AI-agenten zijn geen LLM's / chatbots
In het kort
Chatbots zijn verouderd en LLM's alleen zijn niet voldoende: de toekomst behoort toe aan echte AI-agenten die begrip, redenering en actie combineren om complexe taken autonoom uit te voeren in echte systemen.
Over een jaar zal de wereld zich chatbots herinneren zoals ze zich faxapparaten herinnert: een onhandige stap op weg naar iets beters. Vraag een COO naar de uitrol van hun chatbot en je zult dezelfde beleefde schouderophaling horen: "Het is onhandig, het vergt veel onderhoud en het beantwoordt veelgestelde vragen niet. We hebben nog steeds mensen nodig."
We hebben het allemaal wel eens meegemaakt. Je probeert de bezorgtijd of het bezorgadres van een belangrijk pakket aan te passen. Een chatbot antwoordt beleefd dat hij je verzoek heeft genoteerd en dat hij nu een medewerker van de klantenservice zal inschakelen om de logistieke afhandeling te verzorgen. Verder onderneemt hij geen actie. Je voelt je gefrustreerd.
De realiteit is: het chatbottijdperk is voorbij. Bedrijven die eraan vasthouden, zullen tijd, geld en talent verliezen. Een nieuw ras – autonome AI-agenten – komt eraan, en de kloof tussen de twee benaderingen zal bepalen welke bedrijven een voorsprong nemen en welke in het vagevuur van klantenservice blijven steken.
Hoe we vast kwamen te zitten met zombiechatbots
De eerste chatbots zouden de frontlinie van automatisering moeten zijn. In plaats daarvan werden ze ieders minst favoriete klantervaring. Waarom? Omdat ze nooit gebouwd waren om iets te begrijpen.
Ze waren vanaf het begin gebaseerd op regels. Hardcoded scripts, lineaire beslissingsbomen, "als dit, dan dat"-stromen die snel in complexiteit exploderen. Zeg precies de juiste zin en ze reageren. Wijk je er maar een beetje van af, dan word je genegeerd of word je teruggeleid naar het begin. Net als een IVR-menu met betere manieren. De exponentiële vertakkingen maken het onmogelijk om traditionele chatbots langer dan 20 veelvoorkomende use cases te onderhouden, laat staan om ROI te genereren.
En het probleem zit niet alleen in slechte UX, maar ook in de architectuur. Op regels gebaseerde systemen generaliseren niet. Ze kunnen alleen reageren op vooraf ingestelde vragen.defined inputs en scenario's. Zodra er iets verandert – een beleidswijziging, een nieuw prijsniveau, een klant die een terechte vraag net iets anders stelt – stort de hele stroom in.
Wat gebeurt er nu? Escalatie naar mensen. Steeds opnieuw.
Ondertussen zitten medewerkers aan de frontlinie vast aan dezelfde repetitieve taken die de bot niet kon afmaken – handmatig verzendgegevens bijwerken, de chauffeur bellen, de update registreren – terwijl het dashboard een 'geslaagde interactie' meldt. Voor wie werkt het eigenlijk?
Tegenwoordig zijn de meeste implementaties van "AI-chatbots" in bedrijven niet meer dan een opgepoetste beslissingsboom. Cosmetische verbeteringen – een vriendelijkere toon, merkavatars – kunnen de onderliggende realiteit niet veranderen: ze zijn kwetsbaar, oppervlakkig en lopen snel vast.
Maar deze bots werden verkocht als wondermiddelen. Dus bleven bedrijven investeren, in de hoop dat elke nieuwe release eindelijk de cirkel rond zou maken. Dat gebeurde niet. Dat lukte ook niet. Want de architectuur was nooit gebouwd voor autonoom begrip of actie – maar om tickets te voorkomen.
Daarom zijn de meeste KPI's voor chatbots oppervlakkig: klanttevredenheid, overdrachtspercentage, sessieduur. Zodra je vraagt: "Heeft het het probleem daadwerkelijk opgelost?", vallen de dashboards stil.
Als je chatbot-metrics viert, vier je eigenlijk een loopband voor afgelegde afstand. Simpel gezegd: veel beweging, nergens heen.
Toen kwamen de LLM's - praters, geen doeners
Enter GPT en hun neven. Plotseling konden bots gesprekken voeren. Ze begrepen straattaal. Ze konden omgaan met dubbelzinnigheid. Ze onthielden dingen en hadden een lang contextgeheugen.
Het voelde als magie. En het was een echte sprong voorwaarts. Voor het eerst kon AI op grote schaal mensachtige reacties genereren. AI is intelligent.
Maar hier is het addertje onder het gras: LLM's zijn briljante improvisatoren, geen operatoren.
Ze hebben geen gestructureerde doelen. Ze 'weten' niet wanneer een taak voltooid is. Ze kunnen bedrijfsregels niet betrouwbaar raadplegen, bijwerken of handhaven zonder scaffolding. Wat ze produceren is taal – overtuigend, duidelijk en soms nuttig, maar zelden verantwoord.
Als een LLM je vertelt dat hij je aanvraag heeft ingediend, is dat niet het geval. Tenzij het verpakt is in een orkestratielaag die taal met actie verbindt, blijft het bij praten.
Hoewel LLM's de sector vooruit hebben geholpen, hebben ze de uitvoeringskloof niet gedicht. Ze hebben een nieuwe klasse van valse verwachtingen gecreëerd. Gebruikers zijn nu niet alleen gefrustreerd door bots, maar ook verward door AI die slim klinkt, maar in werkelijkheid niet kan helpen.
Die verwarring leidt ons hierheen: naar AI-workflows en AI-agenten.
Wat een AI-agent werkelijk is
Een AI-workflow is een LLM die opdrachten uitvoert met vooraf bepaalde stappen. Maar in de praktijk kunnen stappen vaak niet van tevoren worden voorspeld.
Daar komen AI-agenten om de hoek kijken. Het is een LLM die integreert met externe tools, diepgaand kan redeneren en — met behulp van alle mogelijkheden die het tot zijn beschikking heeft — complexe problemen oplost waar mensen vele malen meer tijd voor nodig zouden hebben.
AI-agenten bereiken dit door alle drie de lagen te combineren.
Ten eerste, een conversatielaag die vaak een LLM is om intentie te interpreteren (ja, LLM's zijn nuttig, maar een LLM een "AI-oplossing" noemen is standaard hetzelfde als inbelmodems WiFi noemen); ten tweede, een redeneerlaag die alle regels, beleidsregels en taakplanning schetst die bepalen wat er moet gebeuren; en ten derde, een uitvoeringslaag met veilige connectoren naar CRM's, ERP's, betalingsrails, spraaksystemen en wat voor legacy-monster er ook maar in de kast schuilt.
Verwijder een laag en de toren stort in. Houd ze bij elkaar en het systeem gaat van 'beantwoorden' naar 'oplossen'.
Laten we het voorbeeld van de klant die een pakket wil omleiden nog eens bekijken.
Traditioneel kunnen chatbots de eerste stap voltooien: ticketafhandeling. LLM's kunnen je misschien nog een stap verder helpen. Dan moet een mens ingrijpen. Ze nemen beslissingen en typen vervolgens handmatig antwoorden. Dit is lastig. Nu voert een AI-agent proactief complete workflows uit, neemt autonome beslissingen, communiceert met backendsystemen en registreert activiteiten voor auditdoeleinden, allemaal zonder menselijke tussenkomst, tenzij absoluut noodzakelijk.
Image credit: Jurin AI
De agent doet in dertig seconden wat anders heen en weer zou gaan tussen verschillende afdelingen. Hij is de baas over de taak, van begin tot eind.
Laten we dus stoppen met alles een 'agent' te noemen
De term "AI-agent" is in opkomst, maar zoals alle goede buzzwords wordt hij steeds minder gebruikt. Elke leverancier met een chatbot en een API beweert nu "agenten" aan te bieden. Sommigen gebruiken het woord zelfs alleen maar omdat hun LLM je naam vijf keer onthoudt.
Dit misbruik is niet zomaar een reclamepraatje – het veroorzaakt echte verwarring. Het traint kopers om resultaten te verwachten van tools die daar nooit voor ontworpen zijn. Het vertraagt de acceptatie door valse verwachtingen te scheppen, gevolgd door echte teleurstelling. Het ergste is dat bedrijven zichzelf ervan overtuigen dat ze innoveren, terwijl ze alleen maar een nieuwe gebruikersinterface aan dezelfde oude servicedesk hebben gekoppeld.
Maar de AI-transformatie is echt.
Echte AI-agenten zijn niet alleen conversationaler. Ze zijn ook verantwoordelijker. Ze integreren diepgaand, handelen verantwoordelijk en leveren traceerbare, bedrijfskritische resultaten. Ze zijn niet zomaar een interface – ze zijn infrastructuur.
En we staan nog maar aan het begin.
De toekomst van informatie: van apps tot AI-agenten
Jarenlang hebben we ons aangepast aan de logica van machines. We hebben menu's doorgeklikt, interfaces uit ons hoofd geleerd, vijf tabbladen gebruikt om een taak te voltooien. Zoeken werd slimmer, apps werden gestroomlijnder – maar de last bleef bij de gebruiker.
AI-agenten draaien dat om.
In plaats van dat u leert hoe het systeem werkt, leert het systeem hoe u werkt – door middel van natuurlijke gesprekken.
Wil je je reis boeken? Chat dan met je persoonlijke AI-concierge:
“Plan een wandeltocht in de Alpen, begin september, buiten de gebaande paden.”
En het gebeurt. Vluchten, hotels, lokale gidsen – zelfs verborgen pareltjes die je zelf nooit had ontdekt. Geen websites uit de jaren 90 of logge mobiele apps met een slechte gebruikerservaring. Gewoon een gesprek dat dingen voor elkaar krijgt.
Dit is een verschuiving van apps die u zelf beheert naar agents die namens u werken.
En het stopt niet bij reizen. Agenten zullen de manier waarop we met alles omgaan – logistiek, inkoop, compliance, HR – radicaal veranderen. Ze transformeren kwetsbare tools en gefragmenteerde workflows in stilte met intelligente systemen die kunnen redeneren, handelen en in de loop der tijd verbeteren.
Dit is de agentische toekomst: een toekomst waarin taken direct worden voltooid via spraak of tekst door een AI die begrijpt, handelt en levert: uw eigen executive assistant.
Het is geen sciencefictionvisie. Het is nog maar een of twee jaar weg. En bij Jurin AI zijn we er al mee bezig.
Het tijdperk van de agentische AI is aangebroken en we staan nog maar aan het begin. Ik ben nog nooit zo enthousiast geweest.
Disclaimer
In lijn met de Richtlijnen voor vertrouwensprojectenHoud er rekening mee dat de informatie op deze pagina niet bedoeld is en niet mag worden geïnterpreteerd als juridisch, fiscaal, beleggings-, financieel of enige andere vorm van advies. Het is belangrijk om alleen te beleggen wat u zich kunt veroorloven te verliezen en onafhankelijk financieel advies in te winnen als u twijfels heeft. Voor meer informatie raden wij u aan de algemene voorwaarden en de hulp- en ondersteuningspagina's van de uitgever of adverteerder te raadplegen. MetaversePost streeft naar nauwkeurige, onpartijdige berichtgeving, maar de marktomstandigheden kunnen zonder voorafgaande kennisgeving worden gewijzigd.
Over de auteur
Rise Ooi is een drievoudig tech-oprichter, ingenieur en investeerder die bekendstaat om zijn vroege signalering van miljardenkansen. Hij hielp Applied Intuition uit te groeien tot een miljardenbedrijf door de Aziatische aanwezigheid vanaf de grond op te bouwen en leidt nu Jurin AI, waar hij een team van wereldklasse samenstelt om de productiviteit op de werkvloer in Azië-Pacific te verbeteren. Als voormalig AI-wetenschapper bij de nationale laboratoria van Japan, brengt Rise diepgaande technische en wereldwijde expertise mee in alles wat hij bouwt.
Meer artikelen
Rise Ooi is een drievoudig tech-oprichter, ingenieur en investeerder die bekendstaat om zijn vroege signalering van miljardenkansen. Hij hielp Applied Intuition uit te groeien tot een miljardenbedrijf door de Aziatische aanwezigheid vanaf de grond op te bouwen en leidt nu Jurin AI, waar hij een team van wereldklasse samenstelt om de productiviteit op de werkvloer in Azië-Pacific te verbeteren. Als voormalig AI-wetenschapper bij de nationale laboratoria van Japan, brengt Rise diepgaande technische en wereldwijde expertise mee in alles wat hij bouwt.
