In dit artikel12 onderdelen
- Wat is een AI agent, in gewone woorden?
- Hoe werkt een AI agent?
- AI agent vs chatbot vs RPA vs copilot
- Soorten AI agents
- Voorbeelden van AI agents in het mkb
- Wanneer een AI agent niet de juiste keuze is
- Risico's en menselijke controle
- Hoe begin je met een AI agent?
- Wat kost een AI agent?
- Wie bouwt AI agents voor bedrijven in Nederland?
- Veelgestelde vragen
- Aan de slag
Een AI agent is software die zelfstandig een doel nastreeft. Je geeft hem een taak, zoals "verwerk deze bestelling". Hij bepaalt zelf de stappen, gebruikt daarvoor tools zoals je mailbox, CRM of ERP, controleert het resultaat en stuurt bij. Een chatbot geeft antwoord. Een AI agent voert werk uit.
TL;DR: een agent is een taalmodel met toegang tot je systemen, een doel en grenzen. Hij is sterk in terugkerend werk met wisselende input, zoals e-mails en PDF's. Hij is overbodig als een vaste regel het ook doet. En hij hoort nooit zonder menselijke controle te beslissen over dingen die ertoe doen.
Wat is een AI agent, in gewone woorden?
Het woord agent wordt inmiddels op bijna elk AI-product geplakt. Een helderder beeld: een nieuwe medewerker die nooit moe wordt, maar nog niets van je bedrijf weet. Je geeft hem een duidelijke opdracht, toegang tot de systemen die hij nodig heeft, en afspraken over wat hij zelf mag beslissen. Dat is ongeveer een AI agent.
De formele definities zeggen hetzelfde. IBM omschrijft een AI agent als een systeem dat zelfstandig taken uitvoert door workflows te ontwerpen met de tools die het tot zijn beschikking heeft. AWS noemt het een softwareprogramma dat met zijn omgeving kan interageren, gegevens verzamelt en zelfstandig taken uitvoert richting een vooraf bepaald doel.
Het onderscheid zit niet in hoe slim het model is, maar in twee vragen. Mag het systeem zelf de volgende stap kiezen? En mag het acties uitvoeren in je systemen, of produceert het alleen tekst?
Je ziet ook de spelling "AI-agent" of het meervoud "AI agenten". Dat is hetzelfde begrip.
Hoe werkt een AI agent?
Onder de motorkap bestaat een agent uit vijf onderdelen. Herken ze als iemand je een agent verkoopt.
1. Een doel
Een agent begint met een opdracht, niet met een script. Bijvoorbeeld: "Zet elke binnenkomende bestelling als concept-order in het ERP." Volgens AWS krijgt de agent een specifieke instructie of een doel van de gebruiker.
2. Plannen
Daarna knipt de agent het doel op in kleinere stappen. IBM beschrijft dat een agent een plan maakt van specifieke taken en subtaken. Voor een bestelling: mail lezen, bijlage openen, klant opzoeken, artikelen matchen, order aanmaken.
3. Tools
Een taalmodel kan zelf niets aanraken. Het heeft tools nodig: koppelingen met je mailbox, CRM of boekhoudpakket. IBM noemt als voorbeelden externe datasets, webzoekopdrachten, API's en zelfs andere agents. Zonder tools is een agent een chatbot.
4. Geheugen
Een agent onthoudt wat er eerder gebeurde, zodat stap vier weet wat er in stap twee misging. AWS beschrijft dat geheugen de agent informatie laat vasthouden over interacties, sessies of taken heen.
5. Een feedbacklus
Na elke stap kijkt de agent wat er gebeurde en past hij zijn plan aan. Anthropic, de maker van Claude, schrijft dat agents bij elke stap "ground truth" uit hun omgeving moeten halen om hun voortgang te beoordelen. Een agent kan ook pauzeren voor menselijke feedback op vaste controlepunten of wanneer hij vastloopt.
Het zesde onderdeel: grenzen
Dit staat in geen definitie, maar is in de praktijk het belangrijkste. Wat mag de agent zelf doen, en waarvoor moet een mens tekenen? Een agent die zelf facturen verstuurt is een heel ander risico dan een agent die ze klaarzet ter controle. Anthropic noemt stopcondities, zoals een maximum aantal iteraties, een gangbare manier om controle te houden.
AI agent vs chatbot vs RPA vs copilot
Deze vier woorden worden door elkaar gebruikt. Ze zijn niet hetzelfde. Dit is het verschil in één tabel.
| Chatbot | RPA / klassieke automatisering | Copilot | AI agent | |
|---|---|---|---|---|
| Wat doet het | Beantwoordt vragen | Volgt een vast script | Helpt een mens tijdens het werk | Voert een taak uit richting een doel |
| Wie kiest de stappen | De gebruiker | De programmeur, vooraf | De mens, met suggesties | De agent, binnen grenzen |
| Kan het acties uitvoeren in je systemen | Meestal niet | Ja, alleen de vastgelegde | Beperkt, de mens drukt op de knop | Ja, via tools |
| Omgaan met afwijkende input | Geeft een antwoord, goed of fout | Stopt of maakt een fout | De mens vangt het op | Probeert een andere route of vraagt een mens |
| Typisch voorbeeld | FAQ-bot op je website | Gegevens van scherm A naar systeem B kopiëren | Schrijfhulp in je mail of tekstverwerker | Bestellingen uit e-mail lezen en als order klaarzetten |
| Grootste risico | Verkeerde informatie | Breekt bij elke wijziging in een scherm | Mens vertrouwt de suggestie blind | Verkeerde actie zonder dat iemand het ziet |
Anthropic trekt een nuttige lijn tussen workflows en agents. Bij een workflow worden taalmodellen en tools aangestuurd via vooraf vastgelegde codepaden. Bij een agent bepaalt het model zelf zijn proces en tools. Veel "agents" zijn eigenlijk workflows met een taalmodel erin. Dat is geen bezwaar, en vaak juist de betere keuze.
Een uitgebreidere vergelijking, met onderhoud en faalwijzen, staat in AI agents vs RPA vs AI automation (Engelstalig).
Soorten AI agents
In de vakliteratuur worden agents ingedeeld naar hoe ze beslissen. IBM onderscheidt vijf hoofdtypen:
-
Simpele reflex-agents handelen op vaste als-dan-regels en onthouden niets.
-
Modelgebaseerde reflex-agents combineren wat ze waarnemen met geheugen.
-
Doelgerichte agents zoeken een reeks acties die een doel bereikt.
-
Nutsgerichte agents kiezen uit werkende routes de route met de beste uitkomst.
-
Lerende agents voegen daarnaast zelf nieuwe ervaringen toe aan hun kennis.
Voor een mkb-ondernemer is een praktischere indeling nuttiger:
-
Taakagents doen één afgebakend proces van begin tot eind, zoals orders verwerken. Hier zit meestal de eerste winst.
-
Assistent-agents zetten dingen klaar die een medewerker goedkeurt.
-
Multi-agent-systemen laten meerdere agents samenwerken: een leest, een controleert, een schrijft weg. Krachtig, maar lastiger te bouwen en te bewaken.
Voorbeelden van AI agents in het mkb
Dit zijn taken waar agents in kleinere bedrijven goed passen. Ze hebben drie dingen gemeen: ze komen vaak voor, de input wisselt, en er is een duidelijk goed antwoord.
Orders uit e-mail en PDF verwerken
Klanten bestellen per mail, met een PDF, een Excel-bestand of een foto. Iemand typt dat over in het ERP. Een agent leest mail en bijlage, zoekt klant en artikelen op, maakt een concept-order aan en legt alleen twijfelgevallen, zoals een onbekend artikelnummer, voor aan een mens. Hoe dat in de groothandel werkt, staat in orderinvoer automatiseren in de groothandel.
CRM-administratie bijhouden
Na een gesprek moet het CRM worden bijgewerkt, en dat schiet er vaak bij in. Een agent leest mails en gespreksnotities, vult de juiste velden in en maakt een vervolgtaak aan. De verkoper controleert de samenvatting.
Klantvragen afhandelen
Veel vragen gaan over levertijd, orderstatus of retouren. Een agent zoekt de status op in je systemen en stelt een antwoord op. Lastige vragen gaan met een samenvatting naar een medewerker. Het verschil met een chatbot: de agent kijkt echt in je orderadministratie.
Facturen verwerken
Inkoopfacturen komen binnen in allerlei formaten. Een agent leest ze uit, controleert ze tegen de inkooporder en de ontvangst, en boekt alleen wat klopt. Afwijkingen gaan naar de administratie. Meer daarover in 3-way matching automatiseren.
Meer processen die zich lenen voor automatisering vind je in welke bedrijfsprocessen je automatiseert met AI.
Wanneer een AI agent niet de juiste keuze is
Eerlijk zijn hierover bespaart geld en teleurstelling.
Als een vaste regel het ook doet. Is het proces elke keer hetzelfde, met dezelfde velden op dezelfde plek? Dan is een gewone automatisering goedkoper, sneller en voorspelbaarder. Anthropic raadt aan om de eenvoudigste oplossing te zoeken en complexiteit alleen toe te voegen als dat nodig is.
Als snelheid en kosten per taak zwaar wegen. Agentische systemen ruilen vaak snelheid en kosten in voor betere prestaties op de taak. Voor duizenden identieke handelingen is dat zonde.
Als een fout duur is. Een fout in stap twee werkt door in alles daarna. Anthropic waarschuwt voor hogere kosten en het risico op opstapelende fouten.
Als je data of proces niet klopt. Spreken je systemen elkaar tegen, dan automatiseer je de tegenspraak. Een kapot proces wordt alleen sneller kapot.
Als niemand eigenaar wordt. Modellen veranderen en koppelingen breken. Zonder iemand die de uitzonderingen bekijkt, loopt het stil.
Risico's en menselijke controle
Een agent die acties mag uitvoeren, kan ook verkeerde acties uitvoeren. Daarom ontwerp je controle in vanaf het begin. Dat heet human-in-the-loop: een mens keurt goed waar het ertoe doet. IBM noemt het best practice om menselijke goedkeuring te vereisen voordat een agent acties met grote impact uitvoert. Agents kunnen ook steeds dezelfde tools aanroepen en in een eindeloze lus terechtkomen. Een stopconditie vangt dat af.
In de praktijk betekent goede controle:
-
Goedkeuring bij impact. Versturen naar klanten, betalen, verwijderen: een mens drukt op de knop.
-
Uitzonderingen naar een mens. De agent moet vooral weten wanneer hij het niet weet.
-
Een logboek van wat de agent las, besloot en deed.
-
Een stopknop en beperkte rechten: alleen toegang tot wat de taak vraagt.
De AVG
Gaan er persoonsgegevens door de agent, en dat gebeurt bij bijna elke mail, dan geldt de AVG volledig. Let vooral op artikel 22. Mensen hebben het recht niet onderworpen te worden aan een besluit dat uitsluitend op geautomatiseerde verwerking berust als dat besluit rechtsgevolgen heeft of hen anderszins aanmerkelijk treft. Waar zo'n besluit toch mag, heeft de betrokkene ten minste recht op menselijke tussenkomst en op het aanvechten van het besluit. Een agent mag een kredietbeslissing of afwijzing dus voorbereiden, niet zelf nemen. Meer in AI en de AVG.
De EU AI-verordening
Artikel 50, transparantie. Communiceert je agent rechtstreeks met mensen, bijvoorbeeld klanten via chat? Dan moeten zij worden geïnformeerd dat ze met een AI-systeem te maken hebben, tenzij dat voor een redelijk geïnformeerd persoon duidelijk is. Deze plicht geldt vanaf 2 augustus 2026. Meer in artikel 50 uitgelegd.
Artikel 14, menselijk toezicht. Dit artikel geldt voor hoog-risicosystemen, zoals AI die sollicitanten selecteert of kredietwaardigheid beoordeelt. De meeste mkb-agents voor orders of facturen vallen daar niet onder. Toch is het een goede checklist. Toezichthouders moeten de beperkingen van het systeem begrijpen, bewust blijven van de neiging om blind op de output te vertrouwen, de output kunnen terugdraaien en het systeem kunnen stoppen. Twijfel je of jouw toepassing hoog-risico is, kijk dan in bijlage III uitgelegd.
Hoe begin je met een AI agent?
-
Kies één taak die vaak voorkomt, saai is en een duidelijk goed antwoord heeft.
-
Meet de huidige situatie. Hoe lang kost de taak nu, hoe vaak gebeurt hij, en hoe vaak gaat hij mis?
-
Bepaal de grenzen. Wat mag de agent zelf, wat zet hij klaar ter controle, en wie kijkt naar de uitzonderingen? Leg vast welke persoonsgegevens erdoor gaan.
-
Bouw klein, op echt werk. Laat de agent eerst meedraaien met goedkeuring op elke actie. Verruim de grenzen pas als de resultaten dat rechtvaardigen.
-
Meet opnieuw en beslis. Vergelijk dezelfde getallen als bij stap 2. Pas daarna kies je de volgende taak.
Duurt de eerste versie veel langer dan een paar weken, dan is de taak meestal te groot gekozen. Het volledige stappenplan staat in AI implementeren in je bedrijf.
Wat kost een AI agent?
Daar is geen eerlijk standaardbedrag voor. Wie zonder je proces te kennen een prijs noemt, gokt. De kosten hangen af van:
-
Koppelingen. Alleen je mailbox lezen is eenvoudiger dan ook in je ERP schrijven.
-
Variatie in de input. Tien vaste klanten is iets anders dan honderden formaten.
-
Zelfstandigheid. Hoe meer de agent zelf mag, hoe meer test- en controlewerk.
-
Volume. Taalmodellen rekenen per gebruik, dus meer taken kost meer.
-
Beheer. Reken op onderhoud, niet alleen op de bouw.
De nuttigste vergelijking is niet de prijs van de agent, maar de kosten van de taak nu: uren maal uurtarief, plus de kosten van fouten.
Wie bouwt AI agents voor bedrijven in Nederland?
Je hebt drie routes. Een standaardproduct met agent-functies, zoals een helpdesktool. Zelf bouwen met een no-code platform, als je iemand in huis hebt met tijd en technisch gevoel. Of een AI bureau dat agents bouwt in je eigen systemen. Vraag altijd hoe menselijke controle, logging en de AVG geregeld zijn, en wie het systeem na oplevering onderhoudt.
Veelgestelde vragen
Wat is een AI agent precies?
Software die een doel krijgt en zelf de stappen bepaalt om het te bereiken. Hij voert acties uit via tools zoals je mailbox of CRM, onthoudt wat er gebeurde en stuurt bij op het resultaat.
Wat is het verschil tussen een AI agent en een chatbot?
Een chatbot beantwoordt vragen. Een AI agent voert taken uit in je systemen. IBM omschrijft niet-agentische chatbots als systemen zonder tools, geheugen of redeneervermogen.
Hoe werken AI agents?
Een taalmodel krijgt een doel, maakt een plan, voert stappen uit met tools, onthoudt wat er gebeurde en controleert na elke stap het resultaat. Grenzen bepalen wat hij zelf mag.
Zijn AI agents geschikt voor het mkb?
Ja, voor terugkerende taken met wisselende input, zoals orders uit e-mail, facturen of vragen over orderstatus. Begin met één taak en menselijke goedkeuring. Is het proces elke keer identiek, dan is gewone automatisering meestal beter.
Mag een AI agent zelfstandig beslissingen nemen?
Over routinewerk wel, binnen afgesproken grenzen. Bij besluiten met rechtsgevolgen voor mensen beperkt artikel 22 van de AVG volledig geautomatiseerde besluitvorming. Houd daar een mens bij betrokken.
Moet ik klanten vertellen dat ze met een AI agent praten?
In de regel wel. Artikel 50 van de AI-verordening verplicht dat mensen worden geïnformeerd dat ze met een AI-systeem communiceren, tenzij dat al duidelijk is. Die plicht geldt vanaf 2 augustus 2026.
Aan de slag
Plan een vrijblijvende kennismaking en we kijken samen welke taak in jouw bedrijf zich het snelst terugverdient, en welke je beter kunt laten liggen.
Klaar voor jouw AI-traject?
Plan een vrijblijvende kennismaking. In 30 minuten weten we waar AI voor jouw bedrijf de moeite waard is.