AI Strategie

Wat betekent agentic AI voor het gewone mkb?

Agentic AI is hét techthema, maar wat betekent het voor een mkb-bedrijf? Wat er nu al verandert, wat nog niet, en wat je vandaag al kunt regelen.

AI WorkTalent Redactie · 11 augustus 2026 · 12 min leestijd

Agentic AI staat op dit moment in bijna elk technieuwsbericht. Het gaat om software die niet alleen antwoord geeft, maar zelf de stappen zet om een taak af te maken. Voor een klein bedrijf telt een andere vraag dan of de hype klopt. Wat betekent dit concreet, wat verandert er de komende tijd, en wat doe je er vandaag al mee? Hieronder staat wat het thema betekent op de werkvloer van een gewoon mkb-bedrijf, zonder te doen alsof de toekomst van agents vaststaat.

Wat is een agent eigenlijk, in gewone taal?

Een chatbot beantwoordt een vraag en stopt daar; de volgende stap zet jij zelf. Een agent krijgt een taak en zet de vervolgstappen zelf. Hij zoekt iets op, vult een formulier in en stuurt een concept door ter goedkeuring. Op basis van wat daarop terugkomt, bepaalt hij de volgende stap. Het verschil zit niet in hoe slim het antwoord klinkt, maar in wie de vervolgstap zet.

Vraag een chatbot om een openstaande factuur te controleren, en hij legt uit waar je moet kijken. Stel dezelfde vraag aan een agent die toegang heeft tot je administratie. Hij zoekt de factuur zelf op, vergelijkt hem met de bijbehorende order en zet een conceptantwoord klaar. Dat is ook het onderscheid met gewone automatisering. Automatisering doorloopt steeds dezelfde vaste route. Een agent bepaalt zelf welke route logisch is, gezien de uitkomst tot dan toe. De techniek erachter laten we hier liggen. Hoe een agent zo'n reeks stappen aan elkaar knoopt en waar dat misgaat, staat in wat een AI-agent precies is. Deze post gaat over wat het voor jouw bedrijf betekent.

Waarom agentic AI juist voor het mkb interessant is

Kleine bedrijven lopen bij AI nog achter op grote bedrijven. Volgens de voorlopige cijfers van het CBS gebruikte in 2025 13,8 procent van de microbedrijven met 2 tot 9 werkzame personen AI-technologie. Bij bedrijven met 10 tot 249 werkzame personen was dat 29,8 procent, en bij bedrijven vanaf 250 personen 66,2 procent.

Dat eerste cijfer zegt ook iets anders. Ruim 86 procent van de microbedrijven gebruikte in 2025 dus geen van de zeven AI-technologieën waar het CBS naar vroeg. Hoor jij daarbij, dan is een agent niet je volgende stap. Begin dan bij iets kleins dat je zelf controleert, en kom hier over een jaar op terug.

De reden dat agentic AI meer is dan een nieuw modewoord zit in wat het belooft over te nemen. Tot nu toe was AI vooral goed in denkwerk: een tekst opstellen, iets samenvatten, een vraag beantwoorden. De belofte van een agent gaat een stap verder: niet alleen het denkwerk, maar ook het doe-werk. Juist dat repeterende klikwerk kost in een klein bedrijf zonder eigen IT-afdeling vaak de meeste tijd. Denk aan het werk dat er elke week weer is. Een offerte samenstellen uit prijsafspraken die in drie systemen staan. Een nieuwe klant invoeren in de administratie, de agenda en de mailinglijst. Een binnenkomende vraag beoordelen, het juiste dossier erbij zoeken en een conceptantwoord klaarzetten.

Voor een bedrijf met weinig mensen is dat aantrekkelijk. Niet omdat het "AI" heet, maar omdat dit klikwerk nu vaak bij dezelfde paar mensen terechtkomt. Of die belofte in jouw bedrijf uitpakt, hangt van één ding af: hoeveel van dat werk je in vaste, afgebakende stappen kunt vangen. Daarover gaat de rest van deze post.

Waarom je nuchter moet blijven

Hoe meer een agent zelf doet, hoe groter het gevolg als het een keer misgaat. Dat is geen reden om er niet mee te beginnen. Wel een reden om vooraf na te denken over bevoegdheid. Wat mag een agent zelfstandig doen, wat mag hij voorbereiden maar niet uitvoeren, en wat hoort helemaal niet bij hem thuis? "Kan hij het?" is een andere vraag dan "mag hij dit zelf beslissen?". Een agent die in een demo overtuigend een klantmail beantwoordt, bewijst daarmee weinig. De echte test is wat er gebeurt bij de honderdste mail, en bij de uitzondering die niemand voorzag.

De vuistregel is simpel. Bij handelingen die je niet zomaar terugdraait, bevestigt een mens. Denk aan geld versturen, iets namens het bedrijf naar buiten sturen, gegevens verwijderen of een toezegging aan een klant doen. Hoe goed de agent het voorwerk ook aflevert, die laatste stap blijft bij een mens. Bij opzoeken, samenvatten en concepten opstellen kan een agent zelfstandiger werken, omdat je een fout daar meestal meteen ziet. Zelfstandigheid is dus geen schakelaar die je in één keer omzet. Je bepaalt per taak opnieuw hoeveel een agent zelf mag doen.

Daar hoort één vraag bij die je aan elke leverancier stelt: kun je achteraf zien wat de agent deed en waarom? Een agent die zelfstandig stappen zet, hoort daar een logboek van bij te houden. Daarin staat welke stap hij nam, welke gegevens hij daarbij gebruikte en welke systemen hij benaderde. Zonder dat spoor kun je een klacht van een klant niet uitzoeken en een fout niet herleiden. Je weet dan ook niet of dezelfde fout morgen weer optreedt. Vraag dus vooraf hoe lang die vastlegging bewaard blijft en of je er zelf bij kunt zonder de leverancier te bellen.

Een voorbeeld om het concreet te maken

Stel: een boekhoudkantoor zet een agent in om binnenkomende klantmail eerst te sorteren en voor te bereiden. De agent leest het bericht, zoekt het juiste dossier op in de administratie en controleert de status van de vraag. Is de aangifte al ingediend? Staat de factuur nog open? Daarna zet hij een conceptantwoord klaar. Een medewerker leest dat concept, past aan waar nodig, en verstuurt pas dan. Wat de agent niet doet: zelf een aangifte indienen, zelf een betaling goedkeuren of zelf een toezegging aan een klant doen over een fiscale kwestie. Dat blijft, voorlopig en waarschijnlijk nog lang, het werk van de medewerker die ervoor tekent.

Het patroon is steeds hetzelfde. Het opzoekwerk en het opstelwerk gaan eraf, de beslissing en de handtekening blijven bij de medewerker. Geen wondertoepassing, maar wel een concreet stuk klikwerk minder.

Wat er de komende tijd realistisch verandert

Niemand kan met zekerheid zeggen hoe snel agents volwassen worden. Daarom staan er hier geen jaartallen bij wat een agent over twee of vijf jaar wel of niet kan. Eén redenering blijft wel overeind. Eenvoudige, afgebakende taken waarbij een fout weinig schade aanricht, lenen zich het eerst voor meer zelfstandigheid. Zo'n fout merk je snel op en herstel je makkelijk. Denk aan informatie opzoeken, een concept opstellen, een standaardformulier invullen op basis van vaste velden.

Kritieke en klantgerichte taken bewegen veel langzamer die kant op. Die taken lopen bij de meeste mkb-bedrijven waarschijnlijk nooit volledig zonder mens. Niet omdat de techniek dat nooit zou aankunnen, maar omdat de schade van die ene keer dat het misgaat zwaarder weegt dan de tijd die je bespaart. Bedrijfseconomisch heeft het dan weinig zin om die stap volledig los te laten. Dat verschil in tempo — snel bij het routinematige, traag tot nooit bij het onomkeerbare — is een redenering, geen voorspelling met een datum eraan.

Wat je nu al doet, ongeacht het tempo

Dit is de kern: de voorbereiding die loont, is dezelfde of agents nu snel of langzaam volwassen worden. Drie dingen die je los van de techniek al kunt regelen.

• Je gegevens op orde. Een agent kan alleen werken met wat vindbaar en gestructureerd is. Staan klantgegevens verspreid over losse mapjes, e-mails en het hoofd van één medewerker, dan heeft geen enkele agent iets om mee te beginnen. Die opruiming is sowieso nuttig, met of zonder AI.
• Je processen helder. Kun je zelf niet opschrijven welke stappen een taak doorloopt en waar de beslismomenten zitten, dan kan een agent die taak ook niet verantwoord overnemen. Schrijf je huidige werkwijze dus op. Dat is geen bijzaak voor later, maar de voorwaarde om er ooit iets mee te kunnen.
• Eén iemand die het overziet. Wijs iemand aan die weet wat er wordt aangesloten, welke rechten dat krijgt, en wie de stekker eruit trekt als het misgaat. Zonder die persoon groeit toegang vaak geruisloos mee, tot niemand meer weet welk systeem waar toegang toe heeft.

Deze drie punten hebben niets te maken met hoe snel de technologie zich ontwikkelt. Ze betalen zich hoe dan ook terug, ook als je zelf nog geen agent gebruikt.

De valkuil: een dure "agent" kopen voordat de basis staat

De veelgemaakte misstap is niet dat een bedrijf te laat begint. Het is dat een bedrijf een dure "agent" koopt terwijl de eigen basis nog niet op orde is. Het woord klinkt nu eenmaal goed in een verkoopgesprek. Een agent krijgt dan rommelige data, een proces dat niemand kan uitleggen en geen duidelijke eigenaar. Zo'n agent levert net zo weinig op als een nieuwe medewerker die op zijn eerste dag geen instructies en geen toegang krijgt. Alleen staat er wel een rekening tegenover. En de teleurstelling maakt AI binnen het bedrijf een tijdlang onnodig verdacht.

Let daarbij ook op het etiket. Veel producten die vandaag "agent" heten, zijn in de praktijk een chatbot of een vaste automatisering met een nieuwe naam. Gartner noemt dat "agent washing". Het bureau voorspelde in juni 2025 dat meer dan 40 procent van de agentprojecten vóór eind 2027 wordt stopgezet. Als oorzaken noemt het oplopende kosten, onduidelijke opbrengst of te zwakke risicobeheersing. Vraag daarom welke stappen het product echt zelf zet, en wat er gebeurt als er onderweg één misgaat. Hoe meer stappen een agent achter elkaar zet, hoe groter de kans dat er ergens iets scheefloopt.

Let bij die kosten ook op hoe je betaalt. Bij veel agenttoepassingen loopt de prijs mee met het aantal taken dat je laat verwerken, en niet met een vast bedrag per maand. Een proef met tien gevallen per week kost dan weinig. Dezelfde agent op duizend gevallen kost een veelvoud. Zo lopen de kosten op die Gartner als eerste oorzaak noemt. Vraag dus niet wat de proef kost, maar wat een maand op volle sterkte kost.

De verstandige volgorde is dezelfde als voor elke andere AI-toepassing: eerst de basis, dan de tool. Zie het stappenplan om AI gefaseerd in te voeren voor hoe je dat opbouwt. Staat die basis eenmaal, dan helpt de afweging tussen zelf bouwen en uitbesteden bij de volgende keuze.

Agentic AI in het mkb: de belofte, de realiteit nu en wat je vandaag al doet

Regels: de AVG geldt gewoon, en sinds augustus 2026 ook de transparantieplicht

Zet je een agent in op klantgegevens of personeelsdossiers, dan gelden dezelfde AVG-regels als bij elke andere verwerking. Vaak heb je een verwerkersovereenkomst nodig met de partij achter de tool: een contract waarin staat wat die partij met jouw gegevens mag doen. Zie wat de AVG in de praktijk van je vraagt voor de basis die daarbij hoort. Die basis geldt of je nu met een chatbot, een gewone automatisering of een agent werkt.

Naast de AVG geldt sinds 2 augustus 2026 de transparantieplicht uit artikel 50 van de AI Act. Praat een agent rechtstreeks met je klant, dan moet die klant weten dat hij met AI te maken heeft. Die plicht ligt formeel bij de leverancier van het systeem, maar jij bent degene die tegenover die klant staat. Vraag dus na of die melding al in het product zit. De ingangsdatum van 2 augustus 2026 is niet uitgesteld door de Digital Omnibus. Wat wél opschoof, zijn de regels voor hoog-risicosystemen. Voor losse systemen uit bijlage III — denk aan AI die meebeslist over sollicitanten of over krediet — gaat de datum naar 2 december 2027. Voor AI die in gereguleerde producten zit, zoals machines en medische apparatuur, gaat de datum naar 2 augustus 2028.

Eén verplichting raakt jou als gebruiker al langer. Artikel 4 van de AI Act vraagt dat je maatregelen neemt die de AI-kennis van je mensen helpen ontwikkelen. Sinds de wijziging door de Digital Omnibus hoef je daarbij geen kennisniveau per persoon te garanderen, en een verplicht cursusprogramma staat er nergens. Voor een klein bedrijf komt het vooral neer op twee dingen: zorgen dat de mensen die een AI-tool gebruiken snappen wat hij wel en niet betrouwbaar doet, en vastleggen wie wat mag inzetten en waarvoor.

Agentic AI is geen keuze tussen alles geloven of alles negeren. Eenvoudige, duidelijk omlijnde taken lenen zich er nu al voor. Taken met geld, onomkeerbare gevolgen of een toezegging aan een klant vragen nog lang om een mens die bevestigt. De voorbereiding die daarbij helpt — data op orde, processen helder, iemand die het overziet — blijft dezelfde, hoe snel dit zich ook ontwikkelt. Wil je die voorbereiding samen met een specialist oppakken, plaats dan je opdracht op AI WorkTalent en ontvang voorstellen van freelancers die daarmee aan de slag kunnen.