Van denken naar doen: hoe AI-agents eindelijk werk voor je kunnen uitvoeren

Stel je eens voor: je komt op maandagochtend op kantoor en terwijl jij je eerste kop koffie inschenkt, heeft een AI-assistent eenvoudige e-mails beantwoord, de planning voor de week bijgewerkt én een aantal routinetaken afgehandeld.

Klinkt als science fiction? Dat was tot voor kort inderdaad het geval. Maar we staan aan de vooravond van een waardevolle verschuiving in de AI-wereld: van denken naar doen.

AI-agents: van voorspelling naar uitvoering

De huidige generatie AI-systemen, zoals ChatGPT, is ongelooflijk goed in het genereren van tekst en afbeeldingen en daardoor in het beantwoorden van allerhande vragen. Toch hebben deze AI-systemen hebben ook twee fundamentele beperkingen. De eerste is dat ze je kunnen vertellen hoe een appel smaakt en er een prachtige afbeelding van kunnen genereren, maar ze snappen niet wat een appel is. Die beperking zie ik voorlopig nog niet verholpen worden.

De tweede fundamentele beperking is dat het modellen zijn die de voorspellingen doen: de volgende pixel, of het volgende woord. Maar echt uitvoeren? Dat kunnen die modellen niet.

Zie het zo: het is alsof je een geweldige adviseur hebt die uitstekende adviezen geeft, maar eigenlijk niets snapt van de materie. Je bent dus zelf aan zet als het gaat om het uitvoerende werk op basis van die goede adviezen. Maar er is verandering op komst: het niet kunnen uitvoeren verandert nu radicaal met de opkomst van AI-agents.

Wat zijn AI-agents?

AI-agents zijn systemen die niet alleen denken, maar ook doen: ze overbruggen de kloof tussen voorspelling en uitvoering. Een agent kan taken uitvoeren, communiceren met andere systemen en beslissingen nemen zonder voortdurende menselijke tussenkomst.

En het mooie? Je hoeft geen programmeur te zijn om hier gebruik van te maken.

AI-automatisering in actie: slimme toepassingen voor ondernemers

Hoe kan dat uitvoerende AI-werk eruitzien? Hier zin een paar voorbeelden:

• Geautomatiseerde afsprakenplanning
  Een AI-agent kan je agenda beheren, open tijdslots checken en afspraken inplannen. Stel je voor: een klant stuurt een WhatsApp-bericht voor een afspraak en een AI-agent plant de boel in zonder dat jij iets hoeft te doen.
• Voorraadbeheer
  Een AI-agent kan je voorraadniveaus monitoren en automatisch bestellingen plaatsen bij leveranciers.
• Socialmediaposter
  Een AI-agent kan een door jou geschreven artikel automatisch plaatsen op je socialmediakanalen.

En mocht je nu denken “dat kan nog niet”, dan vertel ik je hierbij dat ik in twee uren een basis AI-agent heb gebouwd die:

Ik kon vragen een agenda-afspraak te maken en daarvoor de collega’s uit te nodigen die ik benoemde én die in staat was daar een vrij moment voor te vinden voor de opgegeven tijd in al onze agenda’s.

Denk je nu "maar ik kan helemaal niet programmeren"? Dat is echt geen probleem. Er zijn steeds meer tools beschikbaar die je in staat stellen om AI-agents te bouwen zonder code te schrijven. En als je een dergelijk systeem wilt bouwen, dan zijn er twee mogelijke oplossingsrichtingen.

1. Geef je AI superkrachten met Model Context Protocol

Bij de eerste optie pak je een AI-tool als Claude die je vervolgens koppelt aan systemen die werk kunnen uitvoeren. Zo kun je Claude bijvoorbeeld toegang geven tot de bestanden op je computer zodat de tool die kan beheren. Of je geeft Claude toegang tot Notion zodat de tool daar artikelen kan ophalen of nieuwe artikelen kan schrijven. Een andere optie is Claude toegang geven tot YouTube zodat de tool samenvattingen kan maken van video’s.

Je kunt zelfs nog een stap verder gaan en Claude toegang geven tot een browser of een zoekmachine-API waarmee de tool dingen voor je kan opzoeken en - schrik niet - zelfs dingen voor je zou kunnen bestellen. Dat laatste weigert een AI-tool tot nu toe nog, maar technisch gezien is het gewoon mogelijk.

Claude gebruikt hiervoor Model Context Protocol-servers (MCP) en deze zorgen ervoor dat AI-systemen code beter kunnen uitvoeren en daarmee kunnen praten met een browser of een communicatietool zoals Slack. Deze MCP-servers zijn gestandaardiseerd en werken dus niet alleen met Claude, maar ook met andere AI-systemen die MCP ondersteunen.

Meer weten over Claude en MCP? Check dan deze video.

2. Gebruik een workflow-tool die AI-ondersteuning heeft

Er zijn meerdere workflow-platformen met AI-ondersteuning. Twee voorbeelden daarvan zijn Relevance AI en N8N. Make en Zapier zijn alternatieven waarvan ik de AI-mogelijkheden niet heb getest. Waar Relevance net iets eenvoudiger is, heeft N8N veel meer mogelijkheden omdat de tool meer integraties kent. Daarnaast kun je met N8N door anderen gebouwde oplossingen - sjablonen - hergebruiken.

Daarbij kun je N8N op eigen systemen draaien en dat lost een heel belangrijk privacy- en juridisch probleem op, want je mag onder andere klantdata niet zomaar in derde systemen zoals ChatGPT of N8N gebruiken, waar ik later een keer uitvoerig over zal schrijven.

Lees meer over het bouwen van agents in N8N of ga een stap verder en bouw jouw persoonlijke assistent in N8N.

Wanneer gebruik je wat?

Gebruik ClaudeAI vooral voor eigen gebruik en persoonlijke productiviteit en kies voor N8N als je werkprocessen wilt automatiseren. Ik vermoed dat er inmiddels ook MCP-servers zijn voor N8N, waarmee je N8N weer vanuit Claude kunt gebruiken.

💡 Tip: Begin klein. Kies één specifiek, repetitief proces in je bedrijf dat veel tijd kost maar niet veel creativiteit vereist. Dat is de perfecte kandidaat voor je eerste AI-agent.

Implementatie zonder code: AI-automatisering voor iedereen

Een belangrijke overweging bij het gebruik van AI-agents is privacy. Als een agent effectief wil zijn, moet die al snel toegang hebben tot veel gegevens, waaronder gevoelige bedrijfs- of klantgegevens. Daar zitten binnen de GDPR/AVG terecht beperkingen op.

Een eenvoudig voorbeeld is e-mail. Als je een agent toegang geeft tot je e-mail om e-mailadressen bij contactpersonen voor afspraken te zoeken, kan deze in theorie ook de inhoud van e-mails lezen.

Wil je AI inzetten voor privacygevoelige bedrijfsgegevens? Volg dan deze praktische stappen om dat op een veilige manier te doen.

• Gebruik platformen die lokale of privé-implementaties ondersteunen
• Begin met niet-gevoelige gegevensbronnen
• Wees transparant naar klanten over hoe hun gegevens worden gebruikt
• Zorg voor duidelijke grenzen aan wat de AI-agent wel en niet kan doen

Het is wellicht ook goed om eens te neuzen in de AI ethics and usage policy van Voys en laat je daar vooral door inspireren. Het is namelijk echt belangrijk dat je goed omgaat met je klantdata. Hierover schreef ik onlangs een uitgebreid artikel voor de lancering van onze nieuwe Gesprekstranscriptie-feature.

AI-oplossingen voor kleine en middelgrote bedrijven

Als kleine onderneming heb je één geweldig voordeel ten opzichte van grote bedrijven: wendbaarheid. Je kunt sneller experimenteren en implementeren dan grote en logge organisaties.

Als je nu gebruik gaat maken van AI-agents, kun je:

• Tijd vrijmaken voor strategisch werk terwijl routinetaken worden geautomatiseerd
• De klantervaring verbeteren met snellere reacties en 24/7 beschikbaarheid
• Kostbare uren besparen die je kunt investeren in groei
• Je positioneren als innovatieve speler in je markt

Om je daarbij te helpen, maak ik het graag concreet: wat kun je vandaag nog doen om te beginnen?

Van AI-concept naar werkende automatisering in 5 stappen

Nu je weet waarom AI-agents zo waardevol kunnen zijn voor je bedrijf, wil je er zo snel mogelijk mee aan de slag. Deze vijf stappen helpen je daarbij.

1. Identificeer het ‘laaghangende fruit’
   Welke taken kosten veel tijd maar vereisen weinig creativiteit of menselijk inzicht? Kijk daarbij vooral naar administratieve taken die je of heel erg vervelend vindt of processen die je te veel tijd kosten.
2. Verken beschikbare tools
   Begin met platformen zoals N8N of Claude en experimenteer met MCP’s.
3. Start een klein experiment
   Begin met een niet-kritiek proces en documenteer de resultaten om er vervolgens van te leren.
4. Betrek je team
   Zorg dat je collega’s begrijpen dat AI-agents er zijn om repetitief werk over te nemen en zeker niet om mensen te vervangen
5. Tweak en verbeter
   Monitor de resultaten en pas aan waar nodig. Zeker is het begin is het veel leren en tweaken om tot de gewenste resultaten te komen. Je moet vooral leren hoe een AI ‘denkt’ en ‘handelt’, en als je dat door hebt ga je al snel veel betere uitkomsten krijgen en oplossingen bouwen.

Begin dus vooral met kleine maar betekenisvolle stappen. Rome wasn’t build in a day, en jouw AI-agent-ecosysteem ook niet.

AI-automatisering: de toekomst van productief ondernemerschap

We zijn aangekomen op een fascinerend punt waar AI niet langer alleen een denker is, maar ook een doener wordt. AI-agents bieden een revolutionaire manier om bedrijfsprocessen te automatiseren en persoonlijke productiviteit te verhogen. Voor kleine ondernemingen opent de technologie deuren die voorheen alleen toegankelijk waren voor grote organisaties met uitgebreide IT-afdelingen.

Ik ben ervan overtuigd dat ondernemers die nu investeren in het begrijpen en implementeren van AI-workflow-automatisering een enorme voorsprong zullen opbouwen in hun marktsegment. Niet omdat ze meer technologie gebruiken, maar omdat ze meer tijd kunnen besteden aan wat écht belangrijk is: creativiteit, klantenrelaties en strategische groei.

Dus, waar begin jij? Welk automatiseringsproces in jouw bedrijf wil je morgen al implementeren als je kon?

Wist je trouwens dat we met Voys onlangs Gesprekstrancripties op basis van privacyvriendelijke AI hebben gelanceerd? Een superwaardevolle feature voor organisaties die de klantrelatie echt willen uitdiepen.