Wat is een AI-agent? Uitleg met praktijkvoorbeelden

"AI-agent" is in korte tijd een modewoord geworden. Elke tool noemt zichzelf inmiddels een agent, waardoor het woord bijna niets meer zegt. Toch zit er een echt en bruikbaar onderscheid onder. Dat onderscheid bepaalt of een tool jouw werk uit handen neemt of alleen een tekstje voor je schrijft.

Wat doet een AI-agent anders dan een chatbot?

Een gewoon taalmodel werkt in één beweging: jij stelt een vraag, het model geeft een antwoord. Daarna is het klaar en vergeet het alles. Nuttig, maar jij blijft de uitvoerder.

Een AI-agent krijgt een doel in plaats van een vraag, en mag zelf bepalen welke stappen nodig zijn. Daarvoor heeft hij drie dingen extra:

• Gereedschap. Toegang tot systemen buiten het model zelf: je agenda, je CRM, een rekenmodule, je e-mail, een zoekfunctie in je eigen documenten.
• Een werkgeheugen. Hij houdt bij wat hij al gedaan heeft en wat het resultaat was, zodat stap vier kan voortbouwen op stap twee.
• Een lus. Na elke stap beoordeelt hij of het doel al bereikt is. Zo niet, dan kiest hij een volgende stap.

Dat verschil is concreet te maken:

Hoe werkt een AI-agent stap voor stap?

Neem een agent die inkomende offerteaanvragen verwerkt. Het doel: "zorg dat elke aanvraag binnen een werkdag een concept-offerte heeft en in het CRM staat".

1. Lezen. De agent haalt de nieuwe aanvraag uit de mailbox en leest wat er gevraagd wordt.
2. Aanvullen. Hij zoekt het bedrijf op in het CRM. Bestaande klant of nieuw? Welke prijsafspraken gelden er?
3. Beoordelen. Mist er informatie om een prijs te kunnen maken? Dan stelt hij een vervolgvraag op in plaats van te gokken.
4. Opstellen. Met jouw prijslijst en je standaardteksten maakt hij een concept.
5. Vastleggen. Hij zet de aanvraag en het concept in het CRM en zet een taak klaar voor jou.
6. Stoppen. De agent legt het concept bij jou neer in plaats van het te versturen.

Die laatste stap is de belangrijkste en wordt het vaakst vergeten. Een goed ingerichte agent weet waar zijn bevoegdheid eindigt.

Waar zet je een AI-agent zinvol in als klein bedrijf?

Een agent verdient zich terug bij werk dat vaak terugkomt, meerdere systemen raakt en duidelijke regels heeft. Herkenbare voorbeelden:

• Klantvragen sorteren en voorbereiden. Inkomende mail classificeren, het klantdossier erbij zoeken en een concept-antwoord klaarzetten. Zie ook klantvragen automatiseren.
• Offertes voorbereiden. Aanvraag omzetten in een concept op basis van je eigen prijslijst, zoals bij offerte-automatisering.
• Administratie natrekken. Facturen matchen met opdrachten en afwijkingen melden.
• Leadopvolging. Niet-gereageerde aanvragen opsporen en een opvolgmail voorbereiden.
• Rapportage. Cijfers uit verschillende systemen samenbrengen in een wekelijks overzicht.

Waar een agent juist niet thuishoort: werk met veel uitzonderingen en weinig regels, beslissingen met grote gevolgen (ontslag, kredietverlening, medische vragen) en alles waar één fout onherstelbaar is. Die categorie valt in de Europese AI-verordening↗ onder "hoog risico" en kent extra verplichtingen — zie AI Act voor het mkb.

Wat heb je nodig om te beginnen?

Je hebt geen datateam nodig, maar wel vier dingen op orde:

1. Een proces dat je kunt opschrijven. Kun je het niet uitleggen aan een nieuwe medewerker, dan kun je het ook niet aan een agent uitleggen.
2. Systemen die open staan. De agent moet erbij kunnen. Software zonder API of export is een blokkade — daarover meer in software integraties.
3. Vindbare bedrijfskennis. Prijslijsten, voorwaarden en standaardantwoorden moeten ergens staan waar de agent ze kan lezen. Zie chatbot met je eigen bedrijfsdata.
4. Afgesproken grenzen. Wat mag hij zelf, wat moet langs een mens? Leg dat vast in je AI-beleid.

Wat gaat er in de praktijk mis?

Vier terugkerende fouten:

Te veel vrijheid, te snel. Een agent die vanaf dag één zelf mails verstuurt, maakt zichtbare fouten bij klanten. Begin met "concept klaarzetten", nooit met "zelf versturen".

Geen enkele controle op de uitkomst. Agenten kunnen stappen verzinnen die plausibel klinken maar niet kloppen. Bouw een harde check in op de dingen die objectief te controleren zijn: bestaat dit klantnummer, valt dit bedrag binnen de normale marge? Het AI Risk Management Framework↗ van NIST noemt dit meten-en-monitoren als een van de vier kernfuncties. Lees verder in AI-hallucinaties voorkomen.

Een onmeetbaar doel. "Verbeter onze klantenservice" is geen opdracht. "Zorg dat elke vraag binnen 4 uur een concept-antwoord heeft" wel.

Vergeten dat kosten meelopen. Elke stap is een modelaanroep. Een agent die vijftien stappen neemt waar vijf genoeg waren, kost drie keer zoveel. Zie wat kost AI inzetten.

Hoe begin je zonder groot project?

De snelste route is bewust klein:

1. Kies één proces dat minstens vijf keer per week langskomt.
2. Schrijf uit hoe het nu gaat, inclusief de uitzonderingen.
3. Laat de agent eerst alleen voorbereiden, niet uitvoeren.
4. Laat een mens twee weken elk resultaat nakijken en houd bij hoe vaak het goed was.
5. Verruim zijn bevoegdheid pas als die score stabiel hoog is.

Zo weet je binnen een maand of het werkt, zonder dat je iets groots hebt gebouwd dat je niet kunt terugdraaien. Wil je eerst in kaart hebben welk proces zich hier het beste voor leent, lees dan waar begin je met AI.