Emergence of Agentic AI: A Review on Evolution, Background, Working Principles, Applications, Adoption Factors, and Future Research Directions
Deze systematische review onderzoekt uitgebreid de evolutie, architectuur, toepassingen en adoptiefactoren van Agentic AI, terwijl het huidige uitdagingen identificeert en een kader voor toekomstige onderzoeksrichtingen voorstelt om onderzoekers en praktijkbeoefenaars te begeleiden.
Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer
Kunstmatige intelligentie is lang een hulpmiddel geweest voor het beantwoorden van vragen of het herkennen van patronen, maar het heeft traditioneel gewacht tot een mens het volgende commando gaf. Het is een reactieve technologie, uitstekend in het verwerken van gegevens, maar beperkt in haar vermogen om zelfstandig te handelen. Het vakgebied verschuift nu naar een nieuwe capaciteit waarbij machines niet alleen reageren op prompts, maar doelstellingen onafhankelijk nastreven. Deze evolutie beweegt zich van systemen die simpelweg tekst of afbeeldingen genereren naar systemen die hun omgeving kunnen waarnemen, een reeks acties kunnen plannen en die acties kunnen uitvoeren om complexe problemen op te lossen. De drijvende kracht achter deze verandering is de wens om machines te bouwen die kunnen leren van ervaring, zich kunnen aanpassen aan nieuwe situaties en kunnen opereren met een niveau van autonomie dat menselijke besluitvorming nabootst zonder constant toezicht.
Een uitgebreide review gepubliceerd in 2026 door onderzoekers uit Finland en Bangladesh brengt dit opkomende landschap in kaart, bekend als Agentic AI. De auteurs, onder leiding van AKM Bahalul Haque, hebben niet alleen nieuwe technologieën opgesomd; ze hebben de geschiedenis getraceerd van hoe kunstmatige systemen zijn bewogen van rigide, regelgebaseerde programma's naar flexibele, doelgerichte entiteiten. Ze onderzochten hoe deze systemen worden gebouwd, hoe ze functioneren in de echte wereld en wat er nodig is voor de samenleving om hen te vertrouwen en te gebruiken. Het artikel dient als een gids voor het begrijpen van een technologie die snel beweegt van theoretisch onderzoek naar praktische toepassing, waarbij zowel het transformerende potentieel als de aanzienlijke hindernissen die blijven bestaan, worden belicht.
De onderzoekers begonnen met het onderscheid tussen deze nieuwe vorm van intelligentie en haar voorgangers. Traditionele kunstmatige intelligentie werkt als een rekenmachine, waarbij vaste instructies worden gevolgd om een specifieke output te produceren. Generatieve AI, die beroemd werd door het creëren van tekst en kunst, verbeterde dit door creatieve inhoud te produceren, maar stopt nog steeds na het genereren van een enkele reactie. Het kan geen eerdere interacties onthouden, geen tools gebruiken om de wereld te veranderen, of zijn eigen fouten corrigeren zonder menselijke hulp. Agentic AI overbrugt deze kloof. Het wordt gedefinieerd door het vermogen om de omgeving waar te nemen, eigen doelen te stellen en een reeks stappen te ondernemen om deze te bereiken. Het kan een grote, complexe taak opdelen in kleinere subtaken, deze toewijzen aan verschillende delen van het systeem en de resultaten coördineren. Als een stap mislukt, kan het systeem de fout herkennen en een andere aanpak proberen, net zoals een mens dat zou doen bij een onverwachte hindernis.
Om te begrijpen hoe dit werkt, beschreven de auteurs de interne architectuur van deze systemen. In de kern bevindt zich een centrale coördinator, of orchestrator, die fungeert als het brein van de operatie. Deze component ontvangt een hoogwaardig doel van een gebruiker, zoals het organiseren van een complex evenement of het beheren van een netwerk, en breekt dit af in een gedetailleerd plan. Vervolgens stuurt het een team van gespecialiseerde agenten aan om specifieke delen van dat plan uit te voeren. Deze agenten zijn als individuele werkers, elk met een specifiek pakket aan vaardigheden, zoals het analyseren van gegevens, het schrijven van code of het communiceren met externe diensten. Zij delen informatie en geheugen, waardoor ze kunnen leren van eerdere successen en fouten. Het systeem bevat ook een veiligheidslaag die constant controleert op fouten, ethische schendingen of beveiligingsrisico's, om er zeker van te zijn dat de agenten niet op manieren handelen die schade kunnen veroorzaken. Deze structuur stelt het systeem in staat om taken aan te pakken die te complex zijn voor een enkel programma om alleen te beheren.
De review onderzocht hoe deze technologie al wordt toegepast in diverse sectoren. In de gezondheidszorg worden deze agenten getest om patiëntgegevens te monitoren, te assisteren bij het diagnosticeren van ziekten en zelfs chirurgische instrumenten te begeleiden tijdens operaties. In het onderwijs fungeren ze als gepersonaliseerde tutors die zich aanpassen aan de leerstijl en het tempo van een student. In de zakelijke dienstverlening en klantenservice worden ze gebruikt om complexe workflows te beheren, van het afhandelen van klantklachten tot het optimaliseren van toeleveringsketens. De onderzoekers keken ook naar hoe deze systemen functioneren in netwerkinfrastructuur, waar ze automatisch beveiligingsdreigingen kunnen detecteren en oplossen of het verkeersstroom kunnen beheren zonder menselijke tussenkomst. In elk van deze gebieden is de gemene deler het vermogen van het systeem om continu te opereren, zich aan te passen aan nieuwe informatie en beslissingen te nemen om een gewenst resultaat te bereiken.
De paper maakt echter duidelijk dat deze technologie nog niet perfect is. De auteurs identificeerden verschillende kritieke knelpunten die brede adoptie in de weg staan. Een groot probleem is de enorme hoeveelheid rekenkracht die nodig is om deze systemen te draaien, wat ze voor veel organisaties duur en traag maakt. Er zijn ook aanzienlijke zorgen over veiligheid en ethiek. Omdat deze agenten onafhankelijk kunnen handelen, bestaat het risico dat ze beslissingen nemen die bevooroordeeld, onethisch of schadelijk zijn als ze niet goed worden gemonitord. De onderzoekers merkten op dat huidige systemen moeite hebben met langetermijnplanning en vaak een gebrek hebben aan de transparantie die nodig is voor mensen om hun beslissingen te vertrouwen, vooral in sectoren met hoge belangen zoals de financiële wereld en de geneeskunde.
Om deze uitdagingen aan te pakken, stelden de auteurs een kader voor hoe belanghebbenden de adoptie van Agentic AI zouden moeten benaderen. Ze suggereerden dat vertrouwen en betrouwbaarheid de belangrijkste factoren zijn voor gebruikers. Als mensen geloven dat het systeem veilig, efficiënt en in staat is om betere beslissingen te nemen dan zijzelf, zijn ze eerder geneigd het te gebruiken. Het artikel schetst specifieke kwaliteiten die systemen moeten bezitten om dit vertrouwen te winnen, zoals het vermogen om hun redenering uit te leggen, grote hoeveelheden gegevens te verwerken zonder vast te lopen, en middelen effectief te optimaliseren. De onderzoekers benadrukten dat voor het geval Agentic AI een standaard onderdeel van het dagelijks leven moet worden, ontwikkelaars zich moeten richten op het creëren van systemen die niet alleen krachtig zijn, maar ook verantwoordelijk en gemakkelijk te begrijpen.
Kijkend naar de toekomst identificeerde de review verschillende gebieden waar verder onderzoek dringend nodig is. De auteurs riepen op tot meer studies over hoe systemen te ontwerpen die ethisch verantwoord zijn en hoe betere methoden te creëren om ze te testen in scenario's uit de echte wereld in plaats van alleen in gecontroleerde simulaties. Ze benadrukten de noodzaak van diverse datasets om ervoor te zorgen dat deze systemen eerlijk werken voor iedereen, ongeacht achtergrond. De paper wees ook op het belang van het ontwikkelen van governance-kaders die deze autonome systemen kunnen reguleren, om ervoor te zorgen dat ze binnen juridische en veiligheidsgrenzen opereren. Door deze hiaten in kaart te brengen, boden de onderzoekers een duidelijke roadmap voor wetenschappers en ingenieurs om te volgen terwijl zij doorgaan met het bouwen van de volgende generatie intelligente machines.
Uiteindelijk presenteert deze review Agentic AI niet als een afgewerkt product, maar als een snel evoluerend veld met immense potentie. Het is een technologie die belooft hoe wij met computers interageren te transformeren, van eenvoudige commando's naar collaboratieve partnerschappen. Hoewel het pad vooruit gevuld is met technische en ethische uitdagingen, biedt het werk van deze onderzoekers een solide fundament voor het begrijpen van wat deze systemen zijn, hoe ze werken en wat er nodig is om hen veilig in onze wereld te brengen. De reis van reactieve tools naar proactieve partners is pas net begonnen, en de inzichten die in deze review worden geboden, zullen essentieel zijn voor het navigeren op de weg die voor ons ligt.
Verdrinkt u in papers in uw vakgebied?
Ontvang dagelijkse digests van de nieuwste papers die bij uw onderzoekswoorden passen — met technische samenvattingen, in uw taal.