Een AI-agent is geen collega. En toch hoort hij op het organogram.

Op LinkedIn stelde Pieter van Osch de vraag waar veel ondernemers nu mee zitten. Hij las in MIT Technology Review een stuk met de titel “AI agents are not your coworkers”, legde het voor aan een zaal ondernemers bij NLgroeit, en kreeg ongeveer net zoveel antwoorden als er ondernemers waren. Zijn slotvraag: promoveren we AI-agents, of degraderen we de mens?

Die vraag is te groot voor een commentveld. En hij is voor ons niet nieuw. Sinds we bijna twee jaar geleden met Augmentic begonnen is dit een van onze kernvisies: het gaat niet om wat AI kan, het gaat om hoe goed mensen ermee kunnen werken. Betere werkdagen zijn daar de resultante van, niet het vertrekpunt.

Vandaar het langere antwoord.

Wat het onderzoek werkelijk laat zien

Het artikel in MIT Technology Review leunt op onderzoek van Emma Wiles (Boston University) met BCG, onder de titel Putting AI on the Org Chart. Van de 1.261 ondervraagde managers zegt 31 procent dat hun organisatie AI presenteert als teamgenoot of medewerker. 23 procent zegt dat er AI-agents op het organigram of het werkschema staan. Dat laatste cijfer komt uit een panel van HR- en finance-managers; in een representatieve steekproef binnen hetzelfde onderzoek is het 14 procent.

Interessanter dan de cijfers is het experiment. Managers kregen documenten voorgelegd met ingebouwde fouten. De onderzoekers varieerden alleen de herkomst: van een AI-tool die ze zelf gebruikten, van een AI-medewerker onder hun supervisie, of van een menselijke medewerker onder hun supervisie.

Bij de AI-medewerker legden managers minder verantwoordelijkheid bij zichzelf en meer bij het systeem. Ze vonden achttien procent minder fouten. En de scherpste uitkomst: bij een menselijke medewerker controleerden ze juist het meest.

Het effect komt dus niet van delegeren. Het komt van het etiket.

Dat is een ongemakkelijke uitkomst voor iedereen die AI-agents een plek in de organisatie wil geven, en het is de moeite waard om er even bij stil te staan in plaats van eroverheen te lezen. Want er volgt een andere conclusie uit dan de kop suggereert. Het probleem is niet dat AI-agents zichtbaar zijn. Het probleem is dat we ze een persoon maken. Zodra een AI-agent een naam en een gezicht krijgt, gaat de mens ernaast minder goed kijken.

De onderzoekers formuleren het zelf het scherpst: AI-agents opnemen in de organisatie is een governance-beslissing, geen etiket dat je erop plakt.

Een AI-agent is een configuratie

Wij geloven niet in een naam, een gezicht of een identiteit voor een AI-agent. Geen loopbaan, geen functioneringsgesprek, geen vakje in de lijn met een avatar erin.

Maar we moeten ook stoppen met doen alsof het een tooltje is, want dat is het al lang niet meer.

Een AI-agent is een configuratie. Een samenhang van dingen die samen bepalen wat hij kan: de instructie die hem stuurt, de systemen waar hij bij mag, de skills die hij gebruikt, het model dat eronder draait. Verander één van die vier en je hebt een andere AI-agent, ook al staat er hetzelfde naambordje op.

Dat is minder complex dan een mens en veel complexer dan een tool. Het lijkt nog het meest op hoe je een medewerker equipeert. Een snellere laptop, betere software, toegang tot een systeem waar iemand eerder buiten stond. Niemand noemt dat een promotie, iedereen ziet dat diegene daarna beter functioneert. Bij een AI-agent werkt het net zo, alleen sneller en meestal zonder dat iemand het opmerkt.

Die samenhang heeft een eigenschap die in de praktijk zwaarder weegt dan je zou denken. Een skill die door één AI-agent wordt gebruikt is onderdeel van die agent. Dezelfde skill, gebruikt door twaalf AI-agents, is infrastructuur. Hetzelfde bestand, een totaal andere betekenis. Hoe meer AI-agents ervan afhangen, hoe zwaarder een wijziging weegt. Hergebruik is dus geen efficiencygetal maar een signaal dat je moet kunnen zien.

Waarom het instrument niet meer klopt

Dan de vraag die er werkelijk toe doet. Als AI-agents niet op het organogram staan, waar dan wel?

Die vraag is praktisch. Straks heeft elke medewerker een handvol AI-agents. Bij een organisatie van vijftig, zestig man loopt dat hard op. Je wilt kunnen zien waar het spielerij is en waar het serieus wordt. En vooral: als je AI vandaag uitzet, welke afdeling functioneert dan niet meer?

De cijfers zijn niet geruststellend. De Cloud Security Alliance vond dat 54 procent van de organisaties tussen de één en honderd niet-goedgekeurde AI-agents heeft draaien, waarbij vaak onduidelijk is wie de eigenaar is. Slechts vijftien procent weet voor het merendeel van hun AI-agents wie verantwoordelijk is. Dat gat tussen wat de directie denkt te zien en wat er werkelijk draait, is precies het gat dat een organogram hoort te dichten.

Alleen kan het klassieke organogram dat niet. Het wordt twee keer per jaar aangepast, het hangt bij HR, en er staat de verkeerde eenheid in. Een vakje is een persoon met een rapportagelijn. Daar past een AI-agent nooit in zonder precies de discussie waar Pieter mee begon.

Maak je de eenheid het werk in plaats van de persoon, dan verdwijnt die discussie. De vraag is niet langer of een AI-agent een collega is, maar wie verantwoordelijk is voor dit stuk werk en met welke mix het gedaan wordt. Mens en AI-agent passen daar allebei in.

Blijft over het frequentieprobleem, en daar loopt iedereen op vast. Het antwoord is dat er niet één frequentie is, maar drie. Ze tot één ritme dwingen is wat het instrument sloopt.

De structuur beweegt traag. Teams, verantwoordelijkheden, wie is aanspreekbaar. Een paar keer per jaar, met de hand, en dat hoort traag te zijn.

De capaciteit beweegt met de maand. Per stuk werk de mix van mens en AI-agent, per agent de eigenaar en hoe kritisch hij is. Dit is de laag die je aan je directie laat zien, en dit is de laag die vandaag vrijwel nergens bestaat.

Het gedrag beweegt continu. Wat draaide er, hoe vaak, wat raakte het aan, wat kostte het. Dat houdt niemand met de hand bij, dat komt uit de systemen zelf.

Die middelste laag wordt niet bijgehouden maar berekend, uit wat er werkelijk draait. Alles wat afhangt van mensen die het invullen raakt niet alleen achterop, het raakt selectief achterop. De leuke AI-agents worden netjes geregistreerd, want daar is iemand trots op. De agent die stilletjes een kritisch proces draaiende houdt niet.

Eigenaarschap is meer dan een naam in een veld

Wij hanteren een simpele regel: elke AI-agent en elke skill heeft een eigenaar. Iemand moet merken dat er iets verandert in de omgeving waarin dat ding werkt.

Die regel is weinig waard zonder het tweede deel. Een eigenaar houdt de wereld niet in de gaten. Je moet hem op zijn schouder kunnen tikken, en dat kan alleen als je weet wat waarmee samenhangt. Welke AI-agent gebruikt welk model, welke skill, welke API, welk bronsysteem. Pas met die graph kun je de vraag omdraaien. Een leverancier stopt met een model, een systeem migreert, een skill wordt aangepast: wie moet dat weten? Zonder die omkering is het antwoord altijd hetzelfde. Degene die er als eerste tegenaan loopt, meestal een klant.

Er is nog een reden waarom dit periodiek moet en niet alleen bij wijzigingen. Van de vier dingen die een AI-agent laten evolueren bepaal je er drie zelf: de instructie, de toegang, de skills. Het model niet. Onderzoekers van Stanford lieten al in 2023 zien dat hetzelfde model achter hetzelfde adres binnen drie maanden substantieel ander gedrag vertoonde. Aan de kant van de gebruiker veranderde er niets, aan het gedrag wel. Je test van maart kan dus in stilte verlopen, en wie zijn evaluatie ophangt aan wijzigingen vangt dat per definitie nooit.

Kosten horen in diezelfde laag thuis. Twee jaar geleden hield 31 procent van de FinOps-teams zich bezig met AI-uitgaven, nu is dat 98 procent. Dat verklaart de tooling die nu overal ontstaat: kostenbewustzijn maakt kostentools, governancebehoefte maakt governancetools, en ze lossen ieder de helft op.

Bij AI-agents zijn kosten bovendien niet één getal. Het gaat om alles rond de uitvoering. API’s, modelgebruik, agents die draaien zonder dat iemand hun output leest, budgetten die gecapt moeten worden. En steeds meer aanbieders rekenen in credits, een eigen valuta waarvan zij de koers bepalen. Je kunt de credit van de één niet naast die van de ander leggen, en deze maand niet naast vorige maand. De sector heeft er inmiddels een standaard voor moeten bouwen waarin credits en tokens letterlijk als virtual currency zijn opgenomen, zodat je ze kunt terugrekenen naar euro’s. Dat die standaard nodig was, zegt genoeg. Houd dus je eigen boekhouding bij, in je eigen eenheden.

Eén waarschuwing bij het cappen van budgetten: een harde cap op een kritische AI-agent is geen kostenbeheersing maar een storing.

Promoveren we de AI-agent, of degraderen we de mens?

Geen van beide, als je het goed doet.

De AI-agent wordt niet gepromoveerd. Hij krijgt geen titel en geen plek in de lijn. Hij wordt zichtbaar, met een eigenaar erbij, omdat je anders niet weet waar je organisatie op draait.

En de mens wordt niet gedegradeerd, tenzij je van die AI-agent een medewerker maakt. Dat is precies wat het onderzoek laat zien. Zodra een AI-agent een persoon wordt, gaat de mens ernaast slechter kijken. De degradatie zit niet in het zichtbaar maken, maar in het vermenselijken.

Houd de AI-agent een configuratie en de verantwoordelijkheid blijft waar hij hoort. Dan schuift de mens juist op, van uitvoeren naar richten, beoordelen en beslissen.

Daar draait het om. Niet om wat een AI-agent kan, maar om hoe goed mensen ermee kunnen werken. Eerst grip, dan schalen.

Met dank aan Pieter van Osch voor de vraag die dit stuk in gang zette.

Wij zijn Augmentic. Wij helpen organisaties hun werk opnieuw ontwerpen met AI. Wij beginnen bij het werk, niet bij de tool. Zo halen organisaties echt het maximale uit AI, met grip op kwaliteit, kosten en rendement.

Benieuwd hoe het er bij jullie voor staat, en wie weet waar je AI-agents op draaien? Laten we praten.

Building better workdays.

Bronnen

De oorspronkelijke post van Pieter van Osch. Zie: linkedin.com
James O’Donnell, AI agents are not your “coworkers”, MIT Technology Review, 29 juni 2026. Zie: technologyreview.com
Emma Wiles, Megan Hsu, Julie Bedard, Matthew Kropp, Putting AI on the Org Chart: Evidence on Delegation and Oversight, working paper 2026. Zie: emmawiles.com
MIT Initiative on the Digital Economy, Adding AI to the Org Chart? Do It with Intention, mei 2026. Zie: ide.mit.edu
Cloud Security Alliance, Enterprise AI Security Starts with AI Agents, april 2026. Zie: cloudsecurityalliance.org
Lingjiao Chen, Matei Zaharia, James Zou, How Is ChatGPT’s Behavior Changing over Time?, Harvard Data Science Review 6.2, 2024. Zie: hdsr.mitpress.mit.edu
FinOps Foundation, State of FinOps 2026. Zie: data.finops.org
FinOps Foundation, FOCUS 1.2, over virtual currency. Zie: finops.org