AI-agents werken pas als je het proces ontwerpt
Een agent die om 02:17 uur doorwerkt klinkt handig
Een AI-agent die 's nachts scripts draait, tests herhaalt en de volgende ochtend resultaten klaarzet, klinkt als iets waar elke ondernemer direct ja tegen zegt. Totdat je vraagt: welke data mag hij zien, wie betaalt de API-kosten en wie controleert of het resultaat klopt?
Daar zit precies het verschil tussen automatiseren en 'dingetjes doen'. Een losse prompt kan best slim lijken. Een agent kan zelfs code schrijven, bestanden aanpassen en tools aanroepen. Maar zakelijke waarde ontstaat pas wanneer jij het werkproces eromheen ontwerpt. Niet de tool is het beginpunt, maar de taak die vaak terugkomt en genoeg pijn doet.
In de bronvideo laat Wes Roth zien hoe een agent overdag samen met hem een benchmarkomgeving bouwt en daarna in de nacht simulaties draait. Interessant, zeker. Maar de les voor jouw bedrijf is niet: installeer precies deze tool. De les is: dag voor Koers en Brandpunt, nacht voor afgebakende uitvoering. Dat is een heel ander gesprek...
Waarom een AI-agent geen medewerker is
Een medewerker snapt context buiten de taak. Die kan aanvoelen dat een klantmail gevoelig ligt, dat een offerte nog niet verstuurd mag worden of dat een API-key niet in een chatvenster hoort. Een AI-agent kan dat soms goed inschatten, maar soms ook niet. En 'soms' is geen procesafspraak.
Daarom behandel ik een agent liever als een uitvoerder met een strakke werkbon. Je geeft hem input, context, rechten en een gewenste output. Daarna controleer je wat hij heeft gedaan. Klinkt minder spannend dan een digitale collega, maar het werkt veel beter. Zeker als klantdata, marketingbudget of productiecode geraakt wordt.
- Schrijf eerst de taak in gewone taal op: wat moet er precies klaar zijn?
- Bepaal welke bronnen de agent mag lezen en welke bronnen buiten bereik blijven.
- Geef alleen de tools die nodig zijn voor deze taak, niet alles wat technisch kan.
- Laat de agent een log of samenvatting schrijven van iedere actie die effect heeft.
- Laat een mens reviewen voordat iets naar klanten, productie of campagnes gaat.
“Strategie is geen lijstje acties, maar kiezen wat je wel en niet doet.”
Van losse prompt naar werkproces
De meeste bedrijven beginnen te breed. 'Kun je mijn marketing automatiseren?' is geen opdracht voor een agent. 'Controleer elke ochtend nieuwe formulierinzendingen, label ze op diensttype, maak een conceptmail en zet afwijkingen apart voor review' is dat wel. Zie je het verschil?
Een goed agentproces heeft een begin en een einde. Het begint met een trigger, bijvoorbeeld een nieuwe lead, een nieuwe video, een nieuwe voorraadmutatie of een foutmelding. Het eindigt met een controleerbare output: een concept, een rapport, een ticket, een draft of een lijst met uitzonderingen. Alles daartussen moet je kunnen teruglezen.
| Onderdeel | Losse prompt | Agentproces |
|---|---|---|
| Input | Een vraag in een chatvenster | Vaste bron, vaste velden en vaste context |
| Rechten | Alles wat de gebruiker kopieert | Alleen de tools die nodig zijn voor de taak |
| Kosten | Achteraf schrikken van tokens of API-calls | Budgetplafond, batchlimiet en stopregel vooraf |
| Controle | Je leest het antwoord vluchtig | Log, testresultaat en menselijke review |
| Opschaling | Nog een prompt, nog een experiment | Herhaalbare workflow in CRM of taakomgeving |
Wat je een agent wel en niet laat doen
Niet elk proces is geschikt. Een agent is sterk bij repeterend werk waar duidelijke bronnen, regels en controlepunten bestaan. Denk aan concepten maken, data opschonen, fouten signaleren of meerdere bronnen samenvatten. Een agent is zwakker wanneer de context politiek, juridisch, emotioneel of financieel gevoelig is. Dan mag hij helpen, maar niet beslissen.
| Geschikt om te testen | Alleen met extra review |
|---|---|
| Conceptartikelen maken uit goedgekeurde briefs | Zelf bepalen welke claim gepubliceerd mag worden |
| Nieuwe leads labelen op dienst en urgentie | Een klant zelfstandig een prijs of advies sturen |
| Campagnerapporten voorbereiden uit GA4 en Ads-data | Budgetten wijzigen zonder akkoord |
| CRM-records controleren op ontbrekende velden | Klantdata verrijken via onduidelijke bronnen |
| Testresultaten en logs samenvatten | Productiecode deployen zonder rollback-plan |
Voor Funnel Adviseur-klanten is dit precies waarom ik AI niet los zie van CRM, website-development en automation. Een agent die een conceptmail maakt, moet weten welke lijst, welk formulier, welke bron en welke klantfase erbij hoort. Anders krijg je tekst zonder proces. En daar heb je al genoeg tools voor.
De drie grenzen: kosten, data en productie
De commentaren onder de bronvideo laten vooral enthousiasme zien, maar ook vragen over kosten, broncode, sponsorruis en herhaalbaarheid. Dat herken ik. Ondernemers willen best bouwen, maar vertrouwen ontstaat pas als je laat zien waar de rem zit. Niet achteraf, maar vooraf.
- Kosten: werk met een limiet per run, per dag en per project. Stop automatisch als een taak te breed wordt.
- Data: geef de agent geen plaintext credentials en geen klantdata die hij niet nodig heeft.
- Productie: draai nieuwe workflows eerst in een sandbox of testomgeving, met nepdata waar dat kan.
- Logging: bewaar welke input is gebruikt, welke tools zijn aangeroepen en welke output is gemaakt.
- Review: laat externe mail, campagne-acties, databasewijzigingen en publicatie altijd door een mens bevestigen.
OWASP hamert bij secrets management op centrale opslag, toegang per object en het principe van least privilege. 1Password laat je met secret references werken, zodat je geen plaintext sleutels in code hoeft te zetten. Docker beschrijft rootless mode als manier om daemon en containers zonder rootrechten te draaien. Dat zijn geen leuke extraatjes. Dat zijn de vangrails.
Koers kiezen, Brandpunt zetten, dan pas schalen
De verleiding is groot om AI-agents meteen op tien processen te zetten. Leadopvolging, nieuwsbrief, rapportage, klantenservice, content, voorraad, planning. Shit, we moeten iets met AI. Dus maak je overal een agentje voor. Dat voelt productief, maar meestal bouw je alleen maar extra ruis.
Ik zou andersom beginnen. Kies eerst Koers: welk bedrijfsproces moet echt beter omdat het omzet, service of tijd raakt? Zet daarna Brandpunt: waar zit de bottleneck die vaak terugkomt en goed te controleren is? Pas daarna komt de agent. Niet als speeltje, maar als uitvoerende laag binnen je bestaande CRM, workflow of klantreis.
- Kies een proces met herhaling en duidelijke pijn, bijvoorbeeld leadtriage of contentdrafts.
- Maak de taak kleiner dan je eigenlijk wilt. Een agent mag groeien na bewijs, niet ervoor.
- Bouw een testloop met voorbeeldinput, verwachte output en foutcases.
- Meet tijdwinst, foutpercentage, kosten per run en reviewtijd.
- Schaal pas op als de log laat zien dat het proces betrouwbaar blijft.
AI-agents worden interessant als je ze saai genoeg maakt om te vertrouwen. Klein werk. Duidelijke grenzen. Logboek erbij. Menselijke review op de plekken waar reputatie, geld of klantvertrouwen geraakt wordt. Ben benieuwd hoeveel bedrijven eerst hun proces durven te versimpelen voordat ze het automatiseren...
