Aan het einde van 2025 werd ik geconfronteerd met een tegenstrijdigheid: de AI-sector kan meer dan ooit, maar de gesprekken zijn tegelijk verwarrender dan ooit.
De luidste debatten gaan nu over AGI (Artificial General Intelligence), een slecht gedefinieerd, voortdurend veranderend concept dat bij elke benchmark weer iets nieuws betekent. Intussen vinden de meest baanbrekende ontwikkelingen stilletjes plaats binnen ondernemingen: AI-systemen die meetbare drempelwaarden overschrijden en evolueren van reactief naar proactief, van generiek naar gespecialiseerd en van inconsistent naar betrouwbaar.
Het is belangrijk dat iedereen die zich zorgen maakt over de zakelijke toepassing van AI, erkent dat de meest relevante recente doorbraken niet op modelniveau plaatsvinden. Ze vinden plaats op systeemniveau. Denk aan geheugenarchitecturen, redeneringsengines, API-oproepen en interfaces die van een LLM een volledig agentisch systeem maken.
De vijf trends die ik hieronder bespreek, bevinden zich allemaal op systeemniveau. En ze staan op het punt om AI voor ondernemingen in 2026 compleet te hervormen. Een deel van wat ik beschrijf bestaat al als prototype. De meeste voorbeelden worden binnen 12–18 maanden realiteit in het bedrijfsleven. Dit alles is gebaseerd op onderzoeksdoorbraken die momenteel plaatsvinden in onze Salesforce AI Research-laboratoria en gevalideerd zijn via praktijkimplementaties bij onze klanten, die klaar zijn om AI in te zetten waar de belangen én het leerpotentieel het grootst zijn.
Uit deze ontwikkelingen komt een nieuwe agentische onderneming naar voren. Dat is een organisatie waar mensen en AI-agents samenwerken, met intelligentie die bij alle workflows doorlopend actief is om prestaties en beoordelingen naar een hoger niveau te tillen.
Trend 1: de opkomst van Ambient Intelligence
Je AI is altijd actief achter de schermen en weet wanneer het moet optreden.
Op dit moment zijn de meeste agents reactief. Ze voeren alleen de specifieke taken uit die door mensen worden opgedragen. Maar we zijn op weg naar AI-systemen die naadloos onderdeel zijn van de omgeving, die zich bewust zijn van de context en wat er gebeurt binnen een workflow. Ze bieden proactief inzichten, hulp en relevante informatie aan gebruikers.
Dat noemen we Ambient Intelligence, of ‘omgevingsintelligentie’.
Stel dat een verkoper een gesprek voert met een klant. Agents luisteren mee tijdens deze gesprekken en komen automatisch met suggesties, inzichten en ondersteunende materialen tijdens de interactie met de klant. En dat allemaal in realtime, zonder prompts. Ze gaan zelfs tot actie over: ze classificeren of rapporteren de volgende stappen en delen realtime updates met verkopers.
Deze verschuiving van ‘vragen en ontvangen’ naar ‘anticiperen en leveren’ zal de werkwijzen van kenniswerkers ingrijpend veranderen. Deze innovaties worden nu al uitgerold en zullen in het komende jaar op de markt zichtbaar zijn.
Hoe ziet de toekomst eruit voor verschillende sectoren? Serviceafdelingen zullen zich ingrijpend ontwikkelen. In contactcentra zal Ambient Intelligence evolueren van eenvoudige gesprekstranscripties naar proactieve interventie: het voorstellen van de-escalatietechnieken en het ophalen van relevante beleidsinformatie nog voordat de medewerker beseft dat dit nodig is.
Vergelijkbare veranderingen vinden plaats in de buitendienst. Technici die op locatie aankomen, krijgen realtime advies terwijl omgevings-AI diagnostische gegevens monitort, de reparatiegeschiedenis analyseert en anticipeert op benodigde onderdelen — en dat alles zonder één enkele prompt.
We noemen deze ervaring ‘onzichtbare service’: problemen worden opgelost voordat klanten de kans krijgen ze te benoemen.
Trend 2: de semantische laag voor samenwerking met agents
Je AI-agent gebruikt een nieuwe, gemeenschappelijke taal om namens jou met andere bedrijven te onderhandelen.
Agents zijn al multipliers binnen organisaties: gespecialiseerde AI die de voorraad, facturering, logistiek en zelfs discrete onderdelen afhandelen. Bij de volgende sprong voorwaarts zijn er coördinerende agents: tussenpersonen die groepen specialisten aansturen en die actief zijn als persoonlijke AI-assistenten die aansluiten op je voorkeuren en bedrijfsdoelen.
Deze coördinatiefunctie is niet helemaal nieuw. Een paar maanden geleden beschreef ik de evolutie van monofone naar polyfone naar samengestelde AI-systemen. En Agentforce geeft nu al blijk van deze ‘polyfone’ fase binnen organisaties.
Maar een echt nieuwe fase in 2026 is de semantische laag die communicatie tussen agents van verschillende organisaties mogelijk maakt. Dit is in feite een gemeenschappelijke taal waarmee agents van verschillende organisaties elkaars bedoelingen begrijpen, de betrouwbaarheid kunnen verifiëren en over voorwaarden kunnen onderhandelen — dus veel meer dan alleen de uitwisseling van data.
Het meest interessante scenario ontstaat wanneer coördinatie-agents van verschillende bedrijven rechtstreeks met elkaar gaan onderhandelen. Denk bijvoorbeeld aan het kopen van een auto. Je persoonlijke AI-agent onderhandelt niet alleen met de agent van de dealer, maar maakt tegelijkertijd afspraken met de verzekeraar, de bank en andere dienstverleners, die allemaal hun eigen AI-agent hebben.
Voor zulke onderhandelingen zijn geavanceerde semantische kaders nodig. Alle partijen moeten volgens dezelfde ethische en juridische richtlijnen werken, terwijl de transparantie over de totstandkoming van beslissingen behouden blijft.
Ons team is deze protocollen voor communicatie tussen agents actief aan het ontwikkelen, waarbij het de ‘verkeersregels’ voor organisatie-overstijgende AI-samenwerking opstelt. De bouwstenen zijn al duidelijk. Google heeft onlangs ons concept van Agent Cards in hun A2A-specificaties opgenomen. Dat zijn gestandaardiseerde metadata die de capaciteiten, beperkingen en geschikte use cases van een agent beschrijven. Via deze kaarten kunnen capaciteiten worden ontdekt en kan er over versies worden onderhandeld. Op die manier weten agents van verschillende organisaties wat de andere agents wel en niet kunnen voordat ze met transacties beginnen.
Trend 3: simulatieomgevingen
Je AI moet ‘vlieguren’ maken voordat certificatie mogelijk is. En toezichthouders vereisen bewijs.
De prestaties van AI zijn grillig: te inconsistent voor grootschalige zakelijke implementatie. Het meest geavanceerde LLM heeft nog steeds moeite om de letters in namen te tellen. Toch vragen we deze systemen om bedrijfskritische operaties af te handelen, zoals voorraadbeheer en financiële afstemming.
Waar ik denk dat deze trend naartoe gaat: voor de inkoop van Enterprise AI zijn door simulatie gevalideerde prestatie-indicatoren vereist. Net zoals piloten vluchturen moeten maken en chirurgen eerst onder toezicht werken, hebben AI-agents gedocumenteerde training nodig in realistische simulatieomgevingen voordat ze gesprekken met kunnen klanten voeren.
Het technische fundament is gelegd. We hebben eVerse-simulatieomgevingen ontwikkeld. Hierin trainen agents in duizenden synthetische zakelijke scenario’s, gevalideerd door domeinexperts. We genereren realistische B2B- en B2C-scenario’s: retourzendingen van klanten met onvolledige informatie, serviceaanvragen met tegenstrijdige informatie, verkooponderhandelingen met veranderende vereisten van stakeholders. Agents voeren taken in deze scenario’s uit en wij meten hun fouten en successen. Daarna gebruiken we ‘reinforcement learning’ om het gedrag te optimaliseren.
Voordat we Agentforce Voice beschikbaar maakten, hebben we het product grondig getest via duizenden synthetische gesprekken met verschillende accenten, onderbrekingen, achtergrondgeluiden en slechte verbindingen. Onze pilot bij UCFS Health heeft 88% van de taken voltooid in de simulatietraining. Dat percentage is een stuk hoger dan de 60-70% bij traditionele werkwijzen.
De trend is niet alleen technisch van aard. In de komende 18 maanden wordt dit een vereiste op de markt. Bedrijfsklanten willen weten hoeveel gesimuleerde uren een agent heeft gedraaid. Met welke randgevallen is de agent in aanraking gekomen? En ze willen inzicht in de trainingsgegevens. Simulatieomgevingen worden bij de aanschaf van enterprise-AI net zo standaard als beveiligingsaudits en uptimegaranties.
Deze verschuiving speelt in op wat we de ‘realiteitskloof’ noemen: het verschil tussen hoe AI presteert in gecontroleerde omstandigheden en de complexiteit van de echte wereld. Training met alleen tekstuele gegevens is niet langer toereikend. Leren door ervaring in simulatieomgevingen transformeert agents van generieke taalmodellen naar systemen die specifiek op ondernemingen zijn toegespitst en die betrouwbaar presteren wanneer het er echt toe doet.
Trend 4: Enterprise General Intelligence (EGI)
Je AI levert keer op keer uitstekend werk.
In plaats van AGI na te streven die vraagstukken oplost of poëzie schrijft, werkt mijn team aan wat Enterprise General Intelligence (EGI) wordt genoemd. Dit zijn agents die complexe bedrijfstaken vaardig en consequent afhandelen.
Wat is vereist voor EGI? Capaciteiten die ertoe doen in een praktische zakelijke context: langetermijnredeneringen met meerdere stappen, adaptieve intelligentie die zich aan nieuwe regels aanpast, diepgaand onderzoek en analyse, en proactieve inzichten in realtime. Maar zulke capaciteiten zijn niet genoeg. EGI vereist consistentie, ook bij ruis, ontbrekende informatie en randgevallen. Een nauwkeurigheid van 90% is niet goed genoeg. Bedrijven eisen 99%.
Dit gaat er gebeuren met deze trend dit jaar: er komen nieuwe benchmarks die de consistentie en capaciteiten zullen beoordelen. Dit zijn niet de standaard AGI-benchmarks die misleidende beoordelingen produceren, maar EGI-benchmarks voor use cases binnen ondernemingen (service, sales, buitendienst, commerce, marketing) binnen specifieke bedrijfsdomeinen zoals de gezondheidszorg en financiën. We hebben al vroege versies uitgebracht, waaronder onze LLM-benchmark voor CRM, dat de prestaties van modellen meet op het gebied van nauwkeurigheid, kosten, snelheid, vertrouwen en veiligheid. In de komende 18 maanden zullen bedrijfskritieke criteria veel meer zijn dan alleen maar academische oefeningen. Ze worden onmisbaar bij de aanschaf van enterprise AI. Denk aan letterlijke regelitems in elke offerteaanvraag.
Kortom: technologische en zakelijke leiders vragen zich niet langer af of AI-systemen indruk maken, maar willen weten of een AI-systeem consistent uitstekend kan presteren in hun specifieke zakelijke context. Bedrijven die zulke hoge capaciteiten met een hoge mate van consistentie weten te realiseren, krijgen toegang tot transformatieve waarde.Nemen ze genoegen met slechts af en toe briljante resultaten omdat de AI inconsistent is, dan stranden pilots vaak al in een vroeg stadium.
Trend 5: ruimtelijke intelligentie
Je AI begrijpt de fysieke wereld en deze niet alleen met taal beschrijven.
We bevinden ons in een significante verschuiving op weg naar ruimtelijke intelligentie. Dat is het vermogen van AI om driedimensionale ruimte waar te nemen, hierover te redeneren en hierin actief te zijn. Wereldmodellen zijn de volgende grote stap. Deze leggen 3D-omgevingen vast samen met fysieke eigenschappen, zoals frictie, aanraking en het gedrag van objecten. Dit is veel meer dan een kijkende computer die de ruimte ziet; dit is AI die weet hoe het in die ruimte kan handelen. Dr. Fei-Fei Li, een expert op dit gebied, heeft zojuist een essay gepubliceerd over haar visie. Yann LeCun heeft onlangs Meta verlaten om zich op wereldmodellen te richten. Wanneer twee pioniers uit het vakgebied onafhankelijk van elkaar hun toekomst inzetten op dezelfde technologie, moeten zakelijk leiders goed opletten.
Via wereldmodellen kan AI niet alleen taal over de fysieke wereld verwerken, maar kan het deze zwereld begrijpen en erin handelen. Maar wat betekent dit voor zakelijk leiders in het komende jaar?
De eerste zakelijke toepassingen zijn al in ontwikkeling. In commerce zien we gepersonaliseerde winkelomgevingen die zich in realtime aanpassen. Dit zijn geen statische virtuele winkels, maar omgevingen die leren en reageren. In de logistiek laten bedrijven zoals Amazon al zien hoe het gebruik van wereldmodellen robotsystemen in magazijnen helpt om ruimtelijke relaties te begrijpen, het gedrag van objecten te voorspellen en zich aan te passen aan veranderende omgevingen.Ook technici in de buitendienst volgen handleidingen niet langer blindelings op. Ze werken met AI die fysieke apparatuur begrijpt via ruimtelijk redeneren, problemen diagnosticeert door driedimensionale relaties tussen componenten te modelleren en instructies genereert die gebaseerd zijn op de feitelijke fysieke context.
Wereldmodellen verankeren AI in de fysieke realiteit, waar zakelijke transacties daadwerkelijk plaatsvinden. Maar net zoals bij de andere trends in dit stuk, is de echte uitdaging niet het model zelf, maar het opbouwen van de bijbehorende ‘steigers’: de geheugensystemen, de redeneringsengines en de interfaces die wereldmodellen integreren in een compleet agentisch kader. Naarmate deze capaciteiten zich verder ontwikkelen en worden geïntegreerd met zakelijke platforms zoals Agentforce, zien we nieuwe vormen van samenwerking tussen mensen en AI die eerder niet voor mogelijk werden gehouden.
Een blik op de toekomst: de mens is een must
Deze vijf trends hebben een eigenschap gemeen: mensen moeten altijd de touwtjes in handen houden.
Omgevingsintelligentie moet weten wanneer het moet zwijgen zonder minder relevant te worden. Systemen van meerdere agents moeten duidelijke regels volgen en communicatieprotocollen hebben die onze waarden en juridische richtlijnen bevatten. Simulatieomgevingen vereisen dat domeinexperts scenario’s valideren en definiëren hoe uitstekende resultaten eruitzien. Zo overbruggen ze de kloof tussen beheerste tests en de rommelige implementatie in de echte wereld. En voor EGI moeten we consistentie en betrouwbaarheid zelf definiëren en dit niet aan het model overlaten.
De toekomst van AI voor ondernemingen versterkt het menselijke beoordelingsvermogen op een ongekende schaal. De organisaties die in 2026 de toon zetten, bereiden zich nu al voor. Ze richten bestuurlijke kaders in, trainen hun teams in samenwerking met AI en ontwikkelen de infrastructuur voor de coördinatie van AI.
We ontwikkelen nu de praktische systemen die in de komende 18 maanden de werkwijzen van bedrijven zullen tranformeren. Ze sluiten mogelijk niet aan op de huidige hype. Maar deze verschuivende macrotrends zijn afkomstig uit onze laboratoria en klantimplementaties. Ze zijn dus gebaseerd op onderzoek, zijn gevalideerd door echt gebruik en worden aangestuurd door het idee dat de meest krachtige AI weet wanneer het de hulp van mensen nodig heeft.
Deze vijf trends zullen AI voor ondernemingen in 2026 ingrijpend veranderen. De vraag is of jouw organisatie een rol speelt in deze veranderingen, of er alleen maar op zal reageren. Welkom in 2026 en de toekomst van AI voor ondernemingen.
Ik wil Patrick Stokes, Jacob Lehrbaum, Itai Asseo en Karen Semone graag bedanken voor hun inzichten en bijdragen aan dit artikel.
