Een AI-agent heeft een fysieke winkel geopend, personeel aangenomen en runt de dagelijkse operatie. Dit experiment van Andon Labs toont niet dat AI de perfecte manager is, maar wel dat de technologie nu al in staat is om complexe, echte taken in de fysieke wereld uit te voeren, met alle fouten en leerpunten van dien.

Wat er aan de hand is

Andon Labs, een onderzoeksgroep, heeft een experiment uitgevoerd waarbij een AI-agent genaamd ‘Luna’ volledige autonomie kreeg over een fysieke winkel in San Francisco. Volgens een bericht in The Rundown kreeg de agent een driejarig huurcontract, een budget van $100.000 en een creditcard. Haar enige opdracht was: maak winst. Luna creëerde zelf het concept voor de boetiek, plaatste vacatures en voerde sollicitatiegesprekken via Zoom (met de camera uit). De agent maakt gebruik van Claude Sonnet 4.6 voor redeneren en Gemini 3.1 Flash-Lite Preview voor spraak, en observeert de winkel via screenshots van beveiligingscamera’s. Tijdens het proces maakte Luna fouten, zoals per ongeluk Afghanistan selecteren in een dropdown-menu bij het inhuren van een schilder en het rooster voor de openingsweekend verprutsen. Dit experiment volgt op een eerdere test met een AI-automaat bij Anthropic en is bedoeld als een preview van een toekomst waarin AI de baas vervangt lang voordat het de werknemer vervangt.

Wat dit betekent

Dit betekent dat de stap van AI als digitale assistent naar AI als operationeel manager in de fysieke wereld nu wordt gezet in praktijkexperimenten. Voor ondernemers, met name in de retail, horeca en dienstverlening, is dit een signaal dat de automatisering van managementtaken niet langer sciencefiction is. Het experiment toont zowel de potentie als de huidige beperkingen: de AI kan zelfstandig beslissingen nemen over inkoop, personeel en concept, maar struikelt over praktische details en menselijke interacties. De kernles is niet dat de technologie nu al perfect is, maar dat elke nieuwe model-upgrade, geheugenverbetering en ‘agentic feature’ de kloof tussen mens en machine verder dicht. Een versie van Luna die deze fouten niet meer maakt, is volgens het bronartikel waarschijnlijk slechts één of twee generaties modellen verwijderd. Dit zet de tijdlijn voor adoptie op scherp.

Hoe je dit kunt toepassen

De praktische toepassing hangt sterk af van jouw specifieke situatie en de volwassenheid van je huidige processen. Het experiment dient vooral als een denkoefening en een signaal om je voor te bereiden.

Als je een fysieke winkel of horecazaak runt… kun je dit zien als een uitnodiging om je operationele processen te standaardiseren en digitaal vast te leggen. AI-agents gedijen bij duidelijke regels en data. Begin met het documenteren van je standaardprocedures voor voorraadbestelling, roostermaken en basis klantinteracties. Dit creëert de gestructureerde data waar toekomstige AI-tools op kunnen bouwen, waardoor je over een jaar niet vanaf nul hoeft te beginnen.

Als je een team aanstuurt of een manager bent… is het verstandig om na te denken over welke van je taken voorspelbaar en regelgestuurd zijn versus welke intuïtie en menselijk oordeel vereisen. Taken zoals het plannen van roosters op basis van beschikbaarheid, het screenen van CV’s op basis van basisvereisten of het monitoren van voorraadniveaus zijn kandidaat-gebieden waar AI-assistentie het eerst zal opkomen. Je rol verschuift dan van uitvoerder naar validator en coach van het AI-systeem.

Als je diensten levert of een klein bedrijf runt… kun je experimenteren met bestaande AI-tools die één specifieke managementtaak aanpakken. Denk aan tools voor automatische afspraakplanning, slimme voorraadvoorspelling of chatbots die eerste klantvragen filteren. Het doel is niet om vandaag een autonome agent te installeren, maar om vertrouwd te raken met de bouwstenen ervan. Zo bouw je de interne kennis op om te beoordelen wanneer een geïntegreerde AI-manager voor jouw bedrijf zinvol wordt.

Bron: The Rundown