Agentic AI uitgelegd: van taalmodel naar handelend systeem
Hoe multi-agentsystemen taken onderling verdelen
Wat agentic AI vandaag al kan en waar controle nodig blijft
Wat betekent agentic AI?
Agentic AI is een architectuuraanpak waarbij een AI-systeem een doel nastreeft, in plaats van alleen vragen beantwoordt. Zo'n systeem splitst een taak op in stappen, voert die uit, controleert de tussenresultaten en past het eigen plan aan als iets niet werkt.
Het verschil met een losse AI-agent zit in het perspectief. Bij een AI-agent draait het om het losse programma dat waarneemt, beslist en handelt. Agentic AI is het overkoepelende concept daarachter: de architectuur die zulke systemen mogelijk maakt. Denk aan planning, toegang tot tools, geheugen en de samenwerking tussen meerdere agents.
Agentic AI vs. generatieve AI
Generatieve AI maakt content op aanvraag. Jij voert een prompt in, het model levert tekst, code of een afbeelding terug. Daarna stopt het. Het systeem wacht op de volgende invoer en voert niet zelfstandig een opdracht uit.
Agentic AI gebruikt hetzelfde taalmodel als denkeenheid, maar geeft het een actiekader. Het model formuleert niet alleen een antwoord, maar bepaalt ook welk hulpmiddel het als volgende aanroept: een database, een agenda, een interface. Een AI-assistent beantwoordt je vraag naar een beschikbare afspraak. Een agentic AI-systeem checkt de agenda, boekt de afspraak en stuurt de bevestiging.
Kenmerk
Generatieve AI
Agentic AI
Trigger
Los prompt
Vastgelegd doel
Verloop
Eén antwoord per vraag
Meerdere stappen achter elkaar
Hulpmiddelen
Geen of weinig
Agenda's, API's, databases
Resultaat
Content
Afgeronde taak
De bouwstenen van agentic AI
Vier onderdelen maken van een taalmodel een agentic AI-systeem. Ze grijpen op elkaar in en vormen een cyclus van plannen, handelen en controleren.
Het systeem splitst een doel op in losse stappen en bepaalt de volgorde. Loopt een stap vast, dan past het systeem het plan aan in plaats van te stoppen. Hoe precies die planning uitpakt, hangt sterk af van de taakomschrijving. Goede prompt-engineering legt vast welk doel geldt en welke grenzen het systeem moet aanhouden.
Via vastgelegde interfaces roept het systeem externe functies aan: e-mails versturen, gegevens uitlezen, afspraken inplannen. Pas die toegang maakt van een antwoordmachine een handelend systeem. Welke tools het systeem mag gebruiken, bepaal je zelf bij de configuratie.
Agentic AI-systemen bewaren tussenresultaten en context gedurende meerdere stappen. Het kortetermijngeheugen bevat de actuele opdracht, een langetermijngeheugen kan ervaringen uit eerdere sessies aanleveren. Zonder geheugen zou het systeem bij elke stap opnieuw moeten beginnen.
Na elke actie beoordeelt het systeem het resultaat: heeft deze stap dichter bij het doel gebracht? Die lus is het verschil tussen agentic AI en starre automatisering. Een vast geprogrammeerde flow stopt bij een onverwachte uitkomst. Een agentic AI-systeem zoekt een andere weg.
Multi-agentsystemen: taakverdeling tussen agenten
Complexe taken zijn vaak te veel voor de betrouwbaarheid van één agent. Multi-agentsystemen lossen dat op met specialisatie. Meerdere agents nemen elk een scherp afgebakend deel voor hun rekening en geven resultaten gestructureerd aan elkaar door. Zo blijft elke afzonderlijke agent simpel, terwijl het totale systeem toch veel voor elkaar krijgt.
In de praktijk stuurt een orchestrator-agent vaak het geheel aan. Hij neemt de taak in ontvangst, verdeelt deeltaken over gespecialiseerde agents en voegt de resultaten weer samen. Een voorbeeld uit de webshop: één agent checkt binnenkomende bestellingen op volledigheid, een tweede vergelijkt de voorraad, een derde stelt de verzendbevestiging aan de klant op.
Multi-agentsystemen hebben twee voordelen ten opzichte van één agent. Ten eerste daalt de foutmarge, omdat elke agent maar één ding moet kunnen en daar gericht op wordt ingesteld. Ten tweede kun je losse agents vervangen of verbeteren zonder het hele systeem opnieuw op te bouwen. De prijs daarvoor is coördinatie: de overdrachten tussen agents moeten goed gedefinieerd zijn. Anders planten fouten zich voort door de hele keten.
Agentic AI in de praktijk
Je hoeft niet zelf een multi-agentsysteem te bouwen om gebruik te maken van agentic AI. Vaak volstaan kant-en-klare producten die de architectuur al ingebouwd hebben. De STRATO AI telefoonassistent werkt precies volgens dit principe:
Leest de inhoud van je website in en beantwoordt daarmee oproepen, dag en nacht
Boekt vanaf het Pro-tarief afspraken via tools zoals Calendly of Cal.com, die je koppelt aan agenda's zoals Outlook, Google of Apple
Verbindt het gesprek direct door zodra een vastgelegd signaalwoord valt, zoals "spoed"
Dat is agentic AI in het klein. De assistent volgt het doel "telefoongesprek succesvol afronden", beslist zelf over de nodige stappen en gebruikt daarvoor de tools die je hebt vrijgegeven. Welk tarief welke functies bevat, zie je op de productpagina.
Hoe meer een systeem zelfstandig doet, hoe belangrijker het kader waarbinnen het handelt. Er zijn drie regelaars om een systeem meer of minder vrijheid te geven.
Rechtentoewijzing: Een agent krijgt alleen toegang tot de tools en gegevens die nodig zijn voor zijn taak.
Vastgelegde escalatiepunten: Bij kritieke beslissingen, zoals betalingen of contractuele toezeggingen, geeft het systeem de regie terug aan een mens.
Omgang met persoonsgegevens: Agentic AI-systemen verwerken vaak agenda-afspraken, contactgegevens of gesprekken. Waar die gegevens staan en wie erbij kan, bepaalt of het gebruik AVG-proof is.
Veelgestelde vragen over agentic AI
Nee. kunstmatige algemene intelligentie (in het Engels AGI: artificial general intelligence) is een hypothetische vorm van AI die elke intellectuele taak op menselijk niveau zou kunnen oplossen. Agentic AI is techniek die nu al beschikbaar is, met een duidelijk afgebakende opdracht. Een agentic AI-systeem handelt zelfstandig, maar alleen binnen de doelen en tools die jij vastlegt.
Klassieke automatisering, bijvoorbeeld met RPA-software (Robotic Process Automation), volgt een vast geprogrammeerde flow en loopt vast zodra de praktijk afwijkt van het script. Agentic AI plant zijn eigen stappen en past ze aan bij onverwachte situaties. Daardoor is het gedrag minder exact te voorspellen. Tests en escalatieregels zijn daarom belangrijker dan bij starre processen.
Via gestructureerde overdrachten: een agent verpakt zijn resultaat in een vastgelegd formaat dat de volgende agent als invoer herkent. Vaak stuurt een orchestrator-agent die uitwisseling aan en bepaalt hij welke agent de volgende stap overneemt. Open protocollen zoals het Model Context Protocol (MCP) voor toegang tot tools en Agent2Agent (A2A) voor directe communicatie tussen agents standaardiseren die uitwisseling.
Beide kan. Kant-en-klare producten zoals de STRATO AI telefoonassistent draaien als clouddienst en hebben geen eigen infrastructuur nodig. Bouw je zelf agents, dan draai je die op eigen infrastructuur: bijvoorbeeld met n8n VPS hosting voor workflow-automatisering, of met OpenClaw VPS hosting voor een persoonlijke AI-agent op je eigen VPS. Zo houd jij de volledige controle over datastromen en configuratie.
