AI-agent laten maken

Wat doet een AI-agent die je laat maken?

Een AI-agent krijgt een doel mee in plaats van een vast stappenplan. Hij begrijpt de vraag, zoekt informatie op in je systemen, kiest de volgende stap en voert die uit. Daarna kijkt hij of het doel bereikt is, of dat er een mens nodig is.

Een voorbeeld. Een klant mailt dat hij volgende week onderhoud wil. Een agent herkent de vraag, zoekt de klant op in het CRM, kijkt welke installatie het is, controleert de planning en stelt een antwoord op met twee voorstellen. Een medewerker keurt het met één klik goed of past het aan.

Het verschil met gewone software zit in die eigen keuzes. Het verschil met een chatbot zit in het doen: een agent blijft niet bij een antwoord, maar maakt de taak af.

Wanneer is een AI-agent laten maken zinvol?

Een agent loont als een taak aan deze kenmerken voldoet:

• Hij komt vaak terug, bijvoorbeeld tientallen keren per week.
• De input varieert: mails, documenten of vragen die steeds anders geformuleerd zijn.
• Er zijn meerdere systemen nodig om de taak af te ronden.
• Een fout is te herstellen, of er kijkt een mens mee voordat iets definitief wordt.

Typische taken voor een agent in het mkb:

• Inbox-triage: binnenkomende mails indelen, gegevens erbij zoeken en een concept-antwoord klaarzetten.
• Offertevoorbereiding: een aanvraag analyseren, prijzen en voorwaarden opzoeken en een concept-offerte maken.
• Documentverwerking: facturen of formulieren uitlezen, controleren en in het juiste systeem zetten.
• Leadopvolging: aanvragen beoordelen, aanvullen met openbare informatie en de juiste vervolgstap voorstellen.
• Interne vraagbaak met acties: vragen van collega's beantwoorden uit je eigen documentatie en waar nodig een taak aanmaken.

Wanneer kies je geen AI-agent?

Een eerlijk advies: een agent is niet altijd de beste keuze.

Veel taken waarvoor een agent wordt overwogen, zijn beter op te lossen met een AI-workflow. Dat is goedkoper, sneller te bouwen en makkelijker te controleren. In het eerste gesprek kijk ik daarom altijd eerst welke route past.

Hoe werkt een AI-agent technisch?

Een AI-agent bestaat uit vijf bouwstenen:

1. Doel en instructies. Wat moet de agent bereiken, voor wie, en wat mag hij absoluut niet?
2. Taalmodel. Het model dat de vraag begrijpt en de volgende stap kiest. Dat kan een commercieel model zijn, zoals van OpenAI, Anthropic of Google, of een open model dat je in Europa kunt laten draaien.
3. Tools en koppelingen. Via API's kan de agent gegevens ophalen en acties uitvoeren in je CRM, agenda, mailbox of database. Steeds vaker gebeurt dat via het Model Context Protocol (MCP), een open standaard om AI-modellen met systemen te verbinden.
4. Kennis en geheugen. Wat er eerder in de taak gebeurde, en kennis uit je eigen documenten. Die laatste wordt vaak ontsloten met een techniek die RAG heet: de agent zoekt eerst de relevante stukken op en baseert zijn antwoord daarop.
5. Vangrails en menselijke controle. Grenzen aan wat de agent mag, limieten op kosten en aantal stappen, en momenten waarop een mens moet goedkeuren.

De agent doorloopt deze onderdelen in een lus: begrijpen, plannen, handelen, het resultaat bekijken en opnieuw beslissen. Tot de taak klaar is, of tot hij hulp nodig heeft.

Wat kost een AI-agent laten maken?

Searchlab geeft een uitgebreid kostenoverzicht voor AI-agents. De belangrijkste bedragen:

Bron: Searchlab, "Wat kost een AI agent laten bouwen?".

Een paar voorbeelden uit dezelfde bron: een no-code agent voor e-mailtriage kost €2.000 tot €4.000, een agent voor klantenservice op basis van eigen kennis (RAG) met low-code €12.000 tot €25.000. Searchlab rekent voor een gemiddelde mkb-agent op ongeveer €630 per maand aan lopende kosten, waarvan een deel voor het AI-model, een deel voor hosting en het grootste deel voor onderhoud.

Wat de kosten bepaalt:

• Het aantal systemen waarmee de agent moet werken, en de kwaliteit van hun koppelmogelijkheden.
• De mate van zelfstandigheid. Een agent die alleen voorstellen doet, is eenvoudiger dan een agent die zelf handelt.
• De eisen aan privacy en beveiliging, bijvoorbeeld of het model in Europa moet draaien.
• Het volume. Meer taken betekent meer modelgebruik en hogere lopende kosten.
• De testinspanning. Een agent moet op echte voorbeelden worden getest, inclusief lastige gevallen.

Bij mij volgen prijs en planning uit de afbakening in de blauwdruk. Ik geef geen prijs op basis van een korte beschrijving, omdat het verschil tussen een voorstellende agent en een zelfstandig handelende agent groot is.

No-code, low-code of maatwerk?

Een AI-agent kun je op drie manieren laten maken. Elke route heeft zijn plek.

Een veelgebruikte weg is beginnen met een low-code versie om te leren wat de agent moet kunnen, en pas daarna te kiezen of maatwerk nodig is. Searchlab waarschuwt wel dat het overzetten van een low-code eerste versie naar maatwerk extra kost, met een indicatie van €30.000 tot €50.000. Kies de route daarom bewust in de blauwdruk, met het volume en de eisen van over een jaar in gedachten.

Hoe test je een AI-agent?

Een agent die in een demo goed werkt, kan in de praktijk tegenvallen. Daarom test ik een agent op een vaste set echte voorbeelden voordat hij live gaat:

• Een testset. Twintig tot vijftig echte gevallen, inclusief lastige en onduidelijke.
• Een verwachte uitkomst per geval. Wat had een ervaren medewerker gedaan?
• Meten. Hoe vaak klopt het voorstel, hoe vaak moet het worden aangepast en hoe vaak gaat het mis?
• Herhalen na elke wijziging. Een aanpassing in de instructies kan op een andere plek iets verslechteren.

Na de livegang blijf ik meten. Zo zie je wanneer de agent meer ruimte kan krijgen, en wanneer er iets moet worden bijgesteld.

Wat levert een AI-agent op? Zo reken je het door

Een fictief rekenvoorbeeld om de afweging te laten zien. Een team verwerkt 200 aanvragen per maand, elk kost gemiddeld 10 minuten. Dat is ruim 33 uur per maand. Bereidt een agent de aanvragen zo voor dat een medewerker er nog 3 minuten mee bezig is, dan scheelt dat ongeveer 23 uur per maand.

Zet daar de kosten tegenover: de eenmalige bouw en de lopende kosten per maand. Bij een low-code agent van €15.000 en €400 per maand aan lopende kosten, en een interne uurwaarde van €50, is de agent na ongeveer twintig maanden terugverdiend. Bij een hoger volume of meer tijd per aanvraag gaat dat sneller.

Dit voorbeeld laat zien hoe je rekent, niet wat het in jouw situatie oplevert. Meet daarom vooraf hoeveel tijd een taak nu echt kost.

Risico's en hoe ik ze beperk

• Verzinnen. Een taalmodel kan overtuigend iets verkeerds zeggen. Ik laat de agent werken met je eigen bronnen en waar mogelijk een bron noemen.
• Te veel rechten. De agent krijgt alleen toegang tot wat hij nodig heeft, en begint liefst met alleen leesrechten.
• Kwaadwillende input. Tekst in een mail of document kan proberen de agent te sturen. Externe input behandel ik als onbetrouwbaar, en belangrijke acties gaan langs een mens.
• Oplopende kosten. Een agent die in een lus blijft hangen, kan duur worden. Ik stel limieten in op stappen en gebruik.
• Privacy. Ik leg vast welke gegevens naar welk model gaan en waar dat model draait.

Wat zegt de AI Act over een AI-agent?

Voor de meeste agents in het mkb is artikel 50 van de Europese AI-verordening het belangrijkst. Sinds 2 augustus 2026 moeten mensen weten dat ze met een AI-systeem communiceren, tenzij dat duidelijk is uit de context. Praat jouw agent met klanten, dan hoort daar een duidelijke melding bij.

De verplichtingen voor high-risk-systemen zijn uitgesteld naar 2 december 2027. Gebruik je een agent voor beslissingen over mensen, zoals sollicitaties of kredietbeoordeling, dan kan je toepassing onder die strengere regels vallen. Laat je daarover juridisch adviseren.

Een AI-agent naast je bestaande software

Een agent vervangt je bestaande systemen niet, maar werkt ermee. Dat vraagt een paar keuzes:

• Welk systeem is leidend? Als de agent een klantgegeven aanpast, moet duidelijk zijn in welk systeem dat gebeurt en dat de andere systemen volgen.
• Waar ziet je team de voorstellen? In de mailbox, in het CRM, in een apart overzicht of in een portaal. Kies de plek waar mensen al werken.
• Wat wordt vastgelegd? Elke actie van de agent hoort in een logboek: wat hij zag, wat hij voorstelde en wie het goedkeurde.
• Wat als een koppeling niet werkt? De agent moet een taak dan netjes doorgeven aan een mens, in plaats van half uit te voeren.

Wat gebeurt er na de livegang?

Een agent is nooit af. Taalmodellen krijgen nieuwe versies, je processen veranderen en er komen nieuwe soorten vragen binnen. Na de livegang horen daarom:

• maandelijks bekijken hoe vaak voorstellen worden aangepast of afgewezen;
• de testset uitbreiden met nieuwe lastige gevallen;
• de instructies bijstellen als er iets verandert in je proces of aanbod;
• de kosten van het modelgebruik volgen.

Hoe ik een AI-agent bouw

Ik wil vooraf duidelijk hebben wat we met een eerste versie bedoelen. Daarom werk ik in vier stappen.

1. Procesgesprek. In ongeveer twintig minuten bespreken we de taak, wie ermee werkt, hoe vaak hij voorkomt en hoe het nu gaat.
2. Blauwdruk. Een betaalde, afgebakende uitwerking: welke systemen de agent gebruikt, wat hij zelf mag, wat een mens goedkeurt, hoe we testen en wat de eerste versie wel en niet doet.
3. Eerste versie. Ik bouw een agent die eerst voorstellen doet. Die test ik op een set echte voorbeelden, inclusief randgevallen.
4. Beheer en verbetering. We meten hoe vaak de agent het goed doet en geven hem pas meer zelfstandigheid als de resultaten stabiel zijn.

Een agent werkt het best als onderdeel van een applicatie of portaal waarin gebruikers zijn voorstellen zien en goedkeuren. Hoe zo'n applicatie technisch in elkaar zit, lees je in webapplicatie bouwen.

Uit eigen werk: voorstel en keuze gescheiden

In Elevtr, mijn eigen software voor het voorbereiden en publiceren van LinkedIn-content, maak ik een duidelijk onderscheid tussen input, voorstel, keuze en uitvoering. Dat onderscheid is ook de kern van een goede AI-agent. De agent mag voorstellen doen; wie kiest en wanneer iets wordt uitgevoerd, moet zichtbaar en controleerbaar blijven.

In Marketooo, een platform voor marketingprocessen dat ik in actieve ontwikkeling heb, geldt dezelfde les in een andere vorm: maak verantwoordelijkheden zichtbaar voordat een systeem iets uitvoert.

Wat heb je nodig om te beginnen?

Je hoeft geen technische specificatie te schrijven. Voor een eerste gesprek is genoeg:

• een beschrijving van de taak en hoe vaak hij voorkomt;
• een paar echte voorbeelden van de input, zoals geanonimiseerde mails of documenten;
• welke systemen erbij betrokken zijn;
• wie nu het werk doet en wie straks de voorstellen controleert.

Veelgestelde vragen

Wat kost het om een AI-agent te laten maken?

Volgens Searchlab kost een AI-agent met no-code €2.000 tot €8.000, met low-code €8.000 tot €30.000 en als maatwerk €30.000 tot €80.000. Daarnaast komen lopende kosten voor het AI-model, hosting en onderhoud, voor een gemiddelde mkb-agent rond €630 per maand.

Wat is het verschil tussen een AI-agent en een chatbot?

Een chatbot beantwoordt vragen. Een AI-agent krijgt een doel en voert zelf de stappen uit om het te bereiken, met toegang tot tools en systemen, zoals gegevens opzoeken of een concept klaarzetten.

Hoe lang duurt het om een AI-agent te laten maken?

Volgens Searchlab duurt een no-code agent één tot twee weken, een low-code agent twee tot zes weken en een maatwerk agent zes tot zestien weken. Het testen op echte voorbeelden hoort daar altijd bij.

Bronnen

• Searchlab, "Wat kost een AI agent laten bouwen?": kosten, lopende kosten en doorlooptijden per aanpak.
• Europese AI-verordening, artikel 50, van toepassing sinds 2 augustus 2026; uitstel high-risk-verplichtingen naar 2 december 2027 via de Digital Omnibus.

Alle bedragen zijn marktindicaties uit deze bronnen en geen prijsopgave.