Wat is een AI-agent? Uitleg, Soorten en Valkuilen

Wat is een AI-agent? Het verschil met een chatbot, hoe agents werken, welke soorten er zijn, de bouwopties en de valkuilen — plus wat de AI Act ervan vindt.

Gepubliceerd door NordX Consulting — AI bureau voor enterprise bedrijven in Nederland.

Een AI-agent is een softwaresysteem dat een doel krijgt in plaats van een script, en zelf bepaalt welke stappen het neemt om dat doel te bereiken. Het kan gereedschappen aanroepen, informatie opzoeken, resultaten beoordelen en zijn aanpak bijstellen — zonder dat elke stap vooraf is uitgeschreven. Dat onderscheidt hem van een chatbot, die antwoordt, en van klassieke automatisering, die een vast pad volgt.

AI-agent, chatbot of automatisering: het verschil

Deze drie worden door elkaar gebruikt, en dat leidt tot verkeerde verwachtingen en verkeerde offertes.

Een chatbot beantwoordt "wat is de status van mijn order?". Een agent krijgt "los deze klantklacht op" en zoekt zelf de order op, controleert de levering, stelt een oplossing voor en zet de creditering klaar.

Dat maakt een agent krachtiger én risicovoller. Een chatbot die het mis heeft geeft een verkeerd antwoord. Een agent die het mis heeft voert een verkeerde handeling uit.

Hoe een AI-agent werkt

Vier onderdelen, in elke serieuze agent terug te vinden:

1. Het model — het taalmodel dat redeneert over wat de volgende stap moet zijn.

2. Gereedschap — de dingen die de agent daadwerkelijk kán doen: een systeem bevragen, een e-mail sturen, een record aanmaken. Zonder gereedschap is een agent een chatbot.

3. Geheugen — wat er eerder in de taak is gebeurd, zodat stap vier weet wat stap twee opleverde.

4. Grenzen — wat de agent níet mag, en waar een mens moet tekenen. Dit is het onderdeel dat het vaakst ontbreekt.

De lus is steeds hetzelfde: doel bekijken, stap kiezen, gereedschap gebruiken, resultaat beoordelen, opnieuw. Tot het doel is bereikt of een grens is geraakt.

Soorten AI-agents in bedrijven

• Klantenservice-agents lossen terugkerende verzoeken end-to-end op: status, retour, adreswijziging, eenvoudige creditering.
• Sales-agents volgen leads op, verrijken gegevens, plannen afspraken en houden het CRM bij zonder dat iemand het hoeft in te tikken.
• Telefonie-agents nemen gesprekken aan, kwalificeren en zetten door. De techniek is de laatste jaren bruikbaar geworden, maar de verwachtingen lopen nog vaak voor op de praktijk.
• Data-agents halen informatie uit meerdere systemen, combineren die en leveren een antwoord of rapport.
• Interne proces-agents doen het werk tussen systemen in: onboarding, facturatie, dossiers compleet maken.

Zelf een AI-agent maken: de opties

Er zijn grofweg drie routes, en ze verschillen vooral in wie het onderhoudt.

No-code en workflow-tools. Platforms als n8n, Make of Zapier laten je agents bouwen door blokken aan elkaar te knopen, met een model als redeneerstap. Snel voor een eerste versie en goed voor processen met duidelijke stappen. Je loopt tegen grenzen aan bij complexe logica, en je bent afhankelijk van wat het platform ondersteunt.

Agent-frameworks. Bibliotheken waarmee ontwikkelaars agents bouwen in code. Alles is mogelijk, inclusief nette foutafhandeling en tests. Vraagt ontwikkelcapaciteit, ook na oplevering.

Kant-en-klare agents. Leveranciers die een agent voor één taak aanbieden, vaak binnen hun eigen platform. Snelste start, minste maatwerk, en je data en logica leven bij hen.

De keuze hangt minder af van de techniek dan van de vraag wie er over een jaar nog naar omkijkt. Voor wat een eigen agent kost en oplevert, zie AI agent bouwen of laten maken.

Waar agents in de praktijk op stuklopen

Een te vaag doel. "Verbeter de klantenservice" is geen doel voor een agent. "Handel statusvragen af tot en met het versturen van het antwoord" wel.

Geen grenzen. Een agent zonder expliciete limieten op bedragen, aantallen en onomkeerbare handelingen is een risico. Bouw af waar een mens moet bevestigen, en bouw dat vanaf het begin.

Geen logging. Als je achteraf niet kunt zien welke stappen de agent nam en waarom, kun je een fout niet onderzoeken en niet aantonen dat je in control was.

Beginnen bij het moeilijkste geval. De uitzondering is verleidelijk om mee te starten en levert het minst op. Begin bij het volume.

Wat de AI Act hiervan vindt

Een AI-agent is een AI-systeem in de zin van de AI-verordening, en de gewone plichten gelden dus gewoon. Twee zijn direct van belang:

• Transparantie (Artikel 50) — praat de agent met mensen, dan moeten zij weten dat het AI is.
• AI-geletterdheid (Artikel 4) — de mensen die met de agent werken moeten begrijpen wat hij doet en waar hij fout kan gaan.

Zet je een agent in voor werving, kredietbeoordeling of vergelijkbare beslissingen over mensen, dan kom je in het hoog-risico regime terecht en gelden aanzienlijk zwaardere eisen. Het volledige overzicht staat in onze AI Act compliance-gids, en wat je in je AI-register vastlegt geldt ook voor agents.

Kort samengevat

Een AI-agent krijgt een doel en kiest zelf zijn stappen; een chatbot beantwoordt een vraag en klassieke automatisering volgt een vast pad. De kracht zit in meerstapstaken tussen systemen, het risico in handelingen die je niet had voorzien. Begin bij een afgebakend doel met veel volume, bouw grenzen en logging vanaf dag één, en kies je bouwroute op basis van wie het onderhoudt — niet op basis van wat het snelst demonstreert.

Bronnen

• EU AI Act — Verordening (EU) 2024/1689 (EUR-Lex)
• Europese Commissie: Regelgevend kader voor AI

Meer weten? Bekijk onze andere artikelen op het NordX blog of neem contact op via nordx.ai.