Agentic AI

Agentic AI is AI die zelf een taak uitvoert in plaats van alleen vragen te beantwoorden. Je geeft een doel, zoals "dien de bonnetjes van deze zakenreis in", en het systeem bedenkt de stappen, gebruikt software als je e-mail of declaratiesysteem, controleert elk resultaat en vraagt het jou als het vastloopt. Een programma dat zo werkt, heet een AI-agent.

Wat is het verschil met een chatbot?

Een chatbot beantwoordt één bericht tegelijk (zie chatbot vs AI-agent). Anthropic beschrijft een agent als een model dat zelf bepaalt hoe het bereikt wat de gebruiker wil, en dat in een lus werkt: plannen, handelen, het resultaat bekijken, bijsturen en herhalen, tot de taak klaar is of het jouw input nodig heeft (Trustworthy agents in practice, april 2026). In het voorbeeld van Anthropic dient Claude reisbonnen een voor een in. Als een hotelrekening boven het maximum per nacht uitkomt, stopt Claude en vraagt of hij eerst het declaratiebeleid van het bedrijf moet ophalen.

Is elk AI-systeem met tools agentic?

Het is een kwestie van gradatie. In Building effective agents (december 2024) noemt Anthropic het hele spectrum agentic systems en trekt er één grens doorheen. In een workflow legt code vast welke stappen in welke volgorde lopen, zoals bij prompt chaining. Een agent kiest zelf zijn stappen en tools, wat past bij open problemen waarvan je niet kunt voorspellen hoeveel stappen ze vragen. Anthropic raadt aan met de eenvoudigste oplossing te beginnen, en dat kan betekenen dat je helemaal geen agentic systeem bouwt: zulke systemen ruilen snelheid en kosten in voor betere resultaten bij complexe taken, en de autonomie van een agent betekent hogere kosten en een risico dat fouten zich opstapelen.

Hoe werkt het?

Een groot taalmodel doet het denkwerk. Het roept tools aan, zoals een zoekfunctie, een API of een database, via function calling of het Model Context Protocol (MCP). Na elke stap leest het model het resultaat, wat Anthropic ground truth uit de omgeving noemt, en beslist het wat de volgende stap is. Een stopvoorwaarde, zoals een maximumaantal stappen, houdt de lus onder controle. Grotere taken kun je verdelen: in het orchestrator-workers-patroon deelt één model de taak op en geeft het de delen aan andere modellen (multi-agentsystemen).

Wat veranderde er in 2026?

In april 2026 brachten drie leveranciers infrastructuur uit voor agents die in een sandbox of in de cloud draaien, zonder afhankelijk te zijn van de laptop van de gebruiker:

• Anthropic introduceerde routines in Claude Code (research preview, 14 april): een taak die je één keer instelt, met een prompt, repositories en connectors, en die draait op een schema, na een API-aanroep of bij een gebeurtenis op GitHub.
• OpenAI vernieuwde zijn Agents SDK (15 april) met ingebouwde uitvoering in een sandbox, instelbaar geheugen en instructies uit AGENTS.md-bestanden.
• Cloudflare breidde zijn Agent Cloud uit (13 april), onder meer met algemeen beschikbare sandboxes en toegang tot GPT-5.4 en Codex van OpenAI.

De aanpak reikt ook verder dan software. In maart 2026 beschreven onderzoekers van BASF en RWTH Aachen een systeem waarin één agent een chemisch procesontwerp uitwerkt met technische kennis, en een tweede de oplossing als code schrijft voor de eigen simulatiesoftware van BASF (Schäfer e.a.).

Waar gaat het mis?

• De agent begrijpt verkeerd wat je wilt. Volgens Anthropic werken agents met minder menselijk toezicht, waardoor er meer ruimte is voor acties met onbedoelde gevolgen.
• Prompt injection: instructies die verstopt zitten in een e-mail of webpagina die de agent leest, kunnen hem verleiden tot kostbare acties die hij anders niet zou nemen.
• De businesscase. In juni 2025 voorspelde Gartner dat meer dan 40% van de agentic-AI-projecten eind 2027 is stopgezet, door oplopende kosten, onduidelijke zakelijke waarde of onvoldoende risicobeheersing. Gartner waarschuwde ook voor "agent washing", het omdopen van bestaande chatbots en automatiseringstools tot agents, en schatte dat maar ongeveer 130 van de duizenden aanbieders van agentic AI echt zijn.