Rukken AI-agents op in manufacturing en automotive?

Volgens het Amerikaanse dataplatform Databricks maken AI-agents een scherpe opmars in de industriële wereld. Het State of AI Agents 2026-rapport, gebaseerd op geanonimiseerde gebruiksdata van meer dan 20.000 klanten, stelt dat bedrijven AI nu niet meer alleen voor chatbots gebruiken, maar voor autonome, operationele workflows die onderhoud, kwaliteitscontrole en supply chains aansturen. Wat zegt dat voor Nederland?

1. Van chatbots naar autonome workflows

Het rapport laat zien dat organisaties multi-agent AI inzetten die verder gaan dan traditionele chatinterfaces. Databricks claimt een groei van 327 procent in het gebruik van multi-agent-workflows binnen vier maanden in 2025. Dat is echter uitsluitend gebaseerd op gebruik binnen het Databricks-platform en zegt weinig over de adoptiegraad in de industrie als geheel.

Dat betekent:
– Er is een versnelling zichtbaar bij bedrijven die al actief met Databricks werken.
– Het gaat niet om onafhankelijk industrieonderzoek, maar om vendor-specifieke data die vooral laat zien wat binnen dit ecosysteem gebeurt.

Voor Nederlandse bedrijven wijst dit op een reële trend richting agent-achtige systemen, maar de mate van adoptie verschilt sterk per sector en volwassenheidsniveau.

2. Manufacturing en automotive

Databricks stelt dat 35 procent van de manufacturing- en automotivebedrijven AI-agents inzet voor voorspellend onderhoud. Predictive maintenance is inderdaad wereldwijd een van de meest voorkomende AI-toepassingen in de maakindustrie, omdat sensordata en tijdreeksen zich goed lenen voor modellering.

Er zijn echter kanttekeningen:
– Het percentage geldt alleen voor Databricks-klanten en is niet representatief voor de hele sector.
– De term AI-agents omvat uiteenlopende oplossingen, van relatief eenvoudige automatisering tot complexe multi-agent-systemen.
– Extern onderzoek laat zien dat betrouwbaarheid en evaluatie van agent-gedreven systemen nog grote uitdagingen vormen en dat menselijke supervisie in veel gevallen noodzakelijk blijft.

3. Governance en de stap naar productie

Volgens Databricks brengen bedrijven die AI-governance toepassen twaalf keer zoveel AI-projecten naar productie. Organisaties die evaluatietools gebruiken zouden zelfs zes keer zo succesvol zijn in het opschalen van AI-initiatieven.

Dit sluit aan bij breder onderzoek waaruit blijkt dat veel generatieve-AI-projecten blijven steken in pilots. Tegelijkertijd is niet duidelijk hoe Databricks governance en evaluatie precies definieert. In veel gevallen zijn dit frameworks die door leveranciers zelf zijn vormgegeven, wat de objectiviteit van de vergelijking beperkt.

4. Agents en data-infrastructuur

Het bericht vermeldt voorts dat AI-agents inmiddels 80 procent van de databases aanmaken en 97 procent van de test- en ontwikkelomgevingen opzetten. Deze cijfers zijn niet extern gevalideerd en onafhankelijke analyses laten zien dat veel agent-toepassingen zich voorlopig beperken tot het ondersteunen en versnellen van bestaande taken. Volledig autonome systemen blijven uitzonderlijk, zeker in complexe industriële omgevingen.

Conclusie

Het Databricks-rapport laat zien dat AI-agents terrein winnen en dat de focus verschuift van experimenteren naar toepassen De grootste relevantie voor de Nederlandse manufacturing- en automotive-sector zit niet in spectaculaire groeicijfers, maar in de bevestiging dat AI-agents vooral waarde toevoegen wanneer ze goed zijn ingebed in bestaande data-architecturen, met duidelijke governance en menselijke controle.