Agentic AI: wat er moet kloppen voordat een AI-agent zelfstandig werkt

Een AI-assistent beantwoordt vragen. Jij typt iets, je krijgt antwoord, en jij beslist wat er daarna gebeurt. Een AI-agent werkt anders. Die krijgt een doel, bedenkt zelf de tussenstappen, gebruikt daarvoor jouw systemen en meldt achteraf wat er is gedaan.

Dat verschil klinkt klein, maar het is het verschil tussen gereedschap en een collega. En een nieuwe collega geef je op dag één niet de sleutel van de kluis.

Agentic AI is in 2026 geen sciencefiction meer. In Microsoft 365, in boekhoudpakketten en in CRM-systemen zitten inmiddels functies die zelfstandig meerdere stappen achter elkaar zetten: een factuur uitlezen, boeken en klaarzetten voor betaling. Een aanvraag uit een webformulier omzetten in een offerte. De vraag is niet meer óf je ermee te maken krijgt, maar of je bedrijf er klaar voor is als het zover is. En dat gaat minder over techniek dan je zou denken.

Het verschil tussen meedenken en zelf doen

Bij een assistent zoals Microsoft 365 Copilot blijf jij aan de knoppen. Hij stelt een mail voor, jij leest hem na en drukt op verzenden. Gaat er iets mis, dan zie je het voordat het de deur uit is.

Bij een agent zit die controlestap er niet automatisch in. Je zegt: “zorg dat openstaande facturen ouder dan dertig dagen een herinnering krijgen”, en vervolgens gebeurt dat — inclusief het opzoeken van het juiste e-mailadres, het opstellen van de tekst en het versturen. Elke tussenstap is een plek waar het fout kan gaan, en niemand kijkt mee.

Daarom is de belangrijkste voorbereiding niet het uitkiezen van een tool. Het is zorgen dat de dingen waar een agent op leunt, kloppen: je gegevens en je processen.

Waarom schone gegevens de eerste horde zijn

Een agent neemt besluiten op basis van wat hij aantreft. Staat een klant drie keer in je CRM met drie verschillende adressen, dan kiest hij er eentje — en je hoort pas dat het de verkeerde was als de factuur terugkomt. Rommelige data leidt bij een assistent tot een raar antwoord dat jij wegklikt. Bij een agent leidt het tot een handeling die je moet terugdraaien.

Hetzelfde geldt voor je bestanden. Als iedereen bij alles kan, kan een agent die namens iemand werkt dat ook. Dat is precies het punt dat we eerder maakten over het organiseren van je gedeelde cloudopslag: een assistent die te ruim mag kijken, wordt een zoekmachine over dingen die niet iedereen hoort te zien. Bij een agent die ook nog mág handelen, telt dat dubbel.

Begin dus niet met een pilot, maar met een schoonmaak. Welke drie systemen bevatten de gegevens waar het echt om draait? Kloppen die? Zijn er dubbele records, oude klanten, verlaten mappen? Dat werk is saai en het levert direct rendement op, ook zonder AI.

Een proces dat niemand kan opschrijven, kun je niet uitbesteden

De tweede horde is nog vervelender: veel processen in het mkb bestaan alleen in iemands hoofd. Vraag drie collega’s hoe een offerte tot stand komt en je krijgt drie antwoorden. Zolang mensen het doen, gaat dat goed, want die vullen de gaten met gezond verstand. Een agent doet dat niet. Die volgt wat er staat.

De praktische test: kan een nieuwe medewerker het proces uitvoeren met alleen jouw beschrijving in de hand? Zo nee, dan is het te vroeg om het te automatiseren. Schrijf eerst op wat er gebeurt, wie beslist, en wat de uitzonderingen zijn. Die uitzonderingen zijn het belangrijkst, want dat is waar een agent vastloopt of — erger — iets verzint.

De vier grenzen die je vooraf vastlegt

Als je een agent inzet, leg dan vóór de eerste keer draaien vier dingen vast. Dit is geen dik document; een half A4 is genoeg.

1. Welke besluiten mag hij zelf nemen? Een herinnering sturen bij een openstaande factuur: prima. Een betalingsregeling toezeggen: niet. Maak de grens concreet, niet abstract.

2. Wanneer is een mens nodig? Spreek af bij welke stap er iemand moet goedkeuren. Vuistregel: alles wat naar buiten gaat of niet terug te draaien is. Een verstuurde mail haal je niet terug, een verwijderd bestand soms wel.

3. Wat is de bovengrens in geld? Als een agent bestellingen plaatst of abonnementen verlengt, hoort daar een bedrag bij waarboven het stopt en om akkoord vraagt. Zonder dat bedrag is er geen rem.

4. Bij welke gegevens mag hij? Niet “bij het CRM”, maar: bij welke velden, van welke klanten. Hoe smaller, hoe beter.

Leg deze vier vast per agent, niet één keer voor het hele bedrijf. Een agent die facturen boekt heeft andere grenzen nodig dan eentje die social media beheert. In ons artikel over een AI-beleid dat je kunt aantonen staat hoe je dit vastlegt zonder dat het een papieren tijger wordt.

Een agent is een account, geen programma

Dit is het punt dat in de praktijk het vaakst wordt gemist. Een AI-agent logt in. Hij heeft rechten. Hij laat sporen na. Behandel hem dus als een gebruiker en niet als een stukje software.

Dat betekent concreet: een eigen account, niet dat van de directeur of van een oud-medewerker. Alleen toegang tot wat hij nodig heeft. En een logboek waarin je terug kunt zien wat er is gebeurd en waarom — niet alleen dat er iets is gebeurd. Zonder dat logboek kun je een fout niet reconstrueren en dus niet voorkomen dat hij zich herhaalt.

Zet er ook een vervaldatum op. Een proefopstelling die je drie maanden geleden aanzette en waar niemand meer naar kijkt, is precies het soort stille AI-gebruik waar je later last van krijgt.

Een voorbeeld uit de praktijk

Een installatiebedrijf met 28 medewerkers zette een agent in om binnenkomende serviceaanvragen te verwerken: uitlezen, klant opzoeken, werkbon aanmaken, monteur inplannen. De eerste twee weken liep het goed.

In week drie kwam een aanvraag binnen van een klant die twee keer in het systeem stond — één keer met een oud, opgezegd contract. De agent koos het oude record, plande volgens de verkeerde afspraken en stuurde een bevestiging met een tarief dat al twee jaar niet meer gold. Niemand merkte het, want er stond geen goedkeuringsstap tussen “werkbon aanmaken” en “klant informeren”.

De oplossing was niet een betere agent. Het was het opruimen van 340 dubbele klantrecords en het toevoegen van één regel: bevestigingen naar buiten gaan pas weg na akkoord van de planner. Sindsdien draait het, en de planner is per aanvraag ongeveer zeven minuten kwijt in plaats van twintig.

Zo pak je het aan

Je hoeft vandaag geen agent uit te rollen. Wel kun je zorgen dat je er klaar voor bent.

Kies drie processen. Repetitief, met duidelijke regels, en waar een fout niet meteen een ramp is. Facturen inboeken, aanvragen doorzetten, rapportages klaarzetten.

Schrijf ze uit. Stap voor stap, inclusief uitzonderingen. Laat iemand anders het lezen en de gaten aanwijzen.

Ruim de gegevens op waar die processen op leunen. Dubbelingen eruit, eigenaar per bron aanwijzen.

Oefen eerst met gewone automatisering. Een stroom in Power Automate of een vergelijkbare tool doet nog niets zelfstandig, maar dwingt je wel om in stappen en voorwaarden te denken. Dat is dezelfde spier. Zie ook onze voorbeelden van taken die je nu al kunt automatiseren.

Zet de vier grenzen op papier voordat de eerste agent draait, niet erna.

En de regels?

Twee dingen om in de gaten te houden, en we zijn geen juristen, dus laat het bij twijfel toetsen.

De AI-verordening (AI Act) kent sinds 2 februari 2025 een plicht tot AI-geletterdheid: medewerkers die met AI werken, moeten begrijpen wat het doet en waar de grenzen liggen. Sinds 2 augustus 2026 gelden er daarbovenop transparantieverplichtingen. Praktisch komt het erop neer dat mensen moeten kunnen weten wanneer ze met een AI-systeem te maken hebben. Als jouw agent klanten mailt, is dat relevant.

En de AVG blijft gewoon gelden. Een agent die persoonsgegevens verwerkt, heeft daar een grondslag voor nodig, en de leverancier van de agent is een verwerker met wie je afspraken vastlegt. Meer daarover in ons overzicht van de dataregels waar je in 2026 mee te maken hebt en in compliance in de cloud.

Veelgestelde vragen

Wat is het verschil tussen een chatbot en een AI-agent?

Een chatbot beantwoordt vragen, een AI-agent onderneemt acties. Vraag je een chatbot naar de status van een order, dan krijg je een antwoord op basis van de tekst die hij kent. Een agent zoekt het op in je bestaande systemen, bepaalt zelf de volgende stap en voert die uit: een mail sturen, een regel aanmaken, een taak doorzetten. Dat verschil bepaalt ook hoe je ze beoordeelt — een chatbot op zijn antwoord, AI-agents op hun acties. En acties wil je testen voordat ze los mogen.

Moeten we hier zelf iets voor bouwen?

Meestal niet. De tools die je waarschijnlijk al gebruikt — je Microsoft 365-omgeving, je CRM, je boekhoudpakket — krijgen er stap voor stap agent-functies bij. Zelf iets bouwen wordt pas interessant bij complexe processen die nergens standaard in zitten. En ook dan geldt dezelfde volgorde: klein beginnen, uitgebreid testen, en pas daarna meer beslissingen uit handen geven.

Wat is een concreet voorbeeld van een AI-agent in een klein bedrijf?

Een agent die je voorraad in de gaten houdt: hij ziet dat een artikel onder de minimumvoorraad zakt, controleert bij welke vaste leverancier het besteld moet worden, maakt de bestelling klaar en legt die ter goedkeuring voor als het bedrag boven jouw grens uitkomt. Het verschil met een gewone melding is dat de agent de tussenstappen zelf zet.

Is dit duur voor een mkb-bedrijf?

De licentie valt meestal mee; veel functies zitten inmiddels in abonnementen die je al hebt. De echte kosten zitten in de voorbereiding: gegevens opschonen, processen uitschrijven, grenzen bepalen. Dat is eenmalig werk dat ook zonder AI waarde heeft, maar reken er niet op dat het een middagje is.

Wat is het grootste risico?

Een agent die te veel mag en te weinig wordt gecontroleerd. Niet omdat het systeem kwaadwillend is, maar omdat een verkeerde aanname zich in stilte tientallen keren herhaalt. Uitgavenlimieten, een goedkeuringsstap bij onomkeerbare acties en een leesbaar logboek zijn daartegen de belangrijkste maatregelen.

Moeten we onze medewerkers hierop voorbereiden?

Ja, en dat is niet alleen een wettelijke plicht. De rol van je mensen verschuift van uitvoeren naar controleren en bijsturen. Dat vraagt om afspraken over wie waar naar kijkt. Neem het mee in je bestaande securitytraining in plaats van er iets aparts van te maken.

Twijfel je of je gegevens en processen klaar zijn voor deze stap? Wij kijken graag met je mee: welke processen zich lenen voor automatisering, wat er eerst opgeruimd moet worden, en welke grenzen je vastlegt voordat er iets zelfstandig gaat draaien. Bel 030-7115791 of mail info@okayict.nl.