U hebt geen AI-consultant nodig om een assistent aan te zetten in de suite waarvoor u al betaalt. U hebt er een nodig als het werk over systemen loopt die die suite niet bezit, als "goed" voor uw bedrijf eerst gedefinieerd moet worden, of als iemand het systeem na livegang moet beheren. De agent van de leverancier moet het eerste geval elk kwartaal beter gaan dekken. De andere drie blijven van u.
Hebt u nog een AI-consultant nodig als Google en Microsoft de agent leveren?
Op 8 oktober 2026 presenteerde Google Cloud tijdens het evenement Gemini at Work de Gemini-agent, door Google beschreven als een universele agent voor werk: één promptvenster dat taken plant, tools en skills gebruikt, verbinding maakt met bedrijfssystemen en afgerond werk oplevert in de documenten, e-mail en ontwikkeltools die mensen al gebruiken. In de analyse van Futurum staan de onderdelen die ertoe doen voor een bedrijf van dertig mensen. De agent werkt binnen Google Workspace, Microsoft 365 en Slack. Permanente "coworker"-agents krijgen een eigen Workspace-identiteit, met een e-mailadres, een agenda en een Drive. De agent kan elke MCP-server aanroepen, stuurt Claude-modellen aan naast Gemini, en uitgavenlimieten per project leggen een agent stil zodra ze worden bereikt.
Wie consultancy verkoopt, voelt zich al snel bedreigd. Wie het afneemt, denkt al snel klaar te zijn. Beide reacties komen te vroeg. Futurum meldt ook dat Google voor het merendeel van de aankondigingen geen prijzen of releasedata noemde, en dat de klantcijfers vooral betrekking hebben op eerdere Gemini Enterprise-implementaties en niet op deze agent. Aangekondigd is niet uitgerold, en uitgerold is niet werkend. Ik schrijf dit in de week van de aankondiging, dus lees elke uitspraak over beschikbaarheid als een momentopname.
De richting is toch duidelijk. Volgens Futurum gaat Microsoft dezelfde kant op met Entra-agentidentiteiten. De agent wordt iets dat met het platform meekomt, zoals de spellingcontrole ooit met de tekstverwerker meekwam. Mijn eerlijke antwoord op de vraag in de kop is: minder vaak dan consultancymarketing, de mijne inbegrepen, u wilt doen geloven, en op andere plekken dan de meeste kopers denken.
Wat kan een platformagent goed genoeg om de consultant over te slaan?
Laat ik eerlijk zijn over het platform, want een oprichter die de optie die u al betaalt wegzet als stropop is het inhuren niet waard. Teksten opstellen en samenvatten, zoeken door mail, documenten en vergaderingen, een eerste opzet voor een spreadsheet, gespreksnotities, een antwoord aan een klant die voor de veertigste keer dezelfde vraag stelt. Wat dit werk gemeen heeft: het blijft binnen de suite, één persoon doet het, en het kost minuten als het misgaat, terwijl de aanvrager erbij is om het op te vangen.
Voor dergelijk werk is het juiste project geen project. Het is een licentie, een korte interne richtlijn en twee maanden eerlijk gebruik. Dat zeg ik mensen in het eerste gesprek. Past de toepassing in één zin die begint met "iedereen op kantoor zou kunnen", dan wijs ik eerst naar het platform en pas daarna naar mezelf.
Wanneer hebt u helemaal geen AI-consultant nodig?
Ik gebruik vier toetsen, en ik gebruik ze als filter, niet als verkooptrechter. Eén: het werk blijft binnen één suite. Twee: een fout is goedkoop en zichtbaar voor degene die de opdracht gaf. Drie: het gaat om de tijd van één persoon, niet om een proces met een overdracht tussen mensen. Vier: iemand heeft de uren om het twee maanden te proberen en daarna terug te rapporteren zonder het resultaat mooier te maken.
Slaagt u voor alle vier, bespaar dan het geld. Een team van vijf zonder echt volume aan herhaald werk slaagt meestal voor alle vier, en voor die bedrijven vertelt de pagina over de AI-consultant voor het mkb eerder wat u zelf kunt proberen dan wat u bij ons moet kopen. Valt u bij één toets door, dan zit u in het grijze gebied waar een paar uur advies zichzelf terugverdient. Valt u bij twee door, dan hebt u een proces en geen taak, en dan word ik nuttig.
Wat doet een AI-consultant nog als de leverancier de agent levert?
Vier taken. Geen ervan is "een model kiezen": Google zegt dat de agent nu per taak het meest geschikte model kiest, en die keuze verhuist naar het platform, waar ze thuishoort.
Ten eerste: bepalen welk proces een agent verdient. Naar mijn ervaring kiezen de projecten die mislukken het proces meestal op enthousiasme. De projecten die werken kiezen het op de uitzonderingenlijst: de gevallen die nu door iemand worden opgelost via de telefoon, uit het hoofd of door even naar het andere bureau te lopen. Over die toets schreef ik in een eerder stuk over de uitzonderingenlijst. Een platformagent kan die keuze niet voor u maken, want hij heeft geen mening over welke van uw processen het risico waard is.
Ten tweede: de agent koppelen aan de plek waar uw gegevens echt staan. In de meeste Nederlandse en Vlaamse mkb-bedrijven staan die gegevens niet in Workspace of Microsoft 365. Ze staan in Exact, AFAS of e-Boekhouden, in een werkbonapp, in een magazijnsysteem, in een spreadsheet die één persoon bijhoudt. Het toolregister dat Futurum beschrijft noemt Salesforce, ServiceNow, Jira, Snowflake en Databricks, plus elke MCP-server. Geen van die namen is het pakket van uw boekhouder. Voor die systemen is MCP het stopcontact, en iemand moet nog steeds de stekker bouwen, bepalen wat die mag lezen en wat die mag schrijven. Dat is koppelwerk, het minst glamoureuze en vaak het meest waardevolle deel van AI koppelen aan Exact en AFAS.
Ten derde: bepalen wat "goed" betekent. Volgens Futurum koppelt de Knowledge Catalog van Google bedrijfsdefinities aan de antwoorden van de agent. Futurum zegt dat die waarde nog bewezen moet worden, en die voorzichtigheid deel ik. Een catalogus kan uw definitie van "openstaande factuur" pas opslaan nadat iemand heeft besloten dat er precies één is. De meeste bedrijven ontdekken in dat gesprek dat verkoop, financiën en magazijn elk hun eigen definitie hebben. De definitie opschrijven, en daarna een set echte gevallen die de agent goed moet krijgen, is het werk. Hoe u die gevallen toetst, staat in hoe u LLM-toepassingen evalueert.
Ten vierde: de eerste negentig dagen na livegang. Een agent met een eigen e-mailadres is een nieuwe collega zonder leidinggevende. Iemand moet bepalen wat hij mag zien, wie zijn fouten leest en wie er gebeld wordt als hij iets vreemds doet. Dat is een eigenaar, geen sponsor, zoals ik betoogde in AI-implementatie vraagt een eigenaar. De kant van identiteit en rechten is technischer, en daar gaat een artikel over AI-agentidentiteit dieper op in.
Waar lopen platformagents vast in een bedrijf van dertig mensen?
Ik heb de nieuwe agent van Google niet in productie gedraaid, voor zover ik weet heeft niemand buiten Google hem lang gebruikt, en ik ga niet doen alsof dat anders is. Wat volgt is wat ik verwacht op basis van hoe andere agents zijn ingevoerd, nadrukkelijk als verwachting en niet als waarneming.
Het eerste breekpunt zit in rechten die agents van mensen erven. Een assistent die namens een gebruiker handelt, kan lezen wat die gebruiker kan lezen, en ik verwacht dat de meeste kleine bedrijven in die modus beginnen. In een klein bedrijf is de gedeelde schijf tien jaar gegroeid zonder dat iemand hem opruimde, en de agent is de eerste lezer die echt alles opent. Het tweede breekpunt is het meten van verbruik. Volgens Futurum zegt een Google-vertegenwoordiger dat Google niet van plan is een licentie per gebruiker te rekenen wanneer de agent in Workspace als collega optreedt, met prijzen later, naarmate brede beschikbaarheid dichterbij komt. Dat haalt één drempel weg en laat een grotere vraag staan: wat kost een uur agentactiviteit, en wat voorkomt dat het volgende maand meer kost? Zonder getal kunt u geen businesscase schrijven, en FinOps voor AI is de discipline om er wel een te krijgen. Het derde breekpunt is de uitzondering. Een demo verwerkt de normale factuur. In de praktijk zijn het juist de afwijkende facturen die tijd kosten, en daarom is demo versus productie een kloof die in maanden wordt gemeten en niet in functies.
Het vierde breekpunt is stiller en daar zou ik het meest op wedden. Niemand verandert zijn werkwijze omdat er een agent bestaat. Mensen veranderen hun werkwijze omdat een collega die ze vertrouwen laat zien dat het een avond scheelt, en omdat hun leidinggevende stopt met vragen om het oude rapport. Een licentie koopt de mogelijkheid, niet de gewoonte, en in de gewoonte zit het grootste deel van de waarde. Daarom hoort adoptie vanaf de eerste week in het plan, en daarom mislukt AI-adoptie in het organogram en niet in de code.
AI-consultant of zelf doen: hoe kiest u?
Begin met het platform en geef het zestig dagen. Schrijf vooraf op wat u als succes telt, als een getal dat u kunt controleren: bespaarde uren op een benoemde taak, of het aandeel antwoorden dat zonder aanpassing de deur uitgaat. Op dag zestig is er dan een van drie dingen gebeurd.
Het werkte, en u stopt. Gefeliciteerd, u hebt een adviesfactuur bespaard, en dat meen ik. Het werkte voor individuen maar niet voor het proces: mensen werden sneller in hun eigen taken en er veranderde niets in hoe het werk tussen hen verloopt. Dan hebt u een proces gevonden dat een project waard is, en u komt met een scherpere vraag dan waarmee de meeste eerste gesprekken bij mij beginnen. Of het werkte niet omdat de agent de data niet kon bereiken, of niet vertrouwd kon worden met het systeem waarin die staat. Dan hebt u koppelwerk en vangrails nodig, geen slimmere assistent, en geen upgrade van de licentie lost dat op.
Alleen de laatste twee uitkomsten hebben iemand als ik nodig, en in beide gevallen komt u bij mij terecht nadat u een klein bedrag hebt uitgegeven om te leren in welke u zit. Weegt u externe hulp af tegen het aannemen van eigen mensen, dan staat die keuze in het stuk over intern AI-team of AI-consultancy, en in het stuk over wat u vraagt voordat u een AI-consultant inhuurt staat hoe u beoordeelt wie er tegenover u zit.
Wat zeg ik tegen een klant die dit in het eerste gesprek vraagt?
Eerst een kanttekening: ik verkoop consultancy, dus houd daar rekening mee bij alles hierboven. Wat ik zeg lijkt hierop. Koop de licenties, gebruik ze zestig dagen met één eigenaar en één getal, en bel mij als de uitkomst een van de twee is die een project nodig heeft. In de meeste eerste gesprekken hebben mensen al een chatassistent geprobeerd. Die bleek goed voor henzelf en nutteloos voor het team, en ze schamen zich er een beetje voor, alsof de fout bij hen ligt. Dat is niet zo. De kloof tussen een hulpmiddel dat één persoon helpt en een systeem dat verandert hoe zes mensen werken is het project, en het was nooit een technologiekloof.
Een consultant die niet kan zeggen "u hebt mij nog niet nodig" verkoopt het verkeerde. Een uitgebreider verhaal over dat instinct staat in soms is het juiste antwoord niets doen, en het geldt hier ongewijzigd. De platformagent maakt dat advies niet achterhaald. Hij maakt het makkelijker te volgen, omdat de optie die u al betaalt beter is geworden.
Waar let u de komende zes maanden op?
Op vijf dingen. Hoe coworker-agents worden gemeten en geprijsd, want dat bepaalt of ze de pilotstatus ontgroeien. Wanneer de gebundelde agent, de agent-gateway en de uitgavenlimieten algemeen beschikbaar komen, in plaats van aangekondigd. Hoe goed de agent presteert binnen Microsoft 365-organisaties, waar Google op het terrein van Microsoft zelf concurreert. Of het auditspoor in de praktijk standhoudt, in een vorm die u aan een accountant zou kunnen laten zien. En of de koppeling aan bedrijfsdata ook buiten een keynote werkt.
Intussen kosten drie klussen bijna niets en zijn ze bij elke keuze nodig. Schrijf uw definities op, te beginnen met de drie woorden die uw afdelingen verschillend gebruiken. Wijs één eigenaar aan met uren in de week. En maak een lijst van waar uw data werkelijk staat, inclusief de spreadsheet die niemand noemt. Doet u dat, dan neemt u een betere koopbeslissing, of u nu bij een platform koopt, bij mij, of bij niemand.
Wij bouwen maatwerk-AI en LLM-systemen die in productie draaien: een klikbare MVP bij het tweede gesprek, vaste stappen, en de code is van u.
AI-ontwikkelbureau in Nederland →
