In een artikel van een paar weken geleden heb ik betoogd dat het falen van ondernemerschap AI ging niet echt over enthousiasme, adoptie of zelfs modelcapaciteiten. Het was architectonisch: Er zijn nooit grote taalmodellen gebouwd om een bedrijf te runnen. Bedrijven draaien op geheugen, context, feedback en beperkingen, terwijl LLM’s in de kern systemen blijven voor het voorspellen van tekst.
In een tweede betoog betoogde ik dat het antwoord niet ‘betere aanwijzingen’ was, maar een diepere verschuiving: van hulpmiddelen tot systemen, van antwoorden tot resultaten, van copiloten tot actiesystemen, en van aanwijzingen tot beperkingen. Enterprise AI kan niet sessiegebaseerd zijn. Het moet onthouden.
Dat argument heeft nu een derde stap nodig, omdat er iets belangrijks begint te gebeuren: de systemen die beginnen te werken in enterprise AI zien er niet uit als betere chatbots, betere copiloten of zelfs betere promptketens. Ze zien er heel anders uit. En als je goed kijkt, is het bewijs er al.
De verschuiving van tools naar systemen is niet langer theoretisch
De afgelopen twee jaar heeft de AI-industrie vooral de zichtbare laag geoptimaliseerd: grotere modellen, betere interfaces, meer gepolijste copiloten en nu ambitieuzere agenten. Maar de duidelijkste signalen van waarde komen niet alleen uit die zichtbare laag: ze komen van organisaties die workflows opnieuw ontwerpen, AI in processen verankeren en intelligentie minder als een hulpmiddel en meer als infrastructuur behandelen. McKinsey’s laatste mondiale onderzoek zegt het duidelijk: het gebruik van AI is breed, maar de meeste organisaties hebben het nog steeds niet diep genoeg ingebed in workflows en processen om materiële voordelen op ondernemingsniveau te creëren. Het onderzoek stelt ook vast dat het opnieuw ontwerpen van workflows een van de sterkste bijdragers is aan een betekenisvolle bedrijfsimpact.
Dat is van belang omdat het het kernargument van mijn eerste twee artikelen bevestigt: het probleem was nooit alleen de vraag of modellen goed konden antwoorden. Het probleem was waar we ze neerlegden. De organisaties die verder komen, gebruiken niet simpelweg ‘meer AI’. Ze zijn het bedrijf eromheen aan het herontwerpen.
De systemen die werken, starten niet met prompts
Dit is waar de echte verandering begint.
De interessantste AI-systemen voor ondernemingen die vandaag de dag opkomen, beginnen niet met een prompt in de enge zin van het woord; ze vertrekken vanuit de context: een persistente, gestructureerde, beheerste context. Het eigen technische team van Anthropic beschrijft context-engineering nu als de natuurlijke vooruitgang die verder gaat dan snelle engineeringmet het argument dat de echte uitdaging niet langer alleen ligt in het formuleren van instructies, maar in het beheren van de gehele contextstatus rond het model: systeeminstructies, tools, externe gegevens, berichtgeschiedenis en omgeving.
Dat is een diepgaande verschuiving. Het betekent dat het zwaartepunt zich verplaatst van ‘wat moet ik het model vragen?’ in de richting van “welke omgeving, toestand en beperkingen moet het systeem al weten voordat er een vraag wordt gesteld?” Anthropic benadrukt hetzelfde punt in zijn richtlijnen voor langlopende agenten, waar het de nadruk legt op omgevingsbeheer en de noodzaak om toekomstige agenten op te zetten met de context die ze nodig hebben om effectief over meerdere vensters en langere tijdshorizonten te werken.
Dit begint in de buurt te komen van wat mijn vorige twee stukken bedoelden. Een bedrijf is geen sessie: het is een evoluerend systeem met geheugen. Enterprise AI die de context steeds opnieuw opbouwt, vertrekt al vanuit het verkeerde uitgangspunt.
De grootste verandering is niet de intelligentie. Het is verdwijning
Dit is het deel dat veel mensen nog steeds missen.
De volgende fase van zakelijke AI zal niet noodzakelijkerwijs worden gedefinieerd door systemen die duidelijk intelligenter aanvoelen. Het zal worden gedefinieerd door systemen die zich minder zichtbaar voelen. Wanneer intelligentie wordt ingebed in workflows, wordt gekoppeld aan registratiesystemen, wordt afgestemd op regels en voortdurend wordt bijgewerkt op basis van de uitkomsten, gedraagt het zich niet meer als een aparte laag waar gebruikers ‘naar toe gaan’. Het wordt onderdeel van hoe de organisatie zelf werkt.
Microsoft’s Work Trend Index 2025 wijst in die richting als het dat beweert bedrijven gaan van rigide organigrammen naar meer dynamische, resultaatgerichte ‘werkdiagrammen’, aangedreven door mensen en agenten die samenwerken rond doelen in plaats van functies. Dat is niet alleen een statement over nieuwe tools. Het is een statement over een nieuw organisatorisch substraat.
Accenture maakt een soortgelijk argument vanuit een andere invalshoek: het beschrijft AI is iets dat structuren begint af te vlakken en meer adaptieve, zelforganiserende werkvormen te creëren in plaats van eenvoudigweg intelligentie op oude hiërarchieën te bevestigen.
De diepste verandering is dus niet dat de modellen slimmer worden. Het is dat intelligentie begint te verdwijnen in de structuur van het bedrijf.
Waarom copiloten en agenten altijd transitioneel waren
Niets van dit alles betekent dat de laatste golf niet relevant was.
Copiloten, assistenten en agenten waren belangrijke overgangsvormen. Ze hebben AI tastbaar gemaakt. Ze leerden mensen hoe ze met deze systemen moesten omgaan. Ze hielpen organisaties bij het ontdekken van use cases. Maar ze verankerden het gesprek ook op de interfacelaag.
Dat zou altijd tijdelijk zijn.
Oppert een copiloot. Een agent kan plannen en uitvoeren. Maar een bedrijf heeft continuïteit, coördinatie, bestuur, machtigingen, risicodrempels en feedbackloops nodig. Dat is de reden waarom zoveel huidige implementaties nog steeds indrukwekkend aanvoelen in demo’s en frustrerend in de praktijk. De intelligentie is zichtbaar, maar de onderliggende architectuur blijft dun. Dat patroon komt nu niet alleen in het verleden naar voren MIT-gerelateerde faalanalyses Ik citeerde eerder, maar ook in recenter werk van McKinsey en Deloitte, die beide op hetzelfde probleem wijzen: het aanbrengen van AI op oudere workflows is niet voldoende; organisaties moeten hun activiteiten en architecturen daaromheen herontwerpen.
Deloitte zegt het botweg in zijn recente rapport agentische AI-strategie: veel ondernemingen lopen tegen een muur aan omdat ze processen proberen te automatiseren die voor mensen zijn ontworpen, in plaats van het werk zelf opnieuw uit te vinden. De conclusie is vrijwel identiek aan de conclusie die we hebben getrokken: de waarde komt voort uit het opnieuw ontwerpen van operaties en het bouwen van agent-compatibele architecturen, en niet door agenten op oude workflows te stapelen.
De echte architectuurverschuiving is al aan de gang
Daarom denk ik dat dit derde artikel iets sterkers moet zeggen dan ‘we hebben betere systemen nodig’. Het moet stellen dat deze systemen al beginnen te ontstaan.
Kijk waar de energie naartoe gaat. Anthropic schrijft over context-engineering en langlopende agent-harnassen. IBM schrijft over context-engineering voor vertrouwde agent-AIwaarbij wordt benadrukt dat ondernemingen behoefte hebben aan afkomst, herkomst, controleerbaarheid, runtime-governance en de mogelijkheid om agenten in beweging te inspecteren en om te leiden.
McKinsey constateert dat de organisaties die de meeste waarde krijgen, degenen zijn die workflows opnieuw ontwerpen, AI in processen inbedden en managementpraktijken opbouwen rond validatie, governance, data en operationele modellen.
Microsoft beschrijft expliciet een beweging in de richting van bedrijven die zijn opgebouwd rond ‘intelligentie van de tap’, menselijke teams en dynamische operationele structuren in plaats van statische hiërarchieën.
Deloitte waarschuwt dat veel agentic-implementaties stagneren omdat oudere systemen de moderne AI-uitvoeringseisen niet kunnen ondersteunen en omdat bedrijven nog steeds proberen de verkeerde dingen te automatiseren.
Dit zijn geen willekeurige waarnemingen. Ze wijzen allemaal in dezelfde richting: de architectuurverschuiving is niet langer hypothetisch.
De echte kloof zal niet zijn ‘gebruikt AI’ versus ‘gebruikt geen AI’
Die kloof is al betekenisloos.
Uit de gegevens van McKinsey blijkt dat bijna negen van de tien organisaties AI gebruiken in ten minste één zakelijke functie, maar de meeste bevinden zich nog in de experimentele of pilotmodus, en slechts ongeveer een derde meldt dat ze zijn begonnen met het opschalen van hun AI-programma’s. Met andere woorden: het gebruik is wijdverbreid, maar de transformatie blijft ongelijkmatig.
De betekenisvolle kloof wordt dus iets heel anders: het is de kloof tussen bedrijven die AI als een zichtbare laag van instrumenten behandelen en bedrijven die het als een systemisch vermogen behandelen. Eén groep zal output blijven genereren. De ander zal de uitkomsten gaan veranderen. Men zal assistenten en interfaces blijven toevoegen. De andere zal geheugen, beperkingen, workflowlogica en leren verankeren in de operationele kern van de organisatie. Dat is de discontinuïteit waar mijn vorige artikel al naar wees.
En wanneer die discontinuïteit zichtbaar wordt, zal het waarschijnlijk plotseling aanvoelen, ook al is de basis al maandenlang rustig aan het opbouwen.
Zodra het zichtbaar wordt, zal het niet op vooruitgang lijken
Het zal op iets anders lijken.
MIT Sloan heeft dat betoogd Leiders moeten opnieuw nadenken over de manier waarop zij mensen, processen en projecten rond AI beheren, in plaats van de technologie eenvoudigweg toe te voegen aan bestaande routines. De kadering ervan is onthullend: de echte uitdaging is het herontwerp van de organisatie, en niet alleen de toegang tot modellen.
Dat is de reden waarom de volgende winnaars op het gebied van zakelijke AI er van buitenaf misschien niet uitzien als bedrijven met de chicste assistent of de meest zichtbare ‘AI-aangedreven’ producten. Ze lijken misschien op bedrijven waarvan de interne systemen stilletjes adaptiever zijn geworden, meer contextbewust, meer beperkingsgevoelig en beter in staat om coherent over de functies heen te handelen.
Met andere woorden: wanneer AI voor ondernemingen eindelijk werkt, zal het niet aanvoelen als een nieuwe cyclus van adoptie van tools.
Het zal voelen alsof het bedrijf zelf slimmer is geworden.
De toekomst van enterprise AI is niet iets dat u gebruikt. Het is iets wat jouw bedrijf wordt.
Dat is de verschuiving die mijn eerste twee stukken al aan het voorbereiden waren: de eerste legde dat vast LLM’s waren nooit enterprise-architectuur. De tweede betoogde dat zakelijke AI moet overgaan van tools naar systemen. De volgende stap is duidelijk, aangezien deze transitie niet langer theoretisch is: het bewijsmateriaal uit onderzoek, adviespraktijk, leverancierstechniek en organisatieontwerp suggereert allemaal dat de echte grens meerdere lagen dieper ligt dan de chatbot.
En als die laag zichtbaar wordt, zal het er niet uitzien als betere prompts, betere copiloten of betere demo’s.
Het zal op een ander soort bedrijf lijken.
