AI
Een AI-agent is software die zelfstandig een taak afrondt: hij leest wat er binnenkomt, kiest de volgende stap en gebruikt daarvoor je eigen systemen. Een chatbot geeft antwoord, een agent doet ook iets. Hij werkt het best bij terugkerend werk met veel tekst en duidelijke regels.
Kort samengevat: Een AI-agent is een taalmodel dat zelf stappen mag zetten om een opdracht af te ronden. Hij zoekt gegevens op, gebruikt je webshop, mailbox of boekhouding en beslist onderweg wat de volgende stap is. Dat maakt hem geschikt voor werk dat steeds een beetje anders binnenkomt, zoals klantvragen, aanvragen en facturen. Hij maakt ook fouten die er geloofwaardig uitzien, dus laat je hem in het begin alleen voorstellen doen. Begin met één taak en een collega die meekijkt.
Het woord agent valt dit jaar in bijna elk gesprek over AI. Leveranciers plakken het op alles, van een chatbot op je website tot een slim mailfilter. Daardoor is het lastig te zien wat een agent is en of je er iets aan hebt. Wij bouwen ze voor klanten en voor ons eigen werk, dus hieronder de nuchtere versie.
Een AI-agent is een taalmodel dat gereedschap mag gebruiken om een doel te halen. Je geeft een opdracht, bijvoorbeeld: beantwoord deze vraag van een klant over zijn levertijd. De agent zoekt de bestelling op in je webshop, kijkt bij de vervoerder waar het pakket is en schrijft een antwoord. Welke stap hij na de vorige zet, bepaalt hij zelf.
Daar zit het verschil met gewone software. Een automatisering volgt een vast pad dat iemand vooraf heeft getekend. Een agent krijgt een doel en een paar hulpmiddelen, en kiest het pad onderweg.
Een chatbot praat. Hij beantwoordt vragen op basis van wat hij weet of wat je hem meegeeft, en verder gebeurt er niets in je systemen.
Een automatisering in een tool als Make of Zapier voert vaste stappen uit. Dat is voorspelbaar en goedkoop, maar het loopt vast zodra de invoer afwijkt van wat je had bedacht. Een mail die net anders is geformuleerd, of een pdf met een andere opmaak. Hoe wij zulke automatiseringen bouwen staat bij AI-automatisering met Make en n8n.
Een agent zit daartussen. Hij kan omgaan met invoer die steeds anders is en hij kan iets doen in je systemen. In de praktijk combineer je ze vaak: een automatisering haalt de mail op, de agent leest hem en bepaalt wat er moet gebeuren, en de automatisering voert het uit. Anthropic raadt in zijn handleiding hetzelfde aan: begin met de eenvoudigste oplossing die werkt en geef pas meer vrijheid als dat nodig is.
Een agent past bij werk dat vaak terugkomt, uit veel tekst bestaat en waar een fout te herstellen is. Bij het mkb zien we vooral deze taken langskomen.
Meer voorbeelden per afdeling staan op onze pagina over AI-agents voor bedrijven.
Een agent maakt fouten die er overtuigend uitzien. Kan hij een levertijd niet vinden, dan bestaat de kans dat hij er een verzint. Geef een agent daarom alleen de rechten die hij voor zijn taak nodig heeft, en laat hem in het begin niets versturen zonder dat een collega het heeft gezien.
Kosten verdienen ook aandacht. Elke stap is een aanroep van een taalmodel. Bij een paar honderd taken per dag valt dat mee, maar een agent die in een lus blijft hangen kan in een nacht flink oplopen. Stel dus een maximum in per taak.
En dan de gegevens. Gaat er klantinformatie door de agent, dan wil je weten waar het model draait en wat de aanbieder met die data doet. De Europese AI-verordening stelt daarnaast regels, bijvoorbeeld dat mensen moeten weten wanneer ze met een AI-systeem te maken hebben.
Kies één taak die nu veel tijd kost en schrijf op hoe een collega hem uitvoert, inclusief de uitzonderingen. Die uitzonderingen zijn het belangrijkste deel, want daar gaat een agent het eerst onderuit.
Laat de agent daarna een paar weken alleen voorstellen doen. Je collega keurt goed of past aan, en je houdt bij hoe vaak het voorstel klopte. Pas als dat percentage hoog genoeg is voor die taak, mag hij zelf handelen. Bij het sorteren van mail ligt die grens lager dan bij een offerte.
Wil je eerst zien hoe dit er in de praktijk uitziet? Op onze AI-middag van 23 oktober laten we het zien. Wat we daar behandelen staat in ons stuk over AI voor het mkb.
Een agent draait bij ons eerst op ons eigen werk voordat we hem bij een klant neerzetten. Bij een klant beginnen we met een gesprek met de mensen die de taak nu doen en vragen we om een stapel echte voorbeelden: mails, aanvragen of facturen van de afgelopen maanden.
Op die voorbeelden testen we de agent voordat hij live gaat. Daarna volgt een periode waarin hij alleen meekijkt en voorstellen doet. Hoe zo'n traject verder loopt staat op de pagina AI-agent laten maken.
Omdat we de koppelingen met je webshop, mailbox of boekhouding zelf bouwen, hoef je niet met drie partijen te schakelen. Je praat met de developer die de agent maakt, en die blijft ook na livegang je aanspreekpunt.
Nee. Een agent gebruikt een bestaand taalmodel via de API van de aanbieder. Wat hem eigen maakt zijn de instructies, de gegevens waar hij bij mag en de systemen die hij kan bedienen. Hoe zo'n koppeling werkt, lees je in wat is een API-koppeling.
Dat kan, maar we raden het in het begin af. Laat hem eerst concepten klaarzetten die iemand verstuurt. Pas als je weet hoe vaak hij het goed heeft, kun je hem voor eenvoudige gevallen zelf laten versturen.
ChatGPT is een chatprogramma waarin jij de vragen stelt. Een agent draait op de achtergrond, krijgt zijn opdrachten uit je eigen systemen en voert ze daar ook uit. Onder de motorkap kan wel hetzelfde soort taalmodel zitten.
Geschreven door
Vincent Borgers
Full-stack Developer
Ik schrijf over wat techniek kost en oplevert, van maatwerk software tot AI. Wat ik aanraad draait eerst bij ons zelf, anders schrijf ik er niet over.
LinkedInBekijk profiel
