Van chatbot naar collega: wat agentic AI werkelijk is en wat er op je afkomt
Wat is agentic AI precies en wat kan het wel en niet? Een nuchtere uitleg zonder jargon, zodat jij als directie de juiste vragen stelt en koers kiest.
In het eerste deel van deze reeks stelden we vast dat agentic AI relevant is voor het MKB. Niet later. Nu. In dit tweede deel duiken we de motorkap in. Niet om jou tot IT'er te maken, maar omdat je als directie de juiste vragen moet kunnen stellen.
Want zolang AI voor jou abstract blijft, blijft het ook duur, vrijblijvend en eindeloos te kunnen uitstellen. Niet doen.
Wat is een 'agent' eigenlijk?
De simpelste definitie: een agent is software die een doel krijgt, zelf een plan maakt om dat doel te bereiken, en zelf actie onderneemt. Vaak met meerdere systemen tegelijk.
Vier kenmerken onderscheiden een agent van een gewone chatbot of automatisering:
- Doelgericht. Werkt vanuit 'wat moet er bereikt worden', niet 'welke knop moet er ingedrukt'.
- Meerstaps. Breekt een opdracht zelf op in deelstappen.
- Zelfsturend. Voert die stappen ook uit, met de juiste tools en systemen.
- Adaptief. Past zich aan als het misgaat. Probeert iets anders.
Het verschil met de AI van vorig jaar is dat die antwoordde. Een agent doet.
Een concreet voorbeeld uit een MKB-praktijk
Stel: je runt een handelsbedrijf met 35 medewerkers. Inkoopfacturen komen binnen via mail, portal, en af en toe per post. Iemand op kantoor besteedt twee dagen per week aan factuurverwerking, controle op contractprijzen, en signaleren van afwijkingen.
Een traditionele OCR-oplossing leest het bedrag uit. Een agent doet meer:
- Pakt de factuur uit de mail. Leest hem.
- Zoekt het bijbehorende inkoopcontract op.
- Controleert de prijs, het aantal en de leverdatum.
- Boekt de factuur als alles klopt.
- Maakt een notitie voor de controller bij afwijkingen. Met onderbouwing.
- Stuurt de leverancier een bericht bij een fout.
Wat een mens twee dagen kost, doet een agent in een paar minuten per factuur. Maar, en dit is cruciaal, niet zonder dat je eerst goed nadenkt over wat de agent zelfstandig mag, en waar een mens moet meekijken.
Waar staan we nu echt
Het is verleidelijk om te zeggen dat alles al kan. Het is ook verleidelijk om te zeggen dat het allemaal hype is. Beide kloppen niet.
Bain is hierover helder: de meeste 'agents' op de markt zijn vandaag rebranded features, vroege prototypes met beperkingen, of simpele rule-based systemen. Echte, schaalbare agents komen er pas in 2025 en 2026 echt door. En dat zien we nu gebeuren.
Voor jou betekent dat: niet wachten, maar ook niet gokken. Pilot in beheersbare stappen. Begin niet met het belangrijkste proces — begin met het irritantste.
Vier dingen die nu nog niet goed gaan (en die je moet kennen)
1. Agents zijn slecht in vage opdrachten
Een agent presteert sterk als de workflow strak omschreven is. In rommelige, ongedocumenteerde processen die in elk MKB-bedrijf voorkomen loopt hij vast. Goed nieuws: dat dwingt je je eigen processen op te schrijven. Iets wat je toch al moet doen voordat je opschaalt of overdraagt.
2. Een agent is een black box. En dat is een risico
Als de agent een fout maakt, kun je niet altijd reconstrueren waarom. Voor administratieve taken kan dat acceptabel zijn. Voor klantcommunicatie of contractuele beslissingen vaak niet. Bouw de juiste hekjes, ook wel guard rails genoemd. Wat mag de agent zelfstandig? En waar wacht hij op een mens?
3. Agents werken nog niet goed samen
Eén agent voor inkoop, één voor sales, één voor finance. Die laten samenwerken is technisch nog volop in ontwikkeling. Voor het MKB betekent dit: kies voorlopig één duidelijk afgebakend domein per agent. Geen ecosysteem van tien agents tegelijk.
4. Zonder schone data geen werkende agent
Dit is de saaiste maar belangrijkste boodschap. Als je artikelbestand vervuild is, je klantgegevens half ontbreken, en je productspecificaties op vier plekken anders staan, dan zal géén agent ter wereld je helpen. Datakwaliteit is geen IT-project, het is een directiethema. Zonder schone basis is elke euro die je in AI stopt, een euro die wegloopt.
Vuile data + slimme agent = snelle fouten op grote schaal. Datakwaliteit is geen IT-thema. Het is een directiethema.
Wat komt er de komende 24 maanden op je af?
De softwaremarkt verandert
Veel bestaande softwarepakketten, je CRM, je boekhouding, je HR-systeem, krijgen agentic functionaliteit ingebouwd. Soms als upgrade, soms als premium add-on. Bain spreekt zelfs over de vraag of agentic AI 'SaaS' (software-as-a-service) gaat ontwrichten. Voor jou betekent dit: weet welke leveranciers wat aanbieden, en laat je niet verrassen door licentiestructuren die ineens 30% duurder uitvallen.
De productiviteitskloof groeit
Bedrijven die nu serieus pilots doen, bouwen ervaring op die later moeilijk in te halen is. Niet omdat de techniek geheim is, maar omdat de organisatorische routines het verschil maken. Wie nu leert hoe je een agent inwerkt, kalibreert en monitort, heeft over twee jaar een voorsprong die je niet meer met een tool koopt.
De rolverdeling tussen mens en machine schuift
Niet alleen op de werkvloer. Ook in je MT. Wie controleert wat de agents doen? Wie stuurt bij? Wie is verantwoordelijk als het misgaat? Deze vragen kennen geen technische antwoorden, alleen organisatorische. Dat is exact het onderwerp van het derde deel.
Drie technische principes voor in je directiekamer
- 'Mens in de lus' is geen vies woord. Bepaal per proces of een agent zelfstandig handelt of een voorstel doet dat een mens accordeert. Begin altijd met het tweede, schuif daarna pas op.
- Begin bij het slechtst lopende proces, niet bij het belangrijkste. Daar is de winst zichtbaar én is een misser overleefbaar.
- Meet vanaf dag één. Wat was de doorlooptijd, foutkans, kostprijs vóór de agent? Zonder nulmeting kun je nooit aantonen wat het oplevert. En zonder bewijs is verdere uitrol onverkoopbaar in je eigen MT.
De échte vraag voor de DGA
De vraag is niet welke tool je kiest. De vraag is: ben je bereid om je eigen processen scherp te beschrijven? Want zonder die beschrijving heeft een agent niets om mee te werken, en heb jij niets om in waarde uit te drukken.
Goede processen zijn waardevoller dan goede tools. Een agent versterkt wat je al goed doet en versterkt ook wat je slecht doet. Begin daar.
Lees verder in deze reeks
Deel 1: Agentic AI komt eraan. En het Nederlandse MKB kan niet wachten tot 2027.
Deel 3: Mensen agent in één team. Wat dit echt vraagt van jouw leiderschap.
Wil je weten welke processen in jouw onderneming klaar zijn voor agents. En welke niet? Begin met de Waardescan. → smitdevries.nl/waardescan
Van chatbot naar collega: wat agentic AI werkelijk is en wat er op je afkomt
FAQs
Bekijk hier de veelgestelde vragen.
ChatGPT en vergelijkbare modellen reageren op een vraag met een antwoord. Een agent krijgt een doel en gaat zelfstandig stappen ondernemen om dat doel te bereiken bestanden lezen, systemen raadplegen, beslissingen nemen, acties uitvoeren. Het verschil is reactief versus proactief.
Voor de meeste MKB-organisaties geldt: koop wat geschikt is en bouw alleen wat onderscheidend moet zijn. Bestaande softwareleveranciers bouwen agentic functies in hun pakketten. Voor unieke processen kan een eigen oplossing zinvol zijn, maar pas als je de basis op orde hebt.
Door vooraf scherp te zijn over wat de agent zelfstandig mag en waar een mens moet meekijken. Begin met 'agent stelt voor, mens beslist'. Naarmate je vertrouwen groeit en de meetresultaten kloppen, schuif je op. Nooit andersom.
Een afgebakende pilot op één proces kost typisch 6 tot 12 weken, waarvan het grootste deel zit in het beschrijven van het proces, het opschonen van de data en het inrichten van de meetlat. De techniek zelf is vaak het kleinste onderdeel.
Dan begin je daar. Een agent op vervuilde data levert sneller foute beslissingen op grotere schaal op precies wat je niet wilt. Zie datakwaliteit niet als IT-project, maar als directiethema. Het is de fundering onder elke serieuze AI-investering.
