Een AI-agent is software waarin een taalmodel zelf zijn volgende stap bepaalt en via tools handelt, bijvoorbeeld een inbox lezen, een bestelling opzoeken of een e-mail versturen, totdat het doel is bereikt of een limiet hem stopt. Een workflow volgt vooraf opgestelde stappen; een agent kiest de stappen onderweg.
Bouw je met AI-modellen? Met AIGROW API-tegoed gebruik je Claude-, GPT-, Gemini- en Grok-modellen tot 75% onder de catalogusprijs.
- Een AI-agent is software waarin een taalmodel zelf zijn volgende stap kiest en via tools handelt, totdat het doel is bereikt of een limiet hem stopt.
- Een workflow volgt vooraf opgestelde stappen. Een agent bepaalt de stappen onderweg, wat per taak meer tijd en geld kost.
- Agents passen bij werk waarbij elk geval een beetje anders is: supportantwoorden, opvolging van leads, het achtervolgen van facturen en rapportage.
- Gebruik liever een vaste workflow als de regels nooit veranderen of als een foute actie niet ongedaan kan worden gemaakt.
Wat is een AI-agent?
Een AI-agent is een taalmodel dat een doel, een set tools en toestemming om die te gebruiken heeft gekregen. Het leest de situatie, bepaalt wat het hierna doet, voert dat uit, controleert wat er gebeurde en herhaalt dit totdat de klus klaar is of een limiet het stopt.
Anthropic, de maker van de Claude-modellen, trekt de grens zo in Building effective agents:
"Workflows are systems where LLMs and tools are orchestrated through predefined code paths. Agents, on the other hand, are systems where LLMs dynamically direct their own processes and tool usage."
Het verschil dat voor een bedrijf telt: in een workflow heb je elke stap zelf geschreven. Bij een agent kiest het model de stappen, binnen de grenzen die jij instelt.
Hoe een AI-agent werkt
Elke agent doorloopt dezelfde cyclus. De voorbeeldkolom volgt één supportmail.
| Stap | Wat er gebeurt | Voorbeeld: een supportmail |
|---|---|---|
| 1. Doel | Er komt een taak binnen met instructies | "Waar is mijn bestelling?" komt in de inbox terecht |
| 2. Lezen | De agent verzamelt context | Hij leest de e-mail en het supportbeleid |
| 3. Beslissen | Het model kiest de volgende actie | De bestelling opzoeken in het webshopsysteem |
| 4. Handelen | Hij roept een tool aan | Vraagt de bestelling op en krijgt de trackingstatus |
| 5. Controleren | Hij leest het resultaat voordat hij verdergaat | Het pakket wordt vandaag bezorgd |
| 6. Stoppen of herhalen | Hij rondt af, doorloopt de cyclus opnieuw of draagt over | Verstuurt het antwoord, of zet het in de wachtrij voor een medewerker |
Anthropic merkt op dat agents bij elke stap "ground truth" uit hun omgeving nodig hebben, zoals een toolresultaat, en stopcondities, zoals een maximumaantal stappen. Ze kunnen ook bij controlepunten pauzeren voor een persoon. Die grenzen maken een agent veilig inzetbaar op echt werk.
De onderdelen achter de cyclus:
| Onderdeel | Wat het is |
|---|---|
| Model | Het taalmodel dat leest en beslist |
| Instructies | Het doel, de regels en wat het nooit mag doen |
| Tools | Koppelingen waarmee het kan handelen: e-mail, CRM, agenda, database |
| Geheugen | Wat het bewaart tussen stappen of tussen taken |
| Limieten | Maximum aantal stappen, uitgavenlimieten en acties die goedkeuring nodig hebben |
AI-agent versus workflow versus chatbot
| Vraag | Chatbot | Workflow | AI-agent |
|---|---|---|---|
| Wie bepaalt de volgende stap | De gebruiker, één bericht tegelijk | Degene die hem bouwde, vooraf | Het model, onderweg |
| Handelt in andere systemen | Meestal niet | Ja, in vaste stappen | Ja, het kiest zelf welke tools |
| Zelfde invoer, zelfde uitvoer | Nee | Ja | Nee |
| Kosten en tijd per taak | Laag | Laagst | Hoogst |
| Het beste voor | Vragen beantwoorden | Stabiele, steeds terugkerende regels | Gevallen die elke keer verschillen |
Anthropic verwoordt de afweging helder: "Agentic systems often trade latency and cost for better task performance." Betaal die prijs alleen waar de variatie in gevallen erom vraagt.
De vijf soorten AI-agents
De klassieke leerboeksoorten, zoals IBM ze samenvat, beschrijven hoe een agent beslist. De meeste zakelijke agents op basis van taalmodellen combineren er meerdere.
| Soort | Hoe hij beslist | Zakelijk voorbeeld |
|---|---|---|
| Eenvoudige reflexagent | Vaste regel op basis van wat hij nu ziet | Elke e-mail met het woord "factuur" labelen |
| Modelgebaseerde reflexagent | Regels plus een beeld van wat hij niet kan zien | Een nabestelling uitstellen zolang een levering onderweg is |
| Doelgerichte agent | Plant stappen richting een doel | Een afspraak plannen die in beide agenda's past |
| Nutsgerichte agent | Weegt opties af en kiest de beste afweging | De goedkoopste vervoerder kiezen die de datum nog haalt |
| Lerende agent | Verbetert na verloop van tijd door feedback | Leads beter rangschikken naarmate deals slagen of mislukken |
Meerdere agents kunnen ook samenwerken als multi-agentsysteem, bijvoorbeeld één die binnenkomende e-mail sorteert en andere die elke soort afhandelen.
Voorbeelden van AI-agents per bedrijfsfunctie
Per functie gaat het erom welk deel van het werk de agent overneemt en wat bij een persoon blijft.
| Functie | Wat de agent doet | Wat een persoon houdt |
|---|---|---|
| Support-inbox | Antwoordt op basis van jouw beleid en stelt de rest op | Terugbetalingen, klachten en alles wat nieuw is |
| Opvolging van leads | Reageert op nieuwe leads, kwalificeert ze en plant het gesprek | Offertes en prijzen |
| Boekingen en herinneringen | Boekt, stuurt herinneringen en vult geannuleerde plekken opnieuw | Uitzonderingen op je agendaregels |
| Facturen en incasso | Maakt facturen, koppelt betalingen en stuurt herinneringen | Geschillen en betalingsregelingen |
| Rapportage | Haalt je cijfers samen in één weekrapport | Wat er moet veranderen |
| Content | Schrijft concepten voor berichten, e-mails en productteksten | Elk stuk voordat het de deur uit gaat |
| Administratieve gegevensinvoer | Verplaatst gegevens tussen e-mail, formulieren en je CRM | Records die hij als onduidelijk markeert |
Voor meer uitgewerkte cases, zie voorbeelden van AI-agents en AI-agents voor het mkb.
Wanneer je geen AI-agent gebruikt
Het advies van Anthropic is om te beginnen met "finding the simplest solution possible, and only increasing complexity when needed." Sla de agent over wanneer:
| Situatie | Gebruik in plaats daarvan |
|---|---|
| De regels nooit veranderen | Een vaste workflow in een tool als n8n, Make of Zapier |
| Een foute actie niet ongedaan kan worden gemaakt, zoals een betaling | Een agent die concepten opstelt, met een persoon die goedkeurt |
| Je voor een audit elke keer dezelfde uitvoer nodig hebt | Een vaste workflow met gelogde stappen |
| De taak een paar keer per maand voorkomt | Een persoon, of een opgeslagen prompt |
| De agent niet bij de data of tool kan die hij nodig heeft | Regel eerst de toegang |
Is de klus een vaste keten van stappen, vergelijk dan de tools in n8n vs Zapier voordat je een agent bouwt.
Zo begin je met één agent
- Kies één functie met veel vergelijkbare gevallen, zoals de support-inbox.
- Schrijf op wat de agent zelfstandig mag doen, wat goedkeuring nodig heeft en wat hij nooit mag doen.
- Geef hem eerst alleen leestoegang. Voeg acties één voor één toe.
- Stel limieten in: een maximumaantal stappen per taak en een wachtrij voor alles wat je regels niet dekken.
- Beoordeel elke week een steekproef van zijn werk en scherp de regels aan.
Je kunt dit zelf bouwen met de gids over AI-agents bouwen met n8n. Of AIGROW voert het voor je uit: onze AI-agents voor bedrijven nemen één functie tegelijk over in je eigen tools, waarbij een persoon alles controleert wat je regels niet dekken.
Bronnen
- Anthropic, Building effective agents, 19 december 2024
- IBM, Types of AI agents
Actuele Claude-, GPT-, Gemini- en Grok-modellen, tot 75% onder de catalogusprijs
Eén API-sleutel voor Claude-, GPT-, Gemini- en Grok-modellen via de OpenAI SDK. Claude-modellen werken ook met de Anthropic SDK en Claude Code.
Het tarief van elk model via AIGROW-tegoed staat naast de catalogusprijs van de maker en komt daar nooit boven.
Veelgestelde vragen
