Wat is een AI-agent? Uitleg aan de hand van een echte klus
Een AI-agent is software die een doel krijgt, zelf bepaalt welke stappen daarvoor nodig zijn, die stappen uitvoert met gereedschap (bestanden, een browser, je mail) en controleert of het gelukt is. Een chatbot geeft antwoord; een agent maakt het werk af. Wij laten elke dag agents klussen van een uur of langer doen. Hieronder zie je hoe zo'n klus verloopt, wat het kost en wat er mis kan gaan.
Zelf getest op 11 november 2026.
Een AI-agent in één zin
Een AI-agent is een taalmodel dat in een lus werkt: het kiest een stap, voert die uit met een stuk gereedschap, bekijkt de uitkomst en kiest dan de volgende stap, tot het doel bereikt is of een grens is geraakt. Het verschil met een gewone automatisering zit in wie de volgorde bepaalt. Bij een automatisering ligt elke stap vooraf vast. Een agent bepaalt de stappen onderweg zelf.
Agents, on the other hand, are systems where LLMs dynamically direct their own processes and tool usage
Vrij vertaald: bij een agent bepaalt het taalmodel zelf hoe het werk verloopt en welk gereedschap het daarbij gebruikt.
Anthropic zet in hetzelfde stuk de workflow ertegenover: een vaste route door code, met hier en daar een taalmodel erin. Die tweedeling gebruiken wij ook. Volgens Anthropic moet een agent bij elke stap echte feedback uit zijn omgeving halen, zoals de uitkomst van een test of van een opdracht. Zonder die controle raakt hij de weg kwijt.
Zo verloopt een klus van een agent bij ons
Een voorbeeld uit november 2026. Een agent kreeg de opdracht om een reeks uitlegpagina's te schrijven, zoals deze. Niemand keek mee terwijl hij werkte. Dit deed hij:
Opdracht en grenzen lezen
De opdracht staat in een bestand: wat er af moet zijn, in welke map hij mag schrijven en wat hij niet mag (niets publiceren, niets versturen, niets herstarten). Ook staat erin wanneer iets klaar is: als een keuring groen geeft.
Zelf een plan maken
De agent las de schrijfregels en de onderwerpen en bepaalde zelf de volgorde. Eerst het bewijs verzamelen, dan pas schrijven. Dat plan stond nergens voorgeschreven als stappenlijst; hij leidde het af uit de regels.
Gereedschap gebruiken
Hij haalde de officiële documentatie op om feiten te controleren, telde in onze eigen logboeken hoeveel klussen er waren gedraaid, tekende het schema hierboven en liet dat op een andere computer omzetten naar een plaatje om het na te kijken.
Laten keuren
Elke pagina gaat door een poort: een script dat verboden woorden, te lange zinnen, kapotte links en ontbrekende bronnen weigert. Daarna geeft een tweede taalmodel de tekst een cijfer. Onder de 8 schrijft de agent opnieuw, hooguit drie keer. De eerste versie van deze pagina kreeg een 8, met vijf verbeterpunten: een scheve zin, een kostenparagraaf zonder eigen cijfer en een te lange lijst met theorie. De agent herschreef die delen, haalde voor de kosten een eigen meting uit onze logboeken en liet de pagina opnieuw keuren.
Tussendoor melden
Elke tien tot twintig minuten meldt hij in één gewone zin waar hij is, zodat wij kunnen meekijken zonder logboeken te lezen.
Eindrapport schrijven
De laatste stap is een rapport: wat af is, welk cijfer elke pagina haalde en wat hij heeft overgeslagen, met de reden. Vond hij voor een onderwerp geen eigen bewijs, dan schreef hij die pagina niet en zette hij dat in het rapport.
Zo draaien wij sinds 4 oktober 2026 elke klus die langer duurt dan een gesprek. Tot en met 11 november waren dat er 1.373. Daarvan eindigden er 1.221 met een eindrapport, stopten wij er 137 met de hand, liepen er 5 vast op een fout en waren er 10 nog bezig. De helft van de afgeronde klussen bestond uit 146 stappen of meer: bestanden lezen, opdrachten uitvoeren, pagina's ophalen. Van start tot eindrapport duurde de helft langer dan 47 minuten. Daar zit ook de tijd in dat een agent op een antwoord van ons wachtte; hoe lang hij echt rekende, hebben we niet apart gemeten.
AI-agent, chatbot of automatisering: het verschil
| Chatbot | Automatisering | AI-agent | |
|---|---|---|---|
| Wie bepaalt de stappen? | Niemand: het geeft één antwoord | De bouwer, vooraf | Het model, onderweg |
| Doet het iets buiten het gesprek? | Nee | Ja, steeds hetzelfde | Ja, steeds wat nodig is |
| Voorbeeld | Je vraagt hoe je een factuur opstelt en krijgt uitleg | Komt er een betaling binnen, dan zet n8n een vinkje in je boekhouding | Je vraagt om de onbetaalde facturen van oktober na te lopen; de agent zoekt ze op, controleert de betalingen en zet herinneringen klaar |
| Sterk in | Uitleg en eerste versies | Werk dat elke keer hetzelfde gaat | Werk dat elke keer net anders gaat |
| Zwak in | Dingen echt afmaken | Uitzonderingen | Voorspelbaarheid en kosten |
Voor werk dat elke keer hetzelfde gaat, kiezen wij altijd eerst een gewone automatisering. Die is goedkoper, sneller en voorspelbaar. Een agent zetten we pas in als er oordeel nodig is: lezen, kiezen, schrijven. Anthropic adviseert hetzelfde: begin met de eenvoudigste aanpak en voeg pas complexiteit toe als dat nodig is.
Is ChatGPT een AI-agent?
Het gewone chatvenster van ChatGPT of Claude is geen agent. Je stelt een vraag en krijgt één antwoord; daarna wacht het op jou. Beide makers bouwen er wel agentfuncties in, waarbij het programma zelf zoekt, een browser bestuurt of bestanden aanpast. Coding agents zoals Claude Code en Codex zijn wel echte agents: ze lezen je project, voeren opdrachten uit en controleren met tests of het werkt. Wij werken dagelijks met Claude Code, Codex en andere coding agents naast elkaar.
Welke soorten AI-agents er zijn
Het bekendste leerboek over AI, van Russell en Norvig, deelt de intelligent agent in vijf soorten in. De reflexagent reageert alleen op wat hij nu ziet, zoals een thermostaat. De reflexagent met model onthoudt wat hij eerder zag, zoals een robotstofzuiger die weet welke kamers schoon zijn. Daarna komen de doelgerichte agent (een routeplanner), de agent die afweegt welk doel het beste is en de lerende agent.
De agents waar het nu over gaat, met een taalmodel als brein, zijn doelgericht: je geeft een doel en zij zoeken de weg. In de praktijk is een andere indeling handiger. Er zijn coding agents die in je project werken, browseragents die door websites klikken, agents in kantoorsoftware voor mail, agenda en documenten, en agents die je zelf bouwt op een platform of met een SDK (een bouwpakket voor programmeurs).
Wat een AI-agent kost
Een agent op een abonnement kost een vast bedrag per maand. Claude Pro kost $20 per maand en daarmee kun je Claude Code gebruiken. Max ($100) en Ultra ($200) geven je meer gebruik binnen dezelfde functies (prijzen in dollars, zonder btw, gecontroleerd op 11 november 2026). Met het gratis abonnement van Claude kun je Claude Code niet gebruiken. ChatGPT werkt met vergelijkbare betaalde abonnementen. Bouw je zelf een agent via een API, dan betaal je per gebruik en kost elke stap geld.
Hoeveel dat per klus is, hebben we gemeten. Wij rekenden onze 1.221 afgeronde klussen om naar de losse prijs per gebruik van het model. De helft kwam uit onder $13,44. Een kwart kostte meer dan $26,55 en de duurste tien procent meer dan $54,68. Op een abonnement merk je die kosten niet per klus, maar wel aan de limiet: lange klussen gebruiken je tegoed snel op. Wij zetten daarom elke stap die steeds hetzelfde gaat in gewone code en laten het model alleen oordelen.
Is AI dan gratis? Om te chatten wel, bij de meeste makers. Voor agentwerk betaal je bijna altijd: voor het abonnement of voor het verbruik, en soms ook voor de koppelingen met je eigen software.
Wat er mis kan gaan, en wat je ertegen doet
Anthropic noemt de twee grootste nadelen bij naam: hogere kosten, en fouten die zich opstapelen omdat elke stap voortbouwt op de vorige. Daar komt bij dat een agent dingen kan doen die je niet wilt, zoals een mail versturen of een bestand weggooien. Dit doen wij ertegen:
- Grenzen in code, niet in de prompt. Een regel in de opdracht is een wens. Een controlescript dat vóór elke actie meekijkt (in Claude Code en Codex heet dat een hook), is een grens: het weigert wat niet mag, wat het model ook denkt.
- Per onderwerp bepalen hoeveel de agent zelf mag. Bijvoorbeeld: bestanden aanpassen zelf, mail versturen eerst vragen, betalen boven een plafond nooit zonder ja. In vijf weken legde onze haak 1.402 regels vast; 99 acties blokkeerde hij en 13 weigerde hij omdat ze tegen een vaste regel ingingen.
- Een harde controle vóór klaar. Een test, een keuring of een tweede model dat nakijkt. Laat je een agent zelf bepalen wanneer hij klaar is, dan levert hij soms half werk op.
- Een tijdslimiet en een eindrapport. Elke klus stopt na een vast aantal uren en eindigt met een rapport van wat af is en wat niet.
Vragen
Wat is een AI-agent, in gewone taal?
Een programma dat een doel krijgt en zelf uitzoekt hoe het dat bereikt. Het voert stappen uit met gereedschap, zoals je bestanden, een browser of je mail, en kijkt na elke stap of het de goede kant op gaat.
Wat is het verschil tussen een AI-agent, een chatbot en gewone automatisering?
Een chatbot geeft antwoord en wacht dan. Een automatisering voert stappen uit die vooraf zijn vastgelegd. Een agent kiest de stappen onderweg zelf. Daardoor kan hij werk aan dat elke keer anders loopt, maar is hij ook minder voorspelbaar.
Is ChatGPT een AI-agent?
Het gewone chatvenster niet. ChatGPT en Claude hebben wel agentfuncties die zelf zoeken, klikken of bestanden aanpassen, en coding agents zoals Codex en Claude Code zijn volwaardige agents.
Hoeveel kost een AI-agent?
Op een abonnement vanaf $20 per maand, zoals Claude Pro (gecontroleerd op 11 november 2026). Betaal je per gebruik, dan kostte een klus bij ons in de mediaan $13,44, en lange klussen veel meer.
Welke soorten AI-agents zijn er?
Het leerboek noemt er vijf: reflexagent, reflexagent met model, doelgerichte, nutgerichte en lerende agent. In de praktijk spreek je eerder van coding agents, browseragents, agents in kantoorsoftware en zelfgebouwde agents.
Wat kan er misgaan met een AI-agent en hoe voorkom je dat?
Fouten stapelen zich op, de kosten lopen op en een agent kan iets doen wat je niet wilt. Zet grenzen in code, bepaal per onderwerp hoeveel hij zelf mag, laat elk resultaat keuren en geef elke klus een tijdslimiet.
Bronnen
- Anthropic: Building effective agents gecontroleerd op
- Claude: prijzen per abonnement gecontroleerd op
- Russell & Norvig: Artificial Intelligence, A Modern Approach gecontroleerd op
Meer over agents en agentisch werken
- Voorbeelden van AI-agents: tien agents die in ons bedrijf draaien, met wat ze kostenTien AI-agents die elke dag in ons bedrijf draaien: wat ze doen, hoe vaak, wat één run kost en waar een mens nog beslist. Met gemeten kosten.
- Wat is agentic AI? De betekenis, en de grenzen die het veilig makenAgentic AI kiest zelf stappen, voert ze uit en controleert de uitkomst. Wat dat betekent, met onze eigen grenzen en wat er gebeurt als een agent vastloopt.
- AI-agents voor bedrijven in Nederland: welke taken je uitbesteedt, wat ze per maand kosten en wat je zelf houdtWelke taken een AI-agent in een klein bedrijf goed doet, wat elke taak per maand kost in onze eigen opzet, en vijf dingen die we nooit uit handen geven.
- Wat is MCP? Het Model Context Protocol uitgelegd met een eigen MCP-serverMCP is de standaardstekker tussen een AI-app en je eigen software. Uitgelegd met een MCP-server die we zelf bouwden en aansloten, en waar je op let.
Ook handig
- AI-automatisering: wanneer een regel genoeg is en wanneer je AI nodig hebtWanneer een vaste regel genoeg is en wanneer je AI nodig hebt, met onze test op 50 mails en wat het per 1.000 berichten kost.
- Een n8n AI-agent die je mail sorteert en antwoorden voorbereidt, met akkoord vóór verzendenEen n8n AI-agent die mail sorteert en concept-antwoorden klaarzet, met je akkoord vóór verzenden. Getest op 50 mails, met de uitkomst per concept.
- n8n AI: zo bouw je AI-stappen en agents in n8n, met drie geteste voorbeeldenWat AI in n8n doet, met drie workflows die we bouwden en testten: mail samenvatten, mail sorteren en een agent met gereedschap. Met uitkomsten en kosten.