Gepresenteerd door OutSystems
Na twee jaar van flitsende AI-demonstraties, overhaaste prototypes van agenten en adembenemende voorspellingen slaan leiders op het gebied van bedrijfstechnologie in 2026 een meer pragmatische toon aan. In een recent webinar georganiseerd door OutSystems betoogde een panel van softwareleiders en zakenmensen dat het meest consequente AI-werk dat nu plaatsvindt, gericht is op bestuur, en op het praktische en rationele. om agenten te integreren in de systemen die ze tientallen jaren hebben gebouwd.
Leiders uit het bedrijfsleven zijn steeds meer gefocust op de fundamentele zaken. De prioriteit ligt bij het gebruik van nieuwe AI-technologieën
om de productiviteit te versnellen, de levering te verbeteren en meetbare bedrijfsresultaten te produceren.
Drie elementen vormen dit werk:
-
De verschuiving van prototypes van AI-agenten naar agentsystemen die meetbare ROI in de productie opleveren
-
De groeiende rol van bedrijfsplatforms bij het beheren, orkestreren en veilig opschalen van AI-agents
-
De opkomst van de generalistische ontwikkelaar en enterprise-architect als de meest waardevolle technische profielen in een tijdperk van door AI gegenereerde code
Tegen deze achtergrond besprak het panel bestuurskaders, de economie van zakelijke AI en de beperkingen van grote taalmodellen zonder orkestratie. Het gesprek draaide uiteindelijk om de manier waarop toonaangevende organisaties multi-agentsystemen bouwen op basis van bestaande bedrijfsgegevens en workflows.
Agenten in de echte wereld
Agenten in staat stellen om in de hele onderneming in productie te werken, wordt het beste bereikt met een uniform platform dat de ontwikkeling, iteratie en implementatie afhandelt. En dat is waar functies als Agent Workbench op het OutSystems-platform van belang zijn, zegt Rajkiran Vajreshwari, senior manager app-ontwikkeling bij Thermo Fisher Scientific. Het biedt de infrastructuur om agents op schaal te leren, itereren en beheren.
Zijn team bij Thermo Fisher is overgestapt van AI-assistenten met één taak in de klantenservice naar het opbouwen van een gecoördineerd team van gespecialiseerde agenten die de desktop gebruiken. Wanneer er een ondersteuningsaanvraag binnenkomt, classificeert een triage-assistent de aanvraag en stuurt deze dynamisch door naar de juiste gespecialiseerde agent, of het nu een intentie- en prioriteitsagent, een productcontextagent, een probleemoplossingsagent of een compliance-agent is.
“We hoeven niet na te denken over wat zal werken en hoe. Het is allemaal kant-en-klaar”, legde hij uit. “Elke agent heeft een beperkte rol en duidelijke obstakels. Ze blijven accuraat en controleerbaar.”
Beheersing van de risico’s van schaduw-AI
Er ontstaat een nieuwe risicocategorie wanneer AI iedereen in een bedrijf in staat stelt code op productieniveau te genereren zonder toezicht van IT. Kortom, dit is ongecontroleerde schaduw-AI. Deze zelfgemaakte producten zijn vatbaar voor hallucinaties, datalekken, beleidsschendingen, manipulatie van modellen en agenten die acties uitvoeren die nooit formeel zijn geautoriseerd.
Om risico’s voor te blijven moeten toonaangevende organisaties drie dingen doen, zegt Luis Blando, CPTO bij OutSystems.
“Geef gebruikers leuningen. Ze gaan AI gebruiken, of je het nu leuk vindt of niet. Bedrijven die voorop willen lopen, gebruiken AI om AI in hun volledige portfolio te beheren”, legde hij uit. “Het is het verschil tussen schaduw-AI-chaos en schaal op bedrijfsniveau.”
Eric Kavanagh, CEO van The Bloor Group, merkte op dat governance een gelaagde reeks disciplines vereist, waaronder het beveiligen van gegevens, het monitoren van bedrijfsmodellen en het maken van bewuste keuzes over waar AI aansluit op bestaande bedrijfsprocessen.
“Bedrijven hoeven deze controles niet handmatig in te stellen”, voegde hij eraan toe. “Veel van deze leuningen en handgrepen zijn ingebouwd in platforms zoals OutSystems.”
Waarom de echte orkestratie-uitdaging modellen versus platforms zijn
Een groot deel van de vroege opwinding rond AI voor ondernemingen was gericht op het kiezen van het juiste grote taalmodel. De moeilijkere uitdaging, en een veel duurzamere bron van waarde, is orkestratie. Dit omvat het routeren van taken, het coördineren van workflows, het beheren van de uitvoering en het integreren van AI in bestaande bedrijfssystemen.
Scott Finkle, VP ontwikkeling bij McConkey Auction Group, merkte op dat LLM’s, hoe indrukwekkend ook, onderdelen zijn van complexe workflows en geen end-to-end-oplossingen. Organisaties moeten bereid zijn om te schakelen tussen Gemini, ChatGPT, Claude en wat dan ook, zonder het agentsysteem eromheen opnieuw te hoeven opbouwen.
Een platform met orkestratiemogelijkheden maakt het mogelijk. Het beheert de levenscyclus, biedt zichtbaarheid en zorgt ervoor dat processen betrouwbaar worden uitgevoerd, zelfs als AI de redeneerlaag bovenaan afhandelt.
“De AI en de modellen veranderen, de workflows kunnen veranderen, maar de orkestratie blijft hetzelfde”, aldus Finkle. “Zo gaan we waarde uit AI halen.”
De economie van investeren in zakelijke AI
Beveiliging, compliance, governance en AI-capaciteiten op platformniveau zullen in 2026 allemaal grotere investeringen vergen, vooral nu AI zich gaat verdiepen in kernworkflows zoals financiën en supply chain. Bedrijven moeten de voorkeur geven aan stapsgewijze winsten in plaats van grote, onmiddellijke winsten te verwachten.
“We concentreren ons op honkslagen”, zei Finkle. “De manier waarop het telt, is door iets in productie te nemen en het te laten werken. Grote investeringen in proefprojecten die de productie niet halen, besparen geen geld. Het zal niet van de ene op de andere dag gebeuren, maar ik denk dat we na verloop van tijd enorme besparingen zullen zien.”
Er bestaat nog steeds een kloof in de manier waarop bedrijven AI-transformatie benaderen. Sommigen beginnen helemaal opnieuw en herscheppen elk proces. Anderen, vooral degenen met miljarden dollars aan bestaande infrastructuur die intern in waarde daalt, willen dat AI in hun systemen wordt geïntegreerd. Ze willen dat agentsystemen data, API’s en beproefde processen hergebruiken en tegelijkertijd de levering versnellen. De agentenplatformbenadering bedient beide kampen, maar vooral het laatste. Organisaties kunnen agenten inzetten waar ze duidelijke waarde toevoegen, terwijl de integriteit van gevestigde, deterministische workflows behouden blijft.
De opkomst van de enterprise architect en de generalistische ontwikkelaar
Naarmate AI het genereren van code versnelt, verdwijnen de knelpunten in de softwarelevering. In plaats daarvan wordt er een premie geplaatst op systeemdenken. Dit is het vermogen om de bredere bedrijfsarchitectuur te begrijpen, complexe bedrijfsproblemen op te lossen en te redeneren over hoe AI integreert met de bestaande infrastructuur. Kavanagh noemde enterprise architecten specifiek de professionals die het best gepositioneerd zijn om van dit moment te profiteren.
“We gaan een heel interessant tijdperk binnen voor de generalist”, legde hij uit. “Hoe beter u uw enterprise-architectuur en uw enterprise-architectuur kent en hoe die dingen in elkaar passen, hoe beter u af zult zijn.”
“Het resultaat is een snellere levering met minder onderbrekingen en minder fouten”, aldus Kavanaugh. “Je kunt je concentreren op de niet-repetitieve taken. Dit is een voordeel voor de ontwikkelaar, voor het bedrijf en voor de hele IT-organisatie.”
Gesponsorde artikelen zijn inhoud die is geproduceerd door een bedrijf dat voor de post betaalt of een zakelijke relatie heeft met VentureBeat, en is altijd duidelijk gemarkeerd. Voor meer informatie kunt u contact opnemen met sales@venturebeat.com.
