Zelf een AI-agent maken met Copilot, ChatGPT, Claude of n8n: wat kan wel, en waar begint maatwerk?

Iemand in je team heeft het al geprobeerd. Een eigen GPT met jullie offerteteksten, een agent in Copilot Studio die HR-vragen beantwoordt, of een n8n-workflow die mail sorteert. In de demo werkt het. De vraag is of het ook werkt als twintig collega's het elke dag gebruiken, als het in je ERP moet schrijven en als iemand achteraf wil weten waarom de agent iets deed.

Dit artikel loopt de vier meest gebruikte routes langs: Microsoft Copilot Studio, ChatGPT, Claude en n8n. Per route lees je wat je zelf kunt bouwen en waar de grens ligt. De productinformatie komt uit de documentatie van de leveranciers, gecontroleerd op 17 oktober 2026. Deze producten veranderen snel, dus kijk voor je kiest wat er nu geldt.

Wat bedoelen we met een AI-agent?

Een AI-agent is software die een taak afhandelt op basis van instructies, kennis en gereedschap. Hij leest informatie, bepaalt de volgende stap en voert die uit, bijvoorbeeld door iets op te zoeken of een record aan te maken. Een chatbot geeft antwoord. Een agent doet iets in je systemen.

Begin daarom niet bij de tool, maar bij de taak. Eén taak, met een duidelijke uitkomst en iemand die controleert. Vraagt de taak geen taalbegrip, dan heb je geen agent nodig. Zie AI-agent of gewone automatisering.

Microsoft Copilot Studio

Copilot Studio is de low-code omgeving van Microsoft voor agents en workflows. Een agent volgt jouw instructies, gebruikt de kennisbronnen die je koppelt en voert acties uit via kant-en-klare of eigen connectoren. Je zet hem onder meer in Teams, in Microsoft Copilot of op een website. Zo beschrijft Microsoft het in de documentatie van Copilot Studio.

• Past als: je organisatie op Microsoft 365 draait, de kennis in SharePoint staat en de agent vooral in Teams of Copilot moet werken.
• Let op de kosten: gebruik wordt afgerekend in Copilot Credits. Hoeveel credits een antwoord of actie kost, hangt af van hoe complex de taak is, en ongebruikte credits schuiven niet door naar de volgende maand. Met een Microsoft 365 Copilot-licentie tellen sommige vormen van gebruik in Copilot, Teams en SharePoint niet mee (Microsoft).
• Grens: een systeem buiten Microsoft koppel je met een connector. Bestaat die niet, dan bouwt iemand een eigen connector op de API van dat systeem, en die moet je beheren.

ChatGPT: eigen GPT's en workspace agents

Met een eigen GPT geef je ChatGPT vaste instructies en documenten mee. Via acties kan hij een externe API aanroepen. Daarvoor heb je de API-gegevens van het systeem nodig, inclusief de authenticatie en een OpenAPI-schema (OpenAI).

Let op: OpenAI introduceerde in april 2026 workspace agents als opvolger van custom GPT's in zakelijke werkruimtes, en kondigde aan dat custom GPT's daar naartoe verhuizen. Wanneer dat gebeurt en wat er met eigen acties gebeurt, staat in het helpcentrum van OpenAI. Voor gedeelde werkstromen in de Business- en Enterprise-abonnementen biedt OpenAI workspace agents. Bouw je nu iets nieuws in ChatGPT, kijk dan eerst welke route je werkruimte op dit moment aanbiedt.

• Past als: je team al in ChatGPT werkt en de agent vooral tekst maakt of informatie opzoekt.
• Grens: een actie werkt alleen als het systeem een bruikbare API heeft. De sleutels, de rechten en het onderhoud van die koppeling liggen bij jou.

Claude: Projects en connectors

In Claude maak je met een Project een eigen werkruimte met instructies en documenten. In de Team- en Enterprise-abonnementen deel je een project met collega's, met lees- of bewerkrechten (Anthropic). Wat de abonnementen kosten en wat Anthropic met je data doet, staat in Claude voor bedrijven.

Met connectors koppel je Claude aan andere software via het Model Context Protocol (MCP). Een MCP-server geeft Claude gereedschap waarmee hij gegevens kan lezen en, als de server dat aanbiedt, ook kan aanmaken, wijzigen of verwijderen. Claude kan alleen bij wat de gebruiker de server heeft toegestaan. In een Team-abonnement voegen alleen eigenaren een eigen connector toe (Anthropic).

• Past als: je team met lange documenten werkt, of er al een MCP-server bestaat voor een systeem dat je gebruikt.
• Let op: Anthropic waarschuwt zelf dat een kwaadwillende MCP-server verborgen instructies kan bevatten. Koppel alleen servers die je vertrouwt en bekijk welke rechten ze vragen.
• Grens: voor je eigen systemen bestaat vaak nog geen MCP-server. Die moet dan gebouwd worden, met per handeling de juiste rechten.

Een voorbeeld van zo'n eigen server: voor Sprints & Sneakers bouwden we een MCP-server waarmee het team via Claude de website beheert. Wat de assistent maakt, staat eerst als concept klaar en publiceren is een aparte stap. Meer daarover in je CMS beheren met een eigen MCP-server.

n8n

n8n is een workflowplatform met een AI Agent-node. Je koppelt een taalmodel en minstens één tool, en de agent bepaalt zelf welke tool hij gebruikt (n8n). Per tool kun je een menselijke goedkeuring inbouwen: de agent vraagt dan eerst toestemming, bijvoorbeeld via Teams, Slack of mail (n8n).

n8n draait in de cloud van n8n of op je eigen server (n8n). Hoe n8n zich verhoudt tot Make en Zapier, lees je in n8n, Make of Zapier.

• Past als: de agent één stap is in een groter proces, met een trigger zoals een nieuwe mail of een nieuw record, en met systemen van verschillende leveranciers.
• Grens: draai je n8n zelf, dan ben jij verantwoordelijk voor updates, back-ups, beveiliging en monitoring. En de logica staat in een workflow die iemand in je team moet kunnen lezen en onderhouden.

Waar zelf bouwen ophoudt

Met elk van deze vier routes heb je snel een werkende eerste versie. De grens ligt bijna nooit bij het taalmodel. Hij ligt bij alles eromheen.

• Koppelingen met je eigen systemen: een ERP, een branchepakket of een oude database heeft vaak geen kant-en-klare connector. Dan moet iemand de API leren kennen, velden koppelen en fouten afvangen. Hoe dat gaat, staat in AI-agent koppelen aan je bestaande systemen.
• Rechten: een agent die met het account van een medewerker werkt, ziet alles wat die medewerker ziet. Een eigen account met alleen de rechten voor deze taak is veiliger, maar vraagt inrichting.
• Logging: vraagt een klant waarom hij die mail kreeg, dan wil je kunnen terugzien welke input de agent had, wat hij besloot en wie het goedkeurde.
• Beheer: wie past de instructies aan als het proces verandert, wie test na een modelwissel, en wat gebeurt er als de collega die het bouwde vertrekt?
• Kosten per gebruik: de platforms rekenen per gebruiker, per credit of per hoeveelheid tekst. Bij een hoog volume groeien de kosten mee met het werk. Reken dat vooraf door.

Zie je twee of meer van deze punten terug in je plannen, dan is een agent op maat vaak de goedkopere route dan een tool die je eromheen moet buigen.

Wat maatwerk anders doet

Maatwerk betekent niet dat alles opnieuw wordt uitgevonden. Vaak gebruik je hetzelfde taalmodel. Het verschil zit in de laag eromheen: eigen koppelingen, rechten per handeling, een log en één plek waar de grenzen van de agent zijn vastgelegd.

Een voorbeeld: bij een retailorganisatie bouwden we een overzichtslaag in de eigen Azure-tenant van de klant. De agents zijn gekoppeld aan de bestaande ERP-, CRM-, webshop- en ticketsystemen, en elke actie komt in een auditlog waaraan alleen toegevoegd kan worden.

Wat een agent op maat kost, hangt af van het aantal systemen en handelingen. Richtbedragen staan bij wat een AI-agent kost.

Hoe begin je?

• Kies één taak met volume en een duidelijke uitkomst.
• Bouw een eerste versie in de tool die je al hebt, met een mens die elke uitkomst goedkeurt.
• Test met echte gevallen uit het verleden en houd bij waar het misgaat.
• Loop je vast op koppelingen, rechten of logging, beslis dan of je de tool verder oprekt of de agent laat bouwen.

Hoe we een agent bouwen die in je eigen systemen werkt, lees je bij een AI-agent laten bouwen. Weet je nog niet welke taak als eerste moet, dan begint het bij de AI Opportunity Audit.

Bronnen, gecontroleerd op 17 oktober 2026: Microsoft: wat is Copilot Studio, Microsoft: licenties Copilot Studio, OpenAI: acties in GPT's, VentureBeat: workspace agents als opvolger van custom GPT's, Anthropic: Projects, Anthropic: eigen connectors via MCP, n8n: AI Agent-node, n8n: menselijke goedkeuring voor tools, n8n: hosting.