AI-agent: definitie, werking en voorbeelden

Definitie in detail

Een AI-agent is een programma dat waarneemt wat er om hem heen gebeurt, een actie kiest en die uitvoert, met of zonder menselijke tussenkomst bij elke stap. Dat is de oudste definitie van het woord "agent" in de kunstmatige intelligentie. Ze komt uit het standaardwerk van Stuart Russell en Peter Norvig, Artificial Intelligence: A Modern Approach, dat een agent omschrijft als "alles wat kan worden gezien als iets dat zijn omgeving waarneemt via sensoren en op die omgeving inwerkt via actuatoren" (zie de definitie zoals overgenomen op Wikipedia). Deze definitie dateert van vóór de grote taalmodellen, maar gaat nog steeds op.

De grote cloudspelers herhalen hetzelfde idee met andere woorden. Voor IBM is een AI-agent een systeem dat taken autonoom uitvoert door zelf zijn reeks van stappen te bepalen met de beschikbare tools. Voor Google Cloud is het een applicatie die een doel bereikt door input te verwerken, te redeneren met de beschikbare tools en vervolgens te handelen op basis van zijn beslissingen. Microsoft gaat recht op zijn doel af: wat een agent onderscheidt van een gewone assistent, is autonomie. Een assistent helpt een persoon, een agent bereikt een doel.

De drie definities komen op één punt overeen: een AI-agent combineert waarneming, redenering en actie, met behulp van tools. Ze verschillen licht op het punt van autonomie. Google Cloud omschrijft agents meteen als autonome softwareentiteiten, terwijl Microsoft het woord "agent" eerder reserveert voor systemen die een doel afronden zonder validatie bij elke stap, in tegenstelling tot een assistent die permanent onder menselijke controle blijft. Een autonome AI-agent trekt deze logica nog verder door: hij kiest zijn eigen route van acties en draait continu, niet alleen voor de duur van één taak.

In het dagelijks gebruik is "AI-agent" ook een beetje een verzamelterm geworden. Een chatbot die één zoekfunctie aanroept, wordt soms al "agent" genoemd, net als een systeem dat tien stappen volledig autonoom doorloopt. De werkelijke mate van autonomie, geheugen en toegang tot tools verschilt enorm per product. Dat is precies wat u moet nagaan voordat u twee aanbiedingen vergelijkt, in plaats van af te gaan op het woord dat in een brochure staat.

Hoe het werkt

Technisch gezien draait een AI-agent op een lus die eenvoudig te beschrijven is, maar lastiger goed te implementeren:

1. Waarneming: de agent ontvangt input, een bericht van een gebruiker, een gebeurtenis, de inhoud van een bestand, een melding van een ander systeem.
2. Beslissing: een taalmodel redeneert over deze input, vergelijkt die met zijn instructies en geheugen, en kiest vervolgens een actie. IBM noemt dit "agentisch redeneren": de agent herevalueert zijn plan voortdurend in plaats van een vast script te volgen.
3. Actie: de agent voert de gekozen actie uit, vaak via een tool-aanroep, een externe functie, een zoekopdracht, het schrijven naar een bestand.
4. Observatie: het resultaat van de actie wordt weer een waarneming, en de lus begint opnieuw tot het doel is bereikt of een grens is bereikt.

Wat een agent onderscheidt van een gewone geautomatiseerde pipeline, is dat de volgorde van stappen niet vooraf is vastgelegd. Het model kiest zelf, bij elke beurt, welke tool het aanroept en in welke volgorde. Een systeem dat altijd dezelfde vooraf bepaalde reeks stappen volgt, ook al roept het op een specifiek punt een taalmodel aan, blijft dichter bij een door een trigger geactiveerde agent-workflow dan bij een agent in strikte zin. Die nuance is belangrijk: ze is precies wat een autonome AI-agent onderscheidt van een eenmalig geactiveerde automatiseringstool.

Geheugen speelt ook een rol. Zonder geheugen begint de agent bij elke interactie weer bij nul. Met geheugen kan hij zich een eerder gesprek, een al verwerkt bestand of een geplande taak herinneren. Het werkelijke niveau van geheugen en autonomie hangt volledig af van het gebruikte platform, niet alleen van het onderliggende taalmodel.

Concreet voorbeeld met Atako

Bij Atako is een agent een AI-medewerker die eenmalig wordt aangemaakt, met een naam, instructies, zakelijke context en een model, en die vervolgens continu draait in zijn eigen geïsoleerde omgeving, niet in een gewone eenmalige chatsessie. Hij wordt niet bij elk verzoek opnieuw geïnstantieerd: hij blijft actief en kan op elk moment worden aangesproken, via de kanalen die voor hem zijn geopend, chat, e-mail, webhooks of een geplande taak.

Neem een concreet voorbeeld. Een bedrijf maakt een supportagent aan en koppelt die aan Zendesk. Standaard geeft deze koppeling geen toegang tot iets: er is een expliciete "grant" nodig, een precieze toestemming (bijvoorbeeld tickets lezen en een antwoord aanmaken, maar geen gebruiker verwijderen), voordat de agent kan handelen. Dat is het deny-by-default-model van Atako: een tool koppelen en een agent toestemming geven om die te gebruiken, zijn twee aparte stappen.

Zodra de grant is verleend, neemt de agent een nieuw Zendesk-ticket waar (waarneming), beslist hij of hij er zelf op kan reageren of het moet escaleren (beslissing), en roept hij vervolgens de bijbehorende actie aan binnen de grenzen van zijn toegestane bereik (actie). Als hij hulp nodig heeft bij een deeltaak, zoals het opzoeken van een klanthistorie, kan hij die delegeren aan een tijdelijke subagent, zonder een extra slot te verbruiken. Elke tool-aanroep wordt vastgelegd in de activiteitentijdlijn van de agent, zodat achteraf te controleren is wat hij daadwerkelijk heeft gedaan.

Veelgemaakte fouten

AI-agent en chatbot door elkaar halen. Een gewone chatbot beantwoordt één vraag tegelijk en vergeet alles tussen twee gesprekken. Een AI-agent kan meerdere stappen achter elkaar uitvoeren, tools aanroepen en de draad van een doel vasthouden.

Denken dat "autonomer" altijd "beter" betekent. Een agent die volledig aan zijn lot wordt overgelaten bij een gevoelige taak, zonder toestemmingen of controle, is een risico, geen vooruitgang. Het juiste autonomieniveau hangt af van de taak, niet van een trend.

De toestemmingen voor tools verwaarlozen. Een agent ruime schrijftoegang geven "voor het gemak", in plaats van beperkte toegang tot wat hij echt nodig heeft, is de meest voorkomende fout binnen bedrijven.

Agent en getriggerde agent-workflow verwarren. Een vaste reeks stappen die op een bepaald moment een taalmodel aanroept, is geen agent in volle zin: het ontbreekt hem aan het vermogen om van begin tot eind zelf zijn route te kiezen.

Verder lezen

Wilt u dieper ingaan op het onderscheid tussen een agent die op een eenmalig verzoek reageert en een agent die continu op een langetermijndoel draait? Ga dan naar de pagina autonome AI-agent. Om te begrijpen waar klassieke generatieve AI ophoudt en agentische AI begint, gaat u naar generatieve AI vs agentische AI. En voor een compleet overzicht van het onderwerp, met use cases en kostenvragen, behandelt de pillar-pagina over autonome AI-agents elk aspect in detail, net als het artikel Wat is een AI-agent?.