Wat is agentic AI?

Definitie: Agentic AI is AI die zelfstandig doelen nastreeft: het systeem plant stappen, gebruikt tools, neemt beslissingen binnen afgesproken grenzen en past zijn aanpak aan op basis van wat het onderweg tegenkomt. Waar generatieve AI vooral tekst of beelden maakt op verzoek, voert agentic AI ook werk uit.

In het kort

• Agentic AI is de bredere benaming voor AI die handelt; een AI-agent is één concrete toepassing daarvan.
• Kenmerken zijn autonomie, planning, het gebruik van tools en systemen, geheugen en het vermogen om bij te sturen.
• Bedrijven zetten agentic AI in voor klantenservice, administratie, onderzoek, IT-beheer en softwareontwikkeling.
• Gartner verwacht dat meer dan 40 procent van de agentic AI-projecten voor eind 2027 wordt stopgezet, onder meer door hoge kosten en onduidelijke waarde. Een afgebakende start is daarom verstandig.

Wat is agentic AI?

Het woord agentic komt van agent: iets of iemand die handelt. Agentic AI beschrijft AI-systemen die niet alleen reageren op een vraag, maar uit zichzelf stappen zetten om een doel te bereiken. Je geeft een opdracht, zoals “zoek uit welke leveranciers deze maand te laat hebben geleverd en stel voor elk een mail op”, en het systeem bepaalt zelf hoe het dat aanpakt: welke gegevens het nodig heeft, welke systemen het raadpleegt, in welke volgorde en wanneer het klaar is.

Het verschil met de AI die de meeste mensen kennen, zit in de rol. Een chatbot of schrijfassistent helpt je bij een taak die jij uitvoert. Agentic AI neemt een deel van de uitvoering over. Daarmee verschuift de vraag van “wat kan AI maken?” naar “wat mag AI doen, en waar beslist een mens?”

Waarom is agentic AI nu in opkomst?

Het idee van software-agents is niet nieuw. In de informatica worden agents al decennia bestudeerd als systemen die hun omgeving waarnemen en daarop handelen. Wat nieuw is, is dat grote taalmodellen opdrachten in gewone taal begrijpen, kunnen redeneren over de volgende stap en zelf kunnen kiezen welke tool ze gebruiken. Daardoor kun je een agent een open opdracht geven, in plaats van elke stap vooraf te programmeren.

Daarnaast zijn de randvoorwaarden beter geworden. Modelaanbieders bieden ondersteuning voor function calling en tool use, er zijn frameworks om agents te bouwen, en standaarden als MCP maken het verbinden met systemen eenvoudiger. Grote softwareleveranciers bouwen agents in hun eigen producten, waardoor agentic AI voor veel bedrijven binnen bereik komt zonder dat ze zelf iets hoeven te ontwikkelen.

Agentic AI, generatieve AI en AI-agents

De termen worden in de praktijk vaak door elkaar gebruikt. Een handige vuistregel: agentic AI is de eigenschap of het vakgebied, een AI-agent is het systeem dat je bouwt.

Kenmerken van agentic AI

• Autonomie. Het systeem zet zelf stappen, zonder dat een mens elke handeling aanstuurt.
• Doelgericht. Het werkt naar een uitkomst toe in plaats van één antwoord te geven.
• Planning. Het deelt een taak op in stappen en kiest de volgorde.
• Toolgebruik. Het roept systemen aan, zoals een CRM, boekhouding, zoekmachine of database.
• Geheugen. Het onthoudt wat het al heeft gedaan en gebruikt dat voor de volgende stap.
• Reflectie. Het beoordeelt zijn eigen resultaat en stuurt bij als iets niet werkt.
• Samenwerking. In complexere opstellingen werken meerdere agents samen, elk met een eigen rol.

Hoe werkt agentic AI?

De meeste agentic systemen werken in een herhalende cyclus van waarnemen, plannen, handelen en beoordelen:

1. Doel ontvangen. Een gebruiker of ander systeem geeft een opdracht.
2. Context verzamelen. Het systeem haalt relevante informatie op, bijvoorbeeld uit documenten of databases.
3. Plannen. Een taalmodel bepaalt welke stappen nodig zijn.
4. Handelen. Het systeem voert een stap uit via een tool of koppeling.
5. Beoordelen. Het bekijkt het resultaat: is het doel dichterbij?
6. Herhalen of afronden. Het gaat door, past het plan aan of legt een beslissing voor aan een mens.

Standaarden als MCP, het Model Context Protocol, maken het eenvoudiger om AI-systemen op een vaste manier te verbinden met tools en gegevensbronnen.

Patronen in agentic AI

Voor veel bedrijfstoepassingen is het laatste patroon de verstandigste start. De route is voorspelbaar en testbaar, terwijl AI alleen wordt ingezet waar oordeel nodig is.

Uitgewerkt voorbeeld: afwijkingen in leveringen

Een groothandel wil weten welke leveringen afwijken van de bestelling en wil leveranciers daar sneller over informeren. Een agentic opzet kan er zo uitzien:

1. Een ophaalstap haalt dagelijks de ontvangstregistraties en de bijbehorende inkooporders op.
2. Een analyse-agent vergelijkt aantallen, artikelen en levertijden, en markeert afwijkingen.
3. Een onderzoeksstap zoekt bij elke afwijking eerdere correspondentie met de leverancier op.
4. Een schrijf-agent stelt per leverancier een korte, feitelijke mail op met de afwijkingen.
5. Een controleur-agent toetst of de mail klopt met de gegevens en geen toezeggingen doet.
6. Een inkoper bekijkt de voorbereide mails, past waar nodig aan en verstuurt ze.
7. Een rapportage laat per week zien welke leveranciers vaak afwijken.

De agents nemen het zoek-, vergelijk- en schrijfwerk over. De beslissing om een leverancier aan te spreken, en de toon daarvan, blijft bij de inkoper. Pas als blijkt dat de voorbereide mails vrijwel altijd ongewijzigd worden verstuurd, kun je overwegen om eenvoudige gevallen zelfstandig te laten afhandelen.

Agentic AI in bestaande software

Niet elke organisatie hoeft zelf agents te bouwen. Veel softwareleveranciers voegen agentic functies toe aan hun producten: CRM-systemen met agents die leads opvolgen, klantenservicepakketten met agents die tickets afhandelen, en kantoorsoftware met assistenten die taken over meerdere programma’s uitvoeren. Dat is vaak de snelste weg om ervaring op te doen. Maatwerk wordt interessant als het proces specifiek is, als meerdere systemen samen moeten werken die niet van één leverancier zijn, of als je precies wilt bepalen waar een mens meekijkt.

Toepassingen van agentic AI

• Klantenservice. Vragen begrijpen, gegevens opzoeken, een antwoord voorbereiden of een eenvoudige wijziging doorvoeren.
• Administratie. Facturen matchen met bestellingen, afwijkingen signaleren en boekingen voorbereiden.
• Sales. Leads onderzoeken, gegevens aanvullen en een eerste contact voorbereiden.
• Onderzoek. Informatie uit meerdere bronnen verzamelen, vergelijken en samenvatten.
• IT-beheer. Meldingen analyseren, oorzaken zoeken en oplossingen voorstellen.
• Softwareontwikkeling. Codeeragents die taken over meerdere bestanden uitvoeren en tests draaien.
• Marketing. Campagnes voorbereiden, resultaten analyseren en aanpassingen voorstellen.

Voordelen van agentic AI

• Meerstappige taken automatiseren die met vaste regels te complex zijn.
• Omgaan met variatie in invoer, zoals mails en documenten in eigen woorden.
• Medewerkers ontlasten van zoek- en voorbereidend werk.
• Snelheid en schaal, ook buiten kantoortijd.
• Consistentie. Elke taak wordt volgens dezelfde instructies en controles afgehandeld, ongeacht drukte of wie er dienst heeft.

Risico’s en uitdagingen

• Fouten met gevolgen. Een systeem dat handelt, kan ook verkeerd handelen.
• Onvoorspelbaarheid. Dezelfde opdracht kan tot een andere route leiden.
• Te ruime rechten. Toegang tot veel systemen vergroot de schade bij een fout of misbruik.
• Prompt injection. Kwaadwillende tekst in een document of mail kan proberen het systeem te sturen.
• Kosten. Elke stap kost rekentijd; complexe opstellingen met meerdere agents kunnen duur uitvallen.
• Onduidelijke waarde. Gartner wijst erop dat veel projecten worden stopgezet door kosten, onduidelijke opbrengst of onvoldoende risicobeheersing.
• Regelgeving. De AI Act en de AVG stellen eisen aan transparantie, menselijk toezicht en het verwerken van persoonsgegevens.

Wat kost agentic AI?

De kosten bestaan uit bouwen, gebruiken en beheren. Het bouwen omvat het afbakenen van het proces, het maken van koppelingen met systemen, het schrijven van instructies en het testen met echte gevallen. Het gebruik bestaat vooral uit de rekentijd van taalmodellen: elke stap van een agent is een aanroep, en een opzet met meerdere agents die elkaar controleren, maakt per taak meerdere aanroepen. Het beheer omvat monitoring, het bijwerken van instructies en koppelingen, en het beoordelen van twijfelgevallen.

Reken het gebruik vooraf door op basis van een realistisch aantal taken per maand en het gemiddelde aantal stappen per taak. Vergelijk dat met de tijd die het proces nu kost. Zo voorkom je een opzet die technisch indrukwekkend is, maar meer kost dan hij oplevert.

Governance: grenzen, logging en verantwoordelijkheid

Agentic AI vraagt om duidelijke afspraken, ook buiten de techniek:

• Eigenaar. Wie is verantwoordelijk voor wat het systeem doet?
• Grenzen. Welke acties zijn toegestaan, tot welk bedrag of aantal, en in welke systemen?
• Goedkeuring. Welke stappen gaan altijd langs een mens?
• Logging. Is van elke stap vastgelegd wat het systeem zag, besliste en deed?
• Toetsing. Hoe vaak worden resultaten steekproefsgewijs gecontroleerd?
• Uitschakelen. Kan het systeem snel worden stilgezet als er iets misgaat?
• Transparantie. Weten klanten en medewerkers wanneer ze met een AI-systeem te maken hebben?

De Europese AI Act legt voor bepaalde toepassingen eisen op aan menselijk toezicht, transparantie en documentatie. De AVG blijft van toepassing zodra persoonsgegevens worden verwerkt. Leg die afspraken vast voordat het systeem live gaat.

Veelgemaakte fouten

• Beginnen bij de techniek in plaats van bij het proces en het doel.
• Te veel zelfstandigheid in één keer. Begin met voorbereiden en bouw vertrouwen op.
• Geen meetbaar succes. Zonder vooraf vastgelegd doel is niet vast te stellen of het werkt.
• Alle agents alle rechten geven. Elke agent krijgt alleen toegang tot wat hij voor zijn rol nodig heeft.
• Vergeten wat er na de agent gebeurt. Wie pakt een voorbereide actie op, en binnen welke termijn?
• Alleen testen met nette voorbeelden. Echte invoer bevat tikfouten, onvolledige gegevens, tegenstrijdige informatie en soms bewust misleidende tekst.
• Geen plan voor uitzonderingen. Bepaal vooraf wat het systeem doet als het iets niet begrijpt: stoppen, een vraag stellen of doorzetten naar een mens.

Zo begin je met agentic AI

1. Kies één proces met een duidelijk doel en meetbaar resultaat.
2. Breng de stappen in kaart: wat komt binnen, wie moet ermee verder, welke informatie is nodig?
3. Bepaal per stap of hij vast, door AI of door een mens wordt uitgevoerd.
4. Begin met voorbereiden, niet met zelfstandig uitvoeren.
5. Geef minimale rechten en leg onomkeerbare acties vast als goedkeuringsstap.
6. Log elke stap, zodat je kunt nagaan wat het systeem deed en waarom.
7. Meet en vergroot de zelfstandigheid stap voor stap, op basis van resultaten.

Welke processen zijn geschikt voor agentic AI?

Niet elk proces leent zich ervoor. Een paar vragen helpen om te kiezen:

• Komt de taak vaak voor? Hoe vaker, hoe meer een automatisering oplevert.
• Is er variatie in de invoer? Bij altijd dezelfde invoer is een vaste workflow eenvoudiger en goedkoper.
• Is er oordeel nodig? Agentic AI is sterk waar een taak begrip van tekst of context vraagt.
• Zijn de gegevens bereikbaar? Het systeem moet bij de informatie kunnen die het nodig heeft, via koppelingen of documenten.
• Is een fout te herstellen? Begin met taken waarbij een fout beperkte gevolgen heeft of eenvoudig te corrigeren is.
• Is het resultaat te meten? Je moet kunnen vaststellen of het systeem goed werkt.

Processen die op al deze vragen goed scoren, zoals het voorbereiden van antwoorden op klantvragen of het controleren van documenten tegen vaste regels, zijn een logische eerste kandidaat. Processen met grote financiële of juridische gevolgen komen later, als er ervaring en vertrouwen is.

Agentic AI en de rol van medewerkers

Agentic AI verandert het werk, maar maakt mensen niet overbodig. Medewerkers verschuiven van uitvoeren naar beoordelen, bijsturen en uitzonderingen afhandelen. Dat vraagt om duidelijke uitleg: wat doet het systeem, wat blijft bij de medewerker en hoe geef je feedback als het systeem iets verkeerd doet? Betrek de mensen die het werk nu doen vanaf het begin. Zij kennen de uitzonderingen die in geen enkel procesdocument staan.

Mens in de loop

Een kernvraag bij agentic AI is waar een mens meekijkt. Dat kan op verschillende niveaus: het systeem adviseert en de mens beslist, het systeem bereidt voor en de mens keurt goed, het systeem voert uit en de mens controleert achteraf, of het systeem handelt zelfstandig binnen strikte grenzen. Per stap kan het niveau verschillen. Een label toekennen aan een ticket mag misschien zelfstandig, een terugbetaling alleen na goedkeuring.

Begin bij voorkeur op het niveau voorbereiden. Je leert dan hoe het systeem zich gedraagt bij echte gevallen, terwijl de beslissing nog bij een mens ligt.

Wat betekent dit voor jouw project?

Bij Marketooo, mijn eigen platform in actieve ontwikkeling voor marketingprocessen met onder meer Meta Ads, campagnes en publicatie, staat één principe centraal: maak verantwoordelijkheden zichtbaar voordat een systeem iets uitvoert. Het juiste account, de juiste campagne, een passend budget en een controleerbaar besluit. Voor agentic AI geldt hetzelfde.

In Elevtr, mijn software voor het voorbereiden en publiceren van LinkedIn-content, maak ik onderscheid tussen input, voorstel, keuze en uitvoering. Een gebruiker moet begrijpen wat de software voorbereidt en wat er daadwerkelijk gebeurt. Dat onderscheid is bij agentic AI misschien nog belangrijker, omdat het systeem meer zelf doet.

Wil je onderzoeken welke stappen in een proces AI zelfstandig kan voorbereiden of uitvoeren? Stuur me de aanleiding, het gewenste resultaat en het moment waarop iemand moet meekijken. Dan bepalen we samen de logische eerste stap.

Veelgestelde vragen over agentic AI

Wat is agentic AI?

Agentic AI is AI die zelfstandig doelen nastreeft: het plant stappen, gebruikt tools, neemt beslissingen binnen afgesproken grenzen en stuurt bij op basis van resultaten. Het voert dus ook werk uit, in plaats van alleen inhoud te maken.

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

Agentic AI is de bredere benaming voor AI die zelfstandig handelt. Een AI-agent is een concreet systeem dat zo’n taak uitvoert. Agentic AI kan bestaan uit meerdere samenwerkende agents.

Wat zijn agentic workflows?

Agentic workflows zijn werkprocessen waarin AI zelfstandig stappen zet, zoals informatie verzamelen, beslissen welke route nodig is en acties uitvoeren in andere systemen, vaak met een mens die meekijkt bij belangrijke beslissingen.

Verwante termen

AI-agent · MCP (Model Context Protocol) · AI-automatisering · Workflow-automatisering · Large Language Model (LLM) · AI-chatbot