Zuckerberg zei het. AI-agenten doen nog niet wat ze moeten doen

Wanneer Mark Zuckerberg in een interne townhall toegeeft dat Meta's AI-agenten niet presteren zoals het bedrijf nodig heeft, is dat geen PR-moment. Niemand traint zo'n uitspraak in. Het ontsnapt omdat het waar is, en omdat de mensen in de zaal het al weten.

Zo'n onbewaakt moment is zeldzaam. Het meeste wat we horen over agenten komt uit launch-aankondigingen, fundraising-presentaties en conferentie keynotes. Die hebben allemaal een structurele prikkel om op te dikken. Een CEO die eerlijk is tegen zijn eigen engineers geeft een schoner signaal dan deze branche bijna nooit produceert.

Laten we het gebruiken.

Wat Zuckerberg eigenlijk zei

Tijdens een interne Q&A in 2025 gaf Zuckerberg toe dat Meta's poging om AI-agenten in te zetten om bepaalde engineering- en operationele functies in te vullen niet volgens plan is verlopen. De agenten doen werk, maar niet met de kwaliteit of betrouwbaarheid die het bedrijf verwachtte toen het die personeelsbeslissingen maakte.

Meta is in het openbaar duidelijk over zijn ambities met agenten. Het bedrijf wil dat AI een groot deel van zijn software engineering output overneemt in de komende jaren. Zuckerberg heeft dit doel genoemd in earnings calls en media-interviews. Het gat tussen die publieke toon en de interne bekentenis is instructief.

Het is niet dat de agenten kapot zijn. Het is dat autonoom, meerstaps taskafhandeling op productieklasse moeilijker is dan de demo's suggereren. Dat onderscheid maakt uit.

Waarom bureaus hier extra kwetsbaar zijn

Bureaus zijn onder de luidste adopters van het agent-verhaal geweest. De pitch is intuïtief: vervang repetitief productiewerk door autonome pipelines, zet menselijke uren vrij voor strategie en creatieve richting, comprimeer delivery timelines.

Die logica klopt in principe. Het probleem is dat de meeste agent-demo's die dit verhaal ondersteunen agenten laten voltooien schone, begrensd taken in ideale omstandigheden. Een onderzoekstaak met een duidelijk output-format. Een code generation job op een goed afgelijnde vraag. Een single-tool workflow waarbij fouten makkelijk op te vangen zijn.

Agency-werk ziet er bijna nooit zo uit. Het involves onduidelijke briefs, mid-project pivots, feedback van meerdere stakeholders, en outputs die worden beoordeeld op smaak net zozeer als op juistheid. Dit zijn exact de omstandigheden waarin huidige agenten het snelst in elkaar zakken.

Meerstaps agentic chains versterken fouten. Elke handoff tussen model calls is een plek waar context verslechtert of een verkeerde aanname wordt doorgegeven. Een enkele slechte inference vroeg in de chain kan een output produceren die plausibel lijkt maar structureel fout is. Dat opvangen vergt een mens die het werk begrijpt, niet alleen de output.

Meta heeft honderden engineers die dat werk begrijpen. Die hebben er nog moeite mee. Bureaus met kleinere teams en dunnere AI-infrastructuur nemen meer risico dan ze misschien beseffen.

Wat nu echt werkt

Dit is geen pleidooi tegen het gebruik van agenten. Het is een pleidooi voor precisie over waar ze standhouden.

Single-step agenten met deterministische outputs presteren betrouwbaar. Een model dat een brief leest, gestructureerde data extraheert, en het naar een gespecificeerd format schrijft. Een pipeline die een feed monitort, een classificatie toepast, en het resultaat routeert. Dit werkt omdat er één puntje falen is en één duidelijke succesvoor waarde.

Retrieval-augmented agenten, waar een model vragen beantwoordt tegen een vaste knowledge base, zijn een praktisch hulpmiddel geworden voor interne documentatie en client-facing Q&A. Het plafond is lager dan de open-ended versie, maar het vloer is veel hoger.

Agenten die werken met een mens in de loop op gedefinieerde checkpoints, wat sommige onderzoekers interrupt-driven of supervised agentic workflows noemen, is waar de echte productiviteitswinsten verschijnen. De agent handelt volume en first-pass kwaliteit af. Een mens bevestigt, past aan, of escaleert op gestructureerde momenten. Dit is minder spectaculair dan volledige autonomie, maar het is wat echt wordt opgeleverd.

De implicatie voor bureaus is specifiek. De teams die nu met agenten winnen, zijn niet degenen die het meest hebben geautomatiseerd. Het zijn degenen die de scherpste handoff-punten tussen model en mens hebben ontworpen.

De organisatorische vraag die niemand stelt

De bekentenis van Zuckerberg wijst op een probleem dat voorbij model-capaciteit gaat. Meta maakte personeelbeslissingen gebaseerd op een capability timeline die de technologie niet haalde. Dat is een organisatorische mislukking net zozeer als een technische.

Bureaus doen stille versies van dezelfde gok. Inhuur-stops gerechtvaardigd door agent pipelines die nog niet betrouwbaar zijn. Beloftes aan klanten over leversnelheid of kosten die agent-performance aannemen op niveaus die de tools niet consistent bereiken. Org-structuren ontworpen rond autonome workflows die nog steeds significant menselijk correctiewerk vereisen.

De vraag waard te stellen voor je een andere agent pipeline bouwt: hoe ziet deze workflow eruit als de agent 15 procent van de tijd fout zit? Voor sommige taken is die foutfrequentie prima. Voor anderen maakt het de hele logica onhoudbaar.

Dat audit inbouwen in de design-fase is onglitterend. Het is ook wat het verschil maakt tussen een workflow die wordt opgeleverd en een die na een client-incident stilzwijgend wordt ingekort.

Meta heeft resources om het gat tussen ambitie en realiteit op te vangen terwijl de technologie inhalen kan. De meeste bureaus hebben die buffer niet. Dus is de Zuckerberg-bekentenis voor deze branche minder waarschuwingsverhaal en meer praktische briefing: ontwerp voor de agenten die je hebt, niet voor degenen die je verwacht.

Waar dit de agent-roadmap laat

Agenten worden beter. De trajectory van model-capaciteit de afgelopen drie jaar maakt dat een redelijke gok. Context windows zijn langer, tool use is betrouwbaarder, en multi-agent coordination frameworks groeien snel.

Maar de timeline-compressie die veel bureaus in hun plannen hebben ingebakken, de aanname dat production-grade autonomie twaalf maanden weg is, wordt niet goed ondersteund door beschikbaar bewijs. Het schoonste datapunt dat we hebben van een goed voorzien team dat agenten op schaal draait, zegt dat het gat echt is en breder dan het publieke verhaal suggereert.

Een nuttige kalibrering. behandel agenten als productieve junior medewerkers, niet als autonome operatoren. Ze hebben duidelijke taakdefinities, observeerbare outputs, en een mens die het werk controleert. Dat is geen failure mode. Dat is de huidige staat van een technologie die nog steeds wordt uitgevogeld, bij Meta en overal elders.

Ontwerp je workflows daarnaar.