AI Expo 2026: Bouwstenen voor een Agentic Enterprise

Sophie Jansen · 2026-02-04

De eerste dag van de AI & Big Data Expo en Intelligent Automation Conference stond in het teken van AI als digitale collega. Maar achter de schermen draaide het vooral om de infrastructuur die dit mogelijk maakt. De technische sessies lieten zien dat de belofte van 'agentic AI' pas waargemaakt wordt als de fundamenten op orde zijn. ### Van passieve automatisering naar actieve agenten Op de beursvloer ging het vooral over de stap van simpele automatisering naar wat ze 'agentic' systemen noemen. Dit zijn geen robots die een vast script volgen, maar tools die zelf kunnen redeneren, plannen en taken uitvoeren. Amal Makwana van Citi liet zien hoe deze systemen door complete bedrijfsprocessen heen werken. Dat onderscheidt ze fundamenteel van de oudere RPA-oplossingen. Scott Ivell en Ire Adewolu van DeepL noemden dit het dichten van de 'automatiseringskloof'. Zij zien agentic AI echt als een digitale medewerker, niet als een dom gereedschap. De echte waarde zit 'm in het verkorten van de afstand tussen intentie en uitvoering. Brian Halpin van SS&C Blue Prism voegde daar wel een belangrijke nuance aan toe: organisaties moeten eerst standaard automatisering onder de knie hebben voordat ze aan agentic AI kunnen beginnen.  ### Governance: de onzichtbare regisseur Die overgang vraagt om nieuwe governance-modellen. Want hoe beheer je systemen die niet-deterministische uitkomsten produceren? Steve Holyer van Informatica, samen met sprekers van MuleSoft en Salesforce, benadrukte dat architectuur en strikt toezicht cruciaal zijn. Er moet een governance-laag zijn die controleert hoe agents bij data komen en wat ze ermee doen. Anders loop je het risico op operationele fouten.  ### Data-kwaliteit als kritieke succesfactor Het is een simpele waarheid: de output van een autonoom systeem is alleen zo goed als de input. Andreas Krause van SAP zei het duidelijk: AI faalt zonder betrouwbare, verbonden bedrijfsdata. Voor generatieve AI in een zakelijke context is toegang tot accurate en contextueel relevante data niet optioneel - het is een voorwaarde. Meni Meller van Gigaspaces pakte het technische probleem van 'hallucinaties' in grote taalmodellen aan. Zijn oplossing? eRAG (retrieval-augmented generation) combineren met semantische lagen. Dit stelt modellen in staat om in real-time feitelijke bedrijfsdata op te halen. Het is een praktische aanpak voor een hardnekkig probleem. Opslag en analyse vormen hun eigen uitdagingen. Een panel met vertegenwoordigers van Equifax, British Gas en Centrica besprak de noodzaak van cloud-native, realtime analytics. Voor deze organisaties komt het concurrentievoordeel uit schaalbare en direct uitvoerbare analysestrategieën. ### Veiligheid in fysieke ruimtes De integratie van AI strekt zich uit tot fysieke omgevingen, wat nieuwe veiligheidsrisico's met zich meebrengt. Een panel met onder andere Edith-Clare Hall van ARIA en Matthew Howard van IEEE RAS onderzocht hoe 'embodied AI' wordt ingezet in fabrieken, kantoren en openbare ruimtes. Veiligheidsprotocollen moeten op orde zijn voordat robots met mensen gaan samenwerken. Perla Maiolino van het Oxford Robotics Institute gaf een technisch perspectief op deze uitdaging. Haar onderzoek naar Time-of-Flight sensoren en elektronische huid heeft als doel robots zowel zelfbewustzijn als omgevingsbewustzijn te geven. Voor industrieën zoals productie en logistiek kunnen deze geïntegreerde perceptiesystemen ongelukken voorkomen. In softwareontwikkeling blijft 'observability' een parallelle zorg. Yulia Samoylova van Datadog benadrukte hoe AI de manier verandert waarop teams software bouwen en problemen oplossen. Naarmate systemen autonomer worden, wordt het vermogen om hun interne staat en redeneerprocessen te observeren essentieel voor betrouwbaarheid. ### De praktische barrières Implementatie vraagt om betrouwbare infrastructuur en een ontvankelijke cultuur. Julian Skeels van Expereo betoogde dat netwerken specifiek voor AI-workloads moeten worden ontworpen. Dat betekent het bouwen van soevereine, veilige en 'always-on' netwerkstructuren die hoge doorvoer aankunnen. En dan is er nog het menselijke element, dat altijd onvoorspelbaar blijft. Paul Fermor van IBM Automation waarschuwde dat traditioneel automatiseringsdenken de complexiteit van AI-adoptie vaak onderschat. Hij noemde dit de 'illusie van AI-gereedheid'. Jena Miller versterkte dit punt door te benadrukken dat strategieën mensgericht moeten zijn. Wat me het meest bijbleef van dag één? Deze quote van een van de sprekers: > "Agentic AI is geen technologie die je koopt, maar een capaciteit die je bouwt. Het begint met governance en data, niet met algoritmes." De belangrijkste lessen op een rij: - Begin met robuuste data-infrastructuur - Investeer in governance voordat je agents implementeert - Zie veiligheid als integraal onderdeel, niet als bijzaak - Verwacht culturele weerstand en plan daarvoor - Bouw observability in vanaf het eerste ontwerp De Expo liet zien dat de toekomst van AI niet draait om de slimste algoritmes, maar om de stevigste fundamenten. En dat is goed nieuws voor bedrijven die nu investeren in hun data, governance en infrastructuur.