Word deel van Brand Friends Forever.
Ik doe meeAI trends voor 2027
Share'n care Trends
AI-agents, MCP-servers, RAG en agentic commerce. De technologie ontwikkelt zich razendsnel, maar niet elke nieuwe mogelijkheid verdient een plaats in je marketing-budget.
Dit zijn onze vijf voorspellingen voor 2027.
Met hier en daar een mening die niet iedereen graag zal horen. 🫣
Shared on 12 november 2026
Iedereen heeft een nieuwe flex ontwikkeld.
Een webshop die onvoldoende verkoopt? Misschien moeten we een AI-shoppingassistent bouwen. Klanten die telkens dezelfde vragen stellen? Een chatbot. Content die niet scoort? Daar bestaat vast ook een AI-tool voor.
AI is stilaan het standaardantwoord geworden op problemen die we nog niet eens goed onderzocht hebben.
Bij Think Tomorrow gebruiken we AI en onderzoeken we hoe we het kunnen integreren in websites, webshops en marketingprocessen. Tegelijk bouwen we die systemen ook zelf. Met Chief hebben we een eigen CMS, we koppelen klantplatformen aan HubSpot en ontwikkelen toepassingen op maat.
Daardoor zien we ook wat er achter een geslaagde AI-demo schuilgaat. API's die onderhouden moeten worden. Data die niet overeenkomt. Toegangsrechten die iemand moet regelen. En uitzonderingen waar tijdens de presentatie niemand aan gedacht heeft.
Onze verwachting voor 2027?
Johnny Berkmans
Veel bedrijven gaan ontdekken dat hun volgende AI-project vooral bestaande technische problemen blootlegt. Want AI dwingt je om eerst de fundamenten van je bedrijf op orde te brengen, omdat een algoritme simpelweg niet slimmer kan zijn dan de data en infrastructuur waarop het draait.
MCP
1. Niemand zit te wachten op de MCP-server van jouw merk
MCP staat voor Model Context Protocol. Via deze open standaard kunnen AI-applicaties informatie ophalen en functies uitvoeren in andere systemen.
Een assistent kan bijvoorbeeld producten opzoeken, de voorraad controleren of klantgegevens raadplegen. Handig, zeker wanneer je AI wilt integreren in bestaande software.
Maar moet iedere merkwebsite daarom een eigen MCP-server krijgen? Wij zien de meerwaarde voorlopig niet.
Neem Chief, ons eigen CMS. In de roadmap onderzoeken we een uitbreidbare pluginstructuur en koppelingen met onder meer Odoo, Teamleader en e-mailmarketingplatformen.
Die integraties hebben een concreet nut. Ze zorgen dat informatie tussen systemen kan worden uitgewisseld en medewerkers minder handmatig moeten overnemen.
Daar zouden we technisch een MCP-laag bovenop kunnen zetten. Alleen hebben we daar pas iets aan wanneer een AI-toepassing die verbinding ook daadwerkelijk nodig heeft.
Een MCP-server opnemen in de officiële MCP Registry betekent namelijk niet dat ChatGPT jouw webshop automatisch gaat gebruiken wanneer iemand naar een loungeset vraagt. Het AI-platform moet de integratie ondersteunen en beschikbaar maken voor zijn gebruikers.
Wie gaat die server dus gebruiken? Hoe vaak? En wat levert dat op?
Zonder antwoorden op die vragen bouwen we liever een goede API. Daar kunnen onze eigen applicaties en andere systemen meteen mee werken. Als later een concrete MCP-toepassing ontstaat, hebben we de basis al.
Voor interne agents en softwareplatformen met bestaande gebruikers kan MCP bijzonder nuttig zijn. Voor de gemiddelde consumentenwebsite vinden we een eigen server momenteel een moeilijk te verdedigen investering.
LLMS.TXT
2. llms.txt wordt de volgende SEO-hype die niemand nodig had
Bij Think Tomorrow kijken we al langer verder dan Google. In onze aanpak rond Search Everywhere Optimization houden we rekening met hoe mensen zoeken via sociale media, videoplatformen en AI-assistenten.
Dat maakt ons nog geen voorstander van ieder nieuw GEO-trucje.
Neem llms.txt, een tekstbestand dat AI-systemen een overzicht kan geven van belangrijke informatie op je website. Het klinkt logisch. Je helpt een AI-systeem om relevante pagina's te vinden. Waarom zou je dat niet standaard installeren?
Omdat je eerst moet weten welke systemen dat bestand gebruiken. 🫣
Google geeft in zijn documentatie over AI-functies in Search aan dat speciale AI-bestanden geen vereiste zijn voor zichtbaarheid in zijn zoekresultaten. Andere toepassingen kunnen llms.txt wel gebruiken, maar het is geen universele oplossing voor AI-vindbaarheid.
Toch verwachten we dat het bestand in 2027 op behoorlijk wat SEO-offertes zal verschijnen.
Voor websites die we met Chief ontwikkelen, besteden we liever eerst aandacht aan crawlbaarheid, paginastructuur en correcte productinformatie. Dat is minder spectaculair, maar je weet tenminste welk probleem je aanpakt.
Wil een klant experimenteren met llms.txt? Prima. Dan bepalen we vooraf voor welke AI-systemen het nuttig zou moeten zijn en hoe we het gebruik kunnen controleren.
AGENTIC COMMERCE
3. Agentic commerce maakt je productdatabase belangrijker
Dit is een ontwikkeling waar we als developers en marketeers wel veel potentieel in zien.
Met het Universal Commerce Protocol, kortweg UCP, werkt Google aan een standaard waarmee AI-platformen en webshops commerciële informatie en transacties kunnen uitwisselen.
Een consument zou daardoor vanuit een AI-gesprek verder kunnen gaan dan producten vergelijken. Denk aan beschikbaarheid controleren, een uitvoering kiezen en uiteindelijk een aankoop afronden.
Voor een agency dat webshops bouwt, verandert dat de technische vereisten.
Neem een klant zoals Hanolux, waar de webshop en de fysieke showroom samen een rol spelen in de aankoopervaring.
Stel dat iemand een AI-assistent vraagt welke loungeset geschikt is voor een klein terras en of die ergens te bekijken is.
Voor een bruikbaar antwoord moet het systeem weten welke modellen beschikbaar zijn, wat hun afmetingen zijn en welke uitvoeringen je kunt bestellen. Als het ook informatie over de showroom geeft, moeten die gegevens kloppen.
In een webshop komt die informatie niet noodzakelijk uit één systeem. Het CMS toont productinformatie, een ander systeem beheert de voorraad en klantopvolging kan via HubSpot verlopen.
Wanneer die gegevens niet overeenkomen, krijg je een AI-assistent die met veel overtuiging verkeerde informatie geeft.
Dat probleem los je niet op met een betere prompt.
Voor agentic commerce hebben webshops betrouwbare productfeeds, actuele gegevens en API's nodig die duidelijk beschrijven welke acties mogelijk zijn. Ook bestel- en betaalprocessen moeten correct omgaan met fouten en dubbele aanvragen.
Wij verwachten daarom dat webshops in 2027 meer zullen investeren in hun achterliggende systemen.
Niet omdat een voorraadkoppeling aantrekkelijker klinkt dan een redesign. Wel omdat externe AI-systemen weinig kunnen beginnen met een webshop waarvan de productgegevens niet kloppen.
RAG
4. RAG maakt van slechte documentatie geen betrouwbare kennisbank
RAG staat voor Retrieval-Augmented Generation. Een AI-systeem zoekt daarbij informatie op in externe bronnen en gebruikt die om een antwoord te formuleren.
Dat is interessant voor bedrijven met uitgebreide productdocumentatie, handleidingen en interne procedures.
Ook binnen Chief onderzoeken we contextuele AI-ondersteuning. Denk aan een redacteur die hulp krijgt bij het schrijven, vertalen of verbeteren van content.
Bij klanten zien we vergelijkbare mogelijkheden. In een strategisch traject voor Hanolux werd bijvoorbeeld gekeken naar een kennisbank met antwoorden op veelgestelde vragen van het serviceteam.
Je kunt je daar meteen een AI-assistent bij voorstellen. Een medewerker vraagt hoe een bepaald product onderhouden moet worden. Het systeem zoekt de instructies op en formuleert een antwoord.
Maar stel dat de onderhoudsvoorschriften ondertussen gewijzigd zijn. De nieuwe versie staat in een ander document, terwijl de oude handleiding nog altijd beschikbaar is.
Welke gebruikt de assistent?
Een RAG-systeem weet niet vanzelf welke documenten geldig zijn. Je moet kunnen bepalen welke bronnen het doorzoekt, hoe je verouderde versies uitsluit en wie toegang krijgt tot welke informatie.
Dat vraagt ook om tests. Je wilt weten of de assistent correcte antwoorden geeft wanneer informatie ontbreekt, tegenstrijdig is of alleen voor medewerkers bedoeld is.
Voor AI in Chief geldt hetzelfde. Een redacteur kan pas vertrouwen op automatisch gegenereerde productcontent wanneer de assistent correcte specificaties en goedgekeurde merkterminologie gebruikt.
Daarom denken we dat de interessantste AI-ontwikkeling in contentmanagement niet de volgende tekstgenerator is.
Het is software die weet met welke informatie ze mag werken.
En daarvoor moet iemand die informatie eerst degelijk beheren.
Kevin Heylen / Senior marketeer
Iedereen wil dingen bouwen met AI en alles overlaten aan hun AI agent. Wij vragen ons af of de software of bedrijfsprocessen erachter al op punt staan.
AI AGENTS
5. AI-agents worden vooral interessant voor het werk dat niemand graag doet
Een agent hoeft je job niet over te nemen om nuttig te zijn. Soms is het al geweldig dat hij de vervelende voorbereiding doet. Binnen Think Tomorrow onderzoeken we hoe agents kunnen helpen bij communitymanagement, rapportering en andere terugkerende marketingtaken.
Dat zijn logische toepassingen. We besteden vandaag veel tijd aan gegevens verzamelen, rapporten voorbereiden en vragen beantwoorden die regelmatig terugkomen.
Maar hoeveel zelfstandigheid geef je zo'n agent?
Stel dat we voor een klant het communitymanagement ondersteunen. Een agent kan inkomende berichten categoriseren, veelgestelde vragen herkennen en antwoorden voorbereiden.
Zolang een medewerker die antwoorden controleert, blijft het risico beperkt. Laat je de agent zelfstandig reageren, dan wordt het 'ietske' lastiger.
Een consument klaagt dat een product defect is. De agent biedt spontaan een vervanging aan. Alleen heeft de klant daar volgens de voorwaarden geen recht op.
Nu heeft de technologie namens het merk een belofte gedaan die iemand anders moet oplossen. Maar wie niet waagt niet wint, toch? 😅
Bij HubSpot speelt hetzelfde probleem. Een agent die een rapport voorbereidt, hoeft weinig te wijzigen. Een agent die contacten aanpast, deals verplaatst of campagnes verstuurt, heeft toegang tot gevoelige bedrijfsprocessen.
Daarvoor moet je de juiste bevoegdheden instellen en bepalen wanneer iemand goedkeuring moet geven.
Onze verwachting is dat we in 2027 meer waarde halen uit agents met een duidelijke, beperkte opdracht dan uit systemen die zogezegd alles zelfstandig kunnen.
Voor Think Tomorrow haalt een agent bijvoorbeeld campagneresultaten op, flagt opvallende afwijkingen en stelt een eerste rapportage op.
De marketeer beoordeelt vervolgens wat die cijfers betekenen en welke acties nodig zijn. Dat spaart werk uit zonder de controle over klantadvies weg te geven.
Conclusie
Moeten we dan niets doen met AI?
Jawel, tuurlijk wel. We blijven experimenteren met AI, want we zien mogelijkheden voor Chief, of voor de webshops die we bouwen en zeker voor onze eigen marketingprocessen.
Maar we gaan niet bij iedere klant een MCP-server voorstellen. We zetten llms.txt niet blind op onze SEO-checklist. En we bouwen geen chatbot wanneer een degelijke zoekfunctie hetzelfde probleem beter oplost.
Wat we wel verwachten, is meer werk aan de huidge systemen die AI bruikbaar moeten maken. Denk aan een webshop met correcte productgegevens. Een CMS waarin content en documentatie goed beheerd worden. Een HubSpot-workflow die veilig samenwerkt met een agent. API's waar ook externe toepassingen mee kunnen werken.
Dat zijn investeringen waar je vandaag al iets aan hebt, ook wanneer een nieuwe AI-standaard uiteindelijk minder populair blijkt dan verwacht.
En misschien is dat de nuttigste voorspelling die we voor 2027 kunnen doen.
AI-plannen?
Wij kijken liever eerst naar het probleem.
Een AI-agent bouwen kunnen we. Je vertellen dat je er geen nodig hebt, durven we ook. Heb je een idee voor je website, webshop of marketingprocessen? Leg het eens op tafel. We bekijken samen wat technisch mogelijk is, wat écht iets oplevert en waar je beter geen budget aan verspilt.