icon
en

AI-agents: de nieuwste halte van de hypetrein

Geschreven door

Dees Oomens

Geplaatst op

Deel artikel

LinkedIn

Facebook

X

De hypetrein

Elke nieuwe techcyclus brengt een waanzinnige hoeveelheid hype met zich mee, en iedereen springt op de hypetrein. Ik zag het bij VR/AR, 3D-printen, IoT, blockchain, en nu bij AI-agents. In het begin is er een enorme golf van enthousiasme, maar na een tijdje blijken er minder praktische toepassingen te zijn of maakt het dingen onnodig complex.

Tsjoek tsjoek riemen vast, want we springen op de hypetrein.

Eerste halte: station Blockchain Centraal, of moet ik zeggen station Gedecentraliseerd? Toen dit tijdperk begon, sprak ik met klanten die blockchain wilden gebruiken om een traditionele database te vervangen. Waarom? Omdat blockchain in het nieuws was. Ik denk dat we het allemaal eens zijn over de complete overkill. Ze wilden decentralisatie en transparantie voor... klantgegevens waar alleen zijzelf bij zouden kunnen. Een gewone PostgreSQL-database had de klus geklaard met een tiende van de complexiteit en kosten. Maar dat was niet “innovatief” geweest.

Volgend station: VR. De verwachtingen waren enorm: virtuele kantoren, massale gaming-adoptie en revoluties in het onderwijs. Maar de hardware bleef duur, mensen werden er misselijk van en het aantal écht overtuigende toepassingen was beperkt.

Hoor je dat? De conducteur blaast op zijn fluit, we rijden door. Volgende halte: 3D-printen. “Binnen tien jaar print iedereen zijn spullen thuis,” zeiden ze. Startups beloofden revoluties in productie, bouw en zelfs voeding.

Ik zeg niet dat deze technologieën niet nuttig zijn, integendeel! Er zijn geweldige use cases voor allemaal. Maar ze blijven vooral niche.

Oh, de trein vertrekt naar de volgende hype.


De definitie van een AI-agent

Eindelijk rijdt de trein station AI-agent binnen. Maar wacht? Is dit echt een nieuwe bestemming, of gewoon het oude AI-station met een nieuw likje verf?

Dit is mijn definitie van een AI-agent: Een autonome loop die waarneemt, beslist en handelt richting een doel.

Toen ik het aan mijn vrouw uitlegde, gebruikte ik een andere analogie: denk aan een spooronderhoudsploeg met een gereedschapskist met daarin een hamer, een moersleutel en een rolmaat. Zien ze een losse rail, dan weten ze dat ze de moersleutel moeten pakken. Zien ze een kapotte biels, dan grijpen ze naar de hamer. Ze beoordelen de situatie en kiezen autonoom het juiste gereedschap.

De pitch die je online ziet klinkt ongelooflijk: autonome agents die 24/7 werken, complexe taken afhandelen en zich aanpassen aan elke situatie. Net zoals blockchain “elke industrie zou revolutioneren” en VR “fysieke kantoren zou vervangen.”

De demo’s? Vlekkeloos. Een gelikte agent die meetings inplant, concurrenten onderzoekt en rapporten opstelt: allemaal autonoom. Het lijkt wel magie.

Maar dan zet je hem in in de echte wereld.

Een klant gebruikt “urgent” in plaats van “hoge prioriteit”, en je agent stuurt het naar de verkeerde afdeling. Iemand schrijft “ik denk dat we moeten annuleren” in een e-mail, en je agent annuleert een order van €10.000. Een prospect stelt een net iets ongebruikelijke vraag, en in plaats van onzekerheid toe te geven, hallucineert je agent vol zelfvertrouwen een antwoord over features die je niet hebt.

Elke misser knaagt aan het vertrouwen. En in ons vak is vertrouwen alles.

Het probleem is niet de technologie, het is de belofte. Ons worden general-purpose autonome agents verkocht die “alles kunnen”, terwijl wat écht werkt smalle, goed afgebakende automatiseringen met AI-componenten zijn.


Het cruciale verschil

Dit is wat de meeste mensen verkeerd begrijpen:

AI-automatisering: Een vooraf gedefinieerde workflow met AI-stappen. Denk: “Als er een e-mail binnenkomt → Haal info eruit met AI → Valideer het formaat → Stuur naar systeem A.” Het pad ligt vast, de output is voorspelbaar. Het is een trein die de rails volgt.

AI-agent: Autonome besluitvorming. Hij kiest welke tools hij gebruikt, wanneer, en kan onverwachte paden nemen om zijn doel te bereiken. Denk: “Hier is je doel, zoek maar uit hoe je het bereikt.” Het is een conducteur die onderweg de route kan wijzigen.

De agent beslist. De automatisering volgt.

90% van de zogenaamde “AI-agents” die ik op social media voorbij zie komen, zijn gewoon reguliere AI-automatiseringen die een LLM aanroepen. Dat is niet per se verkeerd en levert zeker ook waarde op, maar ze gooien extra kolen in de glimmende AI-aangedreven stoomlocomotief zonder te begrijpen wat ze eigenlijk hebben gebouwd.


Waarom simpel wint

De meeste bedrijven hebben geen complexe, glimmende AI-systemen nodig; wat ze nodig hebben is iets simpels maar betrouwbaars.

De post-it-regel: als iemand zijn AI-agent niet op één post-it kan uitleggen, is hij waarschijnlijk te ingewikkeld.

Wanneer agents wél zinvol zijn:

  • Ze leven in tools die je al gebruikt (een Slack-bot die vragen beantwoordt, een Jira-assistent die tickets triageert, een CRM-hulpje dat contacten verrijkt)
  • Kleine, repetitieve taken waarbij af en toe iets geks acceptabel is
  • Altijd met een mens in de loop

Neem ons orderextractieproject bij OWOW. We begonnen met een autonome agent: geef hem toegang tot e-mail en de ERP-API, en laat hem de rest uitzoeken. Klinkt efficiënt, toch?

In de testfase zag het er briljant uit. In productie met 1.000 orders per maand? Chaos. De agent besloot data naar het verkeerde systeem te sturen, de verkeerde API-endpoints aan te roepen of vol zelfvertrouwen onvolledige informatie te pushen naar tools die daar niet voor gemaakt waren. Hij nam autonome beslissingen, geweldig! Alleen niet de juiste..

We hebben het herbouwd als een strikte automatisering:

  1. Data extraheren met AI
  2. Valideren tegen een schema
  3. Alles wat onzeker is markeren voor menselijke review
  4. Alleen bevestigde orders naar het ERP sturen

Saai? Absoluut. Betrouwbaar? 100%.

De AI doet nog steeds het zware werk: rommelige e-mails parsen, verschillende formaten afhandelen en context begrijpen. Maar het proces is voorspelbaar. Als er iets misgaat, weten we precies waar. Dat is wat je nodig hebt voor kritieke workflows.


Zelf bouwen

De beste manier om het verschil te begrijpen? Bouw ze allebei en zie het zelf. Ik laat je twee simpele voorbeelden zien: één automatisering, één agent.

Voorbeeld 1: AI-automatisering (vaste flow)

// AI-automatisering: vast pad, voorspelbaar
const orderAutomation = async (email) => {
console.log(”Step 1: Extracting order details...”);
const orderData = await llm.extract(email, orderSchema);

console.log(”Step 2: Validating data...”);
const isValid = validateOrder(orderData);

if (!isValid) {
console.log(”Step 3: Flagging for human review”);
return { status: “needs_review”, data: orderData };
}

console.log(”Step 3: Sending to ERP”);
await sendToERP(orderData);
return { status: “processed” };
};


Voorbeeld 2: AI-agent (autonoom)

// AI-agent: neemt zijn eigen beslissingen
const researchAgent = new Agent({
model: llm,
tools: [searchWeb],
instruction: “Research this company and their main products”
});

const result = await researchAgent.run(”Tell me about Stripe”);

// In de console zie je de autonome beslissingen van de agent:
// > Agent: ik moet informatie over Stripe opzoeken
// > Tool selected: searchWeb(”Stripe payment platform”)
// > Agent: ik zie dat ze betalingen doen. Laat me zoeken naar hun productaanbod
// > Tool selected: searchWeb(”Stripe products API services”)
// > Agent: nu heb ik genoeg informatie om samen te vatten...

Zie je het verschil? Bij de automatisering bepaal JIJ elke stap. Bij de agent bepaalt HIJ welke tools hij gebruikt, hoe vaak hij ze aanroept en welke informatie hij nodig heeft. De agent zag het eerste zoekresultaat, stelde vast dat hij specifiekere informatie nodig had en besloot autonoom om opnieuw te zoeken met een aangescherpte query.

Probeer ze allebei te bouwen. Kijk hoe de agent werkt. Het is oprecht magisch wanneer hij slimme keuzes maakt. Kijk vervolgens hoe hij faalt op creatieve manieren die je nooit had voorzien. Beide lessen zijn waardevol.

Begin klein: bouw een tool die JOU helpt, geen productiesystemen. Zodra je een agent vol zelfvertrouwen een verschrikkelijke beslissing hebt zien nemen, begrijp je precies wanneer je er een moet gebruiken en wanneer je beter bij saaie, betrouwbare automatisering kunt blijven.


Eindhalte

Zo zijn we aan het einde gekomen van onze reis op de AI-agent-hypetrein. We zijn langs station Blockchain, VR Centraal en het 3D-printplein gekomen. Elk beloofde alles te revolutioneren. Elk vond zijn niche.

AI-agents zullen hetzelfde pad volgen. Ze zijn niet nutteloos, verre van. Maar het zijn ook niet de autonome digitale medewerkers die elk pitchdeck belooft. Althans, nog niet.

Voordat je een kaartje koopt voor deze hypetrein, vraag jezelf af:

  • Kan ik de AI-agent op een post-it beschrijven? Zo niet, dan heb je automatisering nodig.
  • Los ik een echt probleem op, of jaag ik op innovatie om de innovatie?
  • Zou ik dit zonder toezicht laten draaien met de reputatie van mijn bedrijf op het spel?

De waardevolste AI-implementaties die ik heb gezien zijn niet de meest flitsende. Het zijn de saaie, betrouwbare automatiseringen die 20 uur per week besparen. De simpele Slack-bots die repetitieve vragen beantwoorden. De extractietools die het geestdodende werk afhandelen zodat mensen zich kunnen richten op wat er echt toe doet.

Jaag niet op de hype. Bouw wat werkt.

En wanneer de volgende hypetrein het station binnenrijdt? Sta even stil voordat je erop springt. Stel de moeilijke vragen. Eis bewijs uit de echte wereld, niet alleen gepolijste demo’s.

Want over een paar jaar is er weer een trein, weer een revolutie, weer een technologie die belooft alles te veranderen.

De vraag is niet óf je instapt, maar of je ergens heen gaat dat er echt toe doet.

Tsjoek tsjoek. 🚂

Let’s collaborate

You are now being called to action.Choose wisely

30sec

Pitch

To save us both time, we created a 30-second pitch on why we are the right digital partner for you

Watch pitchicon
10min

Tour

Proposals and pricing? Watch this for everything you need to make the next step

View presentationicon
30min

Discovery call

Ready to speak to a human? We have some of those. Book a No-Commitment discovery call!

Book a callicon