Waarom agrifoodbedrijven door agentic AI hun softwarestrategie moeten herzien
Voor agrifoodorganisaties is de opkomst van agentic AI een aanleiding om hun softwarestrategie opnieuw te bekijken. De technologie verandert namelijk niet alleen het ontwikkelproces, maar ook de businesscase achter software. Maatwerk dat eerder te duur was, kan nu wél binnen bereik komen, verouderde applicaties kunnen sneller worden gemoderniseerd en de afhankelijkheid van leveranciers en schaarse specialisten kan afnemen. Daarmee raakt agentic AI ook strategische keuzes rond investeringen, eigenaarschap, continuïteit en de inrichting van IT-teams.
In dit interview gaan Rick Oonk, Unit Manager Agriculture, Food & Retail en Mika Krooswijk, IT-consultant bij Info Support, in gesprek over de impact van agentic AI op softwareontwikkeling binnen de agrifoodsector.
Meer dan sneller code schrijven
Agentic engineering gaat verder dan een ontwikkelaar die met een prompt een stuk code laat schrijven. AI-agents worden doelgericht ingezet in het volledige softwareontwikkelproces: “Alleen een AI-tool beschikbaar stellen aan ontwikkelaars is niet genoeg”, zegt Krooswijk. “Het gaat erom hoe je die technologie effectief in het ontwikkelproces toepast. Teams kunnen agents bijvoorbeeld inzetten om verouderde code te moderniseren of een dataplatform te ontwikkelen waarop telers, verwerkers en afnemers veilig gegevens over herkomst, kwaliteit en certificering uitwisselen.”
Sneller ontwikkelen vraagt om duidelijke kaders
Wanneer organisaties sneller en op grotere schaal software ontwikkelen met AI, wordt het belangrijker om grip te houden op kwaliteit, veiligheid en onderhoudbaarheid. Met agentic AI kunnen organisaties afspraken vastleggen in agents, bijvoorbeeld over architectuur, security en testen. Hierdoor worden deze kaders automatisch en consistent toegepast. Zo wordt de kwaliteit minder afhankelijk van de keuzes van individuele ontwikkelaars en verkleinen organisaties de verschillen tussen teams.
Nieuwe businesscases voor maatwerk
Agrifoodorganisaties hebben te maken met hoge administratieve lasten en groeiende verplichtingen rond onder meer uitstootrapportages, ketentraceerbaarheid en teeltregistratie. Tegelijk werken veel organisaties met verouderde ERP-systemen, kostbare nicheapplicaties of standaardsoftware waarop door de jaren heen veel maatwerk is gebouwd. Aanpassingen aan nieuwe processen en regelgeving kunnen daardoor complex en kostbaar zijn.
Juist voor zulke situaties kan agentic AI de afweging tussen standaardsoftware en maatwerk veranderen. Door het ontwikkelproces te versnellen en daarmee de investering aan de voorkant te verlagen, kunnen maatwerkoplossingen die eerder financieel niet interessant waren, concurrerender worden.
“Organisaties kozen vaak voor een softwarepakket omdat maatwerk te duur was”, zegt Oonk. “Nu de ontwikkelkosten kunnen dalen, is er een valide businesscase op te bouwen, en moet je die afweging opnieuw maken. Maatwerk biedt bovendien meer regie: de software en het intellectueel eigendom zijn van de organisatie zelf en je bent minder afhankelijk van een leverancier en diens licentiemodel.”
“Dat betekent niet meteen dat ieder standaardpakket moet worden vervangen”, voegt Oonk toe. “Standaardsoftware blijft een logische keuze voor breed toepasbare functionaliteit die weinig onderscheidend vermogen oplevert. Maar agentic AI maakt het haalbaarder om software specifiek af te stemmen op de eigen processen en situatie van een organisatie. Vooral bij bedrijfskritische of sectorspecifieke processen, zoals robotisering en het koppelen van systemen, machines en sensoren, kan maatwerk vaker meerwaarde bieden. De grens tussen kopen en zelf ontwikkelen verschuift daardoor absoluut.”
Legacy moderniseren zonder alles handmatig uit te pluizen
Agentic AI biedt ook nieuwe mogelijkheden voor agrifoodorganisaties met een versnipperd applicatielandschap of verouderde software. Vaak zijn organisaties met oude software afhankelijk van een paar specialisten met kennis over het oude systeem. Dat zorgt voor een continuïteitsrisico: bij vertrek of uitval van deze specialisten kunnen noodzakelijke aanpassingen en het oplossen van storingen vertraging oplopen. Daarnaast kost het handmatig achterhalen van de logica en overzetten van de code veel tijd. Maar bij codemodernisatie kan agentic AI de code analyseren, de functionaliteit achterhalen en helpen deze om te zetten naar een modernere infrastructuur.
In de praktijk laat dit zich al vertalen in meetbare resultaten. Zo wist Info Support met de inzet van AI een migratie van Ruby naar .NET 60% sneller te realiseren en zette het al meer dan 100 microservices gemiddeld 65% sneller over van een legacy-omgeving naar een nieuwe architectuur.
Daardoor kunnen organisaties sneller afscheid nemen van verouderde programmeertalen, frameworks en systemen. Tegelijk ontstaat een kans om niet alleen een technische kopie te bouwen op een nieuw platform, maar direct verbeteringen aan te brengen. Zo kunnen teams tijdens de modernisering geautomatiseerde tests toevoegen of de architectuur aanpassen.
Technisch vakmanschap blijft echter noodzakelijk. “Een agent kan bestaande code lezen en opnieuw implementeren, maar dat betekent niet dat je het proces volledig automatisch moet laten verlopen”, benadrukt Krooswijk. “Anders kan een agent architectuurkeuzes doorvoeren zonder dat iemand bewust stilstaat bij de gevolgen.”
Van muzikant naar dirigent
Ook de rol van de software engineer verandert met agentic AI. Waar ontwikkelaars voorheen veel code zelf schreven, sturen zij steeds vaker een team van agents aan. Oonk vergelijkt die verschuiving met de stap van muzikant naar dirigent: “De agents maken een deel van de muziek, maar de engineer bepaalt wat er gespeeld wordt, binnen welke kaders en of het eindresultaat klopt.”
Dat maakt domeinkennis niet minder belangrijk, maar juist belangrijker. Een agent kan snel software produceren, maar slechte of onvolledige input leidt nog steeds tot slechte software. Engineers moeten daarom scherp krijgen wat een organisatie in de agrifoodsector werkelijk nodig heeft, dit vertalen naar duidelijke specificaties en de uitkomst kritisch beoordelen.
Daar komt een nieuwe uitdaging bij. Omdat agents voortdurend voorstellen en keuzes voorleggen, neemt het aantal beslissingen voor engineers toe. Het risico bestaat dat iemand na vijf goede voorstellen ook het zesde voorstel automatisch accepteert, terwijl juist daar een fout in zit. Menselijke regie over kwaliteit, architectuur en veiligheid blijft daarom essentieel.
De huidige rollen binnen engineeringteams lijken voorlopig niet te verdwijnen, volgens Krooswijk: “Een architect blijft bijvoorbeeld verantwoordelijk voor de architectuur, maar kan een agent inzetten om afgesproken kaders automatisch te bewaken. Wel kunnen teams kleiner worden en meer AI-agents bevatten, elk met een duidelijk afgebakend verantwoordelijkheidsgebied.”
Begin bij je softwarestrategie, niet bij de AI-tool
Voor IT-beslissers die willen onderzoeken wat agentic AI voor hun software kan betekenen, is de eerste stap volgens Oonk niet simpelweg het selecteren van een AI-tool. “Begin met inzicht: welke applicaties draaien we nu, welke kosten zijn eraan verbonden en welke systemen zijn strategisch of bedrijfskritisch? Zeker op het gebied van veiligheid kan verouderde software een risico vormen. Dit is daarom niet alleen een technisch vraagstuk, maar ook een onderwerp voor de directie.
Herken je deze vragen binnen jouw organisatie, maar weet je nog niet waar je moet beginnen? Info Support biedt een Agentic Readiness Scan aan: binnen één tot twee weken brengen we jouw applicatielandschap in kaart, inclusief afhankelijkheden, legacy-risico’s, licentiekosten en concrete AI-kansen, uitgewerkt in een heldere roadmap.
Wil je weten waar jouw organisatie staat en welke stappen het meeste opleveren? Neem contact op met Info Support en ontdek wat agentic AI voor jouw softwarestrategie kan betekenen.
