Wat is een AI agent? Uitleg en 5 praktijkvoorbeelden uit het MKB

"AI agent" is zo'n term die je overal hoort, en die niemand even in normale taal uitlegt. Het klinkt als sciencefiction, of als weer een chatbot met een duurder jasje. Het is geen van beide.

In één zin: een AI agent is AI die zelf leest, beslist en de volgende stap kiest. Niet een vast script dat altijd hetzelfde doet, maar iets dat per geval bekijkt wat er nodig is. Dat verschil klinkt klein, maar het bepaalt waar een agent wél en niet handig is.

Dit stuk legt nuchter uit wat een AI agent is, hoe hij verschilt van een gewone automatisering, wanneer je er een nodig hebt (en wanneer absoluut niet), en geeft vijf concrete voorbeelden uit het MKB. Geen hype, gewoon wat het is.

In het kort

• Een AI agent is AI die zelf leest, beslist en kiest wat de volgende stap is, in plaats van een vast script te volgen.
• Het gaat niet om een chatvenster. Een chatbot kán een agent zijn, maar dat hoeft niet. Het gaat erom of het systeem zélf keuzes maakt.
• Voor vast, voorspelbaar werk heb je geen agent nodig. Een gewone workflow is dan goedkoper en betrouwbaarder.
• Een agent verdient zich terug zodra het werk elke keer nét anders is: losse tekst, wisselende documenten, uitzonderingen.
• Je houdt altijd toezicht. Een goede agent laat zien wat hij deed en waarom, en vraagt om jou bij twijfel.

Wat is een AI agent, in gewone taal?

Denk aan het verschil tussen een lopende band en een ervaren collega.

Een lopende band doet elke keer exact hetzelfde, in dezelfde volgorde. Dat is een gewone automatisering: een vaste workflow die je één keer instelt. Order binnen, factuur aanmaken, mailtje sturen. Voorspelbaar en stevig, en precies daarom betrouwbaar.

Een ervaren collega krijgt een taak en bekijkt zelf wat er nodig is. Komt er een vreemde vraag binnen, dan zoekt hij het op. Klopt er iets niet, dan stelt hij een vraag. Dat is een AI agent: AI die een doel krijgt en zelf de stappen kiest om er te komen. Hij leest wat er binnenkomt, snapt waar het over gaat, en bepaalt wat de volgende handeling is.

Het woord "agent" slaat dus op dat zelf-handelen. Niet "een programma dat draait", maar "iets dat namens jou een taak afhandelt, met enige eigen beslisruimte". Binnen grenzen die jij stelt, dat wel.

Agent of chatbot? Het misverstand

Hier gaat het in bijna elk gesprek mis, dus laten we het rechtzetten. Veel mensen denken: chatbot is het oude, agent is het nieuwe. Dat klopt niet.

Het verschil zit niet in het chatvenster. Je kunt een chatbot hebben die niets meer is dan een opgepoetst keuzemenu: "toets 1 voor openingstijden". Dat is geen agent, dat is een vast script met een praatje eromheen. Maar je kunt ook een chatbot hebben die een vraag echt leest, het antwoord opzoekt in je eigen documenten en zelf bepaalt of hij het kan afhandelen of moet doorzetten naar een mens. Dát is een agent, ook al ziet hij eruit als een chatbot.

De goede vraag is dus niet "is het een chatbot of een agent". De goede vraag is: volgt het systeem een vast script, of kiest het zelf? Dat onderscheid bepaalt wat je eraan hebt, en wat het kost.

Wanneer heb je een agent nodig (en wanneer niet)?

Hier zijn we eerlijk, ook al verkoopt het minder lekker: voor verreweg het meeste werk in het MKB heb je geen agent nodig.

Draait een klusje elke keer hetzelfde? Dan wil je geen AI die "zelf nadenkt", want dat is duurder en minder voorspelbaar. Dan wil je een gewone, domme workflow die het foutloos en identiek uitvoert. Een agent is overkill voor een lopende band.

Een agent verdient zich pas terug zodra er per geval iets begrepen of gekozen moet worden. Denk aan:

• Tekst die elke keer anders is, zoals een vrij geschreven klantvraag.
• Documenten met wisselende opmaak, waar één vaste regel op stukloopt.
• Uitzonderingen die je niet vooraf in een regeltje kunt vangen.

Komt dat soort werk vaak voor, dan is een agent goud waard. Zo niet, dan is een vaste workflow slimmer. De kunst is niet de meest geavanceerde oplossing, het is de oplossing die past bij het werk.

5 voorbeelden van AI agents in het MKB

Concreet, want daar wordt het pas duidelijk. Dit zijn toepassingen die we waar kunnen maken, geen toekomstmuziek.

1. De supportvraag die uit meerdere systemen komt. Een klant vraagt: "waar blijft mijn bestelling, en klopt die factuur wel?" Een agent leest de vraag, haalt de order, de verzendstatus en de factuur erbij uit drie verschillende systemen, en zet een concept-antwoord klaar. Je medewerker leest na en verstuurt, in plaats van vijf tabbladen open te zoeken.

2. Inkomende mail begrijpen en routeren. Alles komt binnen op één algemeen adres: offerteaanvragen, klachten, facturen, sollicitaties. Een agent leest elke mail, snapt waar het over gaat, en stuurt hem naar de juiste persoon met een korte samenvatting erbij. Geen mailbox meer die dichtslibt terwijl iedereen denkt dat de ander wel kijkt.

3. Offerteaanvragen verrijken en opvolgen. Er komt een aanvraag binnen met alleen een naam en een bedrijf. Een agent zoekt de relevante bedrijfsinfo erbij, zet de lead netjes in je CRM, en stelt een opvolgactie voor. Wat normaal blijft liggen tot iemand er tijd voor heeft, is nu meteen voorbereid.

4. Documenten met steeds andere opmaak uitlezen. Elke leverancier stuurt zijn factuur of pakbon in een ander format. Een vaste regel struikelt daarover; een agent leest het document, snapt wat waar staat, en haalt de juiste gegevens eruit. Precies het werk waar een "domme" automatisering het laat afweten.

5. Terugkerende klantvragen zelf beantwoorden. Niet met een keuzemenu, maar echt: de agent leest de vraag, zoekt het antwoord op in je eigen handleidingen en eerdere antwoorden, en handelt af wat hij kan. De rest zet hij door naar een mens, met de context er al bij. Dit is die chatbot die eigenlijk een agent is.

In al deze gevallen geldt: de agent doet het voorwerk en de keuzes binnen de lijntjes, jouw mensen doen het werk waar oordeel en een menselijke toon echt tellen.

Wat een agent níét is

Even de andere kant, want anders blijft het zweven. Een AI agent is geen magie en geen wonderdokter. Hij verzint geen omzet en lost geen processen op die je zelf niet snapt. En hij is geen vervanger voor menselijk oordeel: jij houdt het stuur, de agent rijdt de saaie stukken. Hij is, kort gezegd, een nuchter stuk gereedschap dat heel specifieke taken aankan. Geen denkende collega, geen continu draaiende werknemer, gewoon iets dat doet wat jij vraagt op de momenten die jij kiest.

Een agent is zo goed als zijn grenzen

De techniek om een agent dingen te laten doen, is tegenwoordig het makkelijke deel. Het echte werk zit in de grenzen die je eromheen zet. Een agent zonder grenzen is als een nieuwe medewerker die je op dag één toegang geeft tot alles, zonder uit te leggen wat hij wel en niet mag.

In februari 2024 oordeelde een Canadees tribunaal (Moffatt v. Air Canada) dat de luchtvaartmaatschappij zich moest houden aan een korting die haar AI-chatbot per ongeluk had toegezegd aan een rouwende passagier. Dat gebeurde niet omdat de AI stuk was, maar omdat hij geen grenzen had. Stel simpelweg in dat een agent nooit prijzen, kortingen of offertes mag wijzigen, en dat risico is weg. De techniek faalde niet, de instructie ontbrak.

Concreet betekent dat een paar afspraken. Welke systemen mag hij raadplegen, en welke alleen lézen in plaats van aanpassen? Bij welke beslissingen moet hij eerst jouw akkoord vragen, bijvoorbeeld bij alles boven een bepaald bedrag? En wat doet hij als hij ergens niet zeker van is: gewoon stoppen en jou een seintje sturen.

De veiligste vorm zien we het vaakst, en hij is verrassend simpel: de agent zet alleen een concept klaar. Een concept-antwoord, een concept-factuur, een voorbereide actie. De agent doet al het zoek- en denkwerk, maar de laatste klik blijft van jou. Voor veel ondernemers is dat precies de geruststelling die ze zoeken: niets gaat de deur uit zonder dat een mens het zag.

Dat zijn geen technische vragen, het zijn afspraken over vertrouwen. Een goed ingerichte agent doet zelfstandig het saaie, voorspelbare deel, en houdt de mens erbij op de momenten die ertoe doen. Hoe gevoeliger het werk, hoe strakker we die grenzen zetten.

Het is precies waarom we een agent nooit "even loslaten". Een agent die de helft van je werk doet maar af en toe iets duurs fout doet, is geen winst. Een agent die binnen duidelijke lijntjes werkt en bij twijfel naar jou komt, wel.

Hoe begin je?

Niet bij de vraag "willen we een AI agent". Wel bij de vraag "welk werk is elke keer nét anders, en kost ons daardoor steeds tijd". Dat is waar een agent het verschil maakt.

Het loont om die eerste stap klein te houden, want grootschalige agent-projecten lopen vaak vast: Gartner voorspelde in juni 2025 dat ruim 40% van de agentic-AI-projecten vóór eind 2027 wordt geschrapt, vooral door oplopende kosten en onduidelijke business-waarde. Een agent op één concreet proces is precies het tegenovergestelde van zo'n grootschalig experiment.

We beginnen daarom met een audit: we kijken welk werk terugkomt, of een vaste workflow al volstaat, en waar een agent echt iets toevoegt. Vaak is het antwoord een mix: het voorspelbare deel automatiseren we dom en goedkoop, en alleen op het stukje dat oordeel vraagt zetten we een agent. Hoe dat past in het grotere plaatje, lees je in waar je begint met automatiseren.

Benieuwd of een agent bij jou iets oplevert?

Dan kijken we er nuchter naar. Welk werk is bij jou elke keer anders, en zou een AI agent dat van je kunnen overnemen? Soms is het antwoord ja, soms is een simpele workflow genoeg. Plan een gesprek en we leggen het naast je werk.

Veelgestelde vragen

Is een AI agent hetzelfde als ChatGPT?

Niet helemaal. ChatGPT is een AI-model waar je mee praat. Een agent gebruikt zo'n model als motor, maar krijgt daarbovenop een taak, toegang tot je tools, en de ruimte om zelf stappen te zetten. ChatGPT antwoordt; een agent handelt af.

Heb ik er programmeurs voor nodig?

Nee, niet als gebruiker. Het opzetten en inrichten doen wij; jij merkt alleen dat het werk wordt gedaan. Belangrijker dan de techniek is dat de grenzen goed staan: wat mag de agent zelf, en wanneer moet hij het aan jou voorleggen.

Hoe weet ik of de agent geen fouten maakt?

Dat weet je doordat je het terugziet. Een goede agent legt vast wat hij deed en waarom, en zet twijfelgevallen apart voor jou. Je controleert dus de uitzonderingen, niet elke handeling.

Is dit niet veel te groot voor mijn bedrijf?

Meestal niet, mits je klein begint. Je hoeft niet je hele bedrijf te "agentificeren". Eén proces dat elke keer net anders is en steeds tijd kost, is genoeg om mee te starten. Loont het, dan breid je uit.

Wat als een vaste workflow eigenlijk al genoeg is?

Dan raden we dat aan, en zijn we klaar. Een agent waar een simpele workflow volstaat, is weggegooid geld. We kijken eerst of het voorspelbaar genoeg is voor een gewone automatisering, en pakken pas een agent als het werk dat echt vraagt.

Werkt een AI agent ook buiten kantooruren?

Ja, en dat is juist een van de grootste voordelen. Een agent kijkt niet op de klok. Een vraag die 's avonds of in het weekend binnenkomt, wordt alvast gelezen, voorbereid of afgehandeld. Zo begin je de maandag niet met een volle inbox, maar met werk dat al voor je is uitgezocht.

Tot slot

Een AI agent is geen toverstaf en geen chatbot in een nieuw jasje. Het is AI die zelf leest, beslist en kiest, voor werk dat te wisselend is om in een vast script te vangen.

Het mooie is dat je het niet hoeft te overdrijven. Het saaie, voorspelbare werk automatiseer je dom en goedkoop. En alleen daar waar elke keer oordeel nodig is, zet je een agent. Begin klein, kijk wat het oplevert, en bouw van daaruit uit.

Bronnen

• Moffatt v. Air Canada, 2024 BCCRT 149, beslissing British Columbia Civil Resolution Tribunal, 14 februari 2024 — McCarthy Tétrault, juridische analyse, https://www.mccarthy.ca/en/insights/blogs/techlex/moffatt-v-air-canada-misrepresentation-ai-chatbot. Tribunaal hield Air Canada aansprakelijk voor onjuiste bereavement-korting-belofte van haar AI-chatbot; uitspraak: 650 CAD schadevergoeding plus rente en kosten.
• Gartner, Press release "Gartner Predicts Over 40% of Agentic AI Projects Will Be Canceled by End of 2027", 25 juni 2025, https://www.gartner.com/en/newsroom/press-releases/2025-06-25-gartner-predicts-over-40-percent-of-agentic-ai-projects-will-be-canceled-by-end-of-2027. Voornaamste redenen: oplopende kosten, onduidelijke business-waarde, onvoldoende risico-controles; veel projecten zijn vroege experimenten zonder schaal-pad.
• De vijf MKB-voorbeelden zijn illustratief en gebaseerd op het soort werk dat we bouwen.