Wat is het verschil tussen een AI-agent en ChatGPT?

ChatGPT is een chatbot: hij wacht op jouw vraag en werkt met wat jij hem geeft. Een AI-agent heeft een vaste opdracht, vaste toegang tot je bedrijfsbronnen en een eigen ritme. Hij komt uit zichzelf met een signaal, ook als niemand die dag een vraag stelt.

Moeten mijn systemen eerst op orde zijn?

Nee. Een agent leest je bronnen zoals ze nu zijn, zonder dat je ERP of CRM verandert. Slechte data leidt wel tot zwakkere signalen, dus meet je in de eerste weken hoe compleet en actueel je bronnen zijn. Vaak is dat op zichzelf al een waardevolle uitkomst.

Hoeveel tijd kost een AI-agent mijn team?

Reken tijdens het opzetten op twee tot drie uur per week van één inhoudelijk betrokken medewerker, plus twee sessies van een uur met het MT. Daarna kost het bewaken van de signalen minder tijd dan het uitzoekwerk dat het vervangt.

Kan een AI-agent zelf een factuur versturen of een order plaatsen?

Technisch kan dat, maar wij doen het niet zonder expliciete goedkeuring. Signalering, advies en besluit blijven gescheiden. De agent zet de factuur klaar met bron en onderbouwing, een mens beoordeelt en verstuurt.

Uitleg · 6 min

Wat zijn AI-agents? En wat doen ze aan de managementtafel?

Een AI-agent is software die zelfstandig één vraag bewaakt: hij leest je bronnen, vergelijkt wat er gebeurt met wat er zou moeten gebeuren en meldt wat afwijkt, met de onderbouwing erbij. Een chatbot wacht tot jij iets vraagt, een dashboard toont een cijfer, een agent komt uit zichzelf met een signaal en een voorbereid besluit. Beslissen doe je zelf.

Wat is een AI-agent precies?

Een AI-agent is een stuk software met een opdracht, toegang tot bronnen en een ritme. De opdracht is smal: bewaak de marge op projecten, bewaak de betaaltermijnen, bewaak de bezetting. De bronnen zijn je eigen systemen: ERP, CRM, urenregistratie, boekhouding, contracten en mappen met documenten. Het ritme bepaal jij: elke nacht, elke maandagochtend, of vlak voor de MT-vergadering.

Binnen die grenzen werkt hij zelfstandig en vraagt hij niet elke keer om instructies. Dat is het verschil met vrijwel alle AI die je tot nu toe hebt gezien.

Wat is het verschil met een chatbot of een dashboard?

Drie hulpmiddelen, drie rollen. Ze sluiten elkaar niet uit, maar ze lossen andere problemen op.

	Chatbot	Dashboard	AI-agent
Begint bij	Jouw vraag	Jouw klik	Zijn eigen opdracht
Kijkt naar	Wat jij aanlevert	Vooraf gekozen cijfers	Alle gekoppelde bronnen
Levert	Een antwoord	Een stand	Een signaal met onderbouwing
Merkt een afwijking	Nee	Alleen als jij kijkt	Ook als niemand kijkt
Bereidt een besluit voor	Nee	Nee	Ja, met scenario’s

Een dashboard vertelt je dat de marge 16,2% is. Een agent vertelt je dat de marge 16,2% is, dat dit 2,4 punt onder je begroting ligt, dat 71% van dat verschil in twee klantgroepen zit, en dat je drie knoppen hebt om eraan te draaien. Het eerste is informatie. Het tweede is een voorbereid besluit.

Wat leest een agent, en wat doet hij ermee?

De meeste agents doen drie dingen, in deze volgorde.

Lezen. Orders, facturen, urenstaten, offertes, contracten, voorraadstanden, betaalgedrag, serviceafspraken. Ook wat niet in tabellen staat: een meerwerkbon in een pdf, een afspraak in de kleine letters van een raamcontract.
Signaleren. De agent vergelijkt de werkelijkheid met de norm die jij hebt vastgelegd: de calculatie, de begroting, het contract, vorig kwartaal. Wat buiten de bandbreedte valt, wordt een melding.
Voorbereiden. Bij elke melding staat waar het cijfer vandaan komt, hoe groot het effect is, wie erover gaat en welke opties je hebt. Inclusief de optie om niets te doen.

Wat een agent oplevert is dus geen extra scherm. Het is een kortere weg van signaal naar besluit.

Voorbeeld: de marge-agent die € 54.000 aan meerwerk vond

Neem een technisch dienstverlener met 140 medewerkers en ongeveer 60 lopende projecten. De marge stond onder druk, maar niemand kon aanwijzen waar. De maandrapportage kwam op werkdag negen en toonde het totaal, niet de oorzaak.

De marge-agent kreeg één opdracht: leg per project de geschreven uren en ingekochte materialen naast de calculatie, en naast de verstuurde facturen. Hij las de urenregistratie, de inkoopfacturen, de projectadministratie en de meerwerkbonnen in de projectmappen.

Binnen twee weken lag er een uitkomst. Op drie projecten was 62% van het geregistreerde meerwerk nooit gefactureerd. Dat ging om € 54.000. Geen fraude, geen onwil: het meerwerk werd op locatie afgesproken, in een bon vastgelegd en daarna niet doorgegeven aan de projectadministratie. Twee projectleiders deden dat wel, drie deden het niet.

Het probleem was nooit dat de informatie ontbrak. Het probleem was dat niemand de drie bronnen op hetzelfde moment naast elkaar legde.

De directie besloot twee dingen. Het openstaande meerwerk werd alsnog gefactureerd, in overleg met de klanten. En de agent bleef draaien: elke maandag een lijst met meerwerk dat ouder is dan veertien dagen en nog niet op een factuur staat. Over de hele portefeuille schatte het MT de jaarwaarde op € 180.000. Dat bedrag is een verwachting, geen belofte. Alleen wat daadwerkelijk gefactureerd wordt, telt mee in de evaluatie.

Wat doet een AI-agent niet?

Dit is het belangrijkste deel, en in verkooppraatjes wordt het meestal overgeslagen.

Hij beslist niet. De agent heeft geen mandaat, geen budget en geen stemrecht. Hij levert het voorwerk voor een besluit dat een mens neemt en ondertekent.
Hij kent je context niet vanzelf. Dat één klant strategisch is, of dat een projectleider net terug is van ziekteverlof, weet hij alleen als je het vastlegt.
Hij repareert je data niet. Als uren drie weken te laat worden geschreven, ziet de agent dat en meldt het. Het oplossen blijft een leidinggevende taak.
Hij vervangt je vakmanschap niet. Een signaal duiden vraagt ervaring. De agent zorgt dat je die ervaring inzet voor het gesprek, niet voor het uitzoekwerk.

Hoe je die grens hard maakt, lees je in AI aan tafel, mensen aan het roer.

Hoe begin je met één agent?

Niet met een platform. Met een vraag die nu geld of tijd kost.

Kies één vraag waarvan het antwoord nu te laat komt. Bijvoorbeeld: welke projecten lopen uit de calculatie?
Schrijf op wat de norm is. Zonder norm is er geen afwijking, en dus geen signaal.
Wijs de bronnen aan en de eigenaar per bron. Meestal zijn dat er twee tot vier.
Leg de nulmeting vast: hoe lang duurt het nu voordat je dit weet, en wat kost dat.
Laat de agent zes weken meedraaien en beslis daarna op feiten. Die aanpak staat in de 45-dagenpilot.

Eén agent is een hulpmiddel. Vanaf een stuk of vijf ontstaat iets anders: een managementlaag over je hele bedrijf, beschreven in Digital Business Twin. Waarom dit iets anders is dan de rapportage die je al hebt, staat in Van Business Intelligence naar Management Intelligence. En wat je ermee wilt beantwoorden, vind je in Zes vragen die elk MT moet kunnen beantwoorden.

Veelgestelde vragen

Wat is het verschil tussen een AI-agent en ChatGPT?: ChatGPT is een chatbot: hij wacht op jouw vraag en werkt met wat jij hem geeft. Een AI-agent heeft een vaste opdracht, vaste toegang tot je bedrijfsbronnen en een eigen ritme. Hij komt uit zichzelf met een signaal, ook als niemand die dag een vraag stelt.
Moeten mijn systemen eerst op orde zijn?: Nee. Een agent leest je bronnen zoals ze nu zijn, zonder dat je ERP of CRM verandert. Slechte data leidt wel tot zwakkere signalen, dus meet je in de eerste weken hoe compleet en actueel je bronnen zijn. Vaak is dat op zichzelf al een waardevolle uitkomst.
Hoeveel tijd kost een AI-agent mijn team?: Reken tijdens het opzetten op twee tot drie uur per week van één inhoudelijk betrokken medewerker, plus twee sessies van een uur met het MT. Daarna kost het bewaken van de signalen minder tijd dan het uitzoekwerk dat het vervangt.
Kan een AI-agent zelf een factuur versturen of een order plaatsen?: Technisch kan dat, maar wij doen het niet zonder expliciete goedkeuring. Signalering, advies en besluit blijven gescheiden. De agent zet de factuur klaar met bron en onderbouwing, een mens beoordeelt en verstuurt.