Bij een AI-agent maken of laten maken begint bijna iedereen bij de techniek. Welk model, welk platform, welke koppelingen. Dat is de verkeerde volgorde.
Bij een agent die klantreviews beantwoordde voor een Nederlandse e-commercegroep, bouwde ik de vastlegging en de regels eromheen. De belangrijkste beslissing was één zin.
Vier of vijf sterren: zelf antwoorden. Eén tot drie sterren: eerst langs een collega.
Die zin bepaalde meer van het ontwerp dan de keuze voor het taalmodel. Bij een eerste agent houd ik daarom vijf stappen aan.
Eerst: heb je wel een agent nodig?
Een AI-agent kiest zelf de volgende stap. Dat is het verschil met gewone automatisering, waar het pad vooraf vastligt. In wat een AI-agent is leg ik dat verschil uit.
Anthropic en OpenAI, de makers van Claude en ChatGPT, adviseren allebei hetzelfde. Begin met de simpelste oplossing en maak het pas ingewikkelder als dat nodig is.
Liggen de stappen van je proces vast, dan is automatisering goedkoper en voorspelbaarder. Een agent loont pas als de tekst of de situatie elke keer anders is.
Stap 1: kies één taak die je kunt nalezen
Een goede eerste taak komt vaak voor, verschilt elke keer net iets en levert iets op dat een mens snel kan beoordelen. Een antwoord, een concept, een sortering.
Voorbeelden die passen: reviews beantwoorden, binnenkomende mail sorteren en een concept klaarzetten, een offerte voorbereiden uit een aanvraag.
Voorbeelden die niet passen als eerste taak: betalingen doen, bestellingen annuleren of besluiten nemen over klanten en sollicitanten. Fouten daar zijn niet terug te draaien of raken mensen direct.
Eén taak dus. Niet de hele klantenservice. Een agent die één ding goed doet, kun je uitbreiden. Een agent die vijf dingen half doet, krijg je niet meer goed.
Stap 2: geef hem alleen het gereedschap dat de taak vraagt
Een agent werkt met tools: je mailbox lezen, een klant opzoeken, een bericht plaatsen. Elke tool is een recht. En elk recht kan misgaan.
OpenAI adviseert in zijn handleiding voor het bouwen van agents om elke tool een risico te geven. Laag, middel of hoog.
Kijk daarbij of hij alleen leest of ook schrijft, of het terug te draaien is en wat het kan kosten.
In de praktijk komt het neer op drie regels:
- Begin met lezen. Laat de agent eerst alleen lezen en voorstellen. Schrijven komt later, per handeling.
- Eén deur naar buiten. Alles wat de agent naar buiten stuurt, loopt via één plek waar je het kunt tegenhouden en vastleggen.
- Sleutels op maat. Geef hem een eigen sleutel met alleen de rechten voor zijn taak. Geen sleutel van een collega en geen beheerdersaccount.
Bij de review-agent stond in eerste instantie gereedschap aan dat hij niet nodig had. Het standaardpakket van zijn bouwdoos, bedoeld voor agents die code schrijven. Dat haal je eruit voordat een agent live gaat.
Stap 3: bepaal waar een mens beslist en maak het geen stempel
Bij de review-agent waren er twee sporen. Positieve reviews beantwoordde hij zelf. Een collega las daarvan een steekproef van 10 procent na. Negatieve reviews gingen eerst langs die collega.
Zo'n goedkeuring werkt alleen als die mens echt kijkt. Een goedkeuringsknop die altijd op ja gaat, onderscheidt niets.
Ik kwam dat in mijn eigen systemen tegen. Daar vond ik ruim honderd wijzigingen die live waren gegaan zonder dat er ooit een oordeel over was geveld.
De goedkeuringsstap bestond en stond groen. Het lek zat in de koppeling ertussen. Hoe dat kon, lees je in elke poort stond groen, de keten ertussen lekte.
Twee dingen helpen. Tel hoe vaak de mens nee zegt of iets aanpast. Staat dat maandenlang op nul, dan kijkt er niemand meer echt. En zorg dat de agent technisch niet verder kan zonder die goedkeuring.
Bij besluiten over mensen is dat ook juridisch van belang.
Het Hof van Justitie van de EU oordeelde in december 2023 dat een kredietscore al als geautomatiseerd besluit kan gelden als de bank er in hoge mate op leunt.
De Europese privacytoezichthouders zeggen al langer dat menselijke tussenkomst betekenisvol moet zijn, geen formaliteit.
Stap 4: leg vast wat hij deed
Vóór de governance-laag was bij die e-commercegroep 0 procent van de verwerkte reviews achteraf terug te vinden. Het werkte, iedereen was tevreden. Alleen kon niemand laten zien wat er precies gebeurd was.
Daarna gingen 124 reviews in schaduwmodus door de volledige keten. Alle 124 stonden compleet in de vastlegging.
Wat je per handeling vastlegt:
- wat de agent las en welke versie van zijn instructies hij gebruikte;
- wat hij voorstelde of deed;
- wie het goedkeurde of aanpaste en wanneer;
- wat er misging, ook als de fout stil bleef.
Dat laatste vergeten de meeste opzetten. Een agent die vastloopt zonder te klagen, ziet er in een dashboard precies zo uit als een agent die niets te doen had.
Stap 5: begin in schaduwmodus en geef pas daarna ruimte
In schaduwmodus draait de agent mee zonder iets naar buiten te sturen. Hij stelt voor, een mens doet het werk zoals altijd. Daarna vergelijk je.
Klopt het voorstel in de overgrote meerderheid van de gevallen? Geef dan het eerste spoor vrij, met een steekproef erop. Pas als die steekproef een tijd niets oplevert, schuif je de grens op.
Lees ook: Waarom autonome AI-agents niet bestaan: hoe je de zelfstandigheid van een agent in vier fasen opbouwt
Zelf een AI-agent maken zonder te programmeren
Dat kan. Met n8n of Microsoft Copilot Studio klik je een agent in elkaar. Beide kunnen een menselijke goedkeuring afdwingen. In n8n kun je dat per tool instellen.
Let op twee dingen. Copilot Studio rekent per bericht en per handeling.
Een agent die daar veel tools aanroept, wordt duurder naarmate hij meer doet. n8n rekent per uitvoering van een workflow. Het taalmodel betaal je daar apart.
En een platform kan verdwijnen. OpenAI lanceerde in oktober 2025 zijn Agent Builder. In juni 2026 maakte OpenAI bekend dat die stopt op 30 november 2026. Wie daarop bouwde, moet zijn agent nu overzetten.
Daarom wil ik dat een agent op de eigen omgeving en met de eigen sleutels van de klant draait. De code is van hem. Stopt een leverancier, dan stopt de agent niet.
Wat het kost en hoe lang het duurt
Bij mij gaat een eerste agent in twee stappen.
- Ontwerp: 3.500 euro, twee tot drie weken. Het proces uit elkaar, de keuze tussen agent en vast pad, de rechten per handeling en de bouwvolgorde. Op papier zo dat een ander het ook kan bouwen.
- Werkend systeem: 18.500 euro, zes tot acht weken. Draaiend op je eigen omgeving, met de vastlegging en de goedkeuringsstap erin. Code en data zijn van jou.
Alle bedragen zijn exclusief btw. Daarna komen de lopende kosten. Het taalmodel rekent per gebruik en het onderhoud kost bij mij 125 euro per maand voor een systeem van beperkte omvang.
Draait er al een agent en wil je weten of de rechten en de vastlegging kloppen? Dan begint het met een audit van twee tot drie dagen. Meer daarover op mijn pagina over AI-governance.
Veelgestelde vragen
Waar je begint
Twijfel je welke taak in jouw bedrijf geschikt is voor een eerste agent? Dat zoek ik uit in het ontwerp, samen met wat hij wel en niet zelf mag. Hoe ik werk lees je op mijn pagina als AI-consultant.