Wat is een AI-agent?

Definitie: Een AI-agent is een AI-systeem dat zelfstandig stappen zet om een doel te bereiken: het begrijpt een opdracht, maakt een plan, gebruikt tools zoals zoeken, een database of bedrijfssoftware, beoordeelt het resultaat en gaat door tot de taak klaar is. Waar een chatbot antwoord geeft, voert een agent ook acties uit.

In het kort

• Een AI-agent combineert een taalmodel met tools, geheugen en een werkwijze om zelf de volgende stap te kiezen.
• Voorbeelden zijn een agent die klantvragen afhandelt, offertes voorbereidt, onderzoek doet of gegevens bijwerkt in een CRM.
• Agents zijn krachtig bij meerstappige taken, maar minder voorspelbaar dan vaste automatiseringen.
• Geef een agent alleen de rechten die hij nodig heeft en laat onomkeerbare acties langs een mens gaan.

Wat is een AI-agent?

Een AI-agent is software die een taak niet in één antwoord afhandelt, maar in een reeks stappen die hij zelf bepaalt. Je geeft een doel, bijvoorbeeld “zoek uit welke klanten deze maand nog geen factuur hebben ontvangen en zet voor elk een herinnering klaar”. De agent bedenkt hoe hij dat aanpakt, haalt gegevens op uit de boekhouding, vergelijkt ze met de lijst klanten, maakt de herinneringen en meldt wat hij heeft gedaan.

Het verschil met een gewone chatbot zit in drie dingen. Een agent kan tools gebruiken: hij roept systemen aan, zoekt informatie op of voert acties uit. Een agent kan plannen: hij deelt een taak op in stappen en past zijn plan aan als iets anders loopt dan verwacht. En een agent kan doorgaan tot het doel bereikt is, in plaats van te stoppen na één antwoord.

Hoe werkt een AI-agent?

De meeste agents werken in een herhalende cyclus:

1. Begrijpen. De agent leest de opdracht en de beschikbare context.
2. Plannen. Het taalmodel bepaalt welke stap nu het meest logisch is.
3. Handelen. De agent roept een tool aan: zoeken, een database raadplegen, een document lezen, een record aanmaken, een bericht opstellen.
4. Waarnemen. De agent bekijkt het resultaat van die stap.
5. Beoordelen. Is het doel bereikt? Zo niet, dan terug naar plannen.
6. Afronden. De agent rapporteert wat hij heeft gedaan, of vraagt een mens om een beslissing.

Die cyclus wordt vaak een agent loop genoemd. Hoe vaak de agent door de lus gaat, hangt af van de taak. Een eenvoudige vraag kost één of twee rondes, een onderzoeksopdracht soms tientallen. Daarom stel je meestal een maximum in: een aantal stappen, een tijdslimiet of een budget, waarna de agent stopt en meldt hoe ver hij is gekomen.

Waar komt de term AI-agent vandaan?

Het begrip agent is in de informatica al decennia oud. In het standaardwerk Artificial Intelligence: A Modern Approach van Stuart Russell en Peter Norvig is een agent alles wat zijn omgeving waarneemt en daarop handelt. Een thermostaat valt in die brede definitie al onder agents.

De betekenis die nu de boventoon voert, ontstond na de doorbraak van grote taalmodellen. In 2023 lieten projecten als AutoGPT zien dat een taalmodel zelf een taak kon opdelen en daarna stap voor stap kon uitvoeren. Die eerste versies waren nog wisselvallig, maar het idee sloeg aan. Inmiddels bieden grote aanbieders eigen bouwstenen voor agents, en standaarden als MCP maken het verbinden met tools eenvoudiger. Als mensen nu over een AI-agent praten, bedoelen ze bijna altijd een systeem op basis van een taalmodel dat tools gebruikt.

AI-agent of agentic AI?

De termen worden door elkaar gebruikt, maar er is een nuance. Een AI-agent is één concreet systeem dat een taak uitvoert. Agentic AI is de bredere benaming voor AI die zelfstandig handelt, inclusief systemen waarin meerdere agents samenwerken. Je kunt zeggen: agentic AI is de eigenschap, een AI-agent is de toepassing.

De onderdelen van een AI-agent

Een open standaard als MCP, het Model Context Protocol, maakt het makkelijker om agents op een vaste manier met tools en systemen te verbinden.

Chatbot, AI-assistent of AI-agent?

Soorten AI-agents

• Taakagents. Voeren één afgebakende taak uit, zoals een ticket categoriseren of een document uitlezen.
• Onderzoeksagents. Zoeken informatie op meerdere plekken, vatten samen en geven een onderbouwd antwoord.
• Workflowagents. Werken binnen een vaste route en nemen alleen de stappen over waar oordeel nodig is.
• Multi-agent systemen. Meerdere agents met elk een eigen rol werken samen, bijvoorbeeld een agent die plant en een agent die controleert.
• Codeeragents. Schrijven, testen en verbeteren code in een softwareproject.

Uitgewerkt voorbeeld: een agent voor offerteaanvragen

Stel dat een installatiebedrijf elke week tientallen aanvragen per mail krijgt. Een AI-agent kan dat voorbereidende werk zo afhandelen:

1. De mail lezen en bepalen of het een offerteaanvraag is.
2. Gegevens verzamelen: naam, adres, gevraagde dienst, gewenste termijn en eventuele foto’s.
3. Het CRM raadplegen: is dit een bestaande klant, en zijn er eerdere offertes?
4. Ontbrekende informatie signaleren en een korte vervolgvraag aan de klant voorbereiden.
5. Een conceptofferte opstellen op basis van de prijslijst en vergelijkbare eerdere offertes.
6. Alles klaarzetten voor een medewerker, met een samenvatting en de punten waar de agent twijfelt.

De medewerker controleert, past aan en verstuurt. De agent neemt het zoek- en typwerk over; de beslissing over prijs en verzending blijft bij een mens. Pas als blijkt dat bepaalde soorten aanvragen steeds zonder aanpassing worden goedgekeurd, kun je overwegen die stap verder te automatiseren.

Voorbeelden van AI-agents in bedrijven

Voordelen van AI-agents

• Meerstappige taken automatiseren die met vaste regels te complex zijn.
• Omgaan met variatie. Een agent kan een mail in eigen woorden begrijpen en daarop handelen.
• Voorbereidend werk overnemen, zodat medewerkers vooral beoordelen en beslissen.
• Snelheid en beschikbaarheid, ook buiten kantoortijd.
• Schaalbaarheid bij pieken in volume.

Risico’s en beperkingen

• Fouten met gevolgen. Een agent kan iets verkeerd begrijpen en daarop handelen. Bij een chatbot is dat een fout antwoord; bij een agent kan het een verkeerde actie zijn.
• Onvoorspelbaarheid. Dezelfde opdracht kan tot een andere route leiden. Dat maakt testen lastiger dan bij een vaste workflow.
• Te ruime rechten. Een agent met schrijfrechten op alles kan ook alles beschadigen.
• Prompt injection. Kwaadwillende tekst in een mail, document of webpagina kan proberen de agent instructies te geven.
• Kosten. Elke stap kost rekentijd van het taalmodel. Lange taken met veel stappen kunnen duurder uitvallen dan verwacht.
• Privacy en de AI Act. Een agent verwerkt vaak persoonsgegevens. Sinds 2 augustus 2026 moet een AI-systeem dat met mensen communiceert duidelijk maken dat het AI is, en voor toepassingen die beslissingen over mensen nemen gelden zwaardere regels.

Hoeveel zelfstandigheid geef je een agent?

Zelfstandigheid is geen alles-of-niets keuze. Het helpt om in niveaus te denken:

De meeste bedrijven beginnen op niveau 1 of 2. Dat is geen teken van wantrouwen, maar een manier om te leren hoe de agent zich gedraagt bij echte gevallen. Per taak kan het niveau verschillen: een agent mag een ticket zelfstandig labelen, maar een terugbetaling alleen voorbereiden.

Wat kost een AI-agent?

De kosten bestaan uit drie delen. Ten eerste het bouwen: de taak afbakenen, tools en koppelingen maken, instructies schrijven en testen. Ten tweede het gebruik: elke stap van het taalmodel kost rekentijd, en een agent zet per taak vaak meerdere stappen. Ten derde het beheer: monitoren, verbeteren, bijwerken als systemen of werkwijzen veranderen.

Hoe hoog die kosten zijn, hangt vooral af van het aantal systemen waarmee de agent moet werken, hoe vaak hij draait en hoeveel controle er nodig is. Een agent die binnen een bestaand platform een afgebakende taak uitvoert, is veel eenvoudiger dan een agent die door meerdere eigen systemen moet navigeren met rechten per gebruiker. Reken het gebruik daarom vooraf door op basis van een realistisch aantal taken per maand.

Tools en platforms om agents mee te bouwen

• Bouwstenen van modelaanbieders, zoals de agent-SDK’s van OpenAI en Anthropic, voor ontwikkelaars die zelf een agent programmeren.
• Automatiseringsplatforms als n8n, Make en Zapier, waar je AI-stappen en agents in een visuele workflow opneemt.
• Agents binnen bedrijfssoftware, zoals Microsoft Copilot Studio en Salesforce Agentforce, als je al in die omgeving werkt.
• Maatwerk, als de agent diep in je eigen processen en systemen moet werken, of als je een eigen scherm nodig hebt om te beoordelen en goed te keuren.

Zo zet je een AI-agent verantwoord in

1. Kies een afgebakende taak met duidelijk begin, eind en succescriterium.
2. Begin met voorbereiden, niet uitvoeren. Laat de agent eerst voorstellen doen die een mens goedkeurt.
3. Geef minimale rechten. Alleen lezen waar het kan, schrijven alleen waar het moet.
4. Leg onomkeerbare acties vast als goedkeuringsstap. Versturen, betalen en verwijderen gaan altijd langs een mens.
5. Log elke stap, zodat je kunt nagaan waarom de agent iets deed.
6. Test met echte en lastige gevallen, inclusief misleidende invoer.
7. Meet en verbeter. Hoe vaak klopt het, waar grijpt een mens in, wat kost het per taak?

Veelgemaakte fouten bij AI-agents

• Te groot beginnen. Een agent die “de hele klantenservice” moet doen, is moeilijk te testen. Een agent die één soort vraag afhandelt, kun je meten en verbeteren.
• Geen duidelijk eindpunt. Zonder succescriterium weet de agent niet wanneer hij klaar is, en weet jij niet of hij goed werkt.
• Tools zonder beschrijving. Een agent kiest een tool op basis van de naam en uitleg. Vage beschrijvingen leiden tot verkeerde keuzes.
• Geen logboek. Als je niet kunt terugzien welke stappen de agent zette, kun je een fout niet verklaren of herstellen.
• Vergeten wat er na de agent gebeurt. Een voorbereide actie heeft pas waarde als duidelijk is wie hem oppakt en binnen welke termijn.
• Alleen testen met nette voorbeelden. Echte invoer bevat tikfouten, halve zinnen, bijlagen in verkeerde formaten en soms misleidende tekst.

Wanneer is een agent niet nodig?

Niet elk proces heeft een agent nodig. Als de stappen altijd hetzelfde zijn en de regels duidelijk, is een vaste workflow sneller, goedkoper en betrouwbaarder. Een agent wordt pas interessant als de taak oordeel vraagt over wisselende invoer, of als de volgorde van stappen per geval verschilt. Een goede tussenvorm is een vaste workflow met één AI-stap op de plek waar dat oordeel nodig is.

Een handige toets: kun je de stappen op papier uittekenen als een vaste route met ja/nee-keuzes? Dan is een workflow waarschijnlijk genoeg. Verschilt de route per geval zo sterk dat je hem niet vooraf kunt tekenen, dan kan een agent meerwaarde hebben.

Wat betekent dit voor jouw project?

Bij een AI-agent wil ik vooraf verantwoordelijkheden zichtbaar maken voordat het systeem iets uitvoert. Dat principe komt uit Marketooo, mijn eigen platform in ontwikkeling voor marketingprocessen. Daar gaat het om het juiste account, de juiste campagne, een passend budget en een controleerbaar besluit. Automatisering heeft die context nodig, en een goedkeuringsstap hoort op de plek waar een fout gevolgen heeft.

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. Voor een agent geldt hetzelfde: maak zichtbaar wat hij heeft gedaan, wat hij voorstelt en waar een mens beslist.

Wil je een terugkerende taak laten voorbereiden of uitvoeren door een AI-agent? 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 AI-agents

Wat is een AI-agent?

Een AI-agent is een AI-systeem dat zelfstandig stappen zet om een doel te bereiken. Het begrijpt een opdracht, maakt een plan, gebruikt tools zoals zoeken of bedrijfssoftware en gaat door tot de taak klaar is.

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

Een chatbot beantwoordt vragen in een gesprek. Een AI-agent voert ook acties uit: hij gebruikt tools, zet meerdere stappen achter elkaar en bepaalt zelf de volgende stap om een doel te bereiken.

Wat zijn voorbeelden van AI-agents?

Voorbeelden zijn een agent die klantvragen afhandelt door gegevens op te zoeken en een antwoord voor te bereiden, een agent die facturen matcht met bestellingen, of een agent die leads onderzoekt en aanvult in het CRM.

Verwante termen

Agentic AI · AI-automatisering · MCP (Model Context Protocol) · Function calling / tool use · AI-chatbot · Large Language Model (LLM) · AI-guardrails