agent-washing herkennen

Duizenden leveranciers noemen zichzelf agentic AI. Duizenden. En hoeveel daarvan leveren ook echt agentic-capaciteiten? Zo’n 130, zegt Gartner. De rest? Opgepoetste chatbots en omgekatte procesautomatisering, met een nieuw woord op de doos. Gartner gaf dat verschijnsel een naam in juni 2025, agent-washing, en inmiddels staat dat woord gewoon in de juridische naslagwerken. In de doorsnee leveranciersdemo hoor je het alleen nooit. En wie vandaag software koopt, kan ook niet even gaan zitten wachten tot een toezichthouder het voorwerk doet. Die is er in Nederland namelijk nog niet. Dus die lat leg je zelf. Met een handjevol vragen waar geen enkele leverancier met een mooie slide onderuit komt.

In de 95-procent-mythe leg ik de faalcijfers rond AI-projecten naast hun methode. Dit stuk is de inkoopkant van datzelfde verhaal. Even simpel: hoe zorg je dat jouw project niet begint op een belofte die het product nooit gaat waarmaken?

wat is agent-washing precies?

Bestaande software een nieuw label opplakken, agentic AI, terwijl er wezenlijk niks agentisch aan is. Dat is het hele trucje. Gartner beschrijft precies dat: leveranciers die AI-assistenten, chatbots en RPA-tooling een nieuw etiket geven. En in hetzelfde persbericht voorspelt Gartner dat ruim 40 procent van de agentic-AI-projecten voor eind 2027 sneuvelt. Waarom? Oplopende kosten, onduidelijke waarde, risico’s die niemand in de hand houdt (Gartner, 2025).

Dat getal, circa 130 van de duizenden die zichzelf zo noemen, komt uit datzelfde bericht. En ik ben gaan zoeken naar de methode erachter. Kwam met lege handen terug. Gartner zet er geen noemer bij, geen meetopzet, niks. Jammer, want juist die noemer zou zo’n cijfer bruikbaar maken. Dus behandel het gewoon als een orde van grootte van een analistenbureau. Een echte meting is het niet. En de secundaire bronnen? Die maken er intussen vrolijk “95 procent is nep” van. Dat percentage staat nergens in de primaire tekst, hoor.

En dat dit überhaupt kan, heeft een simpele reden. Er is geen vaste definitie om iets tegen af te meten. Kijk, zelfs MIT Sloan zegt met zoveel woorden dat een breed gedeelde definitie van agentic AI gewoon ontbreekt (MIT Sloan, 2025). De vuistregel die je overal hoort, generatieve AI reageert op een prompt en een agent neemt waar, redeneert en handelt zelfstandig richting een doel, die is prima bruikbaar. Alleen tekent elke leverancier er zijn eigen volwassenheidsladder bij. En zo’n leeg vak waar de definitie hoort? Dat is een vrijhaven voor marketing.

hoe herken je het verschil tussen ai erbij en agent-native?

Ik heb hier een oneerlijke voorsprong, geef ik meteen toe. Ik bouw allebei de smaken, elke dag. Rule-based automatisering in Make-scenario’s en monday-workflows, voor het CRM-landschap van een installatiebedrijf dat ik beheer. En echte agents via MCP-koppelingen, op datzelfde landschap, plus fikst, mijn eigen agent-native CRM. Dus het verschil tussen een workflow die iemand een agent noemt en een agent die zelfstandig meerstaps-acties doet, dat ken ik van binnenuit.

Kijk, een Make-workflow die bijvoorbeeld niet zelfstandig verschillende tools kan aanroepen met denkkracht, dat is geen agentic workflow. Dat is meer een automatisering, of gewoon een integratiekoppeling tussen twee systemen: A gebeurt en hij doet B. Dan heb je misschien tien varianten van A en tien varianten van B. Maar echt zelfstandig, met denkkracht, verschillende tools aanroepen? Dat doet zo’n ding niet.

Maar goed, die bouwpraktijk heb jij niet nodig. Twee proeven zijn genoeg. En voor allebei hoef je echt niks technisch te kunnen.

De verwijderproef eerst. Stel, de AI-functie verdwijnt morgen uit het product. Verandert er dan iets wezenlijks aan wat het systeem kan? Nee? Nou, dan was die AI een chatlaag bovenop een verder ongewijzigd pakket. Meer niet.

De tweede noem ik de gelijkwaardigheidsproef. Simpele vraag: kan die agent hetzelfde als een mens achter dat scherm? Dus ook echt aanmaken, wijzigen, inplannen. En in het mooiste geval het systeem zelf inrichten, in plaats van alleen even samenvatten en een suggestie doen. Analistenbureau HFS Research giet precies die toets in een wat formelere tweetrapstest, agency en schaalbaarheid, en waarschuwt heel gericht voor copilots die als agents worden herlabeld terwijl ze eigenlijk alleen tekst-naar-actie binnen bestaande workflows doen (HFS Research, 2025).

En waarom maakt dat nou uit? AI erbij betekent dat elke nieuwe automatisering weer maatwerk is. Opnieuw. Precies die tien varianten van A en tien varianten van B, elke keer weer met de hand gelegd. De chatlaag kan kletsen over je data. Handelen in je proces? Dat kan-ie niet. Agent-native betekent dat de handelingen zelf voor agents te bereiken zijn, en dan is die tweede en derde automatisering ineens geen nieuw project meer. Aan een demo zie je dat verschil trouwens nooit. Logisch, een demo laat altijd de mooiste kant zien. Je ziet het aan de architectuur. En dus aan de antwoorden op jouw vragen.

welke vragen stel je een leverancier?

Zes. Meer heb je er niet nodig. En je stelt ze gewoon in normale taal. De antwoorden zeggen je meer dan welke productvideo dan ook.

1. Kan dat ding de handeling zelf doen, of blijft het bij adviseren? En dan wil ik het concreet horen, hè. Kan-ie een order aanmaken, een afspraak verzetten, een veld toevoegen? En vertel me even eerlijk: in welke systemen heeft-ie echt schrijfrechten?
2. Laat me het gewoon live zien, op mijn eigen scenario. Geen opgenomen filmpje, geen ingestudeerd praatje. Mijn klant, mijn proces, hier ter plekke. Kan dat?
3. Waar zie ik precies terug wat-ie gedaan heeft? Ik wil een logboek, per handeling. HFS zegt het kopers letterlijk voor: eis bewijs. Testresultaten, audit logs, run traces, en neem geen enkele claim zomaar voor lief. Deze vraag vind ik zelf trouwens de belangrijkste van de zes.
4. En als-ie het fout heeft, wat dan? Kan ik die handeling terugdraaien? Zijn er grenzen aan wat-ie mag doen? En op welk moment haalt-ie er een mens bij?
5. Dat succespercentage waar u mee schermt, hoe meet u dat precies? Want let op, fin.ai levert zelf klantenservice-AI en zit dus gewoon in deze markt, en die noemen twee trucs om op te letten: cijfers waarin mens en machine samen één score vormen, en klanten die afhaken zonder dat ze geholpen zijn maar toch als “opgelost door AI” meetellen (fin.ai, 2026). Dus ik wil dat cijfer zonder mens ertussen.
6. En ziet dat platform eigenlijk verschil tussen mij en een agent? Aparte rechten voor agents, dat is een teken dat het systeem echt voor agents is gebouwd. En geen bijzaak die er later even bij geplakt is (MindStudio, 2026, leveranciersgeassocieerd maar concreet stelbaar).

Een leverancier die deze vragen soepel beantwoordt, die hoeft van mij geen enkel etikettje meer op te plakken. En wie terugvalt op zo’n slide met het woord agentic erop? Die heeft je antwoord ook gegeven, hoor. Alleen net even anders dan-ie bedoelde.

waar loopt het mis als niemand doorvraagt?

En dan? Dan wordt het uiteindelijk een zaak voor de rechter. Geen theoretisch scenario, hoor. In de Verenigde Staten stapelen de dossiers zich al op. De FTC draait sinds september 2024 handhavingszaken tegen misleidende AI-claims, onder de noemer Operation AI Comply. Van de “robotadvocaat” DoNotPay tot AI-tools die nepreviews zaten te schrijven (FTC, 2024). De SEC beboette beleggingsadviseurs die AI claimden en het niet eens gebruikten. En diezelfde SEC pakte in januari 2025 met Presto Automation het eerste beursgenoteerde bedrijf: die “eigen” spraaktechnologie bleek van een derde partij, en de meeste bestellingen moesten alsnog door mensenhanden (SEC, 2025). De oprichter van shopping-app Nate wordt sinds april 2025 zelfs strafrechtelijk vervolgd. De app beloofde neurale netwerken. En de bestellingen? Die deden contractwerkers met de hand (Holland & Knight, 2025). Lees die zaken eens achter elkaar, dan zie je precies de spiegel van die zes vragen hierboven: technologieclaims die niet klopten, opgeblazen automatiseringspercentages, en menselijke tussenkomst die werd verzwegen.

En twee beroemde verhalen verdienen trouwens precies diezelfde scepsis die je een leverancier gunt. Neem het virale verhaal dat Builder.ai “700 engineers had die zich voordeden als AI”. Klopt niet. Ik ben de grondigste reconstructie gaan lezen, en die laat iets heel anders zien: een klein AI-team, een dikke laag legitieme uitbestede ontwikkeling die als AI-snelheid werd verkocht, en een faillissement dat uiteindelijk kwam door omzetfraude. Dus niet door de AI-fictie zelf (Pragmatic Engineer, 2025). En Amazons kassaloze winkels dan? Ook niet “gewoon duizend mensen in plaats van AI”. Er was echt een werkend model, en de ruzie ging over de verzwegen omvang van de menselijke controle (The Verge, 2024). Kijk, de les is net iets preciezer dan de meme. Een mens in de lus, dat is doodnormaal in serieuze AI-systemen. De rode vlag is een leverancier die je niet eerlijk vertelt hoe die verhouding echt ligt.

en in nederland?

Nog geen enkele zaak over agentic-claims. Voor zover ik heb kunnen vinden, tenminste. Het dichtstbijzijnde dat in de buurt komt, is een uitspraak van de Reclame Code Commissie over AI-gegenereerde liedjes die als “persoonlijk gecomponeerd” werden verkocht (Stichting Reclame Code, 2024). Reëel, maar smal. Het Nederlandse AI-toezicht is verdeeld over een stuk of tien instanties, met de ACM aan zet voor consumentenmisleiding, en de transparantieverplichtingen uit de AI Act gaan sowieso pas per 2 augustus 2026 gelden (ICTRecht, 2026). Kan de ACM dit aan? Tegen greenwashing heeft ze laten zien dat ze vage claims hard kan aanpakken, en dat draaiboek past in theorie naadloos op AI-claims. Maar goed, vandaag is dat nog een analogie. Geen praktijk.

Dus doe gewoon alsof er nooit een toezichthouder komt. Die zes vragen kosten je een half uur in een verkoopgesprek. Een project dat begint op een belofte die het product niet waarmaakt? Dat kost je een jaar. En voor de duidelijkheid: ik bouw zelf agent-native software. Leg diezelfde lat gerust naast mijn werk. Daar is-ie voor.