Een AI agent maken is tegenwoordig niet moeilijk meer. Met de platforms van nu klik je zonder te programmeren een eerste versie in elkaar, of die nu klantvragen voorsorteert voordat iemand ze leest, orders en facturen uit de mail haalt, de planning rondkrijgt of content maakt. Het bouwen is dus het makkelijke deel. Of de agent daarna ook werkt, hangt af van keuzes die je vooraf maakt over welke taak hij krijgt, wat hij niet mag, wie zijn werk controleert en wie hem bijhoudt als de eerste versie eenmaal draait.
Wat er allemaal bij komt kijken, zie je het duidelijkst bij agents die content maken. Daarom halen we ons belangrijkste voorbeeld uit de redactie van vijf AI-agents die we voor onderwijsadviseur Paul Ossewold bouwden en draaiend houden.
Inhoudsopgave
Heb je wel een AI-agent nodig?
Een AI-agent is software die een doel krijgt en zelf bepaalt welke stappen daarvoor nodig zijn, met gereedschap als je mailbox, je agenda of een zoekfunctie. Het denkwerk doet een taalmodel, het type AI waarmee je in een chatvenster praat. De uitgebreide uitleg lees je in wat een AI-agent precies is.
Zo verschilt hij van een chatbot en een vaste automatisering:
| Wat hij doet | Kies hem als | |
|---|---|---|
| Chatbot | Wacht op een vraag en geeft antwoord | Mensen vooral vragen stellen die hij kan beantwoorden |
| Vaste automatisering | Volgt elke keer hetzelfde pad: gebeurt dit, dan doe je dat | De stappen altijd gelijk zijn |
| AI-agent | Krijgt een doel en past zijn stappen aan op wat hij tegenkomt | De taak een oordeel vraagt en elke dag anders kan uitpakken |
Neem bijvoorbeeld de mailbox van een groothandel. Een vaste automatisering stuurt elke mail met “factuur” in de onderwerpregel door naar de boekhouding. Een agent leest ook de mail waarin een klant tussen twee zinnen door zijn bestelling wijzigt, herkent dat het om een order gaat en zet die klaar voor wie de orders verwerkt. Een chatbot doet geen van beide, want die wacht tot iemand hem iets vraagt. Meer daarover lees je in wat een chatbot is.
Volgt jouw taak altijd dezelfde stappen, dan heb je geen agent nodig. Een vaste automatisering is dan voorspelbaarder en meestal goedkoper, en daarover gaat onze gids over AI-automatisering. De term agentic AI, die je in dit verband vaak tegenkomt, leggen we apart uit.
Hoe maak je een AI-agent? Zes stappen
Zo maak je een AI-agent die ook na de eerste week blijft werken:
- Kies één taak en bepaal wanneer hij klaar is.
- Leg vast wat de agent wel en niet mag.
- Kies je gereedschap en een model per taak.
- Geef elke agent één rol en één instructie.
- Bouw de controle in en test eerst in de schaduw.
- Plan het onderhoud, van correctie naar regel.
Stap 1: Kies één taak en bepaal wanneer hij klaar is
Begin met één afgebakende taak waarvan je de uitkomst kunt aanwijzen. Met “help me met de administratie” weet een agent niet wanneer hij klaar is, met “lees elke factuur uit en zet leverancier, bedrag en vervaldatum klaar voor de boekhouding” wel. Offerteaanvragen sorteren op wat er gevraagd wordt en hoe snel het moet, is ook zo’n duidelijke taak. Hoe het er bij facturen uitziet, lees je bij facturen verwerken met AI.
Leg meteen vast wat de agent doet als er niets te doen is. Een agent die elke ochtend een overzicht maakt, moet op een rustige dag gewoon melden dat er niets is, in plaats van iets te verzinnen om het overzicht te vullen.
Breng daarna het proces en de data op orde, want een agent maakt van chaos alleen snellere chaos. Hoe zwaar dat weegt, merkten we bij onze eigen campagne naar ruim 200 bedrijven. Elk bedrijf kreeg een persoonlijke brief met een unieke QR-code, die leidde naar een landingspagina waar AI na een paar vragen een rapport opstelde. Het meeste denkwerk zat in de data vooraf, in het per bedrijf verzamelen en verrijken van de gegevens, en niet in het versturen. Ook bij de contentredactie uit ons voorbeeld bouwden we eerst één pijplijn met een mens erin en verbreedden we pas daarna.
Stap 2: Leg vast wat de agent wel en niet mag
Bepaal vervolgens hoeveel vrijheid de agent krijgt. Een assisterende agent doet het voorwerk en legt dat aan een mens voor, terwijl een autonome agent zelf handelt binnen grenzen die jij vooraf stelt. Begin assisterend en geef pas meer ruimte als de agent laat zien dat hij het aankan.
Schrijf de verboden net zo concreet op als de taken. Een vage opdracht om voorzichtig te zijn zegt een agent weinig, terwijl hij een harde grens, zoals nooit zelf iets naar een klant versturen, wel kan volgen. Denk bijvoorbeeld aan een klantenservice-agent die op elke vraag een concept-antwoord klaarzet maar nooit zelf op verzenden drukt, of aan een order-agent die een bestelling voorstelt die een medewerker daarna vrijgeeft. Bij de contentredactie publiceert geen enkele agent zelf. Dat klinkt streng, maar een agent die voorspelbaar is, durf je sneller meer werk te geven.
Stap 3: Kies je gereedschap en een model per taak
Pas nu komt de vraag waarmee veel handleidingen openen, namelijk waarin je de agent bouwt. Er zijn platforms waarmee je zelf een agent in elkaar klikt, zoals n8n en Microsoft Copilot Studio, en voor één eenvoudige taak met een uitkomst die je snel kunt nakijken, kan dat prima.
De keuze die er meer toe doet, is welk taalmodel welk werk doet. Een zwaar model is sterk in schrijven en redeneren, maar dat zet je niet in om elke ochtend een stapel berichten te sorteren, want daar volstaat een lichter en goedkoper model. Kies dus per taak een model in plaats van één model voor alles.
Die keuze ligt ook niet voor altijd vast, want modellen veranderen snel. Op 22 september 2026 brachten Anthropic en OpenAI allebei nieuwe modellen uit, dus wie een agent bouwt, moet ook bijhouden waar hij op draait. De agents die wij bouwen, draaien op een eigen omgeving en niet bij een abonnementsdienst. Waar de kosten van zo’n project in zitten, lees je in wat AI-implementatie kost.
Stap 4: Geef elke agent één rol en één instructie
Een agent werkt het best met één duidelijke rol. Hij sorteert de mail of hij schrijft een concept, maar niet allebei. Het is verleidelijk om een klus over veel gespecialiseerde agents te verdelen, maar meer agents is niet vanzelf beter. Elke overdracht van de ene agent naar de andere is een plek waar het fout kan gaan, bijvoorbeeld doordat informatie wegvalt of een opdracht maar half aankomt. Die afweging maken we per project opnieuw.
Bij de redactie die we bouwden, begon de blogkant bijvoorbeeld met drie agents, maar voor één blog per maand bleek dat te veel machinerie en werden het er één. Splits dus niet verder dan het volume vraagt.
Waar bespaart AI jou het meeste tijd?
Veel MKB-bedrijven verliezen wekelijks uren aan terugkerend handwerk: facturen, offertes, klantvragen, planning. AI kan een groot deel daarvan overnemen.
Beantwoord een paar vragen en zie in één minuut waar voor jouw bedrijf de meeste tijd- en kostenwinst zit.
Stap 5: Bouw de controle in en test eerst in de schaduw
Zet de poorten neer nog voor de agent live gaat. De belangrijkste is een mens die het werk vrijgeeft voordat het naar buiten gaat. Laat de agent ook eerst in de schaduw meedraaien. Hij doet dan zijn werk zonder dat er iets naar een klant gaat, en jij vergelijkt zijn uitkomst met wat je zelf had gedaan. Houd die mens erin tot de agent een aantal keren achter elkaar goed werk levert zonder dat iemand hoeft in te grijpen.
Vertrouw daarbij niet blind op een automatische controle. Veel systemen geven een tekst of antwoord een score. Een hoge score voelt geruststellend, maar bewijst niet dat de inhoud klopt. Het lastigste voorbeeld daarvan zie je bij agents die content maken, verderop in dit artikel.
Stap 6: Plan het onderhoud, van correctie naar regel
Een agent kun je niet aanzetten en daarna vergeten. Je processen veranderen en klanten gaan andere vragen stellen, terwijl ook de modellen onder de agent worden vervangen. Leg daarom elke correctie vast die een mens maakt. Komt dezelfde correctie vaker terug en tekent een mens hem af, dan maak je er een vaste regel van, zodat de agent die fout niet steeds opnieuw maakt. Hoe die stap van correctie naar regel in de praktijk loopt, zie je in het volgende deel.
Plan ook onderhoud voor fouten die geen melding geven. Een koppeling die zonder foutmelding stopt, merk je anders pas als een klant ernaar vraagt. Met een dagelijkse controle die een seintje geeft als er iets stilvalt, weet je het dezelfde dag.
Een AI-agent die content maakt: hier gaat het meestal mis
Een agent die teksten schrijft, is snel gebouwd. Vraag hem om een LinkedIn-post of een blog en je hebt binnen een minuut iets wat er goed uitziet, en juist daar zit het probleem. Een AI-agent voor marketing die gladde tekst uitspuugt, heeft iedereen zo staan, maar een systeem waarmee een bedrijf betere content publiceert onder eigen naam, vraagt om bewaking die een platform niet voor je regelt. Wat die bewaking inhoudt, zagen we bij de redactie van vijf agents die we voor onze klant bouwden.
Het begint bij de stem. Een opdracht als “schrijf in de stijl van” levert een imitatie op van hoe AI denkt dat iemand schrijft. Daarom lazen we de stem terug uit het werk van onze klant zelf, uit honderden eigen posts, een boek en blogs, en maakten we daar een kader van waarbinnen de agents schrijven.
Daarna komen de fouten die je pas ziet als het systeem draait. Het verzon scènes die logisch klonken maar nooit gebeurd waren, zoals een redenering die netjes uit het nieuws volgde en was opgeschreven alsof onze klant erbij was geweest. Zo’n tekst is goed geschreven en toch fout. Pas na vijf keer zat die les erin. Inmiddels stopt het systeem als een echt moment ontbreekt en vraagt het erom, ook als de tekst hoog scoort.
De andere hardnekkige fout was herhaling, waarbij hetzelfde centrale beeld of dezelfde slotzin in een ander jasje terugkwam. Elke tekst is op zich prima, maar een lezer die voor de derde keer hetzelfde beeld tegenkomt, haakt af. Die les kwam acht keer terug, en daarom bouwden we een controle die herhaling vangt voordat een lezer het merkt.
De laatste poort is altijd een mens, de eindredacteur, die eerst de richting voor de week goedkeurt en daarna elke tekst apart. Elke correctie die hij maakt, leggen we vast, en wat vaker terugkomt, wordt een regel. Zo werden zeventig correcties in zes weken ongeveer elf vaste regels, en er gaat niets het kader in zonder dat een mens het aftekent. Daardoor zakt het systeem niet langzaam terug naar gladde AI-tekst, wat ook wel AI-drift heet.
Geen van die bewaking, van de stem tot de regels in het kader, zit standaard in een platform. Het zijn keuzes die je vooraf maakt en daarna week na week blijft bijhouden. Na elf weken schroefde onze klant de productie zelf terug van elke dag een post naar om de dag, omdat de output betrouwbaarder was geworden.
Voor onze eigen kennisbank werken we met een vergelijkbaar systeem met poorten, dat we beschrijven in hoe onze SEO-pipeline werkt. Het hele verhaal van die redactie lees je in onze case over AI-agents in de praktijk.
Zelf een AI-agent bouwen of laten bouwen?
Voor één eenvoudige taak met een uitkomst die je snel kunt controleren, kun je een AI-agent prima zelf bouwen, ook al verkopen wij het laten bouwen. Een agent die facturen uitleest en een medewerker laat nakijken, zet je met de platforms uit stap 3 zelf op. Begin dan klein en neem stap 2 en 5 net zo serieus als het bouwen.
Dat verandert zodra er meer op het spel staat. Gaat het om content die onder jouw naam verschijnt, om klantgegevens of om meerdere agents die werk aan elkaar overdragen, dan verschuift het werk van het bouwen naar de poorten, het kader en het onderhoud, en dat werk loopt door zolang de agents draaien. Op dat punt komen wij in beeld. Kies je voor een AI-agent laten bouwen, dan bouwen we die poorten vanaf het begin mee en houden we de agents daarna draaiend.
Veelgestelde vragen over een AI-agent maken
Kun je een eigen AI-agent maken in ChatGPT?
In ChatGPT maak je vooral een assistent met je eigen instructies, en die doet pas iets als jij hem iets vraagt. Een agent die uit zichzelf aan de slag gaat, met controle en onderhoud eromheen, is een ander soort project. Welke functies ChatGPT nu heeft, verandert snel, dus lees dat bij OpenAI zelf na.
Wat kost het om een AI-agent te maken?
Dat hangt af van de route en van hoeveel er om de agent heen moet. Het meeste werk zit in de controle en het onderhoud, en omdat dat doorloopt zolang de agent draait, reken je die tijd het best mee. Wat een AI-project in totaal kost, lees je in ons artikel over de kosten van AI-implementatie.
Is er een cursus om AI-agents te bouwen?
Onze gratis AI-cursus gaat niet over agents bouwen, maar over teksten schrijven met Claude in je eigen stem. Voor wie met agents aan de slag wil, is dat hooguit een opstap, omdat je er leert hoe je een taalmodel je eigen stem en vaste instructies meegeeft.
Is een AI-agent veilig voor klantgegevens?
Of dat veilig is, hangt af van welke gegevens er naar het taalmodel gaan en waar de agent draait. Geef een agent alleen de gegevens die hij voor zijn taak nodig heeft. Verwerkt een leverancier persoonsgegevens voor jou, dan heb je volgens de AVG een verwerkersovereenkomst met hem nodig (bron: Autoriteit Persoonsgegevens). De agents die wij bouwen, draaien in onze eigen omgeving, en welke gegevens naar welk taalmodel gaan, bepalen we per taak.
Welke taak geef jij als eerste aan een agent?
Wie een AI-agent wil maken, begint dus bij stap 1, met één taak die vaak terugkomt en waarvan het resultaat snel te controleren is. Het bouwen is daarna het makkelijke deel, en of hij werkt, bepalen de keuzes eromheen. Twijfel je waar je moet beginnen? Ontdek welke taak bij jou geschikt is voor een agent met onze gratis AI-kansenscan.
Klaar voor een mega start?
Wij wel!
Stel al je vragen over onze producten, prijzen, implementaties, of iets anders. Wij zijn hier om jou te helpen!
