De kloof tussen belofte en realiteit: wat de strijd van Salesforce onthult over AI-transformatie in de techsector

De grote AI-desillusie: waarom Salesforce laat zien dat de realiteit er anders uitziet

De spectaculaire daling van 27 procent in de aandelenkoers van CRM-gigant Salesforce sinds begin 2025 is geen op zichzelf staand fenomeen van één enkel bedrijf. Het symboliseert eerder een fundamentele discrepantie tussen de hoge verwachtingen van kunstmatige intelligentie (AI) en de harde realiteit van de commerciële exploitatie ervan. Terwijl technologiebedrijven wereldwijd de revolutie van autonome AI-agents verkondigen, legt de situatie van Salesforce drie centrale problemen bloot die symptomatisch kunnen zijn voor de hele sector: de monetisering van AI-innovaties, de structurele volwassenheid van de markt voor bedrijfssoftware en de toenemende complexiteit van technologie-integratie. Deze analyse onderzoekt wat er werkelijk schuilgaat achter deze vermeende belofte van de toekomst en welke gevolgen dit heeft voor de technologiesector.

Geschikt hiervoor:

• Kunstmatige intelligentie: waarom Salesforces Agentforce niet (nog) begonnen - onafhankelijke alternatieven zijn beter

Basisprincipes en relevantie

De situatie van Salesforce in oktober 2025 markeert een keerpunt in de perceptie van kunstmatige intelligentie (AI) als directe groeimotor voor gevestigde techbedrijven. Marc Benioff, de charismatische oprichter en CEO van het CRM-bedrijf, kondigde het tijdperk van agent-gebaseerde AI aan tijdens de Dreamforce-conferentie van het bedrijf in San Francisco. Zijn visie: autonome algoritmes zouden menselijke medewerkers in bedrijven vervangen en de belangrijkste inkomstenbron van Salesforce worden. De realiteit schetst echter een ander beeld.

De dramatische daling van de Salesforce-aandelen staat in schril contrast met de algemene trend in de techsector, waar technologieaandelen in dezelfde periode aanzienlijke winsten hebben geboekt. Deze divergentie roept fundamentele vragen op: heeft de sector de snelheid waarmee kunstmatige intelligentie (AI) kan worden omgezet in reële omzet overschat? Zijn de verwachtingen voor autonome AI-agenten realistisch? En welke structurele problemen schuilen er achter de glanzende façade van de belofte van AI?

De relevantie van deze analyse reikt veel verder dan Salesforce. Het raakt alle bedrijven die kunstmatige intelligentie (AI) als belangrijke groeimotor gebruiken. Het raakt investeerders die miljarden in AI-technologieën pompen. En het raakt werknemers wier banen bedreigd worden door de beloofde automatisering. De Salesforce-case biedt een uniek inzicht in de mechanismen, verwachtingen en teleurstellingen van een sector in transitie.

Dit artikel is verdeeld in acht secties die systematisch de historische wortels, technische mechanismen, huidige status, praktische use cases, kritieke problemen, toekomstige ontwikkelingen en een afsluitende samenvatting van de geleerde lessen presenteren. Het zal duidelijk worden dat de uitdagingen van Salesforce representatief zijn voor dieperliggende sectorproblemen die veel verder reiken dan één bedrijf.

Van cloudpionier tot AI-vechter: de strategische heroriëntatie van een industriegigant

Om de huidige situatie te begrijpen, moeten we de oorsprong en de evolutie van Salesforce analyseren. Het bedrijf, opgericht in 1999 door Marc Benioff, bracht een revolutie teweeg in de software-industrie met een toen radicaal concept: Software as a Service. In plaats van dure licentiepakketten te verkopen die op de servers van klanten geïnstalleerd moesten worden, bood Salesforce zijn CRM-oplossing online aan. Klanten betaalden een maandelijks bedrag en konden de software eenvoudig via hun browser gebruiken.

Deze innovatie maakte Salesforce marktleider in customer relationship management. Met een marktaandeel van meer dan 21 procent domineert het bedrijf nog steeds de wereldwijde CRM-markt, met een ruime voorsprong op concurrenten zoals Microsoft, Oracle en SAP. Meer dan twintig jaar lang werd Salesforce beschouwd als een groeiaandeel bij uitstek. De omzet groeide jaar na jaar met dubbele cijfers, de aandelenkoers klom continu en het bedrijf breidde zich uit door talloze overnames.

Maar al in de aanloop naar 2025 verschenen de eerste tekenen van een vertraging. De groei in de CRM-softwaresector als geheel vertraagde doordat de markt steeds meer verzadigd raakte. Veel grote bedrijven hadden al CRM-systemen geïmplementeerd en de laaghangende vruchten waren geplukt. Tegelijkertijd ontstonden er nieuwe concurrenten die marktaandeel veroverden met innovatieve benaderingen en lagere prijzen.

In deze situatie richtte Benioff zich vanaf 2022 steeds meer op kunstmatige intelligentie als een nieuw groeiverhaal. Salesforce introduceerde eerst Einstein, een AI-platform dat voorspellende analyses en automatisering binnen de bestaande CRM-producten mogelijk maakte. Vervolgens volgde in september 2024 de grote aankondiging: Agentforce, een platform voor autonome AI-agenten die zelfstandig taken zouden uitvoeren op het gebied van klantenservice, sales en marketing.

De visie was ambitieus: tegen eind 2025 zouden klanten via het platform een ​​miljard autonome AI-agenten creëren. Deze agenten zouden niet alleen eenvoudige vragen beantwoorden, maar ook zelfstandig complexe taken met meerdere stappen plannen en uitvoeren. Ze zouden proactief handelen, beslissingen nemen en toegang hebben tot de volledige database van het bedrijf.

Tegelijkertijd investeerde Salesforce fors in de technologische basis voor deze AI-agents. In mei 2025 kondigde het bedrijf de overname aan van Informatica, een specialist in datamanagement, voor $ 8 miljard. De overname was bedoeld om ervoor te zorgen dat de AI-agents toegang hebben tot hoogwaardige, goed gestructureerde data. In het najaar van 2024 had Salesforce al Own Data, een ander datamanagementbedrijf, overgenomen voor $ 1,9 miljard.

Maar ondanks deze enorme investeringen en de grootse visie bleven de gehoopte omzetstijgingen uit. In het tweede kwartaal van het fiscale jaar 2025/26 groeide de omzet van Salesforce met 9,8 procent tot $ 10,24 miljard. Hoewel dit iets boven de verwachtingen lag, was het het vijfde kwartaal op rij met een eencijferige groei. De vooruitzichten voor het komende kwartaal waren nog voorzichtiger, wat de bezorgdheid aanwakkerde dat het AI-offensief niet het gehoopte commerciële succes zou opleveren.

De anatomie van autonome AI-agenten: technologie tussen visie en haalbaarheid

Om te begrijpen waarom het zo lastig is om AI-agenten te gelde te maken, is het belangrijk om de technische basis en mechanismen van deze systemen te onderzoeken. Agentforce is gebaseerd op verschillende technologische componenten die moeten samenwerken om de beloofde autonomie te bereiken.

De kern wordt gevormd door de Atlas Reasoning Engine, die fungeert als het neurale netwerk of brein van de AI-agenten. Deze engine is ontworpen om menselijk denken en gedrag na te bootsen, taken correct te categoriseren, taakstappen te prioriteren en ze uiteindelijk correct uit te voeren. In tegenstelling tot eerdere AI-assistenten zoals Copilot, die sterk afhankelijk waren van menselijke interactie, zijn Agentforce-agenten ontworpen om grotendeels autonoom te opereren.

De tweede belangrijke component is de Salesforce Data Cloud, die alle relevante bedrijfsgegevens in realtime harmoniseert en beschikbaar stelt aan AI-agenten. De kwaliteit en volledigheid van deze gegevens zijn cruciaal voor de prestaties van agenten. Dit brengt ook een van de grootste uitdagingen met zich mee: veel bedrijven verzamelen hun gegevens al jaren in verschillende systemen zonder consistente standaarden of regelmatige opschoning.

De derde component bestaat uit integratietools zoals MuleSoft en kant-en-klare connectoren waarmee agents kunnen communiceren met bestaande workflows en externe systemen. Deze interfaces stellen agents in staat om niet alleen binnen Salesforce te werken, maar ook te communiceren met andere bedrijfsapplicaties.

Naast deze Salesforce-specifieke componenten integreert Agentforce ook grootschalige taalmodellen van externe leveranciers zoals OpenAI, Anthropic en Google Gemini. Deze modellen bieden de onderliggende natuurlijke taalverwerking en algemene wereldkennis waarop specifieke agents zijn gebaseerd.

De functionaliteit kan worden geïllustreerd aan de hand van het voorbeeld van een klantenservicemedewerker: een klant neemt contact op met het bedrijf met een vraag. De medewerker analyseert de vraag, raadpleegt de relevante klantgegevens in de Data Cloud, vergelijkt deze met soortgelijke gevallen uit het verleden, ontwikkelt een meerstappenplan voor de oplossing, voert deze stappen uit en communiceert het resultaat met de klant. Dit alles gebeurt zonder menselijke tussenkomst, tenzij de medewerker een probleem tegenkomt dat zijn of haar capaciteiten te boven gaat.

Dit klinkt indrukwekkend in theorie, maar in de praktijk zijn er echter talloze struikelblokken. Agenten zijn slechts zo goed als de data waartoe ze toegang hebben. Als de data onvolledig, verouderd of inconsistent is, nemen agenten onjuiste beslissingen. Integratie met bestaande bedrijfssystemen is vaak complex en vergt veel inspanning. En hoewel het configureren van agents wordt aangeprezen als een low-code proces, vereist het toch aanzienlijke technische kennis en Salesforce-specifieke knowhow.

Een ander probleem is een gebrek aan vertrouwen. Veel bedrijven aarzelen om de controle over kritieke bedrijfsprocessen over te dragen aan autonome agents zonder robuuste testprocedures en beveiligingsmechanismen. Het risico op fouten, datalekken of ongewenst gedrag is reëel, zoals voorbeelden uit andere sectoren aantonen.

De moeilijke weg naar winstgevendheid: drie fundamentele uitdagingen

De problemen van Salesforce kunnen worden samengevat in drie belangrijke uitdagingen die kenmerkend zijn voor de hele sector: het monetiseren van AI-innovaties, structurele marktrijpheid en de complexiteit van de acceptatie van technologie.

De eerste uitdaging betreft monetisering

Hoewel Salesforce met Agentforce een technologisch geavanceerd product heeft ontwikkeld, blijft de hamvraag: hoe kunnen ze hiermee geld verdienen? Het prijsmodel van Agentforce is gebaseerd op twee dollar per gesprek, een gebruiksgerichte aanpak die verschilt van traditionele licentiemodellen. Veel potentiële klanten aarzelen echter om deze technologie op grote schaal te implementeren totdat het rendement op de investering duidelijk is aangetoond.

De kosten voor het inzetten van AI-agents zijn aanzienlijk. De onderliggende grote taalmodellen vereisen dure computerbronnen. Volgens schattingen uit de sector kost een enkele zoekopdracht naar een generatief AI-model tot wel tien keer meer dan een traditionele Google-zoekopdracht. Deze kosten moeten worden doorberekend aan klanten, wat de prijsacceptatie beperkt. Tegelijkertijd verwachten klanten dat AI-agents een duidelijke meerwaarde bieden die de hogere kosten rechtvaardigt.

Tot op heden gebruiken slechts ongeveer 12.000 bedrijven Agentforce, een klein aantal gezien Salesforce's enorme klantenbestand van enkele honderdduizenden bedrijven. De jaarlijkse terugkerende omzet van Agentforce bedraagt ​​minder dan $ 500 miljoen, een fractie van de totale omzet van meer dan $ 40 miljard. Zelfs als dit aantal de komende jaren verdrievoudigt of verviervoudigt, zoals Salesforce hoopt, zal de bijdrage aan de totale omzet nog steeds beperkt zijn.

De tweede belangrijke uitdaging is de structurele volwassenheid van de CRM-markt

Na twee decennia van sterke groei heeft de markt voor CRM-software een verzadigingsfase bereikt. De meeste grote en middelgrote bedrijven in ontwikkelde markten hebben al CRM-systemen geïmplementeerd. Het potentieel voor organische groei door nieuwe klantenwerving is beperkt.

Tegelijkertijd is de concurrentie heviger geworden. Microsoft met Dynamics 365, Oracle met zijn cloudapplicaties, SAP met zijn CRM-oplossingen en talloze gespecialiseerde aanbieders zoals HubSpot, Zendesk en Zoho strijden allemaal om marktaandeel. Deze concurrenten hebben de afgelopen jaren een inhaalslag gemaakt en bieden soms goedkopere of meer gespecialiseerde oplossingen aan.

In deze omgeving zal het voor Salesforce moeilijker zijn om dubbele groeicijfers te behalen, zelfs met innovatieve AI-functies. Klanten zullen niet zomaar van CRM-systeem wisselen omdat een leverancier nieuwe AI-mogelijkheden biedt. De implementatie van een CRM-systeem is complex, duur en tijdrovend. Bedrijven aarzelen om over te stappen zolang hun bestaande systeem nog werkt.

Analisten zoals Karl Keirstead van UBS hebben erop gewezen dat de CRM-markt al relatief volwassen is, terwijl de AI-investeringen van klanten op dit gebied zich nog in een zeer vroeg stadium bevinden. Er zit dus een tijdsverschil tussen de marktvolwassenheid van kernproducten en de volwassenheid van AI-aanvullingen. Deze discrepantie maakt het voor Salesforce moeilijk om zijn eerdere groeimomentum terug te winnen.

De derde fundamentele uitdaging betreft de complexiteit van de adoptie van technologie.

Hoewel Salesforce Agentforce promoot als een gebruiksvriendelijke low-code oplossing, is de realiteit voor veel klanten veel complexer. Een succesvolle implementatie van AI-agents vereist een solide datafundament, goed gedefinieerde processen, technische expertise en aanzienlijke investeringen in training en verandermanagement.

Veel bedrijven kampen met fundamentele uitdagingen zoals slechte datakwaliteit, geïsoleerde datasilo's, ontoereikende IT-infrastructuur en een gebrek aan AI-expertise. Deze problemen moeten worden aangepakt voordat AI-agents hun potentieel kunnen benutten. Dit vereist tijd, middelen en een langetermijnaanpak waar veel bedrijven voor terugdeinzen.

Daarbij komt nog het tekort aan geschoolde arbeidskrachten. De vraag naar AI-experts, dataspecialisten en Salesforce-beheerders overtreft het aanbod ruimschoots. Bedrijven moeten hoge salarissen betalen om gekwalificeerde medewerkers aan te trekken en te behouden. Dit verhoogt de kosten van de implementatie van AI-oplossingen verder en verlengt de time-to-value.

Hier leert u hoe uw bedrijf snel, veilig en zonder hoge toetredingsdrempels maatwerk AI-oplossingen kan implementeren.

Een Managed AI Platform is uw complete, zorgeloze pakket voor kunstmatige intelligentie. In plaats van complexe technologie, dure infrastructuur en langdurige ontwikkelprocessen, ontvangt u van een gespecialiseerde partner een kant-en-klare oplossing op maat – vaak binnen enkele dagen.

De belangrijkste voordelen in één oogopslag:

⚡ Snelle implementatie: van idee tot operationele toepassing in dagen, niet maanden. Wij leveren praktische oplossingen die direct waarde creëren.

🔒 Maximale gegevensbeveiliging: uw gevoelige gegevens blijven bij u. Wij garanderen een veilige en conforme verwerking zonder gegevens met derden te delen.

💸 Geen financieel risico: u betaalt alleen voor resultaten. Hoge initiële investeringen in hardware, software of personeel vervallen volledig.

🎯 Focus op uw kernactiviteiten: concentreer u op waar u goed in bent. Wij verzorgen de volledige technische implementatie, exploitatie en het onderhoud van uw AI-oplossing.

📈 Toekomstbestendig & Schaalbaar: Uw AI groeit met u mee. Wij zorgen voor continue optimalisatie en schaalbaarheid en passen de modellen flexibel aan nieuwe eisen aan.

Meer hierover hier:

• De Managed AI-oplossing - Industriële AI-services: de sleutel tot concurrentievermogen in de dienstensector, de industrie en de machinebouw

Succesverhalen en desillusies: wat de praktijk ons ​​leert over AI-agenten

Om een ​​compleet beeld te krijgen, is het de moeite waard om te kijken naar concrete use cases en praktische ervaringen met AI-agents, zowel bij Salesforce zelf als bij andere bedrijven.

Salesforce heeft zelf een van de meest opvallende implementaties van AI-agenten geïmplementeerd: in de eigen klantenservice. CEO Marc Benioff kondigde in september 2025 aan dat het bedrijf zijn klantenserviceteam had teruggebracht van 9.000 naar 5.000 medewerkers, een afname van 45 procent. De ontslagen medewerkers werden vervangen door AI-agenten, die volgens Benioff al 1,5 miljoen klantgesprekken hebben afgehandeld en daarmee een klanttevredenheidsniveau hebben bereikt dat vergelijkbaar is met dat van menselijke agenten.

Enerzijds toont deze drastische maatregel het potentieel van AI-agenten aan om repetitieve taken te automatiseren en kosten te verlagen. Salesforce bespaart aanzienlijke personeelskosten door deze ontslagen en kan tegelijkertijd meer vragen verwerken. Anderzijds roept het ethische en praktische vragen op. De kwaliteit van de klantenservice voor complexere vragen die menselijk inzicht en empathie vereisen, valt nog te bezien. Andere bedrijven, zoals Klarna, die vergelijkbare automatiseringsstrategieën hebben toegepast, hebben moeten toegeven dat de servicekwaliteit eronder heeft geleden.

Een tweede voorbeeld zijn AI-agenten in de verkoop. Verschillende Salesforce-klanten hebben agenten geïmplementeerd die automatisch prospects kwalificeren, afspraken inplannen en follow-upmails versturen. Deze agenten werken 24/7 en kunnen honderden leads tegelijk verwerken. Volgens Salesforce hebben sommige klanten gemeld dat de productiviteit van hun verkoopteams met 20 tot 30 procent is toegenomen dankzij de inzet van dergelijke agenten.

Ook hier zijn er echter beperkingen. Agenten werken het beste met gestandaardiseerde processen en duidelijk gedefinieerde kwalificatiecriteria. Ze lopen echter snel tegen hun grenzen aan in complexe B2B-verkoopprocessen die diepgaande productkennis en strategische onderhandelingsvaardigheden vereisen. Bovendien melden sommige gebruikers een zekere mate van ontevredenheid over potentiële klanten die liever met een mens spreken.

Naast Salesforce zijn er talloze andere bedrijven die AI-agents gebruiken. ServiceNow, een directe concurrent van Salesforce op het gebied van IT-servicemanagement, heeft een eigen platform voor AI-agents ontwikkeld. Deze agents zijn ontworpen om zelfstandig IT-problemen te diagnosticeren en op te lossen, serviceaanvragen af ​​te handelen en workflows te orkestreren.

Microsoft maakt ook gebruik van agent-gebaseerde AI voor zijn Copilot-producten, maar met een iets andere aanpak. Microsoft-agents zijn dieper geïntegreerd in bestaande Office 365-producten en richten zich op het ondersteunen van individuele productiviteit in plaats van autonome procesautomatisering.

SAP en Oracle volgen vergelijkbare strategieën en ontwikkelen AI-agents die rechtstreeks in hun ERP- en CRM-systemen zijn geïntegreerd. SAP heeft Joule geïntroduceerd, een AI-assistent die bedrijfsprocessen analyseert, aanbevelingen doet en taken automatiseert. Oracle richt zich met name op AI-gestuurde cloudinfrastructuur en positioneert zichzelf als een platform voor rekenintensieve AI-workloads.

Wat al deze voorbeelden aantonen, is dat AI-agenten het beste presteren in duidelijk gedefinieerde use cases met gestructureerde data en gestandaardiseerde processen. Hoe complexer, onvoorspelbaarder en mensgerichter een taak is, hoe moeilijker het voor autonome agents wordt om menselijke prestaties te evenaren of te overtreffen.

Geschikt hiervoor:

• Salesforce AI: Waarom onafhankelijke AI-platforms beter zijn dan Einstein en Agentforce-hybride benadering verslaat leverancier Lock-in!

Kritiek, controverses en onopgeloste vragen: de donkere kant van de AI-revolutie

De problemen van Salesforce en de bredere uitdagingen bij de implementatie van AI-agents hebben geleid tot een intens debat over de beloften en beperkingen van de technologie. Verschillende kritische aspecten verdienen speciale aandacht.

Het eerste controversiële punt betreft banenverlies. Door 4.000 klantenservicemedewerkers te ontslaan, gaf Salesforce een duidelijke boodschap af: AI-medewerkers vervangen niet alleen inefficiënte processen, maar ook mensen. Benioff had eerder al beweerd dat AI niet zou leiden tot het verdwijnen van kantoorbanen. De realiteit laat echter iets anders zien.

Deze trend beperkt zich niet tot Salesforce. Volgens gegevens zouden alleen al in de VS tegen 2025 meer dan 64.000 banen in de techsector verdwijnen, waarvan vele te wijten zijn aan de toegenomen automatisering door middel van AI. De ironie is dat veel van deze bedrijven tegelijkertijd op zoek zijn naar nieuwe medewerkers, met name in de ontwikkeling en verkoop van AI. Er vindt dus een verschuiving plaats, waarbij bepaalde functies verdwijnen terwijl andere ontstaan. Maar de vraag blijft of de nieuw gecreëerde banen de verloren banen zowel in aantal als in kwaliteit zullen compenseren.

Het tweede cruciale aspect is de discrepantie tussen marketing en realiteit. Salesforce en andere techbedrijven hebben AI-agents gepromoot met grote beloftes: een revolutie in de wereld van werk, magische productiviteitswinsten, autonome systemen die menselijke werknemers vervangen. De realiteit is echter dat veel implementaties zich nog in de pilotfase bevinden en de beloofde productiviteitswinsten vaak uitblijven of slechts in beperkte mate worden gerealiseerd.

Uit een onderzoek van Capgemini blijkt dat 90 procent van de ondervraagde leidinggevenden ervan overtuigd is dat agent-based AI een concurrentievoordeel biedt, maar dat slechts 14 procent daadwerkelijk is begonnen met de implementatie ervan. De meerderheid bevindt zich nog in de planningsfase en bijna de helft heeft geen concrete implementatiestrategie. Het vertrouwen in volledig autonome AI-agenten is het afgelopen jaar aanzienlijk gedaald, van 43 naar 27 procent.

Een derde problematische kwestie is de afhankelijkheid van individuele techgiganten. Salesforce Agentforce is nauw geïntegreerd met het Salesforce-ecosysteem. Agents werken optimaal wanneer alle data en processen zich binnen de Salesforce-wereld bevinden. Het integreren van externe kennisbronnen of -systemen vergt aanzienlijke inspanning. Dit creëert een vendor lock-in-effect, waardoor het voor klanten moeilijk is om over te stappen op alternatieve oplossingen.

Ook Microsoft, SAP en Oracle krijgen te maken met vergelijkbare kritiek. Elke leverancier probeert zijn eigen ecosysteem te creëren waarin zijn AI-agents optimaal functioneren. Dit bemoeilijkt de integratie van verschillende systemen en dwingt klanten om voor een primaire leverancier te kiezen. Initiatieven zoals het Model Context Protocol, dat gestandaardiseerde communicatie tussen AI-agents van verschillende leveranciers mogelijk maakt, staan ​​nog in de kinderschoenen.

Een vierde controversieel aspect betreft dataprivacy en -beveiliging. AI-agents hebben toegang tot uitgebreide bedrijfsgegevens nodig om effectief te kunnen functioneren. Dit brengt potentiële beveiligingsrisico's met zich mee, vooral wanneer deze gegevens worden doorgestuurd naar externe AI-services zoals OpenAI of Anthropic. Hoewel Salesforce en andere leveranciers benadrukken dat ze strikte gegevensbeschermingsmaatregelen hebben geïmplementeerd, blijven er zorgen bestaan, met name in gereguleerde sectoren zoals de gezondheidszorg of financiële dienstverlening.

Het vijfde kritieke punt is de impact op het milieu. Het draaien van grote AI-modellen vereist enorme hoeveelheden rekenkracht en dus energie. De datacenters die deze modellen aandrijven, verbruiken miljoenen kilowattuur elektriciteit en produceren aanzienlijke CO2-uitstoot. In een tijd waarin bedrijven steeds meer onder druk staan ​​om hun duurzaamheidsdoelen te halen, wordt de ecologische voetafdruk van AI-systemen een steeds groter probleem.

Vooruitkijken: tussen consolidatie en de volgende golf

Ondanks alle huidige uitdagingen voorspellen experts dat AI-agenten de komende jaren een steeds belangrijkere rol zullen spelen in bedrijven. De vraag is niet óf, maar hoe snel en in welke vorm deze technologie de overhand zal krijgen.

Gartner voorspelt dat in 2026 ongeveer 40 procent van alle bedrijfsapplicaties taakspecifieke AI-agenten zal bevatten, een aanzienlijke stijging ten opzichte van minder dan 5 procent in 2025. Tegen 2035 zou agentgebaseerde AI goed kunnen zijn voor ongeveer 30 procent van de wereldwijde omzet uit bedrijfssoftware, goed voor meer dan $ 450 miljard. De markt voor autonome AI en autonome agenten zal groeien van $ 8,62 miljard in 2025 tot $ 263,96 miljard in 2035, met een samengestelde jaarlijkse groei van meer dan 40 procent.

Deze prognoses zijn gebaseerd op de aanname dat de huidige uitdagingen geleidelijk zullen worden overwonnen. Verschillende ontwikkelingen kunnen hieraan bijdragen:

Ten eerste zal de technologie zelf evolueren. De onderliggende grote taalmodellen zullen krachtiger, efficiënter en kosteneffectiever worden. Nieuwe modellen zoals OpenAI's o1 met verbeterde redenering of Anthropic's Claude met langere contextvensters zullen complexere taken mogelijk maken. De kosten van AI-inferentie zijn al drastisch gedaald, met een factor 280 tussen november 2022 en oktober 2024. Deze trend zal zich waarschijnlijk voortzetten, waardoor AI-toepassingen economisch aantrekkelijker worden.

Ten tweede zullen bedrijven leren hoe ze AI-agents effectiever kunnen inzetten. Early adopters zullen ervaring opdoen, best practices identificeren en deze delen met de bredere gemeenschap. Trainingsprogramma's, certificeringen en adviesdiensten zullen ontstaan ​​om bedrijven te ondersteunen bij de implementatie ervan.

Ten derde zou standaardisatie kunnen toenemen. Initiatieven zoals het Model Context Protocol of het Agent-to-Agent Protocol van ServiceNow zijn gericht op het mogelijk maken van communicatie tussen AI-agenten van verschillende leveranciers. Als dergelijke standaarden worden ingevoerd, zouden ze de integratie vergemakkelijken en vendor lock-in verminderen.

Ten vierde is er een consolidatie van leveranciers te verwachten. De markt voor AI-agenten is momenteel gefragmenteerd, met tientallen startups en gevestigde spelers die strijden om marktaandeel. De komende jaren zullen waarschijnlijk overnames en marktverschuivingen zien, vergelijkbaar met die in andere technologiesegmenten in het verleden. Grote bedrijven zoals Salesforce, Microsoft, Google, SAP en Oracle zullen kleinere leveranciers overnemen om hun AI-mogelijkheden uit te breiden.

Specifiek voor Salesforce is het cruciaal of het bedrijf de overname van Informatica succesvol kan integreren en daadwerkelijk waarde kan genereren voor Agentforce. De overname is de grootste in de geschiedenis van het bedrijf sinds de overname van Slack in 2021. Er zitten risico's aan verbonden, zoals blijkt uit de downgrade van RBC, waardoor de koersdoelstelling drastisch werd verlaagd. Maar het biedt ook kansen als Salesforce hiermee een completer datamanagementplatform kan creëren dat AI-agents effectiever maakt.

Op de middellange termijn, tegen 2030, streeft Salesforce naar een omzet van meer dan $ 60 miljard, wat overeenkomt met een organische groei van meer dan 10 procent per jaar. Dit zou een terugkeer naar dubbele groeicijfers betekenen, nadat de groei sinds medio 2024 onder dit niveau was gezakt. Of dit doel realistisch is, hangt grotendeels af van de vraag of Agentforce en andere AI-producten het gehoopte succes opleveren.

Op de lange termijn voorspelt Gartner dat de trend zich zou kunnen ontwikkelen tot complexe ecosystemen met meerdere agenten. In dergelijke systemen werken gespecialiseerde agenten samen, coördineren ze hun acties en delen ze informatie. Eén agent zou klantvragen kunnen analyseren, een andere zou oplossingen kunnen ontwikkelen, een derde zou de implementatie kunnen coördineren en een vierde zou de kwaliteit kunnen bewaken. Deze georkestreerde samenwerking zou nog complexere bedrijfsprocessen kunnen automatiseren.

Maar er is nog een lange weg te gaan. De komende twee tot drie jaar zullen cruciaal zijn om te zien of de huidige problemen kunnen worden overwonnen en of de beloofde productiviteitswinst en omzetstijgingen daadwerkelijk werkelijkheid worden.

Lessen uit de Salesforce-crisis voor de tech-industrie

De analyse van het Salesforce-probleem onthult fundamentele waarheden over de stand van zaken op het gebied van kunstmatige intelligentie en de commerciële exploitatie ervan. De belangrijkste bevinding is dat er een aanzienlijke discrepantie bestaat tussen de technologische haalbaarheid van AI-agenten en hun commerciële winstgevendheid in de huidige marktomgeving.

Salesforce is een goed voorbeeld van een sector die het AI-tijdperk met hoge verwachtingen inging, maar nu geconfronteerd wordt met de harde realiteit van monetisatie. De drie belangrijkste geïdentificeerde uitdagingen – monetisatieproblemen, marktverzadiging en complexiteit van de implementatie – zijn niet specifiek voor Salesforce, maar hebben gevolgen voor de gehele enterprise software-industrie.

De ervaring leert dat technologische innovatie alleen niet voldoende is. Bedrijven moeten ook een overtuigend businessmodel ontwikkelen, duidelijke klantvoordelen aantonen en de drempels voor adoptie verlagen. Salesforce heeft met Agentforce een technologisch indrukwekkend product ontwikkeld, maar het vertalen hiervan naar duurzame omzetgroei blijft een uitdaging.

Voor beleggers betekent dit dat ze onderscheid moeten maken tussen hype op de korte termijn en waarde op de lange termijn. De hoge waarderingen van veel AI-bedrijven zijn gebaseerd op verwachtingen van toekomstige winsten die mogelijk niet of aanzienlijk vertraagd worden gerealiseerd. Een nuchtere analyse van de daadwerkelijke acceptatiegraad, omzetbijdragen en winstgevendheid is essentieel.

Voor bedrijven die AI-agents willen implementeren, luidt de aanbeveling: begin met duidelijk gedefinieerde use cases, investeer in datakwaliteit en change management en verwacht geen wonderen van de ene op de andere dag. De meest succesvolle implementaties richten zich op een paar goed uitgevoerde projecten in plaats van op het lanceren van talloze oppervlakkige experimenten.

Voor werknemers betekent deze ontwikkeling dat bepaalde taken door AI zullen worden geautomatiseerd, terwijl er nieuwe rollen zullen ontstaan. Investeren in AI-relevante vaardigheden – of het nu gaat om de ontwikkeling, het beheer of de strategische toepassing van AI – wordt steeds belangrijker.

De Salesforce-case is dus veel meer dan het verhaal van één bedrijf in de problemen. Het is een les over de uitdagingen van technologische transformatie, de kloof tussen visie en realiteit, en de noodzaak om ondanks al het enthousiasme voor nieuwe technologieën een helder beeld te behouden van de economische realiteit. De AI-revolutie komt er wel, maar die zal geleidelijk, hobbelig en selectief verlopen – niet zoals de vaak genoemde oerknal, maar als een continu proces met ups en downs.

☑️ onze zakelijke taal is Engels of Duits

☑️ Nieuw: correspondentie in uw nationale taal!

 

Ik ben blij dat ik beschikbaar ben voor jou en mijn team als een persoonlijk consultant.

U kunt contact met mij opnemen door het contactformulier hier in te vullen of u gewoon te bellen op +49 89 674 804 (München) . Mijn e -mailadres is: Wolfenstein ∂ Xpert.Digital

Ik kijk uit naar ons gezamenlijke project.

 

 

☑️ MKB -ondersteuning in strategie, advies, planning en implementatie

☑️ Creatie of herschikking van de digitale strategie en digitalisering

☑️ Uitbreiding en optimalisatie van de internationale verkoopprocessen

☑️ Wereldwijde en digitale B2B -handelsplatforms

☑️ Pioneer Business Development / Marketing / PR / Maatregel

Branchefocus: B2B, digitalisering (van AI tot XR), machinebouw, logistiek, hernieuwbare energie en industrie

Meer hierover hier:

• Xpert Business Hub

Een thematisch centrum met inzichten en expertise:

• Kennisplatform over de mondiale en regionale economie, innovatie en branchespecifieke trends
• Verzameling van analyses, impulsen en achtergrondinformatie uit onze focusgebieden
• Een plek voor expertise en informatie over actuele ontwikkelingen in het bedrijfsleven en de technologie
• Topic hub voor bedrijven die meer willen weten over markten, digitalisering en industriële innovaties

Xpert.Digital heeft diepe kennis in verschillende industrieën. Dit stelt ons in staat om op maat gemaakte strategieën te ontwikkelen die zijn afgestemd op de vereisten en uitdagingen van uw specifieke marktsegment. Door continu markttrends te analyseren en de ontwikkelingen in de industrie na te streven, kunnen we handelen met vooruitziende blik en innovatieve oplossingen bieden. Met de combinatie van ervaring en kennis genereren we extra waarde en geven onze klanten een beslissend concurrentievoordeel.

Meer hierover hier:

• Gebruik de 5 -voudig competentie van Xpert.Digital in één pakket - van 500 €/maand