De rol van AI in het bedrijfsleven ontwikkelt zich snel. Wat begon als een hulpmiddel voor het genereren van inzichten, beweegt zich nu in de richting van uitvoering, waarbij systemen nu in staat zijn om beslissingen uit te voeren, in plaats van ze alleen maar te informeren. Deze verschuiving naar agentische AI markeert een nieuwe fase van operationele volwassenheid. Gartner voorspelt dat in 2028 zal 33% aan bedrijfssoftwaretoepassingen agentic AI bevatten, tegenover minder dan 1% in 2024. Dit duidt op een snelle verschuiving van hulpmiddelen naar autonome systemen die zijn ingebed in alledaagse werkprocessen.
In deze editie onderzoeken we hoe deze transformatie vorm krijgt met artikelen over:
- AI-agenten retailbetrokkenheid en -activiteiten opnieuw vormgeven
- Data platforms schaalbare autonomie mogelijk maken
- Toeleveringsketen en financiën AI inzetten voor real-time orkestratie
- Lange-termijn agenten bestuur en delegatie opnieuw definiëren
Agentische AI en de toekomst van de detailhandel: een interview met Edouard de Mézerac, CEO van de Artefact-groep.
Agentische AI en de toekomst van de detailhandel: een interview met Edouard de Mézerac, CEO van de Artefact-groep.
“Met agentic wordt elke functie beïnvloed.”
Hoe zullen AI-agenten het winkelgedrag beïnvloeden?:
- Consumenten zullen persoonlijke AI-agenten gebruiken om producten te zoeken, te vergelijken en te kopen, wat nieuwe verwachtingen schept voor merk- en websitegereedheid.
- Detailhandelaren raken ingebed in AI-ecosystemen. Edouard haalt de samenwerking tussen OpenAI en Walmart aan, waarbij conversatie-interfaces nieuwe handelskanalen worden die worden aangedreven door een rijker inzicht in de consument dan de traditionele transactionele data biedt.
- Agentic commerce zal interne retailactiviteiten transformeren, Ondersteuning van verkoopteams, onderhandelingen, promoties en leveranciersbeheer. Wat zijn de belangrijkste vereisten voor het inzetten van AI-agenten?
- Data paraatheid, met beheerde, gestandaardiseerde, semantisch uitgelijnde datasets.
- Procesgeschiktheid, met gedefinieerde workflows waar agenten effectief kunnen werken.
- Technische gereedheid, Van platformkeuzes tot beslissingen over bouwen versus kopen. Waar zal ROI het eerst opduiken in de TCG-sector?
- Klantenservice biedt onmiddellijk rendement door AI-gestuurde zelfzorg.
- Marketing- en contentautomatisering versnellen de aanpassing van campagnes.
- IT-werkzaamheden, van codemigratie tot het monitoren van anomalieën, vertegenwoordigen grote mogelijkheden om kosten te besparen.
Data en agentische platforms: de drijvende krachten achter AI-innovatie.
Data en agentische platforms: de drijvende krachten achter AI-innovatie.
Traditionele rapportagearchitecturen hebben moeite om de huidige AI-eisen te ondersteunen, terwijl moderne modellen zoals data meerhuizen, data gaasramen en data gewelframen zorgen voor gereguleerde, bedrijfsgerichte ecosystemen. Door gestructureerde en ongestructureerde data te integreren, maken deze platforms het mogelijk om voorspellende analyses, GenAI-toepassingen, en beslissingsautomatisering. Ze transformeren nu al voorspellingen, klantenbetrokkenheid en operationele optimalisatie. Toch is technologie alleen niet voldoende. Succes hangt af van het overwinnen van Uitdagingen voor legacy-integratie, bestuur versterken, en sterk data rentmeesterschap verankeren door middel van een gefaseerde implementatie. Agentic data platforms markeert de volgende stap in de ontwikkeling, waardoor AI-systemen in staat zijn om Beslissingen en workflows in bijna realtime activeren. Organisaties die nu investeren bouwen aan de intelligentielaag die nodig is om te concurreren in een AI-gedreven economie.
Van kosten naar waarde: de revolutie in de toeleveringsketen dankzij AI.
Van kosten naar waarde: de revolutie in de toeleveringsketen dankzij AI.
Supply chains zijn geëvolueerd van een operationele ruggengraat naar een competitief slagveld. Ondanks de toenemende volatiliteit maken veel organisaties nog steeds te weinig gebruik van AI in planning, logistiek en distributie. Deze praktische gids is bedoeld voor leiders die hun toeleveringsketens willen transformeren van kostencentra in strategische waardedrijvers door middel van gerichte inzet van AI. De transformatie begint bij de planning: AI verbetert zowel Verkoop- en operationele planning (S&OP) en uitvoering (S&OE), waardoor bedrijven kunnen overstappen van reactieve prognoses naar dynamisch, data-driven orkestratie. In een casestudie op het gebied van huishoudelijke apparaten automatiseerde AI de functieoverschrijdende analyses van de vraag, de voorraad en knelpunten, wat resulteerde in een 40% toename in operationele efficiëntie, verbeterde zichtbaarheid op SKU-niveau en verminderde voorraad.
Verder dan plannen, AI ontsluit optimalisatie in de hele waardeketen:
- Intelligent voorraadbeleid Serviceniveaus in evenwicht brengen met kostenbeheersing.
- Logistieke toepassingen Inkomende materiaalstromen en uitgaande leveringsprestaties verbeteren.
- Digitale tweelingen en simulatiemodellen de scenarioplanning en het risicobeheer verder verbeteren.
GenAI en agentic AI in de transformatie van de financiële dienstensector.
GenAI en agentic AI in de transformatie van de financiële dienstensector.
Artefact laat zien hoe de convergentie van generatieve en agentische AI opnieuw vormgeven van activiteiten en waardecreatie voor banken, verzekeraars en fintechbedrijven. Toepassingen met een hoog rendement op de investering zijn onder meer handel en portefeuilleoptimalisatie, klantbetrokkenheid, documentverwerking en geautomatiseerde rapportage. Pioniers melden tastbare voordelen: van 25%: verkorting van de doorlooptijden van onderzoek en ontwikkeling naar 40% productiviteitsverbeteringen in IT, evenals aanzienlijke kostenbesparingen op het gebied van AI-gestuurde klantenservice. De echte ommekeer komt met agentische AI-systemen die in staat zijn om transacties in realtime controleren, fraude proactief opsporen, risicobeheer optimaliseren, en workflows automatiseren met minimale menselijke tussenkomst, waardoor AI zich niet langer beperkt tot beslissingsondersteuning, maar ook de uitvoering op zich neemt. Deze nieuwe mogelijkheden versnellen innovatie en reactievermogen, maar om ze op grotere schaal toe te passen is het nodig dat sterke kaders voor bestuur, data beveiliging en naleving.
AI-agenten op de lange termijn: van korte instructies tot blijvende autonomie. Technologische inzichten: een driedelige serie.
AI-agenten op de lange termijn: van korte instructies tot blijvende autonomie. Technologische inzichten: een driedelige serie.
Victor Coimbra, Partner en hoofd van het Data Platform & IT, Artefact LatAm, is opgenomen in de Forbes Under 30 Brazil-lijst vanwege zijn uitmuntende bijdragen aan innovatie op het gebied van AI. Hij beschikt over diepgaande expertise in het opschalen van AI-oplossingen en het opbouwen van hoogpresterende technische teams op internationale markten.
AI-agenten op lange termijn, Deel 1: Het probleem waar niemand over praat.
AI-agenten op lange termijn, Deel 1: Het probleem waar niemand over praat.
Hoe lang kan AI zinvol werk volhouden voordat het uitvalt? Onderzoek toont aan taakduur verdubbelt elke zeven maanden. Maar de productiewerkelijkheid blijft achter bij de benchmarks. Testen in bedrijven, geen AI-uitvoer bruikbaar was zonder menselijke opruiming. Er waren stelselmatige tekortkomingen in de documentatie, problemen bij de verificatie en kwaliteitsgebreken. De tijd die aan het opschonen werd besteed, bedroeg gemiddeld een derde van de duur van de taak. Dit leidt tot een productiviteitsparadox. In gecontroleerde onderzoeken, AI-gebruikers waren 19% langzamer door foutopsporing, contextomschakeling en kwaliteitsherstel. De hoofdoorzaak ligt in de architectuur. Naarmate taken langer duren, raakt het AI-werkgeheugen verzadigd, waardoor context verloren gaat, tegenstrijdigheden ontstaan en fouten worden verergerd. Het vermogen varieert ook sterk per domein. AI op lange termijn verbetert snel, maar duurzame autonomie blijft beperkt.
AI-agenten op lange termijn, deel 2: Drie benaderingen die echt werken.
AI-agenten op lange termijn, deel 2: Drie benaderingen die echt werken.
Hoewel AI afneemt bij lange workflows, kan de werking van agenten op lange termijn worden uitgebreid via drie architecturale benaderingen: 1. Nieuwe start cyclus: Reset de AI wanneer de prestaties afnemen. Werk wordt extern opgeslagen, sessies starten schoon opnieuw op en de voortgang gaat stapsgewijs verder. 2. Selectief geheugen: Bewaart alleen essentiële context tussen sessies. 2. 2. Voortgangstrackers, samenvattingen en wijzigingsgeschiedenissen houden de continuïteit in stand en verminderen tegelijkertijd de overvloed aan informatie. 3. Teamcoördinatie: Verdeelt het werk over meerdere gespecialiseerde agenten die door een centrale coördinator worden aangestuurd. Door taken op te splitsen en alleen relevante informatie door te sturen, presteren multi-agent-systemen aanzienlijk beter dan afzonderlijke agenten bij complexe taken. Bij beide benaderingen wordt informatie extern gemaakt die de AI niet op betrouwbare wijze intern kan vasthouden. Fietsen geeft de voorkeur aan eenvoud, geheugensystemen geven de voorkeur aan continuïteit en teams geven de voorkeur aan schaal en specialisatie.. De meeste productie-installaties combineren alle drie.
AI-agenten op lange termijn, deel 3: Wat dit eigenlijk betekent voor organisaties.
AI-agenten op lange termijn, deel 3: Wat dit eigenlijk betekent voor organisaties.
Naarmate AI op de lange termijn operationeel wordt, AI-assistenten zullen verschuiven naar AI-werknemers. Er zullen tot acht uur durende workflows met volledige deliverables en implementaties ontstaan.
:
- Interfaces zullen zich ontwikkelen van conversatietools tot delegatiesystemen, waarbij dashboards, controlepunten, audittrajecten en herstelmechanismen de plaats innemen van realtime aanwijzingen.
- De kwaliteit en het beheer van Data zullen van cruciaal belang worden, aangezien langdurig draaiende AI fouten kan verergeren, bevoegdheden kan overschrijden of op onjuiste aannames kan werken.
- Kaders voor beperkte autonomie, waaronder toegangscontroles, escalatiecriteria en het vastleggen van beslissingen, zullen verplicht worden.
AI voor de lange termijn is nog niet volledig uitgerijpt, maar is vandaag operationeel levensvatbaar voor gerichte gebruikssituaties. Realistische kansen liggen in gestructureerd, aandachtsintensief werk met meetbare resultaten. Organisaties die doelbewust experimenteren, met sterke vangrails op hun plaats, zullen een vroeg voordeel behalen.
Nexans-klantcase: Het opstellen van een wereldwijde data- en AI-strategie voor 2028.
Nexans-klantcase: Het opstellen van een wereldwijde data- en AI-strategie voor 2028.
Nexans is een wereldwijde leider in elektrificatie en is actief in 40 landen om de energietransitie en duurzame elektrificatie te ondersteunen. Voortbouwend op haar succesvolle SHIFT-prestatieprogramma lanceerde Nexans SHIFT AI data en AI tot de belangrijkste drijfveren voor bedrijfsprestaties te maken. Ze definieerden een 2028 AI visie, een verenigd data platform, en ingezet sterk data governance. Uitdaging: Structuur data en AI ter ondersteuning van bedrijfstransformatie op grote schaal. Met SHIFT AI streefde Nexans ernaar om boost enterprise data gebruik van 20% naar 90%. Om dit te doen, moesten ze:
- Beoordeel de data- en AI-rijpheid
- Stel een strategie op die aansluit bij de zakelijke prioriteiten
- Hoogwaardige AI-gebruiksgevallen identificeren en prioriteren
- De flexibiliteit in de gehele waardeketen vergroten
- Groei, duurzaamheid en economische prestaties in evenwicht brengen Oplossing: Nexans implementeerde een gecentraliseerde en beheerde data platform.
- Er zijn meer dan 70 use cases voor data, BI en AI geïdentificeerd binnen verschillende bedrijfsfuncties
- Er zijn 25 strategische gebruiksscenario’s geprioriteerd met het oog op 2028
- In 2025 zijn vijf use cases geïmplementeerd Resultaten: Een schaalbaar data en AI-bedrijfsmodel dat al bedrijfswaarde oplevert, en een industriële AI-strategie die is afgestemd op bedrijfsprestaties op de lange termijn.
“Nexans maakt nu gebruik van een data- en AI-raamwerk van industriële kwaliteit dat rechtstreeks bijdraagt aan de bedrijfsprestaties op lange termijn, operationele uitmuntendheid en duurzaamheidsdoelstellingen. Tegenwoordig wordt data beheerd als een strategisch middel dat is geïntegreerd in de kernactiviteiten van Nexans.’ Guillaume Eymery, Chief Strategy & Purchasing Officer en lid van het Excom bij Nexans
