Oorspronkelijk gepubliceerd in het Engels.

Toen de machines dezelfde taal begonnen te spreken

In de jaren negentig begon een consortium van machinefabrikanten en organisaties voor landbouwtechniek te werken aan een probleem dat de precisielandbouw afremde. Elke fabrikant hanteerde zijn eigen communicatieprotocol voor data tussen werktuig en trekker. Een John Deere-trekker en een Hardi-spuitmachine konden geen datataal delen zonder een integratie op maat. Informatie betrouwbaar laten reizen tussen machines van verschillende fabrikanten was duur, fragiel en lag buiten het bereik van de meeste bedrijven om te onderhouden.

De oplossing was ISO 11783, beter bekend als ISOBUS: een gedeelde communicatiestandaard waaraan elke conforme fabrikant kan bouwen, ongeacht het merk. Zodra een werktuig en een trekker beide aan de standaard voldoen, stromen de data tussen hen. De gebruiker werkt met het hele systeem in plaats van de vertaling tussen de onderdelen te beheren.

ISOBUS heeft geen enkele machine op zich slimmer gemaakt. Het heeft de relatie tussen machines mogelijk gemaakt.

Dat onderscheid, tussen het verbeteren van een onderdeel en het mogelijk maken van een relatie, is waar ik sinds 22 april over nadenk.

Wat er gebeurde op Google Cloud Next in Las Vegas

Op 22 april bracht Google een protocol uit met de naam A2A (Agent-to-Agent), samen met een referentie-implementatie genaamd de Agent Gateway. Google omschrijft de Gateway als de «luchtverkeersleider» voor multi-agentoperaties: een laag die de communicatie tussen AI-agents, externe tools en databronnen inspecteert, bestuurt en routeert.

A2A is geen product. Het is een voorgestelde standaard voor hoe AI-agents met elkaar communiceren.

Het werd gelanceerd met toezeggingen van meer dan 50 technologiepartners: Atlassian, Salesforce, SAP, ServiceNow, Workday, LinkedIn, PayPal en anderen. Dit zijn geen marginale spelers; het is de zakelijke softwarestack waar HR, inkoop, financiën en operaties bij grote organisaties wereldwijd op draaien. Wanneer die groep een communicatiestandaard vanaf dag één onderschrijft, verschuift de aankondiging van voorstel naar infrastructuurbeslissing.

Of A2A dat kantelpunt wordt voor intelligentiesystemen, moet nog blijken. Maar de voorwaarden die ISOBUS doorslaggevend maakten, zijn aanwezig: een structureel probleem, een voorgestelde standaard en voldoende ecosysteem dat zich vanaf dag één verbindt om erop te bouwen.

Voor gras- en sportaccommodatiebeheer ligt het parallel dichterbij dan het kader van zakelijke software zou doen vermoeden, niet op het niveau van de AI-agent, dat deze sector nog niet bereikt heeft, maar op de datalaag, waar nu aan gewerkt wordt.

Een goed uitgeruste golfbaan of sportaccommodatie in 2026 draait een weerstation op zijn eigen platform, een robotmaaiervloot op een tweede, bodemsensoren op een derde, een irrigatiecontroller op een vierde. Spuitregistraties leven ergens anders: in een spreadsheet, in een losse app of in een papieren logboek in de onderhoudsloods. In principe zouden sommige van deze data tussen systemen kunnen stromen. In de praktijk vereist het koppelen ervan maatwerkintegratie, doorlopend onderhoud en is het afhankelijk van leveranciers die weinig commercieel belang hebben om de data van hun concurrenten nuttiger te maken. De greenkeeper blijft de integratielaag, niet tussen AI-agents, maar tussen dataplatforms.

Dit is niet het AI-agentprobleem. Grasbeheer heeft nog geen AI-agents ingezet zoals zakelijke software dat heeft gedaan. De sector werkt aan een eerdere en directere uitdaging: zorgen dat de IoT-datalaag met zichzelf praat. Maar het structurele probleem is identiek aan wat A2A op agentniveau moet voorkomen. Eigen silo's. Onverenigbare dataformaten. Geen afgesproken standaard voor hoe de onderdelen communiceren. De persoon die ertussen staat en de vertaling doet.

Het productieprobleem

Naast de aankondiging van A2A publiceerde Gartner een cijfer dat door de AI-industrie circuleert: 86 tot 89 % van de pilotprogramma's voor AI-agents heeft geen productie op schaal bereikt.

Dat cijfer wordt vaak gelezen als commentaar op de rijpheid van AI, alsof de technologie nog niet betrouwbaar genoeg is. Ik denk dat het iets structureels beschrijft: een fragmentatieprobleem. De meeste zakelijke AI-pilots die in productie falen, falen niet omdat de redenering verkeerd was, maar omdat de output van het ene systeem geen standaardmechanisme heeft om aan het volgende door te geven. Geen gedeeld protocol. Geen afgesproken formaat. Iemand moet de overdracht handmatig bemiddelen, op gezette tijden, waarbij de informatie te laat aankomt om nog nuttig te zijn.

Grasbeheer zal de vorm van dit probleem herkennen, ook al is de technologielaag anders. Een weerplatform dat niet direct kan exporteren naar een voedingsplanningsinstrument. Een bodemsensor-dashboard zonder native verbinding met de irrigatiecontroller. Een spuitlogboek dat in een aparte omgeving leeft, los van het ziekterisicomodel dat het zou moeten lezen. Het architectuurprobleem is hetzelfde. De laag waarop het verschijnt, is anders.

De vorm van dit probleem is bekend uit de eigen ervaring van de precisielandbouw tien jaar geleden. De sensoren werkten. De machines werkten. De dataformaten waren onverenigbaar. De gebruiker was de integratielaag.

De overgang naar ISOBUS gebeurde niet omdat de machines beter werden. Het gebeurde omdat de sector het eens werd over een grammatica, en zodra die grammatica bestond, kon elk nieuw werktuig eraan deelnemen zonder een integratie op maat.

A2A stelt dezelfde grammatica voor AI-agents voor. Geen gedeeld model, geen gedeeld platform, maar een gedeeld protocol. Het onderscheid is van belang, want het betekent dat agents van verschillende leveranciers kunnen komen, op verschillende onderliggende modellen kunnen draaien en toch binnen een bestuurde architectuur kunnen communiceren.

De vraag die dit oproept voor de operatie

Voor een agronomisch directeur of een operationeel hoofd die technologie evalueert, gaat de relevante versie van de A2A-vraag nog niet over AI-agents. Hij gaat over data.

Verbindt dit platform zich met de andere platforms in mijn operatie, of creëert het nog een silo? Exporteert het data in open formaten, of sluit het mijn operationele gegevens (spuitlogboeken, bodemmetingen, groeidata) op in een eigen omgeving? Kan ik mijn data verplaatsen als ik van leverancier wissel, of heb ik de controle erover samen met het contract afgegeven?

Dit zijn de vragen waar de grassector nu mee bezig is, op de data- en API-laag. A2A is dezelfde vraag die één niveau hoger wordt beantwoord in zakelijke software: wanneer AI-agents de belangrijkste interface worden, zullen ze dan communiceren via open standaarden, of zal elke leverancier muren bouwen rond zijn agents zoals machinefabrikanten ooit muren bouwden rond hun werktuigprotocollen?

De twee vragen hangen samen. De architectuurbeslissingen die nu op de datalaag worden genomen, bepalen hoe gemakkelijk er later een intelligentielaag op gebouwd kan worden. Een platform dat uw operationele gegevens opsluit in een eigen database creëert, een laag hoger, dezelfde beperking als een pre-ISOBUS-werktuigfabrikant. De kosten van naderhand aanpassen komen later, wanneer wisselen duur is geworden en de data moeilijker te verplaatsen is.

Vóór ISOBUS hadden machinefabrikanten commerciële redenen om hun protocollen eigendomsrechtelijk te houden. Een afgesloten communicatiestandaard betekende afgesloten klanten. De overstap naar open standaarden werd eerst tegengewerkt, daarna geleidelijk overgenomen en werd vervolgens de voorwaarde om aan de markt deel te nemen. Dezelfde dynamiek loopt nu in AI-infrastructuur, en in de agronomische dataplatforms die eronder zullen liggen.

De praktische toets geldt op beide lagen: kunnen de platforms die u gebruikt onderling data delen zonder dat uw team de overdracht bemiddelt? Zo niet, als de greenkeeper nog steeds de verbinding is tussen het weerstation, de bodemsensor en de spuitregistratie, dan heeft u capabele onderdelen. U heeft nog geen systeem. En u bouwt op fundamenten die elke volgende intelligentielaag zullen beperken.

Waarom dit nu de moeite van het opletten waard is

Beslissingen over protocollen halen zelden de krantenkoppen. Ze worden geregeld in werkgroepen en technische commissies, aangekondigd in persberichten die de meeste praktijkmensen nooit lezen. Het zijn, consequent, de beslissingen die bepalen wat het volgende decennium aan innovatie mogelijk maakt.

Maar de les van ISOBUS, en van elk vergelijkbaar standaardenmoment in precisielandbouw, is dat de protocolbeslissing degene is die alles vormgeeft wat erop wordt gebouwd. Werktuigen die vóór ISOBUS zijn ontworpen, vereisten dure aanpassingen of vervanging. Werktuigen die erna zijn ontworpen, konden vanaf dag één deelnemen aan een verbonden ecosysteem.

De intelligentielaag in uw operatie: het vermogen om een weermeting te verbinden met een bodemtoestand, met een spuitbeslissing, met een waargenomen resultaat. Die zal worden gebouwd op infrastructuurbeslissingen die nu worden genomen. Aan welke platforms u zich verbindt. Of uw operationele data van u is om te verplaatsen of vastzit bij een leverancier. Of de architectuur die u vandaag bouwt ruimte laat voor een verbonden intelligentielaag, of die juist afsluit.

A2A zal niet landen in de gespecialiseerde graspers. Het beschrijft niet waar deze sector op dit moment staat. Maar het beschrijft, nauwkeurig, het architectuurprobleem dat elke laag operationele technologie uiteindelijk moet oplossen. Het draagt de les die ISOBUS al eens heeft geleverd: krijg het protocol goed voordat het ecosysteem zich rond het verkeerde sluit.

De vraag die nu waard is om te stellen, is niet «welke tool levert de beste data?». Maar: wanneer de intelligentielaag arriveert, is uw operatie er klaar voor om eraan deel te nemen, of besteedt u de komende drie jaar aan aanpassingen?

Bron: het A2A-protocol en de Agent Gateway werden aangekondigd op Google Cloud Next '26, Las Vegas, op 22 april 2026. Bronnen: Overzicht Google Cloud Next '26 · Kai Waehner, Enterprise Agentic AI Landscape 2026