitzonderingen, annuleringen, dubbele reserveringen, gewijzigde prijzen, mislukte betalingen en onduidelijke voorkeuren.
Juist in die uitzonderingssituaties blijkt vaak hoeveel menselijke controle nog nodig is.
Toch zijn AI-agents zeker niet afgeschreven
Het zou verkeerd zijn om uit Zuckerbergs uitspraken te concluderen dat AI-agents hebben gefaald of binnenkort verdwijnen. Integendeel: de ontwikkeling gaat snel en Meta doet zelf nog steeds uitgebreid onderzoek naar agents, agentomgevingen en systemen die complexere taken kunnen uitvoeren. Ook andere technologiebedrijven investeren zwaar in deze richting.
Voor specifieke, duidelijk afgebakende taken kunnen agents nu al nuttig zijn. Denk aan het verzamelen van informatie, het controleren van softwarecode, het verwerken van documenten of het uitvoeren van terugkerende handelingen binnen een goed gecontroleerde omgeving.
Het probleem ontstaat vooral wanneer marketingclaims suggereren dat een agent zonder toezicht breed inzetbaar is en zelfstandig vrijwel ieder probleem kan oplossen. Daar is de technologie nu nog niet.
Wat betekent dit voor HCC-leden?
Voor HCC-leden is de ontwikkeling vooral een goede reden om kritisch te kijken naar grote AI-beloften. Wie een AI-agent gebruikt, doet er verstandig aan eerst te onderzoeken welke bevoegdheden het systeem krijgt. Mag de agent alleen informatie lezen? Mag hij ook bestanden aanpassen? Kan hij e-mails verzenden? Heeft hij toegang tot een agenda? Mag hij aankopen doen of financiële handelingen voorbereiden?
Hoe meer bevoegdheden, hoe groter het mogelijke voordeel – maar ook het risico. HCC adviseert om AI-agents voorlopig vooral in te zetten met duidelijke grenzen. Laat belangrijke acties bevestigen voordat ze definitief worden uitgevoerd. Controleer gegenereerde berichten voordat ze worden verzonden. Geef een agent niet automatisch toegang tot meer persoonsgegevens of bestanden dan noodzakelijk.
Dat geldt zeker voor financiële informatie, ledenadministraties, medische gegevens, wachtwoorden en vertrouwelijke zakelijke documenten.
Ook is het verstandig om bij betaalde AI-diensten kritisch te kijken naar de werkelijke meerwaarde. Een abonnement kan indrukwekkende functies beloven, maar de vraag is of die functies in jouw dagelijkse praktijk daadwerkelijk betrouwbaar genoeg zijn.
Ook voor vrijwilligersorganisaties is dit een belangrijke les
Binnen verenigingen en vrijwilligersorganisaties kan de verleiding groot zijn om AI te gebruiken voor administratieve taken. De mogelijkheden zijn aantrekkelijk: automatisch e-mails beantwoorden, verslagen maken, bijeenkomsten plannen of ledenvragen afhandelen.
Maar juist organisaties die met persoonsgegevens werken, moeten voorzichtig zijn. Een AI-agent die toegang heeft tot een ledenbestand en zelfstandig communicatie kan versturen, kan bij een fout veel schade veroorzaken. Een verkeerde naam in een bericht is vervelend. Een vertrouwelijk document naar de verkeerde ontvanger sturen is van een geheel andere orde.
Daarom moet automatisering altijd gepaard gaan met duidelijke verantwoordelijkheden en controle.
Standpunt van HCC: minder hype, meer bewijs
HCC ziet AI-agents als een veelbelovende ontwikkeling. Systemen die zelfstandig delen van complexe taken kunnen uitvoeren, kunnen mensen ondersteunen, repetitief werk verminderen en digitale diensten toegankelijker maken.
Maar HCC vindt ook dat de technologiesector de afgelopen jaren te gemakkelijk grote beloften heeft gedaan over de snelheid waarmee autonome AI werkelijkheid zou worden.
De recente erkenning van Mark Zuckerberg is daarom belangrijk. Niet omdat daarmee bewezen zou zijn dat AI-agents zijn mislukt, maar omdat zij laat zien dat zelfs de grootste technologiebedrijven worstelen met betrouwbaarheid, context en uitvoering in de echte wereld.
HCC vindt dat organisaties uiterst terughoudend moeten zijn met ingrijpende personeelsbeslissingen die vooral zijn gebaseerd op verwachte toekomstige AI-productiviteit. Technologie kan zich snel ontwikkelen, maar verwachtingen zijn geen bewezen resultaten.
Daarnaast moeten gebruikers controle houden over belangrijke acties. Een AI-agent die zelfstandig mag handelen, moet transparant maken wat hij doet, welke gegevens hij gebruikt en waarom hij een bepaalde beslissing neemt. Bij risicovolle acties moet menselijke bevestiging de norm blijven.
De belangrijkste les is misschien wel dat intelligent klinken iets anders is dan betrouwbaar handelen. Een chatbot kan in enkele seconden een overtuigend antwoord schrijven. Een agent moet vervolgens in een onvoorspelbare wereld de juiste keuzes maken, uitzonderingen herkennen en weten wanneer hij moet stoppen en om hulp moet vragen.
Juist dat blijkt veel moeilijker dan de AI-hype soms deed geloven. En als zelfs Mark Zuckerberg erkent dat de ontwikkeling langzamer gaat dan verwacht, is dat voor gebruikers en organisaties een goede reden om AI-agents met belangstelling te volgen – maar voorlopig niet blind het stuur uit handen te geven.
