AI-agent laten maken: wat het kost en wanneer het past.

Een AI-agent krijgt een doel en werkt dat zelf uit in stappen. Hij leest een mail, een formulier of een pdf, zoekt de gegevens op die hij nodig heeft, beslist wat de volgende stap is en voert die uit in je systemen. Waar hij twijfelt of buiten zijn grenzen komt, legt hij het voor aan een mens.

Het verschil met een gewone chat met AI is de handeling. In een chat stel jij een vraag en kopieer je het antwoord zelf naar de plek waar het hoort. Een agent zet het er zelf neer: een conceptmail in je mailbox, een regel in je CRM, een taak in je planning.

Meer uitleg over hoe een agent werkt en wat hij niet kan, staat in de kennisbank. Op deze pagina gaat het over de vraag of je er een laat maken, en wat dat kost.

Niet elke taak vraagt om een agent. Een chatbot beantwoordt vragen, een automatisering volgt vaste regels en een agent combineert lezen, beslissen en uitvoeren. Kies het eenvoudigste dat de taak aankan: dat is goedkoper in bouw en beheer, en er kan minder misgaan.

	Wat het doet	Voorbeeld	Wanneer kiezen
Chatbot of AI-assistent	Beantwoordt vragen in een gesprek, op basis van de kennis die je meegeeft	Een assistent die vragen van collega’s over je eigen handboek beantwoordt	Als het antwoord het eindpunt is en niemand daarna iets in een systeem hoeft te doen
Automatisering	Voert vaste stappen uit als iets gebeurt, zonder te lezen of te oordelen	Een ingevuld formulier komt automatisch in je CRM en je mailprogramma	Als de regel altijd hetzelfde is en de invoer altijd dezelfde vorm heeft
AI-agent	Leest, beslist binnen grenzen en voert uit in meerdere systemen	Een agent die binnenkomende mail sorteert, een antwoord voorbereidt en het dossier bijwerkt	Als de invoer steeds anders is en de taak vaak terugkomt

Zoek je een chatbot laten maken voor je website, dan is dat vaak een kleinere klus dan een agent: de chatbot hoeft alleen te antwoorden. Een AI-assistent voor je team kun je meestal zelf opzetten, zie hieronder.

Automatisering zonder AI doen we al langer. Op sites van klanten zetten formulieren een inzending automatisch in Gripp en ActiveCampaign. Daar is geen taalmodel voor nodig, en dat is precies waarom het betrouwbaar loopt. Meer daarover op bedrijfsprocessen automatiseren, en het verschil met regelgebaseerde software staat bij RPA.

Een eenvoudige assistent bouw je zelf, met een custom GPT, Copilot Studio of Cowork. Laten maken loont als de agent in meerdere systemen moet werken, als je wilt vastleggen wat hij wel en niet mag, of als niemand in huis de tijd heeft om hem te onderhouden.

	Wat het kan	Waar de grens ligt
Custom GPT in ChatGPT	Een assistent met eigen instructies en bestanden als kennis, zonder te programmeren	Werkt vooral binnen ChatGPT; handelingen in je eigen systemen vragen extra koppelingen
Copilot Studio	Agents bouwen binnen Microsoft 365, met koppelingen naar Teams, SharePoint en Outlook	Ligt voor de hand als je organisatie op Microsoft draait; daarbuiten wordt koppelen meer werk
Cowork (Anthropic)	Een agent op je computer die met je eigen bestanden, mappen en apps werkt, zonder te programmeren	Bedoeld voor kenniswerk aan je eigen bureau; Anthropic raadt zelf af er nu zeer gevoelige of gereguleerde gegevens mee te verwerken
Maatwerk met Claude Code	Een agent die gekoppeld is aan je systemen, met vastgelegde grenzen, controle en een logboek	Vraagt bouwwerk en beheer, en is daarom pas zinvol bij een taak die vaak terugkomt

Wij werken met Cowork en Claude Code, allebei van Anthropic. Cowork zetten we in als een team zelf een assistent wil gebruiken zonder dat er iets gebouwd hoeft te worden. Met Claude Code bouwen we de agents die in je systemen werken.

Wanneer is zelf bouwen genoeg?

• De agent hoeft alleen te lezen en te schrijven, niet in een ander systeem te handelen.
• Eén persoon gebruikt hem, en die controleert elk antwoord zelf.
• Het gaat om een taak die je eerst wilt uitproberen voordat je er geld in steekt.

Twijfel je, begin dan zelf. Wat je daar leert over de taak, maakt een latere bouw kleiner.

Dit is een voorbeeld van hoe een agent voor klantenservice is opgebouwd, geen klantcase. Het laat zien wat er vooraf vastligt: wat de agent leest, wat hij zelf mag doen en wanneer hij een collega inschakelt. Die drie regels bepalen of AI-klantenservice werkt.

	In dit voorbeeld
Wat hij leest	Binnenkomende mail en het contactformulier, met de orderhistorie en de retourvoorwaarden erbij
Wat hij doet	Sorteert de vraag, zoekt de order op, en zet bij vragen over levertijd of retour een antwoord klaar als concept
Wanneer hij een mens inschakelt	Bij een klacht, een terugbetaling, een vraag die niet in de voorwaarden staat of een klant die al eerder mailde over hetzelfde

In deze opzet verstuurt de agent niets zelf. Een collega leest het concept, past het aan als dat nodig is en verstuurt. Pas als blijkt dat de concepten bij een bepaald soort vraag steeds kloppen, kun je besluiten om juist die vragen zonder tussenkomst te laten beantwoorden.

Zo begint elke agent die we bouwen: smal, met een mens ertussen, en pas ruimer als de praktijk laat zien dat het kan.

Een AI-agent laten maken kost bij Klubb vanaf € 1.040 excl. btw voor de bouw. Daarnaast zijn er maandkosten voor het gebruik van het taalmodel en voor beheer. Die maken we op aanvraag, omdat ze afhangen van hoeveel de agent doet en in hoeveel systemen hij werkt.

Wat de bouw bepaalt

Wat	Waarom het de kosten bepaalt
Aantal systemen	Elke koppeling moet worden gebouwd, getest en beveiligd.
Soort invoer	Korte mails zijn eenvoudiger dan lange pdf’s of documenten in wisselende vormen.
Grenzen en uitzonderingen	Hoe meer situaties de agent moet herkennen, hoe meer er vooraf moet worden vastgelegd en getest.
Controle en logboek	Een agent die eerst valideert en vastlegt wat hij deed, vraagt meer bouw dan een die alleen voorstelt.

Waar de maandkosten van afhangen

• Modelgebruik. Je betaalt per hoeveelheid tekst die het model leest en schrijft. Veel taken per dag of lange documenten betekenen hogere kosten.
• Beheer. Systemen veranderen, en een agent moet daarop worden bijgewerkt. Ook de controle op wat hij deed hoort hierbij.
• Licenties. Sommige systemen vragen een eigen abonnement voor een koppeling. Die kosten liggen bij de leverancier van dat systeem.

Je hoort het bedrag voor de bouw en de verwachte maandkosten voordat we beginnen. Wat AI-automatisering verder kost en hoe we het aanpakken, staat op de pagina AI-automatisering.

Een agent is niet altijd het goede antwoord. Laat er geen bouwen als de taak zelden voorkomt, als de regels altijd hetzelfde zijn of als een fout grote gevolgen heeft en niemand meekijkt. In die gevallen is een gewone automatisering, een assistent of het werk zelf blijven doen de betere keuze.

• De taak komt een paar keer per maand voor. De bouw en het beheer verdienen zich dan niet terug.
• De invoer heeft altijd dezelfde vorm. Dan volstaat een automatisering met vaste regels, zonder taalmodel.
• Het proces staat nog niet vast. Een agent legt vast wat er nu gebeurt. Verandert het proces elke maand, dan bouw je steeds opnieuw.
• Er is niemand die meekijkt. Een agent vraagt een eigenaar die controleert wat hij doet en bijstuurt als het misgaat.
• Het gaat om zeer gevoelige gegevens zonder dat er afspraken liggen over waar die worden verwerkt.

Weet je niet waar je moet beginnen, dan is AI-implementatie de eerste stap: welke taken zich lenen voor AI, en in welke volgorde.

Een agent van Klubb voert niets door wat niet eerst is gecontroleerd. Hij bereidt voor, het systeem controleert of de wijziging zou slagen, en een mens geeft akkoord. Zo werken we zelf ook, met Claude in de Google Ads-accounts die we beheren.

Voor ons eigen werk hebben we een koppeling waarmee Claude Google Ads-accounts leest en wijzigingen voorbereidt. Elke wijziging gaat eerst als controle naar Google, zonder dat er iets verandert. Aan het eind ligt er één overzicht, en pas na één akkoord van de specialist wordt alles doorgevoerd. Wat er is gebeurd, staat in een logboek. Hoe dat in de praktijk werkt, lees je in Google Ads-rapportage met Claude.

Dezelfde opbouw gebruiken we voor agents bij klanten:

1. Taak afbakenen. Wat leest de agent, wat mag hij, en wanneer stopt hij en vraagt hij het aan een mens.
2. Bouwen en testen. Met echte voorbeelden uit je eigen werk, inclusief de uitzonderingen die je kent.
3. Live met controle. De agent stelt voor, een collega keurt goed. Alles wat hij doet, komt in een logboek.
4. Ruimer maken waar het kan. Pas als een soort taak steeds goed gaat, mag de agent daar zelf iets mee.

Na de livegang meet je wat de agent doet, controleer je steekproefsgewijs of het klopt en houd je bij waar hij een mens inschakelt. De agent draait op jouw accounts, en je team weet hoe hij werkt en waar zijn grenzen liggen.

Controle

Het logboek laat zien wat de agent deed, op welk moment en waarom. Lees het de eerste weken vaak, daarna op vaste momenten. Gaat er iets mis, dan zie je waar.

Meting

Leg vooraf vast wat de agent moet opleveren: hoeveel taken hij afhandelt, hoe vaak een collega iets moet aanpassen en hoe vaak hij doorverwijst. Zonder die cijfers weet je na drie maanden niet of hij zijn kosten waard is.

Eigendom en je team

De agent draait op accounts die van jou zijn. Welke instructies en uitleg je meekrijgt, staat in het voorstel, zodat duidelijk is wie hem beheert. Werkt je team met AI, dan vraagt de AI Act dat je maatregelen neemt die de AI-geletterdheid van je mensen ondersteunen. Wat dat inhoudt, staat in AI-geletterdheid.

Gaat het om AI in je advertenties en je data, dan lees je verder bij ons AI-marketingbureau.