Agentic AI in de organisatie zoals die bedoeld is — en zoals die werkelijk is

“There is a mismatch between what organizational processes are set up to do today versus what would be a more welcoming environment for an AI agent.” 

Deze uitspraak deed Joëlle Pineau, Chief AI Office van Cohere, tijdens de World Economic Forum Industry Strategy Meeting  in München in maart 2026. (Lees daarover ook: Where is AI moving beyond experimentation? 6 leaders on what’s actually scaling).

Het lijkt op het eerste gezicht een technische observatie. Maar wie hem door een organisatiekundige bril leest, ziet iets anders: niet de technologie schuurt, maar het ontwerp van organisaties zelf.

En dat is een vraagstuk dat snel op HR afkomt — ook al voelt het misschien nog als iets van IT of strategie.

Agentic AI is minder een IT-implementatie en meer een herontwerp van werk.

Maar eerst: wat is Agentic AI eigenlijk?

Veel discussies over AI gaan over tools die mensen ondersteunen: een assistent die teksten schrijft, een systeem dat data analyseert, een chatbot die vragen beantwoordt. Agentic AI is iets wezenlijk anders.

Een AI-agent is een systeem dat zelfstandig taken uitvoert, beslissingen neemt en acties onderneemt — zonder dat een mens bij elke stap hoeft in te grijpen. Het systeem krijgt een doel, en bepaalt zelf hoe het dat doel bereikt: welke stappen het neemt, welke informatie het ophaalt, welke systemen het aanstuurt, en wanneer het escaleert naar een mens.

• Lees ook: AI als onderdeel van de workforce: behandel de AI-agent als een werknemer

Denk aan een AI-agent die een onboardingproces volledig zelfstandig coördineert: van het aanmaken van accounts en het aanvragen van toegangsrechten tot het inplannen van introducties en het controleren of alle stappen zijn afgerond. Of een AI-Agent die selectiegesprekken regelt, gesprekken plant en feedback verwerkt — en daarbij in real time schakelt tussen HR-systemen, mailboxen en agenda’s.

De technologie om dit te realiseren is er. Maar of het ook werkt, hangt niet alleen af van invulling van de technische randvoorwaarden. Het hangt ook af van de organisatie eromheen. 

Een actueel en gezaghebbend overzicht van de technische en organisatorische randvoorwaarden voor Agentic AI geven McKinsey & Company in bijvoorbeeld, The agentic organization: Contours of the next paradigm for the AI era (september 2025) en Six shifts to build the agentic organization of the future (oktober 2025). 

En precies daar begint dit verhaal.

Een paradigma dat al langer knelt

Organisaties zijn historisch gebouwd rond menselijke flexibiliteit. Rond medewerkers die met hun kennis en ervaring de context begrijpen, uitzonderingen herkennen en kunnen improviseren wanneer de werkelijkheid niet netjes binnen het proces past.

Maar dat is niet het paradigma waarop automatisering is gebouwd. De dominante denkscholen in organisatie- en procesmanagement — van Taylors scientific management tot Lean en Six Sigma — gaan uit van een heel ander ideaal: stabiele, voorspelbare, herhaalbare processen. Variatie is de vijand. Standaardisatie is het doel. Fouten, ook van medewerkers en managers, moeten geëlimineerd worden en herhaling voorkomen door standaardisatie.

Automatisering zoals we die kennen, bevestigt dat standaardisatie-ideaal. Het versnelt wat al vaststaat, en maakt herhaalbaar wat al voorspelbaar is. De aanname is altijd geweest: breng het proces eerst onder controle, dan kan de machine het overnemen. “Massa is kassa”, meer van hetzelfde is goedkoper, en voorspelbaarder, dan maatwerk.

Maar erachter speelt veelal een andere realiteit: die van de medewerkers die de uitzondering opvangen. De manager die de context levert die het systeem niet heeft. De collega die informeel coördineert wat formeel niet is geregeld.

En die spanning is al langer zichtbaar. In omgevingen met toenemende dynamiek — complexere klantvragen, meer individuele verwachtingen, sneller veranderende contexten — wringt het standaardisatieparadigma al jaren. De behoefte aan variatie groeit, maar de systemen zijn gebouwd op uniformiteit.

Systemen werken vaak niet dankzij de processen, maar ondanks de processen.

Zodra een organisatie met AI aan de slag gaat — en zeker met Agentic AI — komt die spanning genadeloos naar boven. Want dan wordt ineens zichtbaar wat de medewerker die de weg weet in de organisatie werkelijk doet: de dreigende knelpunten herkennen voordat ze problemen worden, de juiste mensen bellen, de uitzondering oplossen die nergens in het systeem staat. Niet omdat het protocol dat voorschrijft, maar omdat zij weten wat er nodig is. 

Neem die mensen weg uit het proces — of vervang ze door een systeem dat alleen doet wat is vastgelegd — en je merkt pas wat er al die tijd echt voor zorgde dat het goed ging.

Het klinkt misschien wat stellig — maar veel processen functioneren in de praktijk bij de gratie van de medewerkers die ermee werken. Het systeem werkt niet dankzij de processen, maar ondanks de processen.

De tweede laag die alles draaiende houdt

Neem onboarding. Op papier een strak proces: systemen, checklists, goedkeuringsflows. In werkelijkheid: de HR-medewerker die weet dat over een laptopaanvraag “even gebeld moet worden”. De manager die via mail een uitzondering accordeert. De collega die regelt dat een toegangspas op tijd klaar ligt. Er zit altijd een tweede laag onder het formele proces — een laag van ervaring, relaties en improvisatie. Juist die laag maakt dat het formele proces überhaupt werkt.

Die informele coördinatie ontstaat bovendien zelden toevallig. Vaak is zij een reactie op tegenstrijdigheden in het formele systeem zelf: KPI’s die samenwerking bemoeilijken, processen die niet aansluiten op de praktijk, of besluitstructuren die het echte werk vertragen. Die patronen zijn geen toeval — ze zijn de praktische uitweg uit een systeem dat formeel logisch lijkt, maar operationeel wringt.

Een AI-agent heeft niets aan die tweede laag. Geen intuïtie, geen relationeel geheugen, geen gevoel voor “hoe het hier echt gaat”. Wat impliciet is, bestaat niet voor het systeem. En daarmee wordt zichtbaar wat lang verborgen bleef: het verschil tussen de organisatie zoals die bedoeld is, en de organisatie zoals die werkelijk is.

De echte spelregels van organisaties

Wat daarbij meespeelt, is dat organisaties niet alleen functioneren via formele processen, maar ook via informele gedragsregels: wie je belt als iets vastloopt, welke uitzonderingen stilzwijgend worden geaccepteerd, waar besluitvorming werkelijk plaatsvindt, en welke belangen of afhankelijkheden impliciet worden meegewogen. 

Scott-Morgan beschreef dit al in zijn boek The Unwritten Rules of the Game als de “echte spelregels” van organisaties — regels die zelden op papier staan, maar vaak bepalender zijn voor het functioneren van organisaties dan het formele organogram zelf.

Jon Katzenbach en Zia Khan bechrijven in hun boek Leading Outside the Lines (2010, Strategy&/PwC)  hoe de informele organisatie vaak de enige lijm is tussen formele structuren die niet op elkaar zijn afgestemd — en wat er gebeurt als die lijm wegvalt.

Agentic AI maakt juist die verborgen laag zichtbaar. Waar medewerkers nog kunnen improviseren binnen onduidelijkheid of informele afspraken, loopt een AI-agent vast zodra die werkelijkheid nergens expliciet is vastgelegd. Daarmee dwingt Agentic AI organisaties niet alleen hun processen te herontwerpen, maar ook zichtbaar te maken hoe werk in de praktijk werkelijk wordt gecoördineerd.

Dat maakt Agentic AI minder een IT-implementatie en meer een herontwerp van werk. En precies daar wordt HR onvermijdelijk een centrale actor — niet bij de implementatie, maar al eerder, wanneer werk opnieuw wordt vormgegeven.

• Lees ook: ‘Waarom de echte AI-revolutie op het werk nu pas begint’

Wat het verleden ons leert

Dit voelt misschien als onbekend terrein. Maar er zijn drie eerdere golven van vernieuwing die een opvallend vergelijkbaar patroon laten zien. Steeds opnieuw bleek dat organisaties die nieuwe technologie of methodes adopteerden zonder het onderliggende werk opnieuw te ontwerpen, weinig wonnen. De tool was er. De organisatie veranderde niet mee. En na verloop van tijd vroeg iedereen zich af waarom de belofte niet was uitgekomen.

BPR / ERP — jaren negentig: herontwerp het werk, of automatiseer de chaos

De belofte: nieuwe systemen maken organisaties efficiënter en transparanter.

De realiteit: veel organisaties pasten hun werk aan het systeem aan, in plaats van andersom. Processen die niet klopten werden niet verbeterd — ze werden vastgelegd in software. Michael Hammer waarschuwde al in 1990 in een artikel voor de Harvard Business Review:  “Don’t automate, obliterate”. Meer daarover valt te lezen in het boek Reengineering the Corporation: A Manifesto for Business Revolution (1993) van Michael Hammer & James Champy, het standaardwerk achter Business Process Reengineering.

Niet optimaliseren wat er is, maar herontwerpen wat werk eigenlijk is. Die boodschap werd door de meeste organisaties niet gehoord. Ze implementeerden het systeem. Ze lieten het werk zoals het was. En vroegen zich daarna af waarom het zo weinig opleverde.

Agile — jaren 2000/2010: een nieuwe methode lost niets op zonder nieuwe mindset

De belofte: sneller werken, meer samenwerking, beter inspelen op verandering.

De realiteit: veel organisaties voerden Agile in als een set tools — standups, sprints, retrospectives, borden vol post-its. Herkenbaar? De manier waarop beslissingen werden genomen, hoe budgetten liepen, hoe managers stuurden — dat veranderde nauwelijks. Het werd compliance, geen cultuur. De methode werd gekopieerd. De mindset niet. En dus bleven de resultaten uit waarvoor Agile bedoeld was.

Big Data — jaren 2010 tot nu: data zonder besliscultuur is een dure database

De belofte: data-gedreven besluitvorming maakt organisaties slimmer en sneller.

De realiteit: dashboards die niemand gebruikte, rapporten die te laat kwamen, analyses die niet aansloten op hoe beslissingen werkelijk werden genomen. De data was er. Maar de besluitvormingscultuur, de processen en de verantwoordelijkheden veranderden niet mee. Dit maakt de Big Data-les extra relevant voor Agentic AI: een AI-agent is volledig afhankelijk van data die klopt, compleet is en real-time beschikbaar. Ontbreekt dat fundament, dan neemt de agent verkeerde beslissingen — zonder dat een mens het nog doorheeft, want die zit er niet meer tussen.

Dit zijn niet de enige voorbeelden. Wie terugkijkt op kennismanagement ziet hetzelfde patroon: de aanname dat kennis gevangen kon worden in systemen bleek een illusie. De meest waardevolle kennis zat — en zit — in mensen, in relaties, in de informele verbanden die geen enkele database vastlegt. Precies die kennis staat nu opnieuw op het spel.

Maar het is ook een nieuw paradigma

Het is steeds hetzelfde patroon: iets nieuws toevoegen aan iets wat niet werd aangepast. De technologie verandert. Het paradigma, de visie en het patroon niet.

En toch is Agentic AI geen herhaling van zetten. Niet omdat de technologie zo anders is — maar omdat de inzet hoger is dan ooit. Eerdere golven konden worden uitgereden: een mislukte ERP-implementatie kostte tijd en geld, maar de organisatie bleef overeind op de mensen die de gaten dichtten. Agentic AI haalt juist die mensen uit het proces. Wie dan nog niet heeft herontworpen, heeft geen vangnet meer.

Want Agentic AI voegt iets toe wat eerder niet bestond: autonomie. Systemen die niet alleen ondersteunen, maar zelfstandig handelen, beslissen en coördineren. Processen die nu functioneren dankzij menselijke tussenkomst moeten opnieuw worden ontworpen — niet voor efficiëntie, maar voor autonomie. Dat betekent in de praktijk: vastleggen wie beslist als de laptopaanvraag vastloopt, wie wordt gebeld als de toegangspas niet op tijd klaar ligt, en wie eindverantwoordelijk is als de nieuwe medewerker op dag één nog nergens toegang toe heeft. Wat nu informeel werkt, moet formeel worden — of het verdwijnt. 

Wat dat concreet betekent, laat onboarding goed zien.

Onboarding nu — verdeeld over silo’s

HR beheert het contract, het personeelsdossier en de introductiedag. IT zorgt voor de laptop, systemen en het e-mailadres. Facilities regelt de toegangspas, werkplek en parkeerkaart. De lijnmanager heeft het inwerkplan, de teamintroductie en de doelstellingen. Elke silo beheert zijn eigen stukje. De coördinatie daartussen is informeel — en onzichtbaar voor elk systeem afzonderlijk.

Een AI-agent die onboarding uitvoert, stopt niet bij de grens van HR. Die volgt de nieuwe medewerker — en verwacht dat IT, Facilities en de lijnmanager allemaal klaar staan als dat nodig is. Niet op hun eigen moment, maar op het juiste moment in de keten. Dat vraagt een organisatie die is ingericht rond het proces van de nieuwe medewerker — niet rond de eigen agenda van elke afdeling.

Onboarding herontworpen — georganiseerd rond de keten

Triggers zijn gedeelde regels: zodra het contract is getekend, starten IT en Facilities parallel. Escalaties zijn vastgelegd: wie wordt aangesproken, wanneer, en hoe. Eigenaarschap is benoemd: één eindverantwoordelijke voor het geheel — niet voor een stap, maar voor de volledige ervaring van de nieuwe medewerker van begin tot eind.

Het resultaat is geen efficiënter proces. Het is een proces dat ook werkt zonder de mensen die nu de gaten dichten.

Dit is geen procesverbetering. Dit is een andere manier van organiseren. Dat vraagt ook meer dan een nieuw systeem — het vraagt samen kunnen loslaten van hoe het altijd ging.

Zoals vooraanstaande AI-industrie leiders toelichtten tijdens het World Economic Forum in Davos in 2026, verandert AI fundamenteel hoe informatie binnen organisaties wordt gebruikt en gedeeld. In plaats van dat informatie stap voor stap via verschillende managementlagen omhoog en omlaag gaat, krijgen medewerkers en teams steeds vaker direct toegang tot relevante inzichten en context via systemen. Dat maakt informatie sneller beschikbaar, maar verandert ook wie welke beslissingen neemt en waar verantwoordelijkheid ligt. Daardoor verschuift niet alleen het werk zelf, maar ook de rol van managementlagen en hoe teams worden aangestuurd en ondersteund.

Functionele silo’s en AI-agents

En daarmee raakt Agentic AI aan iets fundamentelers dan tooling of technologie. Het stelt de vraag opnieuw die organisaties al decennialang voor zich uitschuiven: zijn we georganiseerd rond wat voor ons als afdeling logisch is — of rond wat voor de medewerker, de klant, het werk logisch is?

Functionele silo’s zijn niet alleen een cultureel fenomeen — iets van “eilandjesgedrag” of “not invented here”. Ze zitten ingebakken in hoe organisaties zijn gebouwd: wie rapporteert aan wie, wie heeft welk budget, welke systemen praten met welke systemen, en waarop wordt iemand afgerekend. Een HR-manager wordt niet beoordeeld op hoe soepel de IT-afdeling de laptop regelt. En een IT-manager niet op hoe snel een nieuwe medewerker productief is. Agentic AI maakt dat zichtbaar — en dwingt organisaties te kiezen: blijven we sturen op afdelingen, of gaan we sturen op de keten? 

Navigeren in wat al gaande is

Daarbij speelt nog iets anders mee. In de praktijk wacht niemand op een plan. Medewerkers en teams gaan gewoon aan de slag met AI-tools — vaak zonder dat HR of IT het weet. Ze bouwen hun eigen werkwijzen, buiten de formele systemen om. Tegen de tijd dat er beleid is, zijn de informele praktijken al maanden onderweg.

Dat vraagt van HR iets wat niet in een projectplan past: het vermogen om te zien wat er al gaande is, medewerkers serieus te nemen die worstelen met wat dit voor hun werk betekent, en tegelijk mee te bouwen aan structuren die richting geven zonder alles dicht te timmeren.

Dat vraagt ook om iets anders: zichtbaar maken welke ongeschreven gedragsregels het huidige werk werkelijk sturen. Organisaties worden niet alleen gestuurd door formele processen, maar ook door impliciete normen over wat als “veilig”, “succesvol” of “gewenst” gedrag geldt — regels die zelden expliciet worden uitgesproken, maar wel bepalen hoe mensen zich gedragen. 

Juist bij AI-transformatie worden die verborgen regels zichtbaar: mag je experimenteren, fouten maken, hulp vragen, processen ter discussie stellen, of werk overlaten aan een systeem? Zonder aandacht voor die onderliggende gedragslogica blijven veel AI-veranderingen hangen in formele implementatie zonder echte adoptie.

Want de reden waarom veel technische implementatietrajecten stranden, is zelden technisch. Het is de medewerker die het vertrouwen mist. De manager die niet weet wat hij moet zeggen als mensen vragen of hun baan nog bestaat. De organisatie die de onzekerheid onderschat, die deze verandering bij mensen oproept. Dat is het terrein van HR — en het wordt onderschat. Vertrouwen is daarmee geen zachte factor naast de implementatie, maar operationele infrastructuur voor transformatie.

Vertrouwen is geen zachte factor naast de implementatie, maar operationele infrastructuur voor transformatie.

Daarmee raakt AI-transformatie ook aan een klassieke HR-vraag die zelden expliciet wordt gesteld: hoe ontwikkelen mensen nog professioneel oordeel wanneer routinematig werk steeds vaker door systemen wordt uitgevoerd? Veel vakmanschap ontstaat juist via herhaling, uitzonderingen en ervaring in de praktijk. Als AI die leerlaag overneemt, moeten organisaties opnieuw nadenken over hoe expertise, contextgevoeligheid en besluitvorming zich ontwikkelen.

• Lees ook: Micro-skillen en vertrouwen bouwen: de HR-agenda in het AI-tijdperk

Wat dit vraagt van HR — en wat er op het spel staat

Bij BPR, bij Agile, bij Big Data werden nieuwe systemen ingevoerd en nieuwe methodes uitgerold. Maar de vraag hoe werk werkelijk is georganiseerd, hoe mensen samenwerken, hoe besluitvorming écht verloopt — bleef onderbelicht. Het bleek telkens de reden waarom hoge verwachtingen pas later en met veel extra kosten en onvrede werden ingelost.

HR heeft hier een kans — en misschien wel een unieke. Want HR weet inmiddels wat een van de grootste valkuilen is bij de introductie van nieuwe concepten en technologieën. De WEF-observatie waarmee dit verhaal begon — “there is a mismatch between what organizational processes are set up to do today versus what would be a more welcoming environment for an AI agent” — klinkt voor veel HR-professionals als iets wat ze maar al te goed kunnen plaatsen. En waarvoor ze niet altijd gehoor krijgen, omdat andere aspecten prioriteit krijgen.

Maar die kans verdwijnt als HR Agentic AI benadert vanuit de vertrouwde route: bestaande processen slimmer maken. Efficiëntere onboarding. Snellere werving. Geautomatiseerde administratie. Minder handwerk, meer tijd voor het “echte” werk.

Wie vanuit die bril naar Agentic AI kijkt, kan wel eens van een koude kermis thuiskomen. Want wat je dan doet is het oude paradigma versnellen — het standaardisatie-ideaal van Lean en Six Sigma, maar nu met autonome systemen eronder. Snellere processen die nog steeds gebouwd zijn op silo’s. Geautomatiseerde workflows die nog steeds uitgaan van voorspelbaarheid. Efficiëntere uitvoering van werk dat fundamenteel anders georganiseerd moet worden.

De mismatch verdwijnt niet door HR efficiënter te maken. De mismatch zit in hoe organisaties zijn gebouwd — en díe bouw staat ter discussie.

Die zin klinkt aan het einde van dit verhaal anders dan aan het begin. Aan het begin leek het een technische observatie over AI-implementatie. Nu is zichtbaar wat er werkelijk op het spel staat: niet de vraag hoe we AI inpassen in de organisatie zoals die is, maar de vraag of de organisatie zoals die is nog de juiste is voor wat er op ons afkomt.

De vraag is dus of HR de handschoen oppakt en de organisatorische uitdagingen agendeert die Agentic AI zichtbaar maakt. Dat zal vooral aanspreken bij HR-professionals die de O-kant van P&O — organisatieontwikkeling — niet als specialisme zien maar als kern van hun vak. Die het gesprek kunnen voeren over procesontwerp, besluitvorming, eigenaarschap en de verdeling van werk tussen mensen en systemen.

De organisaties die dat als eerste begrijpen, herontwerpen niet alleen hun processen. Ze herontwerpen zichzelf.

Want de mismatch dreigt. HR signaleert het. De vraag is hoe HR er zo mee aan de slag kan gaan, dat er draagvlak ontstaat — en dat er serieuze tijd en middelen beschikbaar komen.