12 voorbeelden van AI-agenten die laten zien wat ze echt doen
MarkdownOntdek 12 voorbeelden van AI-agenten, van financiële gegevens en klantenservice tot programmeren en schermautomatisering. Lees hoe agenten verschillen van chatbots en workflows.
AI-agenten komen in allerlei producten voor, maar door het label is soms moeilijk te zien wat ze doen. Deze 12 voorbeelden laten zien hoe agenten in bedrijven en op personal computers werken, en wanneer een agent, chatbot of gewone automatisering geschikt kan zijn voor een taak.
Belangrijkste punten
- Een AI-agent voert taken uit door met de beschikbare tools een workflow te ontwerpen. Daarmee verschilt hij van een chatbot die alleen met tekst antwoordt.
- Agenten kunnen specifieke taken uitvoeren: voorbeelden zijn vragen over financiën beantwoorden in Slack en concept-pull requests openen op basis van programmeertaken.
- Een veelgebruikt raamwerk onderscheidt vijf soorten agenten: eenvoudige reflexagenten, modelgebaseerde reflexagenten, doelgerichte agenten, op nut gebaseerde agenten en lerende agenten. Deze typen kunnen worden gecombineerd in een multi-agentsysteem.
- Persoonlijke agenten kunnen helpen bij routinematig werk, zoals een inbox opschonen of bonnetjes archiveren, en bij zakelijke taken zoals analyse.
Wat is een AI-agent, in één zin?
Een AI-agent is een systeem dat zijn omgeving waarneemt, beslist wat het moet doen en tools of API's gebruikt om een taak met meerdere stappen uit te voeren. IBM beschrijft een agent als een systeem dat autonoom taken uitvoert door workflows met beschikbare tools te ontwerpen. Tools en de mogelijkheid om te handelen staan centraal in dit begrip.
Hoe verschilt een agent van een chatbot?
Een chatbot geeft antwoord; een agent kan actie ondernemen. Chatbots zonder tools, geheugen of redeneervermogen blijven reactief, terwijl een agent die mogelijkheden kan combineren om te handelen. Een bruikbaar onderscheid is of het systeem een taak kan voltooien zonder bij elke stap naar jou terug te keren. Als het na elk antwoord stopt en wacht, functioneert het als een chatbot.
De onderdelen die elke agent gemeen heeft
Agenten hebben doorgaans drie onderdelen: waarneming, een besluitvormingslus en acties via tools. Het systeem leest de huidige toestand, kiest een stap, voert die uit met een tool, controleert het resultaat en herhaalt dit totdat de taak is voltooid. Deze lus komt bij verschillende typen agenten voor. Zonder tools of een besluitvormingslus lijkt een systeem meer op een chatbot.
De belangrijkste typen AI-agenten (met telkens een kort voorbeeld)
Een veelgebruikt raamwerk onderscheidt vijf typen: eenvoudige reflexagenten, modelgebaseerde reflexagenten, doelgerichte agenten, op nut gebaseerde agenten en lerende agenten. Ze verschillen in complexiteit en kunnen met meerdere typen worden gecombineerd in een multi-agentsysteem.
Eenvoudige reflexagenten en modelgebaseerde agenten
Een eenvoudige reflexagent volgt vaste als-danregels en heeft geen geheugen. Een thermostaat is een klassiek voorbeeld: zodra de temperatuur onder het ingestelde punt zakt, gaat de verwarming aan. Een modelgebaseerde reflexagent heeft daarnaast een intern beeld van de wereld, zodat hij veranderingen sinds de vorige stap kan volgen. Het verschil is dat de ene agent alleen regels gebruikt en de andere de toestand bijhoudt.
Doelgerichte, op nut gebaseerde en lerende agenten
Deze agenten plannen in plaats van alleen te reageren. Een doelgerichte agent redeneert vanaf een doel terug om stappen te kiezen, zoals een GPS-app die een route uitstippelt. Een op nut gebaseerde agent weegt voor- en nadelen af om uit opties te kiezen, in plaats van zomaar een optie te selecteren die het doel bereikt. Een lerende agent verbetert in de loop der tijd op basis van feedback. Deze drie maken deel uit van het raamwerk met vijf typen.
Multi-agentsystemen
Een multi-agentsysteem bestaat uit meerdere agenten die samen aan een taak werken. Vaak verdeelt een hoofdagent het werk onder subagenten. De hieronder beschreven onderzoeksfunctie van Anthropic is een voorbeeld van dit patroon.
Echte voorbeelden van AI-agenten bij bedrijven
Deze voorbeelden laten zien hoe agenten met tools specifieke taken uitvoeren. Elk voorbeeld toont een andere manier waarop een agent kan werken.
Finch, de financiële data-agent van Uber
Finch is een interne Uber-agent in Slack die vragen in gewone taal omzet in zoekopdrachten naar financiële gegevens. Het engineeringteam van Uber beschrijft Finch als een systeem dat vragen in natuurlijke taal omzet in gestructureerd opvragen van gegevens en beveiligde financiële antwoorden in realtime levert. In plaats van SQL te schrijven voor meerdere systemen kan een financieel analist gewoon een vraag stellen.
De multi-agent-onderzoeksfunctie van Anthropic
De Research-functie van Anthropic gebruikt een hoofdagent die verschillende subagenten start om parallel te zoeken. Anthropic meldt dat de hoofdagent 3 tot 5 subagenten parallel kan laten werken en dat dit ontwerp de onderzoekstijd voor complexe vragen in de interne evaluatie met maximaal 90% verkortte. Dit zijn door Anthropic gerapporteerde resultaten, geen onafhankelijke benchmark; de architectuur is een voorbeeld van een multi-agentsysteem.
De agent voor productkennis van Delivery Hero
Delivery Hero heeft een agentische pipeline gebouwd om zijn productcatalogus te ordenen. Het technische team beschrijft een systeem dat het extraheren van productkenmerken en het standaardiseren van titels automatiseert met agentische AI en taalmodellen. De ene agent haalt gestructureerde kenmerken op en een andere schrijft gestandaardiseerde titels. Zo wordt cataloguswerk geautomatiseerd dat eerder handmatig gebeurde.
Fin, de support- en spraakagent van Intercom
Fin is de klantenserviceagent van Intercom en werkt via chat, e-mail en spraak. Intercom rapporteert resultaten van autonome afhandeling, waaronder een klantcase met een afhandelingspercentage van 50%. Dat cijfer komt van de leverancier en is geen gecontroleerd branchegemiddelde; het voorbeeld laat zien hoe een agent gesprekken met klanten zonder menselijke tussenkomst afhandelt.
Programmeeragenten die pull requests openen
Programmeeragenten kunnen een taak aannemen en een pull request openen. GitHub's Copilot programmeeragent werd in september 2025 algemeen beschikbaar. Volgens GitHub kunnen gebruikers een taak delegeren terwijl Copilot op de achtergrond in een eigen omgeving werkt en een concept-pull request opent. Een mens controleert en voegt de wijziging nog steeds samen.
Voorbeelden van AI-agenten voor dagelijks en persoonlijk gebruik
Persoonlijke agenten kunnen terugkerende taken op een computer uitvoeren. Sommige werken met apps door te klikken, te typen en over het scherm te navigeren in plaats van een datawarehouse te bevragen.
Schermautomatiseringsagenten op je desktop
Schermautomatiseringsagenten bedienen een computer door de cursor te besturen, op knoppen te klikken en tekst te typen. Anthropic introduceerde Computer Use in oktober 2024 als een experimentele mogelijkheid om standaardtools en software te gebruiken die voor mensen zijn ontworpen. OpenAI introduceerde Operator, een browseragent waarvan de mogelijkheden nu zijn opgenomen in de agentmodus van ChatGPT.
AI-agenten versus workflowautomatisering: waar blinkt elke optie in uit?
Workflowautomatisering volgt een vast script, terwijl een agent onderweg zelf stappen kan kiezen. Klassieke automatisering, zoals Zapier of macOS Shortcuts, kan snel, goedkoop en betrouwbaar zijn wanneer een app een API aanbiedt en de stappen stabiel blijven. Ze past mogelijk minder goed wanneer een workflow een app zonder integratie omvat of wanneer de schermindeling verandert. TechTarget maakt een vergelijkbaar onderscheid: chatbots en vaste regels delen informatie, terwijl een AI-agent zonder menselijke aanwijzingen complexe acties over meerdere stappen kan uitvoeren.
De keuze hangt af van de taak. Gebruik scripts voor een stabiele taak met een geschikte API die elke keer op dezelfde manier wordt uitgevoerd. Overweeg een agent wanneer een taak meerdere apps omvat, beoordelingsvermogen vereist of zo vaak verandert dat een vaste macro moeilijk te onderhouden is.
Conclusie
AI-agenten variëren van thermostaten die als-danregels volgen tot multi-agent-onderzoekssystemen die subagenten starten. Concrete voorbeelden zijn Finch in Slack, Fin die supportgesprekken afhandelt, Copilot die pull requests opent en schermagenten die door apps navigeren. Kies de eenvoudigste tool die bij de taak past: scripts voor stabiele taken en agenten voor taken die tools, beoordelingsvermogen of meerdere stappen vereisen.
Veelgestelde vragen
Wat zijn echte voorbeelden van AI-agenten?
Voorbeelden uit de praktijk zijn:
- De Research-functie van Anthropic coördineert subagenten die parallel zoeken en combineert hun bevindingen.
- De pipeline van Delivery Hero leest productgegevens en schrijft gestandaardiseerde catalogustitels.
- Fin van Intercom handelt klantgesprekken af via chat, e-mail en spraak.
- Schermautomatiseringsagenten klikken en typen in apps op een computer, ook in apps zonder API.
Elk voorbeeld betreft een specifieke taak met tools. Dat onderscheidt deze agenten van chatbots die alleen antwoorden.
Wat zijn de 5 typen AI-agenten?
De vijf typen zijn eenvoudige reflexagenten, modelgebaseerde reflexagenten, doelgerichte agenten, op nut gebaseerde agenten en lerende agenten. Reflexagenten reageren op de huidige situatie; modelgebaseerde agenten houden de toestand bij; doelgerichte en op nut gebaseerde agenten plannen en wegen voor- en nadelen af; lerende agenten verbeteren op basis van feedback. Kies een type dat bij de taak past: een vaste regel kan goed werken wanneer een taak nooit verandert.
Is ChatGPT een AI-agent?
Niet standaard. De gewone ChatGPT is een chatbot die op prompts reageert. Met tools kan hij zich als een agent gedragen. De agentmodus van ChatGPT van OpenAI kan browsen, formulieren invullen en taken met meerdere stappen uitvoeren op een virtuele computer. Het eenvoudige onderscheid is dat een chatbot antwoordt, terwijl een agent tools en een lus gebruikt om actie te ondernemen.
Is Copilot een AI-agent?
Dat hangt ervan af welk Copilot-product je bedoelt. Microsoft beschrijft de Copilot-interface als een AI-assistent en agenten als gespecialiseerde tools voor processen. In die beschrijving is Copilot de interface en zijn agenten de apps. Copilot-agenten die in Copilot Studio zijn gebouwd, kunnen gegevens ophalen, acties uitvoeren en bedrijfsprocessen uitvoeren, dus ze passen bij de omschrijving van een agent.
Wat is een voorbeeld van een AI-agent voor persoonlijk gebruik?
Een schermautomatiseringsagent kan terugkerende taken op een personal computer uitvoeren, zoals een inbox sorteren of bonnetjes archiveren. Hij gebruikt de apps op het scherm en kan bij controlepunten pauzeren voordat hij een actie uitvoert, zoals iets verzenden. Beschikbaarheid, prijs en platformondersteuning verschillen per product.
Ontdek Ailoots API voor vectorrepresentaties. Ailoot geeft één API-sleutel uit voor 1.284 modellen en varianten in 15 categorieën. Daarmee is Ailoot, gemeten naar het aantal modellen, een van de grootste AI-routers ter wereld. Combineer GPT-6.2 Astra of Qwen4 Max voor code met Nano Banana voor foto's, Veo voor video, Scribe voor transcriptie, Suno voor muziek en Tripo3D voor 3D. Dezelfde API ondersteunt embeddings en het herrangschikken van zoekresultaten.
Heb je een API voor zoeken op het web door AI-agents nodig? Geef Ailoot gedateerde zoekresultaten van een aanbieder van zoekdata en ontvang een overzicht met bronnen. Groepeer de resultaten op onderwerp of taal en bewaar de webadressen waarmee een collega elke bevinding kan controleren.
Voeg via Ailoot BGE-vectoren en Cohere Rerank toe om te zoeken in collecties die je zelf beheert. Je app kan de bronnen rangschikken en met hetzelfde tegoed leesbare antwoorden formuleren.
Nieuwe topmodellen zijn op de dag van de lancering beschikbaar bij Ailoot. Eén abonnement dekt de hele catalogus. Met abonnementen en actiecodes kun je tot 50% besparen op de officiële API-prijzen van de modelaanbieders. Bekijk je actuele aanbiedingen op https://ailoot.ai/.