Google Cloud en MIT Technology Review Insights ondervroegen 300 data- en technologieleiders over het opschalen van AI-agents. Slechts 10 procent zet die nu op grote schaal in. Verouderde datasystemen en latency vormen volgens de respondenten de grootste rem op enterprise-brede uitrol.
De kloof tussen ambitie en praktijk is groot. Waar op dit moment maar 10 procent van de organisaties AI-agents daadwerkelijk op grote schaal gebruikt, verwacht 69 procent dat binnen twee jaar wel te doen. Dat blijkt uit het onderzoek dat Google Cloud samen met MIT Technology Review Insights heeft uitgevoerd.
De onderzoekers wijzen naar de datalaag als knelpunt. Klassieke ‘modern data stacks’ zijn ontworpen voor terugblikkende analyses: rapportages die achteraf laten zien wat er gisteren is gebeurd. AI-agents moeten daarentegen in realtime kunnen redeneren, beslissingen nemen en direct actie ondernemen. Bedrijven schuiven daarom van passieve datasystemen (systems of intelligence) naar actiegerichte omgevingen (systems of action). Zonder direct gekoppelde data en de juiste bedrijfscontext kunnen agents simpelweg niet betrouwbaar handelen, stelt het rapport.
Waarom legacy en latency de rem indrukken
Om te begrijpen waarom de uitrol van AI-agents stagneert, helpt het om te kijken naar de technische obstakels die de respondenten noemden. Ruim de helft van de ondervraagden (55 procent) geeft aan dat verouderde datasystemen (legacy-systemen) de uitrol van agents op enterprise-schaal actief blokkeren. Dit zijn vaak oudere databases of datasilo’s die nooit zijn gebouwd om snel en continu informatie uit te wisselen met moderne AI-modellen. De data zit opgesloten in verschillende afdelingen of verouderde softwarepakketten, waardoor een agent geen compleet beeld krijgt.
Daarnaast noemt 52 procent latency als het grootste obstakel bij snelle besluitvorming. Dat is de vertraging die optreedt tussen de vraag of actie van een gebruiker en de reactie van het systeem. Bij traditionele IT-toepassingen is een vertraging van een paar seconden vaak geen probleem. Maar wanneer een slimme agent zelfstandig een klant moet helpen, een transactie moet goedkeuren of een bedrijfsproces aanstuurt, is elke vorm van vertraging ongewenst. Als gegevens niet instant beschikbaar zijn, stopt het ‘denkproces’ van de agent of neemt het besluiten op basis van verouderde informatie.
Datatoegang als sleutel tot vertrouwen
51 procent van de respondenten vertrouwt erop dat agents met de huidige data-architectuur nauwkeurige en relevante beslissingen nemen. Dat wantrouwen heeft een duidelijke oorzaak, want opvallend veel enterprise-data blijft buiten bereik. AI heeft volgens het onderzoek gemiddeld slechts toegang tot 45 procent van alle gegevens binnen een organisatie.
Bij organisaties die agents wel toegang geven tot meer dan 70 procent van hun data, verdwijnt het vertrouwensgat vrijwel volledig. In die groep noemt 36 procent de beslissingen van AI-agents consistent nauwkeurig en 64 procent noemt ze grotendeels nauwkeurig. Deze ‘data leaders’ schalen hun AI-toepassingen veel eenvoudiger op dan de zogeheten ‘data laggards’, die de AI toegang geven tot minder dan 30 procent van de bedrijfsinformatie.
Het beeld uit het internationale rapport sluit nauw aan bij eerdere Nederlandse cijfers. Uit een eerdere enquête onder IT-beslissers bleek al dat 40 procent verouderde IT-infrastructuur aanwijst als hoofdreden dat data niet voor AI-doeleinden te gebruiken is. Zelfs 86 procent van de respondenten gaf daarin aan te vrezen dat slecht voorbereide AI-agents op dit moment meer problemen veroorzaken dan waarde toevoegen.
Van losse tools naar geïntegreerde dataplatformen
Om deze uitdagingen aan te pakken, verleggen techgiganten zoals Google Cloud de focus van het puur bouwen van slimmere AI-modellen naar het vernieuwen van de onderliggende infrastructuur. Het idee is dat AI-agents niet als een losse laag bovenop de IT moeten zweven, maar direct in het hart van het bedrijf en dataopslag moeten werken. Door agent-functionaliteit rechtstreeks aan data-architecturen te koppelen, kunnen responstijden drastisch worden teruggebracht en krijgen agents de nodige bedrijfscontext mee.
Het rapport onderstreept dat leiders voor de nabije toekomst prioriteit moeten geven aan bredere datatoegang en doordachte governance. Verantwoordelijken van grote organisaties zoals Shopify, Deutsche Telekom en HCA Healthcare benadrukken in het onderzoek dat het moderniseren van het dataplatform de enige manier is om AI-agents veilig, snel en betrouwbaar te laten werken.