AI-agents op het organogram: governance voor een hybride personeelsbestand

Er verschuift iets fundamenteels in de manier waarop organisaties werken. AI-agents zijn niet langer gereedschap dat je opent in een browsertabblad, waar je een prompt in typt en dat je weer sluit. Ze worden entiteiten die rollen vervullen, verantwoordelijkheden dragen en naast menselijke collega’s werken binnen jouw organisatiestructuur.

De vraag is niet langer óf AI-agents deel gaan uitmaken van je personeelsbestand. Dat gebeurt al. De vraag is hoe je ze bestuurt zodra ze er zijn.

Naarmate organisaties agentische medewerkers invoeren, verschuift het knelpunt van uitvoering naar coördinatie. AI-agents kunnen snel handelen, maar snelheid zonder structuur is geen voordeel. Het is een risico. Een agent die buiten zijn kader handelt, het werk van een collega dubbel doet of beslissingen neemt waarvoor hij nooit gemachtigd was, bespaart geen tijd. Hij creëert problemen die mensen weer moeten opruimen.

AI-agents kunnen niet veilig of samenhangend handelen zonder expliciete organisatorische context: wie is waarvoor verantwoordelijk, wie mag beslissen, welke grenzen gelden er, welke afhankelijkheden zijn er. De meeste organisaties kunnen die informatie niet aan agents leveren, omdat ze niet bestaat in een gestructureerde, bevraagbare vorm. De kennis zit in de hoofden van mensen, in verspreide documenten en in een institutioneel geheugen waar geen enkel systeem bij kan.

Dit is een organisatorisch probleem, geen technisch. En om het op te lossen is organisatorisch denken nodig.

De verschuiving: van AI-gereedschap naar AI-teamgenoot

Om te begrijpen wat er verandert, helpt het om twee modellen te onderscheiden waarmee organisaties AI gebruiken.

AI als gereedschap

Dit is het bekende model. Je opent ChatGPT, Claude of Copilot. Je schrijft een prompt. Je krijgt een resultaat. De AI weet niets van jouw organisatie: je teamstructuur, je roldefinities, je beslissingsgrenzen, je huidige doelen. Jij bent degene die bedient. De AI heeft geen eigen handelingsvermogen.

Dat model heeft individuen productiever gemaakt. Maar het verandert niets aan hoe organisaties zijn opgebouwd, want de AI komt de organisatie nooit binnen. Ze blijft erbuiten, een voorziening die je op afroep gebruikt.

AI als teamgenoot

Dit is het opkomende model. Een AI-agent vervult een vastgelegde rol binnen een team: Kaartbeheerder, Data-importspecialist, Feedbackanalist. Hij heeft een doelstelling, een reeks verantwoordelijkheden en expliciete grenzen, net als een menselijke collega. Hij handelt zelfstandig binnen het kader van zijn rol en schaalt beslissingen daarbuiten op. Andere teamleden, mens én AI, kunnen zien waar hij verantwoordelijk voor is en hoe ze met hem moeten omgaan.

Dat verandert het coördinatievraagstuk fundamenteel. Traditionele organisatiestructuren zijn alleen voor mensen ontworpen. Agents toevoegen zonder de governancelaag aan te passen levert voorspelbare problemen op: dubbel werk, overschreden grenzen, gaten in de verantwoordelijkheid en “sociale schuld” die mensen moeten opvangen.

De uitdaging is niet om slimmere agents te bouwen. De uitdaging is om organisatiestructuren te bouwen waarin ze passen.

Wat AI-agents nodig hebben om effectief te werken

AI-agents hebben hetzelfde nodig als mensen om binnen een organisatie effectief te functioneren. Het knelpunt is niet technisch. Het is organisatorisch.

Vereiste	Wat het betekent voor mensen	Wat het betekent voor agents
Heldere rollen en verantwoordelijkheid	Ik weet waar ik verantwoordelijk voor ben en welk doorlopend werk ik doe	Het kader van de agent is expliciet vastgelegd: doelstelling, verantwoordelijkheden, resultaten
Begrip van de organisatiestructuur	Ik weet wie hier nog meer werken, wie wat doet en hoe teams samenhangen	De agent kan de organisatiekaart bevragen om zijn context te begrijpen
Vastgelegde grenzen en rechten	Ik weet wat ik zelf mag beslissen en wat ik moet opschalen	Het gezagsdomein van de agent is afgebakend. Handelingen daarbuiten vragen om goedkeuring van een mens
Toegang tot relevante context	Ik ken de doelen die ertoe doen, de projecten waar ik deel van uitmaak en wie mijn medewerkers zijn	De agent krijgt organisatorische context voordat hij handelt: doelen, samenwerkingspartners, prioriteiten
Zichtbaarheid voor anderen	Mijn collega’s weten wat ik doe en hoe ze mij kunnen bereiken	De agent verschijnt op de organisatiekaart met zijn rol, team en status

Zonder dat alles is een agent een capabel stuk gereedschap dat in het luchtledige draait: snel, maar richtingloos. Hij kan output produceren, maar niet coördineren. En coördinatie is precies waar een organisatie voor bestaat.

De laag met organisatorische intelligentie

Tussen je administratieve kernsystemen (HR, ERP, CRM, projectmanagement) en je AI-agents hoort een laag met organisatorische intelligentie te zitten. Dat is het kernbegrip dat hybride governance van mens en agent mogelijk maakt.

Die laag bewaart de organisatorische waarheid: rollen, mandaten, beslissingsbevoegdheden, teamstructuur, doelen, afhankelijkheden en de grenzen van gezag. Het is niet het brein van de agent. Het is het situationeel bewustzijn dat zo’n brein nodig heeft voordat het handelt in een sociaal systeem. Mensen én agents raadplegen deze laag voordat ze iets doen, zodat iedereen - koolstof of silicium - vertrekt vanuit hetzelfde gedeelde begrip van hoe de organisatie werkt.

Er geldt een helder principe: prompts verwijzen naar de organisatiekaart. De organisatiekaart verwijst niet naar prompts. De organisatiestructuur is het stabiele fundament. Instructies voor agents putten daaruit. De structuur buigt niet mee met de behoeften van één enkele agent.

Om het concreet te maken: dit is wat de laag met organisatorische intelligentie wel en niet is.

Wat deze laag WEL is	Wat deze laag NIET is
Leverancier van organisatorische context	Een runtime voor agents of een workflow-engine
Register van rollen en gezag	Opslag voor prompts of geheugen van een taalmodel
Laag die governance afdwingt	Een vervanging van je bedrijfssystemen
Gedeelde ondergrond voor coördinatie	Het brein of de redeneermotor van de agent
Laag die mens en agent zichtbaar maakt	Een platform om AI te trainen

Dit is de laag die Peerdom levert. Als platform voor organisatorische intelligentie zit Peerdom boven je administratieve kernsystemen en onder je AI-agents, en geeft het mensen en agents dezelfde gezaghebbende kaart van hoe de organisatie werkt. Zie het als gps voor je organisatie: niet het gebied zelf, maar de kaart waarmee iedereen navigeert.

Agents als rolhouders

In een systeem van rolgebaseerde governance wordt werk opgedeeld in rollen, elk met een vastgelegde doelstelling, concrete verantwoordelijkheden en een gezagsbereik. Dat model, dat organisaties gebruiken die holacracy, sociocratie, het Spotify-model, Teal-principes en tal van andere governancebenaderingen praktiseren, laat zich moeiteloos uitbreiden naar AI-agents.

Een AI-agent vervult een rol op dezelfde manier als een mens. De roldefinitie verandert niet op basis van wie of wat de rol invult. Alleen de houder verandert.

Elke agentrol heeft:

• Een naam die de functie beschrijft (bijvoorbeeld Kaartbeheerder, Feedbackanalist)
• Een doelstelling die uitlegt waarom de rol bestaat
• Vastgelegde verantwoordelijkheden die beschrijven welk doorlopend werk van de rol wordt verwacht
• Een gezagsbereik dat verduidelijkt wat de rol mag beslissen en wanneer ze moet opschalen

Agents verschijnen op de organisatiekaart naast hun menselijke collega’s. Iedereen ziet uit welke mensen en agents een team bestaat. Visueel onderscheid doet ertoe: in Peerdom worden agents als zeshoeken weergegeven, mensen als cirkels. In één oogopslag zie je hoeveel agents en hoeveel mensen er in een team zitten, welke rollen door agents worden vervuld en waar automatisering is ingevoerd.

Dezelfde principes voor rolbeheer gelden. Een agent kan meerdere rollen vervullen. Een rol kan meerdere houders hebben, deels mens en deels AI. Onbezette agentrollen zijn zichtbaar, net als onbezette menselijke rollen. Is een agentrol niet ingevuld, dan is dat gat zichtbaar op de kaart en signaleert het een behoefte die het team kan oppakken.

Voorbeeld: een agentrol Kaartbeheerder in de cirkel Operations

• Doelstelling: de organisatiekaart schoon en actueel houden
• Verantwoordelijkheden: verouderde rollen opsporen, inconsistenties markeren, structurele verbeteringen voorstellen
• Domein: mag problemen markeren; mag geen rollen verwijderen of de structuur wijzigen zonder goedkeuring van een mens
• Houder: AI-agent (zeshoekige avatar)
• Zichtbaar voor: iedereen op de kaart

De rol zelf is niets bijzonders. Een mens zou hem kunnen vervullen. De governance is in beide gevallen identiek.

Governanceprincipes voor hybride teams

Dezelfde governance die werkt voor menselijke teams strekt zich uit tot hybride teams van mensen en agents. De principes veranderen niet. Ze gelden alleen breder.

Rollen bepalen het kader

De rol van een agent bepaalt wat hij kan doen, net als de rol van een mens. Geen rol betekent geen bevoegdheid om te handelen. Het principe is niet nieuw; het geldt voor een nieuwe categorie rolhouders.

Cirkels bieden structuur

Agents horen bij teams (soms cirkels, Squads, Tribes of units genoemd, afhankelijk van je organisatiemodel, of je nu sociocratie, het Spotify-model of Beta Codex volgt). Het zijn geen zwevende entiteiten met toegang tot de hele organisatie. Ze hebben een thuis in de structuur, begrensd door het domein en de doelstelling van het team.

Verkiezingen houden toewijzingen bij

Toewijzingen van agentrollen kun je bijhouden met hetzelfde verkiezingsproces met zittingstermijnen dat voor menselijke rollen geldt. Wanneer is deze agent toegewezen? Wanneer moet de rol worden herzien? Wanneer verloopt zijn mandaat? Dat zorgt voor periodieke herziening en voorkomt dat rollen ongemerkt afdrijven.

Bijdrage houdt capaciteit bij

Net zoals de bijdrage van mensen wordt bijgehouden (welk deel van iemands capaciteit naar welke rol gaat), kun je ook de bijdrage van een agent bijhouden. Daarmee wordt capaciteitsplanning mogelijk over hybride teams heen.

Conflicten los je structureel op

Ontstaat er een conflict tussen rolhouders, dan is de oplossing dezelfde, ongeacht wie of wat die rolhouders zijn: splits de rol. Deel hem op in afzonderlijke rollen met heldere grenzen die elkaar niet overlappen. Dat principe geldt net zo goed voor conflicten tussen mensen onderling, tussen agents onderling als tussen mens en agent. Het governanceproces van de organisatie weet allang hoe dat moet.

Praktijkscenario’s

Abstracte principes worden concreet door voorbeelden. Hier zijn vier scenario’s waarin AI-agents functioneren als rolhouders onder governance.

1. De agent Kaartbeheerder

Een AI-agent vervult de rol Kaartbeheerder in de cirkel Operations. Hij scant de organisatiestructuur met een vast ritme, spoort rollen op die al maanden niet zijn bijgewerkt, markeert inconsistenties (een rol die als bezet staat door iemand die vertrokken is) en stelt structurele verbeteringen voor. Mensen beoordelen en keuren elke wijziging goed. De agent brengt problemen naar boven; hij lost ze niet eigenhandig op.

Deze rol bestaat vandaag in veel organisaties al, meestal als een informele verantwoordelijkheid waar niemand eigenaar van is. Door hem expliciet te maken en aan een agent toe te wijzen, gebeurt het werk ook echt.

2. Import- en synchronisatieagents

In plaats van handmatige CSV-imports die iemand eens per kwartaal doet (als het al gebeurt), zorgt een agent voor doorlopende synchronisatie tussen HR-systemen en de organisatiekaart. Nieuwe medewerkers verschijnen. Vertrek wordt verwerkt. Structuurwijzigingen lopen automatisch door. De agent vervult een afgebakende integratierol met een duidelijk kader: gegevens ophalen uit aangewezen bronnen, toewijzingsregels toepassen en conflicten markeren voor beoordeling door een mens.

3. De agent Feedbackanalist

Een agent vervult de rol Feedbackanalist en bekijkt geanonimiseerde feedbackpatronen over teams heen. Hij brengt trends naar boven, zoals toenemende verwarring over rollen binnen een cirkel of afnemende duidelijkheid over beslissingsbevoegdheden in een bepaald gebied, zonder de inhoud van individuele feedback in te zien. Mensen bepalen waar ze op ingrijpen. De rol van de agent is analytisch, niet beslissend. Zijn domein is het herkennen van patronen; ingrijpen blijft bij mensen.

4. Onboardingnavigator

Een agent helpt nieuwe medewerkers hun weg te vinden in de organisatie. Op basis van de rollen en teamtoewijzingen van de nieuwe collega bevraagt hij de organisatiekaart en levert hij persoonlijke context: “Dit zijn de mensen met wie je het nauwst gaat samenwerken, dit zijn de doelen in jouw gebied en dit zijn de projecten waaraan je gaat bijdragen.” De agent beslist niets over de verantwoordelijkheden van de nieuwe collega. Hij maakt de bestaande structuur leesbaar en doorloopbaar, waardoor de weken van informeel uitzoeken die bij inwerken horen flink korter worden.

De API-aanpak

Voor organisaties die AI-agents programmatisch aan hun organisatiestructuur willen koppelen, zorgt een aanpak via de API dat governance systematisch verloopt en niet ad hoc.

Authenticatie als rolhouder. Agents authenticeren zich met hetzelfde rechtenmodel als mensen. Een agent die de rol Data-import vervult, krijgt toegang tot wat die rol toestaat en niets meer.

Context meegeven. Wanneer een agent wordt geactiveerd, krijgt hij via de API organisatorische context mee: “Je vervult de rol Data-importspecialist in de cirkel Operations. Je werkt samen met [namen]. Actuele doelen in jouw gebied: [doelen].”

Afgebakende handelingen. Wat een agent mag doen, wordt begrensd door wat zijn rol toestaat. Een agent in de cirkel Operations kan de structuur van de cirkel Marketing niet wijzigen. Dat wordt afgedwongen op API-niveau, niet via vertrouwen of gewoonte.

Auditspoor. Elke handeling van een agent wordt gelogd: wie (welke agent) deed wat, wanneer en in welke rol. Volledige traceerbaarheid.

Modelonafhankelijk. De organisatorische laag werkt met elke AI-runtime: OpenAI, Anthropic, opensourcemodellen of wat er hierna komt. De API- en MCP-integratie van Peerdom levert organisatorische context als infrastructuur, niet als afhankelijkheid van één model. Wissel je van AI-leverancier, dan hoef je je governancelaag niet opnieuw te bouwen.

Wat dit betekent voor jouw organisatie

Je hoeft morgen niet alles te herstructureren. De overgang naar een hybride personeelsbestand van mensen en agents verloopt stapsgewijs en bouwt voort op fundamenten die je menselijke teams nu al goed van pas komen. Dit zijn de principes om te volgen.

1. Begin bij je bestaande structuur

Governance voor AI werkt omdat rolgebaseerde governance al werkt. Of je organisatie nu holacracy volgt, sociocratie, een zelfsturend model in de geest van Buurtzorg of een traditionele hiërarchie: gebruik je al rollen en cirkels, dan is agents toevoegen een uitbreiding van wat je hebt en geen revolutie. Heb je nog geen rolgebaseerde governance, dan is dat de eerste stap, en je menselijke team profiteert daarvan, of je ooit AI-agents invoert of niet.

2. Voeg agents stap voor stap toe

Begin met één agentrol in één team. Kijk hoe die zich verhoudt tot de bestaande structuur. Pas het kader en de grenzen aan op basis van wat je leert. Breid daarna uit. De organisaties die slagen met AI-agents zijn de organisaties die de invoering behandelen als een iteratief proces en niet als een big bang.

3. Houd governance één geheel

Maak geen aparte regels voor agents. Het hele punt van rolgebaseerde governance in een hybride context is dat één systeem voor iedereen werkt. Aparte governance voor agents en mensen creëert precies de versnippering die rolgebaseerde governance moest opheffen.

4. Maak het zichtbaar

Doet een agent werk in je organisatie, dan hoort iedereen dat op de kaart te kunnen zien. Onzichtbare agents leveren onzichtbare problemen op. Zichtbaarheid is geen optie. Het is het mechanisme dat hybride teams bestuurbaar maakt.

5. Herzie regelmatig

Agentrollen hebben hetzelfde herzieningsritme nodig als menselijke rollen. Klopt het kader nog? Is de agent effectief? Moet de rol worden verbreed, versmald of opgeheven? Organisaties die agentrollen als permanente inventaris behandelen, bouwen structurele schuld op. In de gids over software voor zelforganisatie lees je hoe je die herziening in je governanceritme inbouwt.

Veelgestelde vragen

Kunnen AI-agents echt rollen in een organisatie vervullen?

Ja. Als een rol wordt bepaald door zijn doelstelling, verantwoordelijkheden en gezagsbereik in plaats van door de biologische aard van de houder, dan kan hij worden vervuld door elke entiteit die aan die verantwoordelijkheden kan voldoen. De roldefinitie blijft dezelfde. Alleen de houder verandert. Zo werken rolgebaseerde organisaties nu al: de rol bestaat los van wie hem invult.

Hoe voorkom je dat AI-agents hun grenzen overschrijden?

Op dezelfde manier als bij mensen: expliciete rolgrenzen, vastgelegde gezagsdomeinen en toegang op basis van rechten. Een agent kan alleen handelen binnen het kader dat zijn rol hem geeft. Handelingen daarbuiten vragen om opschaling naar een mens. De organisatiestructuur legt die grenzen vast en de API dwingt ze af.

Wat gebeurt er als een AI-agent een fout maakt?

Hetzelfde als wanneer een mens een fout maakt in zijn rol: beoordelen, corrigeren en bijstellen. Het auditspoor laat zien wat de agent deed en wanneer. Komt de fout voort uit een structureel probleem (het kader van de rol was te ruim omschreven), pas dan de roldefinitie aan. Is de fout gedragsmatig (de agent handelde verkeerd binnen zijn afgebakende kader), pas dan de configuratie van de agent aan. Het governanceproces is in beide gevallen hetzelfde.

Moet je je organisatiestructuur veranderen om AI-agents toe te voegen?

Nee. Heb je al een rolgebaseerde structuur, dan betekent agents toevoegen dat je houders toevoegt aan bestaande of nieuwe rollen. De structuur zelf hoeft niet te veranderen. Heb je nog geen rolgebaseerde governance, dan is die invoeren de eerste stap, en dat levert meteen waarde op voor je menselijke team, met of zonder AI-agents.

Waarin verschilt dit van gewoon ChatGPT gebruiken?

ChatGPT is gereedschap zonder organisatorische context. Het kent je rollen niet, je teamstructuur niet en je beslissingsgrenzen niet. Een agent die een rol in jouw organisatie vervult, heeft al die context wel. Hij weet waar hij verantwoordelijk voor is, met wie hij werkt en wat hij mag beslissen. Het verschil zit niet in het onderliggende AI-model. Het zit in de organisatorische laag die het model situationeel bewustzijn geeft.

Wat is een laag met organisatorische intelligentie?

Een gedeelde, gezaghebbende weergave van hoe je organisatie werkt: wie doet wat, in welk team, met welke bevoegdheid, richting welke doelen en met welke afhankelijkheden. Zowel mensen als AI-agents raadplegen die laag om de organisatie te begrijpen voordat ze handelen. Zie het als een navigatiesysteem voor je organisatie: niet het gebied zelf, maar de kaart waarmee iedereen de weg vindt. Peerdom levert die laag via zijn platform en API.

Kunnen agents deelnemen aan governancevergaderingen?

Niet in de traditionele zin van aanschuiven en meepraten. Maar agents kunnen wél onderwerp van governance zijn: hun rollen kunnen via hetzelfde governanceproces worden gemaakt, gewijzigd en opgeheven als menselijke rollen. Bepaalde agents, zoals de hierboven beschreven Kaartbeheerder, kunnen gemachtigd worden om structuurwijzigingen voor te stellen, onder voorbehoud van goedkeuring door een mens. Het governanceproces bestuurt de agents. De agents besturen het proces niet.

Hoe houd je de kosten van AI-agents bij?

De operationele kosten van een agent (API-aanroepen, rekenkracht) kun je toewijzen aan de rollen die hij vervult. Net zoals de beloning van mensen gekoppeld is aan rollen en bijdrageniveaus, kun je de kosten van een agent per rol bijhouden. Zo begrijpen organisaties wat automatisering per rol kost, kunnen ze dat vergelijken met de kosten van menselijke invulling en onderbouwd beslissen waar automatisering echte waarde oplevert.

Verken de toekomst van organisatorische governance

• Breng je organisatie gratis in kaart: het fundament voor governance van mens en agent is een heldere, rolgebaseerde structuur.
• Probeer het AI-native sjabloon: zie hoe een AI-native organisatie er in de praktijk uitziet.
• Vragen over de governance van een hybride personeelsbestand? Boek een demo en dan bespreken we jouw situatie.