AI-agents

Wat een agent doet

Je kunt een agent begrijpen als een toepassing die een model laat kiezen uit beschikbare handelingen. Na een handeling krijgt het model nieuwe informatie en kan het bepalen wat de volgende stap is. De lus kan meerdere keren doorgaan: opdracht begrijpen, iets doen, resultaat bekijken, bijsturen en uiteindelijk terugkomen met een uitkomst.

Dat gebeurt binnen een omgeving. Een agent in een codeproject kan andere dingen dan een agent met alleen webzoektoegang. Het model, de beschikbare tools, instructies en toegangsrechten bepalen samen het gedrag. Een sterke tekstgenerator zonder toegang tot een bestand kan dat bestand niet aanpassen. Een beschikbare tool zonder de juiste gegevens levert evenmin vanzelf een bruikbaar resultaat.

Neem een vraag als ‘maak een overzicht van deze drie rapporten’. In een gewone chat kun je de rapporten toevoegen en om een samenvatting vragen. Een agent kan ook onderzoeken welke bestanden er zijn, verschillen tussen versies opsporen en een overzicht als nieuw document bewaren. Welke stappen werkelijk mogelijk zijn, hangt af van de toepassing. Vraag daarom naar het concrete bestand of de uitgevoerde handeling wanneer de agent zegt klaar te zijn.

Chat, workflow en agent

De grenzen lopen door elkaar, maar drie begrippen helpen om een toepassing te begrijpen. Een chat is een gesprek waarin jij meestal de volgende opdracht geeft. Een workflow is een reeks stappen die vooraf grotendeels is vastgelegd. Bij een agent kan het model onderweg kiezen welke toegestane stap nodig is.

Een formulier dat een nieuw record toevoegt en daarna een ontvangstbevestiging maakt, kan een vaste workflow zijn. Als daarin een model de vrije tekst samenvat, maakt dat niet elke stap veranderlijk. Een onderzoeksagent die na het lezen van een bron besluit een tegenvoorbeeld te zoeken, krijgt meer ruimte om een route te kiezen.

In de praktijk combineren toepassingen die vormen. De start en de plek van het resultaat kunnen vaststaan, terwijl het zoeken en schrijven vrijer verlopen. Dat kan prettig zijn: je weet waar een resultaat terechtkomt, zonder vooraf elke zoekvraag te hoeven voorspellen. Het helpt ook bij fouten. Je kunt zien of het probleem in een vaste stap zat of in een keuze die het model maakte.

Verschillende soorten agents

Onderzoeken

Onderzoeksfuncties kunnen een vraag uitwerken via meerdere bronnen. ChatGPT Deep Research laat je bijvoorbeeld het plan en de gebruikte bronnen bijsturen. De bruikbare uitkomst is een herleidbaar onderzoek, waarbij je kunt teruggaan naar het oorspronkelijke materiaal. Een lange tekst zonder goede bronverwijzingen blijft lastig te beoordelen.

Bouwen en aanpassen

Bij codewerk kan een agent bestanden bekijken, wijzigingen uitvoeren en controles gebruiken. Claude Code beschrijft zulke mogelijkheden voor codeprojecten. Een voorbeeld is een kapotte zoekfunctie: eerst uitzoeken hoe die werkt, de oorzaak vinden, de wijziging maken en de zoekfunctie vervolgens proberen. Daarbij hoort ook een begrijpelijk overzicht van wat er veranderd is.

Werk in andere programma’s

Met koppelingen kan een agent informatie uit andere systemen krijgen of daar een handeling uitvoeren. MCP is een standaard om toepassingen met externe tools en gegevens te verbinden. De standaard beschrijft een verbinding; de inhoud van de tools bepaalt wat je ermee kunt doen. Zoeken in een map is bijvoorbeeld een andere bevoegdheid dan documenten in die map verwijderen.

Deze soorten hoeven niet in aparte producten te zitten. Eén omgeving kan onderzoek, bestanden en koppelingen combineren. Kijk daarom naar de opdracht en de beschikbare handelingen. Die vertellen meer dan het etiket ‘persoonlijke agent’ of ‘bedrijfsagent’.

Een overleg voorbereiden

Stel dat een fictief projectteam elke maandag vergadert. Er zijn notulen, een actielijst en een korte voortgangsupdate. Je wilt vóór het overleg één pagina met open punten. De agent hoeft geen besluiten te nemen of mensen te berichten. Het werk eindigt bij een concept dat de voorzitter kan lezen.

Een bruikbare opdracht noemt de drie bronnen en hun datum. Vervolgens beschrijf je hoe ze samenhangen: de actielijst is leidend voor eigenaar en deadline, de laatste notulen bevatten besluiten en de update bevat nieuwe ontwikkelingen. Als die informatie elkaar tegenspreekt, wil je het verschil zien. Je wilt niet dat de agent zelf stilzwijgend een versie kiest.

Maak een concept voor het projectoverleg van maandag.
Gebruik de laatste notulen, de actielijst en de voortgangsupdate.
Laat per open punt de eigenaar, deadline en bron zien.
Markeer tegenstrijdige informatie en ontbrekende datums.
Bewaar het concept als nieuw document.
Verstuur niets en verander de bronbestanden niet.

Het werk kan dan beginnen met controleren welke bestanden beschikbaar zijn. Daarna worden acties uit eerdere notulen vergeleken met de huidige lijst. Punten die al afgerond zijn, krijgen geen nieuwe deadline. Voor onduidelijke punten komt een vraag in het concept. Aan het einde wil je het document kunnen openen en de gebruikte bronnen kunnen terugvinden.

Dat laatste maakt de uitkomst bruikbaar. ‘Ik heb de voorbereiding gedaan’ zegt nog weinig. ‘Hier is het concept, deze drie bestanden zijn gebruikt en bij twee acties ontbreekt een actuele status’ geeft de voorzitter iets om mee verder te werken.

Context en grenzen

Een agent heeft vaak dezelfde achtergrond nodig als een nieuwe collega: wat de termen betekenen, welke bron actueel is en hoe een goed resultaat eruitziet. Een korte instructie met een voorbeeld kan daarbij meer helpen dan een lange verzameling algemene regels. Leg vooral de bijzondere afspraken uit die niet uit de bestanden zelf blijken.

De grenzen horen bij de opdracht. Bij het overlegvoorbeeld mag de agent lezen en een nieuw concept maken. De bronbestanden blijven het dossier. Als een status veranderd moet worden, kan die wijziging als voorstel in het concept staan. Zo is zichtbaar welke stap van voorbereiding naar een echte wijziging zou gaan.

Maak ook het einde herkenbaar. Is de opdracht klaar zodra het concept bestaat, of pas wanneer gecontroleerd is dat de links en datums kloppen? Een helder eindpunt voorkomt eindeloos verbeteren. Het maakt bovendien zichtbaar wat nog niet is gelukt, bijvoorbeeld als een bron niet bereikbaar was.

Als het misgaat

Veel problemen zijn eenvoudig te herkennen als je naar de stappen kijkt. Een agent gebruikt een oud bestand, haalt de verkeerde persoon uit een lijst of interpreteert een voorstel als een genomen besluit. Meer uitleg over de gewenste toon lost dat niet op. Je moet dan de bronkeuze of de betekenis van de gegevens verduidelijken.

Bewaar een paar lastige voorbeelden. Wat gebeurt er als twee acties dezelfde titel hebben? Als een datum ontbreekt? Als een document zegt dat een taak klaar is, maar de actielijst nog ‘open’ toont? Zulke gevallen laten zien hoe de agent met onzekerheid omgaat. Een expliciete vraag in het resultaat is vaak bruikbaarder dan een overtuigende gok.

Bij handelingen buiten de chat is het verschil tussen geprobeerd en uitgevoerd belangrijk. Een tool kan een verzoek aannemen zonder dat een wijziging al zichtbaar is. Laat daarom waar mogelijk het resultaat teruglezen. Voor een nieuw document betekent dat openen; voor een codewijziging betekent het de relevante functie proberen. Bij een onbereikbare bron hoort een melding dat de uitkomst onvolledig is.

De uitkomst controleren

Bij een terugkerende agenttaak wil je kunnen bekijken wat er werkelijk is opgeleverd. Neem het overlegvoorbeeld: het concept moet op de afgesproken plek staan, de drie bronnen moeten herkenbaar zijn en onduidelijke acties moeten zichtbaar blijven. Een bericht van de agent dat alles klaar is, vervangt die controle niet.

Bewaar bij enkele uitvoeringen de opdracht, de gebruikte bestanden, de belangrijke stappen en het eindresultaat. Als een actie verkeerd wordt weergegeven, kun je dan terugzoeken of de agent het verkeerde bestand koos, een passage verkeerd begreep of bij het opslaan een probleem tegenkwam. Je hoeft niet voor iedere fout de hele instructie opnieuw te schrijven.

Probeer ook een bekend lastig geval opnieuw met dezelfde inrichting. Stel dat de notulen een actie als afgerond beschrijven, terwijl de actielijst nog ‘open’ vermeldt. Je wilt zien of dat verschil bij verschillende uitvoeringen steeds herkenbaar terugkomt. Een geslaagde ronde geeft nog geen zekerheid over alle volgende rondes.

Je kunt de beoordeling apart laten uitvoeren: eerst het concept maken, daarna controleren aan de hand van de bron en de afgesproken punten. Een tweede AI-beoordeling kan verschillen helpen vinden, maar kan dezelfde informatie verkeerd begrijpen. De inhoudelijke reviewer moet daarom kunnen zien waarop de beoordeling is gebaseerd.

Maak een correctie gericht. Als alleen de eigenaar van een actie fout is, laat je dat punt herstellen en kijk je daarna opnieuw naar het document. Controleer ook of eerdere goede onderdelen nog kloppen. Spreek een eindpunt af voor die ronde: een bruikbaar concept met zichtbare open vragen is voldoende; onbeperkt herschrijven maakt de taak lastig te volgen.

Samenwerken met een agent

Een agentopdracht hoeft niet meteen volledig zelfstandig te verlopen. Je kunt eerst samen het plan bekijken, de agent een begrensd deel laten uitvoeren en daarna de uitkomst beoordelen. Naarmate je de toepassing beter kent, kun je stappen combineren. De kwaliteit van de voorbeelden en de werkelijke resultaten bepaalt hoeveel ruimte logisch is.

Sommige systemen verdelen werk over meerdere agents. Dat kan helpen als stukken onafhankelijk van elkaar onderzocht kunnen worden. Het vraagt ook extra afstemming: welke bronnen gelden, wie voegt de resultaten samen en wat gebeurt er bij tegenstrijdige conclusies? Meer agents betekent dus ook meer plekken waar context verloren kan gaan.

Voor het overlegvoorbeeld is één duidelijke opdracht al genoeg om veel te leren. Begin bij het concept, kijk welke correcties terugkomen en pas de instructie of bronnen daarop aan. De ervaring met dat ene herkenbare stuk werk maakt het makkelijker om andere agenttoepassingen te begrijpen.