AI-agents als managers van microservices

Waar vroeger monolithische IT-systemen centraal stonden, opereren vandaag microservices als gespecialiseerde functionele eenheden: autonoom, schaalbaar en modulair. Ze functioneren als de vakmensen en machines van de digitale fabriek – elk met een duidelijk afgebakende taak en vaste protocollen. Maar aan die fabriek wordt nu een nieuwe laag toegevoegd: AI-agents.

Deze agents zijn geen statische tools, maar adaptieve regisseurs. Ze analyseren data, herkennen patronen en nemen beslissingen op basis van context. Ze coördineren de stromen van informatieproducten, anticiperen op knelpunten en optimaliseren continu de keten. Daarmee lossen ze problemen op nog vóór ze zichtbaar worden en tillen ze de prestaties van het systeem als geheel naar een hoger niveau. Niet als radicale breuk, maar als een logische stap in de evolutie van softwarearchitectuur.

Van SOA naar microservices

De wortels van deze evolutie gaan terug naar het eind van de jaren negentig, toen Service Oriented Architecture (SOA) de belofte bracht van herbruikbare, loosely coupled services. SOAP, het communicatieprotocol van SOA, was krachtig maar ook log en complex. Met de opkomst van REST rond 2010 kwam eenvoud en flexibiliteit terug in de ontwerp-principes. Tijdens een bijeenkomst in 2011 werd voor het eerst de term “microservices” gebruikt, in de context van de case “Java, the Unix Way”.

Sindsdien zijn microservices uitgegroeid tot de standaard in wendbare, onderhoudbare softwarearchitectuur, waarbij diensten georganiseerd zijn rond duidelijke domeinen als voorraad, betaling of verzending. Toch is modulariteit niet vanzelfsprekend houdbaar. Elke uitbreiding, wijziging of upgrade maakt een systeem complexer. Zoals ik beschreef in mijn blog over Normalized Systems: hoe zorg je ervoor dat software over tientallen jaren robuust en evolueerbaar blijft?

“De echte held van programmeren is degene die negatieve code schrijft.”— Douglas McIlroy

AI-agents als evolutionaire stap

Stel je een fabriek voor waarin iedere medewerker (microservice) een specifieke taak uitvoert: assembleren, controleren, verpakken. Efficiënt, maar reactief. Voeg daar nu een laag van leidinggevenden aan toe: AI-agents die processen bewaken, knelpunten signaleren, werk herverdelen en actief bijsturen.

Net als microservices opereren AI-agents binnen domeinen, maar dan met intelligentie. Een agent voor voorraadbeheer voorspelt bijvoorbeeld pieken in de vraag, past de voorraadpositie aan en stemt af met inkoop en logistiek. Ze reageren niet alleen — ze anticiperen.

In tegenstelling tot microservices, die volgen wat is geprogrammeerd, kunnen AI-agents:

• leren van historische data
• zelfstandig complexe beslissingen nemen
• omgaan met onvolledige of tegenstrijdige informatie
• concurrerende doelen balanceren
• zichzelf herstellen bij fouten

Ze bouwen voort op de kracht van microservices, maar tillen het systeem naar een hoger niveau: schaalbaar, robuust én adaptief. Dit draagt ook bij aan lagere onderhoudskosten — traditioneel het duurste deel van een informatiesysteem. Door software te ontwerpen op basis van zelflerende routines en stabiele families van bouwstenen, behoudt ze haar flexibiliteit en levensvatbaarheid. Zie ook mijn eerdere blog over softwarearchitectuur en onderhoud.

Systems engineering: balans tussen eenvoud en intelligentie

Niet elk probleem vraagt om een leger van agents. Te veel bewegende delen kunnen juist fragiliteit veroorzaken: communicatie-overhead, schaalproblemen of contextuele afwijkingen. De kunst is om intelligentie toe te voegen zonder de complexiteit te laten ontsporen. Zoals Einstein al stelde ‘Alles moet zo eenvoudig mogelijk worden gemaakt – maar niet eenvoudiger.’

Dit principe vormt de kern van systems engineering. In een wereld waarin software steeds bepalender is in domeinen als logistiek, productie en energie, moeten ontwerp, samenwerking en duurzaamheid hand in hand gaan.

AI-agents bieden perspectief, maar roepen ook vragen op. Vaak missen ze nog cruciale vaardigheden om robuust te opereren in dynamische contexten. In mijn blog ‘Zwarte doos om AI-agents te bewaken?’ pleit ik daarom voor een luchtwaardigheidsbewijs voor agents en een digitale zwarte doos — niet alleen voor compliance, maar ook om gedrag en besluitvorming transparant te maken.

De fabriek van de toekomst

In de jaren tachtig schreef ik een boek over de Fabriek van de Toekomst: fysieke productielijnen die flexibel, zelfsturend en kwaliteitsgericht werden ingericht. Vandaag voltrekt zich een vergelijkbare transformatie in de digitale wereld.

Microservices zijn de geschoolde vakmensen en geautomatiseerde middelen van de eerste digitale transformatiegolf. AI-agents vormen de slimme managers van de volgende — zij passen klassieke principes als just-in-time, bottleneck management en kwaliteitsbeheersing toe op informatiestromen in plaats van goederenstromen.

In zekere zin herhaalt de automatiseringsgolf van toen zich nu digitaal. De geschiedenis rijmt, zelfs als ze zich niet letterlijk herhaalt. En opnieuw ontstaat er een fabriek — maar nu een digitale — die niet alleen efficiënter is, maar ook intelligenter, duurzamer en veerkrachtiger.

Die fabriek levert geen standaardproducten meer, maar op maat gemaakte digitale diensten met intelligentie in zichzelf. Informatiefabrieken worden net zo flexibel als hun fysieke voorlopers, met informatieproducten die zélf intelligent gedrag vertonen.

Zoals auto’s tegenwoordig automatisch op klantspecificatie worden gebouwd én tegelijk rijdende computers zijn, zo bouwen we nu digitale ecosystemen die zichzelf configureren — én meedenken met hun gebruiker.

Door: Hans Timmerman (foto)