AI-agent

Wat onderscheidt een AI-agent van een chatbot?

Een chatbot antwoordt via voorgeschreven dialoogstromen of één enkele LLM-aanroep. Die is reactief en beperkt tot het genereren van tekst. Een AI-agent mag daarentegen acties uitvoeren: een CRM bevragen, een afspraak inplannen, een bestelling terugbetalen, een e-mail versturen. De agent bepaalt zelf welke tools worden aangeroepen, in welke volgorde, en wat er met de resultaten gebeurt, allemaal zonder dat iemand de stroom vooraf uitschrijft.

Drie concrete verschillen:

• Toolgebruik: een agent kan functies aanroepen; een chatbot genereert alleen tekst.
• Redeneren in meerdere stappen: een agent kan acties aan elkaar koppelen (de bestelling opzoeken, de verzendstatus checken, een terugbetaling opstellen) binnen één verzoek van de gebruiker.
• Statusbeheer: een agent houdt context vast over beurten heen en over tool-aanroepen binnen een sessie.

Hoe AI-agents worden gebouwd

Een AI-agent bestaat uit vier hoofdonderdelen:

1. Een basis-LLM (Anthropic Claude, OpenAI GPT, Mistral, enzovoort) die taalbegrip en besluitvorming voor zijn rekening neemt.
2. Een toolset, getypeerde functiedefinities die de LLM mag aanroepen (bijvoorbeeld `get_order_by_id`, `send_email`).
3. Een orchestrator die bemiddelt tussen de LLM en de tools, tool-aanroepen uitvoert en resultaten terugvoert in het gesprek.
4. Een geheugen- of contextlaag die eerdere beurten, opgehaalde kennis en tool-uitvoer over de sessie heen bewaart.

Moderne agent-platforms, waaronder Conveya, gebruiken het native tool-calling-protocol van de LLM-provider (bijvoorbeeld de tool_use-blokken van Anthropic of function calling van OpenAI) zodat de orchestratielogica declaratief blijft.

Wanneer kies je een AI-agent en wanneer een chatbot

AI-agents zijn passend wanneer het antwoord data vereist die niet in de trainingsset van de chatbot zit, denk aan bestelstatus, klantgegevens, beschikbaarheid in de agenda, en wanneer de gebruiker een actie verwacht en niet enkel een antwoord. Gebruik een chatbot alleen voor vraag-en-antwoord met vaste antwoorden, waarbij elk mogelijk antwoord vooraf op te stellen is.

Specifiek in de klantenservice ligt de kosten-per-oplossing van een agent doorgaans lager dan die van een chatbot bij elke niet-triviale schaal, omdat agents zaken van begin tot eind oplossen in plaats van door te schakelen naar mensen voor het opzoeken van gegevens.

Risico's en beperkingen

• Hallucinatie: wanneer een agent een tool-aanroep of een feit verzint. Wordt beperkt door getypeerde tooldefinities en validatie van resultaten.
• Autorisatie van acties: een agent kan in principe destructieve acties uitvoeren (data verwijderen, massa-e-mails versturen). Wordt beperkt door permissiescopes per tool en human-in-the-loop-controles voor risicovolle handelingen.
• Latency: tool-aanroepen brengen extra heen-en-weerverkeer mee. Een goed opgebouwde agent blijft onder drie seconden per beurt voor supportgebruik.
• Kosten: agents verbruiken meer LLM-tokens dan chatbots met één aanroep. Wordt beperkt door agressieve caching en routing naar kleine modellen voor eenvoudige beurten.