Google AI agents: waarom ze nog niet werken

Google presenteert elke paar maanden nieuwe AI-agents die ons werk zouden moeten overnemen. Toch blijven deze tools vaak teleurstellend presteren in de praktijk. Als het techbedrijf met de meeste AI-expertise ter wereld er niet in slaagt bruikbare agents te bouwen, rijst de vraag of autonome AI überhaupt haalbaar is.

Wat Google belooft versus wat het levert

Google's AI-agents komen met grote beloften. Bard zou complexe taken kunnen uitvoeren. Duet AI zou presentaties maken en e-mails schrijven. Gemini zou autonoom code kunnen debuggen. In de praktijk blijken deze tools vooral goed in het genereren van tekst die correct lijkt, maar vaak feitelijk onjuist is.

Het probleem zit in de kern van hoe deze systemen werken. Ze voorspellen welk woord het meest waarschijnlijk volgt op basis van trainingsdata. Ze begrijpen niet echt wat ze doen. Een AI-agent die een e-mail schrijft, weet niet of de informatie klopt. Hij weet alleen welke woorden meestal samen voorkomen.

De context-limiet blijft een probleem

Zelfs Google's nieuwste modellen kunnen maar een beperkte hoeveelheid informatie onthouden tijdens een gesprek. Voor een menselijke assistent is dit geen probleem. Voor een AI-agent betekent dit dat hij halverwege een complexe taak vergeet waar hij mee bezig was.

Een voorbeeld uit de praktijk: vraag Gemini om een marketingplan te schrijven voor een fictief bedrijf. Halverwege het plan is hij vergeten wat het bedrijf precies doet. Het resultaat is generiek en onbruikbaar.

Waarom andere bedrijven ook worstelen

OpenAI, Anthropic en Microsoft hebben dezelfde uitdagingen. Hun agents kunnen indrukwekkende demo's geven, maar falen bij echte werkzaamheden. Het probleem is fundamenteel: huidige AI heeft geen begrip van werkelijkheid.

Een AI-agent kan wel een factuur opstellen, maar hij snapt niet wat een factuur betekent voor een bedrijf. Hij weet niet dat een fout in het bedrag juridische gevolgen kan hebben. Hij begrijpt niet dat de klantrelatie belangrijk is.

De veiligheidsparadox

Bedrijven willen agents die autonoom werken, maar ook veilig zijn. Google lost dit op door agents te beperken tot eenvoudige taken. Hierdoor worden ze te simpel om nuttig te zijn. Andere bedrijven die meer risico nemen, bouwen agents die gevaarlijke fouten maken.

Microsoft's Copilot stuurt soms e-mails naar de verkeerde personen. Claude kan confidentiële informatie in de verkeerde context gebruiken. De keuze is tussen nutteloos of risicovol.

Wat dit betekent voor Nederlandse bedrijven

Voor MKB-ondernemers die overwegen AI-agents in te zetten, is dit relevant nieuws. De verwachting dat AI binnenkort alle administratie overneemt, is voorlopig irreëel. Ook Google, met zijn miljardenbusiness en duizenden AI-onderzoekers, krijgt het niet werkend.

Dit betekent niet dat AI waardeloos is. Specifieke toepassingen werken wel goed. AI kan helpen met tekstgeneratie, dataanalyse en patroonherkenning. Maar de belofte van een digitale medewerker die autonoom complexe taken uitvoert, blijft nog even een belofte.

Realistische verwachtingen stellen

Bedrijven die nu investeren in AI-tools, kunnen beter focussen op concrete, afgebakende toepassingen. Chatbots voor klantenservice werken. AI voor het sorteren van cv's werkt. AI voor het schrijven van marketingteksten werkt vaak.

Maar verwacht geen AI-agent die je volledige boekhouding overneemt. Of die autonoom klanten benadert. Of die strategische beslissingen maakt. Deze toepassingen zijn te complex voor de huidige technologie.

De fundamentele uitdagingen

Google's worsteling met AI-agents toont drie grote problemen die alle bedrijven in deze sector hebben:

Gebrek aan werkelijk begrip. AI voorspelt patronen, maar begrijpt geen concepten. Een AI weet niet wat "klanttevredenheid" betekent, alleen welke woorden ermee geassocieerd worden.

Onbetrouwbaarheid bij complexe taken. Hoe ingewikkelder de taak, hoe groter de kans op fouten. Bij eenvoudige taken presteren AI-systemen goed. Bij taken met meerdere stappen of contextuele nuances falen ze.

Geen verantwoordelijkheidsbegrip. Een AI-agent begrijpt niet dat fouten gevolgen hebben. Hij weet niet wanneer hij moet stoppen omdat iets te riskant wordt.

Wat komt er wel aan?

De komende jaren zien we waarschijnlijk betere AI-tools voor specifieke taken. Google zal zijn agents verfijnen voor afgebakende gebruikssituaties. Denk aan het automatisch sorteren van e-mails of het genereren van standaardrapportages.

Voor echt autonome agents die complexe werkzaamheden overnemen, moeten er doorbraken komen in hoe AI werkt. Niet alleen betere voorspellingen, maar werkelijk begrip van taken en gevolgen.

Praktisch advies voor nu

Gebruik AI waar het nu al werkt. Automatiseer repetitieve taken. Laat AI helpen met schrijven en analyseren. Maar bouw geen businessprocessen die volledig afhangen van AI-agents.

En wees sceptisch over beloften van leveranciers. Als Google het niet werkend krijgt, is de kans klein dat een kleine AI-startup het wel lukt. Focus op proven technologie in plaats van op toekomstbeloften.