Een AI-agent is een assistent die zelf een taak afmaakt. Hij bedenkt de stappen en gebruikt daarvoor je systemen. Een AI agent bouwen kan op twee plekken: in n8n, een programma waarin je stappen zichtbaar aan elkaar klikt, of in eigen code, rechtstreeks op het AI-model.
Heb je wel een agent nodig?
Een agent is nuttig als het werk te open is voor een vaste reeks stappen. Dat advies geeft n8n zelf ook. Is het werk elke keer hetzelfde, dan is een gewone automatisering goedkoper en voorspelbaarder.
Een groothandel die elke ochtend bestellingen uit de mail in het orderprogramma zet, heeft vaste stappen. Daar is geen agent voor nodig. Een klantenservice met vragen die elke keer anders zijn, heeft er wel iets aan. Het verschil lees je in AI-agent of chatbot kiezen.
Vraag 1: hoe vaak verandert de taak?
Verandert de opdracht vaak, kies dan de plek waar een aanpassing klein en zichtbaar is. In n8n ziet iedereen met toegang elke stap. Je past één blok aan en je bent klaar.
Neem een recruitmentbureau dat een agent kandidaten laat voorselecteren. De eisen verschillen per vacature. Dan wil je dat de recruiter dat zelf kan bijstellen, zonder developer.
Blijft de taak een jaar hetzelfde? Dan mag hij in code staan. Niemand hoeft eraan te komen.
Vraag 2: wie past hem aan als de bouwer weg is?
Deze vraag beslist meer dan hoe snel iets gebouwd is. In n8n kan iemand uit je team met wat uitleg veel zelf. Code is alleen leesbaar voor wie de programmeertaal kent. Heb je die persoon niet in huis, dan blijf je afhankelijk van een bureau of freelancer.
Stel: een webshop wil een agent die retourvragen afhandelt in de eigen klantomgeving. Het resultaat moet dan in het eigen product terechtkomen. Daar past code beter bij. Reken dan wel op iemand die het onderhoudt.
Wat vaak vergeten wordt: onderhoud
Elke bouwplek verandert mee met de leverancier. n8n heeft het onderdeel voor agents al eens zo aangepast dat een instelling verdween. De oude versie van dat onderdeel verdwijnt in een volgende grote update. Bestaande agents bleven werken, maar wie nog op de oudste versie zat, moest bijwerken. Een handleiding van vorig jaar klopt dan niet meer.
In eigen code bepaal je zelf wanneer je meegaat. Daar moet je wel zelf grenzen stellen. Anthropic schrijft dat een agent zonder ingestelde limiet doorwerkt tot hij vindt dat hij klaar is. Bij een open opdracht kan dat lang duren. Anthropic raadt daarom een budget aan.
Spreek bij de oplevering dus af wie updates bijhoudt, hoe vaak dat gebeurt en wat de agent per taak mag kosten. Meer daarover lees je in automatisering beheren na oplevering.
WeAdapt bouwt AI-agents op beide plekken en zegt vooraf welke past bij jouw proces en jouw team. Ligt er een voorstel op tafel en twijfel je? Plan een gesprek.