VAN INZICHT NAAR ACTIE:
HET TIJDPERK VAN AGENTIC AI
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
Agentic AI en de toekomst van de detailhandel:
Een interview met Edouard de Mézerac, Group CEO van Artefact.
“Met agentic wordt elke functie beïnvloed.”
Hoe zullen AI-agenten het winkelgedrag beïnvloeden?
1. Consumenten zullen persoonlijke AI-agenten gebruiken om producten te zoeken, te vergelijken en te kopen, wat nieuwe verwachtingen schept voor merk- en websitegereedheid.
2. 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.
3. Agentic commerce zal interne retailactiviteiten transformeren, Ondersteuning van verkoopteams, onderhandelingen, promoties en leveranciersbeheer.
Wat zijn de belangrijkste vereisten voor het inzetten van AI-agenten?
1. Data paraatheid, met beheerde, gestandaardiseerde, semantisch uitgelijnde datasets.
2. Procesgeschiktheid, met gedefinieerde workflows waar agenten effectief kunnen werken.
3. Technische gereedheid, Van platformkeuzes tot beslissingen over bouwen versus kopen.
Waar zal ROI het eerst opduiken in de TCG-sector?
1. Klantenservice biedt onmiddellijk rendement door AI-gestuurde zelfzorg.
2. Marketing- en contentautomatisering versnellen de aanpassing van campagnes.
3. IT-werkzaamheden, van codemigratie tot het monitoren van anomalieën, vertegenwoordigen grote mogelijkheden om kosten te besparen.
Data en agentic platforms:
De factoren die AI-innovatie mogelijk maken.
Traditionele rapportagearchitecturen hebben moeite om de huidige AI-eisen te ondersteunen, terwijl moderne modellen zoals data meerhuizen, data gaasramen en data gewelframen bestuurde, bedrijfsklare ecosystemen mogelijk maken.
Door gestructureerde en ongestructureerde data te verenigen, 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 gefaseerde implementatie.
Agentic data platforms markeert de volgende evolutie, die AI-systemen in staat stelt 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 Supply Chain-revolutie met 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 gerichte invoering van AI.
De transformatie begint met planning: AI verbetert beide Planning en uitvoering van verkoop- en productieactiviteiten (S&OP), waardoor bedrijven kunnen overstappen van reactieve prognoses naar dynamisch, data-driven orkestratie.
In een casestudy over huishoudelijke apparatuur automatiseerde AI multifunctionele vraag-, voorraad- en knelpuntenanalyses, 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.
Artefact laat zien hoe de convergentie van generatieve en agentische AI opnieuw vormgeven van activiteiten en waardecreatie voor banken, verzekeraars en fintechs.
Gebruikscases met een hoge ROI zijn onder andere handel en portefeuilleoptimalisatie, klantenbetrokkenheid, documentverwerking en geautomatiseerde rapportage. Early adopters melden tastbare voordelen: van 25% reducties in R&D-cyclustijden naar 40% productiviteitsverbeteringen in IT, evenals aanzienlijke kostenbesparingen in AI-gestuurde
klantenservice.
De echte verschuiving komt met agentische AI-systemen die transacties in realtime controleren, fraude proactief opsporen, risicobeheer optimaliseren, en workflows automatiseren met minimale menselijke tussenkomst, waardoor AI verandert van beslissingsondersteuning naar uitvoering.
Deze nieuwe mogelijkheden versnellen de innovatie en het reactievermogen, maar om ze op grotere schaal in te zetten, is het volgende nodig sterke kaders voor bestuur, data beveiliging en naleving.
AI-agenten op lange termijn, van korte aanwijzingen tot duurzame autonomie
Inzichten in technologie: Een driedelige serie.
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 systematisch hiaten in de documentatie, verificatieproblemen en tekortkomingen in de kwaliteit. De opruimtijd bedroeg gemiddeld een derde van de taakduur.
Dit creëert een productiviteitsparadox. In gecontroleerde onderzoeken, AI-gebruikers waren 19% langzamer door foutopsporing, contextomschakeling en kwaliteitsherstel.
De hoofdoorzaak is 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.
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 werk over meerdere gespecialiseerde agenten die door een centrale coördinator worden beheerd. Door taken op te splitsen en alleen relevante informatie te routeren, presteren multi-agent systemen aanzienlijk beter op complexe taken dan enkelvoudige agenten.
Elke benadering externaliseert informatie die de AI intern niet betrouwbaar 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.
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 evolueren van conversatietools naar delegatiesystemen, met dashboards, controlepunten, controlesporen en herstelmechanismen die realtime vragen vervangen.
- Data kwaliteit en governance zullen van cruciaal belang worden, aangezien langlopende AI fouten kan veroorzaken, machtigingen kan overschrijden of op basis van onjuiste aannames kan werken.
- Afgebakende autonomieraamwerken, inclusief toegangscontroles, escalatietriggers en loggen 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.
Klantcase Nexans:
Een wereldwijde data- en AI-strategie voor 2028 ontwikkelen.
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 om bedrijfstransformatie op schaal te ondersteunen.
Met SHIFT AI wilde Nexans het volgende bereiken boost enterprise data gebruik van 20% naar 90%. Om dit te doen, moesten ze:
- data en AI-volwassenheid beoordelen
- Een strategie bepalen die is afgestemd op de bedrijfsprioriteiten
- Hoogwaardige AI-gebruiksgevallen identificeren en prioriteren
- Flexibiliteit in de hele waardeketen verhogen
- Groei, duurzaamheid en economische prestaties in evenwicht brengen
Oplossing: Nexans implementeerde een gecentraliseerde en beheerde data platform.
- 70+ data, BI en AI use cases geïdentificeerd voor verschillende bedrijfsfuncties
- Geprioriteerde 25 strategische use cases voor de horizon van 2028
- Vijf use cases geïmplementeerd in 2025
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.
STRATEGIE & TRANSFORMATIE | AI VERSNELLING | DATAFUNDAMENTEN & BI | IT & DATAPLATFORMS | MARKETINGGEGEVENS & DIGITAAL
www.artefact.com
Copyright © 2026 Artefact
