Het Rookgordijn

Servinomy jaagt op de feiten achter beweringen in servicemanagement.
Geen oordeel, alleen scherp onderzoek en de vastlegging van de huidige bedrijfscultuur.

Agentic AI

Wondermiddel of volwassenwordende technologie?

Door Servinomy | July 2026

Inleiding: tussen belofte en werkelijkheid

Agentic AI is een van de meest besproken technologieën van dit moment. In directiekamers, op technologieconferenties en op sociale media klinkt vaak dezelfde boodschap: AI-agents zullen zelfstandig beslissingen nemen, complexe processen uitvoeren en grote delen van kenniswerk automatiseren.

Die verwachting is niet volledig onrealistisch. AI-systemen kunnen inmiddels informatie samenvatten, kennis ontsluiten, tickets classificeren, workflows starten, softwaretools aanroepen en in afgebakende situaties een reeks stappen uitvoeren. Toch bestaat er een groot verschil tussen een AI-systeem dat taken ondersteunt en een systeem dat betrouwbaar, veilig en zelfstandig complexe bedrijfsdoelen realiseert.

Voor IT Service Management is die nuance bijzonder belangrijk. Incidenten, wijzigingen, toegangsrechten en klantcommunicatie raken continuïteit, veiligheid, compliance en vertrouwen. Daarom is de relevante vraag niet of agentic AI waarde heeft. Die heeft het. De vraag is onder welke voorwaarden autonomie daadwerkelijk waarde toevoegt en wanneer menselijke controle essentieel blijft.

Wat is agentic AI eigenlijk?

De term agentic AI wordt niet overal op dezelfde manier gebruikt. In de meest praktische betekenis gaat het om een AI-systeem dat binnen een begrensde omgeving:

een doel interpreteert;
een plan of reeks acties opstelt;
hulpmiddelen of softwaretools gebruikt;
resultaten evalueert;
vervolgstappen kiest
en waar nodig naar een mens escaleert.

Dat is iets anders dan een klassieke chatbot die uitsluitend tekst genereert. Het is ook iets anders dan traditionele RPA, waarin vaste regels en vooraf gedefinieerde processtappen centraal staan.

De grenzen zijn in de praktijk echter vaag. Veel leveranciers noemen chatbots, copilots, RPA-workflows en eenvoudige automatisering inmiddels "agents". Gartner noemt dit agent washing: het herlabelen van bestaande producten als agentic AI zonder substantiële autonome capaciteiten. Gartner schatte in 2025 dat slechts circa 130 van de duizenden aanbieders die agentic AI aanboden aan zijn definitie van een daadwerkelijk agentic product voldeden. Dat is een Gartner-schatting, geen universele telling van de volledige markt.

Bron

De harde realiteit achter de belangstelling

Gartner voorspelde in juni 2025 dat meer dan 40% van agentic-AI-projecten tegen eind 2027 wordt geannuleerd. Als oorzaken noemde Gartner oplopende kosten, een onduidelijke bedrijfswaarde en ontoereikende risicobeheersing. Het is belangrijk deze uitspraak juist te lezen: dit is een voorspelling, geen vaststelling dat meer dan 40% van de projecten al is mislukt. Gartner

In een Gartner-webinarpoll onder 3.412 deelnemers in januari 2025 zei 19% aanzienlijk te investeren in agentic AI. Nog eens 42% investeerde voorzichtig, 31% koos voor afwachten of was onzeker, en 8% had niet geïnvesteerd. Deze cijfers tonen sterke belangstelling, maar vormen geen representatieve wereldwijde meting van alle ondernemingen.

Een aparte Gartner-enquete onder 360 IT application leaders bij organisaties met ten minste 250 medewerkers liet een vergelijkbaar beeld zien. Slechts 15% overwoog, piloteerde of implementeerde autonome AI-agents. Tegelijk gaf 74% aan AI-agents als een nieuw aanvalsoppervlak te beschouwen en had slechts 19% veel of volledig vertrouwen in het vermogen van leveranciers om adequate bescherming tegen hallucinaties te bieden.

Dit betekent niet dat organisaties AI-agents massaal afwijzen. Gartner rapporteerde juist dat 75% een vorm van AI-agent aan het piloteren, implementeren of al inzet. De kloof zit tussen beperkte of begeleide automatisering enerzijds en volledig autonome systemen zonder menselijk toezicht anderzijds.

Bron-1 | Bron-2

Autonomie is geen binaire keuze

De discussie over agentic AI wordt vaak verkeerd gevoerd alsof er slechts twee opties zijn: volledige menselijke uitvoering of volledige autonome vervanging. In werkelijkheid is autonomie een spectrum.

Een betrouwbaar ITSM-model kan bijvoorbeeld werken met verschillende niveaus:

Niveau | Voorbeeld in ITSM | Menselijke rol

Assistentie | Samenvatten van incidenthistorie | Mens beslist en handelt
Aanbeveling | Voorstel voor classificatie of root cause | Mens valideert
Begrensde automatisering | Wachtwoordreset of standaardtoegang | Mens bepaalt regels en uitzonderingen
Goedkeuringsgestuurde uitvoering | Wijziging voorbereiden en ter goedkeuring aanbieden | Mens autoriseert actie
Autonome uitvoering binnen guardrails | Herstarten van een niet-kritische service | Mens bepaalt grenzen, monitoring en escalatie
Hoog-risico autonomie | Security changes, productieherstel of klantcompensatie | Alleen in uitzonderlijke, aantoonbaar beheersbare situaties

De meeste directe waarde ligt niet aan de uiterste kant van dit spectrum. Organisaties kunnen veel winst behalen met classificatie, routing, kennisontsluiting, samenvattingen, conceptantwoorden en gecontroleerde automatisering, zonder een model onbeperkte beslissingsruimte te geven.

Het Klarna-voorbeeld: relevante les, geen universeel bewijs

Klarna wordt vaak aangehaald als bewijs dat AI menselijke klantenservice niet kan vervangen. De casus verdient aandacht, maar moet zorgvuldig worden gelezen.

Klarna positioneerde zijn AI-klantenservice zeer ambitieus en stelde dat de functionaliteit werk kon uitvoeren met een capaciteit die overeenkwam met ongeveer 700 klantenservicemedewerkers. Later erkende CEO Sebastian Siemiatkowski dat kosten een te dominante rol hadden gespeeld bij de evaluatie van de oplossing en dat dit ten koste van de kwaliteit kon gaan.

Het is niet zo dat AI-klantenservice per definitie faalt. De les is dat een kostenmetric onvoldoende is. Een serieuze evaluatie moet minstens ook kijken naar:

oplossingskwaliteit;
escalatiepercentage;
klanttevredenheid;
herstelwerk;
risico op foutieve informatie;
merkimpact;
toegankelijkheid voor complexe of kwetsbare klantgevallen.

Eenzelfde voorzichtigheid is nodig bij bredere uitspraken over Duolingo, Starbucks, McDonald's of een algemene trend van "AI-layoff reversals". Losse bedrijfsvoorbeelden kunnen waardevolle waarschuwingen zijn, maar bewijzen op zichzelf geen algemene wetmatigheid.

Hallucinaties: een risico dat context nodig heeft

Hallucinaties zijn een reëel probleem: taalmodellen kunnen onjuiste, verzonnen of onvoldoende onderbouwde informatie produceren. Maar algemene foutpercentages zijn misleidend als ze zonder context worden gepresenteerd.

De prestaties van een AI-systeem verschillen sterk per:

model en modelversie;
taaktype;
domein;
kwaliteit van beschikbare data;
gebruik van retrieval en betrouwbare bronnen;
toolgebruik;
prompt- en workflowontwerp;
evaluatiemethode;
menselijke validatie.

Een hallucinatiepercentage uit een specifieke benchmark kan daarom niet rechtstreeks worden vertaald naar de kans dat een ITSM-agent een verkeerde incidentdiagnose stelt. Die vertaling vereist een afzonderlijke test in de eigen omgeving, met eigen data, eigen processen en realistische uitzonderingssituaties.

De juiste conclusie is niet dat autonome AI onmogelijk is. De juiste conclusie is dat organisaties autonome uitvoering alleen moeten toestaan wanneer zij de foutmodi kennen, de gevolgen begrenzen en betrouwbare terugvalmechanismen hebben.

Waar AI in ITSM nu aantoonbaar werkt

AI levert al waarde in ITSM, vooral wanneer het wordt ingezet als versterking van mensen en processen.

Een TeamDynamix-marktstudie uit 2026 onder 392 IT-professionals rapporteerde onder meer dat organisaties met bredere AI-ITSM-inzet ticketdeflectie, snellere ticketafhandeling en hogere klanttevredenheid ervoeren. De studie identificeerde kennisartikelsuggesties en -generatie, virtuele agents, intelligente ticket-routing en AI-ondersteunde antwoorden als belangrijke toepassingen. TeamDynamix

Deze resultaten zijn relevant, maar vragen om de juiste interpretatie. TeamDynamix is zelf een leverancier in deze markt. De cijfers zijn dus bruikbaar als indicatie van ervaringen bij respondenten, niet als onafhankelijk bewijs dat iedere organisatie dezelfde resultaten zal behalen.

De meest realistische ITSM-toepassingen zijn momenteel:

kennisartikelen vinden, actualiseren en opstellen;
incidenten samenvatten en classificeren;
tickets routeren;
terugkerende vragen afvangen;
conceptantwoorden genereren;
signalen combineren voor snellere diagnose;
standaardprocedures uitvoeren binnen vooraf goedgekeurde grenzen.

Dit zijn geen marginale toepassingen. Juist deze taken kunnen de responstijden verbeteren, medewerkers ontlasten en de kwaliteit van serviceprocessen verhogen.

Bron

De complexiteitsparadox

AI kan de ITSM-operatie verbeteren en tegelijkertijd de besturing ervan complexer maken. SolarWinds rapporteerde in zijn IT Trends Report 2026 dat veel IT-professionals meer verantwoordelijkheid ervaren rond AI-ondersteunde incidentrespons, validatie en governance. In de bijbehorende rapportage werd onder andere genoemd dat 44% een grotere of nieuwe verantwoordelijkheid rond incidentrespons ervoer, terwijl 71% de AI-output handmatig bleef controleren.

Dit is geen argument tegen AI. Het laat zien dat AI niet alleen automatisering toevoegt, maar ook nieuw werk creëert:

kwaliteitscontrole;
governance;
logging en observability;
toegangsbeheer;
evaluatie van model- en workflowprestaties;
incidentrespons voor AI-gedrag;
beheer van uitzonderingen;
training van medewerkers.

Een organisatie die uitsluitend kijkt naar tijdwinst in een individuele workflow, kan deze extra beheerslast missen. Een organisatie die AI als sociaal-technisch systeem beschouwt, kan de lasten expliciet ontwerpen, meten en verminderen.

Bron-1 | Bron-2

Van demo naar productie

Veel agentic-AI-initiatieven falen niet doordat het model geen indrukwekkende demo kan geven. Zij falen omdat een productieomgeving andere eisen stelt dan een demo-omgeving.

Een robuuste implementatie vereist ten minste:

een scherp gedefinieerd bedrijfsdoel;
duidelijke beslissingsgrenzen;
betrouwbare, actuele en toegankelijke gegevens;
bevoegdheden volgens het principe van least privilege;
logging van instructies, toolcalls, acties en resultaten;
monitoring op fouten, afwijkingen, kosten en veiligheidsrisico's;
testscenario's met uitzonderingen en slechte data;
menselijke escalatie bij onzekerheid of grote impact;
rollback- en herstelprocedures;
metingen van werkelijke bedrijfswaarde.

Een agent die tickets alleen mag classificeren en routeren heeft een fundamenteel ander risicoprofiel dan een agent die productieconfiguraties wijzigt, credentials beheert of externe klanten bindende informatie geeft. De governance moet dus aansluiten bij de actie, niet alleen bij het model.

De werkelijke les voor ITSM

Agentic AI is geen wondermiddel, maar ook geen lege belofte. Het is een verzameling snel ontwikkelende mogelijkheden die in specifieke, goed ontworpen situaties al waarde kunnen leveren.

De meest succesvolle organisaties zullen waarschijnlijk niet degene zijn die als eerste de meeste autonome agents uitrollen. Het zullen organisaties zijn die:

een smalle use case kiezen met meetbare waarde;
betrouwbare data en kennis organiseren;
autonomie stapsgewijs verhogen;
risico's vooraf ontwerpen in plaats van achteraf herstellen;
menselijke expertise behouden waar context, oordeel en verantwoordelijkheid nodig zijn;
prestaties meten op kwaliteit, veiligheid, klantwaarde en totale werkdruk, niet alleen op kostenbesparing.

De juiste vraag is dus niet: Kunnen agents mensen vervangen?

De betere vraag is:

Welke taken kunnen we veilig, meetbaar en verantwoord automatiseren, zodat mensen betere beslissingen kunnen nemen en complexer werk beter kunnen uitvoeren?

Agentic AI wordt pas waardevol wanneer technologie, procesontwerp, data, governance en menselijke verantwoordelijkheid samen volwassen worden.

Een sector op een kruispunt

Het dominante online narratief.

Door Servinomy | juni 2026

Iedereen die vandaag online zoekt naar "service management" wordt onmiddellijk geconfronteerd met een overweldigend technologisch verhaal. Automatisering, kunstmatige intelligentie, cloudplatformen en digitale transformatie bepalen de agenda.

Hun gezamenlijke boodschap draait om efficiëntie, schaalbaarheid, compliance en automatisering. Processen optimaliseren, tickets verminderen, workflows standaardiseren en KPI's verbeteren: dat is de taal van de sector.

Service management staat op een kruispunt. Het dominante online narratief — technologie, automatisering, efficiëntie — is niet verkeerd, maar wel onvolledig. Het geeft antwoord op de vraag hoe servicemanagement geoptimaliseerd kan worden, maar gaat voorbij aan de fundamentelere vraag: waarom?

De opkomende tegenbeweging — mensgericht, purpose-gedreven en gericht op waardecreatie — biedt een noodzakelijke tegenkracht. Maar zolang deze beweging ondervertegenwoordigd blijft in het online discours, zullen organisaties blijven investeren in systemen die processen optimaliseren zonder de onderliggende vraag te stellen: voor wie en met welk doel?

De uitdaging voor servicemanagementprofessionals is daarom niet in de eerste plaats technologisch. Het is een narratieve uitdaging: het vermogen om een overtuigend verhaal te vertellen over de menselijke en maatschappelijke waarde van goede dienstverlening — een verhaal dat krachtig genoeg is om het platformdiscours aan te vullen en te corrigeren.

We kennen het antwoord al sinds 1964.

Dus waarom falen we nog steeds?

Door Servinomy | juni 2026 - DEMO-versie

In 1964 vertelde Harold Leavitt dat het veranderen van technologie zonder mensen en processen aan te passen ertoe zou leiden dat men terugvecht. De servicemanagementgemeenschap vertaalde dit naar het People–Process–Technology (PPT) -raamwerk. ITIL werd hieromheen opgebouwd. Duizenden professionals worden erin gecertificeerd.

In 2025 ondervroeg Gartner 3.100 CIO’s in 88 landen en ontdekte dat slechts 48% van de digitale transformatie-initiatieven hun doelstellingen bereikt. Het wereldwijde rapport van VML stelde vast dat 64% van de projecten wordt gelanceerd zonder een duidelijke roadmap. Bain & Company schat het bredere faalpercentage voor transformaties op 88%.

Belangrijkste inzichten

Het PPT-model is geen relikwie — het is een diagnose waar de sector hardnekkig niets mee doet.
Organisaties investeren structureel te veel in technologie, onderfinancieren processen en zien mensen als een trainingspost op de begroting.
Elke generatie technologie (ERP, Cloud, AI) verpakt hetzelfde falen in een nieuwe woordenschat.
De organisaties die slagen, zien mensen en businessleiders als even verantwoordelijk — niet alleen IT.

Is ITIL dood?

Het antwoord is ingewikkelder dan je denkt.

Door Servinomy | Juni 2026 - DEMO-versie

Het rapport "ITIL Dilemma" van Forrester Research sloeg in 2025 in als een granaat in de ITSM-community. Het stelde de vraag of ITIL — al drie decennia de ruggengraat van IT-servicemanagement — nog steeds geschikt is voor zijn doel. De reactie van professionals was onmiddellijk, verdeeld en veelzeggend.

Het korte antwoord: ITIL is niet dood. Maar het is niet langer op zichzelf voldoende — en het vakgebied moet ophouden te doen alsof dat wel zo is.