Wat is een AI agent? Uitleg, werking en voorbeelden

Wat is een AI agent?

Een AI agent is software die van een mens een doel meekrijgt en daarna grotendeels zelf de route kiest: informatie verzamelen, andere systemen gebruiken, tussenresultaten beoordelen en de volgende stap bepalen. Anders dan een chatbot, die een vraag in een gesprek beantwoordt, voert een AI agent een taak uit in meerdere stappen en kan hij systemen raadplegen en soms wijzigen. De mate van zelfstandigheid is een instelling die de organisatie kiest, van alleen voorbereiden tot volledig zelfstandig werken met controle achteraf.

Een AI agent is een softwaresysteem dat een doel krijgt en zelf bepaalt welke stappen nodig zijn om dat doel te bereiken. Het verzamelt informatie, gebruikt andere systemen, beoordeelt tussenresultaten en kiest op basis daarvan een volgende stap. Het doel komt van een mens; de route bepaalt de agent grotendeels zelf.

Dat is het wezenlijke verschil met de meeste AI-toepassingen die je kent. Een tool die een tekst samenvat of een vraag beantwoordt, levert één uitkomst op één opdracht. Een agent werkt aan een taak die uit meerdere stappen bestaat, zoals “maak dit klantdossier compleet” of “bereid de offerte voor deze aanvraag voor”.

De meeste agents die je nu tegenkomt, draaien op een groot taalmodel. Dat model zorgt voor het begrijpen van de opdracht en het redeneren over de volgende stap. Daaromheen zitten de onderdelen die van een taalmodel een agent maken: toegang tot tools en systemen, een geheugen voor de lopende taak en instructies over wat wel en niet mag.

Wie vooral wil weten wat dit voor een organisatie betekent, vindt de toepassingen, kosten en aanpak op de pagina over AI agents voor bedrijven.

Kan een fout van een AI agent doorwerken zonder dat het eindresultaat er verkeerd uitziet?

Ja, dat kan: een AI agent zet meerdere stappen achter elkaar, waardoor een fout uit een vroege stap kan doorwerken tot in het eindresultaat zonder dat het er verkeerd uitziet. Logging en tussencontroles zijn bij een AI agent daarom belangrijker dan bij een gewone AI-toepassing.

Welke vormen van opbouw komen bij een AI agent voor?

Grofweg drie vormen: een enkelvoudige AI agent voor één afgebakende taak, een AI agent binnen een AI-workflow met een vaste procesflow, en samenwerkende agents waarbij een coördinerende agent het werk verdeelt. Voor de meeste organisaties is de AI agent binnen een workflow het verstandigste startpunt.

Bron: artikel van Dave Willemstein. Bijgewerkt: oktober 2026.

Hoe werkt een AI agent?

De werking van een AI agent komt neer op een lus die zich herhaalt tot het doel bereikt is of de agent vastloopt.

1. DoelEen mens of systeem geeft een opdracht
2. PlannenDe agent bepaalt de eerstvolgende stap
3. HandelenEen tool of systeem aanroepen
4. BeoordelenKlopt het resultaat, is het doel bereikt?
5. Afronden of doorgaanOpleveren, of terug naar plannen

Wat er in elke stap gebeurt:

• Doel en instructies. De agent krijgt een opdracht plus vaste instructies: welke bronnen hij mag gebruiken, welke handelingen verboden zijn en wanneer hij een mens moet inschakelen.
• Plannen. Het taalmodel bepaalt wat de logische volgende stap is. Bij een eenvoudige taak is dat één actie, bij een complexe taak een reeks.
• Handelen via tools. Een tool is alles wat de agent kan aanroepen: een zoekfunctie, een database, een CRM, een agenda, een rekenmodule of een ander AI-model. Hier gaat de agent van praten naar doen.
• Beoordelen. De agent kijkt naar het resultaat van zijn actie. Heeft de zoekopdracht iets opgeleverd? Past het antwoord bij de vraag? Zo niet, dan kiest hij een andere route.
• Geheugen. Tijdens de taak onthoudt de agent wat hij al gedaan heeft. Sommige agents bewaren ook informatie tussen taken, wat handig is maar ook vragen oproept over welke gegevens je vasthoudt. Die vragen werk ik uit in het artikel over AI agents en privacy.

Omdat een agent meerdere stappen achter elkaar zet, kan een fout in een vroege stap doorwerken tot in het eindresultaat, zonder dat dat eindresultaat er verkeerd uitziet. Daarom zijn logging en tussencontroles bij agents belangrijker dan bij een gewone AI-toepassing. Ik werkte dat uit in het artikel over wat agents wel en niet kunnen: agents werken goed bij omkeerbare stappen met een duidelijke eindtoets en gaan stuk op lange ketens waarin een fout stilletjes doorwerkt.

AI agent versus chatbot

Het verschil tussen een AI agent en een chatbot is een van de meest gestelde vragen, omdat ze aan de buitenkant op elkaar kunnen lijken. Beide kun je in gewone taal iets vragen. Het verschil zit in wat er daarna gebeurt.

	Chatbot	AI agent
Wat hij doet	Beantwoordt een vraag in een gesprek	Voert een taak uit in meerdere stappen
Toegang tot systemen	Meestal beperkt tot een kennisbank	Kan systemen raadplegen en soms wijzigen
Wie bepaalt de route	Het gesprek, vraag voor vraag	De agent, op basis van het doel
Gevolg van een fout	Een verkeerd antwoord	Een verkeerde handeling, mogelijk met doorwerking
Wat je moet regelen	Juistheid van antwoorden	Rechten, controlepunten, logging en eigenaarschap

Een chatbot die een klant vertelt hoe hij zijn adres wijzigt, is een chatbot. Een systeem dat het adres daadwerkelijk wijzigt, de bevestiging stuurt en het dossier bijwerkt, is een agent. De grens is in de praktijk niet altijd scherp: veel chatbots krijgen stap voor stap agentfuncties, en veel agents hebben een chatvenster als voorkant.

Soorten AI agents

Er bestaan verschillende indelingen. Voor een organisatie zijn twee manieren van kijken het nuttigst: naar de mate van zelfstandigheid en naar de opbouw.

Naar zelfstandigheid. Hoeveel een agent zelf mag, is een instelling die je kiest. Een agent kan alleen voorbereiden (informatie verzamelen voor een mens), voorstellen doen die een mens goedkeurt, uitvoeren met een bevestiging op onomkeerbare momenten, of volledig zelfstandig werken met controle achteraf. Mijn advies is vrijwel altijd om laag te beginnen en de autonomie pas te verhogen als je weet welke fouten er optreden.

Naar opbouw. Je ziet grofweg drie vormen:

• Enkelvoudige agents die één afgebakende taak uitvoeren, zoals het voorbereiden van een antwoord op een klantmail.
• Agents binnen een AI-workflow, waarbij een vaste procesflow de hoofdlijn bepaalt en de agent alleen de stappen doet die interpretatie vragen, zoals een document lezen of een vraag classificeren.
• Samenwerkende agents, waarbij meerdere agents elk een deeltaak hebben en een coördinerende agent het werk verdeelt. Dat is krachtiger, maar ook lastiger te testen en te controleren.

Voor de meeste organisaties is de tweede vorm het verstandigste startpunt: vaste regels waar het kan, een agent waar het moet.

Voorbeelden

Een paar generieke voorbeelden om het concreet te maken:

• Klantenservice: een agent leest een binnenkomende mail, zoekt de order op, stelt een antwoord op en legt het voor aan een medewerker.
• Sales: na een klantgesprek zet een agent de notities om in een verslag, werkt het CRM bij en stelt een vervolgmail op ter goedkeuring.
• Finance: een agent vergelijkt binnenkomende facturen met inkooporders en markeert afwijkingen voor de crediteurenadministratie.
• Interne kennis: een agent beantwoordt vragen van collega’s op basis van handboeken en beleidsdocumenten, met verwijzing naar de bron.

Een uitgebreidere lijst, per afdeling uitgewerkt met werking en benodigde koppelingen, vind je bij de twaalf voorbeelden van AI agents.

Overweeg je zelf een agent, dan is de volgende vraag hoe je er een laat bouwen: wat je vooraf vastlegt, hoe je een bouwpartij kiest en wat het kost. Dat staat op de pagina over een AI agent laten maken. Wil je eerst sparren over de vraag of een agent de juiste oplossing is voor jouw proces? Neem contact op voor een vrijblijvend gesprek.