Wat is een AI-agent, en wanneer werkt hij?

Iedereen heeft inmiddels weleens met een chatbot gewerkt. Een agent is de volgende stap, en dat verschil is groter dan het lijkt. Ik werk er elke dag mee — niet met één, maar met een ploeg tegelijk. Op deze pagina lees je wat een agent is, wat een agentenfarm is, en waar de grens ligt.

Wat is een AI-agent?

Een AI-agent is een AI-programma dat zelfstandig een opdracht uitvoert in meerdere stappen. Hij leest bestanden, zoekt dingen uit, schrijft code of tekst en controleert zijn tussenstappen, tot de opdracht klaar is. Het verschil met een chatbot: een agent doet iets, een chatbot zegt iets. Jij geeft de opdracht en beoordeelt het resultaat.

In de praktijk betekent dat: je beschrijft wat er moet gebeuren, en de agent gaat aan het werk met gereedschap dat jij hem geeft. Toegang tot een map met bestanden. Een zoekfunctie. De mogelijkheid om code uit te voeren of een ander systeem te bevragen — dat laatste loopt via koppelingen en API’s. Zonder gereedschap is een agent een chatbot met ambitie. Mét gereedschap maakt hij een klus van begin tot eind af.

Een voorbeeld uit mijn eigen werk. Ik vraag een agent uit te zoeken waarom een formulier op een van mijn sites geen aanvragen meer doorstuurt. Hij leest de code, vindt de plek waar het misgaat, stelt een oplossing voor en test die. Ik kijk het na en zet het live. Met een chatbot was datzelfde traject een middag knippen en plakken geweest.

Wat is het verschil tussen een agent en een chatbot?

Een chatbot wacht op jouw volgende bericht; na elk antwoord ben jij weer aan zet. Een agent krijgt één opdracht en werkt daar zelfstandig aan door: hij plant stappen, gebruikt gereedschap zoals bestanden en zoekfuncties, en meldt zich pas terug als het werk af is of hij vastloopt.

Dat klinkt als een detail, maar het verandert hoe je werkt. Bij een chatbot zit je er de hele sessie bovenop. Bij een agent formuleer je één keer een goede opdracht en ga je iets anders doen. Daarmee verschuift ook waar jouw vakmanschap zit: niet meer in het typen van de volgende vraag, maar in het scherp krijgen van de opdracht vooraf. Vaag erin is vaag eruit.

Wat is een agentenfarm?

Een agentenfarm is een ploeg AI-agents die tegelijk aan hetzelfde project werkt, elk met een eigen taak: één zoekt uit, één bouwt, één kijkt na. Eén persoon verdeelt het werk en beoordeelt de uitkomsten. Zo krijg je de doorlooptijd van een team, met de overhead van niemand.

Zo werk ik zelf, elke dag. Terwijl de ene agent een codebase doorspit, bouwt een tweede aan een pagina en controleert een derde het werk van gisteren. Ik ben de enige mens in dat rijtje. Mijn werk bestaat uit opdrachten formuleren, knopen doorhakken en uitkomsten beoordelen — de agents doen de uren daartussen.

Dit is geen theorie die ik ergens gelezen heb; het is de reden dat ik als één persoon werk afkrijg waar eerder een team voor nodig was. Niet omdat agents slimmer zijn dan mensen, maar omdat ze tegelijk werken, nooit op elkaar wachten en geen vergadering nodig hebben om te beginnen.

Waarom laat je agents elkaar controleren?

Omdat een agent die zijn eigen werk beoordeelt vrijwel altijd tevreden is. Hij keurt goed wat hij zelf bedacht heeft, met dezelfde blinde vlekken. Een tweede agent die er koud in stapt vindt fouten die de bouwer mist: aannames die nergens op slaan, randgevallen, dingen die half af zijn.

Dit is de les die ik het vaakst moet uitleggen: een agent die zichzelf beoordeelt is waardeloos. Vraag een agent of zijn werk goed is en het antwoord is ja. Niet omdat hij liegt, maar omdat hij naar zijn werk kijkt met dezelfde aannames waarmee hij het maakte.

Daarom krijgt de nakijk-agent in mijn farm een schone start. Hij weet niet wat de bouwer dacht; hij ziet alleen het resultaat en de oorspronkelijke opdracht. Wat hij afkeurt, gaat terug. En daarna kijk ík nog. Twee lagen controle klinkt overdreven, tot je ziet wat die tweede laag tegenhoudt.

Welk werk kun je aan een agent geven, en welk werk juist niet?

Geef een agent werk dat je kunt nakijken: uitzoekwerk, code, teksten, het doorspitten van bestanden, herhaalklussen met een duidelijke uitkomst. Houd werk weg waar de uitkomst honderd procent moet kloppen zonder controle achteraf: betalingen, juridische toezeggingen, alles wat direct bij een klant belandt zonder dat iemand het gezien heeft.

De vuistregel: hoe makkelijker jij het resultaat kunt beoordelen, hoe beter de klus bij een agent past. Een tekst lees je na in vijf minuten. Uitzoekwerk controleer je op de bronnen. Code test je. Maar een berekening waarvan jij zelf niet kunt zien of de uitkomst klopt? Die hoort niet bij een agent — dan ben je de controle kwijt, en dat merk je pas als het al misgegaan is. Werk waar niemand ooit naar de uitkomst kijkt en dat tóch foutloos moet zijn, hoort er ook niet bij. Waar die grens precies loopt, staat op wanneer AI geen zin heeft.

Wat gaat er mis als je een agent te veel vrijheid geeft?

Een agent met te veel vrijheid gaat door waar hij had moeten stoppen. Hij vult ontbrekende informatie in met aannames, raakt dingen aan die buiten de opdracht vallen en levert iets op dat er af uitziet maar het niet is. Hoe breder de opdracht, hoe zelfverzekerder de verkeerde afslag.

Ik heb agents dingen zien “repareren” die niet stuk waren, omdat de opdracht ruimte liet om overal aan te zitten. De oplossing is niet minder agents inzetten, maar kleiner snijden: één klus, een duidelijk einde, en vooraf gezegd wat er níet aangeraakt mag worden.

Onderzoek van MIT uit 2025 keek naar ruim driehonderd AI-initiatieven bij bedrijven; ongeveer vijf procent leverde meetbaar iets op. Een groot deel van de rest strandt op precies dit punt: opdrachten die te groot zijn, kaders die ontbreken, en niemand die de uitkomst serieus nakijkt.

Hoe houd je een mens verantwoordelijk voor wat een agent doet?

Simpel: de agent tekent nergens voor, jij wel. Eén persoon geeft de opdracht, beoordeelt de uitkomst en zet zijn naam onder wat naar buiten gaat. Een agent is gereedschap, geen collega. Gaat het mis, dan is de vraag nooit wat de agent fout deed, maar wie het had moeten nakijken.

Bij mij is dat overzichtelijk: ik ben het. Alles wat mijn farm oplevert, gaat pas de deur uit nadat ik het gezien heb. In een bedrijf met meer mensen leg je per taak vast wie de uitkomst beoordeelt voordat die verder mag — als echte stap in het werk, niet als handtekening achteraf. Hoe je dat inricht zonder dat het papierwerk wordt, is onderdeel van AI werkend krijgen in je bedrijf.

Wat kost het om een agent in te zetten?

De software zelf is het goedkoopste deel: een abonnement of gebruik per opdracht, en die prijzen veranderen zo snel dat elk bedrag hier morgen verouderd is. De echte kosten zitten in tijd: leren hoe je een opdracht scherp formuleert, en elke uitkomst nakijken. Wie die tijd niet wil besteden, moet er niet aan beginnen.

Ik noem hier bewust geen bedragen. Modelprijzen dalen, abonnementsvormen wisselen, en wat vandaag klopt is over drie maanden achterhaald. Wat wél blijft staan: reken in de eerste weken op leertijd. Een agent kost je dan meer tijd dan hij oplevert, omdat je nog leert hoe je opdrachten geeft en waar hij de mist in gaat. Daarna kantelt het.

De controletijd verdwijnt nooit, en dat hoort zo. Dat is geen kinderziekte die een volgende versie oplost — het is de kern van de werkwijze. Een agent zonder iemand die nakijkt is geen besparing, maar een risico met een maandbedrag.

Moet er eerst software omheen komen voordat een agent iets kan doen — een plek waar hij bij je gegevens kan, en een scherm waarop iemand zijn werk nakijkt — dan is dat maatwerk. Wanneer dat verstandig is en wanneer niet, staat op software laten maken bij Cloudzicht.