De demo's beloven volledige autonomie, de praktijk is nuchterder. Welke AI-agents leveren vandaag al echt waarde voor het MKB, waar lopen ze nog stuk, en hoe begin je klein en veilig?
AI-agents zijn het buzzword van het moment. Op LinkedIn los je met een paar prompts je hele backoffice op, op een conferentie boekt een agent live een vakantie en regelt en passant je belastingaangifte. En dan zit je maandag weer op kantoor, en die ene factuur staat nog steeds in een mailbox te wachten op iemand die hem handmatig overtikt. Tijd om de hype van de werkelijkheid te scheiden. Niet om AI-agents af te branden, maar juist om te laten zien waar ze vandaag al echt waarde leveren voor het MKB, en waar je nog beter even wacht.
Wat een AI-agent eigenlijk is (en niet)
Even nuchter: een AI-agent is een taalmodel dat niet alleen praat, maar ook dingen kan doen. Het kan stappen plannen, gereedschap aanroepen (een API, een database, een mailbox) en op basis van de uitkomst beslissen wat de volgende stap is. Dat is wezenlijk meer dan een chatbot die alleen antwoordt.
De hype zit in het woordje 'autonoom'. De demo's suggereren dat je een vaag doel intikt ('regel mijn administratie') en dat het ding de rest zelf uitzoekt, dagenlang, foutloos. Dat is precies het deel dat in de praktijk nog stukloopt. Een agent die tien open beslissingen achter elkaar moet nemen, stapelt fouten op. Eén verkeerde aanname in stap drie en de rest van de keten klopt niet meer. In een demo zie je dat niet, want demo's worden net zo lang opnieuw opgenomen tot het wel lukt.
Wat vandaag al betrouwbaar werkt
Het goede nieuws: je hebt die magische volledige autonomie helemaal niet nodig om er geld en tijd mee te besparen. De agents die nú werken hebben drie dingen gemeen.
Ze hebben een afgebakende taak. Niet 'doe mijn administratie', wel 'lees deze inkomende factuur, haal er leverancier, bedrag, btw en factuurdatum uit, en zet die klaar in het boekhoudpakket'. Eén duidelijke taak, een meetbaar resultaat, een herkenbaar moment waarop het klaar is. Hoe smaller de scope, hoe betrouwbaarder.
Er zit een mens in de lus. De agent doet het zware voorwerk, een mens drukt op de knop. De agent leest vijftig sollicitaties en zet een samenvatting plus rangschikking klaar, jij neemt de beslissing. De agent stelt een offerte op concept, jij controleert en verstuurt. Dit is geen halve oplossing, dit is de volwassen oplossing. Je houdt de fouten eruit en bouwt tegelijk vertrouwen op, zodat je later stappen kunt automatiseren waar de agent zich bewezen heeft.
De data en tools staan op orde. Een agent is zo goed als waar hij bij kan. Heeft hij een schone koppeling naar je voorraad, je CRM of je boekhouding, dan kan hij betrouwbaar werken. Moet hij gokken op basis van een rommelig Excel-bestand dat half is bijgehouden, dan krijg je rommel terug. Dit is meteen de minst sexy en belangrijkste les: het werk zit in de koppelingen en de datakwaliteit, niet in het AI-model zelf.
Een paar concrete plekken waar dit voor het MKB al loont:
- Inkomende post en facturen verwerken. Lezen, classificeren, gegevens eruit halen, klaarzetten voor goedkeuring.
- E-mail triage en concept-antwoorden. Inkomende vragen sorteren, urgentie inschatten, een concept klaarzetten dat jij afmaakt.
- Orders en klantvragen tussen systemen synchroniseren. Een bestelling in je webshop die automatisch netjes in je boekhouding en je voorraad belandt.
- Onderzoek en samenvatten. Een agent die een stapel documenten of een berg klantfeedback samenvat tot iets waar je een beslissing op kunt nemen.
Stuk voor stuk afgebakend, controleerbaar, en met een duidelijk resultaat. Geen science fiction, gewoon werk dat nu blijft liggen.
Waar agents nog stuklopen
Eerlijk blijven hoort erbij. Op deze punten moet je voorzichtig zijn:
- Lange, open ketens. Hoe meer beslissingen op rij zonder controle, hoe groter de kans dat het ergens misgaat. Foutjes stapelen.
- Vol vertrouwen onzin verkopen. Een taalmodel kan met volledige overtuiging iets verzinnen. Bij een tekstje is dat vervelend, bij een betaling of een juridische tekst is dat een probleem.
- Onomkeerbare acties. Geld overmaken, iets definitief verwijderen, namens jou iets toezeggen. Daar wil je standaard een mens tussen, geen uitzondering.
- Beveiliging en toegang. Een agent die overal bij mag, is ook een agent die overal schade kan aanrichten als er iets misgaat of als iemand er misbruik van maakt. Toegang moet krap, niet ruim.
Dit zijn geen redenen om weg te blijven. Het zijn redenen om verstandig te beginnen.
Hoe je klein en veilig begint
Mijn aanpak, en die van veel bedrijven die hier echt resultaat mee halen, is simpel: kies klein, hou het onder controle, breid uit op basis van bewijs.
- Kies één taak die nu pijn doet. Iets repetitiefs, met veel volume, waar fouten goed te herstellen zijn. Niet je meest kritieke proces als eerste.
- Zet een mens op de knop. Laat de agent voorstellen doen, jij keurt goed. Meet hoe vaak hij het goed heeft.
- Geef hem alleen de toegang die hij nodig heeft. Lezen waar lezen genoeg is. Schrijfrechten en betalingen pas als je het vertrouwt.
- Houd een logboek. Wat deed de agent, op basis waarvan, met welk resultaat. Zonder zicht geen controle.
- Breid pas uit als de cijfers het toelaten. Als de agent week na week betrouwbaar blijkt, kun je stappen waar hij goed in is, vrijgeven zonder dat een mens elke keer hoeft te kijken.
Zo bouw je geen luchtkasteel maar een gereedschap dat je elke dag durft te gebruiken. En dat is precies waar het verschil zit tussen de demo en de praktijk: de praktijk is saaier, kleiner en oneindig veel bruikbaarder.
Het echte werk zit in de koppelingen
Wat ik in de praktijk steeds terugzie: de AI is zelden het moeilijke deel. Het moeilijke deel is je systemen netjes aan elkaar knopen, zodat de agent betrouwbare data heeft om mee te werken en zijn werk ook ergens kan landen. Een agent die je boekhouding, je webshop en je betalingen met elkaar laat praten, is pas zo sterk als die koppelingen schoon en stabiel zijn. Daar gaat het grootste deel van het echte werk zitten, en daar zit ook de blijvende waarde.
Met slim werken, loont hard werken. Een agent die het saaie voorwerk doet zodat jij de beslissingen neemt, is geen hype. Dat is gewoon goed gereedschap.
