Agentic AI is veelbelovend, maar verre van perfect

De opmars van zogeheten agentic AI – kunstmatige intelligentie die zelfstandig taken uitvoert op basis van doelen – belooft een revolutie. Denk aan virtuele assistenten die automatisch je agenda beheren, reizen boeken, mails beantwoorden of zelfs je marketingcampagnes uitvoeren. Toch blijkt de werkelijkheid vooralsnog een stuk weerbarstiger dan de marketingbeloften doen vermoeden.

Grote beloftes, kleine prestaties

In de afgelopen maanden is de AI-wereld overspoeld met demo’s van hyperintelligente agenten. Sommige bedrijven beweren zelfs dat hun AI-systemen volledig autonoom software kunnen ontwikkelen of complexe strategieën kunnen uitvoeren zonder menselijke tussenkomst. Maar wie dieper graaft, ontdekt dat veel van deze systemen nog steeds struikelen over basistaken. Volgens een recent onderzoek van The Register falen AI-agenten vaker dan ze slagen: gemiddeld slechts 20% van de beoogde taken wordt correct afgerond.

Dit ligt niet aan een gebrek aan rekenkracht of datasets, maar eerder aan een combinatie van technische en structurele uitdagingen. Zo hebben veel agenten moeite met het behouden van context over langere interacties, en zijn ze vaak afhankelijk van voorgeprogrammeerde scripts of prompts die weinig flexibiliteit toelaten.

Waarom AI-agenten (nog) niet doen wat ze beloven

De belofte van autonome intelligentie vergt meer dan enkel een taalmodel dat opdrachten uitvoert. Het vereist een fundamentele verandering in infrastructuur, stelt Fast Company. Agenten moeten niet alleen taal begrijpen, maar ook kunnen navigeren in complexe digitale omgevingen, beslissingen nemen op basis van onvolledige informatie, en daarbovenop in realtime kunnen schakelen tussen verschillende taken en bronnen.

Bovendien ontbreekt het huidige AI-agenten aan het vermogen tot zelfreflectie of leervermogen binnen een taak. In plaats van adaptief gedrag te vertonen, volgen ze vaak rigide stappen – en zodra er iets misloopt, weten ze niet hoe ze zichzelf kunnen corrigeren. De technologie is dus nog niet robuust genoeg voor breed zakelijk of maatschappelijk gebruik, hoe indrukwekkend sommige prototypes ook ogen.

Nieuwe protocollen voor betere context

Gelukkig zijn er initiatieven die deze tekortkomingen proberen aan te pakken. Een voorbeeld is het Model Context Protocol, dat is ontworpen om AI-agenten beter in staat te stellen relevante informatie vast te houden over langere sessies heen. Dit zou kunnen helpen bij het bouwen van systemen die écht begrijpen wat een gebruiker wil, en dat ook kunnen blijven volgen zonder de draad kwijt te raken.

Ook de ontwikkeling van gespecialiseerde infrastructuur speelt een rol. In plaats van klassieke cloudsystemen, wordt nu nagedacht over AI-native platforms die agenten niet alleen ondersteunen in het uitvoeren van één taak, maar hen de ruimte geven om te plannen, beslissen en leren zoals mensen dat doen.

De toekomst vraagt om geduld – en realisme

Wat betekent dit alles voor bedrijven en gebruikers die hopen op een AI-revolutie? Simpel: temper de verwachtingen. AI-agenten zijn een veelbelovende richting binnen kunstmatige intelligentie, maar staan nog in de kinderschoenen. De komende jaren zullen nodig zijn om de technologie te verfijnen, fouten op te lossen en betrouwbaarheid te waarborgen.

De uitdaging ligt niet alleen in het bouwen van slimmere systemen, maar vooral in het creëren van realistische kaders waarin AI daadwerkelijk iets toevoegt zonder onbedoelde gevolgen. Wie nú al denkt dat AI-agenten zelfstandig een organisatie kunnen runnen, komt van een koude kermis thuis.

Kortom: AI-agenten zijn geen sciencefiction meer, maar ook nog geen alledaagse realiteit. De toekomst is intelligent, maar voorlopig nog niet autonoom.