Van AI-adoptie naar agentische operaties: Wat HBS’s “AI in 2026”-collectie betekent voor enterprise AI

De onderzoekscollectie “AI in 2026” van HBS Working Knowledge wordt geframed als “Van adoptie naar agentisch.” Onze infrastructuurinterpretatie is een verschuiving richting gedelegeerde uitvoering: zodra AI werk kan uitvoeren over meerdere stappen, tools, systemen en mensen heen, moeten bedrijven beslissen wat het systeem mag doen, met wiens autoriteit, onder welke controles en met welk bewijsmateriaal achteraf.

1. De belangrijke verandering is niet van prompts naar betere prompts

Vele vroege generative-AI-programma's in bedrijven richtten zich op toegang en adoptie. Agentische systemen vergroten de werkeenheid: in plaats van een enkele beurt die een antwoord oplevert, kan een run model calls, tools, persistente status, goedkeuringen, retries en externe bijwerkingen omvatten.

Dat verandert de operationele vraag. Een prompt kan vragen om informatie of transformatie; een agent-run kan een delegatie van werk worden.

Dat is de rode draad die het HBS-onderzoek verbindt. Het leiderschapsstuk vraagt wat er gebeurt als leidinggevenden digitale ondersteuningsteams krijgen. Het werkgelegenheidsonderzoek vraagt welk werk mensen bereid zijn te delegeren. De teamworkstudie vraagt wanneer AI de collaboratieve output verbetert. De kredietverleningsstudie vraagt waar mensen om geven wanneer algoritmen ingrijpende beslissingen nemen. De discussie over talentdichtheid vraagt hoe organisaties schaarse expertise omzetten in organisatorisch voordeel.

2. HBS-thema een: leiderschap wordt orchestratie

In “What Leadership Looks Like in an Agentic AI World” beschrijven Tsedal Neeley en Ritcha Ranjan agentische AI als een potentieel digitaal ondersteuningsmiddel voor leiders: systemen die informatie kunnen verzamelen, deze kunnen synthetiseren tegen organisatorische prioriteiten, leiders kunnen voorbereiden op interacties en complex werk semi-autonoom kunnen uitvoeren.

De technische implicatie is gemakkelijk te missen. Een nuttig “digitaal ondersteuningsteam” kan niet worden gemodelleerd als een enkele stateless completion. Het heeft een runtime nodig die een kwestie kan behouden, over meerdere beurten kan werken, tools kan gebruiken, kan pauzeren wanneer oordeelsvorming vereist is en kan laten zien wat er is gebeurd.

Dit is de rol die een agent harness speelt. TrueForge in de officiële documentatie beschrijft zichzelf als een agent harness als de runtime rond een LLM die de execution loop van het model/de tool uitvoert, de context van lange taken beheert, MCP-tools en -vaardigheden ondersteunt, ge-sandboxt geschakelde uitvoering levert indien nodig, pauzeert voor menselijke goedkeuring, subagents ondersteunt en sessies behoudt bij het opnieuw verbinden en herstarten.

De claim moet begrensd blijven: TrueForge kan een agent-run duurzaam en inspecteerbaar maken. Het bepaalt niet de prioriteiten van een leider, beslist niet welke taken moeten worden gedelegeerd en weet niet hoe goed leiderschap eruitziet.

3. HBS-thema twee: automatiseer taken, niet verantwoordelijkheid

James Rileys HBS-onderzoek naar publieke opinies over automatisering ondervroeg 2.357 mensen verspreid over 940 beroepen. Ondervraagden steunden automatisering van ongeveer 30% van de banen onder de huidige mogelijkheden; toen hen werd gevraagd zich AI voor te stellen die beter presteerde dan mensen tegen lagere kosten, steeg de steun naar 58%. Toch bleef een aanzienlijke groep beroepen sociaal of moreel resistent tegen automatisering.

Voor enterprise-architectuur is de belangrijke les niet het percentage in de kop. Het is dat delegatiegrenzen contextueel zijn. Sommige werkzaamheden kunnen onbeheerd worden uitgevoerd. Sommige werkzaamheden moeten worden aangevuld. Sommige werkzaamheden moeten een menselijke beslissing vereisen, zelfs wanneer het model technisch in staat is om te handelen.

Dat pleit tegen één universele “autonome modus.” Een productiesysteem heeft expliciete controlepunten nodig:

• Tot welke modellen en tools mag deze agent toegang hebben?
• Welke operaties kunnen zonder tussenkomst worden uitgevoerd?
• Welke acties vereisen menselijke goedkeuring?
• Welk downstream-systeem blijft geautoriseerd voor het uiteindelijke effect?
• Wat gebeurt er als beleid, budget of autorisatie nee zegt?

TrueFoundry MCP Gateway sluit natuurlijk aan op de gedeelde toolgrens: register en discovery, inkomende identiteit, toegangscontrole op toolniveau, downstream-credentials, pre/post-tool guardrails, goedkeuringsworkflows en audit voor MCP-verkeer dat via de gateway wordt gerouteerd. AI Gateway biedt een overeenkomstige modelgrens met universele toegang, RBAC, rate limits, budgetten, routing/fallbacks, guardrails en observabiliteit.

Productie-autorisatie moet ook afzonderlijke entiteiten behouden. De mens of workload is het subject namens wie het werk plaatsvindt; de geregistreerde agent is de actor die de call maakt; en de downstream-dienst past de credential en zakelijke autoriteit toe die voor dat doel is geconfigureerd. TrueFoundry’s beta Agent Identity-ontwerp kan de gebruiker of dienst toewijsbaar houden terwijl de aanroepende agent afzonderlijk wordt geïdentificeerd en geautoriseerd. Dat verleent nog steeds geen zakelijk recht: toestemming om process_refund te bereiken is iets anders dan toestemming om een specifieke bestelling voor een specifiek bedrag terug te betalen.

Geen van beide gateways neemt de onderliggende zakelijke beslissing voor u. Als een terugbetaling, lening, deployment of machtigingswijziging domeinspecifieke autorisatieregels heeft, horen die regels nog steeds thuis in het relevante beleid en systeem van registratie.

4. HBS-thema drie: AI kan een teamgenoot worden—maar teamwork heeft gedeelde infrastructuur nodig

Het HBS-artikel “When AI Joins the Team, Better Ideas Surface” rapporteert over een veldexperiment met 791 Procter & Gamble-professionals. Teams die AI gebruiken, produceerden de hoogste kwaliteit oplossingen in het experiment; ideeën in de top 10% kwamen drie keer vaker van teams die AI gebruikten dan van individuen die zonder AI werkten. AI verkortte ook de voltooiingstijd met 16% voor individuen en 13% voor teams. De definitieve peer-reviewed studie werd gepubliceerd in Organization Science in 2026.

Dat betekent niet dat elk bedrijf een zwerm agents moet creëren. Het suggereert iets subtielers: AI kan toegang tot expertise vergroten en helpen functionele silo's te laten verdwijnen wanneer het is ingebed in een goed ontworpen werksysteem.

Voor infrastructuurteams roept dat een hergebruikprobleem op. Als elk team zijn eigen modeladapters, toolcredentials, agent-loop, goedkeurings-UX, vaardigheden en traces bouwt, krijgt de organisatie lokale versnelling, maar globale fragmentatie.

Een meer schaalbaar patroon is:

• TrueForge voor de open runtime-mechanica van de agent-run.
• AI Gateway voor gedeelde modeltoegang en beleid aan de modelzijde.
• MCP Gateway voor beheerde tool- en datatoegang.
• Skills Registry voor geversioneerde procedurele kennis die kan worden hergebruikt over agent-surfaces.
• Agent Registry voor een gemeenschappelijke inventaris, toegangssurface, metrieken en traces voor geregistreerde agents, inclusief remote agents.

Het organisatorische voordeel is niet “meer agents.” Het is dat nuttige praktijken hergebruikt kunnen worden in plaats van opgesloten te blijven in één prompt, de laptop van één ontwikkelaar of de privé-integratie van één team.

5. HBS-thema vier: beslissingen met een hoog risico vereisen prestatie en bewijsmateriaal

Elisabeth Paulsons onderzoek naar menselijke versus algoritmische besluitvormers bestudeerde ongeveer 9.000 deelnemers. In het leningsscenario hadden deelnemers 4,3 procentpunt meer kans om een menselijke bankmanager te kiezen dan een algoritme. Deelnemers lieten nog steeds een gemiddelde voorkeur zien voor menselijke besluitvormers, maar het onderzoek vond dat de prestatiekenmerken van de besluitvormer gezamenlijk zwaarder wogen dan of deze menselijk of algoritmisch was.

Dat is geen bewijs dat eerlijkheid, rechtmatigheid of een eerlijke procesvoering kunnen worden verruild. De studie zelf evalueert vermelde voorkeuren in twee conjoint-experimenten, niet de werkelijke validiteit van het inzetten van een geautomatiseerd beslissingssysteem. De sterkere systeemles is nauwer: prestatieclaims hebben meetbaar bewijs nodig, terwijl wettelijke, ethische, privacy-, eerlijkheids-, transparantie- en implementatieverplichtingen onafhankelijk moeten worden beoordeeld.

Dat vereist het scheiden van minstens vier lagen:

Het Agent → Sessie → Turn → Event-model van TrueForge kan runtimebewijs rond een run bewaren. TrueFoundry Gateways voegen verzoek- en toolgrens-telemetrie toe voor verkeer dat via hen wordt gerouteerd. Die records zijn nuttige substraten voor debugging, beoordeling, evaluatie en audit—maar een trace is zelf geen evaluator, en een goedkeuring is geen vervanging voor autorisatie.

6. HBS-thema vijf: talentdichtheid creëert een hergebruikprobleem

In het interview van HBS Working Knowledge met Boris Groysberg is het centrale argument dat het aantrekken van toptalent op het gebied van AI eenvoudiger is dan het integreren van dat talent zodat de kennis zich door een organisatie heen opbouwt. “Talentdichtheid” gaat niet alleen over het aantal uitzonderlijke mensen; het gaat om het plaatsen van sterke mensen in kritieke rollen en het creëren van omstandigheden waarin hun expertise de prestaties van het systeem om hen heen verandert.

Dat onderzoek creëert een infrastructuurimplicatie. Zeer bekwame AI-engineers moeten hun schaarse tijd besteden aan architectuur, evaluatie, productoordeel, model-/toolkeuze en de karakteristieke logica van de organisatie—niet aan het opnieuw opbouwen van authenticatie, provider-adapters, toolcredential-afhandeling, goedkeuringsstatus, kostenadministratie en trace-plumbing voor elke applicatie.

TrueFoundry Skills Registry is hier bijzonder relevant. Het biedt een gedeelde catalogus van hergebruikbare, geversioneerde Agent Skills, met repository RBAC, versiegeschiedenis en audit. Dat verandert een nuttige procedure van een individuele techniek in een organisatorisch artefact. Hetzelfde principe geldt voor geregistreerde agents, gatewaybeleid, routingregels, budgetten en gedeelde observabiliteit.

7. Van organisatorische bevindingen naar een agentisch operationeel model

Het samenvoegen van de vijf HBS-thema's suggereert een zakelijk operationeel model dat niet “mensen keuren alles goed” is en ook niet “agents voeren alles uit.” Het is een gelaagd delegatiesysteem:

8. Wat moeten bedrijven nu standaardiseren?

Het HBS-onderzoek is organisatorisch van aard, geen specificatie van een softwarearchitectuur. Maar zodra een organisatie de aanname accepteert dat AI steeds meer zal fungeren als een teamgenoot, gedelegeerde en besluitvormer, wordt een reeks infrastructuurvragen onvermijdelijk.

1. Standaardiseer de agent-runtime. Definieer hoe sessies blijven bestaan, tools worden ontdekt, context wordt beheerd, code wordt geïsoleerd, goedkeuringen de uitvoering pauzeren en gebeurtenissen worden vastgelegd.
2. Scheid modelbeleid van applicatiecode. Centraliseer providercredentials, toegangscontrole, routing, budgetten, rate limits, guardrails en modeltelemetrie waar mogelijk.
3. Plaats enterprise-tools achter expliciete identiteit en beleid. Behoud het menselijke of workload-subject, identificeer de agent-actor en dwing downstream zakelijke autorisatie af. Een tool wordt niet veilig enkel omdat het MCP spreekt.
4. Ontwerp HITL als een afgebakende runtime-statusovergang. De run moet pauzeren voor het neveneffect, de exacte in afwachting zijnde actie bewaren, de beslissing van de beoordelaar vastleggen en hervatten vanuit de gepersisteerde status. Goedkeuringen moeten verlopen of opnieuw worden gevalideerd na materiële statusveranderingen.
5. Bewaar bewijsmateriaal van de uitkomst. Runtime traces leggen uit wat de agent heeft geprobeerd; systemen van registratie (systems of record) bewijzen wat er werkelijk is gebeurd.
6. Zet goede procedures om in hergebruikbare artefacten. Vaardigheden, policies, agentdefinities en evals moeten geversioneerd worden in plaats van te voortbestaan in gekopieerde prompts.
7. Houd zakelijke verantwoordelijkheid buiten het model. Menselijke eigenaren en gezaghebbende systemen beslissen nog steeds wat belangrijk is, wat is toegestaan en wat telt als succes.

Een concreet controlepad: het verwerken van een terugbetaling

Overweeg een supportagent die de get_order- en process_refund-tools gebruikt in de documentatie van TrueForge. Een productiepad begint met het persisteren van het klantverzoek, de sessie en de identiteitscontext. De agent kan de bestelling ophalen via MCP Gateway, maar de bereikbaarheid van de tool is slechts de eerste controle: de applicatie of het bestelsysteem moet nog steeds bevestigen dat deze klant—of de dienst die namens de klant optreedt—toegang mag hebben tot die bestelling en dat de bestelling in aanmerking komt voor een terugbetaling.

Als het model process_refund voorstelt, moet de runtime een actie in afwachting aanmaken vóór enige mutatie. Dat record moet de goedkeuring koppelen aan de exacte bestelling, het bedrag, de reden, het operatie-ID en de relevante beleids- of dataversie. Een beoordelaar keurt die specifieke actie goed, niet de tool in het algemeen en niet elke toekomstige argumentenset. Als de bestelling wezenlijk verandert terwijl de run is gepauzeerd, moet de actie opnieuw worden gevalideerd of opnieuw ter goedkeuring worden verzonden.

Na goedkeuring kan TrueForge de gekoppelde sessie voortzetten vanuit de gepersisteerde status. Het muterende verzoek moet een idempotentie-sleutel of een stabiel operatie-ID dragen. Als de verbinding een timeout heeft, mag het systeem niet uitgaan van een fout en blindelings de terugbetaling opnieuw uitvoeren; het moet de operatie afstemmen met het gezaghebbende bestel- of betalingssysteem en alleen opnieuw proberen wanneer de vastgelegde uitkomst dit toestaat. Dit onderscheid scheidt de agent heeft besloten een terugbetaling te proberen, de toolcall werd verzonden en de terugbetaling is daadwerkelijk doorgevoerd.

TrueForge-events en Gateway-traces kunnen het voorstel, beleidscontroles, goedkeuring, call, respons, latentie en kosten aan elkaar koppelen. Het ontvangstbewijs uit het bron-systeem (system-of-record) blijft het gezaghebbende uitkomstenbewijs. Evaluatoren kunnen vervolgens over het samengevoegde record werken—offline regressiesets, traject- of taaksuccescontroles en uitkomstenmonitoring na deployment—zonder te doen alsof tracing op zichzelf kwaliteit vaststelt. De platformwaarde is de samenhang van deze grenzen: runtime-status, modelbeleid, toolbeleid, identiteit, goedkeuring en bewijsmateriaal blijven verbonden, terwijl zakelijke autorisatie en de uiteindelijke waarheid bij het domeinsysteem blijven.

9. Het diepere punt: agentische AI is een organisatorisch systeemprobleem

De zinsnede “van adoptie naar agentisch” is nuttig omdat het een echte verandering in verantwoordelijkheid markeert. Wanneer AI een tool is, voert de mens het werk uit en ondersteunt AI. Wanneer AI agentisch wordt, wordt een deel van het werk gedelegeerd aan een systeem dat tussenstappen kan kiezen en kan interageren met externe mogelijkheden.

Dat is waarom de enterprise agent-architectuur niet kan stoppen bij modelselectie. De organisatie heeft een runtime nodig voor het gedelegeerde werk en control planes rond de bronnen die dat werk kan bereiken.

TrueForge is TrueFoundry’s open-source agent harness voor deze runtimelaag. AI Gateway, MCP Gateway, Agent Registry en Skills Registry bieden gedeelde controle- en hergebruikoppervlakken rond modellen, tools, agents en procedurele kennis. Geen daarvan vervangt organisatorisch oordeel. Samen bieden ze infrastructuur voor het coderen van beleid, het afdwingen van toegang, het bewaren van uitvoeringsbewijs en het na verloop van tijd verbeteren van agentgedrag.

Referenties

1. HBS Working Knowledge — What Leadership Looks Like in an Agentic AI World.
2. HBS Working Knowledge — People Are Mostly OK With AI Taking Over Many Jobs—Up to a Point.
3. HBS Working Knowledge — When AI Joins the Team, Better Ideas Surface.
4. Organization Science — The Cybernetic Teammate: A Field Experiment on Generative AI and Teamwork.
5. HBS Working Knowledge — Who Should Approve Bank Loans: People or Algorithms?.
6. PNAS Nexus — Public Attitudes on Performance for Algorithmic and Human Decision-Makers.
7. HBS Working Knowledge — Winning with AI Starts With 'Talent Density'.
8. TrueForge — Introduction.
9. TrueForge — SDK Concepts.
10. TrueForge — Sandbox.
11. TrueFoundry — Introduction to AI Gateway.
12. TrueFoundry — MCP Gateway.
13. TrueFoundry — MCP Gateway Authentication and Security.
14. TrueFoundry — Agent Identity (beta).
15. TrueFoundry — Agent Registry.
16. TrueFoundry — Skills Registry.

Redactionele vermelding: Harvard Business School, HBS Working Knowledge en de genoemde faculteit zijn niet verbonden aan dit artikel en ondersteunen TrueFoundry niet. HBS-onderzoek wordt gebruikt als een extern kader; alle productkoppelingen en infrastructuurconclusies zijn de redactionele analyse van TrueFoundry. Productmogelijkheden worden beschreven op basis van openbare documentatie die beschikbaar is vanaf 1 september 2026.

‍