Agentic commerce verandert de manier waarop consumenten producten ontdekken en kopen. In plaats van te zoeken, te bladeren en opties te vergelijken, vertrouwen klanten steeds vaker op AI om hun aankoopbeslissingen te sturen. Nu AI een nieuwe beslissingslaag wordt, moeten merken niet alleen strijden om de aandacht van de consument, maar ook om de aanbevelingen van AI.
Een financieel directeur bij een Frans netwerk voor postacute zorg voert haar maandafsluiting uit, maar de cijfers kloppen niet: 2,3 miljoen euro aan afgewezen declaraties van aanvullende verzekeraars, te laat gesignaleerde onvolledige patiëntendossiers en een achterstand bij de codering van revalidatiebehandelingen, waardoor de rapportage in het kader van het Programma voor de Medische Optimalisatie van Informatiesystemen (PMSI) is uitgesteld tot het volgende kwartaal. Geen van deze problemen is het gevolg van klinische tekortkomingen. Het zijn allemaal administratieve kwesties – en ze zijn allemaal te voorkomen.
Nog niet zo lang geleden waren data-engineering en AI afzonderlijke disciplines met een duidelijk overdrachtspunt: data-ingenieurs bouwden pijplijnen, zuiverden data en droegen het over aan data-wetenschappers die modellen trainden. De twee teams spraken verschillende talen, maakten gebruik van verschillende tools en behoorden vaak tot verschillende organisatiestructuren.
Op 1 juli 2026 was Alex Karp van Palantir te gast bij CNBC en zei hij wat de meeste bedrijfsleiders stiekem denken, maar zelden in de uitzending durven te zeggen: over het token-consumptiemodel dat door OpenAI en Anthropic populair is gemaakt, "is er iets volledig misgegaan." De dag ervoor had Palantir een manifest met negen punten over "AI-soevereiniteit" gepubliceerd en dit gekoppeld aan een overeenkomst om de open Nemotron-modellen van Nvidia te laten draaien binnen vertrouwelijke, „air-gapped“ omgevingen van de Amerikaanse overheid die onder controle staan van de klant.
Informatie is nog nooit zo goedkoop geweest. Nadenken is nog nooit zo duur geweest. Helaas besteden de meeste organisaties hun budget aan het eerste en laten ze het tweede verwaarlozen. AI-gegenereerde inhoud is nog nooit zo gemakkelijk te herkennen geweest, zoals u waarschijnlijk maar al te goed weet. U werpt een blik op een presentatie of leest de eerste drie regels van een e-mail, en u weet onmiddellijk of deze door een mens of door AI is geschreven. Dit zal alleen maar duidelijker worden naarmate de modellen verbeteren.
Aan de hand van gesprekken met leiders, beleidsmakers, klanten en partners in Nairobi en Kigali onderzoekt Artefact een krachtige overtuiging: Afrika loopt niet achter op het gebied van AI, maar staat op het punt van een nieuwe technologische sprong voorwaarts.
Automatisering. Snelheid. Schaalgrootte. Alles wat de luxesector altijd heeft afgewezen. En toch zijn AI-agenten wellicht de eerste technologie die in staat is om te bieden wat de sector al decennia lang belooft, maar nooit helemaal heeft weten te realiseren: elke klant kennen alsof hij of zij uw enige klant is.
In slechts enkele jaren tijd is generatieve AI uitgegroeid van een noviteit tot de standaardtoegangspoort. Grote taalmodellen (LLM’s) trekken nu al bijna 45 miljard bezoeken per maand, wat overeenkomt met 56% aan traditioneel zoekvolume, dat al jaren op hetzelfde niveau stagneert.
De meeste CRM- en CDP-projecten waaraan ik in Duitsland werk, mislukken niet vanwege de technologie. Ze mislukken al voordat de eerste data-pijplijn is aangelegd. CMO’s sturen de marketingstrategie nog steeds grotendeels aan vanuit silo’s: merk A, kanaal B, campagne C. Maar de klant ziet geen silo’s. Het is een zakenreiziger die op maandag een upgrade boekt. Een gezinsinkoper die op vrijdag op jacht is naar een weekendaanbieding. Een verzekeringsnemer die in oktober zijn polis verlengt. Dezelfde persoon. Drie verschillende micropersonas. Drie verschillende contactmomenten. En in de data-database: een plat profiel met een geboortedatum en een lijst van alle transacties.
