Hoe maak je een AI-agent zonder te coden: het stappenplan
Een AI-agent bouw je in een paar uur, zonder code, als je een duidelijke methode volgt. Taak, model, instructies, tests: dit zijn de stappen die het verschil maken tussen een speeltje en een tool die echt werkt.
1. Agent, chatbot, assistent: drie woorden, drie verschillende dingen
Een chatbot beantwoordt een vraag. Een assistent denkt met je mee en doet suggesties. Een AI-agent doet iets: hij krijgt een doel, kiest zijn eigen tools, voert echte acties uit (een e-mail versturen, een CRM bijwerken, een document lezen, een API aanroepen) en meldt het resultaat terug. Dat verschil is niet gradueel. Het is fundamenteel.
Die drie termen door elkaar halen kost tijd. Een agent die is ingesteld om te 'antwoorden' terwijl je verwachtte dat hij zou 'handelen', stelt altijd teleur. Stel jezelf de vraag voordat je een tool opent: wil ik dat het systeem reageert, of dat het iets uitvoert? Het antwoord bepaalt de architectuur, de keuze van het platform en de waarborgen die je moet inbouwen.
Een AI-agent bestaat uit drie onderdelen. Het taalmodel verwerkt instructies en neemt beslissingen. De tools (API's, connectoren, bestandstoegang) geven hem toegang tot externe systemen om iets te doen. Het geheugen, al dan niet blijvend, geeft toegang tot de context van eerdere gesprekken. Haal een van die drie onderdelen weg, en de agent wordt weer een assistent of gewoon een chatbot.
2. Begin bij de taak, niet bij de technologie
De meeste agents die in de kast verdwijnen, sterven op hetzelfde punt: de maker begon bij de tool in plaats van bij de behoefte. Schrijf, voordat je iets opent, één zin op: 'ik wil dat de agent X doet op basis van Y, en mij Z teruggeeft.' Concreet voorbeeld: 'beantwoord klantvragen over onze tarieven op basis van ons PDF-tarievenoverzicht, en stuur twijfelgevallen naar mij door.'
Kun je die zin niet opschrijven, dan ben je nog niet klaar om de agent te bouwen. De beste eerste agent pakt een terugkerende taak op, met bekende regels en een duidelijk uitvoerformaat. Vage projecten ('een agent die mijn marketing regelt') mislukken bij elke tool. Begin klein, bewijs de waarde, en breid daarna uit.
Drie signalen wijzen op een geschikte eerste taak. Ze komt minstens een paar keer per week terug. Ze volgt vaste regels, zonder veel uitzonderingen. Het resultaat is binnen een minuut door een mens te controleren. Kloppen alle drie, dan is de case goed. Ontbreekt er één, scherp dan eerst de scope aan voordat je gaat configureren.
3. Kies het model dat de agent draagt
Het model is de motor van de agent, en motoren verschillen. Claude houdt lange instructies goed vast en schrijft heldere, zakelijke tekst. GPT-4o biedt het breedste palet aan tools en integreert standaard met AgentKit, de visuele no-code omgeving die OpenAI in oktober 2025 lanceerde. Gemini verwerkt moeiteloos omvangrijke documenten en mediabestanden. Mistral draait grote volumes tegen lage kosten, met data die in Europa wordt gehost. Copilot Studio is vooral interessant als je dagelijks in Word en Excel werkt.
Kies niet op naam en faam. Pak drie echte voorbeelden van je taak, geef ze aan twee of drie modellen met dezelfde instructie, en vergelijk de uitkomsten. Dat is precies het nut van een multi-model omgeving zoals GPTPro: die vergelijkende test kost tien minuten, in plaats van drie losse aanmeldingen bij drie aanbieders.
Ook de gebruikskosten tellen mee. Een agent die honderd verzoeken per dag verwerkt met een topmodel kan flink oplopen in de maandelijkse rekening. Schat het volume in voordat je het model vastlegt. Voor taken met veel volume en simpele regels is een lichter, goedkoper model vaak voldoende. Bewaar de zwaarste modellen voor complexe of weinig frequente taken.
4. Schrijf instructies die overeind blijven
De instructies (systeemprompt) zijn de persoonlijkheid en de wet van de agent. Bouw ze op uit vier blokken: de rol (wie is de agent, voor wie werkt hij), de regels (wat hij doet, wat hij weigert, welke toon hij aanhoudt), het format (de exacte structuur van het gewenste antwoord) en voorbeelden (twee of drie ideale antwoorden, gehaald uit je beste échte gesprekken).
Twee valkuilen komen steeds terug. De eerste: vage instructies als 'wees professioneel en behulpzaam', die niets afdwingen. De tweede: de faalscenario's vergeten. Vertel de agent expliciet wat hij moet doen als hij het niet weet: 'als de informatie niet in de aangeleverde documenten staat, zeg dat dan en bied aan om door te verwijzen naar een medewerker.' Die ene regel voorkomt het grootste deel van de verzonnen antwoorden.
Een vierde, minder zichtbare valkuil: tegenstrijdige instructies. Zegt de ene regel 'antwoord altijd in minder dan drie zinnen' en de andere 'werk elke stap volledig uit', dan beslist de agent zelf, op onvoorspelbare wijze. Lees je instructies na op tegenstrijdigheden voordat je gaat testen. Een korte, consistente instructie werkt beter dan een lange, dubbelzinnige.
5. Geef hem jouw data, niet zijn algemene geheugen
Een model antwoordt standaard vanuit zijn training: algemene kennis, soms verouderd, nooit specifiek voor jouw bedrijf. Een nuttige agent antwoordt vanuit jouw documenten: tarievenoverzicht, interne procedures, veelgestelde vragen, voorbeeldbrieven. Voeg die toe aan de configuratie van de agent (dit heet retrieval-augmented generation, RAG) en schrijf in de instructies dat hij zich daarop moet baseren.
Begin klein: drie tot vijf schone documenten zijn beter dan veertig bestanden die elkaar tegenspreken. Spreken twee documenten elkaar tegen, dan kiest de agent onvoorspelbaar. Ruim eerst op, laad daarna in. De kwaliteit van de invoer bepaalt de kwaliteit van de uitvoer.
Het formaat van je documenten telt net zo zwaar als de inhoud. Een gescande PDF zonder OCR is onleesbaar voor een agent. Een Excel-bestand met samengevoegde cellen levert foutieve extracties op. Kies voor gestructureerde tekstformaten: Markdown, een schone Word-tekst, CSV zonder ingewikkelde opmaak. Open een document altijd eerst in een platte teksteditor en controleer of de inhoud leesbaar is, voordat je het toevoegt.
6. Test zoals een ontevreden klant
De vriendelijke test ('hallo, wat zijn jullie tarieven?') bewijst niets. Test de gevallen die wringen: de vraag buiten scope, het verzoek dat tegen de regels ingaat, het dubbelzinnige bericht, het onvolledige document, de kortingsvraag die de agent niet mag toekennen. Een tiental echte gevallen uit je eigen geschiedenis is genoeg om de zwakke plekken bloot te leggen.
Corrigeer bij elke afwijking de instructies, niet het lopende gesprek. Een correctie in het gesprek verdwijnt bij de volgende sessie. Een correctie in de instructies blijft gelden voor alle toekomstige gesprekken. Doorgaans zijn drie of vier rondes genoeg om een agent op een goed afgebakende scope stabiel te krijgen.
Leg elke test en het resultaat vast in een simpel document. Dat logboek helpt op twee manieren: snel de oorzaak van een terugval terugvinden als je later de instructies aanpast, en de basis vormen van de documentatie die de AI Act vraagt voor agents met een hoog risico. Begin daar meteen bij de eerste agent mee, dan hoef je later niet alles te reconstrueren.
7. GPTPro, n8n, Make: welke tool voor welke agent
Een conversatie-agent (antwoorden, teksten opstellen, analyseren, op vraag van een gebruiker) bouw je in GPTPro in een paar stappen, zonder code, met het voordeel dat je modellen op je eigen cases kunt vergelijken. Dat is de juiste tool voor de meeste individuele behoeften en kleine teams.
Een achtergrondautomatisering (een mailbox monitoren, acties triggeren in je CRM, systemen aan elkaar koppelen zonder menselijke tussenkomst) is werk voor tools als n8n of Make. Make lanceerde in april 2025 Make AI Agents: agents die een doel in natuurlijke taal begrijpen en workflows in real time aanpassen, in een volledig no-code omgeving. n8n bracht in augustus 2026 zijn eigen 'n8n Agents' uit: eenmalig gedefinieerde agents, herbruikbaar in de chat, in workflows, in Slack of op een vast schema. Veel teams combineren beide: GPTPro voor het interactieve werk, n8n of Make voor de automatische loodgieterij op de achtergrond.
De simpelste vraag om te kiezen: wie zet de agent aan het werk? Stelt een medewerker een vraag, dan is GPTPro genoeg. Gaat het om een systeemgebeurtenis (een binnenkomende e-mail, een update in een CRM-record zoals in Exact Online of AFAS, een vast tijdstip), dan heb je een automatiseringstool nodig. Beide kunnen naast elkaar bestaan binnen dezelfde organisatie, elk op hun eigen terrein.
8. AVG en AI Act: waar je op moet letten voor je live gaat
Sinds 2 augustus 2026 verplicht de AI Act om elke gebruiker te laten weten dat hij met een AI-systeem communiceert. Gegenereerde content moet als zodanig gemarkeerd worden. Dat is geen keuze, het is een wettelijke verplichting voor elke agent die naar buiten toe wordt ingezet, ook een supportchatbot op je eigen site.
Het risiconiveau hangt af van de toepassing, niet van hoe autonoom de agent is. Een agent die e-mails opstelt, valt onder beperkt risico. Een agent die sollicitaties screent of leads scoort, valt onder hoog risico (Bijlage III van de AI Act): menselijk toezicht, traceerbaarheid en documentatie zijn dan verplicht. De Franse toezichthouder CNIL publiceerde in juli 2026 samen met CIANum een verkennende notitie over agentic AI en persoonsgegevens, met aandacht voor de risico's van blijvend geheugen en complexe verwerkingsketens. In Nederland houdt de Autoriteit Persoonsgegevens toezicht op de AVG, in België de Gegevensbeschermingsautoriteit (GBA/APD). Sluit voor je live gaat een verwerkersovereenkomst (DPA) met je SaaS-leverancier, beperk de verwerkte data tot het strikt noodzakelijke en bouw een menselijk controlepunt in bij besluiten met impact.
Blijvend geheugen vraagt extra aandacht. Een agent die gesprekshistorie tussen sessies bewaart, verzamelt persoonsgegevens die zich in de tijd opstapelen. Controleer het bewaarbeleid van je platform, stel een bewaartermijn vast die aansluit bij je AVG-beleid, en zorg voor een manier om gegevens op verzoek te laten wissen. Dat punt komt expliciet terug in de CNIL/CIANum-notitie van juli 2026.
Een AI-agent bouwen zonder code komt neer op vijf stappen: een scherp afgebakende taak, een model dat je op je eigen cases hebt getest, instructies met duidelijke faalscenario's, je eigen documenten als context, en strenge tests voordat je live gaat. Reken op een halve dag voor een eerste serieuze agent.
Het beste startpunt is een simpele, veelvoorkomende taak. De eerste agent die je twintig minuten per dag scheelt, rechtvaardigt alle volgende. In GPTPro stel je dat in zonder code, met het model dat bij jouw taak past.
Veelgestelde vragen
Kun je echt een AI-agent bouwen zonder te programmeren?
Ja, mits je de juiste scope kiest. Tools als GPTPro, Make AI Agents of AgentKit van OpenAI laten je een agent instellen in natuurlijke taal, zonder een regel code te schrijven. 'Zonder code' betekent niet 'zonder methode': het schrijven van instructies, de keuze van documenten en het testen blijven essentieel. Een slecht ingestelde no-code agent werkt net zo slecht als een slecht geprogrammeerde agent.
Wat is het verschil tussen een AI-agent en een chatbot?
Een chatbot beantwoordt vragen volgens een script of model. Een AI-agent doet iets: hij krijgt een doel, kiest zijn tools, voert echte acties uit (CRM bijwerken, e-mail versturen, document lezen) en meldt het resultaat terug. Het verschil is operationeel: de agent kan effecten teweegbrengen in je systemen, de chatbot niet.
Hoeveel tijd kost het om je eerste werkende agent te bouwen?
Bij een goed afgebakende scope (een taak, duidelijke regels, schone documenten) is een halve dag genoeg voor een eerste stabiele agent. De meeste tijd gaat naar het schrijven van instructies en het testen van grensgevallen, niet naar het configureren van de tool zelf. Een vage scope of tegenstrijdige documenten maken dat proces een stuk langer.
Hoe ga je om met de AVG als je een AI-agent inzet?
Drie basisstappen: sluit een verwerkersovereenkomst (DPA) met het SaaS-platform dat je gebruikt, beperk de persoonsgegevens die de agent verwerkt tot het noodzakelijke, en informeer gebruikers dat ze met een AI-systeem communiceren (verplicht sinds 2 augustus 2026 onder de AI Act). Voor agents met een hoog risico (HR, scoring) zijn menselijk toezicht en traceerbaarheid van beslissingen verplicht. De verkennende notitie van CNIL/CIANum uit juli 2026 gaat dieper in op de aandachtspunten die specifiek zijn voor agentic AI. Raadpleeg bij twijfel de Autoriteit Persoonsgegevens (Nederland) of de Gegevensbeschermingsautoriteit (België).
Heb je een technisch profiel nodig om een AI-agent te bouwen, of kan een vakspecialist dat zelf?
Een vakspecialist kan een conversatie-agent zelf bouwen en onderhouden, zonder technische kennis, op no-code platforms. Kennis van het eigen vakgebied is zelfs een voordeel: het helpt om precieze instructies te schrijven en de juiste grensgevallen te testen. Een technisch profiel wordt nuttig bij complexere integraties (koppeling met een eigen CRM, workflows over meerdere systemen) of bij agents met een hoog risico die formele documentatie vereisen.
