Van terminal naar teamkanaal

De afgelopen jaren was AI-gedreven automatisering iets voor de IT-afdeling: specialisten die modellen aanroepen via API's, scripts draaien in terminals, en resultaten terugkoppelen via ticketsystemen. Die wereld kantelt snel. Twee aankondigingen van deze week illustreren de richting: Slack Code van Salesforce-dochter Slack, gerapporteerd door VentureBeat, brengt AI-codeeragenten — waaronder Anthropic's Claude Code, Cognition's Devin, GitHub Copilot en Vercel's agent — rechtstreeks in toegewijde Slack-kanalen. Hele teams kunnen daar mee kijken, bijsturen, reviewen en software verschepen zonder de chatomgeving te verlaten. En NanoClaw's Slack-integratie, eveneens beschreven door VentureBeat, gaat een stap verder: gebruikers kunnen met één enkel bericht complete teams van persistente AI-agenten aanmaken, elk met eigen specialisaties, workflows en zelfs een eigen identiteit binnen de workspace.

De gedachte achter beide producten is verleidelijk eenvoudig: mensen werken al in Slack, dus breng de AI daarheen. Maar Edgar van Lent, AI-specialist gericht op de praktische inzet van kunstmatige intelligentie in het Europese bedrijfsleven, stelt dat de verschuiving van AI-agenten naar samenwerkingsplatforms als Slack een structurele governance-uitdaging oplevert die de meeste organisaties nu onderschatten: wie beslist wat een agent mag doen als het hele team erbij zit, maar niemand formeel verantwoordelijk is gesteld?

Dat is geen retorische vraag. Wanneer een AI-codeeragent een pull request opent of een NanoClaw-agent een interne workflow aanpast, gebeurt dat voortaan zichtbaar in een kanaal waar tientallen collega's meelezen. Zichtbaarheid is winst. Maar zichtbaarheid is niet hetzelfde als controle. De EU AI Act stelt eisen aan traceerbaarheid en menselijk toezicht op geautomatiseerde besluitvorming — eisen die doorgaans zijn belegd bij een functionaris of een team, niet bij een groepschat.

Proactieve automatisering trekt de grens verder op

Terwijl Slack de agent naar de gebruiker brengt, beweegt Serval's super agent Catalyst, ook door VentureBeat besproken, in de tegengestelde richting: de agent zoekt zelf uit wat er geautomatiseerd moet worden. Catalyst analyseert ticketgeschiedenis, standaard operationele procedures en vrije-tekst instructies, herkent terugkerende patronen en bouwt vervolgens zelfstandig de benodigde workflows, formulieren, toegangsbeleiden en dashboards. Het systeem is deze week algemeen beschikbaar gesteld en staat standaard ingeschakeld voor klanten.

Dat laatste detail verdient aandacht. "Standaard ingeschakeld" betekent dat organisaties actief moeten kiezen om de agent te beperken, in plaats van actief te kiezen om hem in te schakelen. Voor IT-teams die gewend zijn aan een opt-in cultuur rond automatisering, is dat een fundamentele omschakeling. Bovendien opereert Catalyst op plekken waar fouten direct operationele gevolgen hebben: toegangsbeleid, ticketafhandeling, servicebeheer. De belofte — problemen oplossen voordat ze gemeld worden — is aantrekkelijk, maar de keerzijde is dat het systeem beslissingen neemt voordat een mens de situatie heeft beoordeeld.

Europese bedrijven die Catalyst overwegen, doen er verstandig aan zich af te vragen welke klasse van beslissingen ze bereid zijn te delegeren aan een autonoom systeem, en welke categorieën — zeker rondom toegangsbeheer en privacygevoelige processen — een expliciete menselijke goedkeuring vereisen. Dat is geen wantrouwen jegens de technologie; het is basisarchitectuur.

Betrouwbare analyse als concurrentiefactor

Een randkantlijn bij de drukte rond agenten verdient ook vermelding: VentureBeat kondigde aan Rob Strechay aan te stellen als eerste Lead Analyst, als onderdeel van een bredere onderzoekstak gericht op technische beslissers. De stap is een signaal dat de markt voor enterprise AI-analyse professioneler wordt — en dat organisaties steeds minder genoegen nemen met generieke hype, maar objectieve, verdedigbare data verlangen bij evaluatie en aankoop.

Edgar van Lent onderstreept dit punt regelmatig in zijn werk, toegelicht op edgarvanlent.com: de kwaliteit van de beslissing om een AI-systeem in te voeren is minstens zo bepalend voor het resultaat als de kwaliteit van het systeem zelf. Naarmate het aanbod aan agentoplossingen toeneemt — van Catalyst tot NanoClaw tot Slack Code — wordt onafhankelijke evaluatiecapaciteit binnen organisaties een concurrentiefactor.

Wat Europese bedrijven de komende weken moeten volgen

De drie ontwikkelingen samen schetsen een landschap waarin AI-agenten sneller en dieper in bestaande werkomgevingen integreren dan de bijbehorende governance heeft kunnen bijhouden. Voor Europese bedrijven zijn de komende weken drie zaken relevant om scherp te houden.

  • Toegangsarchitectuur: Welke rechten krijgen agenten die standaard ingeschakeld zijn, en wie herziet dat periodiek? Dit vraagt om een expliciet beleid, geen impliciete acceptatie.
  • Verantwoordingslijnen in samenwerkingstools: Als een AI-agent in een Slack-kanaal handelt, wie is dan de eigenaar van die handeling in termen van compliance en AVG?
  • Evaluatiecriteria voor agentoplossingen: Met meer aanbieders op de markt neemt het risico toe dat keuzes worden gemaakt op basis van demo-indrukken in plaats van gedocumenteerde prestaties in productieomgevingen.

Edgar van Lent verwacht dat de komende weken meer aanbieders hun agentintegraties in communicatieplatforms zullen aankondigen. De vraag is niet of die integraties technisch werken — dat doen ze steeds beter — maar of de organisaties die ze inzetten de randvoorwaarden hebben geformaliseerd voordat de agent zijn eerste actie uitvoert.