Wat zijn AI agents? Uitleg, voorbeelden en wat je ermee kunt

De term duikt overal op, maar wat zijn AI agents nu eigenlijk? Kort gezegd is een AI agent een systeem dat zelfstandig een taak uitvoert in plaats van alleen antwoord geeft. Een gewone chatbot reageert op wat je typt en wacht daarna af. Een agent krijgt een doel mee, bedenkt zelf welke stappen daarvoor nodig zijn, gebruikt onderweg externe hulpmiddelen zoals een agenda, een database of een website, en levert pas iets op als de opdracht af is. Dat verschil klinkt subtiel, maar het bepaalt volledig wat je er in de praktijk mee kunt.

In het kort

• Een AI agent voert zelfstandig een reeks stappen uit om een doel te bereiken, waar een chatbot alleen per vraag reageert.
• Een agent onderscheidt zich door drie dingen: een doel, toegang tot externe tools en de mogelijkheid om het eigen resultaat te controleren.
• In 2024 gebruikte 22,7 procent van de Nederlandse bedrijven met tien of meer werknemers AI-technologie, tegenover 13,5 procent gemiddeld in de EU.
• De grootste risico’s zitten niet in de techniek maar in wat je een agent laat aanraken: rechten, gegevens en handelingen die niet terug te draaien zijn.

Het verschil tussen een chatbot en een agent

Stel dat je vraagt om een offerte op te stellen. Een taalmodel zonder agentfunctie schrijft een tekst op basis van wat het weet en wat jij hebt meegegeven. Klopt de prijs niet, dan moet jij dat opmerken en corrigeren. Een agent pakt dezelfde vraag anders aan: het zoekt de actuele tarieven op in het systeem waar ze staan, controleert of deze klant een afwijkende afspraak heeft, stelt de offerte samen, zet hem klaar in het CRM en meldt terug dat hij klaarstaat ter controle.

Wat een agent daarvoor nodig heeft, laat zich terugbrengen tot drie eigenschappen:

• Een doel in plaats van een instructie: niet “schrijf deze zin”, maar “zorg dat deze aanvraag verwerkt is”
• Toegang tot gereedschap: agenda’s, e-mail, databases, websites, boekhoudpakketten en andere software waar het werk echt gebeurt
• Terugkoppeling: het vermogen om te zien of een stap gelukt is en het bij een fout opnieuw te proberen of een andere route te kiezen

Die derde eigenschap wordt het vaakst onderschat. Juist doordat een agent tussentijds zijn eigen werk beoordeelt, kan hij taken van meerdere stappen aan. Het is ook precies de reden dat agents onvoorspelbaarder zijn dan klassieke automatisering: de route naar het resultaat ligt niet vooraf vast.

Wat een agent niet is

Niet alles wat zo genoemd wordt, is een agent. Een chatbot op een website die vaste antwoorden geeft, is dat niet. Een workflow in een automatiseringstool die stap voor stap een vast pad volgt, ook niet, hoe nuttig die verder ook is. En een assistent die alleen tekst produceert en verder niets aanraakt, blijft een assistent. Het onderscheid is niet academisch: het bepaalt welke rechten je een systeem geeft en welk toezicht je erop organiseert.

Zakelijke toepassingen en AI binnen het MKB

De cijfers laten zien dat het bedrijfsleven nog in de beginfase zit. Volgens het CBS gebruikte in 2024 22,7 procent van de Nederlandse bedrijven met tien of meer werkzame personen een of meer AI-technologieën, bijna negen procentpunt meer dan een jaar eerder. Het verschil naar bedrijfsgrootte is fors: van de bedrijven met meer dan 500 medewerkers gebruikte 59,2 procent AI, tegenover 17,8 procent bij bedrijven met tien tot twintig medewerkers. Bij microbedrijven lag het aandeel in 2025 op 13,8 procent.

Daar zit tegelijk de kans. AI binnen het MKB hoeft namelijk niet te beginnen bij een groot platform of een dure implementatie. De toepassingen die het snelst iets opleveren, zijn juist de kleine, terugkerende taken waar niemand op zit te wachten maar die wel elke week terugkomen.

Administratie en financiën

• Inkoopfacturen uit de mailbox halen, de gegevens uitlezen en klaarzetten in het boekhoudpakket, inclusief een melding bij bedragen die afwijken van de bestelling
• Openstaande posten volgen en herinneringen versturen met een toon die past bij hoelang een factuur al openstaat
• Bonnetjes en declaraties koppelen aan de juiste kostenpost en incomplete inzendingen terugsturen naar de indiener
• Maandcijfers verzamelen uit verschillende systemen en de opvallende verschillen benoemen in plaats van alleen een tabel opleveren

Verkoop en klantcontact

• Nieuwe aanvragen beoordelen op volledigheid, ontbrekende informatie opvragen en de aanvraag bij de juiste collega neerleggen
• Gespreksverslagen uit vergaderingen omzetten in acties in het CRM, inclusief een vervolgafspraak
• Offertes samenstellen op basis van actuele prijzen en eerdere afspraken met dezelfde klant
• Binnenkomende e-mail sorteren op urgentie en onderwerp, zodat een storingsmelding niet tussen nieuwsbrieven verdwijnt

IT, beveiliging en interne processen

• Meldingen uit beveiligingssystemen samenvoegen, ruis eruit filteren en alleen de gevallen doorzetten die een mens moet beoordelen
• Nieuwe medewerkers voorzien van de juiste accounts en rechten volgens een vast profiel, en die rechten weer intrekken bij vertrek
• Kwetsbaarheden uit leverancierswaarschuwingen vergelijken met de software die daadwerkelijk in gebruik is
• Veelgestelde vragen van medewerkers beantwoorden uit het eigen handboek, met een doorverwijzing als het antwoord er niet in staat

Productie, logistiek en planning

• Voorraadniveaus volgen en bestellingen voorbereiden op basis van verbruik en levertijden
• Roosters opstellen die rekening houden met beschikbaarheid, certificeringen en voorkeuren, en bij uitval alternatieven voorstellen
• Transportbewegingen combineren zodat er minder ritten nodig zijn
• Onderhoudsmeldingen uit machinegegevens vertalen naar concrete werkorders

Wat deze voorbeelden gemeen hebben: het zijn allemaal taken met een duidelijk begin en einde, waarbij het resultaat controleerbaar is. Dat is geen toeval. Agents presteren goed op werk dat je kunt nakijken, en slecht op werk waarbij niemand merkt dat er iets misgaat.

Privétoepassingen

Buiten kantoor zie je dezelfde ontwikkeling, alleen zonder de rompslomp van beheer en beleid. Een paar toepassingen die inmiddels gewoon werken:

• Reizen: een agent zoekt vluchten en accommodaties binnen je budget, vergelijkt annuleringsvoorwaarden en zet een voorstel klaar inclusief reistijden tussen de onderdelen
• Boodschappen: een weekmenu samenstellen op basis van wat er nog in huis is, dieetwensen en de aanbiedingen van deze week, en er een boodschappenlijst van maken
• Administratie thuis: contracten en polissen doorlezen, opzegtermijnen eruit halen en op tijd een herinnering geven voordat een abonnement stilzwijgend verlengt
• Studie: van studiemateriaal oefenvragen maken, antwoorden nakijken en gericht herhalen wat nog niet zit
• Huis en klussen: offertes van aannemers naast elkaar leggen, verschillen in wat er wel en niet is meegenomen benoemen en vragen formuleren voor het volgende gesprek
• Tweedehands kopen en verkopen: advertenties volgen op zoekcriteria, prijzen vergelijken met wat vergelijkbare stukken opbrengen en melden wanneer iets de moeite waard is

Ook hier geldt dat de nuttigste toepassingen zelden spectaculair zijn. Het is het saaie werk dat blijft liggen waar de winst zit.

Waar het misgaat

Een agent die zelfstandig handelt, kan ook zelfstandig fouten maken, en die fouten zijn zichtbaarder dan een verkeerd geformuleerde alinea. Het patroon is bijna altijd hetzelfde: het systeem krijgt meer rechten en meer vrijheid dan het werk vraagt.

De praktische maatregelen daartegen zijn niet ingewikkeld, maar ze moeten wel bewust genomen worden:

• Beperk de rechten: geef een agent alleen toegang tot de systemen en gegevens die de taak echt nodig heeft, niet tot alles wat de gebruiker mag
• Zet een grens bij onomkeerbare stappen: verzenden, betalen, verwijderen en publiceren gaan niet zonder menselijke goedkeuring
• Houd het spoor bij: leg vast welke stappen zijn gezet, zodat je achteraf kunt reconstrueren waar iets is misgegaan
• Wees alert op instructies van buiten: een agent die websites of binnenkomende e-mail leest, kan daarin verstopte opdrachten tegenkomen die niet van jou komen
• Beleg het eigenaarschap: iemand moet verantwoordelijk zijn voor wat een agent doet, net zoals dat bij een medewerker het geval is

Daar komt de wettelijke kant bij. De Europese AI-verordening verplicht organisaties om te zorgen dat medewerkers die met AI werken voldoende begrijpen wat de techniek doet en waar de grenzen liggen. Dat is geen papieren eis: iemand die niet weet dat een agent kan hallucineren, controleert het resultaat ook niet.

Beginnen zonder groot project

De meest voorkomende fout is te groot beginnen. Een organisatie kiest een breed proces uit, bouwt daar maanden aan en ontdekt dan dat de uitzonderingen talrijker zijn dan de standaardgevallen. Werkbaarder is de omgekeerde volgorde: kies één taak die vaak terugkomt, die weinig schade aanricht als hij misgaat en waarvan je het resultaat direct kunt beoordelen.

Laat een agent die taak eerst voorbereiden zonder hem af te maken, dus met een concept dat een mens goedkeurt. Klopt dat na een paar weken structureel, dan kun je de goedkeuringsstap beperken tot steekproeven. Zo bouw je vertrouwen op basis van waarneming in plaats van op basis van beloftes, en houd je grip op wat er precies gebeurt in een technologie die zich sneller ontwikkelt dan de meeste organisaties kunnen bijhouden.