Wat is een AI-agent (en waarom hoor je er ineens overal over)?

Een paar jaar geleden was het antwoord op "wat kan AI?" simpel: het beantwoordt vragen. Je typt iets, het model reageert, klaar. Inmiddels duikt overal een nieuw woord op: agent. Softwarebedrijven bouwen er platforms voor, nieuwskoppen kondigen ze aan als de volgende revolutie. Maar wat is een AI-agent nu precies — en wat is er anders dan een gewone chatbot?

De chatbot als spiegel

Een taalmodel op zichzelf — denk aan ChatGPT in zijn eenvoudigste vorm — reageert op wat jij typt en wacht dan. Het neemt geen vervolgstappen. Het is als een uiterst belezenwoordenboek dat antwoord geeft: het slaat niets op tussen twee gesprekken, stuurt geen mail namens jou, en zoekt niet zelf nieuwe informatie op. Het reageert, het handelt niet.

Wat maakt iets een agent?

Een AI-agent is een taalmodel dat is uitgerust met tools en een doel, en dat in een lus werkt. Stel je voor: een assistent die niet alleen vraagt "wat wil je?" maar vervolgens zelf de kalender opent, een vlucht opzoekt, een e-mail opstelt én verstuurt — en daarna rapporteert wat er is gedaan.

De drie ingrediënten zijn:

• Een model als redeneermotor. Het taalmodel denkt na, plant stappen, en beslist welke tool het nodig heeft.
• Tools. Dat kunnen websoekopdrachten zijn, een rekenmachine, toegang tot een agenda, of een koppeling met een externe dienst. De agent roept ze aan als dat nodig is.
• Een lus. Na elke actie bekijkt de agent het resultaat en beslist of het doel bereikt is, of dat er een volgende stap nodig is. Dit heet in vaktaal een observe–reason–act-cyclus (ook wel de ReAct-lus): waarnemen, redeneren, handelen.

Een concreet voorbeeld

Stel dat je een agent vraagt: "Plan een vergadering met drie collega's volgende week en stuur de uitnodiging." Een gewone chatbot geeft je instructies hoe je dat zelf doet. Een agent doet het zelf: hij leest de agenda's van de collega's (als hij daar toegang toe heeft), vindt een vrij tijdslot, maakt een uitnodiging aan en verstuurt die — zonder dat jij er nog iets aan hoeft te doen.

Andere voorbeelden die nu al bestaan: agents die zelfstandig code schrijven en testen, die webpagina's doorzoeken en een rapport samenstellen, of die klantvragen beantwoorden én het CRM-systeem bijwerken.

Waar zitten de grenzen?

Agents klinken indrukwekkend — en dat zijn ze soms ook. Maar er zijn reële beperkingen die je moet kennen.

Ten eerste erft een agent alle zwakheden van het onderliggende model. Als het model iets verzint (hallucinatie), voert de agent dat onjuiste plan mogelijk gewoon uit. Een fout in de redenering wordt een fout in de werkelijkheid.

Ten tweede is toezicht cruciaal. Hoe meer een agent zelfstandig mag doen — mails sturen, bestanden verwijderen, bestellingen plaatsen — hoe groter het risico als er iets misgaat. In de praktijk werken verantwoorde systemen daarom met human-in-the-loop-momenten: de agent pauzeert en vraagt bevestiging voordat het iets onomkeerbaars doet.

Ten derde zijn agents geen autonome wezens met eigen wil. Ze volgen instructies en gebruiken tools; ze begrijpen niet wat ze doen in de menselijke zin van het woord. De indruk van "slim handelen" is het resultaat van goed ontworpen prompts, tools en lussen — niet van begrip.

Waarom hoor je er nu zo veel over?

Modellen zijn de afgelopen jaren sterk verbeterd in het volgen van complexe instructies en het plannen van meerdere stappen. Tegelijkertijd zijn de "gereedschapskisten" — de platforms die modellen aan tools koppelen — goedkoper en toegankelijker geworden. Dat maakt het nu praktisch haalbaar om agents te bouwen die eerder pure science fiction waren.

Wil je begrijpen hoe het model binnenin een agent denkt en beslist? In de cursussen van AILogica leggen we uit hoe taalmodellen werken, hoe ze instructies verwerken en waarom ze soms de mist ingaan — de theorie achter de agent.