Van pilot naar operating model: waarom de meeste agents blijven hangen

De meeste organisaties hebben inmiddels wel een agent draaien. Een pilot in de klantenservice, een proef op de financiële administratie, een experiment bij development. En daar blijft het vaak steken. De pilot werkt, maar hij groeit niet uit tot iets wat de hele organisatie raakt. Waarom lukt het de een wel om op te schalen, en de ander niet?

Iedereen jaagt, weinigen vangen

Forrester vat de stand van zaken kernachtig samen: driekwart van enterprise-leiders zegt agents te adopteren, maar slechts een kleine minderheid heeft ze betekenisvol in productie draaien — voorbij chatbots die “agentachtig” aanvoelen, aldus Forrester (2026). Hun beeldspraak: companies are chasing, few are catching. Bedrijven jagen, weinigen vangen.

Wat houdt het vangen tegen? Niet het geld. KPMG (2026) vroeg leiders naar de grootste barrière voor rendement, en 65% noemt het opschalen van use cases als topuitdaging — niet het budget. 62% wijst op een tekort aan vaardigheden. Het knelpunt zit dus niet in de investering of het model, maar in het vermogen van de organisatie om anders te gaan werken.

Wat de winnaars anders doen

Als je de rapporten naast elkaar legt, wijst alles naar hetzelfde verschil. De organisaties die wél waarde halen, herontwerpen het werk. De rest legt een agent bovenop een proces dat verder onaangeroerd blijft.

Dat verschil is meetbaar. BCG (2026) ziet dat end-to-end procesherontwerp de scheidslijn vormt tussen organisaties die 60% kostenreductie halen en organisaties die onder de 20% blijven. Bij hun eerste agentic-klanten leidt dat herontwerp tot een verdrievoudiging van de productiviteit en 80% kortere doorlooptijden. Zet je daarentegen een copilot — een assistent die meedenkt — bovenop een onveranderd proces, dan levert dat volgens BCG (2026) maar 10 tot 20% op.

McKinsey ziet hetzelfde patroon bij de koplopers. De AI-high-performers, zo’n 6% van organisaties, zijn bijna drie keer zo vaak bezig met het fundamenteel herontwerpen van hun workflows, aldus McKinsey (2026) — en dat is een van de sterkste voorspellers van echte impact. Ze mikken op groei en vernieuwing, niet alleen op efficiëntie.

En de opbrengst is fors. Bain (2026) vindt dat AI-leiders die adoptie op schaal realiseren, 10 tot 25% EBITDA-winst leveren — het bedrijfsresultaat vóór rente, belasting en afschrijvingen, oftewel de kernwinst uit de operatie. Diezelfde bron citeert IBM’s CEO-onderzoek, waarin 83% van CEO’s zegt dat AI-succes meer afhangt van adoptie dan van de technologie zelf, volgens Bain (2026). De boodschap is helder: niet de tool bepaalt je rendement, maar hoe diep je hem in je manier van werken verankert.

De lat ligt hoger dan een pilot

Precies dat is waarom pilots blijven hangen. Bain (2026) stelt dat de lat opnieuw hoger is gelegd: pilots zijn niet genoeg, en AI die je er los bovenop plakt is niet genoeg. De waarde gaat naar organisaties die hun operating model — de manier waarop het werk is georganiseerd, wie welke beslissing neemt, hoe processen lopen — rond agents herontwerpen. Niet naar wie een losse workflow optimaliseert.

Een operating model klinkt abstract, maar het is heel concreet: het is het antwoord op vragen als “wie is verantwoordelijk als de agent een fout maakt?”, “welke stap doet een mens en welke de agent?” en “hoe meten we of het werkt?”. Zolang die vragen onbeantwoord blijven, blijft elke agent een losstaand experiment.

De vijf bouwstenen van een agentic operating model

Uit het werk van BCG (2026) en de andere rapporten komen vijf bouwstenen naar voren die de transformaties die wél schalen onderscheiden van de transformaties die blijven steken.

1. Begin bij de uitkomst, niet bij de taak. Kijk eerst naar het resultaat dat een proces moet opleveren, en ontwerp van daaruit terug. Leg geen agent op een wankel of versnipperd proces — dan versterk je alleen de bestaande zwakke plekken.

2. Bouw een herhaalbaar herontwerp-ritme. De winnaars behandelen procesherontwerp niet als eenmalig project maar als een vaardigheid die je traint: één vaste werkwijze, met centrale kaders, prioritering en een doorlopende terugkoppeling die op directieniveau wordt bewaakt.

3. Maak techniekkeuzes een directievraagstuk. De keuze voor platformen, koppelingen en de laag die alles orkestreert is te belangrijk om alleen aan IT over te laten. Zorg dat business en techniek samen beslissen, met het oog op de uitkomst.

4. Leg een fundament dat leverancier-onafhankelijk is. Betrouwbare datatoegang, een productierijpe omgeving met logging en toezicht, en koppelingen met heldere lees- en schrijfrechten. Dit fundament bepaalt of een agent überhaupt betrouwbaar in productie kan draaien — los van welk platform je kiest.

5. Start vroeg en laat governance meegroeien. Gebruik je eerste projecten om kaders en dataproducten te verstevigen. Herzie rollen, spreek risicogrenzen af en veranker continue verbetering — voordat je opschaalt, niet erna.

Klein beginnen, groot denken

Deze vijf bouwstenen klinken als een groot programma, maar zo pakken wij het niet aan. We beginnen bij één of twee processen die er echt toe doen — de domeinen die een bedrijfsmetriek bewegen — en herontwerpen die end-to-end, mét de mensen die het werk kennen. Daar zetten we het operating model omheen: wie beslist wat, welke stap is van de agent en welke van een mens, en hoe meten we het effect.

Zo bouw je geen losse pilot die na een demo doodbloedt, maar de eerste schakel van een manier van werken waarin de volgende agent er makkelijker komt dan de vorige. Dát is het verschil tussen jagen en vangen.

---

Zit je vast tussen een geslaagde pilot en echt opschalen? Plan een vrijblijvend gesprek — we helpen je van los experiment naar een manier van werken die blijft.