De 4 grootste misverstanden over custom AI-agents in het MKB
'AI-agents' is het nieuwe 'chatbots'. Wat werkt wel, wat werkt niet, en wat is verkoop-jargon?
“We moeten een AI-agent bouwen”: elke week horen we het van een nieuwe MKB-klant. De vraag is bijna altijd goed bedoeld en bijna altijd gebaseerd op minstens één misverstand. Dit zijn de vier die we het vaakst zien.
1. “Een AI-agent vervangt onze klantenservice”
Meestal niet. AI is goed in structurele vragen (openingstijden, order-status, basiskennis). AI is slecht in uitzonderingen, conflict-resolutie en complexe claims. De meeste MKB-klantenservice zit juist in die tweede categorie.
Wat wel werkt: een AI-agent die de eerste lijn afvangt en 60% van de vragen zelf oplost. De overige 40% gaan met volledige context door naar een mens, die nu veel efficiënter kan helpen.
2. “Een AI-agent is een chatbot met ChatGPT erachter”
Nee. Een echte agent:
- Heeft toegang tot jouw data (CRM, order systeem, kennisbank)
- Kan acties uitvoeren (ticket aanmaken, refund initiëren, agenda boeken)
- Heeft guardrails (wat mag hij wel/niet zeggen of doen)
Een chatbot met alleen ChatGPT hallucineert je bedrijf kapot.
3. “Het is een eenmalige investering”
Ook niet. AI-agents hebben onderhoud nodig:
- Nieuwe productinformatie toevoegen
- Kwaliteit monitoren (welke vragen faalt hij op?)
- Foutieve antwoorden corrigeren
- Modellen updaten als ze beter worden
Reken op 10–20% van de bouwkosten als jaarlijks onderhoud.
4. “We beginnen met een pilot van €2k”
Bijna altijd te klein. Onder de €10k krijg je een demo, niet een werkend systeem. Wat €2k kan opleveren: een chat-widget die ChatGPT aanroept op jouw content. Wat €20k kan opleveren: een agent die echt geïntegreerd is met je tools en meetbaar resultaat levert.
Wat dan wel?
Start met een scoping-fase (€3–5k, 2 weken). Daarin bepalen we:
- Welke use cases kosten-negatief zijn
- Welke data we nodig hebben
- Welk platform (OpenAI, Claude, Anthropic, open source) past
- Welke guardrails nodig zijn
Pas daarna bouw je. De meeste bedrijven ontdekken in die scoping dat hun eerste idee niet het beste idee was, en dat is winst.
Bij ons heet die fase de procesaudit, zie AI-agent laten maken. Blijkt daaruit dat er geen taalmodel nodig is, dan is een gewone workflow-automatisering sneller, goedkoper en beter voorspelbaar.