Op 26 juli 2026 verscheen op arXiv het paper Separating Capability from Permission: A Governance Framework for Agentic AI Autonomy Levels. Het introduceert een formeel onderscheid tussen twee begrippen die in de praktijk vaak door elkaar lopen: wat een AI-agent technisch kan doen (Autonomous Capability Levels) en wat een agent in een concrete organisatorische en risicocontext mag doen (Allowed Autonomy Levels). De auteurs beschrijven hoe controle, omkeerbaarheid en verantwoording moeten meebewegen naarmate de toegestane autonomie stijgt.
Praktisch betekent dit dat organisaties die AI-agents inzetten niet langer kunnen volstaan met de vraag hoe capabel een systeem is. Ze moeten per werkstroom vastleggen tot hoe ver een agent zelfstandig mag handelen, wie dat mag goedkeuren en hoe achteraf te reconstrueren valt wat er gebeurde. De verschuiving is dus van "AI die praat" naar "AI die handelt" — en dat maakt autonomie een ontwerp- en verantwoordingsvraag.
Van pratende assistent naar agents met formele autonomieniveaus
Het onderscheid tussen capaciteit en toestemming staat niet op zichzelf. In het overzichtsartikel Towards Trustworthy Agentic AI: A Comprehensive Survey of Safety and Security Challenges (arXiv, 17 mei 2026) worden meerdere autonomieladders uit de literatuur samengevat. De survey benadrukt dat hogere autonomie — vooral in systemen waarin meerdere agents samenwerken — de voorspelbaarheid en controleerbaarheid onder druk zet en het aanvalsoppervlak vergroot.
Een aanvullend beeld biedt de synthese From LLM Reasoning to Autonomous Agents van AgentMarketCap (5 april 2026). Die vat recent academisch werk samen waarin agents worden ontleed in functionele lagen: waarneming, planning, actie, gebruik van tools en samenwerking. Ook worden rollen beschreven die lopen van Operator tot Observer, waarmee de mate van menselijk toezicht per stap expliciet wordt. Vertrouwde labels als assistent, copiloot of achtergrondagent worden zo herschreven tot autonomietrappen met verschillende verwachtingen over omkeerbaarheid en toezicht.
Naar onze inschatting is dit de kern van de verschuiving: de vraag is niet meer alleen hoe krachtig een agent is, maar op welk autonomieniveau die in een specifieke werkstroom draaide, en of dat niveau vooraf was toegestaan.
Governance-architectuur rond agents die handelen
Waar de academische stukken het begrippenkader leveren, laten praktijkgidsen zien hoe organisaties dit operationeel maken. De AI Agent Data Governance: Enterprise Playbook for 2026 van Promethium (24 april 2026) stelt dat de meeste organisaties die agents in productie draaien zich in een vroege volwassenheidsfase bevinden: de agents hebben aanzienlijke operationele impact, maar de governance is nog informeel. Als fundament beschrijft de playbook vier bouwstenen: agents behandelen als eigen (niet-menselijke) identiteiten met afgebakende bevoegdheid, runtime-afdwinging zodat een agent zijn toegestane autonomie niet kan overschrijden, uitgebreide auditing en herleidbaarheid van data- en modellineage.
De praktijkgids Agentic AI Governance: A Practical 2026 Control Framework van ITECS (16 maart 2026) beschrijft hoe organisaties hun inzet toetsen aan het volwassenheidsmodel van Microsoft voor agentic AI. Volgens ITECS zitten veel implementaties nog op een laag governance-niveau, terwijl gedocumenteerd beleid, gezoneerde omgevingen en afgedwongen controles als drempel gelden voor verantwoord opschalen. De gids vertaalt autonomie naar concrete autorisatietrappen: adviserend, opstellend, begrensd handelen en handelen met hoge impact.
Als redactionele observatie: deze bronnen convergeren opvallend sterk. Het patroon is telkens identiteit, afdwinging, auditing en lineage — precies de lagen die nodig zijn om achteraf te kunnen tonen wie of wat iets deed, met welke data en welke bevoegdheid.
Evaluatie en verificatie wanneer autonomie stijgt
Naast organisatorische controles komt er meetgereedschap. De AgentMarketCap-synthese noemt het CLASSic-kader (Cost, Latency, Accuracy, Security, Stability) om agent-stacks meerdimensionaal te beoordelen, plus benchmarks als GAIA en long-horizon trajectory-tests die bekijken hoe een agent zich over langere reeksen stappen gedraagt. Dat is een verschuiving weg van louter chatkwaliteit naar betrouwbaarheids- en beveiligingsmaten die aan autonomie gekoppeld zijn.
Deze evaluaties vervangen governance niet; ze vullen die aan. Een benchmark zegt iets over gedrag onder testomstandigheden, maar een organisatie moet nog steeds kunnen aantonen dat een specifieke agent in een specifieke werkstroom binnen zijn toegestane autonomie bleef.
Op dat punt past een verificatielaag als IamVera.ai in het beeld — nadrukkelijk als secundaire laag, niet als bron van de ontwikkeling. Vera is geen chatbot en geen eigen taalmodel, maar een verificatielaag voor professionals die met vertrouwelijke informatie werken. Vera kan een taak langs geselecteerde onafhankelijke AI-modellen leiden en verificatiestappen, correcties, onderlinge afwijkingen en bronnen zichtbaar maken. Dat ondersteunt controle, maar garandeert geen juistheid en elimineert geen hallucinaties; het eindoordeel blijft bij de gebruiker.
Voor gevoelige documenten kan de Semantic Privacy Shield waarden vervangen door synthetische, sessiegebonden equivalenten op EU-infrastructuur voordat verwerking plaatsvindt; de architectuur is erop ontworpen alleen geanonimiseerde inhoud door te sturen, en bij een mislukte privacycontrole wordt niets doorgestuurd. In het licht van de vier governance-bouwstenen uit de Promethium-playbook — identiteit, afdwinging, auditing, lineage — geeft zo'n verificatieconsole vooral meer zicht op de laatste twee: wat er per werkstroom gebeurde en welke controles daarbij golden. Het is geen bewijs dat elke autonome actie volledig te reconstrueren is; het maakt inspectie mogelijk.
Onze conclusie: de rode draad in het werk van 2026 is dat autonomie een begrensde, gedocumenteerde en toetsbare ontwerpvariabele wordt. De vraag verschuift van "hoe krachtig kan een agent worden" naar "hoe ver laten we een agent gaan, onder welke voorwaarden, en hoe tonen we dat we die grens hebben gehandhaafd".
Bronnen: Het artikel steunt op arXiv-papers over autonomiegovernance en agentic AI-veiligheid en op praktijkgidsen van Promethium, ITECS en AgentMarketCap.