Wat is agentic AI?

Hoe werkt agentic AI?

Een agentic AI-systeem werkt in een kringloop van vier stappen:

1. Begrijpen: het systeem leest de opdracht of de binnenkomende informatie, zoals een e-mail van een klant, en bepaalt wat het doel is.
2. Plannen: het bedenkt welke stappen nodig zijn, bijvoorbeeld eerst de bestelling opzoeken, dan de status bij de vervoerder controleren, dan antwoorden.
3. Uitvoeren: het voert de stappen uit met de tools die het mag gebruiken, zoals een zoekopdracht in de webshop of een update in het CRM.
4. Controleren en bijsturen: het bekijkt het resultaat. Klopt het niet, of ontbreekt er informatie, dan past het de aanpak aan of vraagt het een mens om hulp.

Onder de motorkap zit een taalmodel, zoals de modellen van OpenAI, Anthropic of Google. Dat model doet het denkwerk. De koppelingen met je systemen maken het mogelijk om ook echt iets te doen. Steeds vaker gebeurt die koppeling via een open standaard zoals het Model Context Protocol (MCP).

Het verschil tussen agentic AI en chatbots

Een chatbot is een gesprekspartner, een AI-agent is een uitvoerder. Veel moderne chatbots gebruiken wel AI om vragen te begrijpen, maar zolang ze geen taken uitvoeren in je systemen, zijn ze niet agentic. Lees meer in onze vergelijking AI-agent vs chatbot.

Voorbeelden van agentic AI in bedrijven

• Klantenservice: een agent die vragen beantwoordt, orderstatussen opzoekt, retouren aanmaakt en twijfelgevallen met een samenvatting doorzet.
• Sales: een agent die aanvragen beoordeelt, ontbrekende gegevens opvraagt, een afspraak plant en het CRM bijwerkt.
• Finance: een agent die facturen leest, ze controleert op de inkooporder en een boeking klaarzet voor goedkeuring.
• Operations: een agent die orders uit e-mails verwerkt en bij vertraging zelf de klant informeert.
• Intern: een agent die vragen van medewerkers beantwoordt en daarvoor documenten, het HR-systeem en de agenda raadpleegt.

Wanneer past agentic AI, en wanneer niet?

Agentic AI past bij taken die vaak voorkomen, uit meerdere stappen bestaan, informatie uit verschillende systemen nodig hebben en per situatie verschillen. Denk aan het afhandelen van klantvragen of het voorbereiden van offertes.

Agentic AI past minder goed als:

• het proces volledig voorspelbaar is: dan is een gewone workflow eenvoudiger, goedkoper en beter te controleren
• elke beslissing veel menselijk oordeel vraagt
• een fout grote gevolgen heeft en je nog geen ervaring hebt met AI
• de systemen geen koppeling hebben

Niet elke taak heeft een agent nodig. Vaak is een AI-workflow met vaste stappen de betere keuze, met AI alleen voor het lees- en beoordelingswerk.

Risico's en kanttekeningen

Agentic AI is een van de meest besproken ontwikkelingen in AI, en dat trekt hype aan. Twee kanttekeningen van Gartner zijn het waard om te kennen:

• Gartner verwacht dat meer dan 40% van de agentic AI-projecten eind 2027 is stopgezet, door stijgende kosten, onduidelijke opbrengst of onvoldoende risicobeheer (Gartner, juni 2025).
• Gartner waarschuwt voor "agent washing": leveranciers die bestaande chatbots, assistenten of RPA-software opnieuw verpakken als "agent", zonder dat ze echt zelfstandig taken uitvoeren.

Tegelijk verwacht Gartner dat agentic AI in 2029 80% van de veelvoorkomende klantenservicevragen zelfstandig oplost (Gartner, maart 2025). Beide voorspellingen kunnen tegelijk waar zijn: de technologie is krachtig, maar alleen als ze wordt ingezet op het juiste proces, met duidelijke grenzen en een meetbaar doel.

Praktische risico's om te beheersen:

• Fouten: een agent kan een verkeerde inschatting maken. Laat een mens belangrijke acties goedkeuren.
• Te veel rechten: geef een agent alleen toegang tot wat nodig is.
• Kosten: elke stap kost rekenkracht. Bij grote volumes telt dat op.
• Controleerbaarheid: leg elke stap vast, zodat je kunt nagaan wat de agent heeft gedaan.
• Transparantie: een agent die met klanten communiceert, moet sinds 2 augustus 2026 duidelijk maken dat het AI is (artikel 50 van de AI Act).

Hoe begin je met agentic AI?

1. Kies één taak die vaak voorkomt, uit meerdere stappen bestaat en weinig risico heeft.
2. Breng in kaart welke systemen en informatie de agent nodig heeft.
3. Bepaal wat de agent zelf mag doen en waar een mens beslist.
4. Laat de agent eerst in conceptmodus werken: hij stelt voor, een medewerker beslist.
5. Meet het resultaat tegen een nulmeting, en geef de agent pas daarna meer zelfstandigheid.

Wil je een agent laten bouwen? Lees dan over een AI-agent laten maken.