Wat is een AI-agent?

Een AI-agent werkt in een lus. Hij krijgt een doel, bedenkt de volgende stap, voert die uit met een tool en bekijkt wat eruit komt. Op basis daarvan kiest hij de stap erna. Dat herhaalt hij tot het doel is bereikt of tot hij iets tegenkomt waar hij een mens voor nodig heeft.

Vier onderdelen maken een agent:

1. Een doel en instructies. Wat hij moet bereiken, in welke volgorde hij werkt en wanneer hij moet stoppen.
2. Een taalmodel. Dat leest de situatie, plant de stappen en beoordeelt het resultaat.
3. Tools. Koppelingen met de systemen waarin het werk gebeurt: mail, agenda, CRM, een spreadsheet, een advertentieaccount. Zonder tools kan een agent alleen praten.
4. Grenzen. Wat hij zelf mag doen en waar hij eerst om akkoord vraagt. Een concept klaarzetten is iets anders dan een mail versturen.

Dat laatste onderdeel bepaalt hoe bruikbaar een agent is. Hoe duidelijker de grenzen, hoe meer werk je hem kunt laten doen zonder dat je alles hoeft na te lopen.

Het verschil zit in wie de stappen bepaalt. Bij een chatbot stel jij de vraag en doe jij de rest zelf. Bij een vaste automatisering ligt elke stap vooraf vast. Een agent bepaalt de stappen zelf, binnen de grenzen die je hem meegeeft, en kan daardoor omgaan met invoer die elke keer anders is.

	Chatbot	Vaste automatisering	AI-agent
Wat hij doet	antwoord geven op een vraag	een vaste reeks stappen uitvoeren	een doel bereiken in meerdere stappen
Wie de stappen bepaalt	jij	degene die hem heeft ingericht	de agent, binnen grenzen
Bij een afwijking	geeft een ander antwoord	stopt of loopt vast	past zijn aanpak aan of vraagt om hulp
Handelingen in systemen	nee	ja, alleen de vastgelegde	ja, met de tools die hij krijgt
Voorspelbaarheid	wisselend	hoog	lager dan vaste regels
Voorbeeld	een vraag stellen aan ChatGPT	een formulier dat in het CRM landt	een mail lezen, de klant opzoeken en een antwoord klaarzetten

Vaste automatisering is bijvoorbeeld een flow in Zapier of Make, of een robot die schermhandelingen nabootst. Dat laatste heet RPA. In de praktijk werken ze vaak samen: vaste stappen waar het kan, een agent alleen op de plek waar iets gelezen of beoordeeld moet worden. Hoe je dat voor je eigen processen indeelt, staat op bedrijfsprocessen automatiseren.

In marketing en sales zit het meeste werk voor een agent waar tekst gelezen en tussen systemen overgezet wordt. Denk aan aanvragen beoordelen, accounts nalopen en rapportages opbouwen. De agent doet het verzamelwerk en zet het resultaat klaar; de beslissing en het versturen blijven bij een mens.

• Leads voorbereiden. Een aanvraag binnenhalen, het bedrijf opzoeken, de gegevens in het CRM zetten en een eerste antwoord als concept klaarzetten.
• Mail sorteren. Inkomende mail lezen, op onderwerp verdelen en bij elke vraag de informatie erbij zoeken die nodig is om hem te beantwoorden.
• Advertentieaccounts nalopen. Zoektermen, budgetten en instellingen controleren en voorstellen doen voor uitsluitingen of aanpassingen.
• Rapportages. Cijfers uit verschillende bronnen ophalen en per klant een overzicht opbouwen, met een eerste toelichting erbij.
• Productfeeds controleren. Afgekeurde producten opsporen en de oorzaak per product benoemen.

Bij Klubb gebruiken we zelf een eigen koppeling waarmee Claude Google Ads-accounts leest en wijzigingen voorbereidt. Elke wijziging wordt eerst bij Google gevalideerd zonder iets door te voeren, en pas na één akkoord van de specialist aan het eind uitgevoerd. Wat er gebeurt, komt in een logboek. Wij bouwen agents met Claude Code en Cowork, allebei van Anthropic; hoe dat in de praktijk gaat lees je op een AI-agent laten maken, en wat we verder automatiseren bij AI-automatisering.

Een agent kan zich vergissen, en doet dat met dezelfde stelligheid als wanneer hij gelijk heeft. Hij weet alleen wat in zijn instructies en bronnen staat, en hij draagt geen verantwoordelijkheid. Daarom hoort er bij elke agent een plek waar een mens het resultaat controleert voordat het de deur uit gaat.

Vier dingen om rekening mee te houden:

• Fouten. Een taalmodel kan iets verkeerd lezen of een gegeven verzinnen. Hoe groter de gevolgen van een handeling, hoe eerder je er een akkoord voor zet.
• Toegang. Elke tool die een agent krijgt is een toegang tot een systeem. Geef hem alleen wat hij voor de taak nodig heeft, en liefst eerst alleen leesrechten.
• Gevoelige gegevens. Niet elke tool is daar al geschikt voor. Anthropic raadt zelf af Cowork in te zetten voor zeer gevoelige, gereguleerde gegevens zolang het product zich verder ontwikkelt.
• Kennis in je team. Wie met AI werkt, moet weten wat het wel en niet kan. De AI Act vraagt daar ook om; zie AI-geletterdheid.

Een agent is geen vervanging voor iemand die het werk begrijpt. Hij neemt het herhaalwerk over, zodat die persoon tijd heeft voor de beslissingen.