Wat is een AI-agent, en wanneer heb je er een nodig?

Steeds meer softwareleveranciers noemen hun product een AI-agent. Het boekhoudpakket, het CRM, de chatbot op de website. Wie een paar demo's heeft gezien, weet daarna vaak minder dan ervoor.

Dat is jammer, want het idee achter een agent is eenvoudig en voor veel bedrijven nuttig. In dit artikel leggen we uit wat een AI-agent is, waarin hij verschilt van een chatbot, wanneer je er een nodig hebt en wanneer niet, en hoe je bepaalt wat hij mag doen.

Waar de meeste bedrijven nu staan

AI is in het Nederlandse bedrijfsleven geen uitzondering meer. Volgens voorlopige cijfers van het CBS gebruikte in 2025 45 procent van de bedrijven met 50 tot 250 werkzame personen een of meer AI-technologieën. In 2023 was dat nog 20 procent. De technieken die het vaakst worden gebruikt, gaan over tekst: geschreven tekst analyseren en tekst genereren.

In de praktijk betekent dat vaak dat een medewerker ChatGPT of een vergelijkbare assistent vraagt om een mail, een samenvatting of een vertaling. Dat scheelt tijd. Het werk eromheen blijft wel bij de mens. Hij zoekt de gegevens op, plakt de tekst in het juiste systeem en verstuurt hem. Een agent is de volgende stap: AI die ook dat werk eromheen uitvoert.

Wat een AI-agent is

Een AI-agent is een taalmodel dat zelf stappen kan zetten in je systemen. Hij heeft twee dingen die een chatbot mist.

Het eerste zijn tools. Dat zijn koppelingen met de software die je al gebruikt: de mailbox, het ordersysteem, de boekhouding, de planning. Via die koppelingen kan de agent een order opzoeken, een status opvragen of een boeking klaarzetten. Het taalmodel bedenkt wat er moet gebeuren, de tools zorgen dat het ook gebeurt.

Het tweede is een lus. Een agent voert niet één opdracht uit om daarna te stoppen. Na elke stap kijkt hij naar het resultaat en bepaalt hij wat de volgende stap is. Vindt hij de order niet onder het ordernummer, dan zoekt hij op klantnaam. Ontbreekt er informatie, dan vraagt hij die na.

Anthropic, het bedrijf achter het taalmodel Claude, omschrijft agents daarom nuchter: taalmodellen die tools gebruiken op basis van wat ze terugkrijgen, in een lus. Dat is minder spannend dan de verhalen over digitale collega's, en dat is goed nieuws. Een agent is een systeem dat binnen kaders die jij stelt zelf de route bepaalt.

Een voorbeeld: de vraag waar een bestelling blijft

Neem een groothandel die elke dag tientallen mails krijgt met de vraag waar een bestelling blijft.

Met een chatbot gaat het zo. Een medewerker leest de mail, zoekt de order op, kijkt bij de vervoerder en laat de chatbot een nette tekst schrijven. De AI scheelt een paar minuten typwerk.

Met een agent gaat het anders. De agent leest de mail, haalt het ordernummer eruit, zoekt de order op in het ordersysteem, vraagt de status op bij de vervoerder en zet een antwoord klaar met de juiste datum. Is de zending vertraagd, dan meldt hij dat erbij. Is de klant duidelijk boos of gaat het om een afspraak die niet in de werkinstructie staat, dan legt hij de mail bij een collega neer met een korte samenvatting.

De medewerker houdt zo alleen de mails over waar zijn oordeel echt nodig is.

Een agent is een systeem dat binnen kaders die jij stelt zelf de route bepaalt.

Niet alles wat agent heet, is een agent

Omdat het woord goed verkoopt, plakken veel leveranciers het op bestaande producten. Onderzoeksbureau Gartner noemt dat agent washing: chatbots, AI-assistenten en klassieke automatisering die een nieuw label krijgen zonder dat ze echt zelf stappen uitvoeren. Gartner schat dat van de duizenden aanbieders die zich met agentic AI profileren, er ongeveer 130 echt zijn.

Je kunt dat zelf toetsen met twee vragen. Kan het systeem zelf iets doen in jullie software, zoals een order opzoeken of een boeking klaarzetten? En bepaalt het na elke stap zelf wat de volgende is? Is het antwoord twee keer nee, dan heb je een chatbot of een vaste automatisering. Dat kan prima zijn, zolang je weet wat je koopt.

Wanneer je geen agent nodig hebt

Een agent is niet altijd de beste keuze. Gartner zegt dat ook: veel toepassingen die nu als agentic worden gepresenteerd, hebben dat niet nodig. Het bureau adviseert agents in te zetten waar beslissingen nodig zijn, gewone automatisering voor vaste routines en een assistent voor het simpel opzoeken van informatie. Anthropic geeft ontwikkelaars hetzelfde advies: zoek de eenvoudigste oplossing en voeg pas complexiteit toe als dat aantoonbaar beter werkt.

Een handige vuistregel. Loopt een proces altijd via dezelfde stappen, zoals elke maand dezelfde rapportage uit hetzelfde systeem halen, dan is vaste automatisering goedkoper, sneller en voorspelbaarder. Heb je vooral hulp nodig bij schrijven of samenvatten, dan volstaat een assistent. Een agent loont waar het werk telkens net anders is: mails in allerlei vormen, documenten die je eerst moet lezen voordat je weet wat ermee moet, gevallen waarin de volgende stap afhangt van wat je net hebt gevonden.

Die eerlijkheid scheelt geld. En ze maakt de plekken waar een agent wel past des te duidelijker.

Hoe je bepaalt wat een agent mag

Wie een agent toegang geeft tot zijn systemen, geeft hem bevoegdheden. Behandel dat zoals het inwerken van een nieuwe medewerker: je begint met beperkte rechten en breidt uit als het vertrouwen er is. In de praktijk komen we steeds bij dezelfde afspraken uit.

Maak onderscheid tussen lezen, klaarzetten en uitvoeren. Een agent mag vaak veel lezen en veel klaarzetten. Uitvoeren, zoals iets versturen, boeken of betalen, geef je per stap vrij en vaak met een grens, bijvoorbeeld een bedrag of een type klant.

Leg vast wanneer een mens beslist. Bij een afwijking, een klacht, een uitzondering die niet in de werkinstructie staat of een toezegging over geld zet de agent het werk door naar een collega, met uitleg erbij. Dat heet ook wel de mens in de lus.

Zorg dat je kunt terugzien wat hij deed. Elke stap van de agent hoort in een logboek dat een collega kan lezen. Zo zie je een fout voordat een klant erover klaagt, en zie je ook waar de agent meer kan overnemen.

Laat de agent werken in de systemen die je al hebt. Een agent die in de bestaande mailbox en het bestaande ordersysteem werkt, vraagt geen nieuw scherm en geen nieuwe gewoonte van je team.

Waar je begint

Het CBS vroeg bedrijven die AI wel overwogen maar niet gebruiken naar de reden. 73 procent noemde gebrek aan ervaring. Dat is goed te verhelpen, want je hoeft niet alles tegelijk te leren.

Wij werken zelf in vier stappen. Kiezen: één proces dat vaak voorkomt en waarvan de uitzonderingen te overzien zijn. Bouwen: een werkende versie in weken, niet in kwartalen. Koppelen: aan de systemen en gegevens die je al gebruikt. Beheer: het team gebruikt het dagelijks, de afspraken over wat de agent mag groeien mee met het vertrouwen, en we blijven bereikbaar.

Wie zo begint, leert in een paar weken meer over agents dan uit tien demo's. En daarna weet je precies welk proces de volgende kandidaat is.

Mail ons via info@harmoniqa.nl.

Bronnen: CBS, ICT-gebruik bij bedrijven (december 2025); Gartner, persbericht 25 juni 2025; Anthropic, Building effective agents (december 2024).