Wat er is gebeurd
Op 20 maart 2026 kondigde WordPress.com aan dat AI-agents voortaan content kunnen aanmaken, bewerken, publiceren en beheren op klantwebsites. Via het Model Context Protocol (MCP) kunnen AI-assistenten zoals Claude, ChatGPT of Cursor rechtstreeks verbinding maken met een WordPress-site en taken uitvoeren namens de eigenaar: blogberichten opstellen, landingspagina's aanmaken, alt-teksten corrigeren, categorieen en tags organiseren, reacties modereren en metadata bijwerken.
De functionaliteit bouwt voort op MCP-ondersteuning die WordPress.com in oktober 2025 introduceerde. Op dat moment konden AI-tools de inhoud en analytics van een site al lezen. Nu kunnen ze ook schrijven. Alle wijzigingen worden bijgehouden in een activiteitenlog, en berichten die door AI-agents zijn aangemaakt staan standaard als concept, zodat een mens ze moet goedkeuren voordat ze live gaan.
WordPress draait op meer dan 43% van alle websites ter wereld. Het hosted platform WordPress.com alleen al bereikt 409 miljoen unieke bezoekers per maand. AI-agents schrijftoegang geven tot deze infrastructuur is geen marginaal experiment. Het is een grootschalige uitrol van autonome contentoperaties in productie.
Waarom dit belangrijk is
Deze aankondiging markeert een verschuiving in hoe AI-agents omgaan met bedrijfssystemen. Tot voor kort waren de meeste AI-implementaties in bedrijven read-only: de agent kon samenvatten, analyseren of concepten voorstellen, maar een mens moest nog altijd op de knop drukken. WordPress.com heeft die knop nu overgedragen aan de agent, waarbij de mens in de goedkeuringsloop zit in plaats van de uitvoeringsloop.
Voor bedrijven zijn de gevolgen concreet. Taken die vroeger een contentredacteur, SEO-specialist of webdeveloper vereisten, kunnen nu worden uitgevoerd door een AI-agent met instructies in gewone taal. Beschrijf wat je wilt, beoordeel het concept, keur het goed. De agent regelt de structuur, de metadata, de categorisering en de publicatie.
Het bredere patroon is minstens zo relevant. MCP wordt de standaard waarmee AI-agents verbinding maken met bedrijfssystemen: CMS-platforms, productiviteitstools, CRM-systemen, ERP-omgevingen. Dat WordPress.com dit op grote schaal implementeert, normaliseert het model voor andere softwareleveranciers. Verwacht vergelijkbare aankondigingen van documentmanagementsystemen, intranetplatforms en backoffice-tools in de komende maanden.
Laava's perspectief
De aankondiging van WordPress.com illustreert iets wat we consequent zien in enterprise AI-werk: de waarde van AI-agents zit niet in het model zelf, maar in de verbinding tussen het model en de systemen waar het werk daadwerkelijk plaatsvindt. Een krachtig taalmodel dat je documenten niet kan lezen, niets naar je CRM kan schrijven en geen data naar je ERP kan sturen, is een dure chatinterface. MCP is de brug die een chatinterface omzet in een operationeel instrument.
Bij Laava bouwen we AI-agents die by design verbonden zijn. Als we een agent implementeren voor documentverwerking, extraheert die niet alleen data om die in een chatvenster te tonen. De agent stuurt de data rechtstreeks naar het ERP, triggert de volgende workflowstap en legt vast wat er is gedaan. Hetzelfde geldt voor content: een agent die productomschrijvingen opstelt heeft waarde, maar een agent die opstelt, categoriseert en publiceert naar het juiste kanaal, dat is waar de echte tijdswinst zit.
Wat WordPress.com ook goed heeft gedaan, is het governance-model: alle acties van de agent worden gelogd, alle berichten starten als concept, menselijke goedkeuring is vereist voordat iets openbaar wordt. Dit is de juiste manier om agents in productie in te zetten. Geen autonome werking zonder toezicht, maar gestructureerde delegatie met een duidelijk auditspoor. In gereguleerde sectoren is dit onderscheid geen nice-to-have. Het is een vereiste.
Wat je nu kunt doen
Als jouw bedrijf op grote schaal terugkerende content produceert, of het nu gaat om productomschrijvingen, servicepagina's, nieuwsupdates of operationele documentatie, dan is de juiste vraag niet of AI-agents kunnen helpen. De vraag is welke systemen als eerste verbonden moeten worden. Begin met het identificeren van een taak met een hoog volume aan tekst waarbij je team meer tijd kwijt is aan opmaken en publiceren dan aan nadenken. Daar levert een AI-agent doorgaans het snelste rendement.
Laava bouwt precies dit soort integraties: AI-agents verbonden met je bestaande systemen, met goede governance, goedkeuringsflows en auditlogging. Als je wilt weten hoe dit er in de praktijk voor jouw bedrijf uitziet, bieden we een pilot van vier weken aan die de waarde aantoont voor je een langetermijnverplichting aangaat.