TechEx Europe 2026: de volgende grote AI-doorbraak zit misschien niet in het model

Wat als de grootste fout van een AI-systeem niet ontstaat doordat het iets verkeerd begrijpt, maar doordat meerdere systemen ieder afzonderlijk gelijk hebben?

Die gedachte raakt voor mij aan een van de interessantste ontwikkelingen binnen artificial intelligence.

Afgelopen week bracht TechEx Events Europe 2026 in Amsterdam een indrukwekkende verzameling internationale bedrijven, technologie-experts en ondernemers samen. Van AI en cybersecurity tot cloudinfrastructuur, robotica, datacenters en digitale transformatie.

Met organisaties als Google, Microsoft, IBM, Oracle, Snowflake, Shell, ING, Volvo Group, Deutsche Bank en Amazon Web Services (AWS) vertegenwoordigd in het bredere programma werd duidelijk hoe uiteenlopende disciplines inmiddels aan dezelfde technologische toekomst werken.

Wat een prachtige en inspirerende ervaring. Ik heb enorm veel bewondering voor de kennis, ambitie en openheid van alle professionals die ik heb mogen aanhoren en spreken.

Maar het interessantste ontstaat misschien wel wanneer we de afzonderlijke presentaties niet los bekijken, maar hun onderlinge verbanden onderzoeken.

De intelligentie van een agent is niet de intelligentie van een organisatie

Jaïro Martha van Snowflake behandelde in “Every Agent Was Right. The Business Was Wrong” een fundamenteel probleem binnen autonome bedrijfsprocessen.

Stel: een marketing-agent biedt klanten levering op de volgende dag aan. Een sales-agent bevestigt de orders. Ondertussen heeft een supplychain-agent dezelfde voorraad al gereserveerd.

Iedere agent handelt logisch vanuit zijn eigen gegevens en verantwoordelijkheden. Toch ontstaat een bedrijfsresultaat dat niemand heeft bedoeld.

Dit is geen traditioneel AI-probleem waarbij het model een onjuist antwoord genereert. Het is een coördinatieprobleem tussen zelfstandig handelende systemen.

Die gedachte sluit nauw aan bij “From Data Lakes to Data Products – What's Next?”, met onder anderen Dik Harbrecht MSc. van Shell, Ivan Branco van Volvo Group en Aatish Kumar van Eneco.

Dataproducten maken informatie herbruikbaar en brengen eigenaarschap, kwaliteit en definities dichter bij de bron. Maar zelfs een uitstekend georganiseerd datalandschap garandeert nog geen correcte gezamenlijke besluitvorming.

Een voorraadpositie kan immers op het moment van raadplegen correct zijn, terwijl een andere agent die voorraad een seconde later reserveert.

Gedeelde informatie is dus niet hetzelfde als gedeelde besluitvorming.

Daar ligt volgens mij een volgende architecturale uitdaging: agents moeten niet alleen dezelfde bedrijfscontext begrijpen, maar ook rekening houden met elkaars lopende handelingen, verplichtingen en de gevolgen van hun beslissingen.

Dat vraagt om meer dan een centrale databron. Denk aan eenduidige bedrijfsregels, actuele transactiestatussen, reserveringsmechanismen en expliciete afspraken over welk systeem wanneer beslissingsbevoegd is.

We hebben jarenlang systemen ontwikkeld die hun eigen processen optimaliseren. Agentic AI dwingt ons nu om te bepalen hoe die optimalisaties zich tot het belang van de gehele organisatie verhouden.

Autonomie begint waar technische toegang en bedrijfsverantwoordelijkheid elkaar ontmoeten

Die complexiteit wordt nog groter wanneer AI zelfstandig mag handelen.

Tijdens “From Assistants to Autonomy – Architectures Enabling Next-Gen Agents” stonden bij Avinash Jha van Volvo Group, Frank Kartmann van Deutsche Bank, Anna van den Breemer-Kleene van EY en Csaba Tamas van Parloa architecturale vraagstukken centraal rond planning, reasoning, tool orchestration, geheugen en menselijke controle.

Interessant is hoe dit onderwerp samenkomt met twee andere sessies.

Constantine Grigoroff van Shell behandelde in “Beyond the Demo: Building Trusted AI Agents with MCP” het gebruik van MCP, semantische metadata, beveiligingsregels en evaluatie om agents betrouwbaar met bedrijfssystemen te verbinden.

Stefan Malovic van Okta richtte zich in “Digital Co-workers, Real Risk” juist op de identiteit, toegangsrechten en controleerbaarheid van die agents.

Samen raken deze sessies aan een cruciaal onderscheid:

Dat een agent technisch iets kan uitvoeren, betekent niet dat hij het binnen zijn oorspronkelijke opdracht ook mag uitvoeren.

Een agent kan bevoegd zijn om klantgegevens te wijzigen. Maar mag hij zelfstandig contractvoorwaarden aanpassen? En blijft zijn oorspronkelijke mandaat behouden wanneer hij de taak overdraagt aan een andere agent?

Mijn overtuiging is dat we autonomie niet uitsluitend moeten begrenzen op systeemtoegang, maar ook op bedoeling, context en mogelijke gevolgen.

Een agent moet niet alleen kunnen aantonen wie hij is en welke tool hij gebruikt, maar ook namens wie hij handelt, waarom die handeling gerechtvaardigd is en binnen welke grenzen zij mag plaatsvinden.

Daarmee verschuift het vraagstuk van toegangsbeheer naar iets groters: hoe ontwerpen we controleerbare digitale verantwoordelijkheid?

En dat is essentieel wanneer meerdere agents straks niet alleen samenwerken met medewerkers, maar ook rechtstreeks met agents van andere organisaties.

Een succesvolle AI-implementatie is geen oplevering, maar een voortdurend gecontroleerd bedrijfsproces

Hier ontstaat een derde interessante verbinding.

Csaba Tamas van Parloa behandelde in “Smarter Models, Same Failures” waarom steeds intelligentere modellen niet automatisch leiden tot betrouwbare AI-agents in productie.

De betrouwbaarheid van een volledige workflow hangt immers af van meer dan het model: externe systemen, uitzonderingen, herstelmechanismen, monitoring en de mogelijkheid om fouten snel te corrigeren.

Charlie Doubek van NTT DATA benaderde een verwant probleem vanuit “Scaling AI: Why Architecture and Operating Models Matter More Than Perfect Data”: organisaties moeten niet wachten op perfecte omstandigheden, maar evenmin blijven steken in afzonderlijke pilots zonder schaalbare architectuur en verantwoordelijkheden.

En Koen van Muijen van ING Nederland ging met “Boosting Product-Led Thinking with ING NL” verder in op producteigenaarschap, strategische afstemming en het verminderen van organisatorische afhankelijkheden.

Juist die combinatie vind ik waardevol.

Want wie beheert een autonome agent nadat hij succesvol is geïmplementeerd?

De ontwikkelaar die de software bouwde? De IT-afdeling die de infrastructuur beheert? Of de proceseigenaar die verantwoordelijk is voor de daadwerkelijke bedrijfsuitkomst?

Als een agent zelfstandig waarde mag creëren, moet ook het eigenaarschap van zijn prestaties, risico's en voortdurende verbetering expliciet zijn.

Daarom vind ik het interessanter om AI te beoordelen op gerealiseerde bedrijfswaarde dan op het percentage werkzaamheden dat zonder menselijke tussenkomst wordt afgerond.

Een agent die 90% van de klantvragen zelfstandig afhandelt, is niet automatisch beter dan een agent die 70% afhandelt als die laatste aantoonbaar minder fouten maakt, betere klantuitkomsten realiseert en minder herstelwerk veroorzaakt.

De kwaliteit van autonomie zit niet in hoeveel controle we wegnemen, maar in hoeveel verantwoordelijkheid we betrouwbaar kunnen overdragen.

De volgende stap vraagt om meer dan intelligentere technologie

Wanneer ik deze verschillende invalshoeken met elkaar verbind, zie ik een interessante ontwikkeling.

De uitdaging verschuift van het ontwikkelen van afzonderlijk intelligente AI-toepassingen naar het bouwen van samenhangende, schaalbare ecosystemen waarin informatie, autonomie, bevoegdheden en verantwoordelijkheden op elkaar zijn afgestemd.

Dat is ook de richting waarin wij vanuit AVENDOX denken.

Niet automatiseren omdat het technisch mogelijk is, maar systemen ontwikkelen die gezamenlijk aantoonbaar betere resultaten realiseren. Waarbij autonomie geen doel op zichzelf is, maar een zorgvuldig ontworpen middel.

Misschien wordt de meest onderscheidende organisatie van morgen dan ook niet degene met de meeste AI-agents.

Maar degene die menselijke en kunstmatige intelligentie het best weet te laten samenwerken.

TechEx Europe was voor mij een prachtige bevestiging van hoeveel er mogelijk wordt wanneer experts vanuit verschillende disciplines hun kennis, ambities en perspectieven samenbrengen.

Mijn waardering gaat uit naar alle sprekers, organisaties en professionals die hun expertise delen en deze ontwikkelingen verder brengen. De presentaties en gesprekken hebben opnieuw laten zien hoeveel interessante vraagstukken er nog voor ons liggen.

De technologie ontwikkelt zich razendsnel. De echte vooruitgang ontstaat wanneer onze manier van organiseren, beslissen en samenwerken daarin meegroeit.