Vandaag maken onze digitale informatiefabrieken – de cloud – een transformatie door die doet denken aan een eerdere revolutie in onze fysieke fabrieken: de opkomst van flexibele automatisering. In de jaren negentig werden productielijnen modulair, machines programmeerbaar en processen steeds slimmer aangestuurd. Wat toen gebeurde met goederenstromen, gebeurt nu met informatiestromen.

Waar vroeger monolithische IT-systemen centraal stonden, opereren vandaag microservices als gespecialiseerde functionele eenheden: autonoom, schaalbaar en modulair. Ze functioneren als de vakmensen en machines van de digitale fabriek – elk met een duidelijk afgebakende taak en vaste protocollen. Maar aan die fabriek wordt nu een nieuwe laag toegevoegd: AI-agents.

Deze agents zijn geen statische tools, maar adaptieve regisseurs. Ze analyseren data, herkennen patronen en nemen beslissingen op basis van context. Ze coördineren de stromen van informatieproducten, anticiperen op knelpunten en optimaliseren continu de keten. Daarmee lossen ze problemen op nog vóór ze zichtbaar worden en tillen ze de prestaties van het systeem als geheel naar een hoger niveau. Niet als radicale breuk, maar als een logische stap in de evolutie van softwarearchitectuur.

Van SOA naar microservices

De wortels van deze evolutie gaan terug naar het eind van de jaren negentig, toen Service Oriented Architecture (SOA) de belofte bracht van herbruikbare, loosely coupled services. SOAP, het communicatieprotocol van SOA, was krachtig maar ook log en complex. Met de opkomst van REST rond 2010 kwam eenvoud en flexibiliteit terug in de ontwerp-principes. Tijdens een bijeenkomst in 2011 werd voor het eerst de term “microservices” gebruikt, in de context van de case “Java, the Unix Way”. 

Sindsdien zijn microservices uitgegroeid tot de standaard in wendbare, onderhoudbare softwarearchitectuur, waarbij diensten georganiseerd zijn rond duidelijke domeinen als voorraad, betaling of verzending. Toch is modulariteit niet vanzelfsprekend houdbaar. Elke uitbreiding, wijziging of upgrade maakt een systeem complexer. Zoals ik beschreef in mijn blog over Normalized Systems: hoe zorg je ervoor dat software over tientallen jaren robuust en evolueerbaar blijft?

“De echte held van programmeren is degene die negatieve code schrijft.”— Douglas McIlroy

AI-agents als evolutionaire stap

Stel je een fabriek voor waarin iedere medewerker (microservice) een specifieke taak uitvoert: assembleren, controleren, verpakken. Efficiënt, maar reactief. Voeg daar nu een laag van leidinggevenden aan toe: AI-agents die processen bewaken, knelpunten signaleren, werk herverdelen en actief bijsturen.

Net als microservices opereren AI-agents binnen domeinen, maar dan met intelligentie. Een agent voor voorraadbeheer voorspelt bijvoorbeeld pieken in de vraag, past de voorraadpositie aan en stemt af met inkoop en logistiek. Ze reageren niet alleen — ze anticiperen.

In tegenstelling tot microservices, die volgen wat is geprogrammeerd, kunnen AI-agents:

• leren van historische data
• zelfstandig complexe beslissingen nemen
• omgaan met onvolledige of tegenstrijdige informatie
• concurrerende doelen balanceren
• zichzelf herstellen bij fouten

Ze bouwen voort op de kracht van microservices, maar tillen het systeem naar een hoger niveau: schaalbaar, robuust én adaptief. Dit draagt ook bij aan lagere onderhoudskosten — traditioneel het duurste deel van een informatiesysteem. Door software te ontwerpen op basis van zelflerende routines en stabiele families van bouwstenen, behoudt ze haar flexibiliteit en levensvatbaarheid. Zie ook mijn eerdere blog over softwarearchitectuur en onderhoud.

Systems engineering: balans tussen eenvoud en intelligentie

Niet elk probleem vraagt om een leger van agents. Te veel bewegende delen kunnen juist fragiliteit veroorzaken: communicatie-overhead, schaalproblemen of contextuele afwijkingen. De kunst is om intelligentie toe te voegen zonder de complexiteit te laten ontsporen. Zoals Einstein al stelde ‘Alles moet zo eenvoudig mogelijk worden gemaakt – maar niet eenvoudiger.’

Dit principe vormt de kern van systems engineering. In een wereld waarin software steeds bepalender is in domeinen als logistiek, productie en energie, moeten ontwerp, samenwerking en duurzaamheid hand in hand gaan.

AI-agents bieden perspectief, maar roepen ook vragen op. Vaak missen ze nog cruciale vaardigheden om robuust te opereren in dynamische contexten. In mijn blog ‘Zwarte doos om AI-agents te bewaken?’ pleit ik daarom voor een luchtwaardigheidsbewijs voor agents en een digitale zwarte doos — niet alleen voor compliance, maar ook om gedrag en besluitvorming transparant te maken.

De fabriek van de toekomst

In de jaren tachtig schreef ik een boek over de Fabriek van de Toekomst: fysieke productielijnen die flexibel, zelfsturend en kwaliteitsgericht werden ingericht. Vandaag voltrekt zich een vergelijkbare transformatie in de digitale wereld.

Microservices zijn de geschoolde vakmensen en geautomatiseerde middelen van de eerste digitale transformatiegolf. AI-agents vormen de slimme managers van de volgende — zij passen klassieke principes als just-in-time, bottleneck management en kwaliteitsbeheersing toe op informatiestromen in plaats van goederenstromen.

In zekere zin herhaalt de automatiseringsgolf van toen zich nu digitaal. De geschiedenis rijmt, zelfs als ze zich niet letterlijk herhaalt. En opnieuw ontstaat er een fabriek — maar nu een digitale — die niet alleen efficiënter is, maar ook intelligenter, duurzamer en veerkrachtiger.

Die fabriek levert geen standaardproducten meer, maar op maat gemaakte digitale diensten met intelligentie in zichzelf. Informatiefabrieken worden net zo flexibel als hun fysieke voorlopers, met informatieproducten die zélf intelligent gedrag vertonen.

Zoals auto’s tegenwoordig automatisch op klantspecificatie worden gebouwd én tegelijk rijdende computers zijn, zo bouwen we nu digitale ecosystemen die zichzelf configureren — én meedenken met hun gebruiker.

Photo by Igor Omilaev on Unsplash

————————  Translated by ChatGPT  —————————

AI Agents as Managers of Microservices

Today, our digital information factories — the cloud — are undergoing a transformation reminiscent of a previous revolution in our physical factories: the rise of flexible automation. In the 1990s, production lines became modular, machines programmable, and processes increasingly intelligently orchestrated. What happened then with flows of goods is now happening with flows of information.

Where once monolithic IT systems ruled, microservices now operate as specialized functional units: autonomous, scalable, and modular. They function like the skilled workers and machines of the digital factory — each with a clearly defined task and fixed protocols. But a new layer is being added to that factory: AI agents.

These agents are not static tools but adaptive orchestrators. They analyze data, detect patterns, and make context-based decisions. They coordinate flows of information products, anticipate bottlenecks, and continuously optimize the chain. They solve problems before they even surface and raise the performance of the entire system. Not as a radical break, but as a logical step in the evolution of software architecture.

From SOA to Microservices

The roots of this evolution trace back to the late 1990s, when Service-Oriented Architecture (SOA) promised reusable, loosely coupled services. SOAP, SOA’s communication protocol, was powerful but cumbersome. With the rise of REST around 2010, simplicity and flexibility returned to software design. The term “microservices” was first coined during a 2011 software architecture meetup, in the context of the case study “Java, the Unix Way.”

Since then, microservices have become the gold standard for agile, maintainable software architecture, with services organized around clear business domains such as inventory, payments, or shipping. Yet modularity does not maintain itself. Every extension, change, or upgrade adds complexity. As I described in my blog about Normalized Systems: how do you ensure that software remains robust and evolvable for decades?

“The real hero of programming is the one who writes negative code.” — Douglas McIlroy

AI Agents as the Next Evolutionary Step

Imagine a factory where every worker (microservice) performs a specific task: assembling, inspecting, packaging. Efficient — but reactive. Now imagine a new layer of managers: AI agents who oversee these processes, detect bottlenecks, reallocate tasks, and actively adjust in real time.

Like microservices, AI agents operate within defined domains — but with intelligence. An agent managing inventory might forecast demand spikes, adjust stock levels, and coordinate with purchasing and logistics. They don’t just respond — they anticipate.

Unlike microservices, which follow programmed rules, AI agents can:

• Learn from historical data
• Make complex decisions independently
• Handle incomplete or conflicting information
• Balance competing objectives
• Self-heal from disruptions

They build on the strengths of microservices and elevate the system to a new level: scalable, robust, and adaptive. This evolution also reduces long-term maintenance costs — traditionally the most expensive phase of any IT system. By designing software around self-learning routines and stable component families, it remains flexible and sustainable over time. See also my earlier blog on software architecture and maintainability.

Systems Engineering: Balancing Simplicity and Intelligence

Not every problem requires a team of agents. Too many moving parts can introduce fragility: communication overhead, scaling issues, or contextual drift. The art lies in adding intelligence without letting complexity spiral. As Einstein famously said, “Everything should be made as simple as possible — but not simpler.”

This principle is the essence of systems engineering. In a world where software is increasingly pivotal in logistics, production, and energy, design, collaboration, and sustainability must go hand in hand.

AI agents hold promise but also raise important questions. Many still lack the resilience needed to operate robustly in dynamic contexts. In my blog Black box to monitor AI agents?, I advocated for a kind of “certificate of airworthiness” for AI agents, along with a digital black box — not just for compliance, but to make their behavior and decisions transparent.

The Factory of the Future

In the 1980s, I wrote a book about the Factory of the Future: physical production lines redesigned to be flexible, self-steering, and quality-focused. Today, a comparable transformation is unfolding in the digital realm.

Microservices are the skilled workers and automated tools of the first wave of digital transformation. AI agents are the smart managers of the next — applying classic principles such as just-in-time, bottleneck management, and quality control to information flows instead of material flows.

In a sense, the automation wave of the past is repeating itself — now in digital form. History may not repeat, but it certainly rhymes. And once again, a new kind of factory emerges — this time digital — that is not only more efficient but also more intelligent, sustainable, and resilient.

This factory no longer delivers one-size-fits-all software, but tailored digital services. Information factories become as flexible as their physical predecessors — delivering information products that exhibit intelligent behavior themselves.

Just as modern cars are custom-built on demand and function as rolling computers, we are now building digital ecosystems that self-configure — and think alongside their users.