AI agents inzetten in je MKB-bedrijf: praktijkvoorbeelden uit onze eigen producten

Een AI agent is een AI-assistent die niet alleen antwoord geeft, maar ook iets doet. Hij zoekt gegevens op, kiest zelf welke stap hij nodig heeft en voert acties uit in je software. Dat klinkt groot, maar je kunt er als MKB-bedrijf klein mee beginnen.

In dit artikel delen we drie voorbeelden uit onze eigen producten. Geen toekomstvisie, maar dingen die nu werken.

Wat heeft een AI agent nodig?

Een agent is zo nuttig als de tools die hij mag gebruiken. Zonder toegang tot je eigen software kan hij alleen algemene vragen beantwoorden. Die toegang regel je steeds vaker via MCP, een open standaard waarmee AI-assistenten als Claude en ChatGPT tools in andere software aanroepen. Lees wat MCP is voor de uitleg.

Daarnaast heeft een agent grenzen nodig: wat mag hij lezen, wat mag hij wijzigen, en wat moet altijd eerst langs een mens?

Voorbeeld 1: een agent die een server inricht

MCP Hosted koppelt software als WeFact, e-Boekhouden en Laravel Forge aan AI-assistenten. Toen we de productieserver voor mcphosted.com nodig hadden, hebben we die niet zelf ingericht. Een AI-agent deed dat, via de Forge-koppeling van MCP Hosted zelf.

Dat werkt omdat Forge precies bepaalt wat de agent mag, via de rechten op de API token. Geef je alleen leesrechten, dan kan de agent kijken maar niets veranderen.

Voor jouw bedrijf: hetzelfde principe werkt bij je boekhouding. Vraag ChatGPT welke facturen nog openstaan, of laat een agent concept-facturen voorbereiden die jij daarna controleert. Hoe je dat instelt lees je in ChatGPT koppelen aan WeFact of e-Boekhouden.

Voorbeeld 2: vragen stellen aan je analytics

In Eyes, onze analytics-tool, zit Ask. Je stelt in gewone taal een vraag over je website of product, en Eyes zoekt het uit in je eigen cijfers. Het antwoord komt met grafieken en funnels erbij.

Het belangrijkste ontwerpbesluit: het taalmodel schrijft zelf geen queries. Het kiest uit een vaste set tools, en elke waarde wordt op de server gecontroleerd. Zo verzint Eyes geen cijfers. Daarnaast vergelijkt Eyes elk kwartier je cijfers met wat normaal is, en meldt het uit zichzelf wanneer er iets verandert.

Voor jouw bedrijf: een agent hoeft niet alles te mogen om nuttig te zijn. Juist door hem een beperkte set betrouwbare tools te geven, kun je zijn antwoorden vertrouwen.

Voorbeeld 3: een coding agent bijsturen

Wij bouwen software, en coding agents als Claude Code zijn onderdeel van ons werk geworden. Een agent zet in een paar minuten een pagina neer, maar het bijsturen kost daarna de meeste tijd. Je moet uitleggen welke knop je bedoelt en waar die in de code staat.

Daarom bouwden we Tencil: je klikt in je draaiende app op een element en typt wat er anders moet. De agent krijgt het component, de source file en de markup mee. Meer daarover in Claude Code en UI aanpassen.

Voor jouw bedrijf: de grootste winst zit vaak niet in wat de agent zelf kan, maar in hoe makkelijk jij hem kunt vertellen wat je wilt.

Wat we leerden

Begin met lezen. Laat een agent eerst alleen gegevens opzoeken. Geef pas schrijfrechten als je weet wat hij ermee doet, en het liefst per actie.
Beperk de tools. Een agent met een paar goede tools is betrouwbaarder dan een agent die alles mag.
Laat cijfers uit de bron komen. Een goed antwoord laat zien waar het vandaan komt.
Houd een mens aan het eind. Versturen, betalen en verwijderen zijn acties waar je zelf bij wilt zijn.

Hoe begin je?

Net als bij elke software begint het bij een probleem, niet bij de techniek. Lees ook hoe je jouw bedrijf vooruit helpt met slimme software. Kies één vraag die je elke week opnieuw stelt, of één taak die je elke week opnieuw doet. Kijk of de software die je daarvoor gebruikt al met een AI-assistent te koppelen is. Is dat zo, probeer het dan met alleen leesrechten.

Draait het proces op je eigen systemen, of is er nog geen koppeling? Dan kan een proof of concept laten zien of een agent het werk echt kan overnemen, voordat je er een groter budget in steekt.