Artificial Intelligence

AI-agents Zijn Nu Infrastructuur: Zo Ziet Bouwen Ermee Er in 2026 Werkelijk Uit

By Anurag Verma•June 3, 2026

AI Agents zijn nu Infrastructuur: Hoe het er in 2026 echt uitziet om ermee te bouwen

Het moment waarop de verschuiving voor mij duidelijk werd, was toen ik in februari het Q4 FY2026-kwartaalrapport van Salesforce las. Agentforce bereikte $800 miljoen aan ARR, een stijging van 169% jaar-op-jaar, en het managementteam van het bedrijf bleef een zin gebruiken die anderhalf jaar geleden als marketingpraat had geklonken: "agentic work units." Ze hadden er 2,4 miljard van geregistreerd. Dit zijn geen chatrespons. Dit zijn afgeronde taken: een supportcase opgelost zonder menselijke tussenkomst, een verkooprecord bijgewerkt na een telefoongesprek, een onboardingworkflow opgestart zonder een ticket. Op dat moment is het debat over de vraag of AI-agents van belang zijn voor de enterprise voorbij.

Wat nog niet voorbij is, is uitzoeken hoe je ze verantwoord bouwt en beheert.

Hoe de markt er werkelijk voor staat

De wereldwijde markt voor AI-agents bedraagt in 2026 ongeveer $10,9 miljard, ten opzichte van $7,6 miljard in 2025, met een CAGR van 44%. Die cijfers interesseren me minder dan de adoptiegraad eronder: 40% van de enterprise-applicaties bevat tegenwoordig agentische mogelijkheden, vergeleken met minder dan 5% een jaar geleden. Er is iets over een drempel gegaan.

Het infrastructuurverhaal is nog veelzeggender. Anthropic's Model Context Protocol, dat eind 2024 werd gelanceerd, telt nu 97 miljoen maandelijkse SDK-downloads en heeft meer dan 10.000 actieve productieservers. In december 2025 nam Google MCP over in zijn eigen diensten. In april 2026 draaiden Fortune 500-bedrijven het al in productie. Zestien maanden van onderzoeksproject tot enterprise-infrastructuur. Dat is snel.

De Linux Foundation formaliseerde dit eind 2025 met de Agentic AI Foundation (AAIF), en bracht MCP, OpenAI's AGENTS.md en Block's goose onder één governanceparaplu. Platina-leden zijn onder andere Amazon, Anthropic, Google, Microsoft en OpenAI. Wanneer je felste concurrenten dezelfde standaardenorganisatie mede-financieren, is de protocollaag beslist.

Waar Coding Agents Passen

Software-engineering nam ruwweg de helft van de vroege agentische implementaties voor zijn rekening, en ik begrijp waarom. De feedbackloop is strak en meetbaar. Cursor heeft naar verluidt $1 miljard in ARR bereikt en een waardering van $29,3 miljard in het afgelopen jaar, met een groei van $100 miljoen in ARR in slechts twaalf maanden. GitHub Copilot, Claude Code, Windsurf en Devin concurreren allemaal in een markt die twee jaar geleden in zijn huidige vorm niet bestond.

De architectuurverschuiving is het deel dat de aandacht verdient. Deze tools zijn niet langer autocomplete-wrappers. Ze houden toestand bij gedurende een codebase-sessie, openen pull requests, draaien tests, lezen foutuitvoer en proberen het opnieuw. OpenAI's Operator scoort 87% op complexe browsertaak-benchmarks. AGENTS.md, uitgebracht in augustus 2025, is al door meer dan 60.000 open-source repositories overgenomen als een standaardmanier om repositorycontext voor agents te beschrijven. Het coding-domein is momenteel het meest volwassen testterrein dat we hebben.

Ik gebruik Claude Code dagelijks op de Next.js-codebase van de blog en het productiviteitsverschil is echt, geen hype. Maar ik weet ook precies wat het niet kan: consistente intentie bewaren over meerdere tool-aanroepen heen wanneer er iets misgaat, of redeneren over bijeffecten twee stappen verder. Dat gat is het eigenlijke engineeringprobleem.

Het Deel Waar Niemand Genoeg Over Praat

Hier is het ongemakkelijke cijfer: slechts 11 tot 14% van de enterprise AI-agentpilots bereikte productie op schaal in maart 2026. Het falen ligt bijna nooit aan het model. Het ligt aan de orkestratielaag. Contextinconsistentie bij overdrachtspunten, agenten die feedbacklussen ingaan die API-budgetten binnen minuten leegtrekken, coördinatiefouten die uitgroeien tot systeembrede storingen. Productie-multi-agentsystemen kennen individuele agentfaalpercentages van 5 tot 15%, en zonder goede circuit-breaking verspreidt één storing zich als een olievlek.

Beveiliging is het andere onopgeloste probleem. Prompt-injectieaanvallen namen jaar-op-jaar met 340% toe en blijven in 2026 de grootste categorie beveiligingsfouten bij agentische AI, aldus het LLM Security Report van OWASP. De indirecte variant is bijzonder gevaarlijk: een kwaadaardige instructie verborgen in een document dat de agent leest, waarna echte acties worden geactiveerd (databasequery's, API-aanroepen, bestandswrites) die operators nooit zien aankomen. Microsoft, Google en GitHub hebben hier allemaal productieproblemen door gehad. Negenentwintig procent van de organisaties die agentische implementaties plannen, zegt voorbereid te zijn om ze te beveiligen. De overige eenenzeventig procent implementeert toch.

Tachtig procent van de organisaties die agenten inzetten heeft geen volwassen governancemodel om ze op schaal te beheren. Dat cijfer moet sneller dalen dan de adoptiegraad stijgt.

Hoe Goede Architectuur Er Nu Uitziet

De teams die ik respecteer bouwen geen monolithische agents. Ze bouwen netwerken van smalle, controleerbare agents met expliciete overdrachtscontracten, deterministische terugvalpaden en human-in-the-loop controlepunten bij elke consequente actie. De 2026 MCP-roadmap pakt het stateful sessieprobleem aan, de authenticatiegaten voor enterprise en de governance-tooling die productie-implementaties blootlegden. Dit zijn opgeloste engineeringproblemen zodra je je commit aan het oplossen ervan.

Het agent-to-agent (A2A) protocol, dat Google op Cloud Next 2026 heeft uitgelicht, is het volgende stuk. Agents moeten andere agents kunnen ontdekken, zich daarmee authenticeren en taken delegeren zonder een mens als tussenpersoon. Die infrastructuur wordt momenteel gebouwd.

Mijn eigen aanpak op projecten: behandel het actieoppervlak van de agent als een beveiligingsgrens, niet als een functielijst. Elk gereedschap dat de agent kan aanroepen is een potentieel explosiegebied. Instrumenteer alles. Stel expliciete budgetlimieten per uitvoering in. Bouw evaluaties voordat je functies bouwt.

Het grotere geheel

De framing van "AI-agents als het nieuwe besturingssysteem" was richtinggevend juist maar voorbarig in 2025. Wat meer klopt in midden-2026 is dat agents infrastructuur worden op dezelfde manier als databases en berichtenwachtrijen infrastructuur werden: stilletjes, met veel pijn in de beginfase, en dan plotseling overal. Het International AI Safety Report 2026 benoemt coördinatiefouten op schaal als het primaire systeemrisico, niet de capaciteit van individuele modellen.

De bouwers die het hier goed zullen doen, zijn degenen die betrouwbaarheid, observeerbaarheid en beveiliging van agents als eersteklas engineeringdisciplines behandelen, niet als bijzaken. Degenen die orkestratie als iemand anders' probleem beschouwen, zullen het zwaar krijgen in productie.