Van GenAI naar Agentic AI: Aflevering 3 van Tesseract Talks

Enterprise AI treedt een nieuwe fase binnen.

De afgelopen jaren hebben organisaties intensief geëxperimenteerd met generative AI—het testen van chatbots, copilots en modelgedreven toepassingen. Maar nu het eerste enthousiasme plaatsmaakt voor daadwerkelijke implementaties, ontstaat er een andere uitdaging: hoe ga je van geïsoleerde AI-functies naar intelligente systemen die veilig, betrouwbaar en op schaal kunnen werken?

Die vraag stond centraal in een recente aflevering van Tesseract Talks, met Anuraag Gutgutia, mede-oprichter en CEO van TrueFoundry en Raghu Sethuraman, Vice President van Engineering bij Automation Anywhere.

Samen verkenden zij de verschuiving van generative AI naar agentic AI—en wat er echt voor nodig is om die transitie te laten slagen binnen grote organisaties.

Bekijk Aflevering 1: Turning AI Chaos into Control met Nikunj Bajaj

Bekijk Aflevering 2: The Hidden Infrastructure Powering Enterprise AI met Abhishek Choudhary

Hier zijn enkele van de belangrijkste inzichten uit dat gesprek.

De grote verschuiving: van modellen naar systemen

De afgelopen jaren draaiden de meeste AI-gesprekken om modellen. Bedrijven vergelijkt benchmarks, debatteerden over providers en experimenteerden met prompts. Maar zoals Raghu opmerkte, wordt agentic AI in enterprise wezenlijk anders dan eerdere GenAI-implementaties.

Traditionele generative AI-toepassingen waren in feite "modellen verpakt als API's". Agentic AI-systemen bestaan daarentegen uit vele bewegende onderdelen—tools, geheugen, workflows, integraties en guardrails. Modellen zijn slechts één onderdeel van een veel groter systeem.

Dit brengt geheel nieuwe uitdagingen met zich mee:

• Hoe beheert en versie je prompts?
• Hoe geef je agents op een veilige manier toegang tot interne tools?
• Hoe waarborg je schaalbaarheid en betrouwbaarheid?
• Hoe plaats je guardrails rond krachtige externe modellen?

Volgens Raghu is het probleem geëvolueerd van het kiezen van het juiste model naar het ontwerpen van de juiste infrastructuur.

“AI maakt de overstap van een model-as-an-API-benadering naar een uitdaging op het gebied van systeemontwerp,” legde hij uit. “Bedrijven moeten nu platforms bouwen die meerdere componenten op een veilige en beheerde manier samen kunnen orchestreren.”

Waarom governance bedrijfskritisch wordt

Zodra AI-systemen acties beginnen te ondernemen—in plaats van alleen tekst te genereren—is governance niet langer een nice-to-have. Het wordt essentieel.

Anurag illustreerde dit met een concreet voorbeeld: stel je voor dat een reisorganisatie een AI-assistent lanceert die namens gebruikers vluchten kan boeken.

Wat zou er mis kunnen gaan?

Een heleboel.

• Een gebruiker zou het systeem kunnen misleiden om ongepaste content te genereren
• Bots zouden het systeem kunnen overspoelen met miljoenen kostbare query's
• Iemand zou de agent kunnen manipuleren om toegang te krijgen tot de gegevens van een andere gebruiker
• De kosten van generative AI zouden buiten controle kunnen raken zonder gebruikslimieten.

Elk van deze punten vertegenwoordigt een andere governance-uitdaging: veiligheid, kostenbeheersing, toegangsbeheer en identiteitshandhaving.

Dit is waarom agentic AI governance vereist over meerdere lagen:

• Data governance – zorgen dat gevoelige informatie wordt beschermd
• Toegangsbeheer – ervoor zorgen dat agents alleen toegang hebben tot wat ze zouden moeten gebruiken
• Rate limiting en kostenbeheersing
• Auditability en lineage tracking
• Operationele monitoring en guardrails

Voorbij pilots: De echte uitdaging van Enterprise AI

Als er één duidelijke conclusie was uit de discussie, is het deze:

Succes met Enterprise AI draait niet langer om modellen. Het draait om lifecycle management.

Het bouwen van een slimme demo is eenvoudig. Het veilig, betrouwbaar en op enterprise-schaal laten draaien van intelligente agents is het moeilijke gedeelte.

Naarmate organisaties verder gaan dan proofs of concept en richting volledige productie-implementaties bewegen, moet de focus verschuiven naar:

• Governance
• Schaalbaarheid
• Beveiliging
• Observability
• Controle

Bij TrueFoundry is dat precies waar we voor bouwen. Om agentic AI te transformeren naar een enterprise-realiteit is meer nodig dan alleen modellen. Het vereist een platform dat is gebouwd voor controle, governance en schaal.