Er zijn vijf klassieke soorten AI-agents: simple reflex, model-based reflex, goal-based, utility-based en lerende agents. Eenvoudig gezegd: ze volgen een regel, houden bij wat er gebeurt, werken naar een doel toe, kiezen de beste van meerdere opties of worden beter door feedback. Veel lijsten voegen er nog twee aan toe, hiërarchische agents en multi-agentsystemen, die gaan over hoe meerdere agents samenwerken.
Deze gids legt elk type uit met een voorbeeld uit het dagelijks leven en een voorbeeld uit het bedrijfsleven. Er staat ook één praktisch punt in: als een AI-agent zakelijk werk verkeerd doet, ligt dat meestal niet aan zwakke planning. Het ligt eraan dat de agent met de verkeerde feiten werkt. Vraag bij het kiezen van een agent dus eerst wat hij kan zien en wat hij mag veranderen. Hoe slim hij is, komt pas daarna.
Voordat je beslisstijlen vergelijkt, laat de introductie tot agents zien hoe doel, context, tools en controles in één taak samenhangen. Bij het kiezen van hulp voor je team beantwoordt de vergelijking van chatbot, agent en AI-collega een andere vraag: heb je een antwoord, een bereikt doel of terugkerend werk met afgesproken regels nodig?
Wat is een AI-agent?
Een AI-agent is software die een situatie bekijkt, besluit wat er moet gebeuren en dat vervolgens ook doet. Een chatbot beantwoordt je vraag. Een agent kan ook de volgende stap zetten, zoals je inbox lezen, een spreadsheet bijwerken of een antwoord opstellen.
De vijf soorten komen uit het studieboek Artificial Intelligence: A Modern Approach van Stuart Russell en Peter Norvig, het boek dat de meeste AI-opleidingen aan universiteiten gebruiken. Ze delen agents in aan de hand van één vraag: hoe beslist de agent wat hij als volgende doet? De gids van IBM over soorten AI-agents gebruikt dezelfde lijst.
Er bestaat geen officiële definitie, en dat is geen probleem. Voor een zakelijke lezer is de bruikbare toets eenvoudig: geeft het alleen antwoord, of kan het ook iets doen?
De 5 klassieke soorten AI-agents
Lees de vijf soorten van eenvoudig naar meest uitgebreid. Dit is geen ranglijst. Een eenvoudig ontwerp is vaak het juiste, en leren kan aan elk van de andere vier worden toegevoegd.
De vijf klassieke soorten beschrijven hoe beslissingen worden genomen. Leren kan aan de andere vier worden toegevoegd; het is niet de laatste sport van een ladder. Controleer bij elk ontwerp de kwaliteit van de context.
YouTube · IBM Technology
5 Types of AI Agents: Autonomous Functions & Real-World Applications · 28 april 2025
Een uitleg van 10 minuten over de soorten uit het studieboek, met een tekening bij elke soort. De samenvatting op 8:23 vat ze samen in vijf werkwoorden: reageert (reacts), onthoudt (remembers), mikt (aims), beoordeelt (evaluates), verbetert (improves).
1. Simple reflex agents: een regel volgen
Wat het doet: "Als dit gebeurt, doe dan dat." De agent kijkt alleen naar wat er op dit moment voor hem ligt.
Voorbeeld uit het dagelijks leven: een thermostaat zet de verwarming aan onder 19°C.
Zakelijk voorbeeld: een inboxregel stuurt elke e-mail met het woord "factuur" door naar crediteurenadministratie.
Waar het misgaat: bij alles wat de regel niet had voorzien. Een nieuwsbrief waarin "factuur" staat, komt ook bij je financiële team terecht. De regel ziet het verschil niet en maakt elke keer dezelfde fout.
Gebruik het als: de situatie voorspelbaar is en een fout weinig kost.
2. Model-based reflex agents: bijhouden wat er gebeurt
Wat het doet: de agent volgt nog steeds regels, maar onthoudt wat hij heeft gezien. Daardoor heeft hij een beeld van de situatie, wat studieboeken een "model" noemen.
Voorbeeld uit het dagelijks leven: een robotstofzuiger onthoudt welke kamers hij al heeft schoongemaakt.
Zakelijk voorbeeld: een supportassistent ziet dat een klant vorige week dezelfde bug al heeft gemeld, en voegt het nieuwe bericht toe aan het openstaande ticket in plaats van een dubbel ticket aan te maken.
Waar het misgaat: als dat beeld verouderd is. Een oud CRM-record, een besluit dat alleen in een Slack-thread staat of de spreadsheet van vorige maand zorgt ervoor dat de agent vol vertrouwen handelt op basis van de verkeerde feiten.
Gebruik het als: de juiste actie afhangt van de voorgeschiedenis, niet alleen van het laatste bericht.
Dit is het type dat voor zakelijke teams het meest telt, en een bericht dat begin november 2026 veel werd gedeeld op X laat zien waarom. Gul Saeed Khattak, lead data engineer aan de University of Glasgow, beschreef een agent die werd gevraagd naar de omzet van het vorige kwartaal:
X · Gul Saeed Khattak (@Ldataengineer) · 3 november 2026
"It answers in 3 seconds. Clean number. Nice chart. But it used the wrong 'revenue' column. Nobody notices."
(Vertaling) "Hij antwoordt in 3 seconden. Een net getal. Een mooie grafiek. Maar hij gebruikte de verkeerde 'omzet'-kolom. Niemand merkt het."
De agent in dit verhaal redeneerde niet slecht. Hij redeneerde goed, maar vanuit de verkeerde kolom. We zijn het eens met die diagnose. Let wel: het bericht gaat verder met reclame voor een specifieke datatool, die wij niet hebben getest. De zakelijke les is eenvoudiger dan welke tool ook: controleer welke bron een agent heeft gebruikt voordat je op het antwoord vertrouwt.
3. Goal-based agents: naar een doel toe werken
Wat het doet: je geeft de agent een doel en hij plant de stappen. In plaats van "welke regel is van toepassing?" vraagt hij zich af "wat brengt me dichterbij?"
Voorbeeld uit het dagelijks leven: een navigatie-app plant een route en past die aan als je een afslag mist.
Zakelijk voorbeeld: "Zorg dat de presentatie voor de raad van bestuur donderdag klaar is." De agent haalt de nieuwste cijfers op, neemt de slide-opmaak van het vorige kwartaal over en zet de open vragen op een rij.
Waar het misgaat: de agent controleert alleen of het doel is bereikt. Als twee plannen allebei werken, heeft hij geen reden om het goedkopere of veiligere plan te kiezen.
Gebruik het als: je weet welk resultaat je wilt, maar de stappen elke keer anders zijn.
4. Utility-based agents: de beste optie kiezen
Wat het doet: de agent vergelijkt meerdere goede opties en scoort ze op wat voor jou belangrijk is.
Voorbeeld uit het dagelijks leven: een vluchtzoeker die prijs, reistijd en aantal overstappen tegen elkaar afweegt.
Zakelijk voorbeeld: een advertentieassistent stelt voor om budget tussen campagnes te verschuiven door kosten per verkoop, resterend budget en de hoeveelheid data per campagne af te wegen.
Waar het misgaat: de scores zijn maar zo goed als je prioriteiten. Als niemand heeft besloten of snelheid belangrijker is dan kosten, kan de agent dat ook niet beslissen.
Gebruik het als: er echte afwegingen zijn en meer dan één acceptabel antwoord.
5. Lerende agents: beter worden door feedback
Wat het doet: de agent kijkt hoe eerdere acties hebben uitgepakt en past zich aan. Dit kan bovenop elk van de vier soorten hierboven komen.
Voorbeeld uit het dagelijks leven: de suggesties van een muziekapp veranderen naarmate je nummers overslaat of opnieuw afspeelt.
Zakelijk voorbeeld: een assistent voor leadscoring rangschikt leads beter nadat het salesteam heeft aangegeven welke leads echte deals zijn geworden.
Waar het misgaat: de agent leert precies wat de feedback hem leert. Onvolledige of inconsistente feedback maakt hem vol vertrouwen fout. Leren kost ook de meeste data en de meeste tijd.
Gebruik het als: het werk vaak terugkomt en iemand controleert wat de agent leert.
Soort 6 en 7: hiërarchische agents en multi-agentsystemen
Deze twee beschrijven hoe meerdere agents georganiseerd zijn, niet hoe één agent beslist.
- Hiërarchische agents: een "manager"-agent splitst een grote klus op in delen en geeft elk deel aan een andere agent.
- Multi-agentsystemen: meerdere agents werken tegelijk aan hetzelfde probleem en delen of verdelen het werk.
Zakelijk voorbeeld: bij een productlancering onderzoekt één agent de concurrenten, schrijft een tweede de lanceringsmail en controleert een derde de landingspagina.
Leveren meer agents betere resultaten op? Dat hangt van de klus af. In juni 2025 meldde Anthropic dat een team van agents op de eigen onderzoekstests beter presteerde dan één agent, maar ongeveer 15 keer zoveel tokens gebruikte (de eenheden waarin AI-gebruik wordt gefactureerd) als een normale chat. Anthropic zei ook dat taken waarbij elke agent dezelfde context nodig heeft, er slecht bij passen (Anthropic). Een onderzoekspaper uit oktober 2026, nog niet door vakgenoten beoordeeld, vond dat agents die werk aan elkaar doorgeven elkaars feiten niet controleerden, tenzij het proces hen daartoe dwong (arXiv).
De les is dus niet "meer agents is beter". Het is dezelfde regel als bij mensen: elke overdracht heeft duidelijke input nodig, een duidelijke output en iemand die het resultaat controleert.
Waar de AI-agents van nu passen
De vijf soorten zijn beschreven voordat tools als ChatGPT en Claude bestonden. Een moderne AI-agent combineert er meerdere. Hij volgt je instructies (regels), leest je documenten en eerdere berichten (bijhouden), plant stappen naar wat je hebt gevraagd (doel), weegt opties af als je hem laat kiezen (beste optie) en kan beter worden als je correcties opslaat (feedback).
Als een leverancier zegt dat zijn product "een goal-based agent" is, zegt dat dus weinig. Stel liever drie eenvoudige vragen:
- Wat kan het lezen?
- Wat kan het veranderen?
- Wanneer stopt het om een mens iets te vragen?
Veelgemaakte fouten bij het denken over soorten agents
"De latere soorten zijn altijd beter." Nee. Een eenvoudige regel is goedkoper, sneller en makkelijker te controleren. Gebruik het eenvoudigste type dat het werk aankan.
"Een lerende agent leert automatisch van alles." In de meeste zakelijke tools wordt hij alleen beter als iemand de correctie opslaat, bijvoorbeeld als bijgewerkte instructie. Als niemand die opslaat, begint de volgende keer weer bij nul.
"Meer agents betekent meer kunnen." Meer agents betekent meer overdrachten. Kleine fouten tellen ook op: als elke stap in 95% van de gevallen klopt, klopt een proces van tien stappen maar in ongeveer 60% van de gevallen.
"Het type vertelt je wat het in mijn bedrijf kan doen." Het type vertelt je hoe het beslist. Wat het kan doen, hangt af van waar het toegang toe heeft en wat het mag veranderen.
Een eenvoudigere aanpak voor zakelijke teams: deel agents in op het werk dat ze doen
De soorten uit het studieboek beschrijven hoe een agent denkt. Een salesleider of operationeel manager vindt meestal belangrijker welk werk de agent gaat doen. Veel teams vinden het daarom makkelijker om agents in te delen op rol. Dit is een praktische manier van denken, geen officiële lijst.
| Rol | Wat het doet | Wat je krijgt | Wat de mens nog beslist |
|---|---|---|---|
| Monitor | Houdt een bron in de gaten en signaleert wat belangrijk is | Een dagelijkse melding of samenvatting | Welke meldingen actie vragen |
| Onderzoeker | Verzamelt en vergelijkt informatie | Een briefing of shortlist | Of de bronnen goed zijn en wat er moet gebeuren |
| Maker | Maakt van input een concept | Een e-mail, rapport, presentatie of pagina | Bewerkt, en verstuurt of publiceert daarna |
| Uitvoerder | Voert wijzigingen door in je tools | Bijgewerkte records, een ingepland bericht | Geeft toegang en keurt wijzigingen goed |
| Coördinator | Voert een klus met meerdere stappen uit over verschillende tools heen | Een afgerond pakket, teruggegeven ter controle | Is eigenaar van het resultaat |
Mensen geven nu al complete klussen aan agents. Greg Isenberg, CEO van de company-building studio Late Checkout, beschreef zijn week op X:
X · Greg Isenberg (@gregisenberg) · 3 november 2026
"my team is 50+ people in 12 countries, but i talk to my agents more than my human teammates"
(Vertaling) "mijn team bestaat uit meer dan 50 mensen in 12 landen, maar ik praat meer met mijn agents dan met mijn menselijke collega's"
In hetzelfde bericht noemt hij een stap waarin een agent zijn idee kritisch bevraagt voordat er iets wordt gebouwd. Dat is een goede gewoonte voor elke rol in de tabel: laat de agent vragen stellen over het doel voordat hij begint. Onze kijk is minder dramatisch dan zijn formulering. Veel met agents praten is prima, zolang mensen blijven beslissen wat er wordt verstuurd, gewijzigd of goedgekeurd.
Voorbeeld: één opvolging in sales, stap voor stap
Zo komen de soorten terug in één gewone taak. Dit is een voorbeeld van hoe de stappen in Okou in elkaar grijpen, geen klantverhaal.
De vraag. Na een verlengingsgesprek schrijft een accountmanager: "Bekijk de geschiedenis van deze klant, maak een briefing voor mijn team en schrijf een concept voor de opvolgmail."
1. Eerst de feiten controleren (bijhouden). De agent leest de e-mailthread, de gespreksnotities, het CRM-record en recent nieuws over de klant. Het CRM zegt "verlenging, standaardvoorwaarden". Maar in een e-mail van vorige week staat dat de financieel verantwoordelijke van de klant per kwartaal gefactureerd wil worden. De agent gaat uit van de nieuwere e-mail en markeert de tegenstrijdigheid als open vraag.
2. Het werk plannen (doel). De agent verzamelt wat de briefing en de e-mail allebei nodig hebben: wat er in het gesprek is beloofd, wat nog openstaat en de volgende stap waarmee de klant heeft ingestemd.
3. De voorkeur van het team volgen (beste optie). De accountmanager heeft al gezegd: "houd klantmails onder de 150 woorden en begin met de volgende stap". Daarmee is de afweging tussen kort en uitgebreid al gemaakt.
4. Concept maken, niet versturen. Het team heeft Okou toestemming gegeven om Gmail-concepten te schrijven, maar niet om ze te versturen (Wat is Okou?). Als de agent toegang nodig heeft die hij niet heeft, keurt een mens die goed en kiest hoe lang die geldt.
5. Het juiste formaat voor elke lezer. Het interne team krijgt een briefing als document waarin ze opmerkingen kunnen plaatsen. De klant krijgt een korte e-mail waarin de volgende stap meteen duidelijk is.
6. Een mens controleert. De accountmanager past één zin over de facturering aan, controleert de ontvanger en drukt op Verzenden.
Een e-mail die in Okou als concept is opgesteld (voorbeeldgegevens uit een andere taak). Let op het label Draft en de knop Send: er gaat niets de deur uit totdat een mens op Send drukt. Klik op de afbeelding om die op ware grootte te zien.
7. Opslaan zodat het team het opnieuw kan gebruiken (feedback). De correctie helpt de volgende keer alleen als die wordt opgeslagen. De accountmanager vraagt Okou om het proces op te slaan als workflow: welke bronnen gecontroleerd moeten worden, hoe de briefing eruitziet en de regel dat e-mails concepten blijven. Een collega kan de workflow daarna voor een andere klant uitvoeren, met de eigen e-mail- en CRM-accounts en niet die van de maker (Okou voor teams). Wil het team dat de workflow vóór elk verlengingsgesprek draait, dan kan het een automatisering toevoegen met een planning of trigger.
De meeste artikelen over soorten agents richten zich op stap 2, het plannen. In dit voorbeeld werd het resultaat bruikbaar door stap 1 (de nieuwere e-mail), stap 4 (concept, niet versturen), stap 5 (het juiste formaat) en stap 7 (de correctie opslaan).
Een snelle keuzetabel voor zakelijk werk
De vijf klassieke soorten beschrijven hoe agents beslissingen nemen. Het is geen boodschappenlijst van vijf producten die je team nodig heeft. Begin bij de taak.
| Wat de taak nodig heeft | Kleinste bruikbare startpunt | Wat je controleert vóór uitbreiding |
|---|---|---|
| Telkens dezelfde velden kopiëren | Een vaste automatiseringsregel | Stabiele invoer en een duidelijke uitzonderingsroute |
| Een document uitleggen dat je al hebt | Een chatbot of assistent | Het antwoord komt overeen met het aangeleverde document |
| Materiaal uit meerdere tools verzamelen en een briefing maken | Een agent die tools gebruikt | Bronnen, ontbrekende feiten en actietoestemmingen |
| Een bewezen teammethode herhalen | Een opgeslagen workflow | Actuele invoer en een benoemde beoordelaar |
| De methode op een bepaald tijdstip starten | Een automatisering rond die workflow | Verantwoordelijke, bestemming en ongewijzigde toestemmingen |
| Werkelijk onafhankelijke onderzoekstaken verdelen | Mogelijk meerdere agents | Coördinatiekosten, dubbel werk en één verantwoordelijke beoordelaar |
Meer agents toevoegen is geen kortere weg naar betrouwbaarheid. Laat eerst zien dat één afgebakende taak werk oplevert dat je team kan controleren.
Hoe kies je het juiste type AI-agent?
Beantwoord deze vragen over de klus:
- Kun je de regel in één zin opschrijven? Dan is een eenvoudige regel misschien genoeg.
- Hangt het juiste antwoord af van de voorgeschiedenis? Dan heeft de agent toegang nodig tot de juiste bronnen, en moet je controleren wat hij doet als twee bronnen elkaar tegenspreken.
- Weet je het resultaat, maar niet de stappen? Dan is het goal-based werk: onderzoeksbriefings, rapporten, eerste versies.
- Zijn er afwegingen? Bepaal eerst je prioriteiten en laat de agent die daarna toepassen.
- Komt de klus terug? Plan hoe correcties worden opgeslagen, zodat de volgende keer beter gaat.
- Wat mag de agent maximaal veranderen zonder te vragen? Begin met alleen-lezentoegang en concepten. Geef stap voor stap meer toegang, waar mogelijk met een tijdslimiet.
Als Okou een toestemming nodig heeft die Okou niet heeft, ziet een mens precies wat er wordt gevraagd en kiest hoe lang de toestemming geldt.
Hoe Okou hierin past
Okou is een AI-teamgenoot voor zakelijke teams. Je kiest geen type agent. Je beschrijft de klus, wijst de relevante bestanden en tools aan, en Okou verzamelt de context, doet het werk in de cloud en levert iets op dat je kunt controleren.
Drie dingen uit deze gids bepalen hoe Okou werkt:
- Eerst de juiste feiten. Okou leest de e-mails, documenten en records die de taak nodig heeft en controleert veranderende feiten bij de bron. Correcties die je in een chat maakt, blijven in die chat gelden. Wil je de achtergrond van een andere chat gebruiken, dan verwijs je Okou daarnaar (Chat).
- Het juiste formaat. Een kort bericht voor een update, een document voor details die gecontroleerd moeten worden, een webpagina of slides als een groep samen een aanbeveling moet doorlopen.
- Hergebruik met grenzen. Met een opgeslagen workflow kunnen collega's een werkwijze hergebruiken met hun eigen accounts en toestemmingen. Een workflow delen betekent niet dat iemands inbox of privéchats worden gedeeld.
Meer voorbeelden vind je in 20 toepassingen van AI-agents met echte prompts en resultaten, contextbeheer van AI-agents voor teams en hoe Okou eerst vraagt voordat er iets gebeurt.
Veelgestelde vragen
Wat zijn de 5 soorten AI-agents?
Simple reflex agents volgen vaste regels. Model-based reflex agents houden daarnaast de situatie bij. Goal-based agents plannen stappen naar een doel. Utility-based agents kiezen de beste van meerdere opties. Lerende agents worden beter door feedback. De lijst komt uit het AI-studieboek van Russell en Norvig en is de lijst die de meeste opleidingen gebruiken.
Wat is een simple reflex agent in AI?
Zo'n agent handelt alleen op basis van wat hij nu ziet, met regels van het type "als dit, dan dat". Hij heeft geen geheugen en maakt geen plannen. Een thermostaat is er een. In het bedrijfsleven werken inboxfilters en eenvoudige routeringsregels zo: betrouwbaar als de situatie voorspelbaar is, makkelijk om de tuin te leiden als dat niet zo is.
Wat is het verschil tussen een goal-based en een utility-based agent?
Een goal-based agent is tevreden met elk plan dat het doel bereikt. Een utility-based agent vergelijkt de opties en kiest de beste. Een goal-based agent boekt een vlucht naar Chicago. Een utility-based agent boekt de vlucht die prijs, reistijd en overstappen het best in balans brengt, op basis van wat jij belangrijk vindt.
Zijn multi-agentsystemen een soort AI-agent?
Je kunt ze beter omschrijven als een manier om agents te organiseren. Meerdere agents verdelen of delen een klus, en elke agent kan nog steeds elk van de vijf klassieke soorten zijn. Meer agents betekent ook meer overdrachten, en juist bij overdrachten worden controles het vaakst overgeslagen.
Bestaat er een officiële lijst van soorten AI-agents voor bedrijven?
Nee. De vijf klassieke soorten worden veel onderwezen, maar zakelijke indelingen verschillen. Sommige delen agents in per afdeling, sommige op hoe zelfstandig ze zijn en sommige op rol, zoals de rollen monitor, onderzoeker, maker, uitvoerder en coördinator in deze gids. Gebruik elke indeling als hulpmiddel bij het plannen, niet als standaard.
Met welk type AI-agent kan een klein bedrijf het best beginnen?
Begin met een klus die terugkomt, een duidelijk resultaat heeft en veilig te controleren is voordat er iets de deur uitgaat, zoals een wekelijks rapport, een onderzoeksbriefing of concepten voor opvolgmails. Geef de agent leestoegang tot wat hij nodig heeft, laat versturen en wijzigingen in records bij een mens, en geef pas meer toegang als de agent heeft bewezen betrouwbaar te zijn.
