Agentic AI in Productie: De vragen die B2B-kopers moeten stellen voordat ze tekenen

"Powered by AI agents" staat nu op bijna elke B2B SaaS-homepage, net zoals "blockchain-enabled" dat was in 2018 en "AI-powered" in 2023. Een deel ervan is echte productie-infrastructuur die klanten aanzienlijke tijd en geld bespaart. Een groot deel is een chatvenster voor een enkele API-aanroep, vermarkt als autonomie. Als een team dat zowel de agentic functies als de systemen bouwt waar ze in worden ingeplugd, is dit de checklist die wij daadwerkelijk zouden gebruiken als wij de kopers waren.

1. Wat gebeurt er als de agent het fout heeft?

Vraag om een specifiek, recent voorbeeld van een agent die in productie faalt — niet een hypothetisch scenario. Als de leverancier er geen kan produceren, heeft het product ofwel nog geen echt productie-verkeer gezien, of houden ze fouten niet nauwkeurig genoeg bij om het te weten. Vraag vervolgens wat de impact (blast radius) was: heeft een mens het opgemerkt voordat een klant dat deed? Was er een mogelijkheid tot terugdraaien (rollback), of moest iemand de schade handmatig herstellen?

2. Is er een human-in-the-loop optie, en wordt deze daadwerkelijk afgedwongen?

Veel leveranciers zullen zeggen "ja, u kunt het controleren voordat het wordt uitgevoerd" — maar controleer of die controlesstap de standaardinstelling is of een opt-in die verborgen zit in de instellingen, en of deze wordt afgedwongen voor de specifieke acties die belangrijk zijn voor uw bedrijf (geld overmaken, klantgerichte e-mails sturen, records met juridische/compliance relevantie wijzigen). Een controle-vinkje dat standaard uit staat, is geen veiligheidsfunctie; het is een juridische disclaimer.

3. Wat is de werkelijke datagrens?

Welke van uw gegevens stuurt de agent naar een externe modelprovider, en staat dat gedocumenteerd in de DPA, en niet alleen in een blogpost? Voor EU-kopers is dit niet optioneel — vraag naar de lijst met subverwerkers, vraag waar de inferentie plaatsvindt (regio is belangrijk voor de AVG/GDPR), en vraag of uw gegevens standaard worden gebruikt voor enige vorm van modelverbetering/training versus opt-in.

4. Hoe gedraagt de kosten zich onder belasting of bij misbruik?

Agent-loops die opnieuw proberen, herplannen of meerdere modeloproepen koppelen per gebruikersactie, kunnen zeer variabele kosten per verzoek hebben in vergelijking met een traditionele API-aanroep. Vraag naar echte kosten-per-succesvol-resultaat cijfers, niet kosten-per-API-aanroep — en vraag wat er gebeurt (rate limiting? harde limiet? stille kostenoverschrijding?) als een gebruiker of een bug een ongecontroleerde loop veroorzaakt.

5. Wat is het werkelijke autonomieniveau, in gewone taal?

"Autonoom" wordt gebruikt voor alles, van "volledig ongesuperviseerd, meerstaps, tool-gebruikende agent" tot "we roepen één keer een LLM aan per formulierinzending." Vraag de leverancier om stap voor stap te beschrijven wat er gebeurt tussen een gebruikersactie en een voltooide taak, en tel hoeveel van die stappen deterministische code zijn versus door het model gegenereerde beslissingen. Dat getal zegt meer dan elke marketingclaim.

6. Wat gaat er als eerste kapot als het onderliggende model verandert?

Modelproviders schrappen en wijzigen modelversies volgens hun eigen schema, niet dat van u. Vraag hoe de leverancier omgaat met het intrekken van een model of een gedragsveranderende update — leggen ze versies vast (pinning), draaien ze evaluatie-suites voordat ze uitrollen, en kunnen ze terugdraaien als een nieuwe modelversie verslechtert op uw specifieke use case?

Waarom we onszelf dezelfde vragen stellen

Wij bouwen agentic functies in klantproducten, en wij houden ons eigen werk aan deze checklist voordat het wordt uitgebracht. Als een klant ons vraagt "wat gebeurt er als het fout gaat," willen we een echt antwoord met een echt voorbeeld — geen geruststelling. Dat is de lat waaraan wij vinden dat B2B-kopers elke leverancier in 2026 moeten houden, inclusief ons.