Gisteren gaf ik een lezing bij een groot Nederlands bedrijf. Tijdens die lezing liet ik zien hoe mijn persoonlijke AI-assistent Arthur inmiddels onderdelen van mijn leven organiseert, controleert en uitvoert. Niet als losse chatbot waar ik af en toe een vraag aan stel, maar als een soort besturingslaag boven mijn werk, mijn agenda, mijn reizen, mijn teksten en allerlei kleine systemen die ik gebruik.
Wat me dan opvalt, is dat het voor veel mensen nog steeds voelt als magie. Je laat zien wat er gebeurt. Je laat zien dat een AI-agent taken uitvoert, informatie combineert, andere agents aanstuurt en uiteindelijk iets oplevert dat je echt kunt gebruiken. En toch blijft het bij veel mensen hangen in de sfeer van: hoe kan dit? Wat gebeurt hier eigenlijk? Alsof ze iets zien wat technisch gezien wel werkt, maar mentaal nog niet past in hun beeld van hoe werk hoort te gaan.
Dat vind ik interessant. Want eigenlijk is een AI-agent helemaal niet zo mysterieus. Het voelt alleen magisch omdat het eindresultaat zo ver afstaat van de manier waarop we gewend zijn software te gebruiken.
De vakantie naar Londen
Het voorbeeld dat ik vaak gebruik, is onze reis naar Londen. Een tijd geleden ging ik met mijn gezin naar Londen en mijn AI-assistent Arthur hielp bij het organiseren van de reis. Arthur stuurt bij mij een team aan van AI-managers. Die managers hebben allemaal hun eigen vaardigheden, informatie en verantwoordelijkheden. Daaronder zitten weer agents die heel specifieke taken kunnen uitvoeren.
Voor die reis was er bijvoorbeeld een agent die zichzelf Vera noemt. Vera kent mijn gezinssituatie. Ze weet dat ik horloges leuk vind, dat mijn vrouw graag lekkere koffie drinkt, dat mijn dochter bepaalde dingen leuk vindt en dat mijn zoontje gek is op Harry Potter. Vera overlegde met Floortje, die juist goed is in vakantieplanningen maken. Floortje overlegde weer met Mira, de designer die een website kan ontwerpen. En daarna kwam Coda erbij, de agent die de website ook echt kan bouwen en publiceren.
Na een tijdje kreeg ik een volledige vakantieplanning terug. Niet zomaar een lijstje met tips, maar een planning waarin was bedacht waar we op welk moment naartoe konden gaan, hoe lang we ergens ongeveer zouden blijven en waarom iets wel of niet goed in de route paste. Er zat een Google Maps-kaart bij waarop we konden klikken om de route te volgen. Er was een audiouitleg. En er was zelfs een speurtocht gemaakt voor de kinderen, omdat de AI begreep dat mijn vrouw en ik ook graag even rustig koffie wilden drinken zonder dat we de hele tijd bezig hoefden te zijn met het vermaken van de kinderen.
Als je dat op een scherm laat zien en erbij vertelt dat het ook echt klopte in de praktijk, dan zie je mensen soms met hun mond openvallen. Dat snap ik ook wel. Want het eindresultaat lijkt op iets waarvoor je normaal een reisplanner, designer, programmeur, gids en ouderlijke creativiteit tegelijk nodig hebt.
Maar de basis is veel simpeler dan het lijkt.
Een agent heeft context en toegang nodig
Ik werk zelf vaak met Codex, maar het principe geldt breder. Je kunt ook denken aan Claude Code, GitHub Copilot of Google Antigravity. De namen zijn minder belangrijk dan de beweging die erachter zit. Je geeft een AI-agent toegang tot een afgebakende omgeving. Vaak is dat gewoon een mapje op je computer.
In dat mapje kun jij bestanden zetten. Bijvoorbeeld informatie over jezelf, je gezin, je voorkeuren, je manier van werken, eerdere projecten, voorbeelden van teksten of documenten die de agent moet gebruiken. De AI kan die bestanden lezen en daardoor context opbouwen. Dat noemen veel mensen een knowledge base, maar eigenlijk is het gewoon een georganiseerde plek waar de AI informatie kan vinden.
Tegelijkertijd kan de AI in datzelfde mapje nieuwe bestanden maken. Een tekst. Een planning. Een spreadsheet. Een website. Een script. Een ontwerp. Een document dat later weer door een andere agent wordt gebruikt. Dat is het hele principe: de agent kan lezen wat er al is, daar iets mee doen en vervolgens nieuwe output terugzetten in dezelfde werkomgeving.
Dat klinkt bijna te simpel. Maar precies daar zit de verandering.
Van software gebruiken naar een agent aansturen
Tot nu toe waren we gewend om software direct te gebruiken. Je opent Word om een tekst te schrijven. Je opent Gmail om een mail te sturen. Je opent Excel om een overzicht te maken. Je opent een code-editor om software te bouwen. Je opent Canva of Figma om iets te ontwerpen. Steeds ben jij degene die naar een applicatie gaat, de juiste knoppen zoekt en de taak stap voor stap uitvoert.
Met AI-agents verschuift dat. Je begint niet meer bij de applicatie, maar bij de opdracht. Je zegt tegen je agent wat je wilt bereiken. De agent bepaalt vervolgens welke informatie nodig is, welke bestanden gelezen moeten worden, welke tools gebruikt kunnen worden en welke output gemaakt moet worden. Software verdwijnt daarmee niet meteen letterlijk, maar jouw interactie met software verandert wel fundamenteel.
Ik denk dat dit de nieuwe standaard wordt. Niet dat iedereen morgen zijn hele leven door een AI-agent laat organiseren. Maar wel dat het startpunt steeds vaker een agent wordt. Je vraagt niet meer: in welk programma moet ik dit doen? Je vraagt: wat wil ik dat er gebeurt?
Dat is een andere manier van werken.
Wat betekent dit voor bedrijven?
Voor bedrijven is dit misschien nog belangrijker dan voor individuen. Want als medewerkers straks met AI-agents gaan werken, moet je opnieuw nadenken over waar informatie staat en wie waar toegang toe heeft. Een medewerker heeft persoonlijke bestanden op zijn eigen computer. Daar staat informatie in die niet automatisch van het bedrijf is of met iedereen gedeeld moet worden. Denk aan persoonlijke notities, eigen voorkeuren, stijlvoorbeelden, lopende ideeën of context over hoe iemand zelf werkt.
Daarnaast heb je als bedrijf een gedeelde kennisomgeving nodig. Dat kan een cloudomgeving zijn, een interne server of een andere vorm van gedeelde opslag. Daar staat de informatie die medewerkers mogen en moeten gebruiken: klantinformatie, processen, beleid, strategie, productinformatie, templates, afspraken en documenten die voor de organisatie belangrijk zijn.
De agent van de medewerker gaat straks tussen die twee werelden bewegen. Soms heeft hij persoonlijke context nodig. Soms bedrijfsinformatie. Vaak allebei. Als er bijvoorbeeld een mail moet worden beantwoord, wil je dat de agent weet hoe jij schrijft en wat jouw agenda is. Maar je wilt ook dat hij de juiste bedrijfsinformatie gebruikt en geen dingen belooft die niet kloppen.
Daarom wordt datahuishouding ineens een strategisch onderwerp.
De nieuwe werkwijze
Ik denk dat bedrijven zich moeten voorbereiden op een werkwijze waarin de medewerker niet meer altijd zelf naar Word, Excel, Gmail, Teams of een CRM-systeem gaat. De medewerker benadert zijn AI-assistent en vraagt om een taak uit te voeren. Die assistent gebruikt vervolgens de lokale kennis van de medewerker en de gedeelde kennis van het bedrijf om tot een goed resultaat te komen.
Dat vraagt om duidelijke afspraken. Welke informatie hoort lokaal? Welke informatie hoort in de bedrijfscloud? Welke agents mogen welke bestanden lezen? Welke taken mogen automatisch worden uitgevoerd? Waar moet altijd nog menselijke controle op zitten? En hoe zorg je ervoor dat informatie niet op tien plekken dubbel staat, waardoor de agent veel meer tokens verbruikt en alsnog verkeerde conclusies trekt?
Veel organisaties zijn hier nog niet mee bezig. Ze kijken naar AI alsof het een extra tool is die je toevoegt aan de bestaande manier van werken. Maar ik denk dat dat te klein gedacht is. AI-agents veranderen niet alleen welke taken sneller gaan. Ze veranderen de route waarlangs werk tot stand komt.
De applicatie wordt minder belangrijk. De data wordt belangrijker. De agent wordt de ingang.
Geen magie, maar infrastructuur
Daarom probeer ik dit steeds simpeler uit te leggen. Een AI-agent is geen magie. Het is een systeem dat toegang heeft tot context, bestanden kan lezen, bestanden kan maken en via koppelingen ook andere tools kan gebruiken. Als je daar agenda's, mail, automatiseringen en plugins aan toevoegt, wordt het krachtiger. Maar de basis blijft hetzelfde: geef de agent de juiste informatie, de juiste werkomgeving en duidelijke grenzen.
Dat klinkt minder spectaculair dan het eindresultaat. Maar juist daarom is het belangrijk. Want zodra je begrijpt hoe simpel de basis is, kun je ook gaan nadenken over hoe je het zelf moet inrichten. Niet als trucje. Niet als demo. Maar als nieuwe manier van werken.
Ik merk dat ik zelf steeds meer zo werk. Niet meer beginnen bij software, maar beginnen bij Arthur. Of bij een andere agent. Ik vraag wat er moet gebeuren en laat de agent daarna de onderliggende systemen gebruiken.
Misschien is dat uiteindelijk wel de grootste verandering. Niet dat AI een handig hulpmiddel is naast software, maar dat AI de laag wordt waarlangs we software, data en werk gaan benaderen.
Voor wie een voorbeeld wil zien: ik heb hier ook een YouTube-filmpje over gemaakt.