Al meer dan twee decennia werkt de IT-markt volgens een relatief eenvoudig model.
Het bedrijf heeft een probleem. Het koopt een systeem. Het implementeert het systeem. Het traint medewerkers. Het leert het systeem te gebruiken. En vervolgens probeert het het gestelde zakelijke doel te bereiken.
Zo zagen implementaties eruit:
- CRM,
- ERP,
- magazijnsystemen,
- e-commerceplatforms,
- marketingtools,
- projectmanagementsystemen.
Jarenlang verbaasde dat niemand. Tenslotte was software een hulpmiddel dat moest helpen een bepaald resultaat te bereiken.
Maar vandaag rijst een vraag die een paar jaar geleden nog absurd zou klinken: Zullen bedrijven straks nog software blijven kopen?
Of gaan ze kant-en-klare competenties kopen die door kunstmatige intelligentie worden uitgevoerd?
Dit is geen futuristische visie meer. De eerste signalen van deze verandering zijn nu al zichtbaar.
Hoe heeft de IT-markt tot nu toe gefunctioneerd?
Decennia lang kochten we tools.
Een voorbeeld?
Het bedrijf moest de verkoop beter beheren. - Het kocht een CRM.
Het had rapportage nodig. - Het kocht een BI-systeem.
Het had marketingautomatisering nodig. - Het kocht weer een tool.
Het probleem was dat het kopen van een systeem nooit automatisch het doel betekende.
Een CRM kopen garandeerde geen verkoopstijging.
Een ERP kopen garandeerde geen beter beheer.
Een marketingplatform kopen garandeerde geen meer klanten.
Het bedrijf kocht de mogelijkheid om het werk uit te voeren. Niet het resultaat zelf.
En dat is precies wat kan veranderen.
Software-as-a-Service - het model dat de wereld domineerde
Eerst verscheen SaaS (Software-as-a-Service).
In plaats van een licentie te kopen en het systeem op eigen servers te installeren, begonnen bedrijven abonnementsdiensten te gebruiken.
Er ontstonden duizenden platforms:
- CRM's,
- HR-systemen,
- helpdesks,
- e-commerceplatforms,
- marketingtools.
Het model bleek een enorm succes.
Maar het had één nadeel - het vergde nog steeds bediening. Een mens deed het werk. Het systeem was slechts een hulpmiddel.
Wat verandert AI?
Voor het eerst in de geschiedenis begint het gereedschap een deel van het werk zelfstandig uit te voeren. Dat is een fundamenteel verschil.
Een voorbeeld.
Klassiek CRM:
- slaat klantgegevens op,
- laat notities toevoegen,
- genereert rapporten.
AI-agent:
- analyseeert klanten,
- detecteert risico op verloop,
- stelt acties voor,
- bereidt berichten voor,
- start workflows.
En in de toekomst kan het nog veel meer uitvoeren.
En juist daarom spreekt men steeds vaker over een nieuw model.
Outcome-as-a-Service
Dit begrip zal steeds vaker opduiken.
Outcome betekent resultaat.
We kopen geen hulpmiddel meer. We kopen het effect.
Een voorbeeld.
Vandaag koopt een bedrijf een marketingautomation-platform.
Morgen kan het kopen: "het werven van 100 gekwalificeerde leads per maand".
Zonder zich bezig te houden met de technologie die op de achtergrond draait.
Voor de klant telt het resultaat. Niet het hulpmiddel.
Dit is een zeer vergelijkbare verandering met wat we bij de cloud zagen.
Weinigen vragen zich vandaag af op welke server een applicatie draait. Wat telt is de beschikbaarheid van de dienst.
Net zo kan het met AI gaan.
Agent-as-a-Service
Een nog interessantere richting is Agent-as-a-Service.
Dus de mogelijkheid om competenties "te huren".
Niet van een mens.
Niet van een systeem.
Maar van AI-agenten.
Stel je een bedrijf voor dat verkoopondersteuning nodig heeft.
In plaats van extra personeel aan te nemen of nog een tool te kopen, gebruikt het een agent die verantwoordelijk is voor:
- lead-analyse,
- voorbereiden van offertes,
- kwalificatie van klanten,
- rapportage.
Het bedrijf koopt geen functies. Het koopt competentie.
Dat is een zeer grote verandering in de manier van denken over technologie.
Woordenschat
SaaS (Software-as-a-Service)
Een model voor het leveren van software als abonnementsdienst.
Outcome-as-a-Service
Een model waarin de klant betaalt voor een zakelijk resultaat, en niet voor het hulpmiddel zelf.
Agent-as-a-Service
Een dienst die gespecialiseerde AI-agenten levert die specifieke taken uitvoeren.
AI Agent
Een systeem dat in staat is informatie te analyseren, acties te ondernemen en bepaalde doelen te bereiken.
AI Orchestration
Coördinatie van meerdere agenten, processen en systemen om een zakelijke taak uit te voeren.
Hoe kan een bedrijf er over een paar jaar uitzien?
Stel je een middelgroot bedrijf voor.
Vandaag heeft het:
- CRM,
- ERP,
- helpdesk,
- boekhoudsysteem,
- marketingplatform,
- rapportagesysteem.
Medewerkers loggen dagelijks in op veel applicaties. Ze schakelen tussen schermen. Ze exporteren gegevens. Ze maken rapporten. Ze verplaatsen informatie.
Over een paar jaar is een ander model mogelijk - de medewerker communiceert het doel.
Laag van AI-agenten:
- verzamelt data,
- analyseert de situatie,
- onderneemt acties,
- rapporteert resultaten.
Systemen blijven bestaan, maar ze stoppen het centrum van het werk te zijn - ze worden gegevensbronnen.
Betekent dit het einde van traditioneel SaaS?
Nee. Tenminste niet in de komende jaren.
Zakelijke systemen zullen nog steeds nodig zijn.
ERP verdwijnt niet.
CRM verdwijnt niet.
E-commerceplatforms verdwijnen niet.
Wel verandert de manier waarop ze worden gebruikt.
Steeds vaker zal de gebruiker niet direct in het systeem werken. Hij zal samenwerken met een laag intelligentie die het grootste deel van de bewerkingen uitvoert.
Waar kunnen bedrijven fouten maken?
De grootste fout is geloven dat AI alles vanzelf oplost.
Dat werkt niet.
Een agent zonder data is nutteloos.
Een agent zonder integratie is beperkt.
Een agent zonder toezicht kan verkeerde beslissingen nemen.
Daarom draait de toekomst niet om het vervangen van alle systemen door AI. Het draait om hun intelligente verbinding.
Rode vlaggen bij implementaties
🚩 Het bedrijf implementeert AI zonder gestructureerde data.
🚩 De agent heeft geen toegang tot de werkelijke processen.
🚩 Er ontbreekt validatie en menselijk toezicht.
🚩 AI werkt naast de organisatie in plaats van in haar processen.
🚩 Er wordt vanaf dag één volledige autonomie verwacht.
Dergelijke projecten eindigen vaak in teleurstelling.
Hoe zich op deze verandering voorbereiden?
Je hoeft niet meteen een leger agents te bouwen. Begin bij de fundamenten.
1. Orden je data
Data zal de valuta van de nieuwe AI-economie zijn.
2. Bouw een API-first architectuur
Integraties worden nog belangrijker dan nu.
3. Documenteer processen
Een agent kan geen proces overnemen dat niemand begrijpt.
4. Denk in resultaten
Vraag niet:
"Welk hulpmiddel moeten we kopen?"
Vraag:
"Welk resultaat willen we bereiken?"
Een praktijkvoorbeeld
Stel je een klantenservice-afdeling voor.
Klassieke benadering:
- ticketsysteem,
- handmatige analyse van meldingen,
- handmatig toewijzen van zaken,
- rapportage.
Agent-benadering:
- een agent classificeert meldingen,
- bepaalt prioriteit,
- wijst de juiste afdeling toe,
- bereidt een antwoord voor,
- monitort de levertijd,
- rapporteert resultaten.
De medewerker blijft bestaan. Maar zijn rol verandert van operator naar procestoezichter.
Belangrijkste conclusie
De toekomst van de IT-markt kan er niet uitzien als het kopen van steeds meer systemen. Het kan gaan om het kopen van het vermogen om bepaalde resultaten te behalen.
Net zoals bedrijven stopten met het kopen van eigen servers en gingen werken met de cloud.
Zo kunnen ze stoppen met het kopen van extra tools en in plaats daarvan gebruikmaken van competenties geleverd door AI-agenten.
Dat betekent niet het einde van software. Het betekent een verandering van rol.
Software zal steeds vaker onzichtbaar zijn. Wat zichtbaar blijft is het resultaat.
En juist om dat resultaat draait het zakendoen altijd geweest.
