Iedereen heeft inmiddels een AI-agent gezien die in een demo een vlucht boekt. Minder mensen hebben er een die op dinsdagochtend zestig inkomende aanvragen leest, de helft zelf afhandelt en de rest netjes klaarzet voor een collega. Dat tweede is wat Flowstate bouwt: agents met een duidelijke taak, vaste grenzen en een mens die meekijkt bij twijfel. Geen sciencefiction, wel werk dat verdwijnt.
Wat is een AI-agent, en wat is het niet?
Een AI-agent is een taalmodel dat niet alleen antwoordt, maar ook handelt. Hij krijgt een doel, kiest zelf welke stappen nodig zijn, gebruikt tools zoals je CRM, mailbox of agenda en controleert of het doel is gehaald. Dat is het verschil met een chatbot, die wacht op een vraag, en met een klassieke workflow, die elke stap vooraf uitgeschreven wil hebben. Een agent is dus geen toverstaf. Hij is een junior collega met een enorme werklust en een verrassend kort geheugen. Precies daarom bouwen we hem met een taakomschrijving, een lijst van wat hij wél en niet mag, en een logboek waarin je achteraf ziet wat hij deed en waarom.
AI-agent laten bouwen: van taak naar productie
Kort antwoord: een AI-agent laten bouwen betekent dat een taalmodel een duidelijke taak, een set tools en vaste grenzen krijgt, en daarbinnen zelf werk oppakt: e-mail lezen, gegevens ophalen, een antwoord of document voorbereiden. Onomkeerbare acties doet de agent nooit zonder goedkeuring. Flowstate start met één taak, een taakomschrijving op papier en een meetbare nulmeting.
Een AI-agent bouwen begint bij de taak, niet bij het model
De beste agents zijn saai in hun afbakening. “Beantwoord elke offerteaanvraag binnen vijf minuten met de juiste prijslijst, en stuur alles boven 10.000 euro naar Kevin” is een goede opdracht. “Regel de sales” is een recept voor een agent die om drie uur ’s nachts een korting van 40 procent geeft. Daarom schrijven we eerst de taak, de grenzen en de escalatieregels uit, voordat er een regel code staat. Vaak blijkt in die fase dat een deel van het werk beter met een vaste regel kan, en dat de agent alleen het onvoorspelbare stuk hoeft te doen.
Een procesroute met onderbouwde prioriteit
Een automatisering die je team kan beheren
Een AI-agent in je bestaande software, zonder nieuw platform
We bouwen agents in n8n, gekoppeld aan modellen van OpenAI, Anthropic of Google, en verbinden ze via API’s met je CRM, boekhouding, mailbox en agenda. Jouw systemen blijven de bron van waarheid. De agent leest, redeneert en bereidt voor; het schrijven naar systemen gebeurt via vaste, controleerbare acties. Wordt er volgend jaar een beter model uitgebracht, dan wisselen we dat uit zonder dat de agent zijn taak vergeet. Wil je eerst weten hoe zo’n koppeling technisch werkt, lees dan over AI-integratie.
Inzicht in wat je bestaande software al kan
Koppelingen die aantoonbaar waarde toevoegen
Vier AI-agents die we vaak bouwen voor het MKB
Dit zijn de agents waar de businesscase het vaakst rondkomt. Of er bij jou ook een past, hangt af van volume, datakwaliteit en wat een fout kost. Een agent die in de demo één perfecte aanvraag afhandelt, zegt nog niets. Dat is een goochelshow.
Inbox-agent
Leest inkomende e-mail, herkent aanvragen, klachten en facturen, beantwoordt standaardvragen zelf en zet de rest als complete taak klaar bij de juiste collega. Met een concept-antwoord erbij.
Offerte-agent
Verzamelt de gegevens uit een aanvraag, controleert of alles compleet is, stelt op basis van je prijslijst een conceptofferte op en vraagt bij afwijkingen om goedkeuring. Verzenden doet een mens.
Administratie-agent
Leest facturen en bonnen uit, matcht ze met orders, zet boekingsvoorstellen klaar en meldt wat niet klopt. Onomkeerbare boekingen gaan altijd via een controle.
Kennis-agent
Beantwoordt vragen van medewerkers uit jullie eigen handleidingen, procedures en projectdossiers, met bronvermelding. Weet hij het niet, dan zegt hij dat in plaats van iets te verzinnen.
Wat je van Flowstate mag verwachten:
- Gebouwd rond je huidige proces en software
- Heldere invoer, uitvoer en beslisregels
- Foutafhandeling en meldingen met een duidelijke eigenaar
- Menselijke goedkeuring waar de beslissing belangrijk is
- Documentatie, meetplan en eigenaarschap binnen de afgesproken scope
AI-agents en overdracht
Van indrukwekkende demo naar een agent die ook op maandag zijn werk doet
Bijna elke agent-demo werkt. Bijna elke eerste agent in productie gaat een keer spectaculair de mist in. Niet omdat het model dom is, maar omdat niemand had bedacht wat hij moest doen met een aanvraag in het Duits, een factuur zonder bedrag of een klant die drie vragen in één zin stelt. Het verschil tussen een demo en een werkende agent zit in de randen: welke invoer accepteert hij, wanneer stopt hij en vraagt hij om hulp, welke acties mag hij nooit zelf doen en hoe zie je achteraf wat er is gebeurd?
Daarom beginnen we bij de taak zoals die werkelijk binnenkomt, niet zoals hij in het proceshandboek staat. Kevin scherpt de opdracht, de grenzen en de businesscase aan. Chiel kiest het model, bouwt de agent in n8n en richt validatie, logging, kostenbewaking en escalatie in. Daarna testen we op echte e-mails en documenten, inclusief de rommelige gevallen die niemand in de demo laat zien. In AI-agent uitgelegd lees je het verschil met een chatbot en een workflow, met zes voorbeelden en wanneer een vaste workflow beter werkt dan een agent.
Resultaten publiceren we alleen met context. Op onze meetmethodepagina lees je hoe we een nulmeting, databron en meetperiode vastleggen. Wil je eerst zelf prioriteren? Gebruik de processelectie-scorecard of het ROI-rekenmodel. Zoek je het bredere traject, kijk dan bij AI-implementatie uitbesteden.
01
Taak en grenzen
Opdracht, tools, escalatieregels en eigenaarschap
02
Bouw en tests
Agent in n8n, getest op echte data en rommelige gevallen
03
Productie en bewaking
Logboek, kosten per taak, alerts en overdracht
Projecten uit de praktijk
Projecten waarin we AI en bedrijfsprocessen aan elkaar knoopten
Vaste regels, AI en menselijke controle
Twee mensen, één agent en geen verrassingen
Kevin begint bij de taak, de gewenste uitkomst en de businesscase. Samen bepalen we wat de agent zelf mag afhandelen, waar een vaste regel beter is en welke beslissingen bij een mens blijven. Niet alles hoeft autonoom te zijn. Sommige dingen moeten vooral kloppen.
Chiel vertaalt dat naar techniek. Hij kiest het model, bouwt de agent in n8n en richt validatie, logging, kostenbewaking en escalatie in. Daarna testen we op echte e-mails en documenten, inclusief de gevallen waarvan je collega zegt: “ja, maar deze is anders”.
Na acceptatie gaat de agent gefaseerd live, eerst met een mens die alles goedkeurt, daarna met steekproeven. Je krijgt uitleg, documentatie en inzicht in wat elke taak kost. Onderhoud en monitoring kunnen bij Flowstate blijven, maar je zit nergens aan vast.
Vrijblijvend. Neem gerust een mailbox-export, een stapel aanvragen of dat ene proces mee waarvan iedereen zegt dat een agent het zou moeten kunnen. We rekenen samen uit of dat klopt.
Wat we voor je regelen
- Taakontwerp: opdracht, grenzen en escalatieregels
- Kiezen welke stappen de agent doet en welke een vaste regel
- Modelkeuze op kwaliteit, prijs en gevoeligheid van data
- Tools koppelen: CRM, mailbox, agenda, boekhouding
- Geheugen en context afbakenen per taak
- Betrouwbaarheidsdrempel: bij twijfel stoppen en vragen
- Onomkeerbare acties altijd via goedkeuring
- Kostenbewaking per taak in productie
- Logboek van elke stap, beslissing en gebruikte tool
- Retries, time-outs en foutpaden per tool
- Privacy: minimale velden, zakelijke API’s, bewaartermijnen
- Acceptatietests op echte e-mails en documenten
- Gefaseerde livegang: eerst alles goedkeuren, dan steekproeven
- Documentatie, uitleg en optioneel beheer
Waarmee helpen we je?
Inbox-agent
- Leest inkomende e-mail en herkent aanvragen, klachten en facturen
- Beantwoordt standaardvragen zelf
- Zet de rest klaar bij de juiste collega met conceptantwoord
- Escaleert bij twijfel of emotie
Offerte-agent
- Verzamelt gegevens uit de aanvraag en vraagt wat ontbreekt
- Stelt conceptofferte op vanuit prijslijst en regels
- Vraagt goedkeuring bij afwijkingen
- Verzenden blijft mensenwerk
Administratie-agent
- Leest facturen en bonnen uit
- Matcht met orders en zet boekingsvoorstel klaar
- Meldt wat niet klopt
- Boeken gaat altijd via controle
Kennis-agent
- Beantwoordt vragen uit handleidingen en dossiers
- Altijd met bronvermelding
- Zegt het als hij het niet weet
- Toegang per rol en documentset
Veelgestelde vragen over een AI-agent laten bouwen
Hoeveel kost een AI-agent?
Twee onderdelen. Het bouwtraject (taakontwerp, bouw, tests, overdracht) is een eenmalig bedrag dat afhangt van het aantal systemen, tools en uitzonderingen. Daarnaast betaal je per uitgevoerde taak modelkosten, meestal enkele centen tot een paar dubbeltjes per aanvraag. Beide staan vooraf in het voorstel en de modelkosten bewaken we in productie, zodat een drukke maand geen verrassing wordt.
Kan ik zelf een AI-agent maken?
Ja, voor een eenvoudige assistent kun je zelf aan de slag met Copilot Studio, een Custom GPT of een n8n-template. Dat is een prima manier om te ontdekken wat je wilt. Het wordt lastig zodra de agent in je systemen moet schrijven, met echte klantdata werkt of fouten geld kosten. Dan heb je validatie, logging, foutafhandeling en beveiliging nodig, en dat is waar wij instappen.
Wat is het verschil tussen een AI-agent en een chatbot?
Een chatbot wacht op een vraag en geeft antwoord. Een agent krijgt een doel, kiest zelf de stappen, gebruikt tools zoals je CRM of agenda en controleert of het doel is gehaald. Een chatbot vertelt je wanneer de monteur komt. Een agent plant de monteur in, stuurt de bevestiging en zet de herinnering in de agenda.
Wanneer gebruik je vaste regels, een agent of menselijke controle?
Vaste regels voor alles wat voorspelbaar is: prijsberekening, btw, routering op postcode. Een agent voor het onvoorspelbare deel: tekst begrijpen, context afwegen, ontbrekende informatie opvragen. Menselijke controle bij hoge impact, bij twijfel van de agent en bij alles wat onomkeerbaar is, zoals een verzonden offerte of een betaling.
Welke AI-agents zijn het beste?
De agent die bij jouw taak past, niet het platform met de mooiste demo. We bouwen op n8n omdat het open is, in je eigen omgeving kan draaien en met elk model werkt. Voor het model zelf kiezen we per stap tussen OpenAI, Anthropic en Google op basis van kwaliteit, prijs en gevoeligheid van de data. Die keuze is later omkeerbaar.
Hoe lang duurt het om een AI-agent te bouwen?
Een afgebakende agent met één taak en twee of drie tools kan vaak binnen enkele weken in productie zijn. De doorlooptijd hangt vooral af van API-toegang, beschikbare voorbeelddata en hoe snel jullie de uitkomsten van de agent kunnen beoordelen in de testfase.
Hoe gaan jullie om met privacy en bedrijfsdata?
We gebruiken zakelijke API’s waarbij je data niet wordt gebruikt om modellen te trainen, beperken welke velden de agent te zien krijgt en anonimiseren waar dat kan. Credentials staan nooit in leesbare tekst in een workflow. We leggen vast welke data wordt verwerkt, wat in het logboek mag staan, hoe lang informatie wordt bewaard en wie meldingen opvolgt.
Wat gebeurt er als de agent een fout maakt?
Elke actie krijgt een controle: een vaste validatie, een betrouwbaarheidsdrempel of een menselijke goedkeuring. Twijfelt de agent, dan stopt hij en vraagt hij om hulp in plaats van te gokken. Onomkeerbare acties, zoals verzenden, boeken of betalen, doet een agent bij ons nooit zonder goedkeuring. En alles staat in een logboek, zodat je achteraf precies ziet wat er is gebeurd.
Wie beheert de agent na livegang?
Na livegang kan je eigen team het beheer overnemen, kan Flowstate monitoring, modelupdates en onderhoud verzorgen of kiezen we een gedeelde vorm. In onze gids over monitoring in productie lees je wat er bewaakt moet worden. De agent, de prompts, de workflows en de documentatie blijven van jou.
Gratis taakanalyse
Stap01
- Taak, tools en gewenste uitkomst
- Grenzen: wat mag de agent nooit zelf?
- Escalatieregels en eigenaarschap
- Modelkeuze en kostenraming per taak
- Ontwerp voor de veiligste eerste versie
Afgebakende agent
Stap02
- Afgebakende agent met één taak
- Getest op echte e-mails en documenten
- Drempels, validatie en goedkeuringsstap
- Foutpaden per tool en acceptatietest
- Besluit over gecontroleerde livegang
Bouw en beheer
Stap03
- Livegang met mens die alles goedkeurt
- Daarna steekproeven en alerts
- Logboek en kostenbewaking per taak
- Documentatie en uitleg voor je team
- Optioneel beheer en modelupdates
