Stel, je vraagt een gewone chatbot om je verjaardag te plannen. Je krijgt een keurig lijstje terug: bel deze locatie, stuur die uitnodiging, regel een taart. Nuttig, maar het werk moet je nog steeds zelf doen.
Geef diezelfde opdracht aan een agent, en hij belt de locatie, stuurt de uitnodigingen en bestelt de taart. Jij krijgt aan het eind een berichtje: geregeld.
Dat is het hele verschil, en het is ook meteen waar het woord “agentic AI” op slaat. Een model denkt. Een agent denkt en doet.
Van praten naar uitvoeren
Een chatbot zoals je hem kent, werkt in één stap. Jij vraagt iets, hij antwoordt, klaar. Een agent werkt in een reeks stappen richting een doel. Hij maakt een plan, gebruikt andere software om dingen voor elkaar te krijgen, controleert het resultaat en gaat door tot de taak af is. Hij heeft toegang tot je agenda, je mail, een webshop, en mag daar zelf handelingen verrichten.
In de praktijk zie je het nu al. Een klantenservice-agent zoekt je bestelling op, regelt de retour en werkt het ticket bij, zonder dat er een mens tussen zit. Een agent voor een tandarts of kapper checkt de planning, boekt je afspraak en stuurt de bevestiging. Een browser-agent zoekt de goedkoopste directe vlucht en vult het boekingsformulier voor je in. Het patroon is steeds hetzelfde: niet vertellen wat je zou kunnen doen, maar het doen.
Ik schreef eerder al over de assistent die uitvoert. Dit is dezelfde verschuiving, nu met een naam erop.
Waar het misgaat
Hier wordt het interessant, en dit is precies het stuk dat in de verkooppraatjes ontbreekt. Een agent die kan handelen, kan ook fouten maken die echt iets veranderen.
Bij een chatbot is een verkeerd antwoord vervelend. Je leest het, je negeert het. Bij een agent kan een verkeerde inschatting in stap één doorwerken in alles wat daarna komt. Verkeerde klant herkend, verkeerde korting toegekend, verkeerde factuur verstuurd, en dan staat de betaling al klaar. De fout stapelt zich op door de keten heen.
Dan is er de laatste meter. Een agent doet het grove werk vaak voor tachtig of negentig procent goed. Het zijn juist de uitzonderingen, de rare gevallen en de subtiele regels die mensenwerk blijven. Ik schreef daar eerder over: de demo en de dinsdagochtend zijn twee verschillende werelden. Bij agents geldt dat dubbel, want hier kost die laatste meter geen verkeerd antwoord maar een verkeerde handeling.
En het grootste punt: een agent geef je de sleutels van je systemen. Dat is een ander soort risico dan een groter chatlogboek. Onderzoekers waarschuwen dit jaar voor aanvallen waarbij kwaadwillenden verstopte instructies in gewone tekst zetten, die de agent vervolgens uitvoert. Het is serieus genoeg dat het in mei een eigen categorie kreeg in de officiële lijst van beveiligingslekken.
Wat dit betekent voor jou
Even nuchter blijven. De cijfers van 2026 laten zien dat ruim veertig procent van de agent-projecten wordt gestopt voordat ze iets opleveren, en dat de meeste bedrijven nog in de pilotfase zitten. De grote belofte van AI die je hele bedrijf runt, is voorlopig vooral belofte.
Maar voor afgebakende klussen werkt het nu al. Een vaste reeks stappen die altijd hetzelfde gaat, met duidelijke regels en data, is precies waar een agent goed in is. Begin daar. Geef hem een smalle taak, kijk wat er gebeurt, en houd zelf de hand aan de kraan.
Het verschil tussen een handige hulp en een dure misser zit hem niet in de techniek. Het zit in hoe goed je de grenzen trekt.
Wil je uitzoeken welke taak in jouw bedrijf zich hiervoor leent, en welke je beter zelf houdt? Daar denk ik graag in mee. Mail naar jeroen@sparkone.nl of kijk op sparkone.nl.