Waarom 89% van AI-agentpilots nooit live gaat (en hoe jij dat voorkomt)

Sophie Jansen · 2026-09-14

Stel je voor: je team lanceert een AI-agent, de pilot draait soepel, iedereen is enthousiast. En dan... gebeurt er niets. Geen uitrol. Geen schaalvergroting. Gewoon stilte. Herkenbaar? Je bent niet alleen. Uit onderzoek van Deloitte blijkt dat maar liefst 89% van de AI-agentpilots nooit de productiefase haalt. En dat is zonde, want de technologie is er wel. Het probleem zit hem niet in het model zelf, maar in alles eromheen: datatoegang, evaluatie, eigenaarschap en kostenbeheersing. ### De cijfers liegen er niet om Voordat we in de oorzaken duiken, even de schaal. Gartner ondervroeg in april 782 infrastructuur- en operations-leiders. De uitkomsten zijn ontnuchterend: - Van elke 1.000 AI-projecten met budget halen er slechts ongeveer 120 de productie. - Daarvan bereiken er maar zo'n 34 hun ROI-doelen. - McKinsey stelt dat slechts 11% van de organisaties AI-agents op echte schaal inzet. Dat betekent dus: bijna iedereen experimenteert, maar bijna niemand schaalt door. En dat verschil heeft niets te maken met de kwaliteit van het model. Dezelfde modellen draaien in zowel de pilot als de productie. Het gaat om de operationele laag die pilots structureel overslaan. ### Blocker 1: Scope creep sluipt erin Een pilot begint lekker smal: de agent triaget supporttickets. Mooi. Dan wil iemand dat hij ze ook oplost. En daarna het CRM bijwerkt. En o ja, misschien ook refunds kan uitgeven. Elke uitbreiding voegt integraties, permissies en faalpunten toe, zonder dat de operationele fundering meegroeit. Analyse van vastgelopen projecten wijst uit dat 61% van de mislukkingen komt door een combinatie van scope creep en datakwaliteit. ### Blocker 2: Data die alleen in de sandbox werkte Pilots draaien op zorgvuldig samengestelde data-exports. Productie draait op live systemen met rommelige schema's, strikte toegangscontrole en latency. Uit enquêtes blijkt dat 83% van de bedrijven hun infrastructuur grondig moet vernieuwen om agentic AI te ondersteunen. De pilot raakte de legacy ERP nooit aan; productie kan er niet omheen. > "Dezelfde modellen, dezelfde belofte. Maar zonder de operationele laag eromheen blijft het bij een dure demo." ### Blocker 3: Geen evaluatieraamwerk Slechts 38% van de productie-agents heeft geautomatiseerde evaluaties bij elke promptwijziging, volgens Forrester. In een pilot leest een mens elke output na. In productie doet niemand dat. Zonder geautomatiseerde regressietests is elke aanpassing een gok. Forrester zag een rollback-percentage van 47% bij agents zonder evaluaties, tegenover 9% bij volledige dekking. ### Blocker 4: Niemand is eigenaar Een pilot is van het innovatieteam. Productie vraagt een operationeel eigenaar: iemand die verantwoordelijk is als de agent om 2 uur 's nachts een verkeerde beslissing neemt. De governance-volwassenheid rond agentic AI ligt rond 21%. Zonder eigenaar, escalatiepad en budget voor doorlopend beheer heeft de pilot geen plek om naartoe te gaan. ### Blocker 5: Kosten die pas bij schaal opduiken Bij geannuleerde projecten lopen de kosten consistent twee tot drie keer hoger op dan begroot. Tokenverbruik, retry-loops en redeneerdiepte schalen mee met volume en edge cases. Een pilot met 50 taken per dag is goedkoop. Diezelfde agent met 5.000 taken per dag, inclusief productie-grade retries en monitoring, kost vaak meer dan het proces dat hij verving. ### Blocker 6: Beveiligingscontrole Gravitee vond in 2026 dat 54% van de organisaties een agent-gerelateerd beveiligings- of privacy-incident had meegemaakt of vermoedde. Beveiliging is geen sluitpost, maar een voorwaarde om verder te mogen. ### Wat de succesvolle 11% anders doen De organisaties die het wél halen, bouwen eerst de operationele laag: duidelijke datatoegang, geautomatiseerde evaluaties, een benoemde eigenaar en kostenbeheersing vanaf dag één. Ze zien de pilot niet als eindpunt, maar als startpunt van een beheerst traject. Door die aanpak te omarmen, ontstaat de ruimte om van een veelbelovende demo naar echte bedrijfswaarde te groeien.