Agentic AI

Je vraagt een AI-tool niet langer om een tekst, maar om een resultaat: “verwerk de offerteaanvragen van deze week”. Het systeem leest de mails, zoekt de klantgegevens op in je CRM, stelt de offertes op en legt ze klaar ter goedkeuring. Dat is in een notendop agentic AI.

Hieronder lees je wat agentic AI betekent en hoe het verschilt van generatieve AI en van een losse AI-agent. Daarna volgen drie voorbeelden uit de praktijk van een kmo.

Wat is agentic AI?

Agentic AI, in het Nederlands soms agentische AI, is een verzamelnaam voor AI-systemen die een doel krijgen in plaats van een opdracht. Het systeem splitst dat doel op in stappen, roept tools aan zoals je mailbox, CRM of boekhoudpakket, bekijkt het resultaat en beslist wat de volgende stap wordt.

Het woord “agentic” verwijst naar agency: het vermogen om zelf te handelen. Het hart van zo’n systeem is meestal een large language model, uitgebreid met toegang tot data, tools en een geheugen.

Anthropic, het bedrijf achter Claude, hanteert in zijn handleiding Building effective agents een nuttig onderscheid binnen agentic systemen:

• Workflows: taalmodellen en tools volgen een vooraf vastgelegd pad in code. Voorspelbaar en goed te controleren.
• Agents: het taalmodel bepaalt zelf het proces en welke tools het gebruikt. Flexibeler, maar minder voorspelbaar.

Beide vallen onder agentic AI. Een kmo start in de praktijk meestal met de eerste vorm: een vast proces met een taalmodel dat binnen elke stap beslist.

Agentic AI betekenis in vijf kenmerken

Niet elke AI-toepassing met een chatvenster is agentic. Je herkent agentic AI aan deze vijf kenmerken:

• Doelgericht: het systeem werkt naar een resultaat toe, niet naar één antwoord.
• Plannen: het splitst een taak op in deeltaken en bepaalt de volgorde.
• Tools gebruiken: het haalt gegevens op en voert acties uit via API’s of koppelingen zoals MCP.
• Geheugen: het onthoudt wat al gebeurd is binnen de taak en soms ook daarbuiten.
• Bijsturen: het controleert het tussenresultaat en past de aanpak aan als iets misloopt.

Hoe meer van die kenmerken een systeem heeft, hoe meer autonomie het krijgt. Die autonomie is geen aan-uitknop maar een schaal die jij bepaalt.

Agentic AI vs generatieve AI

Generatieve AI produceert nieuwe content op basis van een prompt: een tekst, een beeld of een stuk code. Het werkt reactief: jij vraagt, het model antwoordt en daarna stopt het.

Agentic AI gebruikt diezelfde generatieve modellen als motor, maar zet ze in om een taak af te werken. Het verschil zit dus niet in het model, wel in wat eromheen gebouwd is.

• Output: generatieve AI levert content, agentic AI levert een uitgevoerde taak of beslissing.
• Werking: generatieve AI wacht op jouw prompt, agentic AI zet zelf de volgende stap.
• Jouw rol: bij generatieve AI stuur je elke stap, bij agentic AI stel je het doel en controleer je op vaste momenten.
• Risico: een fout van generatieve AI is een zwakke tekst, een fout van agentic AI kan een verkeerde actie zijn, zoals een mail naar de verkeerde klant.

Agentic AI vs AI-agent

De twee termen worden vaak door elkaar gebruikt, maar ze betekenen niet hetzelfde. Een AI-agent is één concrete toepassing die zelfstandig een taak uitvoert, zoals een agent die leads kwalificeert. Agentic AI is de bredere aanpak: de manier waarop je AI laat plannen, beslissen en handelen.

Een agentic systeem kan uit één agent bestaan, maar ook uit meerdere agents die samenwerken, elk met een eigen rol. Ook een vaste workflow zonder volwaardige agent, waarin een taalmodel op enkele plaatsen beslist, valt eronder.

Een chatbot is meestal geen van beide. Die reageert op vragen, maar voert zelden acties uit buiten het gesprek.

Drie voorbeelden van agentic AI in een kmo

Agentic AI klinkt groots, maar de beste toepassingen zijn vaak klein en afgebakend. Drie voorbeelden van taken waar het goed werkt:

1. Offerteaanvragen verwerken: het systeem leest een aanvraag, zoekt de klant op in je CRM of Odoo, stelt een conceptofferte op en legt die klaar voor een collega. Pas na zijn klik vertrekt de offerte.
2. Facturen inboeken: binnenkomende facturen worden uitgelezen, vergeleken met de bestelling en ingeboekt. Bij een afwijking in bedrag of btw krijgt je boekhouder een melding in plaats van een automatische boeking.
3. Klantvragen opvolgen: een agent beantwoordt eenvoudige vragen over levertermijnen of bestellingen met data uit je webshop en geeft complexe vragen door aan een medewerker, met een samenvatting erbij.

Telkens zie je hetzelfde patroon: het taalmodel redeneert, je bestaande software voert uit en een mens keurt de gevoelige acties goed.

Agentic AI speelt ook aan de kant van je klanten. Met agentic browsing zoeken en bestellen AI-agents zelf op websites en webshops, in naam van de gebruiker.

Starten met agentic AI: begin eenvoudig

De verleiding is groot om meteen een volledig autonome agent te bouwen. Het advies van Anthropic is het omgekeerde: zoek de eenvoudigste oplossing en voeg pas complexiteit toe als het resultaat daar beter van wordt.

1. Kies één terugkerende taak met een duidelijk begin en einde.
2. Bepaal welke data en tools het systeem mag gebruiken en welke niet.
3. Start als workflow, met een mens die elke actie goedkeurt.
4. Geef pas meer vrijheid als de resultaten wekenlang kloppen.

Liever niet zelf bouwen? Bij Conversal kan je AI-agents laten bouwen die draaien in je bestaande systemen, zoals Odoo, WordPress of je CRM. Zo blijft je data binnen je eigen omgeving.

Lees ook: RAG en conversational AI.

Twijfel je of een taak geschikt is voor agentic AI? Probeer de stappen vooraf uit te schrijven. Lukt dat, dan volstaat meestal een workflow. Pas als de stappen per geval verschillen, heeft een agent zin.