AI-agent is zonder twijfel hét buzzwoord van 2026. Vrijwel elke softwareleverancier heeft vandaag wel een ‘agent’ in zijn portfolio. Alleen blijkt bij nader inzien lang niet elke AI-agent ook écht een agent te zijn. Maar hoe onderscheid je een echte AI-agent van een chatbot of slimme workflow? Het verschil is belangrijk, want autonome agents zijn vandaag ook al volop aan het werk. “Ik zou kunnen sterven en de klanten zouden nog altijd worden beleverd.”
We leven duidelijk in het tijdperk waarin het al ‘agent’ is wat de klok slaat. Chatbots krijgen een nieuwe naam, klassieke workflows worden plots ‘agentic AI’ genoemd en automatiseringen worden verpakt als autonome systemen.
Van cloud-washing naar agent-washing
Dat fenomeen krijgt steeds vaker een eigen naam: agent-washing. De vergelijking met de beginjaren van cloudcomputing – zowat twintig jaar geleden – is snel gemaakt. Toen werd zowat elke gehoste toepassing als cloud verkocht, terwijl achter de schermen vaak dezelfde oude infrastructuur draaide.
Vandaag dreigt hetzelfde te gebeuren met agentic AI. Voor IT-beslissers is dat meer dan een woordspelletje. Het bepaalt welke technologie je koopt, hoeveel autonomie je mag verwachten en welke architectuur, security en governance daarbij horen.
Wat is agent-washing?
Net zoals zo vaak in IT hanteren leveranciers een andere benadering. “AI-agent is in 2026 een van de meest gebruikte termen in softwareland, en tegelijk een van de slechtst uitgelegde”, zo vat Davey Cornelissen, lead software bij het Nederlandse softwarebedrijf Retril, het treffend samen.
Die verwarring komt niet uit de lucht vallen. Generatieve AI ontwikkelt zich razendsnel en leveranciers proberen zich zo goed mogelijk te positioneren. Maar precies daardoor vervaagt het onderscheid tussen chatbots, slimme automatisering en echte AI-agents.
Dat hoeft op zich geen probleem te zijn. Een chatbot of een geautomatiseerde workflow kan perfect waardevol zijn. Het wordt pas problematisch wanneer bijvoorbeeld een leverancier een toepassing verkoopt als een autonome agent, terwijl die in werkelijkheid nauwelijks meer doet dan één prompt naar een taalmodel sturen en het antwoord doorgeven aan een vooraf geprogrammeerde workflow.
Het risico daarvan is niet alleen dat klanten verkeerde verwachtingen krijgen. Organisaties kunnen ook verkeerde architectuurkeuzes maken, investeringen verkeerd inschatten of onvoldoende aandacht besteden aan governance en beveiliging.
Wanneer is een AI-agent écht een agent?
Hoewel er verschillende definities circuleren, zijn de meeste experts het over één punt eens: autonomie maakt het verschil.
Davey Cornelissen omschrijft een AI-agent als volgt: “Een AI-agent is software die zelfstandig een doel najaagt. Hij leest informatie, bepaalt zelf welke stappen nodig zijn, voert die uit in je systemen en controleert het resultaat”, zo stelt hij. Het sleutelwoord is dus autonomie. Hij gaat autonoom over tot actie.
Dat onderscheid lijkt subtiel, maar is fundamenteel. Een chatbot wacht bijvoorbeeld op een vraag en geeft een antwoord. Een klassieke automatisering voert vooraf vastgelegde regels uit: als A gebeurt, volgt B.
Een agent daarentegen bepaalt, nadat hij een doel heeft gekregen, volledig zelf welke stappen nodig zijn om dat doel te bereiken. Hij kan informatie verzamelen, systemen raadplegen, acties uitvoeren, resultaten controleren en zijn aanpak onderweg aanpassen wanneer de situatie verandert.
Bouwstenen van agents
Om dat doel te bewerkstelligen combineert een agent doorgaans meerdere bouwstenen: een taalmodel, geheugen, planning, integraties met bedrijfssoftware en de mogelijkheid om effectief acties uit te voeren via API’s of andere systemen.
Het taalmodel is dus slechts één onderdeel van de puzzel. Oftewel: niet elke AI-toepassing hoeft een agent te zijn. Precies daar ontstaat vandaag veel verwarring.
Ook workflowsoftware waarin een taalmodel automatisch een e-mail opstelt of een document samenvat, wordt steeds vaker als agentic AI gepresenteerd. In werkelijkheid blijft de volgorde van de stappen volledig vooraf bepaald. Dat maakt zulke oplossingen overigens niet minder nuttig. Meer zelfs: voor veel processen zijn klassieke automatisering of chatbots zelfs de beste keuze.
Wanneer wat gebruiken?
Elke vorm heeft zijn eigen toepassingsgebied. Davey Cornelissen vat samen: “Een chatbot is prima voor een gesprek. Klassieke automatisering blijft het beste voor alles wat in een vast formulier of een vaste regel past”, stelt hij. “Een agent komt pas in beeld als de input rommelig is en er meerdere stappen over verschillende systemen heen moeten.”
Niet elke AI-toepassing hoeft dus een agent te zijn. En bovenal: het wordt pas problematisch wanneer marketing de technologie ambitieuzer voorstelt dan ze werkelijk is.
In de praktijk: waar zien we vandaag wél echte agents?
Dat betekent niet dat echte AI-agents vandaag nog toekomstmuziek zijn. Ook Belgische en Nederlandse bedrijven zetten ze steeds vaker in. Zo ontwikkelt de Antwerpse start-up Ravical een agentplatform voor accountants- en advieskantoren. De gespecialiseerde agents analyseren klantcommunicatie, raadplegen wetgeving en interne kennis, detecteren adviesopportuniteiten en bereiden concrete adviesvoorstellen voor. Ze werken daarbij over verschillende bedrijfsapplicaties heen en kunnen ook zelf workflows opstarten wanneer de context daarom vraagt.
Volgens medeoprichter en CTO Ken Bastiaensen zit precies daarin het verschil met een chatbot of copilot. “Als je een copilot gebruikt, moet je zelf eraan denken en je vraag formuleren. Bij ons is het omgekeerd.” De agents wachten dus niet op een prompt, maar brengen zelf opportuniteiten onder de aandacht van de adviseur. Tegelijk blijft menselijke controle essentieel. “De adviseur gaat altijd op de knop moeten drukken en het altijd moeten nakijken”, benadrukt Bastiaensen.
Bastiaensen ziet de rol van agents de komende jaren alleen maar toenemen. “Op minder dan vijf jaar zal 80 procent van het KMO-advies via agents verlopen”, voorspelt hij. Volgens hem gaat het daarbij niet om het vervangen van adviseurs, maar om het opschalen van advies dat vandaag simpelweg niet geleverd raakt.
Agents voor frisdrank
AI-agents zijn ook al volop aan het werk bij eindklanten. Zo verwerken bij de Belgische frisdrankproducent Ritchie AI-agents bestellingen volledig autonoom. Ze zetten orders door, sturen leveringen aan, maken facturen op en werken de voorraad bij. Oprichter Jan Verlinden verwoordde het in de zakenkrant De Tijd met een kwinkslag: “Ik zou kunnen sterven en de klanten zouden nog altijd worden beleverd.” Achter die uitspraak schuilt een systeem dat een volledig bedrijfsproces zelfstandig afhandelt.
Jan Verlinden werkt, naast met partners, enkel nog met drie commerciële vertegenwoordigers op freelancebasis voor zijn eenmanszaak die intussen 8 miljoen omzet haalt.
En waar niet?
Soms worden agents onterecht gebruikt. “Een leverancier demonstreert bijvoorbeeld een klantenservicechatbot die via een API klantgegevens kan opzoeken”, zo haalde de bekende IT-columnist David Linthicum onlangs aan als voorbeeld op Infoworld. “Technisch is daar weinig mis mee, maar autonoom is het systeem niet.” Zo’n chatbot voert geen doel uit, plant geen acties en beslist niets zelf. Hij beantwoordt simpelweg vragen met behulp van extra informatie. Snel valt dan toch de term AI-agent, maar dat klopt eigenlijk niet.
Soms wordt bewust niet gekozen voor autonome agents. Zo wordt bij de bank Belfius gewerkt met meerdere agents binnen de digitale assistent Hey Belfius. Toch kiest de bank bewust voor beperkte autonomie van agents. Omdat de financiële sector sterk gereguleerd is, blijven menselijke controle en strikte veiligheidscontroles essentieel. Dat toont meteen aan dat een beperkte autonomie – en dus het niet volop inschakelen van agents – niet noodzakelijk een technisch tekort is, maar soms een bewuste governancekeuze.
Meer precisie, minder hype
Kortom, de opkomst van agentic AI is zonder twijfel een van de belangrijkste ontwikkelingen binnen enterprise software. Maar net daarom is een correcte terminologie belangrijker dan ooit.
Agent-washing is immers niet alleen een marketingkwestie. Het beïnvloedt investeringsbeslissingen, architectuurkeuzes en governance. Net zoals cloudwashing organisaties destijds op het verkeerde been zette, dreigt vandaag hetzelfde te gebeuren met AI-agents.
De vraag is: welke AI?
Dat betekent niet dat elke organisatie morgen volledig autonome agents moet inzetten. In veel situaties blijven chatbots, klassieke automatisering of AI-assistenten de beste oplossing. Maar de uitdaging bestaat er vooral in om helder te benoemen wat een systeem werkelijk doet.
Voor CIO’s, IT-managers en architecten wordt de vraag de komende jaren dan ook steeds minder óf een leverancier AI inzet, maar vooral wélke vorm van AI hij precies levert.
Uitsmijter: vijf vragen voor leveranciers
Voor IT-beslissers wordt het de komende jaren steeds belangrijker om voorbij de marketing te kijken. Een demo waarin een taalmodel indrukwekkende antwoorden geeft, zegt immers weinig over de onderliggende architectuur.
Enkele gerichte vragen helpen snel om het onderscheid te maken tussen een echte agent en slimme automatisering.
1. Werkt de agent autonoom of volgt hij een vooraf vastgelegde workflow?
2. Kan hij zelf bepalen welke volgende stap nodig is wanneer de context verandert?
3. Werkt hij over meerdere systemen heen en kan hij daar ook acties uitvoeren?
4. Wanneer beslist hij zelfstandig en wanneer is menselijke goedkeuring verplicht?
5. Welke guardrails, toegangscontroles en foutafhandeling zijn ingebouwd?
Kan een leverancier daar geen helder technisch antwoord op geven, dan is de kans groot dat het eerder om slimme workflowautomatisering gaat dan om een autonome AI-agent.