Wat is agent washing?
Agent washing is het AI-equivalent van greenwashing: leveranciers plakken het label "AI-agent" op producten die in werkelijkheid een chatbot, een RPA-script of een eenvoudige automatiseringsworkflow zijn. De verpakking verandert, het product niet. Sinds begin 2026 is de term breed opgepikt nadat Gartner in juli 2026 waarschuwde dat tot 234 miljard dollar aan enterprise-softwareuitgaven wordt bedreigd door agentic AI — en dat het overgrote deel van de "agentic" aanbieders helemaal niet levert wat het belooft.
Het patroon is herkenbaar. Een SaaS-leverancier voegt een chatvenster toe aan het dashboard, noemt het een "AI-agent" en verhoogt de prijs. De onderliggende functionaliteit is niet veranderd: het product volgt nog steeds een vast script, kan niet zelfstandig redeneren en heeft geen toegang tot externe systemen. De klant betaalt meer voor dezelfde software met een nieuw label.
De omvang van het probleem
De cijfers zijn ontnuchterend. Gartner schat dat van de duizenden leveranciers die zich als agentic AI presenteren, slechts circa 130 daadwerkelijk agentic functionaliteit bieden. Dat betekent dat grofweg 95% van het aanbod agent washing is: producten die het label dragen zonder de technologie erachter.
Die kloof heeft directe gevolgen:
- 40%+ annulering — Gartner voorspelt dat meer dan 40% van de agentic-AI-projecten vóór eind 2027 wordt geannuleerd wegens onduidelijke bedrijfswaarde, oplopende kosten of onvoldoende risicobeheersing.
- 17% daadwerkelijke adoptie — slechts 17% van de organisaties heeft daadwerkelijk een AI-agent in productie, terwijl meer dan 60% dat binnen twee jaar verwacht. Die kloof tussen verwachting en realiteit is het speelveld van agent washing.
- 234 miljard dollar aan risico — tot 20% van alle enterprise-SaaS-uitgaven staat op het spel door agentic arbitrage: AI-agents die taken uitvoeren waarvoor je nu meerdere softwarelicenties betaalt.
"De meeste agentic-AI-projecten op dit moment zijn experimenten in een vroeg stadium, grotendeels gedreven door hype en vaak verkeerd toegepast." — Gartner
Wat maakt een echte AI-agent?
Het verschil tussen een chatbot en een echte AI-agent zit niet in het interface maar in wat er onder de motorkap gebeurt. Een chatbot reageert op berichten binnen een voorgedefinieerd kader. Een AI-agent handelt zelfstandig: hij stelt een doel, bedenkt een plan, kiest de juiste tools en past zijn aanpak aan als er iets misgaat. Vijf dimensies scheiden de twee:
- Autonomie — Een chatbot wacht op een vraag en geeft een antwoord. Een agent pakt een taak op, splitst hem in stappen en voert die zelfstandig uit — zonder dat je bij elke stap op "volgende" hoeft te klikken.
- Toolgebruik — Een chatbot converseert. Een agent leest, schrijft en handelt: hij stuurt een e-mail, past een databaserecord aan, haalt informatie op uit een API en combineert die resultaten tot een conclusie.
- Geheugen — Een chatbot is per sessie. Een agent onthoudt context over gesprekken heen, leert van eerdere interacties en past zijn gedrag aan.
- Redenering — Een chatbot matcht patronen. Een agent redeneert: hij weegt opties, identificeert uitzonderingen en maakt beslissingen op basis van de beschikbare informatie.
- Herstel — Een chatbot die vastloopt, geeft een foutmelding. Een agent probeert een alternatieve aanpak en vraagt pas om hulp als alle opties zijn uitgeput.
Een product dat geen van deze vijf kenmerken heeft, is geen agent — ongeacht wat de verkooppresentatie beweert.
Hoe agent washing eruitziet in de praktijk
Agent washing kent meerdere verschijningsvormen. InformationWeek beschrijft hoe CIO's de meest voorkomende patronen herkennen:
De omgelabelde chatbot
Het product heet nu "AI-agent" maar doet hetzelfde als vorig jaar: vragen beantwoorden op basis van een kennisbank. Het kan niet zelf actie ondernemen, geen systemen benaderen en niet over meerdere stappen redeneren. De roadmap belooft "agentic features in Q4" — maar die zijn er nu niet.
De geregisseerde workflow
Een reeks stappen die eruitziet als autonomie, maar elk pad is handmatig voorgeprogrammeerd. Als de input afwijkt van het verwachte scenario, loopt het product vast. Dat is geen agent — dat is een flowchart met een chatvenster ervoor.
De demo-agent
Indrukwekkend tijdens de presentatie, maar de demo draait op een voorgeconfigureerd scenario met voorgeladen data. Zodra je het product loslaat op je eigen systemen en eigen data, blijkt het niet te werken zonder weken aan configuratie en maatwerk.
De co-pilot die eigenlijk Ctrl+C Ctrl+V doet
Het product genereert suggesties die de gebruiker vervolgens handmatig moet kopiëren naar het doelsysteem. Echte autonomie zou betekenen dat de agent de actie zelf uitvoert — na goedkeuring, maar zonder copy-paste.
Een praktische checklist om agent washing te ontmaskeren
Voordat je investeert in een "AI-agent", stel je deze vragen. Digital Applied publiceerde een scorecard die we hier vertalen naar de vijf kritieke vragen:
1. Live demo op eigen data
Vraag de leverancier om het product te demonstreren op jouw systemen, met jouw data, met de standaarddemo uitgeschakeld. Een echt agentic product kan een taak oplossen die het niet eerder heeft gezien. Een omgedoopte chatbot heeft een voorgeprogrammeerd pad nodig.
2. Welke beslissingen neemt het product zelfstandig?
Laat de leverancier expliciet benoemen welke beslissingen de agent autonoom neemt en welke stappen deterministisch zijn voorgeprogrammeerd. Het autonome gedeelte is waar de waarde zit — en waar je evaluatie-inspanning thuishoort. Als het antwoord "alles is configureerbaar" is, is het waarschijnlijk niets echt autonoom.
3. Wat gebeurt er als het misgaat?
Geef de agent een taak die afwijkt van het verwachte scenario. Hoe reageert hij? Een echte agent past zijn aanpak aan, probeert een alternatief of escaleert gestructureerd. Een workflow stopt met een foutmelding.
4. Welke systemen benadert de agent?
Een agent die alleen met zijn eigen database praat, is geen agent — het is een zoekmachine. Vraag welke externe API's, systemen en databronnen de agent actief kan benaderen en welke acties hij daarin uitvoert. Lees of lees-en-schrijf maakt een wezenlijk verschil.
5. Wat is het pad naar modelonafhankelijkheid?
Vraag welke foundation-modellen het platform ondersteunt en hoe eenvoudig je van model kunt wisselen. Modellock-in is de stilste vorm van platformlock-in. Een leverancier die aan één model vastzit, heeft minder ruimte om mee te bewegen als er betere of goedkopere modellen beschikbaar komen.
Waarom het MKB extra kwetsbaar is
Grote organisaties hebben evaluatieteams, proof-of-concept-trajecten en enterprise-architecten die claims kunnen toetsen. Het MKB heeft die luxe vaak niet. Een directeur-eigenaar die op een beurs een demo ziet van een "AI-agent die je administratie doet", heeft niet de technische achtergrond om het verschil te zien tussen een agent en een chatbot. De verkooppresentatie is overtuigend, de prijs lijkt redelijk, en de belofte van minder handwerk is aantrekkelijk.
Het resultaat: een jaarabonnement op software die minder doet dan verwacht, een team dat gefrustreerd raakt na weken van implementatie zonder resultaat, en het gevoel dat "AI gewoon niet werkt voor ons." Dat gevoel is onterecht — het probleem zat in het product, niet in de technologie.
Hoe wij ermee omgaan
Bij Coding Agency bouwen we AI-integraties waarbij de agent daadwerkelijk handelt: systemen benaderen via API's, beslissingen nemen op basis van bedrijfslogica en resultaten terugkoppelen aan de gebruiker. We zijn daarbij bewust transparant over wat wél en niet autonoom is. Niet elke taak heeft een volledige agent nodig — soms is een slimme workflow of een gerichte chatbot precies de juiste oplossing, tegen een fractie van de kosten.
Het verschil is eerlijkheid over wat je bouwt. Een chatbot die goed doet wat een chatbot moet doen, is waardevoller dan een "agent" die de verwachtingen niet waarmaakt.
Conclusie
Agent washing is geen randverschijnsel — het is de dominante marktdynamiek rond AI-agents in 2026. Wie investeert zonder kritisch te evalueren, betaalt een agentprijs voor een chatbot. De vijf vragen in dit artikel helpen je om het kaf van het koren te scheiden. En als je twijfelt of een product levert wat het belooft: vraag om een live demo op eigen data. Dat is de snelste manier om agent washing te ontmaskeren.
