Je eerste AI-agent bouwen: een praktische handleiding

Een AI-agent klinkt als iets voor techbedrijven met een ontwikkelteam. Maar in 2026 kun je een werkende agent opzetten zonder een regel code te schrijven. De voorwaarde is dat je precies weet welk proces de agent moet uitvoeren. De technologie is het makkelijke deel. Het denkwerk zit in het helder beschrijven van de taak.

Stap 1: kies het juiste proces

Niet elk proces is geschikt voor een agent. De beste kandidaten hebben drie eigenschappen: ze komen dagelijks of wekelijks voor, ze volgen een voorspelbaar patroon en ze kosten je team meer dan twee uur per week.

De rode draad: agents zijn sterk in taken die duidelijke regels volgen en waarbij de input en output voorspelbaar zijn. Hoe helderder je het proces kunt beschrijven, hoe beter de agent presteert.

Stap 2: bepaal welke tools de agent nodig heeft

Een agent is zo goed als de tools die hij kan gebruiken. Maak een lijst van de systemen die bij het proces betrokken zijn. Voor mailafhandeling is dat je mailbox en je CRM. Voor factuurverwerking je boekhoudprogramma en je inkoopoverzicht.

De meeste agent-platformen (zoals Claude, GPT-agents of Make) bieden koppelingen met veelgebruikte zakelijke software: Gmail, Outlook, HubSpot, Exact Online, Google Calendar, Slack en tientallen andere tools. Controleer vooraf of je systemen ondersteund worden. In de meeste gevallen is dat zo.

Stap 3: schrijf de instructies

Dit is de belangrijkste stap. De instructies (ook wel "system prompt" of "agent-instructie" genoemd) bepalen hoe de agent zich gedraagt. Schrijf ze alsof je een nieuwe medewerker instrueert op de eerste werkdag.

Goede instructies bevatten vier elementen:

1. De rol: "Je bent de klantenservice-assistent van [bedrijfsnaam]. Je beantwoordt vragen over onze diensten, prijzen en levertijden."
2. De regels: "Geef alleen antwoord op basis van de informatie in de kennisbank. Als je het antwoord niet weet, zeg dat eerlijk en bied aan om een collega te laten terugbellen."
3. De toon: "Spreek de klant aan met je. Wees vriendelijk, kort en concreet. Geen jargon."
4. De grenzen: "Geef nooit kortingen. Doe geen toezeggingen over levertijden die niet in het systeem staan. Bij klachten, escaleer naar het team."

Stap 4: test met echte data

Voordat je de agent loslaat op echte klanten, test je hem met echte input. Neem tien recente klantvragen, facturen of aanvragen en laat de agent ze verwerken. Controleer de output handmatig.

Waar let je op? Zijn de antwoorden correct? Past de toon bij je bedrijf? Volgt de agent de regels die je hebt ingesteld? Escaleert hij op het juiste moment?

De eerste testronde levert bijna altijd verbeterpunten op. Dat is normaal. Pas je instructies aan, test opnieuw en herhaal tot je tevreden bent. Twee tot drie rondes is gangbaar.

Stap 5: live en monitoren

Zet de agent aan voor een klein deel van het werk. Bijvoorbeeld: alleen e-mails die binnenkomen na 17:00. Of alleen vragen over één productcategorie. Zo bouw je vertrouwen op zonder risico.

Monitor de eerste twee weken dagelijks. Controleer steekproefsgewijs de output. Na twee weken bekijk je de resultaten: hoeveel taken heeft de agent afgehandeld? Hoeveel daarvan correct? Hoeveel moest het team corrigeren?

Een goed presterende agent handelt 85% of meer van de taken correct af zonder menselijke tussenkomst. Bij minder dan 70% zijn de instructies waarschijnlijk niet specifiek genoeg. Pas aan en test opnieuw.

Voorbeeld: een webshop bouwt een bestelstatus-agent

Een webshop met 200 bestellingen per dag ontving dagelijks 30 tot 40 e-mails met de vraag "Waar is mijn bestelling?". Elke mail kostte vijf minuten om te beantwoorden: bestelnummer opzoeken, vervoerder checken, track-and-trace ophalen, klant mailen. Totaal: drie uur per dag.

De agent werd in een middag opgezet. De instructies: "Je bent de bestelservice-assistent van [webshop]. Als een klant vraagt naar de status van een bestelling, zoek het bestelnummer op in Shopify, haal de track-and-trace status op en stuur de klant een update per mail. Als de bestelling vertraagd is, bied excuses aan en vermeld de nieuwe verwachte leverdatum."

Na twee weken handelde de agent 92% van de statusvragen zelfstandig af. De overige 8% (beschadigde pakketten, retourzendingen) werden correct geëscaleerd naar het team. De tijdwinst: 2,5 uur per dag, vijf dagen per week. De agent kostte €120 per maand. De besparing: meer dan €2.000 per maand aan vrijgekomen medewerkerscapaciteit.

Bron: OpenAI, Custom GPTs and agent building, 2026

Bron: Anthropic, Claude tool use and agent patterns, 2026

Nog niet zeker of een agent het juiste startpunt is? Lees eerst wat zijn AI-agents en wat kun je ermee als mkb? en werkprocessen automatiseren met AI. Wil je weten of je agent straks goed samenwerkt met je bestaande systemen? Bekijk werkt AI samen met mijn huidige software?