Wat is een AI-agent? Uitleg, voorbeelden en wanneer je er een nodig hebt

Een AI-agent is software die een doel krijgt, zelf bepaalt welke stappen daarvoor nodig zijn en die stappen uitvoert in andere systemen, zoals je mail, CRM of ERP. Waar een chatbot alleen antwoord geeft, handelt een agent: hij leest een aanvraag, zoekt gegevens op, werkt een record bij en legt wat ertoe doet eerst voor aan een mens.

De korte definitie staat bij het begrip AI-agent. Hier lees je hoe een agent werkt, waarin hij verschilt van een chatbot, een workflow en Copilot, hoe AI-agents er in een bedrijf uitzien en wanneer je er beter geen gebruikt.

Ons uitgangspunt: begin bij het werk, niet bij de agent. Veel taken die als agentvraag binnenkomen, zijn met een gewone workflow sneller en goedkoper opgelost. Dat zeggen we dan ook.

Wat is een AI-agent precies?

Een AI-agent is een combinatie van een taalmodel, instructies, toegang tot systemen en grenzen. Het taalmodel begrijpt de vraag en kiest de volgende stap, de koppelingen laten hem iets doen, en de grenzen bepalen wat hij zelf mag.

Je spreekt pas zinvol van een agent als drie dingen samenkomen:

• Een doel in plaats van een opdracht: niet "vat deze mail samen", maar "zorg dat deze aanvraag met de juiste gegevens in het CRM staat".
• Zelf de stappen kiezen: de agent bepaalt welke acties nodig zijn en in welke volgorde, in plaats van een vast script te volgen.
• Toegang tot tools: de agent kan iets opzoeken, een systeem aanroepen, een bestand lezen of een record aanmaken.

Ontbreekt een van die drie, dan heb je een assistent, een chatbot of een workflow met een AI-stap. Dat is niet slechter. Het is vaak precies wat je nodig hebt.

Hoe werkt een AI-agent?

Een agent werkt in een lus: lezen, een stap kiezen, die stap uitvoeren, het resultaat bekijken en dan de volgende stap kiezen. Dat herhaalt hij tot het doel bereikt is, hij vastloopt of een mens moet beslissen.

Neem een klantmail met de vraag om een levering een week op te schuiven. De agent leest de mail en herkent klant en ordernummer. Hij zoekt de order op in het ERP en controleert of de nieuwe datum kan. Hij past de order aan of zet een voorstel klaar, schrijft een conceptantwoord en legt dat ter goedkeuring voor aan een medewerker. Elke stap wordt gelogd.

De tools waarmee een agent werkt, zijn koppelingen met je systemen: een API, een connector of een MCP-server. Per tool leg je vast wat de agent mag lezen en wat hij mag wijzigen. Hoe je dat inricht, staat in AI-agent koppelen aan bestaande systemen.

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

Een chatbot beantwoordt een vraag en wacht op de volgende. Een AI-agent voert zelf taken uit in je systemen en gaat door tot het werk af is.

Een chatbot op je website vertelt een klant hoe hij een retour aanmeldt. Een agent meldt de retour aan, maakt het retourlabel en zet de terugbetaling klaar voor akkoord. De chatbot praat, de agent maakt het werk af. Daarom vraagt een agent ook meer: toegang tot systemen, grenzen per handeling en logging.

AI-agent, workflow of RPA: wat is het verschil?

Een workflow volgt vaste stappen die je vooraf tekent. RPA doet handelingen in een scherm na, zoals klikken en overtypen. Een AI-agent kiest de stappen zelf, op basis van wat hij leest.

• Workflow: als A, dan B. Voorspelbaar, goedkoop en goed te controleren. Een workflow kan een AI-stap bevatten, bijvoorbeeld om een factuur uit te lezen, zonder dat het een agent wordt.
• RPA: handig bij oude systemen zonder koppeling, maar kwetsbaar als het scherm verandert. Zie RPA en AI.
• AI-agent: nuttig als de volgorde van de stappen per geval verschilt en niet vooraf vast te leggen is, zoals bij mail in vrije tekst of verzoeken die eerst begrepen moeten worden.

In de praktijk combineer je ze: een workflow voor de vaste stappen en een agent voor het stuk dat lezen en beslissen vraagt. Hoe je per stap kiest, staat in AI-agent of gewone automatisering en, voor Microsoft-omgevingen, in Power Automate of een AI-agent.

Is Copilot een AI-agent?

Microsoft 365 Copilot is in de eerste plaats een assistent: hij helpt jou in Word, Outlook en Teams als jij erom vraagt. Met Copilot Studio en Agent Builder bouw je wel agents, die instructies volgen, je eigen kennis gebruiken en acties uitvoeren met tools (Microsoft).

Copilot Studio is de low-code omgeving van Microsoft om agents te bouwen, te koppelen aan je gegevens en te publiceren in Teams, Copilot of op je website (Microsoft). Wat je ermee kunt en waar het ophoudt, staat in Copilot Studio en Copilot agents. Voor Copilot zelf, zie Microsoft 365 Copilot voor bedrijven.

Welke soorten AI-agents zijn er?

Voor een bedrijf zijn er grofweg drie soorten: persoonlijke agents, agents voor één taak en agents die een heel proces afhandelen. Ze verschillen vooral in hoeveel systemen ze raken en hoeveel ze zelf mogen.

• Persoonlijke agents: een medewerker laat een agent in ChatGPT, Claude of Copilot iets uitzoeken of voorbereiden. Weinig koppelingen, een mens beoordeelt alles.
• Agents voor één taak: een agent die binnenkomende supportvragen indeelt, of facturen voorbereidt. Afgebakend, goed te testen en vaak de beste eerste stap.
• Procesagents: een agent die over meerdere systemen heen werk afmaakt, zoals een aanvraag lezen, gegevens controleren, een order aanpassen en de klant antwoorden. Meer waarde, maar ook meer grenzen en logging nodig.

Werken meerdere agents samen, die elk een deel van het werk doen, dan heet dat ook wel agentic AI. Dat klinkt aantrekkelijk, maar elke extra agent is een extra plek waar iets mis kan gaan. Begin met één.

Voorbeelden van AI-agents in een bedrijf

De beste voorbeelden zijn saai: werk dat elke dag terugkomt, met taal of documenten erin en een duidelijk eindpunt. Drie voorbeelden die we hebben uitgewerkt als AI-medewerker:

• Supportvragen indelen: de Supporttriage leest nieuwe vragen, bepaalt onderwerp en urgentie en zet ze bij het juiste team, met de context er al bij. Het oordeel blijft bij de mens waar dat nodig is.
• Inkoopfacturen controleren: de Factuurcontroleur legt facturen naast de order, signaleert afwijkingen en legt alleen de uitzonderingen voor.
• Offertes voorbereiden: de Offerte-assistent maakt een eerste versie op basis van de aanvraag en je eigen prijsafspraken, binnen de marges die vastliggen.

Meer voorbeelden per afdeling staan bij AI-medewerkers en in AI-agent use cases voor het MKB.

Wanneer heb je geen AI-agent nodig?

Vaker dan je denkt. Doorloopt een taak altijd dezelfde stappen en is de invoer schoon, dan is een gewone koppeling of workflow sneller, goedkoper en beter te beheren.

• De regels liggen vast: een bedrag boven een grens gaat naar een tweede goedkeurder. Daar is geen agent voor nodig.
• Het volume is laag: tien keer per maand een handeling van vijf minuten verdient de bouw en het beheer niet terug.
• Een fout is niet terug te draaien en niet snel te controleren: dan hoort er een mens te beslissen, niet een agent.
• De gegevens zijn niet digitaal of staan verspreid in hoofden: dan is er eerst ander werk te doen.

Meer situaties waarin AI niet het antwoord is, staan in wanneer AI juist geen goed idee is.

Wat zijn de risico's van AI-agents?

De kracht van een agent is ook het risico: hij zet stappen zonder het te vragen. Daarom leg je grenzen, goedkeuring en logging vast voordat hij iets mag doen.

• Fouten die doorwerken: een verkeerde aanname in stap twee werkt door in stap zes. Bouw vaste momenten in waarop een mens meekijkt.
• Te ruime rechten: geef een agent alleen toegang tot de systemen en handelingen die de taak vraagt.
• Misleidende invoer: een mail of document kan instructies bevatten die de agent proberen om te praten. Zie prompt injection.
• Niet terug te vinden wat er gebeurde: log wat de agent zag, wat hij besloot en wat hij deed. Ook als er niets misging.

Daarnaast gelden de AVG en de AI Act zodra een agent met persoonsgegevens werkt of over mensen meebeslist. Wat je moet regelen, staat in AI Act en AVG: wat moet je regelen?.

Zelf een AI-agent maken of laten bouwen?

Een eerste agent maak je zelf met Copilot Studio, ChatGPT, Claude of n8n. Laten bouwen ligt voor de hand als de agent in je ERP of CRM moet schrijven, met gevoelige gegevens werkt of in productie moet draaien met logging en beheer.

Wat elk van die tools kan en waar je tegen de grens aanloopt, staat in zelf een AI-agent maken. Wil je een agent die in je eigen systemen werk afmaakt, met goedkeuring en logging, dan kun je een AI-agent laten bouwen.

Wat kost een AI-agent?

Dat hangt vooral af van drie dingen: in hoeveel systemen de agent moet werken, hoeveel uitzonderingen het proces kent en waar een mens moet meebeslissen. Daarnaast betaal je voor het gebruik van het taalmodel en voor beheer na livegang.

Zet daar tegenover wat het werk nu kost. Op wat kost een AI-agent? doe je de kostencheck. Hoe je de opbrengst uitrekent, staat in de businesscase van AI.

Waar begin je?

Bij één taak die vaak voorkomt, met taal of documenten erin en een uitkomst die een mens snel kan controleren. Laat de agent eerst alleen voorstellen doen, meet hoe vaak die kloppen en geef pas daarna meer ruimte.

Weet je nog niet welk werk het meeste oplevert, of een agent daar wel het juiste antwoord is? Dan brengt de AI Opportunity Audit eerst in kaart wat het huidige werk kost en waar de kansen zitten. Ook als de uitkomst is dat je geen agent nodig hebt.