Hoe tem je een ai-agent?

Nederlandse ontwikkelaars en hun aanpak

Artificiële intelligence (ai)-agents kunnen worden toegewezen aan taken, die processen automatiseren en gegevens analyseren om output te genereren. De ai-agent moet strak worden aangestuurd en informatie ophalen die strikt nodig is voor het uitvoeren van de taak. Dat vergt inzicht in data-engineering, machine learning, pri‌vacy, compliance, design en gebruikersgemak want ‘bijna goed’ is vaak toch helemaal fout. Daarin maken Nederlandse ontwikkelaars reuzenstappen. ‘Dit wordt mainstream. Elke website heeft straks een ai-agent.’

Volgens onderzoeksbureau McKinsey kunnen ai-agents 60 tot 70 procent van de activiteiten automatiseren die momenteel de tijd van werknemers in beslag nemen. Op voorwaarde natuurlijk dat de ai-agents hun hallucinaties in toom houden. Sterke verhalen over blunderende chatbots doen het goed op feestjes. Onlangs opgetekend: GPT-5 van Open AI is creatief met ‘feiten’ en beweert dat Nelson Mandela in 1997 korte tijd ceo was van McDonald’s Zuid-Afrika. Ook over de negende symfonie van Ludwig van Beethoven heeft GPT-5 bijzondere ‘weetjes’ te melden. Beethovens meesterwerk zou in 1824 zijn uitgebracht op Blu-ray omdat de componist experimenteerde met hoge-resolutie-audioformaten.

Het zijn onschuldige uitglijders, waar we om moeten gniffelen. Maar wat als it-dienstverleners hun ai-agents loslaten op het serieuzere werk: met klanten communiceren, commerciële gegevens verzamelen, campagnes bedenken, offertes opstellen of aanbestedingen controleren op juridische risico’s? Een uitglijder gaat ondernemers geld en klanten kosten. Nederlandse softwareontwikkelaars vertellen hoe ze aan de veilige kant blijven.

Similarity threshold

Het in Alphen a/d Rijn gevestigde Savvy.codes bouwt ai-agents voor overheden en grotere commerciële bedrijven. Die wil je niet per ongeluk op een smakeloze grap trakteren. Eigenaar Jerom Kok realiseert zich hoe breekbaar de relatie met klanten is en hoe snel die op de klippen loopt. Kok geeft zijn ai-agents daarom doelstellingen en rollen mee en bouwt begrenzingen in om hallucinaties te voorkomen. Dat gaat verder dan een schone prompt.

Kok: ‘We voeren informatie in over hoe de ai-agent zich moet gedragen tegenover klanten en hoe die moet interacteren. Ook koppelen we een zogenaamde RAG aan een klantvraag. Retrieval-Augmented Generation is een ai-techniek die de nauwkeurigheid en betrouwbaarheid van grote taalmodellen, – llm’s -, verbetert door ze toegang te geven tot een goedgekeurde kennisbank. De ai-agent kijkt dan welke info past bij de gegeven taak. Daarbij is ook de similarity threshold relevant. Die bepaalt of een document of kennisfragment wél of niet wordt meegenomen in de context. Alleen bronnen die boven de ingestelde drempel scoren, worden gebruikt. Hoe hoger de drempel, hoe minder bronnen worden meegenomen en hoe kleiner de kans op irrelevante of foutieve informatie.’

Kok en zijn collega’s willen sturen zoals het bij de taak past. Soms moet de ai-agent zich strikt houden aan de opdracht en soms mag hij (zij?) creatief zijn en helemaal los gaan. Kok: ‘We geven ‘temperaturen’ aan een taak. Een hoge temperatuur maakt de output creatiever en minder voorspelbaar, bijvoorbeeld voor een LinkedIn-post. Een lage temperatuur zorgt juist voor voorspelbaarheid en nauwkeurigheid, handig voor een offerte. Met de aansturing hebben we echt stappen gemaakt. Dit wordt mainstream. Elke website heeft straks een ai-agent.’

Ruwe diamanten

Bij ai-agents denken we al snel aan Big Tech en bekende namen als Claude, Grok, Copilot en GPT-5. Dat ook in Nederland volop wordt ontwikkeld, bewijzen Savvy.codes, VionA, Bonsai Software, Watermelon.ai en andere jonge it-bedrijven. Zij helpen klanten met hun eigen ai-agents. Neem het in Rotterdam gevestigde Bonsai, opgericht in 2023 door Yeslin Beljaars en Mees Konijnendijk. Bonsai werkt voor onder andere Toyota, Heijmans, Port of Rotterdam en Actief Zorg. Beljaars noemt de toonaangevende llm’s ‘ruwe diamanten’. Ze moeten veilig worden ingeregeld en dat kan alleen als ze vanuit bedrijfskundig perspectief worden gevoed met de juiste data en tools, en alleen toegang krijgen tot de systemen die strikt noodzakelijk zijn voor hun taak.

Beljaars: ‘Om een adequate ai-agent te kunnen maken, moet je goed ingevoerd zijn in data-engineering en machine learning, privacy en compliance, softwaredesign en gebruikersgemak. Alle componenten moet je beheersen. Klopt, iedereen doet het, maar weinig bedrijven kunnen het echt. Op verschillende levels moet je drempels inbouwen, qua ethiek, privacy, cybersecurity en autorisatie, want gebruikers mogen nooit toegang krijgen tot data waartoe ze niet geautoriseerd zijn.’

“Een zorgverlener klopte bij ons aan. Het bedrijf met zesduizend medewerkers had honderd planners in dienst om alle werkroosters te maken. Met een ai-agent kunnen zij straks naar tien of twintig” – Mees Konijnendijk (Bonzai)

Dat ai-agents niet meer weggaan, is voor Beljaars en Konijnendijk wel duidelijk. Voor iedereen die werkt met een computer, kunnen taken geautomatiseerd worden. Konijnendijk: ‘Je kunt het zo gek niet bedenken of de ai-agent kan het: code schrijven, financiële voorspellingen maken, ontwerpen, 3d-modellen maken, offertes schrijven, zoeken, rapporteren en inplannen. Onze klanten beginnen dat te begrijpen. Een zorgverlener klopte bij ons aan. Het bedrijf met zesduizend medewerkers had honderd planners in dienst om alle werkroosters te maken. Met een ai-agent kunnen zij straks naar tien of twintig.’

Ongestructureerde data

‘Een ai-agent bouwen was nog nooit zo makkelijk’, meldt Watermelon.ai op zijn website. ‘Automatiseer tot 96 procent van je supportvragen.’ Interessant! Hoe pak je dat aan? Watermelon.ai gaf geen gehoor aan die vraag van Computable. Het Rotterdamse VionA, opgericht in 2021 (om administratieve processen te automatiseren), deed dat wel. Oprichter Sam van der Wagen onderkent dat veel partijen inmiddels prima in staat zijn om een ai-agent te bouwen. Waar het volgens hem vaak aan ontbreekt is ethisch besef. Klanten tevreden houden vraagt om de juiste kaders en de juiste aansturing.

Voor uitzendbureaus, verzekeraars, woningcorporaties en industriële bedrijven probeert VionA geld te besparen. Soms is dat op eieren lopen. Van der Wagen: ‘We willen niet dat de ai-agent zelf initiatief neemt. Het lijkt misschien een goed idee om eens uit te zoeken wat de directeur verdient, en de ai-agent heeft dat snel gevonden, maar het leidt tot problemen. Aan de voorkant moeten we dus al sturen, de juiste parameters invoeren. En achteraf moeten we controle houden met humans in the loop. We hebben bijvoorbeeld een functionaliteit ingebouwd zodat de ai-agent zelf een score geeft aan hoe zeker hij is van zijn zaak. Daar sturen we op. Toch kun je zelden helemaal zijn gedachtepad achterhalen. Laatste had onze ai-agent een verkeerd adres opgezocht. We kwamen erachter dat het adres daar net om de hoek was. Bijna goed en toch helemaal fout.’

VionA werkte in de eerste jaren vooral met robotic process automation (rpa, met name een scraping-techniek). Van der Wagen zag dat robots ‘niet dat zelflerende van een ai-agent hebben’. Een factuur uit elkaar halen kostte al veel tijd en het invoeren van de opdracht moest steeds herhaald worden. Van der Wagen: ‘De uitkomst van rpa is altijd voorspelbaar. Wat een ai-agent veel beter kan is ongestructureerde data structureren en bruikbaar maken. Steeds opnieuw en steeds beter, want zo’n agent leert van elke interactie. Voor hr-medewerkers blijft er bijvoorbeeld meer tijd over om gesprekken te voeren met mensen.’

“Het resultaat mag er zijn. De ai-agent beantwoordt maandelijks zo’n 12.000 vragen” – Jeroen Kok (Savvy.codes)

Zero emissie

De mens op de werkvloer kan door ai-agents flink ontlast worden, stelt Jerom Kok van Savvy.codes. Kok verwijst naar de agent die hij bouwde voor het beantwoorden van vragen over zero-emissiezones. Daarover is veel onduidelijkheid. Waarom zijn er zero-emissiezones? Waar zijn ze al? Waar komen ze? Wat is het verschil tussen een milieuzone en een zero-emissiezone? Voor welke voertuigen geldt de zero-emissiezone? Hoe zit het met de overgangsregels voor bestaande bestelauto’s? Hoe zit het met boetes, vrijstellingen en ontheffingen? Kok: ‘Voor opdrachtgever Opwegnaarzes.nl van de Rijksoverheid hebben we een kentekencheck gebouwd. Op basis van het kenteken van een auto geeft de ai-agent terug welke regelgeving geldt voor de eigenaar. We hebben dit gerealiseerd door middel van een technische koppeling met open data van het RDW en een lokale dataset met uitzonderingen – dat zijn er nogal wat. De check moest alleenstaand en geïntegreerd op andere sites te gebruiken zijn. Dat hebben we opgelost door er een zogeheten PEWC, een Progressive Embedable Web Component, van te maken. Het resultaat mag er zijn.

Dit artikel staat ook in Computable Magazine 2025 #6.