IBM en ServiceNow hebben hun samenwerking versterkt om een van de meest complexe uitdagingen in zakelijke kunstmatige intelligentie aan te pakken: het omzetten van verouderde gegevens en systemen in een robuuste basis voor agenten, automatisering en autonome operaties. Deze langdurige alliantie combineert IBM’s AI-, gegevens- en automatiseringsmogelijkheden met ServiceNow’s AI-platform om oudere applicaties te moderniseren, datagovernance te verbeteren en infrastructuuroperaties te automatiseren.
Deze aankondiging komt op een moment dat veel grote bedrijven niet meer twijfelen of ze AI moeten inzetten, maar zich afvragen waarom het zo moeilijk is om AI geïntegreerd te krijgen in hun kernprocessen. Vaak ligt de oorzaak minder in het model zelf en meer in de architectuur: versnipperde data, verouderde applicaties, handmatige workflows, afhankelijkheden tussen systemen en technologische lagen die niet ontworpen zijn voor AI-agenten.
Zakelijke AI botst op decennia aan legacy systemen
IBM en ServiceNow richten zich op twee belangrijke barrières: de beschikbaarheid van AI-geschikte data en de laag van legacy applicaties. Bedrijven bouwen al decennia lang verbonden systemen die vaak cruciaal zijn voor facturering, support, operaties, HR, inkoop, klantenservice of infrastructuurmanagement. Plotseling vervangen is duur, risicovol en in veel gevallen onhaalbaar.
Deze samenwerking wil een tussenoplossing bieden: een pad om bestaande systemen geleidelijk te evolueren in plaats van alles volledig te vervangen. Dat sluit aan bij de realiteit van grote organisaties en overheidsinstanties. AI kan niet alleen ontwikkeld worden op schone demo-gegevens of perfect gestructureerde data; het moet werken met mainframes, oude Java-applicaties, heterogene databases, incomplete catalogi, ITSM-processen en reeds geïmplementeerde automatiseringstools.
| Bedrijfsbarrière | Werkelijk probleem | IBM en ServiceNow’s aanpak |
|---|---|---|
| Legacy applicaties | Cruciale systemen moeilijk te vervangen | Geleidelijke modernisering en refactorisatie |
| Niet-bruikbare data | Onvoldoende kwaliteit, observatie en governance | Uitbreiding van Workflow Data Fabric met watsonx.data |
| Gefragmenteerde IT-operaties | Silo’s in incidentenbeheer, change management en remediatie | Integratie van automatisering en IT-workflows |
| Isolatie van AI-modellen | Ontbreken van koppeling met echte processen | Toepassen van AI binnen bedrijfsworkflows |
| Verlies van controle | Gebrek aan governance en vertrouwen | Open en flexibele basis voor meerdere modellen |
John Aisien, directeur bij ServiceNow, vat het probleem samen door te stellen dat veel bedrijven AI willen inzetten, maar niet de onderliggende basis hebben voor grootschalige implementatie. Raj Datta, hoofd van ISV-partnerschappen en AI bij IBM, voegt daaraan toe dat adopting van AI niet alleen gaat om toegang tot modellen, maar vooral om het heroverwegen van systemen, data en governance die AI ondersteunen.
Drie kerngebieden: modernisering, datagovernance en autonome operaties
De samenwerking bestaat uit drie hoofdonderdelen. Het eerste is het moderniseren van applicaties. IBM en ServiceNow richten zich op tools zoals IBM Bob, Enterprise Application Runtime voor Java en watsonx.data om oudere applicaties te scannen, refactoren en klaar te maken voor AI.
Het tweede onderdeel is het datagovernance voor bedrijfsdata. De alliantie wil ServiceNow’s Workflow Data Fabric uitbreiden met IBM’s watsonx.data, inclusief datakwaliteit, observatie en master data management, in combinatie met ServiceNow Data Catalog. Het doel is dat gezamenlijk klanten hun data goed voorbereid kunnen houden voor AI-toepassingen, wat veel complexer is dan het er vaak uitziet in verkooppresentaties.
Het derde onderdeel betreft autonome infrastructuuroperaties. IBM integreert tools zoals Red Hat Ansible, Instana, HashiCorp Terraform en HashiCorp Vault in ServiceNow’s IT-workflows om problemen te detecteren, te remediëren en op te lossen voordat ze impact hebben op de bedrijfsvoering.
| Collaboratiegebied | Tools genoemd | Doel |
| Modernisering van applicaties | IBM Bob, Enterprise Application Runtime Java, watsonx.data | Scan en refactor oudere systemen |
| Datagovernance | ServiceNow Workflow Data Fabric, watsonx.data, Data Catalog | Data klaar maken voor AI |
| Kwaliteit en observatie | IBM’s datakapabiliteiten voor bedrijfsgegevens | Betrouwbaarheid van data verbeteren |
| Master Data Management | IBM watsonx.data en governance | Belangrijke bedrijfsentiteiten uniformeren |
| Autonome operaties | Ansible, Instana, Terraform, Vault, IBM Bob | Detectie, remedie en oplossen van incidenten |
| IT-workflows | ServiceNow AI Platform | Koppeling van AI aan operationele uitvoering |
De gezamenlijke oplossingen worden verwacht in de tweede helft van 2026, hoewel beide bedrijven benadrukken dat toekomstige plannen kunnen veranderen of worden ingetrokken zonder voorafgaande communicatie.
Waarom ServiceNow een strategisch fundament is
ServiceNow positioneert zich meer en meer als een ‘bedrijfs-ICS’ (ICS = Incident, Configuration, Service management) voor AI. Het platform beheert niet alleen tickets of IT-processen, maar verbindt ook toolsets, cloudapplicaties, legacy systemen en agenten. Volgens het bedrijf voert het meer dan 85 miljard workflows per jaar uit, een cijfer dat verklaart waarom het platform de plek wil worden waar AI van aanbeveling naar actie gaat.
De samenwerking met IBM past daarbij. ServiceNow speelt een centrale rol in de operationele processen van vele grote organisaties. IBM brengt expertise in modernisering, hybride cloud, Red Hat, automatisering, zakelijke data en consultancy. Samen willen ze uitzoeken hoe AI kan worden geïntegreerd in echte bedrijfsprocessen zonder de volledige infrastructuur te moeten afbreken.
| Ik-activa van ServiceNow | Rol in de alliantie |
| AI Platform | Orkestreert AI en operationele acties in workflows |
| Workflow Data Fabric | Verbindt gegevens uit diverse systemen |
| Data Catalog | Verhoogt zichtbaarheid en governance van datamiddelen |
| IT-workflows | Activeert automatisering, remedie en tracking |
| Zakelijke ecosysteem | Maakt kernprocessen toegankelijk voor grote organisaties |
Voor veel bedrijven ligt de waarde niet zozeer in ‘nog een chatbot’, maar in dat een agent afwijkingen detecteert, betrouwbare data kan raadplegen, automatiseringen activeert, incidenten opent of sluit, gecontroleerde veranderingen doorvoert en alles traceerbaar houdt. Dit vereist dat AI verbonden is met operationele systemen, niet alleen met een conversatie-interface.
IBM wil AI in legacy integreren zonder alles te slopen
IBM positioneert zich al jaren rondom hybride cloud, Red Hat, automatisering en zakelijke AI. Haar rol in deze alliantie is het bieden van tools om met complexe, niet-mobiele systemen te werken. Want in grote organisaties is een legacy-systeem niet alleen verouderde code – het is vaak het hart van de bedrijfsvoering.
Het moderniseren van een oud systeem betekent het begrijpen van afhankelijkheden, modulair herstructureren, de runtime aanpassen, de observatie verbeteren, data reorganiseren en interfaces ontwerpen die agenten veilig laten werken. Als dit niet goed gebeurt, verhoogt AI het risico. Goed gedaan versnelt het juist taken die eens handmatig of door deskundige teams werden uitgevoerd.
| Legacy-uitdaging | Risico’s bij negeren | Waarde van modernisering |
| Onbegrijpbare code | Slechte evolutiesnelheid en hoge kosten | Verbeterde ontwikkelcapaciteit |
| Data vast in oude systemen | AI zonder context | Toegankelijke data voor workflows |
| Gebrek aan observatie | Late incidentdetectie | Snellere detectie en remedie |
| Handmatige processen | Hoge operationele kosten | Geautomatiseerde en begeleide workflows |
| Ongeordende afhankelijkheden | Risico’s bij migraties | Graduele en gecontroleerde modernisering |
| Gebrekkige governance | Onbetrouwbare AI | Verbeterde traceerbaarheid en vertrouwen |
De verwijzing naar IBM Bob is bijzonder interessant omdat het wijst op een strategie om AI toe te passen bij de herontwikkeling en modernisering van systemen. IBM wil analyse en code-transformatie naar systemen met hoge migratiekosten brengen. ServiceNow kan hierbij optreden als orkestratie- en uitvoeringslaag.
Data gereed voor AI vereist voorbereiding en aanpak
Het tweede deel van de samenwerking adresseren een minder zichtbaar, maar cruciale uitdaging: het hebben van AI-klaar data. Veel bedrijven beschikken over voldoende data, maar deze data is niet altijd bruikbaar voor agenten of modellen. Ze kunnen dubbel, verouderd, slecht getagd, zonder duidelijke herkomst of verspreid over afdelingen zijn.
Een agent die met onbetrouwbare data werkt, verhoogt niet de productiviteit, maar de kans op fouten. Daarom staat datagovernance centraal. Kwaliteit, observatie, catalogi en master data management worden door AI steeds urgentere vereisten. Als een model besluit moet nemen of workflows moet activeren, moet de organisatie weten waar de data vandaan komt, of deze actueel is en wie er toegang toe heeft.
| Datakapabiliteit | Waarom belangrijk voor AI |
| Kwaliteit van data | Vermindert onjuiste beslissingen |
| Observatie | Detecteert problemen in pipelines en bronnen |
| Catalogus | Ontdekt assets en geeft inzicht in context |
| Master Data Management | Vertegenwoordigt kritieke entiteiten zoals klant, product of leverancier |
| Governance | Stelt permissies, traceerbaarheid en gebruiksregels in |
| Data in workflows | Koppelt kennis aan operationele actie |
Hier proberen ServiceNow en IBM twee werelden te verbinden die het vaak gescheiden hielden: workflowplatforms en dataplatforms. AI-agenten hebben beide nodig. Zonder data begrijpt de agent de context niet, en zonder workflow kan de agent niet veilig handelen en controlerend optreden.
Autonome operaties: minder tickets, meer remediatie
Het derde onderdeel richt zich op IT-operaties. De integratie van Red Hat Ansible, Instana, Terraform en Vault binnen ServiceNow-workflows stelt organisaties in staat om incidenten vroegtijdig te detecteren, te remediëren en op te lossen, voordat ze het bedrijfsproces verstoren. Een natuurlijke evolutie van AIOps naar meer autonome operaties.
Instana biedt observability. Ansible voert automatiseringen uit. Terraform beheert infrastuctuur als code. Vault handelt geheime gegevens. ServiceNow coördineert de stroom, registreert acties, beheert goedkeuringen en geeft context aan het proces. Bij een goed werkende integratie kunnen veel incidenten met minder menselijke tussenkomst worden opgelost.
| Tool | Rol in autonome operaties |
| Instana | Probleemdetectie en observatie |
| Red Hat Ansible | Automatisering en herstel |
| Terraform | Infrastructuur als codebeheer |
| HashiCorp Vault | Secret management |
| IBM Bob | Modernisering en assistentie |
| ServiceNow IT workflows | Orkestratie, controle en traceerbaarheid |
De uitdaging zit in de balans tussen autonomie en controle. Niet alle incidenten mogen automatisch worden opgelost. Sommige vereisen menselijke goedkeuring of strikte beleidsregels. De belofte van autonome operaties werkt alleen als er grenzen, registraties, rollback-mogelijkheden en governance aanwezig zijn.
Een alliantie voor grote ondernemingen, niet voor demo’s
De samenwerking tussen IBM en ServiceNow lijkt niet gericht op gebruikers die alleen maar een geïsoleerde AI-assistent zoeken. Het richt zich op grote organisaties met kritische processen, oude systemen, veel data en behoefte aan controle. Daar vindt AI vaak de grootste weerstand, maar tegelijk ook de meeste potentie bij goede integratie.
De essentie is dat de volgende fase van zakelijke AI niet alleen afhankelijk is van de kwaliteit van modellen. Het draait vooral om het vermogen om ze te koppelen aan echte systemen, betrouwbare data, auditbare processen en veilige automatiseringen. IBM en ServiceNow willen de schil vormen tussen de modellen en de operatie.
De geplande beschikbaarheid in de tweede helft van 2026 biedt ruimte om te zien hoe deze gezamenlijke oplossingen concreet vorm krijgen. Voor nu wijst alles op een duidelijke strategie: moderniseren zonder alles te slopen, datagovernance prioriteren voor automatisering, en workflows te laten worden de werkplek waar AI echt actief wordt.
Veelgestelde vragen
Wat hebben IBM en ServiceNow aangekondigd?
Ze hebben een jarenlange samenwerking uitgebreid om gezamenlijke oplossingen te ontwikkelen die legacy-applicaties moderniseren, bedrijfsdata AI-gereed maken en infrastructuur operaties automatisch beheren.
Wanneer komen deze oplossingen beschikbaar?
IBM en ServiceNow verwachten dat de gezamenlijke oplossingen in de tweede helft van 2026 beschikbaar zullen zijn.
Welke IBM-tools worden geïntegreerd met ServiceNow?
Het gaat onder meer om IBM Bob, IBM watsonx.data, Enterprise Application Runtime voor Java, Red Hat Ansible, Instana, HashiCorp Terraform en HashiCorp Vault.
Waarom is dit belangrijk voor agentgebaseerde AI?
Omdat bedrijfsagenten betrouwbare data, gemoderniseerde systemen en workflows nodig hebben waar ze acties veilig kunnen uitvoeren. Zonder die basis blijft AI beperkt tot geïsoleerde pilots en prototypes.