Organisaties verschuiven focus van AI-experimenten naar AI-agents

Dit blijkt uit het State of AI Agents 2026-rapport van Databricks, gebaseerd op geanonimiseerde data van meer dan 20.000 klanten wereldwijd. Het onderzoek toont een sterke groei in het gebruik van multi-agentsystemen, naast een toenemende aandacht voor governance, evaluatie en schaalbare infrastructuur.

Multi-agentsystemen nemen toe

Bedrijven gaan over van eenmalige conversatie-interfaces naar systemen waarin meerdere AI-agents samenwerken aan complexe taken. Hoewel chatbots nog steeds een belangrijke rol spelen, groeit het gebruik van gespecialiseerde agents die domeinspecifieke workflows uitvoeren. Het gebruik van multi-agent-workflows op het Databricks-platform steeg tussen juni en oktober 2025 met 327%. Technologiebedrijven bouwen bijna vier keer zo vaak dergelijke systemen als andere sectoren, wat hun voortrekkersrol in enterprise-AI benadrukt.

AI in kritieke bedrijfsprocessen

Koplopers combineren verschillende AI-modellen om lock-in te voorkomen en een breed scala aan toepassingen mogelijk te maken, van supply chain-beheer tot medisch onderzoek. Bedrijven kiezen voor een pragmatische aanpak, gericht op concrete uitdagingen per sector:

• Manufacturing & Automotive: voorspellend onderhoud (35%)
• Retail & Consumer Goods: marktinzicht en onderzoek (14%)
• Health & Life Sciences: medisch literatuuronderzoek (23%)

40% van de AI-toepassingen richt zich op klantgerichte processen, zoals ondersteuning en onboarding. Bedrijven gebruiken steeds vaker meerdere modellen (zoals ChatGPT, Claude, Llama en Gemini) naast elkaar, afhankelijk van de taak. In oktober 2025 gebruikte 78% van de Databricks-klanten twee of meer modelfamilies, terwijl 59% drie of meer modellen inzette – een stijging ten opzichte van 36% in augustus. De retailsector loopt voorop: 83% van de bedrijven daar gebruikt meerdere modellen.

Realtime verwerking en governance

96% van alle AI-verzoeken in het rapport wordt in realtime verwerkt, wat interactieve toepassingen zoals copilots en klantenservice-assistenten mogelijk maakt. Toch slaagt slechts een klein deel van de AI-initiatieven erin om daadwerkelijke bedrijfsimpact te realiseren. Uit extern onderzoek van MIT Nanda blijkt dat 95% van de generatieve AI-pilots in 2025 nooit in productie kwam.

Databricks identificeert twee succesfactoren voor schaalbare AI:

• Governance: Bedrijven die actieve AI-governance toepassen, zetten twaalf keer meer projecten in productie. Dit omvat duidelijke richtlijnen voor datagebruik en verantwoordelijkheidsverdeling.
• Evaluatietools: Organisaties die evaluatieframeworks gebruiken, brengen zes keer meer AI-projecten naar productie. Deze tools meten en verbeteren de kwaliteit van modellen in alle fasen.

AI-agents beheren data-infrastructuur

AI-agents nemen een centrale rol in bij het bouwen en beheren van databases. Waar ze twee jaar geleden nauwelijks werden ingezet, creëren ze nu 80% van de databases. Ook 97% van de test- en ontwikkelomgevingen wordt door agents opgebouwd, wat de tijd voor klonen en testen verkort. Daarnaast draagt de opkomst van vibe coding bij aan de democratisering van AI: sinds de introductie van Databricks Apps zijn er meer dan 50.000 data- en AI-apps gemaakt, met een groei van 250% in zes maanden.

“Dit rapport laat zien dat AI-agents het begin zijn van een tweede golf in enterprise-AI – van experimenteren naar uitvoeren. Discussies gaan niet langer over welk model het beste is, maar over hoe snel we AI kunnen omzetten in meetbare resultaten in klantbeleving, operaties en nieuwe inkomstenstromen”, aldus Kevin Jonkergouw, VP Benelux bij Databricks.

Meer informatie is beschikbaar in het onderzoeksrapport.