AI, techniek, en hoe werk verandert

Pokémon Go, maar dan met echte dieren: mijn ervaring met dobudex

Tue, 25 Aug 2026 00:00:00 GMT

We ontdekten dobudex tijdens een weekendje weg met de familie. We zaten midden in de natuur, dus dat kwam goed uit. Mijn eerste dier was een vlinder, een koolwitje. Het werd uiteindelijk een hele mooie scan.

Wat me daarna vooral opviel: van de meeste dieren wist ik de naam niet. Nu ken ik er ineens heel veel.

Mijn eerste kaart. Een koolwitje, gescand tijdens dat weekendje weg.

Het verschil met Pokémon Go

Als een vriendin vraagt wat het is, vergelijk ik het met Pokémon Go. Daarvoor ging destijds ook iedereen de straat op. Het verschil zit in waar je kijkt. Bij Pokémon Go naar je scherm, bij dobudex naar de struiken en de lucht. Je loopt te speuren, en zo ontdek je hoeveel dieren er om je heen leven.

De grote dieren gaan het makkelijkst. Een hond, of een alpaca als je langs een boerderij rijdt. Vogels waarvan ik nooit wist wat voor soort het was. Naar insecten moet je op zoek, en ze zitten zelden stil genoeg voor een goede scan. Dat maakt het des te mooier als het lukt.

Ik hou niet van insecten

Wat ik zelf het gekste vind: ik hou helemaal niet van insecten. Vroeger wilde ik alles wat op me landde zo snel mogelijk van me af hebben. Nu probeer ik er eerst een scan van te maken. Lukt dat niet, dan laat ik het beestje op een blaadje lopen tot ik het goed in beeld heb.

Ik let ook beter op waar ik loop. Gisteren ging ik boodschappen doen en zag ik iets kleins en roods op een struik zitten, een vuurwants. Dan denk ik meteen: die wil ik erbij hebben.

In mijn eigen tuin fladderde al jaren wat ik voor één oranje vlinder hield. Het bleken er drie te zijn, alle drie een andere soort.

Zo gaat het vaker. Je hebt geen idee hoeveel soorten er van iets bestaan. Neem vliegen. In mijn Dex zitten een bromvlieg, een zweefvlieg en een groene vleesvlieg. Dat er zoveel varianten waren, wist ik niet.

Het weetje dat me het meest is bijgebleven gaat over prairiehondjes. Dat ze piepen wist ik, maar hun vocale bereik blijkt zo breed dat ze aan elkaar doorgeven wat er aankomt, tot de kleur en de grootte aan toe. Daaraan hoort de rest of vluchten nodig is. Voor ons klinkt het allemaal hetzelfde. Voor hen scheelt het leven of dood.

160 dieren, en een beetje vals gespeeld

Er zitten nu ongeveer 160 dieren in mijn Dex. Al heb ik een beetje vals gespeeld, want ik ben naar de dierentuin geweest. Daar komt ook mijn mooiste kaart vandaan.

Het is een papegaaiduiker, prachtig in beeld met zijn vleugels uit en een kop alsof hij lacht. Toch geeft een dier dat je zelf in het wild voor de lens krijgt meer voldoening.

Mijn favoriet is daarom een kolibrievlinder. Dat is een mot die voor de bloemen blijft hangen alsof het een kolibrie is. Ik had hem nooit eerder gezien, maar mijn schoonmoeder kwam hem vaker tegen in de tuin. Dus zijn we samen op jacht gegaan, en op een gegeven moment kwam hij aangevlogen. Zo’n bijzonder beest, en dan ook nog scherp in beeld. Daar ben ik het meest trots op.

Links mijn mooiste kaart, de papegaaiduiker uit de dierentuin. Rechts de kolibrievlinder uit de tuin van mijn schoonmoeder, waar ik het meest trots op ben.

De zwaluw die ik zelf heb weggegooid

Waar ik nog steeds op jaag is een zwaluw. Welke soort het is maakt me niet uit, want het verschil ken ik niet. Ik ben benieuwd wat voor type het dan blijkt te zijn, maar eerst wil ik er überhaupt één.

Het frustrerende is dat ik ze zo vaak zie vliegen, alleen altijd te hoog. Dan maak je een scan en blijkt het een puntje.

Eén keer is het gelukt. Een gierzwaluw, volgens de app. Alleen twijfelden wij zelf of dat klopte, want op het beeld leek hij vrij groot, en de vogels die daarboven vliegen zijn juist klein. Mijn Dex wil ik zo waarheidsgetrouw mogelijk houden, dus ik heb de scan verwijderd.

Toen ik het later nog een keer probeerde, liep er net een man langs. “Wat zijn dat voor leuke gierzwaluwtjes? Ben je er foto’s van aan het maken?”

Het was dus wel degelijk een gierzwaluw. En sindsdien is het me niet meer gelukt, want ze bleven te hoog. Mijn tip: gooi een scan niet weg omdat je twijfelt.

Wat me irriteert aan dobudex

Soms sta ik geconcentreerd op één klein beestje te richten en loopt er precies dan iets makkelijkers achterlangs. Een zwaan bijvoorbeeld. Die is goed herkenbaar, dus daar gaat de scan naartoe. Ongelijk kan ik de app niet geven, want die zwaan staat er ook op. Alleen kun je een scan niet annuleren, dus je wacht tot hij geladen is.

Jammer, al heb je er dan wel een dier bij. En het zegt iets over hoe ik erin zit: zo gefocust op dat ene beestje dat ik niet doorheb wat er achter me gebeurt.

De ooievaar met een bril

Mijn schoonvader had een profielfoto nodig, dus maakte hij een selfie. Op de achtergrond stond een ooievaarsnest, of er vloog er net één over. De app herkende hém als ooievaar.

Zijn profielfoto is sindsdien een ooievaar met een bril op die een selfie staat te maken. Geen keurig plaatje van een ooievaar in het veld, maar een soort mens in een ooievaarspak.

Het werd pas iets toen anderen meededen

Op dag één vond ik het aardig, maar het greep me nog niet. Dat veranderde toen ik er met anderen over begon. Als ik één ding anders zou doen, dan dit: meteen iemand erbij halen.

Mijn vriend scant inmiddels ook, dus we speuren samen. Met mijn moeder heb ik hele bosjes uitgekamd, alleen omdat zij een goede scan van een sprinkhaan wilde. En we hebben een appgroep, mijn moeder en mijn schoonmoeder en ik, waarin we delen wat we tegenkomen.

Met kinderen erbij komt het pas tot leven. Ik ben met het dochtertje van een vriendin naar de dierentuin geweest. Zo’n kind gaat zoeken, en niet alleen naar wat er voor haar neus staat. Ze zag een muisje door het olifantenverblijf rennen. Zonder haar had ik alleen naar de olifanten gekeken.

Ik heb er ook zo’n potje met een vergrootglas voor gekocht, zodat insecten wat makkelijker te scannen zijn.

Voor wie is dobudex

Je moet iets met dieren hebben, denk ik. En je moet graag buiten lopen. Zelf vind ik het lastig om zonder doel te gaan wandelen, dus dit is mijn stok achter de deur. Ik ga de deur uit om te scannen en blijf uiteindelijk veel langer weg dan ik van plan was.

Voor kinderen zou ik zeggen: vanaf een jaar of vier, als ze een telefoon vast kunnen houden. Een insect is dan nog lastig, maar een hond scannen lukt prima.

Wat ik nog zou willen

De kaarten vind ik het mooiste onderdeel, een beetje zoals de Pokémon-kaarten van vroeger. Die zou ik graag terugzien in de app, zodat ik er doorheen kan bladeren.

Daarnaast zou ik in de Dex van vrienden willen kijken. Nu moeten we alles handmatig delen. Als ik bij mijn moeder ben zie ik de hare vanzelf, maar op afstand zou net zo aardig zijn.

Als ik morgen moest stoppen

Het kijken zou blijven. Ik ben inmiddels zo afgericht dat ik die insecten en die ene bijzondere vogel toch wel zie.

Wat ik zou missen is het vastleggen. Een gewone foto verdwijnt tussen alle andere foto’s op mijn telefoon.

En mijn collectie zou ik missen. Daar zit trots in. Het is hetzelfde gevoel als vroeger, wanneer je een game speelde en hij crashte: al je progress in één klap weg.

AI agent vs nieuwe medewerker: kosten in Nederland 2026

Wed, 18 Mar 2026 00:00:00 GMT

Ik heb ooit een senior software engineer aangenomen via een headhunter. Salaris: €7.000 per maand. De headhunter nam 25% van het jaarsalaris. Dat is €21.000.

Zeven maanden later was de developer vertrokken.

Door die ervaring ben ik de cijfers beter gaan bekijken. Wat kost het aannemen van personeel werkelijk? Niet het bedrag op de vacature, maar het echte getal. Het getal dat niemand vooraf noemt.

Dus ik ben gaan rekenen. Alles. Wat een medewerker je werkelijk kost, wat een AI agent kost, en waar die twee lijnen kruisen.

Wat personeel aannemen werkelijk kost in 2026

Neem een klantenservice medewerker in Nederland. De vacature zegt €34.000. Dit zijn de werkelijke werkgeverslasten in 2026, het eerste jaar:

	Jaar 1	Doorlopend
Bruto jaarsalaris	€34.000	€34.000
Vakantiegeld (8%)	€2.720	€2.720
ZVW (6,10%)	€2.240	€2.240
AWf (2,74%)	€1.006	€1.006
Aof (6,26%, kleine werkgever)	€2.299	€2.299
Whk (1,52%)	€558	€558
Kinderopvangtoeslag (0,50%)	€184	€184
Pensioen (werkgeversdeel, ~8%)	€1.534	€1.534
Werving (20%)	€6.800	—
Onboarding en training	€2.500	€1.500
Apparatuur	€2.000	€500
Werkplek (€250/maand)	€3.000	€3.000
Management overhead	€2.500	€2.500
Software en licenties	€1.800	€1.800
Ziekteverzuimkosten (5,6% gemiddeld)	€1.900	€1.900
Totaal	€65.041	€55.741

Een factor 1,91. Een medewerker van €34.000 kost je ongeveer €65.000 in jaar een. Na de eenmalige kosten zit je nog steeds op bijna €56.000 per jaar, ofwel 1,64x het bedrag op het arbeidscontract.

Dezelfde berekening voor een medior software engineer met een bruto jaarsalaris van €55.000 levert een totaal op van ongeveer €100.000 in het eerste jaar. Een factor 1,81.

En die 8% pensioen is conservatief. Val je onder een bedrijfstakpensioenfonds, dan kan het werkgeversdeel oplopen tot 19%. De vuistregel voor totale werkgeverslasten in 2026: 25% tot 45% bovenop het bruto salaris, afhankelijk van sector en pensioenregeling.

De tijdsbelasting

Geld is de zichtbare kostenpost. Tijd is wat echt pijn doet.

Een vacature in Nederland staat gemiddeld ruim 60 dagen open. Tech-vacatures meer dan 60 dagen. Bijna de helft van alle vacatures is moeilijk vervulbaar.

36% van de ondernemers noemt personeelstekort als grootste belemmering. Dat is de nummer-1 positie, onafgebroken sinds 2021.

Dan begint de nieuwe medewerker. Oxford Economics berekende dat het gemiddeld 28 weken duurt voordat iemand volledig productief is. In de eerste maand draait een nieuwe medewerker op 25% van de capaciteit. Sales-rollen hebben zo’n 6 maanden nodig. Software development: 6 tot 12 maanden.

Tel alles bij elkaar op: 2 maanden werven, 6 maanden opbouwen, 25% output in maand een.

En dan het verloop. 19,9% van de werkende bevolking wisselde van werkgever in de 12 maanden voor Q1 2025. Dat zijn 1,75 miljoen mensen. Gemiddelde dienstverbandsduur: nog geen 5 jaar. Bij jongeren: onder de 3 jaar. Elke vertrekker start de cyclus opnieuw.

De kosten die niet in een spreadsheet staan

1 op de 4 ondernemers twijfelt of ze willen doorgaan met ondernemen. De tevredenheidsscore daalde van 7,5 naar 7,2 in een jaar.

Burn-out bij zelfstandig ondernemers zit op 11,7%, tegen 7,5% in 2015. Die stijging stopt niet.

Ondertussen weigert 12% van de MKB-ondernemers opdrachten omdat ze het personeel niet hebben. Directe omzet die wegloopt.

Elke aanstelling voegt managementdruk toe. Leidinggeven kost tijd en aandacht die je als ondernemer nergens anders kunt besteden.

De kosten van een verkeerde aanstelling

Nederlandse HR-consultancy LTP berekende dat een verkeerde aanstelling je tot 2 keer het jaarsalaris kost. Wervingskosten, impact op het team, verloren productiviteit, de weken die je kwijt bent aan schadebeperking. Het stapelt zich op.

Wervingskosten alleen al: €5.000 tot €8.000 als je het zelf doet. €10.000 tot €20.000 via een bureau.

In Nederland komt daar iets bij dat je in de VS of het VK niet hebt: ontslagbescherming. Iemand ontslaan kan alleen met een gegronde reden, en je betaalt transitievergoeding: een derde maandsalaris per dienstjaar, tot maximaal €102.000 in 2026. Een verkeerde aanstelling corrigeren is in Nederland duur en traag.

Het Nederlandse risico: twee jaar loondoorbetaling

Dit is het punt waar Nederland fundamenteel verschilt van andere landen. Als je medewerker ziek wordt, betaal je minimaal 70% van het salaris door. Twee jaar lang. De meeste CAO’s schrijven 100% voor in het eerste jaar.

Een zieke medewerker kost gemiddeld €405 per dag, inclusief vervanging en productiviteitsverlies. Het gemiddelde ziekteverzuim in Nederland ligt op 5,6%. Meer dan de helft van alle verzuimkosten komt door psychosociale factoren: werkdruk, burn-out, conflicten.

In 2024 stegen de totale verzuimkosten met €1 miljard ten opzichte van het jaar ervoor.

Voor kleine bedrijven is dit een existentieel risico. In september 2025 nam de Tweede Kamer een motie aan om de doorbetalingsplicht in het tweede jaar voor kleine werkgevers te vervangen door een collectieve regeling. Nog niet ingevoerd, maar dat het op de agenda staat zegt genoeg.

Een AI agent wordt niet ziek. Geen loondoorbetaling, geen arbo-dienst, geen re-integratietraject.

De ZZP-squeeze

Vroeger was er een alternatief voor het aannemen van personeel: een ZZP’er inhuren. Flexibel, geen werkgeverslasten, geen ontslagbescherming.

Dat alternatief staat onder druk. De Belastingdienst is in januari 2025 begonnen met handhaving op schijnzelfstandigheid. Het resultaat: 62.000 minder ZZP’ers, 13% minder starters en 19% meer stoppers.

Voor MKB-bedrijven die gewend waren aan flex via ZZP is er nu een keuze: personeel aannemen (duur, traag, risicovol) of een nieuw soort flexibele capaciteit vinden.

Kosten AI agent vs kosten medewerker in 2026

Een AI agent, wat wij een AI teammate noemen, kost €2.500 per maand.

Geen headhunter, geen vacatureplaatsingen, geen 60 dagen wachten. De agent is productief binnen twee weken. Geen werkgeverslasten, geen vakantiegeld, geen pensioen, geen werkplek, geen laptop, geen 1-op-1’s, geen beoordelingsgesprekken, geen loondoorbetaling bij ziekte.

Een agent werkt 168 uur per week. Een voltijdmedewerker werkt 40. Dat is 4,2 keer de beschikbaarheid, inclusief weekenden en feestdagen.

De volledige vergelijking:

	Klantenservice (jaar 1)	Medior SWE (jaar 1)	AI agent (per jaar)
Totale kosten	€65.041	~€100.000	€30.000
Tijd tot productief	6+ maanden	6-12 maanden	Binnen 2 weken
Beschikbaarheid per week	40 uur	40 uur	168 uur
Verlooprisico	19,9% wisselt per jaar	19,9% wisselt per jaar	Nul
Wervingskosten	€6.800+	€11.000+	Nul
Meer capaciteit nodig?	Opnieuw werven	Opnieuw werven	Scope uitbreiden

Voor een klantenservice medewerker: minder dan de helft van de kosten. Voor een medior developer: minder dan een derde. Maanden eerder productief, nul verlooprisico.

€2.500 per maand. Dat is wat een AI medewerker kost, voor zowel operationele rollen als technische functies: klantenservice, data-invoer, rapportage, leadkwalificatie, documentbeoordeling, planning, maar ook software development, code reviews en technische operaties.

Bewijs: we draaien hier zelf op

Ik heb tien jaar code geschreven en development teams aangestuurd. Nu run ik een softwarebedrijf waar ik de enige mens ben. Mijn agents schrijven alle code, reviewen elke pull request, doen outreach en beheren de operatie. Ik geef richting. Zij bouwen.

Jett, onze developer agent ingezet bij Seef AI, levert 50+ productie-commits per dag. Reviewt elke pull request voor merge. Beheert de volledige codebase. Seef AI is een werkend, betalend product dat grotendeels door deze agent is gebouwd.

Kai, onze chief of staff agent, bespaart mij ongeveer 6 uur per week aan administratie. Wat ik niet had verwacht: Kai vond 23 gemiste kansen die ik over het hoofd had gezien, en maakte voor elk daarvan strategieën, actieplannen en kant-en-klare mails. De agent heeft toegang tot alle kennis van het bedrijf tegelijk en ziet daardoor patronen sneller dan iemand die nog context aan het opbouwen is.

Bex, onze sales agent, draait 500+ gepersonaliseerde outreach-sequenties per maand. Geen templates. Berichten op maat, gebaseerd op daadwerkelijk onderzoek per prospect.

Geen prognoses. Operationele resultaten.

Wanneer een agent niet het antwoord is

Een AI teammate kan niet alles wat een mens kan. Als ik zou doen alsof dat wel zo is, zou niets in dit artikel geloofwaardig zijn.

Agents kunnen geen productstrategie bepalen. Ze kunnen niet omgaan met onduidelijke strategische keuzes en ze lezen niet de ruimte. High-level designbeslissingen zijn volledig aan mij. Ik ben de productlead: bepalen wat er moet gebeuren, dat helder overbrengen, beslissingen nemen die de agent niet kan maken. Dat is de menselijke laag.

Relatie-intensief werk blijft bij mensen. Complexe onderhandelingen, gevoelige klantgesprekken, leiderschap dat empathie en aanwezigheid vereist. Geen agent doet dat vandaag.

Klarna zette groot in op het vervangen van hun klantenservice door AI. Binnen een jaar waren ze weer aan het aannemen. AI werkt wel. Complete afdelingen in een keer vervangen werkt niet. De meeste bedrijven die personeel inruilden voor AI deden het op basis van verwachtingen, niet op basis van resultaten. Slechts 2% baseerde die beslissing op daadwerkelijke AI-prestaties.

De juiste aanpak is gerichte inzet. Een agent, een goed gedefinieerd proces, duidelijke bevoegdheden. Vervang de aanstelling die je op het punt stond te doen voor een herhaalbare, operationele functie.

AI agent inhuren of personeel aannemen?

Twee derde van de Nederlandse ondernemers ervaart personeelstekort. McKinsey berekende dat het versnellen van AI-adoptie het arbeidstekort met 1,1 miljoen mensen kan verminderen tegen 2030. Coolblue kondigde aan 150 AI agents in te zetten voor productadvies. Dit is geen toekomstmuziek.

Maar de vraag voor jou is specifiek. Die rol die je op het punt staat in te vullen: herhaalbaar werk, duidelijke processen. Zou een agent het beter doen, voor een fractie van de kosten?

Voor een groeiend MKB-bedrijf met 10 tot 50 medewerkers is de rekensom moeilijk te weerleggen. Een AI teammate kost €2.500 per maand, is binnen twee weken productief, en werkt 168 uur per week. Een klantenservice medewerker kost je bijna 2x het bruto salaris, een medior developer meer dan 3x de kosten van een agent. Beiden duren maanden voordat ze op volle snelheid draaien, met 19,9% kans dat ze binnen het jaar vertrekken. Plus twee jaar loondoorbetaling als ze ziek worden.

MulletIQ zet agents in op dezelfde manier als je een nieuwe medewerker zou inwerken. Begin klein. Geef het een afgebakende scope. Controleer alles. Breid pas uit als het vertrouwen verdient. Nooit te ver, nooit te snel.

Benieuwd wat een AI teammate voor jouw team kan betekenen? Plan een vrijblijvend gesprek. 30 minuten, geen verplichtingen.

Wat is een AI agent? Wat ze doen en wat ze niet kunnen

Sun, 15 Mar 2026 00:00:00 GMT

Wat is een AI agent? Een AI agent is software die een taak van begin tot eind afhandelt. Je geeft hem een doel, hij bedenkt zelf welke stappen daarvoor nodig zijn, gebruikt tools om ze uit te voeren, en komt terug met resultaat. Tussendoor hoef je niets te vragen. Er hoeft niemand op een knop te drukken om hem verder te helpen.

Dat is het korte antwoord. Maar wat kunnen AI agents echt, en waar lopen ze vast? Het meeste dat je erover leest komt van leveranciers die een platform verkopen. Wij zetten autonome AI agents in als AI teammate binnen echte bedrijven, dus wat hieronder staat komt uit de dagelijkse praktijk en niet uit een productroadmap.

Wat kunnen AI agents?

Een AI agent kijkt naar wat er binnenkomt, onderneemt actie, leert van correcties, en schakelt een mens in zodra hij tegen zijn grenzen aanloopt. Zo ziet dat er in de praktijk uit:

Inschatten wat er speelt door e-mails, berichten, documenten en gegevens uit je systemen te lezen, en te bepalen wat ertoe doet
Actie ondernemen op basis van regels en inschatting: reageren, een systeem bijwerken, iets markeren, een rapport opstellen
Leren van feedback. Onthouden wat werkte, bijgestuurd worden waar het misging, en gaandeweg meer randgevallen zelf aankunnen
Een mens inschakelen zodra iets buiten zijn opdracht valt

Hoe een autonome AI agent werkt. De agent beoordeelt wat er binnenkomt, bepaalt de volgende stap, handelt, rapporteert terug, en wordt elke ronde iets beter.

Hoe dat er in productie uitziet

Wij hebben drie AI teammates draaien. Geen demo’s. Geen pilots. Echt werk, elke dag.

Jett is een developer agent, ingezet bij Seef AI. Jett levert 50+ commits per dag, beoordeelt elke pull request voor de merge, en houdt de codebase bij. Seef AI is een uitgebracht product met betalende klanten, en een flink deel daarvan komt van deze agent.

Kai is de chief of staff agent van MulletIQ. Kai beheert onze kennisbank, zet vergaderingen om in actiepunten, leest documenten na, en wijst ons op kansen die blijven liggen. Scheelt zo'n 6 uur per week aan administratie. Heeft 23 kansen aangedragen waar het team nog niets mee had gedaan.

Bex is onze sales rep agent. Bex zoekt gekwalificeerde leads, zet outreachcampagnes op, en stuurt voorstellen de deur uit. Draait 500+ persoonlijke reeksen per maand. Elk bericht is toegesneden op de ontvanger, op basis van echt vooronderzoek.

We briefen elke agent zoals we een nieuwe medewerker briefen: dit is je rol, hier ben jij van, dit zijn je tools, zo koppel je terug. Daarna draaien ze.

Wat AI agents niet kunnen

Ook een goed ingerichte AI teammate loopt tegen harde grenzen aan. Een agent kan niet inschatten wat er tussen de regels speelt, kan geen strategie bedenken, bestaat alleen digitaal, en heeft moeite om dingen lang te onthouden. Stuk voor stuk:

Inschattingen die om jarenlange context vragen

Een agent kan regels volgen. Hij kan de sfeer in een kamer niet lezen. Beslissingen waar jaren aan relatiegeschiedenis, ongeschreven regels of kennis van de organisatie voor nodig zijn, liggen buiten wat een agent vandaag aankan. Wie drie jaar met een klant werkt, weet wanneer je moet doorpakken en wanneer je een stap terug doet. Een agent weet dat niet, en haalt het ook niet uit een document.

Strategie en originele ideeën

Agents zijn goed in aantallen: varianten, concepten, brainstorms. Ze zijn slecht in richting kiezen. Onderzoek van de Université de Montréal uit 2026 laat zien dat de creatiefste mensen het nog altijd winnen van elk AI-systeem dat is getest. Zet agents in om opties te verkennen. Houd de strategie bij de mensen die weten waar het bedrijf heen gaat.

Ze leven in de digitale wereld

Agents werken op schermen. Ze lezen documenten, sturen berichten, werken systemen bij. Ze kunnen niet over de werkvloer lopen, geen hand schudden, en niet zien dat iemand in het team opgebrand raakt. Fysieke aanwezigheid en menselijke observatie liggen nog buiten hun bereik. Robotica maakt dat gat kleiner, maar in 2026 zijn agents uitsluitend digitale collega’s.

Langetermijngeheugen is nog niet opgelost

Een agent die dag en nacht draait, produceert veel data. Logs, chatgeschiedenis, sessies, contextdatabases. Hoe meer daarvan zich opstapelt, hoe lastiger het voor de agent wordt om te vinden wat er nu toe doet. De prestaties lopen terug. Bepalen wat je bewaart en wat je weggooit is moeilijker dan het klinkt.

Wij zijn er zelf ook nog niet uit. De rest van de markt evenmin. Vandaag is het een echte beperking dat een agent kennis niet maandenlang scherp houdt.

Naast deze harde grenzen zijn er praktische dingen die je goed moet regelen als je met agents gaat werken:

Zonder duidelijke kaders zijn ze een risico

Een agent zonder grenzen is een aanvalsoppervlak. Prompt injection, sleutels die weglekken, privégegevens die naar buiten komen. Dat zijn geen theoretische risico’s. NIST is in 2026 een heel AI Agent Standards Initiative begonnen om beveiliging, koppelbaarheid en vertrouwen rond agents aan te pakken. Dit is wat er gebeurt als je een agent brede toegang geeft en er het beste van hoopt.

Elke agent die wij inzetten draait met een vastgelegde set rechten. Hij komt alleen bij tools en gegevens die de klant heeft goedgekeurd. Alles wat naar buiten gaat, gaat eerst langs een mens. Zonder uitzondering.

De briefing maakt of breekt het

Een agent met een vaag doel (“help mee met de operatie”) levert een vaag resultaat. Een agent met een scherp, meetbaar doel (“verwerk elke binnenkomende factuur en meld afwijkingen binnen 2 uur”) wint het elke keer. Geef een agent één taak met een duidelijke uitkomst. Vijf taken met losse omschrijvingen gaan niet werken.

Datzelfde geldt voor kennis. De grootste fout die we zien: een team geeft een agent een prompt van twee zinnen en verwacht tien jaar ervaring terug. Een agent die het werk “fout” doet, heeft meestal niet het juiste materiaal meegekregen. Geen documentatie, geen voorbeelden van eerder werk, geen maatstaf voor wat goed is. Geef hem toegang tot je bestaande documenten, eerder werk en heldere normen, en er komt iets heel anders uit.

Ze maken fouten en hebben toezicht nodig

Agents hallucineren, gaan de mist in bij randgevallen, en zitten er af en toe volledig naast. Maar ze laten een volledig spoor achter. Elke handeling wordt vastgelegd. Gaat er iets mis, dan zoek je terug tot precies de stap waar het fout ging en los je het daar op. Wat telt: de agent leert van die correctie.

Zie het als inwerken. Je laat een junior op dag één ook geen klantmails versturen zonder dat er iemand meekijkt. Begin met een mens die alles beoordeelt wat naar buiten gaat. Zodra de agent zich bewijst, laat je dat toezicht stap voor stap los. Bij onze agents kijkt er altijd een mens mee op externe communicatie. Dat is een keuze, geen beperking.

AI agent vs chatbot vs automatisering

Het verschil tussen een AI agent en een chatbot komt vaak ter sprake. Een chatbot wacht tot jij iets vraagt. Een agent is al bezig. Dat is de kern.

Een chatbot is reactief. Jij stelt een vraag, hij antwoordt. Sluit je het venster, dan stopt hij. Microsoft trekt in zijn eigen vergelijking dezelfde grens: chatbots reageren op vragen, agents komen uit zichzelf in actie.

Een automatisering (Zapier, Make) draait een vaste volgorde af. Gebeurt X, doe dan Y. Betrouwbaar, maar star. Verandert het proces, dan past hij zich niet aan, en met een geval waar hij niet voor gebouwd is kan hij niets.

Een AI agent is verantwoordelijk voor een heel proces. Hij bepaalt welke stappen nodig zijn, voert ze uit, past zich aan als er iets verandert, en gaat aan de slag zonder dat iemand hem aanstuurt. De maatstaf die wij gebruiken: als je wat het doet zou omschrijven als “een baan” in plaats van “een functionaliteit”, dan heb je het over een agent.

	Chatbot	Automatisering	AI agent
Gaat aan de slag	Als jij iets vraagt	Bij een trigger	Uit zichzelf, dag en nacht
Gaat om met verandering	Nee	Nee	Ja, past zich aan
Is verantwoordelijk voor de uitkomst	Nee	Nee	Ja
Wordt beter met de tijd	Nee	Nee	Ja, met feedback

Een automatisering is een recept. Een agent is een collega.

Voor wie zijn AI agents geschikt, en voor wie niet

In het mkb werkt een AI agent het beste bij teams van 10 tot 50 mensen met terugkerende processen die tijd opslokken. Bedrijven waar de oprichter, COO of operationeel manager dagelijks last heeft van handmatig werk, maar geen budget of doorlooptijd heeft om er iemand bij te nemen. Een AI agent vult dat gat: genoeg capaciteit om verschil te maken, voor een fractie van een voltijdsalaris.

Het ideale plaatje: je team heeft al een intern berichtenkanaal (Slack, Teams), cloudopslag (Google Drive, SharePoint) en een takenbord (Jira, Linear, Notion). Je hebt processen die je aan een nieuwe medewerker zou kunnen uitleggen. Je bent bereid een agent een afgebakende opdracht te geven en hem te laten draaien.

Agents zijn niet voor iedereen. Moet er bij jou een mens elke afzonderlijke handeling goedkeuren, dan ben je nog niet toe aan een autonome agent. Dat is geen kritiek, het is een kwestie van timing. Het juiste moment komt zodra je duidelijke grenzen kunt trekken en erop durft te vertrouwen dat de agent daarbinnen blijft.

Ze zijn ook geen kortere weg voor bedrijven die hun processen nog niet op orde hebben. Een agent kan geen chaos automatiseren. Kan een mens het proces niet stap voor stap uitleggen, dan kan een agent het niet uitvoeren.

Hoe beter je bedrijf georganiseerd is, hoe beter agents presteren. Teams die hun processen al vastleggen, met takenborden werken en duidelijke overdrachten tussen mensen hebben, kunnen een agent er zo tussen schuiven. De structuur die je al gebouwd hebt is precies wat een agent nodig heeft.

De eerlijke stand van zaken in 2026

De techniek is echt. De hype loopt voor op de werkelijkheid.

McKinsey meldt dat 88% van de organisaties AI in minstens één functie gebruikt. De meeste zijn met agents nog niet voorbij de pilotfase.

Gartner verwacht dat eind 2026 40% van de zakelijke applicaties AI agents bevat. Tegelijk sneuvelt ruim 40% van de agentic AI-projecten voor eind 2027, door onduidelijke opbrengst of te weinig controle.

De projecten die het wel halen hebben één ding gemeen: een smalle opdracht, vastgelegde rechten, dagelijkse terugkoppeling, en een mens die meekijkt waar het ertoe doet.

De agents bij MulletIQ werken omdat we ze gedisciplineerd inzetten, niet omdat de techniek perfect is. Scherpe doelen, duidelijke kaders, en de bereidheid om een agent te behandelen als een nieuwe medewerker in plaats van als een wondermiddel. Dat is het verschil tussen een AI teammate die levert en een pilot die stilletjes doodbloedt.

Benieuwd of een AI teammate past?

Ben je uren kwijt aan processen die zichzelf zouden moeten draaien, dan is een AI teammate misschien je volgende aanwinst. Geen chatbot. Geen extra SaaS-abonnement. Een collega die het werk van begin tot eind afhandelt.

Eén gesprek. We vertellen je precies wat een agent wel en niet voor je team kan doen.

Neem contact op. Tarief voor onze eerste klanten: ~~€2.500 p/m~~ €1.000 p/m.