Gepresenteerd door OutSystems
Na twee jaar van flitsende AI-demonstraties, overhaaste prototypes van agenten en ademloze voorspellingen slaan leiders op het gebied van bedrijfstechnologie in 2026 een pragmatischere toon aan. In een recent webinar georganiseerd door OutSystems heeft een panel van softwaremanagers en bedrijfsprofessionals betoogd dat het meest consequente AI-werk dat nu plaatsvindt, gericht is op de praktische zaken van bestuur, orkestratie en iteratie, samen met het integreren van agenten in de systemen waaraan ze tientallen jaren hebben gebouwd.
Leiders in ondernemingen zijn steeds meer gefocust op de fundamentele zaken. De prioriteit ligt bij het gebruik van nieuwe AI-technologieën
om de productiviteit te versnellen, de levering te verbeteren en meetbare bedrijfsresultaten te produceren.
Drie elementen vormen dit werk:
-
De overstap van prototypes van AI-agenten naar agentische systemen die meetbare ROI in de productie opleveren
-
De groeiende rol van bedrijfsplatforms bij het veilig besturen, orkestreren en opschalen van AI-agenten
-
De opkomst van de generalistische ontwikkelaar en enterprise-architect als de meest waardevolle technische profielen in een tijdperk van door AI gegenereerde code
Tegen deze achtergrond besprak het panel bestuurskaders, de economie van zakelijke AI en de beperkingen van grote taalmodellen zonder orkestratie. Het gesprek ging uiteindelijk over de manier waarop toonaangevende organisaties multi-agentsystemen bouwen, gebaseerd op bestaande bedrijfsgegevens en workflows.
Agenten in de echte wereld
Agenten in staat stellen om in de hele onderneming in productie te werken, kan het beste worden bereikt met een uniform platform dat de ontwikkeling, iteratie en implementatie afhandelt. En dat is waar mogelijkheden zoals de Agent Workbench in het OutSystems-platform van belang zijn, zegt Rajkiran Vajreshwari, senior manager app-ontwikkeling bij Thermo Fisher Scientific. Het biedt de infrastructuur om agenten op schaal te leren, te herhalen en te besturen.
Zijn team bij Thermo Fisher is overgestapt van AI-assistenten met één taak in de klantenservice naar het opbouwen van een gecoördineerd team van gespecialiseerde agenten met behulp van de werkbank. Wanneer er een ondersteuningsaanvraag binnenkomt, classificeert een triage-assistent de aanvraag en stuurt deze dynamisch door naar de juiste gespecialiseerde agent, of dat nu een intentie- en prioriteitsagent, een productcontextagent, een probleemoplossingsagent of een compliance-agent is.
“We hoeven niet na te denken over wat zal werken en hoe. Het is allemaal vooraf gebouwd”, legde hij uit. “Elke agent heeft een beperkte rol en duidelijke vangrails. Ze blijven accuraat en controleerbaar.”
Beheersing van de risico’s van schaduw-AI
Er ontstaat een nieuwe risicocategorie wanneer AI het voor iedereen in een bedrijf mogelijk maakt om code op productieniveau te genereren zonder toezicht van IT. Kortom, dit is niet-beheerde schaduw-AI. Deze producten van eigen bodem zijn gevoelig voor hallucinaties, gegevenslekken, beleidsschendingen, modeldrift en agenten die acties ondernemen die nooit formeel zijn goedgekeurd.
Om het risico voor te zijn moeten toonaangevende organisaties drie dingen doen, zegt Luis Blando, CPTO van OutSystems.
“Geef gebruikers vangrails. Ze gaan AI gebruiken, of je het nu leuk vindt of niet. Bedrijven die vooruit lijken te komen, gebruiken AI om AI in hun volledige portfolio te besturen”, legde hij uit. “Dat is het verschil tussen schaduw-AI-chaos en schaal op bedrijfsniveau.”
Eric Kavanagh, CEO van The Bloor Group, merkte op dat governance een gelaagde reeks disciplines vereist, waaronder het beveiligen van gegevens, het monitoren van modellen voor drift en het maken van weloverwogen keuzes over waar AI aansluit op bestaande bedrijfsprocessen.
“Bedrijven hoeven deze controles niet handmatig te creëren”, voegde hij eraan toe. “Veel van die vangrails en hefbomen zijn ingebakken in platforms als OutSystems.”
Waarom de echte orkestratie-uitdaging modellen versus platforms zijn
Een groot deel van de vroege opwinding rond AI voor ondernemingen was gericht op het selecteren van het juiste grote taalmodel. De moeilijkere uitdaging, en een veel duurzamere bron van waarde, is orkestratie. Dit omvat het routeren van taken, het coördineren van workflows, het regelen van de uitvoering en het integreren van AI in bestaande bedrijfssystemen.
Scott Finkle, VP ontwikkeling bij McConkey Auction Group, merkte op dat LLM’s, hoe indrukwekkend ook, onderdelen zijn van complexe workflows en geen definitieve oplossingen. Organisaties moeten klaar zijn om te hot-swappen tussen Gemini, ChatGPT, Claude en wat er daarna komt, zonder dat ze het agentsysteem eromheen opnieuw hoeven op te bouwen.
Een platform met orkestratiemogelijkheden maakt dat mogelijk. Het beheert de levenscyclus, biedt zichtbaarheid en zorgt ervoor dat processen betrouwbaar worden uitgevoerd, zelfs als AI de redeneringslaag erboven afhandelt.
“De AI en de modellen veranderen, de workflows kunnen veranderen, maar de orkestratie blijft hetzelfde”, aldus Finkle. “Zo gaan we waarde uit AI halen.”
De economie van AI-investeringen in ondernemingen
Beveiliging, compliance, governance en AI-mogelijkheden op platformniveau zullen in 2026 allemaal grotere investeringen vergen, vooral nu AI zich gaat verdiepen in kernworkflows zoals financiën en supply chain. Bedrijven moeten de voorkeur geven aan stapsgewijze winsten in plaats van grote, onmiddellijke winsten te verwachten.
“We concentreren ons op honkslagen”, zei Finkle. “De manier waarop het telt, is door iets in productie te nemen en het een impact te laten hebben. Grote investeringen in proefprojecten die de productie niet halen, besparen geen geld. Het zal niet van de ene op de andere dag gebeuren, maar ik denk dat we in de loop van de tijd enorme besparingen zullen zien.”
Er bestaat nog steeds verdeeldheid in de manier waarop bedrijven de AI-transformatie benaderen. Sommigen beginnen helemaal opnieuw en bedenken elk proces opnieuw. Anderen, vooral degenen met miljarden dollars aan bestaande infrastructuur die intern in waarde daalt, willen dat AI in hun systemen wordt geïntegreerd. Ze willen dat agentische systemen gegevens, API’s en beproefde processen hergebruiken en tegelijkertijd de levering versnellen. De agentenplatformbenadering bedient beide kampen, maar vooral het laatste. Organisaties kunnen agenten inzetten waar ze duidelijke waarde toevoegen, terwijl de integriteit van gevestigde, deterministische workflows behouden blijft.
De opkomst van de enterprise architect en de generalistische ontwikkelaar
Naarmate AI het genereren van code versnelt, verdwijnen de knelpunten bij de levering van software. In plaats daarvan is er een premie voor systeemdenken. Dit is het vermogen om de bredere bedrijfsarchitectuur te begrijpen, complexe bedrijfsproblemen te ontleden en te redeneren over hoe AI integreert met de bestaande infrastructuur. Kavanagh noemde enterprise architecten specifiek de professionals die het best gepositioneerd zijn om van dit moment te profiteren.
“We gaan een heel interessant tijdperk van de generalist binnen”, legde hij uit. “Hoe beter u uw bedrijfsarchitectuur en uw bedrijfsarchitectuur kent en hoe deze zaken op elkaar aansluiten, hoe beter u af zult zijn.”
“Het resultaat is een snellere levering met minder onderbrekingen en minder bugs”, aldus Kavanaugh. “Je kunt je concentreren op de niet-repetitieve taken. Het is een voordeel voor de ontwikkelaar, voor het bedrijf en voor de hele IT-organisatie.”
Gesponsorde artikelen zijn inhoud die is geproduceerd door een bedrijf dat voor de post betaalt of een zakelijke relatie heeft met VentureBeat, en deze is altijd duidelijk gemarkeerd. Voor meer informatie kunt u contact opnemen met sales@venturebeat.com.
