In het kort
- Een AI-agent is een taalmodel dat een doel krijgt, zelf bepaalt welke stap het daarvoor neemt en tools gebruikt zoals je mailbox, CRM of agenda. Een chatbot praat alleen. Een workflow volgt een route die vooraf vastligt.
- In de openbare bibliotheek van n8n bevat een derde van de 12.336 workflows een AI-agent. Zes op de tien van die agents hebben geen gereedschap en kunnen dus alleen praten (onze telling, 14 september 2026).
- Een agent is de goede keuze als de invoer onvoorspelbaar is: vrije tekst, wisselende vragen, ontbrekende gegevens. Voor een vaste berekening of een vaste route is een workflow goedkoper, sneller en beter te controleren.
- De uitkomsten die onze klanten na livegang zelf rapporteerden, komen allemaal uit vaste workflows: facturen, offertes, herinneringen. Een agent is een specialisme, geen standaard.
- Een agent kost een bouwtraject plus modelkosten per taak, meestal enkele centen tot een paar dubbeltjes per aanvraag. Onomkeerbare acties laat je een agent nooit zonder goedkeuring doen.
Een agent laten bouwen? Flowstate bouwt agents met één duidelijke taak, vaste grenzen en een mens die meekijkt bij twijfel. Lees hoe dat gaat bij AI-agent laten bouwen.
Alles heet tegenwoordig een agent. De chatbot op een webshop, de automatische mail na een formulier, de assistent in Outlook. Dat maakt kiezen lastig, want een echte agent kost meer, is minder voorspelbaar en vraagt meer bewaking dan een gewone automatisering. Hieronder lees je wat een AI-agent wel is, hoe hij verschilt van een chatbot en een workflow, en bij welk werk je er echt een nodig hebt. Met cijfers uit 12.336 openbare n8n-workflows en voorbeelden uit ons eigen werk. Dit artikel vervangt onze drie eerdere stukken over AI-agents.
Een AI-agent kiest zelf de volgende stap
Een AI-agent is software rond een taalmodel die een doel krijgt en zelf bepaalt hoe hij dat bereikt. Hij bekijkt de situatie, kiest een actie, gebruikt daarvoor een tool, beoordeelt het resultaat en beslist wat er daarna gebeurt. Dat herhaalt hij tot het doel gehaald is, of tot hij vastloopt en hulp vraagt. Anthropic, de maker van Claude, legt de grens op dezelfde plek: bij een workflow ligt de route vast in code, bij een agent bepaalt het model zelf de route en welke tools het inzet (Building effective agents, december 2024).
Vier onderdelen maken een taalmodel tot agent
Een doel, bijvoorbeeld “beantwoord deze offerteaanvraag”. Een model dat redeneert. Gereedschap om iets te doen: je CRM doorzoeken, een agenda raadplegen, een concept opslaan. En een geheugen dat de context van de taak vasthoudt. Haal het gereedschap weg en je houdt een chatbot over. Haal de eigen keuze weg en je hebt een workflow met een AI-stap erin.
Grenzen zijn het belangrijkste onderdeel
Omdat een agent zelf kiest, leg je vooraf vast wat hij níet mag. Welke acties zijn onomkeerbaar en vragen altijd goedkeuring, zoals een verzonden offerte of een betaling. Bij welke twijfel hij stopt en een collega inschakelt. Wat een taak maximaal mag kosten. Een agent zonder die grenzen doet in de demo precies wat je wilt, en in productie af en toe iets wat niemand had bedacht.
Chatbot, workflow en agent verschillen in wie de route bepaalt
Drie vormen van automatisering naast elkaar
| Chatbot | Workflow | AI-agent | |
|---|---|---|---|
| Wat het doet | Beantwoordt vragen in een gesprek | Voert een vaste reeks stappen uit | Werkt een doel af en kiest zelf de stappen |
| Wie de route bepaalt | De gebruiker, vraag voor vraag | De bouwer, vooraf | Het model, tijdens de taak |
| Doet iets in je systemen | Meestal niet | Ja, op vaste plekken | Ja, via tools die het zelf kiest |
| Voorspelbaarheid | Antwoord wisselt | Elke keer hetzelfde | Wisselt, binnen vooraf gestelde grenzen |
| Kosten per keer | Modelkosten per gesprek | Vrijwel alleen het platform | Modelkosten per stap, oplopend bij lange taken |
| Past bij | Vragen beantwoorden uit vaste kennis | Voorspelbaar werk met vaste regels | Onvoorspelbare invoer: vrije tekst, ontbrekende gegevens |
Neem een klant die mailt dat hij zijn afspraak wil verzetten. Een chatbot legt uit hoe verzetten werkt. Een workflow verzet de afspraak als de klant op de knop in de bevestigingsmail klikt. Een agent leest de mail, begrijpt dat “volgende week dinsdag na twaalven” bedoeld is, kijkt in de planning, stelt twee tijden voor en zet de wijziging klaar zodra de klant kiest. In de praktijk werkt een mengvorm vaak het best: een workflow voor de vaste stappen, met één agent-stap voor het stuk dat vrije tekst moet begrijpen.
Een derde van de n8n-workflows heeft een agent, de meeste zonder gereedschap
Op 14 september 2026 hebben we alle 12.336 openbare workflows uit de bibliotheek van n8n doorgemeten, een van de meestgebruikte platforms om agents in te bouwen. 4.041 daarvan, 33 procent, bevatten een AI-agent. Kijk je naar wat die agents kunnen, dan wordt het beeld een stuk bescheidener.
Zes op de tien agents in de n8n-bibliotheek kunnen niets doen in een ander systeem
Aandeel van de 4.041 openbare n8n-workflows met een AI-agent. Een workflow kan in meerdere rijen meetellen.
Bron: eigen analyse van 12.336 openbare workflows via de API van n8n, peildatum 14 september 2026. Zie Wat 12.336 n8n-workflows vertellen.
Een agent zonder gereedschap kan alleen praten. Dat is een chatbot, hoe de node ook heet. Het deel waar een bedrijf iets aan heeft, een agent die eerst in je CRM kijkt en daarna pas antwoordt, zit in vier op de tien agent-workflows. Wie een template downloadt als begin van een eigen agent, start dus meestal bij een chatvenster en moet het echte werk nog bouwen.
Het leerboek kent zeven soorten agents, het MKB drie
In de informatica worden agents ingedeeld van eenvoudig naar slim: de reflexagent die op een prikkel reageert, de agent met een model van zijn omgeving, de doelgerichte agent, de agent die opties tegen elkaar afweegt en de lerende agent. Die indeling komt uit het standaardwerk Artificial Intelligence: A Modern Approach van Russell en Norvig; lijstjes met zeven soorten voegen daar meestal hiërarchische en multi-agentsystemen aan toe. In het MKB kom je in de praktijk drie vormen tegen: de assistent die zoekt en antwoordt, de taak-agent die één taak met tools afwerkt, en een keten van agents die werk aan elkaar doorgeven.
Zes voorbeelden, en bij twee daarvan is een agent de verkeerde keuze
De eerste vier zijn agents zoals wij ze bouwen of zelf gebruiken. De laatste twee komen uit klantprojecten waar een vaste workflow het werk doet en een agent niets had toegevoegd.
1. Inbox-agent: sorteert en beantwoordt inkomende mail
Leest elke binnenkomende mail, herkent of het een aanvraag, klacht, factuur of vraag is, beantwoordt standaardvragen zelf en zet de rest als complete taak klaar bij de juiste collega, met een conceptantwoord erbij. De vaste regel eromheen: bij emotie, juridische taal of twijfel gaat de mail altijd naar een mens. Dit is de agent waar de businesscase het vaakst rondkomt, omdat het volume hoog is en de invoer rommelig.
2. Offerte-agent: maakt een concept, een mens verstuurt
Verzamelt de gegevens uit een aanvraag, vraagt wat ontbreekt en stelt op basis van je prijslijst een conceptofferte op. De prijs rekent een vaste regel uit, niet het model: taalmodellen zijn goed in lezen en matig in consequent rekenen. Een goede opdracht voor deze agent klinkt saai: beantwoord elke aanvraag binnen vijf minuten met de juiste prijslijst en stuur alles boven 10.000 euro naar een collega. Verzenden blijft mensenwerk.
3. Kennis-assistent: antwoorden uit eigen documenten, met bron
Beantwoordt vragen van medewerkers uit handleidingen, procedures en dossiers, en laat bij elk antwoord zien uit welk document het komt. Voor de RDW werkten we zo’n kennisomgeving uit, met architectuur, implementatiestappen en documentatie voor het interne ICT-team (zie de case). Strikt genomen is dit vaak een assistent en geen agent: hij zoekt en antwoordt, maar handelt niet. Juist daardoor is hij goed te controleren.
4. Een keten van agents: zo maken we onze eigen content
Ons contentplatform RankPilot draait op een keten van gespecialiseerde agents in n8n. Eén plant het onderwerp, één schrijft, één zet de tekst om naar opmaak en één legt interne links. Elke agent heeft één taak en geeft zijn werk door aan de volgende. Het voordeel van een keten van smalle agents boven één grote: elke stap is apart te testen, en elke overdracht is een plek waar je kunt controleren.
5. Geen agent: de 75/25-splitfactuur
Bij Energielabelsimpel gaat 75 procent van de factuur automatisch de deur uit zodra het rapport naar de provincie gaat, en volgt de resterende 25 procent vanzelf na goedkeuring. Klanten krijgen automatisch een herinnering 30 en 2 dagen voor hun afspraak. De Duurzame Specialisten doen hetzelfde op basis van de status in hun CRM. Dat zijn vaste regels op een vaste status. Een agent zou hier niets beter doen, wel af en toe iets anders, en bij facturen is “af en toe anders” precies wat je niet wilt.
6. Geen agent: de prijsberekening van Staallokaal
In het offertesysteem Gripp rekent een calculator de prijs van plantenbakken uit op basis van een prijsmatrix en zet die direct in de offerte. Volgens Staallokaal scheelt dat rekenwerk en is de kans op fouten een stuk kleiner. Een taalmodel zou hier alleen risico toevoegen. Zelfde invoer, zelfde prijs: dat is een regel, geen agent. Meer projecten staan op onze casepagina.
Een agent past bij onvoorspelbare invoer, een workflow bij al het andere
Kies een agent als drie dingen kloppen
- De invoer is vrije tekst of verschilt sterk per keer: mails, aanvragen, documenten.
- De volgende stap hangt af van wat er in die tekst staat.
- Een fout is te herstellen, of een mens kijkt mee voordat er iets onomkeerbaars gebeurt.
Kies een workflow als het werk voorspelbaar is
Prijzen, btw, statuswijzigingen, gegevens doorzetten van het ene naar het andere systeem, herinneringen op een vaste datum. Alles waarbij dezelfde invoer altijd dezelfde uitkomst moet geven. Een workflow is daar goedkoper, sneller en achteraf beter uit te leggen. Het beslismodel dat wij daarvoor gebruiken staat in procesautomatisering: regels, AI of mens per stap.
Kies meestal een mengvorm
De meeste bruikbare agents in het MKB zijn eigenlijk workflows met één slimme stap. De workflow haalt de mail op, de agent-stap leest en deelt in, de workflow zet het resultaat in het CRM en een mens keurt de uitzonderingen. Zo betaal je alleen modelkosten voor het stuk waar een model echt iets toevoegt.
De kosten van een agent: een bouwtraject plus een paar cent per taak
Eenmalig: het bouwtraject
Taak en grenzen uitschrijven, de agent bouwen, testen op echte en rommelige voorbeelden, overdragen. Wat dat kost hangt vooral af van het aantal systemen, tools en uitzonderingen. Een eerste automatisering begint bij ons bij 2.500 euro exclusief btw; wat een agent voor jouw proces kost, staat vooraf in het voorstel.
Per taak: modelkosten
Elke taak kost modelkosten, meestal enkele centen tot een paar dubbeltjes per aanvraag. Elke stap die een agent zet is een nieuwe aanroep van het model, dus een agent die vijf tools gebruikt, kost grofweg vijf keer zoveel als één antwoord. Daarom bewaken we de kosten per taak in productie.
Het platform is zelden de grote post. n8n Cloud begint bij 20 euro per maand en rekent per complete run, niet per stap; de vergelijking met Zapier en Make staat in n8n vs Zapier vs Make.
Zelf een agent maken kan, tot hij in je systemen moet schrijven
Voor een eenvoudige assistent kun je zelf beginnen met een Custom GPT, Copilot Studio of de AI Agent-node in n8n. Dat is een goede manier om te ontdekken wat je eigenlijk wilt. Het wordt een ander vak zodra de agent in je CRM of boekhouding schrijft, met klantdata werkt of fouten geld kosten. Dan heb je validatie, een logboek, kostenbewaking en een foutpad nodig. In de n8n-bibliotheek heeft 75 procent van de workflows geen enkele foutafhandeling. Bij een agent die zelf kiest wat hij doet, is dat vragen om een verrassing. Hoe je een workflow in productie bewaakt, lees je in n8n-monitoring in productie.
Veelgestelde vragen
Wat is een AI-agent in simpele woorden?
Een programma rond een taalmodel dat een doel krijgt en zelf kiest welke stappen en tools het daarvoor gebruikt, tot het doel bereikt is of tot het een mens om hulp vraagt.
Wat is het verschil tussen een AI-agent en een chatbot?
Een chatbot beantwoordt vragen in een gesprek. Een agent werkt een taak af: hij kiest zelf de stappen en gebruikt tools zoals je CRM, mailbox of agenda. Een agent zonder tools is in de praktijk een chatbot.
Is ChatGPT een AI-agent?
Gewone ChatGPT is een chatbot. Sinds 17 juli 2025 heeft ChatGPT een agentmodus die zelf websites bezoekt, code draait en bestanden maakt (aankondiging van OpenAI). Voor bedrijfsprocessen bouw je meestal een eigen agent, omdat die met je eigen systemen, regels en goedkeuringen moet werken.
Wat kost een AI-agent?
Een eenmalig bouwtraject plus modelkosten per taak, meestal enkele centen tot een paar dubbeltjes per aanvraag. Het bouwtraject hangt af van het aantal systemen en uitzonderingen. Een eerste automatisering begint bij Flowstate bij 2.500 euro exclusief btw.
Welke soorten AI-agents zijn er?
In het leerboek vijf tot zeven, van de reflexagent tot de lerende agent. In het MKB kom je er drie tegen: de assistent die zoekt en antwoordt, de taak-agent die één taak met tools afwerkt, en een keten van agents die werk aan elkaar doorgeven.
Kan ik zelf een AI-agent maken?
Ja, voor een eenvoudige assistent met een Custom GPT, Copilot Studio of de AI Agent-node in n8n. Zodra de agent in je systemen schrijft of met klantdata werkt, heb je validatie, logging, foutafhandeling en goedkeuringsstappen nodig.
Verantwoording
De definitie van workflow en agent volgt Building effective agents van Anthropic (19 december 2024). De cijfers over agents, gereedschap, geheugen en foutafhandeling komen uit onze eigen analyse van 12.336 openbare n8n-workflows, opgehaald via de openbare API van n8n op 14 september 2026; de methode staat in Wat 12.336 n8n-workflows vertellen. De klantuitkomsten bij voorbeeld 5 en 6 zijn door de klanten zelf gerapporteerd na livegang en staan op onze casepagina. De indeling in soorten agents komt uit Artificial Intelligence: A Modern Approach. De agentmodus van ChatGPT staat in de aankondiging van OpenAI. Flowstate bouwt agents en workflows in n8n voor klanten en verdient daaraan; dat zeggen we er graag bij.
