Nog maar enkele jaren geleden was robotische procesautomatisering (RPA) het schoolvoorbeeld van efficiëntie op de werkplek: softwarerobots die vaak terugkerende, op regels gebaseerde taken uitvoerden, zoals het verplaatsen van klantgegevens van de ene database naar de andere of het automatisch verzenden van e-mails naar klanten. Toen kwamen er grote taalmodellen (LLM's), waarmee machines ongestructureerde invoer verwerkten en antwoorden uit de gegevens zelf haalden, waardoor er slimmere manieren ontstonden om beslissingen te automatiseren en tijd te besparen. Nu worden AI-agents gebruikt en de belofte is dat bedrijven soepelere processen en snellere resultaten krijgen. Volgens een recent Amerikaans onderzoek zegt bijna vier op de vijf organisaties dat ze AI-agents hebben geïntegreerd in ten minste één van hun workflows - hoewel de meeste organisaties nog aan het uitzoeken zijn hoe ze van experimenteren kunnen overstappen op bedrijfsbreed gebruik. De uitdaging voor de toekomst: om uit te vinden hoe Process Intelligence een impact kan hebben waar legacy-systemen nog domineren.
In het algemeen is een agent een systeem dat autonoom kan handelen. Agentische systemen bestaan al een tijdje. Denk maar aan RPA, zelfrijdende auto's of zelfs thermostaten. Deze systemen zijn zich ook bewust van hun omgeving en nemen beslissingen zonder voortdurend menselijk toezicht. De opkomst van LLM's heeft deze systemen een speciale "smaak" gegeven, een nieuw soort intelligentie: het vermogen om te denken, te handelen en te observeren om contexten te interpreteren, doelen te begrijpen en maatregelen te plannen. In tegenstelling tot traditionele automatisering streven AI-agents hun eigen doelen na en orkestreren ze workflows. Ze hebben toegang tot tools en gegevensbronnen, werken naadloos samen met mensen en andere agents en leren van hun resultaten. In wezen draait het niet alleen om automatisering - het gaat om echte procesintelligentie door het hele bedrijf.
AI-agents maken het dagelijks leven gemakkelijker door complexe, op beoordelingen gebaseerde taken op zich te nemen, grote hoeveelheden informatie te sorteren, ons te helpen snel beslissingen te nemen en diensten te personaliseren. Hierdoor krijgen wij meer tijd voor wat belangrijk voor ons is. Het echte voordeel ligt in hun vermogen om voortdurend te leren en zich aan te passen, zelfs in dynamische omgevingen, waardoor processen in de hele organisatie verder worden geoptimaliseerd. Een voorbeeld is de enorme technische complexiteit van het netwerk van Deutsche Telekom: duizenden servers, kabels en antennes die via verschillende frequentiebanden uitzenden - allemaal met de snelheid en schaal van 5G. De echte uitdaging was om problematische, overbelaste cellen te herkennen en de prestaties aan te passen om serviceproblemen te voorkomen: dat is precies wat de RAN Guardian Agent 2 doet door het radionetwerk (RAN) 24 uur per dag te bewaken. De Guardian Agent werkt als een multi-agent systeem, wat betekent dat verschillende gespecialiseerde agenten samenwerken om optimale netwerkprestaties te garanderen.
Een voorbeeld: de agent doorzoekt openbare bronnen zoals sociale media, identificeert aankomende evenementen in Duitsland en classificeert ze op basis van omvang en locatie. Een andere agent grijpt dan in het proces in en controleert hoe goed het mobiele netwerk het dataverkeer tijdens elke gebeurtenis aankan en stelt zo nodig optimaliseringsmaatregelen voor. Tot slot kan een extra agent aanpassingen maken, bijvoorbeeld door netwerkbronnen te herverdelen. Daarbij documenteert de agent ook het hele proces om het netwerk verder te verbeteren en te optimaliseren voor toekomstige gebeurtenissen. De RAN Guardian Agent gebruikt meerdere gegevensbronnen en werkt met moderne AI-modellen zoals Google Gemini 2.0. Als een gebied rustiger wordt, verlaagt de AI de capaciteit daar en bespaart zo energie. Dit is een belangrijke stap in de richting van een "zelfherstellend" mobiel netwerk.
Of neem onze AI Engineer, die softwareontwikkelaars ondersteunt. Deze agent is goed thuis in moderne programmeertalen zoals Python en TypeScript, maar ook in oudere talen zoals COBOL of C++. Hij ondersteunt ontwikkelaars bij het genereren, testen en documenteren van code. Dit betekent dat toepassingen die vroeger maanden duurden om te ontwikkelen, nu binnen enkele minuten kunnen worden geprogrammeerd. Want bij softwareontwikkeling zit de magie niet in het programmeren: het gaat erom te begrijpen wat de klant wil, welk probleem de code moet oplossen en hoe dit past in het bestaande IT-systeem - en ontwikkelaars kunnen zich precies daarop richten.
In wezen draait het niet alleen om automatisering - het gaat om echte procesintelligentie door het hele bedrijf.
Frederick Peters, Chapter Lead in het Digital Enabler Team bij T-Systems
Het probleem is dat de meeste bedrijven nog steeds zwaar afhankelijk zijn van oude IT-systemen: gecentraliseerde banksystemen, ERP-modules, HR-databases - veel van deze systemen zijn ongeveer 20 jaar geleden ontwikkeld. Deze systemen zijn betrouwbaar, maar niet flexibel. Ze zijn niet gemaakt om gegevens te leveren aan modellen voor machinaal leren, laat staan om samen te werken met AI-agents. Tegelijkertijd investeren bedrijven fors in AI-systemen om aan de toenemende verwachtingen van klanten te voldoen, processen te automatiseren en de productiviteit te verhogen. Dit zorgt voor een complex mengsel: oude systemen zijn star en geïsoleerd, terwijl AI gegevens, transparantie en structuur nodig heeft om effectief te zijn. Het is geen wonder dat 85% van de organisaties toegeeft dat ze moeite hebben om AI effectief te schalen.3
En deze kloof blijft maar groeien, vooral omdat LLM's het potentieel van AI blijven uitbreiden. Analisten voorspellen dat tegen 2028 een derde van de bedrijfssoftware AI-agentfuncties zal bevatten.4 Maar de realiteit is: legacy-systemen verdwijnen niet. Hoe kunnen bedrijven deze kloof dichten en AI-agents integreren in hun bestaande IT-omgeving?
Om een solide basis voor agentic AI te creëren, moeten bedrijven de orkestratie onder de knie krijgen. Dat betekent dat taken en informatie naadloos worden doorgegeven, besluitvorming transparant blijft en processen van begin tot eind zonder onderbreking verlopen. Dan is het mogelijk om AI-agents te integreren in bestaande workflows. Oude systemen blijven bestaan, maar krijgen een intelligente laag die transparantie, flexibiliteit en controle mogelijk maakt. Bijvoorbeeld: er komt een dringende aanvraag van een klant binnen, de AI analyseert onmiddellijk de context en stuurt precies de juiste onderdelen door naar de oude HR-database voor dossiers of naar de ERP voor leveringsgegevens - en dat alles in realtime. Ondertussen is er alleen tussenkomst van mensen als hun expertise nodig is of als er een beslissing moet worden genomen.
In plaats van silo's zorgt orkestratie voor een soepel proces. Een goed voorbeeld hiervan is onze HRCules, een AI-ondersteund HR-platform bij Deutsche Telekom. Het gehele gefragmenteerde HR-ecosysteem moest worden gemoderniseerd door vervanging van een 15 jaar oud IT-systeem, zonder de bedrijfsprocessen te verstoren. Met het Pega-platform, dat AI en low-code functies combineert, hebben we een orkestratielaag gebouwd tussen oude en nieuwe systemen. Dit verbeterde de efficiëntie van HR-processen met ongeveer 80%, hetgeen resulteerde in slankere, transparantere processen en een aanzienlijke toename van de medewerkerstevredenheid. Dit project laat zien hoe bedrijven de basis kunnen leggen voor agentic AI.
Het potentieel is duidelijk, maar de echte drijvende krachten voor vooruitgang en verantwoord gebruik werken op de achtergrond.
AI blijft een existentieel onderwerp voor onze economie en elk afzonderlijk bedrijf. Dankzij onze strategische partnerschappen en uitgebreide ervaring in het realiseren van AI- en automatiseringsprojecten voor onze klanten in verschillende sectoren, kunnen wij bedrijven helpen hun toekomst in het agentische tijdperk vorm te geven. In nauwe samenwerking met NVIDIA en SAP hebben we onlangs een beslissende mijlpaal aangekondigd voor de digitale soevereiniteit van Duitsland en Europa: in München bouwen wij één van de grootste en modernste AI-fabrieken van Europa, de Industrial AI Cloud. Deze wordt uitgerust met 10.000 NVIDIA GPU's van de nieuwste generatie (Blackwell), waardoor de AI-rekenkracht in Duitsland met ongeveer 50 procent zal toenemen. Grote bedrijven, MKB's en overheden zullen onze AI-fabriek al begin 2026 kunnen gebruiken voor verschillende toepassingen: voor het simuleren van productiefaciliteiten, crashtests, de uitvoering van digitale windtunneltesten voor auto's en vliegtuigen, het trainen van robots of het ontwikkelen en gebruiken van eigen AI-modellen. De Industrial AI Cloud is geïntegreerd in ons T Cloud-ecosysteem en garandeert volledige gegevenssoevereiniteit en naleving van de strengste nationale en Europese regelgeving.
1 PwC'sAI Agent Survey, 2025, pwc.com
2 https://www.telekom.com/en/media/media-information/archive/ai-agents-for-mobile-network-1099054
3 The Automation Gap: Making Legacy Systems And AI Work Together, Jakob Freund, 2025, Forbes Technology Council
4 Gartner Predicts Over 40% of Agentic AI Projects Will Be Canceled by End of 2027, 2025, gartner.com
Driving Efficiency With Agentic AI, Saurav Gupta, 2025, business-reporter.co.uk.
