Een AI-agent voert zelfstandig een reeks stappen uit om een taak af te ronden: data ophalen, iets maken, controleren en klaarzetten. Een taalmodel zoals ChatGPT beantwoordt in een gesprek je vraag, waarna de volgende stap weer bij jou ligt. AI-automatisering begint zodra je die stappen inricht als vast proces.
Wat is het verschil tussen een AI-agent en een taalmodel?
Een taalmodel geeft antwoord, een AI-agent voert een taak uit. De agent combineert een taalmodel met koppelingen naar je systemen, vastgelegde instructies en skills, en zet daardoor zelf meerdere stappen achter elkaar. Een large language model (LLM) is het model onder ChatGPT, Claude of Gemini: het voorspelt op basis van je prompt de best passende tekst. Meer over hoe een large language model werkt lees je in de kennisbank. Een agent zet zo'n model aan het werk: instructies bepalen wat hij doet, skills zijn afgebakende taken en koppelingen geven toegang tot je data. Het kiezen van de volgende stap heet orkestratie, en deze manier van werken heet ook wel agentic AI. In ons kennisartikel lees je wat een AI-agent precies is.
ChatGPT kan inmiddels zelf ook als agent werken: sinds juli 2025 met ChatGPT agent en sinds juli 2026 met ChatGPT Work. Het verschil zit dus niet in de merknaam, maar in hoe je AI inzet. Een losse opdracht in een chatvenster is iets anders dan een workflow met vaste koppelingen, regels en een eigenaar. Een copilot zit daartussenin en helpt terwijl jij het werk doet. Zie ook het verschil met een AI-copilot.
Vijf stappen, van zoekwoord tot werkkopie.
AI-automatisering betekent dat een agent een terugkerende workflow van begin tot eind doorloopt, binnen regels die jij vastlegt.
Onderzoek
Zoekvolume en vragen ophalen.
De agent haalt zoekvolumes op uit de Keyword Planner van Google Ads en kijkt in Search Console waarop jouw website al gevonden wordt. Zo ziet hij of een andere pagina al op hetzelfde zoekwoord mikt. Dit artikel is daar een voorbeeld van: de kennisbank legt al uit wat een AI-agent is, dus koos de agent hier een ander zoekwoord.
Schrijven
Schrijven volgens vastgelegde frameworks.
Tone of voice, schrijfregels en de opbouw per type pagina staan één keer vastgelegd in instructies en skills. Daarmee schrijft de agent een eerste versie. Hoe goed je dat vastlegt in instructies en prompts, bepaalt grotendeels wat eruit komt.
Controleren
Controleren op de eigen richtlijnen.
Daarna toetst de agent zijn tekst aan dezelfde regels: metatitel, koppen, woordkeuze en een bron bij elk cijfer. Ontbreekt een feit, dan markeert hij dat in plaats van iets te verzinnen.
Klaarzetten
Klaarzetten als werkkopie in het CMS.
Via een koppeling met bijvoorbeeld Statamic, een mogelijk CMS van jouw website, zet de agent de pagina als werkkopie klaar, met metagegevens en interne links. Die koppeling loopt via MCP, een standaard om AI veilig te koppelen aan je bedrijfssystemen. Wat de agent aanmaakt, krijgt een AI-label dat pas verdwijnt als een collega de pagina zelf opslaat.
Meten
Meten en bijsturen.
Na publicatie leest de agent in Analytics en Search Console wat een pagina oplevert. Zakt die terug, dan stelt hij een verbeterde versie voor, weer als werkkopie.
Welk werk blijft bij de mens?
Bij de mens blijven de eindredactie, de keuzes en alles wat alleen jij weet. Dat principe heet human-in-the-loop: op vaste momenten in een geautomatiseerde workflow beoordeelt en beslist een mens. Een agent weet niet welk project jullie net afrondden of welk standpunt je wilt innemen. Zonder die inbreng schrijft hij de tekst die al honderd keer online staat. Daarom is het handig dat een collega meeleest, aanscherpt en beslist of iets live gaat. De agent neemt het werk eromheen over: opzoeken, ordenen, een eerste versie maken, controleren en klaarzetten.
Waar loopt een AI-agent vast?
Een AI-agent loopt vast waar toegang, regels of controle ontbreken. In de praktijk zie je drie situaties terugkomen.
Geen toegang tot de bron. Toen een van onze SEO-tools geen data meer leverde, stond de onderzoeksstap direct stil. Pas met een andere bron kon de agent verder.
Regels die nergens vastliggen. Zit de werkwijze alleen in iemands hoofd, dan gaat de agent gokken. Weet hij niet dat jullie "gasten" zeggen, dan schrijft hij "klanten".
Output die niemand reviewt. Een agent klinkt overtuigend, ook als hij het mis heeft. Haalt hij niet eerst de laatste versie van een pagina op, dan overschrijft hij het werk van een collega.
Welke processen lenen zich voor een AI-agent?
Processen die regelmatig terugkomen en waarin data, keuzes en acties samenkomen, lenen zich het best voor een AI-agent. Marketing is maar één voorbeeld. Denk aan een agent die een offerte voorbereidt met gegevens uit je CRM, een supportvraag bij de juiste collega legt of afwijkingsdetectie doet in je orderdata. Volgens het CBS gebruikte in 2025 al 29,8 procent van het mkb en 66,2 procent van het grootbedrijf een of meer AI-technologieën. Twijfel je waar je begint, lees dan welke bedrijfsprocessen geschikt zijn voor AI.
Niet elk proces heeft een agent nodig. Volgt een stap altijd dezelfde regels, zoals een order doorzetten van je webshop naar je ERP, dan is een vaste koppeling sneller, goedkoper en voorspelbaarder. Een agent voegt pas iets toe waar een afweging nodig is, zoals een afwijkende factuur beoordelen. In de praktijk combineer je ze vaak: bij workflow automation doen vaste koppelingen de routine en beoordeelt AI de uitzonderingen.
Wat moet er op orde zijn voordat een agent iets kan overnemen?
Voordat een agent werk overneemt, heb je vier dingen nodig: toegang tot je systemen, data die klopt, vastgelegde regels en een eigenaar van de uitkomst.
Toegang regel je met een API-koppeling of MCP-server, met per systeem de afspraak wat de agent mag lezen en aanpassen. Staat je data verspreid over losse systemen, dan moet die eerst bereikbaar worden. Hoe je data uit je systemen ontsluit, bepaalt wat een agent ermee kan.
Leg ook vast wat de agent logt en wie aanspreekbaar is als er iets misgaat. Voor toepassingen die de Europese AI-verordening als hoog risico ziet, zijn menselijk toezicht en logging zelfs verplicht.
Ook de opbouw van je systemen telt. Bij Legal Mind bouwde Cube de website op uit vaste componenten in Statamic, met structured data die zoekmachines en taalmodellen kunnen lezen. Lees hoe dat digitale fundament onder een AI-platform tot stand kwam.
Benieuwd wat een agent in jouw proces kan overnemen? Bekijk hoe je AI-agents en copilots laat bouwen die aansluiten op je eigen systemen.
Welk werk zou jij aan een AI-agent geven?
Vertel ons welk proces steeds terugkomt en tijd kost. Jarno kijkt in een gesprek van 30 minuten met je mee welke stappen een agent kan overnemen en wat eerst langs een mens moet.
Dit sluit mooi aan...
Welke bedrijfsprocessen zijn geschikt voor AI?
Concrete AI use cases: wat AI echt doet in organisaties.
Model Context Protocol: koppel AI veilig aan je bedrijfssystemen.
Vragen over AI-agents? Geen probleem.
Nee. ChatGPT is een chatdienst rond een taalmodel, inmiddels met agentfuncties. Een AI-agent voor je eigen proces is gekoppeld aan jouw systemen, werkt met vastgelegde instructies en doorloopt een terugkerende workflow.
Toegang via een API-koppeling of MCP-server, data die ontsloten en betrouwbaar is, en vastgelegde instructies. Spreek per systeem af wat de agent mag lezen en aanpassen, en wie de uitkomst controleert.
Ja, voor losse taken kan dat met tools als n8n, Make of de agentfuncties in ChatGPT. Gaat het om bedrijfskritische processen met eigen data, regel dan vooraf rechten, logging en wie de agent beheert als de maker vertrekt.
Technisch wel, maar dat bepaal je zelf. De agent kan een werkkopie klaarzetten en een collega publiceert pas na akkoord. Voor onomkeerbare acties is zo'n vast controlemoment verstandig.
Dat hangt af van wat er al ligt. Zijn je systemen te koppelen, is je data ontsloten en staan de regels beschreven, dan richt je een eerste workflow sneller in.
Dat leg je vast in afspraken. Check of de aanbieder van het taalmodel jouw data gebruikt voor training. Leg in het contract met de bouwer vast van wie de code, de instructies en de data zijn.