Zeven redenen waarom pilots voor agentic AI vastlopen – en hoe je wél verder komt

De directie van je bedrijf raakt maar niet uitgepraat over die populaire, nieuwe AI-tool of wil er zelf eentje gaan bouwen. Ze besluiten te investeren in een pilotproject voor agentic AI. Een projectteam van medewerkers gaat de tool in de praktijk testen en vervolgens… hoor je er nooit meer wat over.

Klinkt dit bekend? Jouw bedrijf is zeker niet het enige waar het zo gaat. 

Uit een recent rapport* van Futurum blijkt namelijk dat 96% van de Chief Information Officers (CIO’s) de implementatie van kunstmatige intelligentie (AI) absoluut als topprioriteit ziet, maar ook dat de meeste bedrijven de grootste moeite hebben om verder te komen dan de pilotfase. Ondanks dat het aantal pilots voor agentic AI flink toeneemt (volgens een recente enquête van KPMG steeg dit van 37% in het laatste kwartaal van 2024 naar 65% in het eerste kwartaal van 2025), blijft het implementatiepercentage daar met 11% ver bij achter.  

Waarom komen er eigenlijk zo weinig projecten voor agentic AI van de grond? We zetten de belangrijkste oorzaken op een rijtje, zodat jij wél die stap naar een succesvolle implementatie kunt maken. 

Ook vertellen we je hoe andere bedrijven Agentforce – het Salesforce-platform voor het bouwen van AI-agents – succesvol hebben geïmplementeerd. Overweeg je zelf een pilot te starten? Laat je dan inspireren door hun ervaringen en ontdek hoe je jouw implementatie kunt laten slagen.

1. Je focust je te veel op de technologie, in plaats van op het probleem dat je wilt oplossen

Agentic AI klinkt natuurlijk geweldig, want welk bedrijf wil er nou niet profiteren van alle voordelen die deze technologie belooft? Als je echter alleen maar oog hebt voor de technologie en uit het oog verliest welke situatie je eigenlijk wilt aanpakken, dan is het vragen om problemen. Volgens Futurum loopt maar liefst 60% van de AI-pilots spaak omdat ze geen duidelijk investeringsrendement (ROI) opleveren.

Hoe zorg je er dan voor dat jouw pilot wél een succes wordt? Draai het om: begin bij het doel dat je wilt bereiken. Wat zijn de grootste knelpunten binnen jouw organisatie? Waar lig jij ’s nachts wakker van? Maak vervolgens een shortlist en kies één concrete, haalbare use case die je wilt testen met een AI-agent. “Je moet niet alles tegelijk willen oplossen”, aldus Jim Roth, President Customer Success bij Salesforce. 

Een voorbeeld: een onderzoeksinstituut kampt met personeelstekort. Er ligt nog een hele stapel projecten te wachten, maar het lukt maar niet om genoeg deelnemers te vinden voor klinische studies. Van alle uitdagingen kiest het instituut ervoor om zich te focussen op één specifiek knelpunt, namelijk het screenen van deelnemers. Daarom starten ze een pilot met een AI-agent die patiënten de juiste vragen stelt en zo helpt bepalen wie in aanmerking komt voor deelname. 

2. Je bedrijfsteam wordt niet betrokken bij de voorbereiding

Als je een pilot met agentic AI wil gaan starten, heb je natuurlijk technische experts nodig die checken of het project haalbaar is. Minstens zo belangrijk zijn echter de leidinggevenden binnen je bedrijf, want het zijn hun teams die straks met de tool gaan werken. Zonder hun inbreng en toewijding vroeg in het proces loop je het risico dat je een agent bouwt die niet aansluit bij wat gebruikers écht nodig hebben.

Philipp Herzig, Chief Technology Officer bij SAP, zei onlangs in een webinar dat de drie belangrijkste criteria voor het kiezen van het juiste pilotproject haalbaarheid, wenselijkheid en levensvatbaarheid zijn. Haalbaarheid – oftewel: werkt de tool technisch gezien? – is het domein van je technologieteam. Wenselijkheid daarentegen (dus: wat doet de tool voor je eindklanten) is hetgeen waar je business om draait. En hetzelfde geldt voor levensvatbaarheid: alleen de leidinggevenden kunnen inschatten of het slim is om in een tool te investeren op basis van de verwachte resultaten. 

“Je business leaders moeten vanaf het begin meepraten, want zij worden afgerekend op de waarde die ze leveren aan klanten”, zegt Sridhar Raghavan, Senior Director Product Management bij Salesforce AI Research. “Je schept pas echt duidelijke verwachtingen als het management en je IT-afdeling samen scherp voor ogen hebben wat de belangrijkste knelpunten voor je bedrijf zijn.”

3. Je maakt je zorgen over de prestaties of de reactie van klanten

Een AI-agent op je website zetten is best een stap, dus het is logisch dat je daar misschien wat zenuwachtig van wordt. Hoe reageren je klanten? Kunnen ze goed met de agent overweg? Of haken ze massaal af? En zorgt een agent nu voor meer werk of toch voor minder? 

“Wat bedrijven vaak tegenhoudt, is angst,” zegt Roth. “Angst en onzekerheid zorgen ervoor dat mensen niet verder komen dan de pilotfase of terugvallen op externe oplossingen voor direct klantcontact.” 

Hoe kun je dit tegengaan? Begin met een klein project dat direct meetbare resultaten oplevert. “Het draait allemaal om het vinden van quick wins: use cases die je gemakkelijk kunt oppakken, zonder al te veel kosten en risico’s”, zegt Arlen Chudley, Advisory Solutions Director bij Acxiom Salesforce Practice, een IT-consultancybedrijf dat zich volledig op Salesforce richt.

En dat is nou precies waar Acxiom het autotransportbedrijf Montway mee heeft geholpen. “Ongeveer 90% van de telefoontjes die bij Montway binnenkwamen”, zegt Chudley, “was van klanten die wilden weten waar hun auto zich bevond, wanneer deze werd afgeleverd en of er vertraging was.”

Montway vroeg Acxiom om via Agentforce een AI-agent te bouwen: Sophie. Behalve directe updates over de locatie van een auto geeft Sophie ook de naam en het nummer van de chauffeur door, zodat klanten rechtstreeks contact kunnen opnemen. De agent heeft nu al voor hogere klanttevredenheidsscores en snellere afhandeling van supportvragen bij Montway gezorgd.

Uiteraard kun je de resultaten van een klantenservice-agent meten aan de hand van het aantal opgeloste cases, maar ook de kwaliteit van de antwoorden is belangrijk. Goede, relevante antwoorden zorgen immers voor snellere oplossingen en minder overdrachten van de AI-agent naar menselijke medewerkers. Bovendien versterken ze het vertrouwen van je klanten. 

Salesforce, dat Agentforce eind vorig jaar op de eigen supportsite is gaan testen, meet de kwaliteit van antwoorden door menselijke beoordelingen te combineren met AI-gebaseerde analyses van sentiment, nauwkeurigheid en bruikbaarheid. Ook vraagt het bedrijf bezoekers na elk gesprek of hun vraag daadwerkelijk is opgelost door de agent.

Zien is geloven, stelt Roth. “Wat klanten die Agentforce gebruiken geruststelt, is dat ze aan de data kunnen zien dat de agent echt een goede ervaring biedt.”

4. Je data moet worden opgeschoond of geactualiseerd

Het kan niet vaak genoeg gezegd worden: AI-agents zijn zo slim als de data waarmee ze werken. Toch hebben veel bedrijven hun data niet goed opgeschoond, geüpdatet of geordend voordat ze starten met een pilot voor agentic AI. Perfect hoeft het niet te zijn, maar je dataset moet wel vrij zijn van fouten, verkeerde formats, dubbele records en verkeerde labels.

De meeste Salesforce-klanten, vertelt Roth, geven hun agents in eerste instantie niet-gestructureerde data zoals knowledgebase-artikelen, productdocumentatie en websitecontent. “Dat is een prima begin,” zegt hij, “maar het kan natuurlijk gebeuren dat agents vragen krijgen over onderwerpen waarvoor de juiste content ontbreekt.” In dat geval moet je nieuwe content ontwikkelen om zulke hiaten op te vullen. 

Agents kunnen ook in de war raken als ze informatie halen uit artikelen over vergelijkbare, maar net iets andere onderwerpen, of als ze afkortingen of termen tegenkomen die meerdere betekenissen hebben. “Het woord ‘actie’ of ‘flow’ kan bijvoorbeeld bij vijftig verschillende producten iets anders betekenen,” aldus Roth, “dus als er een vraag binnenkomt over een actie of flow, raakt het LLM in de war omdat dat woord zo vaak voorkomt.” 

Ook verouderde data kan voor problemen zorgen. Een agent kan bijvoorbeeld een vraag krijgen over een huidig product dat bijna dezelfde naam heeft als een product dat vijf jaar geleden uit het assortiment is gehaald. Daardoor kan de agent per ongeluk antwoorden geven op basis van verouderde informatie.

Wil je je pilotproject opschalen, dan heb je agents nodig die werken met goed geordende en begrijpelijke data. Omdat Agentforce draait op het geünificeerde Salesforce-platform, is het direct verbonden met jouw data. Met Data Cloud, de hyperscale data-engine van Salesforce, heeft Agentforce niet alleen toegang tot alle relevante, vertrouwde bedrijfskennis (zoals bestanden, websites en tickets) en data (uit verschillende systemen, lakes, warehouses en Customer 360), maar begrijpt het ook de context. Zo kan Agentforce in real time slimme, bruikbare en betrouwbare aanbevelingen doen. 

5. Je hebt je AI-agent geen goede onboarding gegeven

Nog een reden waarom pilots vastlopen: bedrijven verwachten direct te veel van hun agent. Je verwacht toch ook niet dat een nieuwe medewerker tijdens de onboarding meteen alle ins en outs van de nieuwe functie snapt? 

“Ik verwacht echt niet dat een Level 1 [menselijke] agent direct op dag één een supportticket oppakt”, zegt Nadina Lisbon, CRM Enterprise Architect bij NetApp en Salesforce MVP. “Ik verwacht dat ze zich verdiepen in het bedrijf, snappen hoe ze klanten te woord gaan staan en misschien even met iemand meelopen.” 

Zo moet je je AI-agent in het begin ook maar met één of twee simpele taken belasten. Check af en toe of alles soepel verloopt. Als de agent deze taken moeiteloos oppakt, is uitdagender werk de volgende stap. 

Net zoals je van medewerkers verwacht dat ze zich aan bepaalde gedragsregels houden, mag je dat ook van je agent verwachten. Met de Agent Builder van Salesforce stel je zelf de richtlijnen in voor het gewenste gedrag van Agentforce, en uiteraard moet je die vervolgens goed testen. Vraag je agent bijvoorbeeld om persoonsgegevens van een klant te verstrekken of om vertrouwelijke financiële gegevens van je bedrijf te delen. Dankzij de Einstein Trust Layer van Salesforce is dit geen probleem: de vertrouwenslaag anonimiseert gevoelige data automatisch en jij bepaalt zelf welke data je wilt anonimiseren.

“Dat is precies het onderdeel dat veel bedrijven nog niet helemaal in de vingers hebben”, zegt Lisbon. “Hoe voorkom ik dat mijn agent als antwoord op een ongepaste vraag per ongeluk bedrijfsgeheimen prijsgeeft?” Als er iets misgaat, tref dan strengere maatregelen voor integriteitsbescherming.

Test ook eens wat met de vragen waarop je agent is getraind om antwoord te geven. “Zo kweek je vertrouwen in het gedrag van de agent”, zegt Lisbon. “Want zelfs als een vraag net even anders wordt gesteld dan hoe we de AI hebben getraind, weet je dat de agent toch het juiste antwoord geeft.”

6. Je activeert je AI-agent en kijkt er daarna nooit meer naar om

De onboarding- en testfase van je agent is voltooid, je kunt van start gaan. Trek die fles champagne maar open, want je pilot loopt!

Nou nee, zo werkt het niet helemaal. Je agent draait weliswaar op volle toeren, maar jij bent nog niet klaar. Naarmate je pilot vordert en zich onverwachte uitdagingen voordoen, zul je je agent waarschijnlijk moeten blijven bijsturen. 

Salesforce kwam hier al vroeg achter tijdens de implementatie van Agentforce op de eigen supportsite, toen de agent bij een vraag over een concurrerend product een klant doorverwees naar de website van de concurrent. Om dit te voorkomen, heeft Salesforce de agent de instructie gegeven om niet over concurrenten te praten en een lijstje gemaakt van namen die de agent moet vermijden. Probleem opgelost, toch?

Toch niet. De volgende dag vroeg een klant om hulp bij het integreren van een concurrerend product met Salesforce: een legitiem onderwerp, en bovendien eentje waarop Agentforce technisch gezien prima antwoord kan geven. Maar dat deed de AI-agent niet, want die had de instructie gekregen om geen vragen over concurrenten te beantwoorden. Het bedrijf heeft de instructies voor de agent opnieuw verfijnd, zodat deze nu helpt bij zulke integraties, zonder klanten naar de concurrentie te sturen. 

Wat je hiervan leert: je AI-agent is meestal niet in één keer klaar voor het grote publiek. Soms heb je gewoon een paar rondes nodig om alles te finetunen. 

7. Je kiest ervoor om zelf een AI-agent te bouwen

Zelf een agent bouwen klinkt misschien als een slimme, kostenbesparende zet, maar kan later voor problemen zorgen als je wilt opschalen. 

Zelf aan de slag gaan met AI behelst veel meer dan alleen data verzamelen en die door een machine learning-model halen. Er komt flink wat techniek en infrastructuur bij kijken, plus voortdurende fijnafstemming. In het begin is het misschien verleidelijk om de governance of compliance nog niet volledig in acht te nemen, maar daarmee haal je je later alleen maar problemen op de hals. Als je niet over net zo’n groot budget als OpenAI of Google beschikt, loop je het risico dat je een investering in mensen, tijd en geld moet doen die je simpelweg niet kunt opbrengen.  

Kant-en-klare AI-oplossingen zoals Agentforce besparen je tijd én geld. Volgens Futurum behalen Agentforce-gebruikers al binnen vier tot zes weken rendement, terwijl bedrijven die zelf een AI-oplossing bouwen, vaak zes tot twaalf maanden moeten wachten op ROI. Bovendien liggen de kosten 20% lager. 

Agentforce is een low-code platform, dus je hoeft geen engineer of developer te zijn om ermee aan de slag te gaan. Je maakt het jezelf nóg makkelijker door voor een vliegende start samen te werken met een Salesforce-partner. Dat deed een luxe kledingwinkel onlangs ook. Het bedrijf schakelde Acxiom in, waar Chudley werkt, om een AI-agent te ontwikkelen die klanten helpt bij het shoppen. “We hadden al een agent die voor 80% klaar was en hebben die gewoon aangepast aan hun wensen”, zegt Chudley. “Het was razendsnel geregeld en ze hoefden daardoor geen groot, tijdrovend project op te tuigen.” 

Zorg dat je verder komt dan alleen de introductiefase van je pilot voor agentic AI, maar doe dit wel doordacht

Dat veel AI-pilots nooit de implementatiefase halen, betekent niet dat dit ook met jouw project gaat gebeuren. Je weet nu wat de struikelblokken zijn en hebt tips gekregen om alles soepel te laten verlopen.

Begin met het kiezen van de juiste use case. Zorg dat je data er klaar voor zijn. Betrek de juiste mensen bij je project. En met goede training kun je de implementatie van jouw AI-agent met een gerust hart voltooien. 

*Het rapport van Futurum, Maximizing ROI with Agentic AI: Why Agentforce Is the Fast Path to Enterprise Value, is tot stand gekomen in opdracht van Salesforce.