Ryan KoningEen AI-agent werkt goed bij afgebakende taken met duidelijke input en een controleerbare uitkomst. Zolang iemand de output valideert, levert het tijdwinst op. Zonder die validatie stapelen fouten zich op.
Het woord agent is in twee jaar van een technische term naar een verkoopterm gegaan. Bijna elk bedrijf krijgt inmiddels wel een voorstel voor een AI-agent die offertes beantwoordt, mails opvolgt of documenten verwerkt. De beloften klinken bijna identiek; de resultaten verschillen enorm. Dat verschil komt zelden door de technologie en bijna altijd door wat er vooraf is afgesproken. Het gebruik groeit wel: in 2025 gebruikte één op de zes Nederlandse bedrijven AI, twee keer zoveel als in 2023 (CBS).
Wat is een agent daadwerkelijk?
Onder de term agent gaat meestal een combinatie van drie dingen schuil: een groot taalmodel dat tekst begrijpt en genereert, een set gereedschappen waarmee het systeem acties uitvoert, en een procesbeschrijving die bepaalt wanneer welke actie gebeurt. Het model is het brein, de gereedschappen zijn de handen, de procesbeschrijving is het contract.
Het laatste onderdeel is wat de kwaliteit bepaalt. Zonder een scherpe beschrijving van input, stappen en gewenste output weet het systeem niet wanneer het klaar is. Het resultaat is dan een chatbot die net zo lang doorloopt tot iemand ingrijpt, of een systeem dat zeker klinkt maar intussen zelf invult wat het niet weet.
De vuistregel: hoe vrijer de taak, hoe meer validatie nodig. Een agent die binnenkomende offertes sorteert op ja of nee is anders dan een agent die zelf offertes verstuurt. De eerste scheelt direct tijd, de tweede eist menselijke controle op elke uitgaande mail.
Waar zijn agents in 2026 goed in?
- Documenten lezen en samenvatten: bestekken, contracten, offertes en facturen waar een team anders uren in leest.
- Wijzigingen tussen versies zichtbaar maken: addenda en revisies worden vergeleken op inhoudelijke verschillen.
- Triage en routering: binnenkomende aanvragen sorteren, prioriteren en naar de juiste persoon of systeem sturen.
- Data overzetten tussen systemen: gegevens uit een formulier of PDF naar CRM, boekhouding of spreadsheet schrijven.
Gemeenschappelijk aan deze taken is dat ze beginnen bij een afgebakende input en eindigen bij een resultaat dat iemand in seconden controleert. De agent versnelt het denkwerk tussen die twee punten; de mens houdt de eindverantwoordelijkheid. Zo wordt AI geen zwarte doos maar een versneller van werk dat er al lag.
Waar falen agents nog?
De fouten die we in de praktijk het vaakst zien zijn niet technisch van aard. Een agent verzint geen zaken omdat het model slecht is, maar omdat de taak te vaag was of omdat niemand de output controleerde. Drie patronen keren steeds terug: te veel vrijheid zonder procescontract, te weinig testdata en het ontbreken van een menselijk checkmoment in de workflow. Ontwikkelaars herkennen dat: 46 procent wantrouwt de nauwkeurigheid van AI-output, en voor 66 procent is de grootste ergernis een oplossing die „almost right, but not quite” is (Stack Overflow, 2025).
Daarnaast zijn er taken die simpelweg niet thuishoren in een agent. Beslissingen met juridische of financiële consequenties, communicatie waar een persoonlijke toon het verschil maakt en processen die nog niet vastliggen: daar schuift u beter geen automatiseringslaag onder, want het systeem automatiseert dan vooral de chaos.
Hoe herkent u een realistisch voorstel?
- De partij vraagt eerst naar uw proces, niet naar uw budget. Een voorstel zonder intake is een productverhaal.
- De scope benoemt wat het systeem níet doet. Wie alleen successen noemt, heeft de uitzonderingen niet geregeld.
- Er zit een validatiestap in het ontwerp: een mens die steekproefsgewijs controleert voordat iets automatisch verstuurd wordt.
- De partij kan aangeven waar het systeem fout gaat en wat er dan gebeurt. Dat antwoord zegt meer dan een demo.
Een AI-agent is geen vervanging van de medewerker maar een versnelling van het werk dat de medewerker toch al deed. Het verschil tussen een demo en een productieomgeving zit in de uitzonderingen. (Ryan Koning, oprichter van Fast Software)
Wie met dit onderscheid in het hoofd een traject ingaat, komt uit op een systeem dat documenten verwerkt, leads routeert of versies vergelijkt en dat meetbaar tijd scheelt. Dat is minder spectaculair dan de belofte van een volledig autonome backoffice, maar het is wel wat er na drie weken live staat en blijft werken.
