Een AI-agent heeft een fysieke winkel geopend, personeel aangenomen en de dagelijkse operatie gerund. Het experiment toont de huidige mogelijkheden en valkuilen van volledig autonoom management, waarbij AI de strategische leiding neemt en mensen de uitvoering doen.

Wat er aan de hand is

Andon Labs, een onderzoekslab, heeft een experiment uitgevoerd waarbij een AI-agent genaamd ‘Luna’ volledige autonomie kreeg over een fysieke retailwinkel 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. De AI creëerde zelf het concept voor de boutique, plaatste vacatures en hield sollicitatiegesprekken via Zoom (met de camera uit). Luna draait op het Claude Sonnet-model voor redeneren en Gemini voor spraak, en observeert de winkel via screenshots van beveiligingscamera’s. Tijdens het proces maakte de agent fouten, zoals per ongeluk ‘Afghanistan’ selecteren in een dropdown-menu bij het inhuren van een schilder via TaskRabbit en het verprutsen van het rooster voor de openingsweekend.

Wat dit betekent

Dit experiment is een concrete stap van AI-demo’s in een gecontroleerde omgeving naar de rommelige, onvoorspelbare echte wereld. Het toont een verschuiving aan: AI vervangt niet per se de uitvoerende werknemer, maar neemt steeds vaker de rol van manager of ondernemer over. Voor sectoren zoals retail, horeca en logistiek, waar operationele beslissingen vaak repetitief en data-gedreven zijn, wordt deze vorm van autonoom management steeds reëler. De fouten die gemaakt worden – zoals de planning en geografische blunders – zijn kenmerkend voor de huidige generatie AI: briljant in het bedenken van strategieën, maar kwetsbaar in de praktische, foutgevoelige uitvoering. Elke upgrade van de modellen brengt een versie die deze fouten niet meer maakt dichterbij.

Hoe je dit kunt toepassen

De praktische toepassing hangt af van jouw situatie. Het experiment toont vooral aan dat de technologie voor autonoom management in opkomst is. Je kunt de ontwikkelingen volgen en overwegen welke taken in jouw bedrijf geschikt zouden kunnen zijn voor een dergelijke aanpak.

Als je een winkel of horecagelegenheid runt… kun je nadenken over welke managementtaken voorspelbaar en regelgestuurd zijn. Denk aan het maken van basisroosters op basis van historische verkoopdata, het bijhouden van voorraadniveaus van standaardproducten, of het genereren van standaard inkooporders. Dit zijn taken waar een toekomstige AI-agent mogelijk op kan toezien, terwijl je team zich richt op klantcontact en uitzonderingsgevallen.

Als je een leidinggevende functie hebt… is het verstandig je bewust te worden van welke delen van je werkdag bestaan uit het interpreteren van data en het nemen van repetitieve beslissingen. Taken zoals het analyseren van wekelijkse verkooprapporten om trends te spotten of het goedkeuren van standaardaanvragen zijn kandidaat-processen voor toekomstige automatisering. Focus je ontwikkeling op vaardigheden die moeilijker te automatiseren zijn, zoals complexe onderhandelingen, coaching en het oplossen van unieke personeelskwesties.

Als je een dienstverlenend bedrijf hebt met projecten… laat dit experiment zien dat AI nu al kan helpen bij de initiële opzet. Een AI-agent zou, met de juiste instructies, een projectplan kunnen opstellen, een begroting kunnen maken en zelfs kunnen helpen bij het vinden en screenen van freelancers voor standaardonderdelen van het werk. De menselijke projectleider blijft verantwoordelijk voor kwaliteitscontrole, creatieve sturing en het managen van de klantrelatie.

Bron: The Rundown