Wanneer kies je een AI-agent — en wanneer volstaat een script?

Twee soorten software

Traditionele automatisering volgt een pad dat iemand vooraf heeft uitgetekend. Een PowerShell-script, een Power Automate-flow, een RPA-bot die door een verouderd scherm klikt — elk daarvan voert steeds dezelfde stappen in dezelfde volgorde uit. Past de invoer bij wat de maker verwachtte, dan werkt het. Zo niet, dan stopt het script.

Een AI-agent werkt anders. Je geeft hem een doel en een set tools, en hij bepaalt zelf welke tools hij inzet en in welke volgorde. Niemand heeft het pad uitgetekend. De agent bepaalt het tijdens de uitvoering, en dinsdag kan hij een andere route nemen dan maandag.

Elk ander verschil dat ertoe doet, volgt uit dat ene punt.

Wat er werkelijk verandert

De laatste twee regels zijn waar de meeste projecten in de problemen komen.

De faalmodi zijn tegengesteld, en dat weegt het zwaarst

Een script faalt luid. Het gooit een exception, de job eindigt met een foutcode, je monitoring slaat alarm. De fout is zichtbaar en het proces stopt daar.

Een agent faalt stil en plausibel. Hij levert een zelfverzekerd, netjes opgemaakt en volledig verkeerd antwoord, en niets in de keten merkt het. Een factuur wordt op de verkeerde kostenplaats geboekt. Een ticket wordt afgesloten met een samenvatting die het eigenlijke probleem mist. Er is geen exception om af te vangen, want vanuit het systeem gezien is er niets misgegaan.

Dit is het belangrijkste operationele verschil, en het bepaalt de rest van het ontwerp:

• Verificatie moet je inbouwen. Een script test je één keer. Bij een agent heb je doorlopende evaluatie nodig — een set bekende gevallen die je opnieuw draait zodra er iets verandert.
• “Er verandert iets” omvat zaken buiten je controle. Modelleveranciers werken hun modellen bij. Gedrag dat vorig kwartaal stabiel was, kan verschuiven zonder dat jij iets uitrolt. Zet modelversies vast waar het platform dat toestaat, en draai je evaluatieset opnieuw wanneer je overstapt.
• Een audit trail vraagt om de redenering, niet alleen het resultaat. Bij een script is de code de audit trail. Bij een agent moet je vastleggen welke tools hij met welke argumenten heeft aangeroepen, anders kun je niet reconstrueren hoe een beslissing tot stand is gekomen.

Waar traditionele automatisering blijft winnen

Voor voorspelbare processen met veel volume en weinig variatie blijft een script de betere en goedkopere keuze. Dat is de juiste technische beslissing, geen terugvaloptie.

Kies conventionele automatisering wanneer:

• Het invoerformaat stabiel en gestructureerd is
• De regels volledig zijn op te schrijven
• Dezelfde invoer altijd dezelfde uitvoer moet opleveren (facturatie, salarisadministratie, compliance-rapportage)
• Het volume hoog is en de marge per transactie dun
• Het proces regel voor regel controleerbaar moet zijn

Een nachtelijke synchronisatie die 40.000 records tussen twee systemen verplaatst heeft geen taalmodel nodig. Die heeft een goed getest script en fatsoenlijke foutafhandeling nodig. Een agent toevoegen kost geld, latency en een nieuwe categorie stille fouten, in ruil voor flexibiliteit waar de taak nooit om vroeg.

Waar agents hun kosten terugverdienen

Agents lonen daar waar de variatie zit, waar het opschrijven van alle regels juist het moeilijke deel is.

• Ongestructureerde invoer. Vijftig leveranciers sturen facturen in vijftig verschillende opmaken. Een parser per leverancier is een onderhoudstredmolen; een model dat ze allemaal leest niet.
• De lange staart aan uitzonderingen. De 80% die binnen de regels valt is al geautomatiseerd. De resterende 20% is precies de reden dat mensen het proces nog aanraken, en is te gevarieerd om vast te leggen.
• Contextafhankelijke afweging. Een supportticket triëren, een bankbetaling koppelen aan een openstaande factuur, beoordelen of twee klantrecords dezelfde persoon zijn.
• Werk dat over meerdere systemen loopt. De taak gaat door een ticketsysteem, een CRM en een fileshare, en de volgorde hangt af van wat je onderweg tegenkomt.

De categorieën die vandaag echt in productie draaien zijn smaller dan de marketing suggereert: codeerassistenten die wijzigingen bouwen en testen, workflow-agents binnen backofficeprocessen, klantgerichte concierge-agents voor boekingen en retouren, en voice-agents. Browser-agents die willekeurige websites bedienen blijven onbetrouwbaar genoeg dat de meeste teams ze weghouden bij alles wat er echt toe doet.

Opkomende standaarden maken het koppelwerk minder maatwerk. Het Model Context Protocol (MCP) van Anthropic, eind 2024 opengesteld, geeft modellen een gemeenschappelijke manier om tools en databronnen te bereiken. Het Agent2Agent-protocol (A2A) van Google, inmiddels ondergebracht bij de Linux Foundation, richt zich op agents die onderling communiceren. Beide zijn jong. Geen van beide neemt het verificatiewerk hierboven weg.

Human-in-the-loop is een ontwerpkeuze, geen tekortkoming

Er leeft hardnekkig het idee dat een mens in de goedkeuringsstap betekent dat de technologie nog niet klaar is, en dat een volwassen implementatie die stap uiteindelijk schrapt.

Draai het om. De goedkeuringsstap is waar je bepaalt wat een stille fout je mag kosten. Sommige beslissingen zijn goedkoop om fout te doen en makkelijk terug te draaien — laat de agent lopen. Andere zijn duur, laat detecteerbaar of gereguleerd. Daar houd je permanent een mens bij, en dat is een gezonde architectuur in plaats van een tussenfase.

Een bruikbare manier om die grens te leggen:

Hoe je in de praktijk kiest

Beantwoord vier vragen over het proces voordat je budget vastlegt:

□ Kun je de regels volledig opschrijven?   → Zo ja: script het.
□ Is de invoer gestructureerd en stabiel?  → Zo ja: script het.
□ Wat kost een stil verkeerd antwoord?     → Bepaalt je goedkeuringsontwerp.
□ Runs per maand × kosten per run?         → Vergelijk met het script.

Komt het proces door de eerste twee vragen, dan is conventionele automatisering sneller gebouwd, goedkoper in gebruik en beter te verdedigen bij een audit. Zo niet, dan is een agent misschien de enige praktische optie, en vertellen de derde en vierde vraag je hoe je hem inkadert.

Het patroon dat we het vaakst zien werken is geen van beide alleen: deterministische automatisering voor de voorspelbare meerderheid, met een agent voor de uitzonderingen die eruit vallen. Het script behoudt zijn garanties op het volumepad. De agent krijgt alleen de gevallen te zien die om een afweging vragen, waar de kosten per run gerechtvaardigd zijn en het volume laag genoeg is om te beoordelen.

Weeg je een agent af tegen conventionele automatisering voor een specifiek proces en wil je een onafhankelijke blik? Neem contact op.