Een taalmodel met handen
Een chatbot beantwoordt vragen. Een AI-agent doet iets met het antwoord. Hij krijgt een doel, bedenkt zelf welke stappen nodig zijn, gebruikt gereedschap om ze uit te voeren en kijkt of het gelukt is. Onder de motorkap zit een LLM met toegang tot tools en een lus: bedenken, uitvoeren, controleren.
Een voorbeeld. Een klant mailt een vraag over een levering. De agent leest de mail, zoekt de order op in je systeem, schrijft een antwoord en zet het als concept klaar. Jij kijkt ernaar en verstuurt het. In deze opzet beslist een mens.
Hoe krijgt een agent toegang tot je systemen?
Via tools. Dat is meestal een API of een standaard waarmee het model weet wat het kan aanroepen. MCP, het Model Context Protocol, is zo’n standaard: een open standaard waarmee AI-toepassingen met externe bronnen en tools kunnen praten.
Wat een agent mag, bepaal jij. Geef hem de rechten die voor de taak nodig zijn en niets extra’s. Een agent die mails kan lezen en verwijderen kan meer schade doen dan een die alleen concepten klaarzet.
Waar het wel en niet betrouwbaar is
Een agent werkt goed bij taken waar fouten zichtbaar en te herstellen zijn: een concept, een samenvatting, een voorstel dat iemand bekijkt. Minder goed bij onomkeerbare acties, zoals een betaling, een verwijdering of een mail naar een klant zonder controle. Een agent kan een stap overslaan, een instructie verkeerd lezen of een uitkomst geven die per keer verschilt.
Er is ook een risico dat vaak wordt vergeten. Leest een agent tekst van buiten, bijvoorbeeld een mail, dan kan in die tekst een instructie staan die hij voor een opdracht aanziet. Daarom geef je hem geen rechten die je niet kunt terugdraaien, en houd je een logboek bij van wat hij heeft gedaan.
Agent of vaste regels?
Werk dat elke keer hetzelfde gaat, laat ik liever door gewone code doen, zoals bij procesautomatisering. Die is voorspelbaar, goed na te lopen en goedkoop te draaien. Een RPA-robot volgt vaste stappen, een agent bepaalt zelf welke stappen nodig zijn, en dat verschil bepaalt voor welk werk hij past.
Mijn lijn is dezelfde als bij andere automatisering: begin met één afgebakende taak, bouw een overzicht in van wat er is gedaan en laat werk dat oordeel vraagt bij mensen. Zie bedrijfsprocessen automatiseren. Het bredere standpunt over AI staat in software laten bouwen met AI.

