Een AI-agent is software waaraan je een taak geeft. De agent bepaalt de stappen, gebruikt je tools om ze uit te voeren en stopt als het werk klaar is of als hij vastloopt. Agentic AI (ook wel agentische AI) is het bredere woord voor AI die op deze manier werkt. De twee termen zijn dus geen concurrenten. "AI-agent" benoemt een ding. "Agentisch" beschrijft hoeveel van het werk de AI zelf plant en uitvoert.
Waarom doet dit ertoe? Omdat leveranciers beide woorden losjes gebruiken, en het label je zelden vertelt wat een product echt gaat doen met je inbox, je CRM of je klanten. Deze gids legt uit waar de woorden vandaan komen, hoe mensen ze nu gebruiken en hoe je elke tool beoordeelt met een paar eenvoudige vragen.
AI-agents vs agentic AI: de korte versie
| AI-agent | Agentic AI | |
|---|---|---|
| Wat het is | Iets waar je naar kunt wijzen | Een omschrijving, of een hele categorie |
| Hoe mensen het zeggen | "We gebruiken een AI-agent om nieuwe leads te onderzoeken." | "Deze workflow is agentisch." |
| Hoe groot | Eén systeem dat één soort taak uitvoert | Alles van een eenvoudig proces met AI-ondersteuning tot meerdere agents die samenwerken |
| Wat je vraagt | Welke taak is van hem, en waar mag hij aan komen? | Hoeveel beslissingen neemt het voordat iemand het werk controleert? |
Niemand is eigenaar van deze termen. Als een artikel je één "officiële" grens tussen de twee geeft, krijg je de mening van één groep.
Waar de woorden vandaan komen
"Agent" is oud. In hun leerboek Artificial Intelligence: A Modern Approach uit 1995 definieerden Stuart Russell en Peter Norvig een agent als alles wat zijn omgeving waarneemt en erop inwerkt. Volgens die definitie telt een thermostaat ook mee. Nieuw is dat de AI-modellen van nu rommelig werkmateriaal kunnen lezen, zoals een boze klantmail, en kunnen beslissen wat ze ermee doen.
"Agentisch" is nieuwer. In juni 2024 stelde Andrew Ng, oprichter van DeepLearning.AI, een manier voor om de discussie te beëindigen over wat als agent "telt". Zie het als een kwestie van gradatie, schreef hij: "Unlike the noun 'agent,' the adjective 'agentic'" (vertaling: "Anders dan het zelfstandig naamwoord 'agent' laat het bijvoeglijk naamwoord 'agentisch'") je systemen beschrijven die een beetje of juist heel erg op een agent lijken.
Een paar maanden eerder had hij al een goede vergelijking gebruikt. Een AI in één keer om een antwoord vragen is alsof je iemand een essay laat schrijven zonder ooit op backspace te drukken. Met een agentische aanpak kan de AI een opzet maken, onderzoek doen, een concept schrijven, controleren en herzien, zoals een mens dat zou doen.
YouTube · Sequoia Capital
What's next for AI agentic workflows ft. Andrew Ng of AI Fund (Wat is de volgende stap voor agentische AI-workflows, met Andrew Ng van AI Fund) · 26 maart 2024
De vergelijking met het essay zonder backspace is de helderste korte uitleg van "agentisch" die we vonden. Het is een talk uit 2024, dus zie het als een les over het idee, niet als een verslag over de tools van nu.
Drie manieren waarop mensen de termen nu gebruiken
1. "Agentisch" als overkoepelende term. De gids Building effective agents van Anthropic (december 2024) noemt dit allemaal "agentische systemen" en splitst ze dan in tweeën. In een workflow liggen de stappen vooraf vast. Bij een agent kiest de AI zelf de stappen. Een weekrapport dat altijd dezelfde vijf stappen doorloopt is agentisch, maar het is een workflow.
2. "Agentic AI" als teams van agents. Een onderzoeksoverzicht, AI Agents vs. Agentic AI (voor het eerst gepubliceerd in mei 2025, herzien in september 2025), gebruikt "AI-agent" voor één systeem dat één taak uitvoert, zoals supportvragen beantwoorden. "Agentic AI" bewaart het voor meerdere agents die een groter doel onderling verdelen en hun werk op elkaar afstemmen.
3. "Agentic AI" als marktlabel. Analisten en leveranciers gebruiken het vaak als categorienaam. In juni 2025 voorspelde Gartner dat meer dan 40% van de agentic-AI-projecten eind 2027 zou zijn stopgezet vanwege de kosten, onduidelijke waarde of zwakke risicobeheersing. Dat is een voorspelling, geen telling. Gartner gaf ook een naam aan "agent washing": een oude chatbot of automatiseringstool een agent noemen zonder echte nieuwe mogelijkheden toe te voegen. In mei 2026 waarschuwde Gartner voor hetzelfde bij software voor supply chain-planning.
Figuur 1. Eén gangbaar gebruik van "agentische systemen" als overkoepelende term voor workflows en agents. Multi-agent beschrijft hoe agents worden gecombineerd. Het zijn geen productcategorieën die elkaar uitsluiten.
De echte vraag: wie kiest de stappen?
Alle drie de toepassingen delen één idee. Hoe meer een AI zelf beslist, hoe agentischer hij is. Het meeste zakelijke werk valt in een van drie niveaus:
- Assistent. Jij vraagt, de assistent antwoordt of schrijft een concept. Al het andere doe je zelf.
- Workflow. De stappen zijn vooraf afgesproken. De AI doet het lees- en schrijfwerk binnen elke stap.
- Agent. Je geeft een doel. De agent bepaalt wat hij controleert, welke tool hij gebruikt en wanneer hij genoeg weet.
Maya Murad van IBM noemt dit een "glijdende schaal" (sliding scale) van autonomie. Je kiest het niveau per taak. Het is geen functie die je één keer koopt.
YouTube · IBM Technology
What are AI Agents? (Wat zijn AI-agents?) · 15 juli 2024
Maya Murad loopt de "glijdende schaal" van AI-autonomie door en legt daarna uit waarom een afgebakende, voorspelbare taak vaak beter werkt met een vast pad dan met een agent.
Agent of automatisering? Een debat dat je moet kennen
Mensen die deze systemen voor hun werk bouwen, discussiëren hier op dit moment over. Alex Vacca, die zichzelf omschrijft als oprichter en CEO van Frontal AI, een bedrijf dat B2B-bedrijven helpt hun omzet te laten groeien, verwoordde het pleidooi voor automatisering onlangs zonder omwegen in een post.
X · Alex Vacca (@itsalexvacca) · 7 oktober 2026
"If you can write every step down first, build an automation." … "An agent fails quietly." (Vertaling: "Als je elke stap vooraf kunt opschrijven, bouw dan een automatisering." … "Een agent faalt in stilte.")
Zijn punt is praktisch. Als een taak vaste stappen heeft (ons voorbeeld: nieuwe formulierinzendingen naar een CRM kopiëren), is het weggegooid geld om een AI te betalen om die stappen te bepalen. Hij merkt ook op dat een kapotte automatisering meestal een foutmelding geeft, terwijl een agent succes kan blijven melden terwijl zijn antwoorden langzaam slechter worden. Daarom laat hij iemand goedkeuring geven voordat er iets wordt verstuurd.
We zijn het eens met de test, met één kanttekening: het is de mening van één praktijkmens, gebaseerd op zijn eigen opzet, van iemand die dit soort werk verkoopt. Het sluit wel aan bij wat Anthropic en IBM zeggen. Begin met het eenvoudigste dat werkt. Zet alleen een agent in als de stappen echt afhangen van wat hij vindt.
Veelvoorkomende mythes
"Agentic AI is de nieuwere, betere versie van AI-agents." Nee. Een agent is een van de meest agentische dingen die er bestaan. De termen beschrijven gradaties, geen productgeneraties.
"Meer autonomie is altijd beter." Nee. Meer autonomie kost meer en is lastiger te controleren. Voor een weekrapport dat er elke keer hetzelfde uitziet, is een vaste workflow goedkoper en voorspelbaarder.
"Een agent weet alles over je bedrijf." Hij weet alleen wat hij kan zien: de tools die je hebt gekoppeld en het gesprek waarin hij zit. In Okou bijvoorbeeld heeft elke chat zijn eigen context. Een nieuwe chat begint blanco, tenzij je bewust een eerdere chat erbij haalt.
"Meer agents betekent meer kunnen." Niet per se. Elke overdracht tussen agents is weer een plek waar fouten zich kunnen opstapelen of toegang zich kan verspreiden. Vraag wie eigenaar is van het eindresultaat.
"Het label vertelt je wat het doet." Nee. Gartner bedacht "agent washing" precies hiervoor, en waarschuwde er in 2026 nog steeds voor. Negeer het woord en vraag wat het product zelfstandig doet.
Eén taak, drie manieren: een verlenging in gevaar
Zo werkt dit uit bij echt werk. Het voorbeeld is verzonnen om het idee te laten zien. Het is geen klantverhaal.
Dana leidt customer success bij een softwarebedrijf. Over zes weken moet een klant verlengen, en er klopt iets niet. De aanwijzingen liggen verspreid. In de supportinbox staat een ontevreden e-mail. In het CRM staat nog steeds "gezond". Een gedeeld document vermeldt dat het aantal logins daalde nadat de klant was gereorganiseerd. En in een Slack-thread van vorige maand staat wat de directie besloot: dit kwartaal geen kortingen op verlengingen.
1. Eén keer een agent vragen
Dana vraagt Okou: "Waarom loopt deze klant risico, en wat moet ik deze week sturen?" Okou bepaalt wat er gelezen wordt: de e-mail, het CRM-record, de notitie over het gebruik en de Slack-thread. De chat laat zien hoe lang Okou al bezig is, hoeveel stappen Okou heeft gezet en waar Okou nu mee bezig is.
Okou aan het werk aan een andere taak. Je ziet de tijd, het aantal stappen en de huidige actie.
De Slack-thread verandert het antwoord. Als je alleen de e-mail leest, zou je misschien korting aanbieden. Het besluit in Slack sluit dat uit, dus stelt Okou in plaats daarvan een nieuwe onboardingsessie voor het nieuwe team van de klant voor. Okou wijst er ook op dat het CRM en de e-mail elkaar tegenspreken, in plaats van stilletjes een van de twee te kiezen. Feiten komen met links naar hun bron. Vermoedens worden als vermoedens gemarkeerd.
Okou stemt het resultaat ook af op elke lezer, een idee dat het productoverzicht van Okou communiceren via het juiste medium noemt. Dana krijgt een korte briefing om de knoop door te hakken. De klant krijgt een antwoord, opgeslagen als Gmail-concept dat Dana moet goedkeuren. Het accountteam kan een update van twee regels in zijn kanaal krijgen. Er gaat niets naar de klant totdat Dana het verstuurt. Okou kan alleen doen wat Dana heeft toegestaan. Als een tool opstellen en versturen scheidt, kan Dana het een toestaan zonder het ander.
In Okou wachten e-mails als concept tot iemand ze verstuurt. Hier staat de "Sent"-teller op nul. Demodata van een andere taak.
Dana corrigeert één verkeerde aanname (de operations lead is nieuw, niet vertrekkend) en vraagt om een korter antwoord. Omdat het dezelfde chat is, onthoudt Okou de correctie.
2. De methode opslaan als workflow
De aanpak werkte, dus vraagt Dana Okou om die op te slaan als workflow: een benoemde reeks stappen, bronnen om te controleren en regels. Haar correcties worden geschreven regels, zoals "bied nooit korting aan zonder te linken naar het huidige beleid." Feedback wordt pas een teamregel als iemand die zo opslaat.
Dana deelt de workflow met haar team. Als een collega hem uitvoert, gebruikt hij de eigen accounts en rechten van die collega, niet die van Dana. Een workflow delen betekent de methode delen, niet haar inbox of privéchats. De AI beslist nu minder, omdat de stappen vastliggen, en de resultaten worden consistenter.
3. Op een schema zetten
Een workflow draait niet vanzelf. Om hem elke maandag te laten draaien, voegt het team een automatisering toe met een eigenaar en een trigger. Elke maandag controleert die de verlengingen in de komende 60 dagen en plaatst een briefing voor elke klant die risico lijkt te lopen. E-mails wachten nog steeds als concept.
Let op wat een schema wel en niet verandert. Het bepaalt wanneer het werk begint. Het geeft de AI niet meer vrijheid in hoe het werk wordt gedaan.
Hier staat dezelfde taak naast elkaar:
| 1. Een agent vragen | 2. Opgeslagen workflow | 3. Automatisering | |
|---|---|---|---|
| Wie kiest de stappen | De agent, op basis van wat hij vindt | De opgeslagen stappen. De AI werkt binnen elke stap | Net als bij de workflow. Een schema geeft geen extra vrijheid |
| Wat het start | Dana vraagt erom | Iedereen in het team vraagt erom, bij naam | Een schema, met een benoemde eigenaar |
| Wie keurt goed | Dana beoordeelt de briefing en het concept | Iedereen die hem uitvoert | De eigenaar leest de briefing. E-mails blijven concepten |
Alle drie zijn in zekere mate agentisch. Alleen de eerste is wat de meeste mensen bedoelen met "een AI-agent".
Wat bij mensen blijft
AI de stappen laten kiezen mag niet betekenen dat niemand verantwoordelijk is voor het resultaat. Regel vier dingen voordat een agent echt werk aanraakt:
- Wat hij mag lezen. Welke inboxen, CRM's en documenten, en via wiens account.
- Wat hij mag wijzigen. Een concept opstellen is niet hetzelfde als versturen. Een CRM-update voorstellen is niet hetzelfde als die doorvoeren.
- Waar hij stopt. Welke acties altijd op een mens wachten.
- Wat hij teruggeeft. Een briefing, een concept of een record dat iemand aan de bronnen kan toetsen.
Mensen die AI op het werk gebruiken, denken al zo. In de Work Trend Index 2026 van Microsoft, een enquête onder 20.000 AI-gebruikers in 10 landen, afgenomen begin 2026, zei 86% dat ze AI-output als vertrekpunt zien, niet als eindantwoord. Dit zijn de eigen antwoorden van mensen, geen meting van resultaten.
Meer over hoe een team zich aanpast wanneer AI werk gaat overnemen, lees je in wat er verandert als AI zelfstandig werkt.
Vragen voor elke "agentische" tool
- Wie kiest de stappen? Vooraf vastgelegd, elke keer door de AI gekozen, of een mix?
- Wat kan de tool zien? Welke tools, via wiens login, en onthoudt hij eerdere gesprekken?
- Wat heeft jouw goedkeuring nodig? Wordt dat afgedwongen met rechten, of staat het alleen in een prompt?
- Wat doet de tool als hij twijfelt? Meldt hij het probleem, of gokt hij?
- Kun je zien wat hij heeft gedaan? Wordt elke stap en elk resultaat vastgelegd?
- Kan je team hergebruiken wat werkt? Kan de methode worden opgeslagen, gedeeld en ingepland met een benoemde eigenaar?
Een tool die hier helder antwoord op geeft, is het bekijken waard, hoe hij zichzelf ook noemt. Voor ideeën om te beginnen, zie deze voorbeelden van AI-agents voor echt werk en onze gids over context en rechten beheren.
FAQ
Is agentic AI hetzelfde als een AI-agent?
Niet precies. Een AI-agent is een specifiek systeem dat een taak aanneemt, de stappen kiest en tools gebruikt om de taak af te ronden. Agentic AI is de bredere term voor AI die zo werkt, in welke mate dan ook. Elke AI-agent is agentisch, maar "agentic AI" kan ook een vaste workflow met AI-stappen betekenen, of meerdere agents die samenwerken.
Wat is het verschil tussen agentic AI en generatieve AI?
Generatieve AI schrijft of maakt iets als je erom vraagt en wacht daarna. Agentic AI gebruikt dat vermogen om naar een doel toe te werken: het plant, onderneemt acties met tools, controleert het resultaat en gaat door. De meeste AI-agents draaien op een generatief model, maar een antwoord schrijven is maar een deel van wat ze doen.
Wat zijn de risico's van agentic AI?
De risico's komen voort uit handelen, niet uit antwoorden. Een AI met toegang tot e-mail, een CRM of advertentieaccounts kan een verkeerde wijziging doorvoeren of iets versturen dat niemand heeft gecontroleerd. De voorspelling van Gartner uit 2025 dat veel agentic-AI-projecten tegen 2027 worden stopgezet, wees op kosten, onduidelijke waarde en zwakke risicobeheersing. Geef alleen de toegang die de taak nodig heeft, leg elke stap vast en vereis goedkeuring voor alles wat het bedrijf verlaat.
Wat is het verschil tussen agentic AI en RPA?
RPA (robotic process automation) volgt vastgelegde stappen precies, zoals velden kopiëren van het ene systeem naar het andere. Agentic AI kan werk aan waarbij de volgende stap afhangt van wat het leest, zoals een e-mail die begrepen moet worden. Sommige RPA-tools zijn zonder echte veranderingen omgedoopt tot "agentisch", dus vraag om te laten zien hoe een tool met iets onverwachts omgaat.
Kan agentic AI volledig autonoom werken?
Sommige systemen kunnen veel stappen zonder mens uitvoeren. In het bedrijfsleven is dat zelden het doel. De meeste teams laten de AI onderzoeken, concepten schrijven en voorstellen doen, terwijl een mens alles goedkeurt wat naar buiten gaat of moeilijk terug te draaien is, zoals een e-mail versturen of een record wijzigen. Ook analisten blijven voorzichtig: in mei 2026 zei Gartner dat de meeste tools voor supply chain-planning nog geen volledige autonomie hadden bereikt.
Heb ik een AI-agent nodig of een eenvoudigere automatisering?
Begin eenvoudig. Als een taak elke keer dezelfde stappen heeft, is een opgeslagen workflow op een schema goedkoper en voorspelbaarder. Gebruik een agent als de stappen afhangen van wat hij vindt, zoals uitzoeken waarom een klant risico loopt. Veel teams doen allebei: ze gebruiken een agent om de methode uit te vogelen en slaan die daarna op als workflow om hem te herhalen.
