Andrew Hanna
Tekunda Team
TL;DR
2025 was het jaar waarin AI-agenten verschoven van zware enterprise-investeringen en grote beloftes naar toetsing in de praktijk.
Enterprises stopten budget in agentic AI, platforms haastten zich om agents overal in te bouwen, en analisten vroegen zich openlijk af hoeveel initiatieven zouden overleven.
Bij startups, scale-ups en enterprises, inclusief teams zoals dat van Tekunda, kwam dezelfde les naar voren:
AI-agenten leveren alleen ROI wanneer ze in echte workflows zitten, geworteld zijn in businesscontext en ontworpen worden als operationele systemen, niet als autonome experimenten.
Begin 2025 werden AI-agenten het centrale thema in wereldwijde discussies. Agentic AI domineerde vendor keynotes, conferenties en bestuurskamers. Het was het jaar waarin executive roadmaps verschoven en enterprises serieus budget vrijmaakten voor AI-adoptie. Velen verwachtten snelle, brede uitrol in de praktijk, en marktonderzoek weerspiegelde dat momentum.
Volgens McKinsey bereikte AI-adoptie binnen organisaties historische hoogtes, waarbij de meeste bedrijven generatieve AI al in enige vorm gebruikten en velen de rol wilden uitbreiden van copilots naar autonome systemen.
Tegelijkertijd voorspelde Deloitte dat ongeveer 25% van de enterprises in 2025 AI-agenten zou inzetten, met een verwachte verdubbeling in de twee jaar daarna naarmate agents dieper in kernworkflows terecht zouden komen.
Maar naast die versnelling begon een tweede, minder opvallend verhaal zichtbaar te worden.
Halverwege 2025 begonnen analisten te waarschuwen dat de adoptiesnelheid groter was dan de organisatorische gereedheid.
Gartner gaf een veelbesproken waarschuwing af:
Meer dan 40% van agentic AI-initiatieven zou tegen eind 2027 worden stopgezet, met als redenen onduidelijke businesswaarde, stijgende operationele kosten, governancegaten en wat Gartner expliciet "agent washing" noemde.
Die spanning tussen zware investeringen en groeiende scepsis definieerde het jaar.
Kort gezegd markeerde 2025 de overgang van enthousiasmegedreven adoptie naar uitkomstgedreven toetsing. AI-agenten gingen van "Kunnen we dit bouwen?" naar "Moeten we dit blijven draaien?" Grote enterprises waren niet de enigen die die spanning voelden.
Naast individuele teams werden AI-agenten steeds vaker gezien als een fundamentele laag in de volgende fase van de digitale economie. Beslissingen uit 2025 over ontwerp, governance en integratie begonnen langetermijnproductiviteit, kostenstructuren en operationele veerkracht op schaal te bepalen.
Wat volgt is geen theorie. Het weerspiegelt wat wij rechtstreeks leerden bij het bouwen, deployen en onderhouden van AI-agenten in echte operationele omgevingen in 2025.
Teams die actief AI-agenten bouwden, van startups en scale-ups tot enterprises, liepen tegen vergelijkbare uitdagingen aan.
Op papier werd alles beter:
Wat veel moeilijker bleek, was waarde laten beklijven. Dit was geen toolingprobleem en ging niet over modelintelligentie. Het was simpelweg een operationele kloof.
Agents werden sneller gebouwd dan teams, ongeacht grootte, ze konden integreren in hoe werk echt gebeurt.
Bij Tekunda voelden we dit vroeg. Als modern, relatief klein team dat zelf agents bouwt en deployt, werd de afstand tussen een demo die werkt en een agent die vertrouwen verdient snel duidelijk.
Die realisatie weerspiegelde wat we in het bredere ecosysteem zagen, ook binnen veel grotere organisaties.
Naarmate agents dieper in echte workflows kwamen, werd een andere beperking onmogelijk te negeren.
Generieke intelligentie schaalt vertrouwen niet.
Agents die vertrouwden op statische prompts of oppervlakkig begrip veroorzaakten frictie:
De agents die standhielden waren geworteld in echte businesscontext:
Hier werd retrieval-augmented generation (RAG) een fundament. Niet als buzzword, maar als methode om agents accuraat, actueel en afgestemd op de praktijk te houden.
Gesprekken zonder context schaalden niet, of je nu startup of enterprise was. Op schaal ging context niet alleen over nauwkeurigheid. Het bepaalde autoriteit, vertrouwen en welke systemen mochten handelen zonder constante menselijke tussenkomst.
In de tweede helft van 2025 werd een tegenintuïtieve waarheid moeilijk te negeren.
De agents die de meeste waarde creëerden, waren nauwelijks spectaculair om naar te kijken.
Ze deden niet:
Ze zorgden simpelweg dat:
Deze agents vervingen mensen niet. Ze verminderden cognitieve belasting.
En bij teams van elke omvang bleek die reductie waardevoller dan autonomie.
Over use cases, sectoren en teamgroottes heen was het patroon consistent: hoe dichter een agent bij echt operationeel werk zat, hoe gedisciplineerder hij moest zijn.
Agents bouwen leerde ons dat betrouwbaarheid sneller componeert dan intelligentie, en dat eenvoud vaak de moeilijkste ontwerpbeperking is.
Toen analistische scepsis luider werd, werd duidelijker waarom zoveel initiatieven vastliepen. Niet omdat agents niets konden, maar omdat ze niet werden vertrouwd.
In organisaties worstelden agents wanneer:
Tegelijkertijd werden eenvoudiger agents met duidelijke grenzen snel geadopteerd en bleven ze dagelijks in gebruik. Dat werd de gedeelde les in het ecosysteem:
Een agent die mensen vertrouwen presteert beter dan een agent die meer kan. Adoptie was geen change-managementprobleem, maar een ontwerpprobleem.
Wanneer adoptie faalde, was de kost niet alleen frustratie of inefficiëntie. Het was het onvermogen om investering, infrastructuur en intelligentie om te zetten in duurzame operationele waarde, waardoor veel initiatieven stilvielen ondanks hun technische capaciteit.
Terugkijkend hadden veel initiatieven waarvoor Gartner waarschuwde vergelijkbare kenmerken:
De teams die slaagden, klein en groot, deden iets tegenintuïtiefs tijdens een hypecyclus.
Die terughoudendheid doodde momentum niet. Ze maakte momentum duurzaam.
Voor teams die in 2026 AI-agenten bouwen of evalueren, werden dit de non-negotiables die we in het ecosysteem zagen:
De conclusie was niet dramatisch, maar wel verhelderend:
AI-agenten creëren waarde door teams te helpen betere uitkomsten te bereiken zonder het aantal betrokken mensen te vergroten.
Die realisatie gold voor iedereen die in 2025 serieus bouwde.
In 2026 zullen AI-agenten steeds vaker verschuiven van experimentele deployments naar kernsystemen voor operatie en economie, waardoor de lat stijgt voor verantwoord en doelbewust ontwerp.
Als 2025 ging over bewijzen wat werkt, dan gaat 2026 over het operationaliseren van die lessen op schaal, rustig en doelbewust, met veel minder tolerantie voor experimenten zonder uitkomst.
De volgende fase van AI-agenten wordt niet bepaald door luidere beloftes of diepere autonomie.
Ze wordt bepaald door teams die agents omzetten in betrouwbare, contextuele, operationele systemen.
2025 maakte één ding duidelijk.
AI-agenten creëren geen waarde door slimmer, luider of autonomer te zijn. Ze creëren waarde door frictie uit echt werk te halen.
De teams die slaagden, of het nu snel bewegende startups waren of voorzichtige enterprises, gebruikten agents om:
Die filosofie weerspiegelt hoe wij bij Tekunda naar systemen kijken.
Mensgerichte AI draait niet om mensen vervangen. Het draait om teams tijd, focus en vertrouwen teruggeven in hoe werk gedaan wordt.
De toekomst van AI-agenten wordt niet bepaald door hypecycli. Ze wordt bepaald door teams die stil systemen bouwen die mensen beter laten werken onder druk, op schaal en op de momenten die ertoe doen.
Wat zijn AI-agenten?
AI-agenten zijn systemen die context
interpreteren, beslissingen nemen en acties uitvoeren binnen workflows. Ze gebruiken
tools, data en gedefinieerde regels, en gaan verder dan alleen tekst genereren of op
prompts reageren.
Waarom hadden veel AI-agentprojecten moeite in 2025?
De meeste
projecten worstelden niet door zwakke modellen, maar door onduidelijk eigenaarschap,
onvoldoende governance, slechte integratie in bestaande workflows en moeite om
gebruikersvertrouwen te winnen.
Zijn AI-agenten alleen relevant voor grote enterprises?
Nee.
Teams van elke omvang, inclusief startups, scale-ups en enterprises, zagen
vergelijkbare uitdagingen zodra agents op echte operatie werden toegepast. Bouwers
herkenden die beperkingen vaak vóór organisaties ze formaliseerden.
Wat leverde in 2025 echt ROI op uit AI-agenten?
ROI kwam vooral
uit het automatiseren van repetitieve operationele taken met hoog volume, het gronden
van agents in echte businesscontext en ontwerpkeuzes die adoptie, vertrouwen en
herstel ondersteunen in plaats van autonomie of nieuwigheid.
Is Agentic AI nog de moeite waard in 2026?
Ja, zolang agents in
de operationele stack worden geïntegreerd en niet als losse experimenten worden
behandeld. Teams die focusten op workflows en meetbare uitkomsten bleven waarde halen.
Andrew Hanna
Serpent Team
Tekunda Team
Tekunda Team
Tekunda Team
Andrew Hanna