Ik schrijf dit vanuit Boston, met een lanyard om mijn nek, een lauwe koffie naast me en een notitie-app vol uitroeptekens. HubSpot heeft dit jaar niet een paar AI-knopjes toegevoegd. Ze hebben het hele platform uit elkaar gehaald en opnieuw in elkaar gezet met AI als startpunt. Dat is een groot verhaal, en daarom is dit een lang stuk. Zet koffie.

Ik heb elke aankondiging naast twee vragen gelegd. Eén: wat heb jij eraan als HubSpot-gebruiker? Twee: wat zegt de rest van de markt over het probleem dat HubSpot hier probeert op te lossen? Die tweede vraag is belangrijk, want geen enkele release hieronder is bedacht in een vacuüm. Ze zijn allemaal een antwoord op cijfers die je waarschijnlijk herkent uit je eigen organisatie.

De volgorde is de volgorde waarin het op elkaar bouwt: eerst het fundament, dan hoe je ermee praat, dan het speelgoed voor marketing en sales, dan hoe je de boel in de hand houdt, en tot slot hoe HubSpot zich opent naar de rest van je AI-stack. Onderaan staat wat je morgen als eerste doet.

Slechte context is erger dan geen AI

HubSpot noemt de komende jaren het outcomes era. Vrij vertaald: de tijd van "kijk eens wat AI kan" is voorbij, en de tijd van "laat maar zien wat het oplevert" is begonnen. Er is meer dan een biljoen dollar in AI-modellen gestoken. De waarde komt pas als iets die modellen omzet in resultaten. En daarvoor is niet het model beslissend, maar de context waarmee het model werkt.

Dat is geen HubSpot-praatje. De markt worstelt precies hiermee. McKinsey vroeg het deze zomer aan 1.719 organisaties: 88% gebruikt AI in minstens één bedrijfsfunctie. Slechts 37% ziet enig effect op de winst, en dat cijfer beweegt al een jaar niet. Tachtig procent van de individuele gebruikers zegt productiever te zijn; de organisatie als geheel merkt daar zelden iets van in de cijfers. McKinsey noemt dat, netjes geformuleerd, de centrale spanning van dit jaar. Ik noem het de pilot-purgatory: iedereen doet iets, bijna niemand oogst.

Gartner is nog wat minder subtiel. Meer dan 40% van alle agentic AI-projecten wordt volgens hen voor eind 2027 stopgezet. Niet omdat de modellen niet werken, maar om drie saaie redenen: de kosten lopen op, niemand kan uitleggen wat het oplevert, en de risico's zijn niet geregeld.

HubSpot heeft daar eigen cijfers naast gelegd, over het hele klantenbestand. Teams die AI gebruiken met goede context scoren over de hele linie beter: 264% meer MQL's, 224% meer gesloten deals, 200% meer geboekte klantmeetings. Mooi. Maar de slide die de zaal stil kreeg was de andere: slechte context is erger dan geen AI. Met rommelige context daalt het aantal gesloten tickets met 70% en het aantal verbonden klantgesprekken met 86%. Niet ten opzichte van goede context, maar ten opzichte van helemaal geen AI.

Waarom? Omdat mensen automatisch corrigeren voor gedoe. Jij weet dat de
productcatalogus van vorig jaar is en dat Sandra niet meer over de approvals gaat. AI weet dat niet en gaat vol overtuiging de fout in. Dit zijn HubSpots eigen data en het zijn correlaties, geen laboratoriumtest. Maar ze wijzen dezelfde kant op als McKinsey en Gartner, en het is de sleutel tot alles hieronder: het verschil tussen een pilot en een resultaat zit in context, data en governance. Niet in welk model je kiest.

1. De nieuwe Smart CRM: niet meer een archiefkast, maar een  collega die oplet

De grootste verandering zie je niet, en dat is precies de bedoeling. HubSpot noemt de nieuwe CRM een system of context in plaats van een system of record. Je CRM was een archiefkast waar je dingen in stopte. Nu is het een collega die snapt wat erin staat.

De architectuur bestaat uit vier lagen:

• Data: gestructureerd en ongestructureerd, samen. De basis, zoals altijd.

• Trust: wie mag wat (security), welke regels gelden (governance), wat deed elke agent en waarom (observability), en klopt het (quality). Nu agents dingen namens mensen doen, is dit geen bijzaak meer.

• Intelligence: het nieuwe brein, in twee delen. Aviator, de agent harness die per taak het beste AI-model kiest en de juiste context erbij pakt. En de Growth Context

• Graph: die uit al je data inzichten haalt in drie smaken: business (merk, tone of voice, product, positionering), team (rollen, doelen, goedkeuringen, werkwijze) en klant (ICP, communicatie, contracten, omzet). Over Aviator schreef ik een apart stuk; hier volstaat dat het niet aan één AI-model hangt en continu wordt getest op go-to-market-taken.

• • Action: de hubs die je kent, HubSpots eigen agents, en de agents die jij bouwt. Allemaal op dezelfde motor.

Waarom dit slim is, zie je als je kijkt waar projecten meestal sneuvelen. Uit analyses rond de Gartner-voorspelling blijkt dat datavoorbereiding 60 tot 75% van al het werk aan een agent-project opslokt, en dat projecten binnen een paar weken vastlopen op integratie. Precies die twee dingen haalt HubSpot bij jou weg: de data zit al in de CRM, en de trust layer, die je anders zelf moet timmeren, zit er standaard in.

Wat je ervan merkt: de CRM werkt zichzelf bij. Het demo-voorbeeld was heerlijk
alledaags. Een out-of-office-mail. De CRM leest: contactpersoon afwezig tot 6 januari, in de tussentijd is de CFO het aanspreekpunt, hier is haar functie en telefoonnummer. Alles automatisch bijgewerkt. Geen handmatig invoeren, geen "oh ja, dat vergat ik", geen verouderde contactpersoon in je sequence. Als je ooit een CRM-adoptietraject hebt geleid, weet je hoeveel gezeur dit scheelt.

2. Context Home: het dashboard van wat HubSpot over je weet

Als context zo belangrijk is, wil je kunnen zien wat er staat. Daarvoor is Context Home gebouwd: één plek met alles wat HubSpot over jouw bedrijf weet, netjes verdeeld in Summary, Business, Customers, Team & process en Custom.

Je krijgt een context-score die zegt hoe compleet en actueel je context is, plus
aanbevelingen waar je nog iets moet toevoegen. Toevoegen is bewust simpel: upload een bestand of wijs een bron aan, en HubSpot doet de rest. Er is een wijzigingshistorie, en "knowledge vaults" voor bronnen die je gestructureerd wilt bewaren.

Alles wat hier staat is direct beschikbaar voor elke agent en elke AI-functie in HubSpot, ook de agents die je zelf maakt. HubSpot deelde dat klanten met geconfigureerde context zes keer meer MQL's en zeven keer hogere ticket-resolutie zien dan vergelijkbare bedrijven zonder.

Ik durf te zeggen dat dit de belangrijkste release van de week is, ook al ziet het eruit als een instellingenscherm. De hele AI-wereld is het afgelopen jaar verschoven van prompt engineering (de perfecte vraag stellen) naar context engineering (zorgen dat het model de juiste informatie heeft op het juiste moment). De grote AI-labs zeggen het zelf: een simpele, goed gevoede agent verslaat een ingewikkeld framework. Context Home is de plek waar dat vak een knop krijgt voor marketing en sales.

En ja, het is werk. HubSpot vroeg zesduizend klanten en partners wat AI-adoptie het meest in de weg zit. Op één: vertrouwen in AI. Op twee: betrouwbaarheid van de resultaten. Op drie: datakwaliteit. En slechts 20% zei dat hun data klaar was om te beginnen. Vier op de vijf dus niet. Als je nu denkt "dat zijn wij", ben je in goed gezelschap.

3. Breeze Assistant: praten in plaats van klikken

Breeze bestaat al even, maar wat er nu komt is een complete herbouw. Het idee: je hoeft geen menu's meer te leren, geen workflows te doorgronden en niet te weten welke agent wat kan. Je zegt gewoon wat je wilt oplossen. Breeze kiest de juiste agents, doet het werk over het hele platform en komt terug met het resultaat.

HubSpot noemt het een go-to-market-expert die werk voor je doet, geen chatbot die vragen beantwoordt. Het verschil zit in de context uit punt 1. Omdat Breeze weet wie jij bent, hoe je team werkt en wat er bij de klant speelt, hoef je niks te uploaden en geen prompts te schrijven. De demo was een opvolgmail na een trial. Breeze wist welk product was getest, hoe het zich verhoudt tot de concurrent inclusief de Gartner-score, hoe het team normaal opvolgt, welke zorgen over gebruiksgemak en prijs de klant zelf had geuit, welke collega erbij moest en welke prijsstaffel past bij een bedrijf van 23.000 mensen. Elke zin in die mail had een reden om er te staan. Vergelijk dat met de gemiddelde AI-mail die je krijgt, waarvan je na twee regels al weet dat er niemand thuis is.

Het is een bewuste keuze tegen de stroom in. De meeste agent-platformen geven je een enorme motor en zeggen: succes ermee. Dat is precies waar het misgaat. MIT vond in 2025 dat zo'n 60% van de organisaties custom AI-tools bekijkt, 20% ze test en één op de twintig ze daadwerkelijk in productie krijgt. Klanten zeggen tegen HubSpot dat ze geen tijd hebben om AI-expert te worden. Breeze is gebouwd zodat dat ook niet hoeft.

4. Marketing Studio: van "hm, interessant" naar live campagne in één gesprek

Voor marketeers was de diagnose op het podium pijnlijk herkenbaar: organisch bereik daalt, kopers vragen het aan AI in plaats van een formulier in te vullen, je moet steeds meer content maken en het levert steeds minder op.

De cijfers erachter zijn niet mals. In de eerste vier maanden van 2026 eindigde 68% van de Amerikaanse Google-zoekopdrachten zonder één klik naar een website (SparkToro en Similarweb), tegen 60% in 2024. Op desktop, waar B2B-onderzoek gebeurt, zit dat richting 80%. Bain & Company ziet de click-through in B2B-softwarecategorieën tot 30% dalen sinds AI Overviews, het organische verkeer 15 tot 25% lager, en het scherpste cijfer: 85% van de B2B-kopers koopt van een leverancier die al op hun lijstje stond vóórdat ze gingen zoeken. G2 vond in maart dat 51% van de B2B-beslissers productonderzoek begint in een AI-chatbot. En het verkeer dat wél komt is anders: Semrush meet dat bezoekers die via AI binnenkomen ruim vier keer beter converteren dan organisch verkeer. Minder klikken, hogere intentie, en alles hangt af van of jíj in dat AI-antwoord genoemd wordt.

HubSpots antwoord is Marketing Studio: één omgeving waar je met Breeze van inzicht naar draaiende campagne gaat. Drie nieuwe agents doen het werk:

• Campaign agent: vraag om een campagneplan en je krijgt de boodschap, de
  invalshoek, de assets en de segmentatie.

• Content agent: pakt dat plan en schrijft de assets in jouw merkstem, gericht op jouw ICP. Die merkstem komt uit Context Home, niet uit een prompt die iemand ooit in een Google Doc heeft gezet.

• Nurture agent: schrijft opvolgmails per contact op basis van CRM-data en
  engagement-historie.

Wat mij in de demo het meest raakte, was het AI Insights-paneel. Marketing Studio zag zelf dat een conversiepad kapot was (een apply-knop gaf een 404, terwijl 4.800 mensen over vier uur de volgende mail zouden krijgen; je voelt de paniek van de campagnemanager) en gaf daarnaast een AEO-aanbeveling: "je verliest zichtbaarheid in AI-antwoorden, concurrenten worden eerder geciteerd". Answer Engine Optimization gewoon in je dagelijkse dashboard. Gezien de cijfers hierboven is dat geen leuke feature maar pure noodzaak, en ik ken geen ander marketingplatform dat het op dit niveau heeft ingebouwd.

5. Sales: minder tikken, meer verkopen

Voor sales was de diagnose dat reps meer tijd kwijt zijn aan administratie dan aan verkopen. Follow-ups worden gemist, en wat in gesprek één is gezegd, is in gesprek drie vergeten. Dat is niet uniek voor HubSpot-gebruikers: Salesforce meet in zijn State of Sales al jaren dat verkopers ruwweg 30% van hun tijd echt aan verkopen besteden. De rest gaat op aan systemen bijwerken en intern afstemmen. Dertig procent. Stel je voor dat je bakker 30% van de tijd bakt.

Drie onderdelen pakken dat aan:

• Prospecting agent: zeg tegen Breeze dat je bij een grote prospect binnen wilt. De agent brengt de buying committee in kaart en schrijft per persoon een gepersonaliseerde mail, met dezelfde context als hierboven.

• Notetaker: dicteer na een meeting je updates, klaar.

• Deal progression: zet alles automatisch in de CRM, zodat deals doorlopen zonder dat iemand op vrijdagmiddag "even de pipeline bijwerkt".

Samen met de zelf-bijwerkende CRM is de belofte dat prospecten, onderzoeken, afstemmen en de CRM bijwerken nergens zo weinig handwerk kost als in HubSpot. Test die claim in je eigen portal. Maar de richting klopt met wat Stanford HAI in april samenvatte uit gepubliceerde onderzoeken: waar AI echt in het werk zit, ligt de productiviteitswinst tussen 14% in klantenservice en tot 50% in marketing-output. De winst is er. De vraag is of jouw organisatie hem organiseert of laat liggen.

6. Agent Hub: één overzicht tegen de wildgroei

HubSpot benoemde eerlijk een probleem dat ik bij bijna elke klant tegenkom: agent sprawl. Hoe meer agents er draaien, hoe minder iemand weet wat er loopt, wat het doet en of het überhaupt werkt. Het resultaat: hogere kosten, een rommelige klantervaring en agents die langs elkaar heen werken.

De markt zit precies op dit punt. Gartner zet agentic AI in de Hype Cycle van 2026 op de  piek van de opgeblazen verwachtingen: 17% van de organisaties heeft agents echt uitgerold, ruim 60% wil dat binnen twee jaar. McKinsey ziet het aandeel grote bedrijven dat agents opschaalt in één jaar van 27% naar 40% gaan. Dat zijn heel veel nieuwe agents in heel korte tijd, gebouwd door mensen die dat vorig jaar nog niet konden. Gartner heeft er ook een woord voor bedacht: "agent washing". Van de duizenden bedrijven die zeggen agents te bouwen, deden er volgens Gartner maar zo'n 130 iets wat die naam verdient. De rest is een chatbot met een nieuwe naam. Zonder overzicht weet je als klant niet eens wat je in huis hebt.

Agent Hub is één plek om alle agents te zien, te beheren en te bouwen: die van HubSpot én je eigen. Omdat ze allemaal dezelfde context delen, werken ze ook echt samen, in plaats van een verzameling losse agents die elkaar in de weg zitten. Als jij in je organisatie verantwoordelijk bent voor AI-governance, is dit het eerste scherm dat je wilt openen. Het lost sprawl niet bedrijfsbreed op, maar binnen marketing, sales en service wel.

7. Agent Builder: zelf agents bouwen door het gewoon te vragen

HubSpot ziet een nieuwe rol ontstaan in go-to-market-teams: de builder. Niet de developer, maar de marketeer of sales-ops-persoon die zelf snel iets wil bouwen dat HubSpot uitbreidt. Van simpel (elke lead kwalificeren voordat een rep hem ziet) tot slim (de hele pipeline in de gaten houden en deals met risico aankaarten voordat iemand erom vraagt).

Dat past in een grotere verschuiving. McKinsey ziet in 2026 dat 32% van de organisaties oftware liever zelf bouwt dan koopt, omdat AI het bouwen makkelijk heeft gemaakt. Decennialang paste een bedrijf zich aan de software aan. Nu kan iemand in gewone taal een agent maken die zich aan het bedrijf aanpast. Dat is de wereld op zijn kop, in de goede richting.

Agent Builder maakt dat mogelijk, en je bouwt door met Breeze te chatten. Het
belangrijkste detail: jouw agents draaien op Aviator en gebruiken dezelfde Growth Context als HubSpots eigen agents. Geen tweederangs agents dus, dezelfde trust layer, dezelfde context. En dat is het verschil met de agent van die ene collega. Je kent het verhaal: iemand bouwt op vrijdagmiddag iets briljants, deelt het in Slack, iedereen stuurt vuur-emoji's, en een maand later vertrekt diegene naar een AI-startup. De agent stopt, niemand weet het wachtwoord, de efficiency is weg. HubSpot vertelde dat verhaal over zijn eigen team. Ik heb het in verschillende vormen bij klanten gezien.

8. Headless en open: agents óp HubSpot, en agents die HubSpot bedienen

Het laatste blok ging over hoe HubSpot zich opent naar de rest van je AI-stack. Twee kanten: agents kunnen op HubSpot draaien (bouwen met HubSpots data en intelligentie als bouwsteen) en agents kunnen HubSpot draaien (het platform van buitenaf bedienen via API's, zonder ooit in te loggen).

Daarvoor zijn de API's in drie lagen verdeeld:

1. Data-API's: ruwe toegang, meer dan duizend publieke endpoints, met de belofte dat alles wat je in de interface kunt, ook via de API kan.

2. Context-API's: geen ruwe data maar kant-en-klare inzichten. "Stel HubSpot een vraag en krijg een antwoord in plaats van een spreadsheet." Dezelfde laag die HubSpots eigen agents gebruiken.

3. Work-API's: roep een agent aan, van HubSpot of van jezelf, en krijg een compleet resultaat terug.

Het voorbeeld maakt het tastbaar. Je wilt weten welke deals risico lopen. Data-API: je haalt alle dealdata op, sleept het naar een externe tool en zoekt het zelf uit. Veel werk, veel tokens. Context-API: "geef me mijn tien meest risicovolle deals", klaar. Work-API: "zoek uit welke deals risico lopen en geef me per deal een actieplan", en dat krijg je. McKinsey ziet dat voor 20% van de organisaties de operationele AI-kosten al een rem zijn op verdere adoptie. Minder ruwe data door het model betekent minder tokens. Dat is geen technisch detail, dat is je factuur.

En dan het stukje dat ik als AI-mens het leukst vond. HubSpot was ruim een jaar geleden de eerste CRM met MCP (het open protocol waarmee AI-assistenten met tools praten, inmiddels omarmd door alle grote modelleveranciers), heeft sinds mei een Agent CLI voor bulk- en gepland werk zonder mens in de loop, heeft connectors voor alle vier de grote frontier-modellen, en is nu de meest gebruikte CRM-connector in zowel Claude als ChatGPT, met 250% groei in wekelijkse gebruikers.

Waarom dat ertoe doet: het AI-landschap waar jouw kopers en jouw team in leven
versnippert snel. In 2025 kwam 89% van het meetbare B2B-AI-verwijsverkeer nog van ChatGPT. In het voorjaar van 2026 was dat 63%, met Claude op 18,5%, Gemini op 10,6% en Perplexity op 7,3%. Een CRM die maar met één van die werelden praat, wordt een eiland. HubSpot heeft gekozen om met allemaal te praten. Goede keuze.

Wat je morgen als eerste doet

Alle cijfers in dit stuk wijzen dezelfde kant op. AI gebruiken is geen onderscheid meer, 88% doet het. Het onderscheid zit in de kleine groep die van pilot naar resultaat komt. En die groep verschilt niet in welk model ze gebruikt, maar in hoe ze context, use cases en governance regelt. De volgorde bepaalt alles, en HubSpots eigen data laat zien dat de verkeerde volgorde je resultaten actief slechter maakt.

1. Context eerst. Open Context Home, kijk naar je score en vul de basis: merk, tone of voice, producten en positionering, ICP en persona's, teamprocessen en wie wat mag goedkeuren. Dit is werk, geen instelling. Het is ook het werk met de grootste hefboom.

2. Eén use case, met een getal. Kies één probleem met een meetbare uitkomst: leads kwalificeren voordat een rep ze ziet, deals met risico signaleren, een kapot conversiepad voorkomen. Gartner en McKinsey wijzen allebei op "onduidelijke businesswaarde" als hoofdoorzaak van mislukking. Geef de agent een getal en een eigenaar.

3. Governance vanaf dag één. Maak Agent Hub je centrale overzicht en spreek af wie eigenaar is van welke agent. McKinsey ziet dat AI-koplopers bijna drie keer zo vaak een vast human-in-the-loop-proces hebben als de rest (65% tegen 23%). Wildgroei voorkomen is een stuk makkelijker dan wildgroei opruimen.

4. Koppel aan wat je al gebruikt. Werkt je team al met Claude of ChatGPT? Koppel HubSpot via de connector en kijk waar de context- en work-API's handwerk kunnen vervangen.

5. Reken de kosten mee. Veel hiervan draait op credits. Proof of value vóór commitment is het nieuwe normaal, ook voor HubSpot zelf. Begin klein, meet wat een agent kost per resultaat, schaal wat werkt.

De UNBOUND Debrief: 45 minuten, jouw portal, één lijstje

Bij Six & Flow beginnen we elke HubSpot AI-implementatie met context en datafundering, en pas daarna met agents. Omdat we deze week alle sessies hebben gezien en de komende weken de eerste portals op de nieuwe releases inrichten, bieden we een UNBOUND Debrief aan voor teams die willen weten waar ze staan.

In 45 minuten doen we drie dingen:

• We lopen jouw portal door op context-gereedheid: wat staat er, wat mist, wat is verouderd.

• We kiezen samen de eerste use case die bij jou het snelst aantoonbaar wat oplevert, met een getal erbij.

• Je krijgt een lijstje van maximaal vijf punten voor de komende negentig dagen, inclusief welke releases uit dit stuk voor jou wél en niet relevant zijn.

Geen slides, geen pitch, wel een concreet vertrekpunt. Plan je debrief hier. De komende drie weken zijn er beperkt slots, omdat we ze zelf doen.