Terug naar Insights
Kennis

Wat is een agentic workflow?

6 min lezen
Wat is een agentic workflow? — praktische AI-gids voor Nederlandse MKB-bedrijven

Een agentic workflow is een AI-proces waarin een AI-agent zelfstandig meerdere stappen plant, beslissingen neemt en tools inzet om een doel te bereiken, in plaats van een vaste, vooraf bepaalde volgorde te volgen. Dit maakt het geschikt voor MKB-taken met uitzonderingen of tussentijdse beslismomenten, zoals het trieren van support-e-mails of offerteaanvragen, waarbij risicovolle stappen bij voorkeur met human-in-the-loop worden gecontroleerd.

Een agentic workflow is een AI-proces waarin een AI-agent zelfstandig meerdere stappen plant, beslissingen neemt en acties uitvoert om een doel te bereiken, in plaats van een vaste reeks stappen te volgen.

Een agentic workflow is een manier van werken waarbij een AI-agent zelfstandig meerdere stappen plant, beslissingen neemt onderweg en acties of tools inzet om een doel te bereiken. In tegenstelling tot een vaste flowchart of een klassiek RPA-script ligt de volgorde van stappen niet vooraf vast: de agent bepaalt zelf, op basis van tussentijdse resultaten, wat de volgende logische stap is.

Voor Nederlandse MKB-bedrijven is dit relevant omdat het een categorie taken automatiseerbaar maakt die eerder te wisselvallig waren voor simpele automatisering: taken met uitzonderingen, meerdere bronnen of een beslismoment halverwege.

Hoe werkt een agentic workflow

Bij een traditionele workflow (bijvoorbeeld in een tool als Zapier of Make, of een klassiek RPA-script) is elke stap vooraf gedefinieerd: als X gebeurt, doe Y, dan Z. De volgorde ligt vast, ongeacht wat er onderweg gebeurt.

Een agentic workflow draait om een AI-agent die is uitgerust met:

  • Een doel in plaats van een script ("verwerk deze offerteaanvraag correct" in plaats van "voer stap 1, 2, 3 uit")
  • Toegang tot tools zoals een zoekfunctie, een database, een e-mailclient of een API
  • Een redeneerstap waarin de agent, gedreven door een large language model (LLM), bepaalt wat de volgende actie moet zijn
  • Een feedbacklus waarin het resultaat van een actie wordt beoordeeld voordat de volgende stap wordt gezet

Het verschil zit hem niet in de losse taak, maar in wie de route bepaalt. Bij een vaste workflow bepaalt de bouwer vooraf de route. Bij een agentic workflow bepaalt de agent tijdens het proces zelf de route, op basis van wat er binnenkomt.

Een agentic workflow kan bijvoorbeeld zelf besluiten om eerst een e-mail te lezen, dan een klantdossier op te zoeken, te concluderen dat gegevens ontbreken, een aanvullende vraag te stellen aan een mens, en pas daarna verder te gaan. Die vertakking hoeft niet vooraf te zijn uitgetekend.

Waarom dit meer is dan een chatbot

Een chatbot beantwoordt losse vragen. Een AI-agent in een agentic workflow werkt richting een afgerond resultaat, over meerdere stappen heen, en kan tussentijds beslissingen bijstellen.

Waarom dit relevant is voor het Nederlandse MKB

Veel MKB-processen zitten vast tussen twee automatiseringsopties. Eenvoudige, altijd-hetzelfde taken los je op met een vaste workflow-tool (Zapier, Make, een simpel script). Volledig unieke, complexe taken doet een medewerker nog steeds handmatig, vaak met knippen en plakken tussen meerdere tools.

Agentic workflows vullen precies het gat daartussen: taken die grotendeels patroonmatig zijn, maar waarin regelmatig een uitzondering, ontbrekend gegeven of beoordelingsmoment zit. Denk aan het verwerken van binnenkomende offerteaanvragen, het triëren van supporttickets, of het voorbereiden van een factuurcontrole waarbij eerst moet worden vastgesteld welke route van toepassing is.

[Inschatting] Voor veel MKB-organisaties zit de meeste tijdswinst niet in de uitvoering van de losse stap, maar in het wegvallen van het schakelen tussen tools en het handmatig beoordelen welke route van toepassing is.

Een concreet voorbeeld

Stel: een klant stuurt een e-mail met een vraag over een factuur. Een agentic workflow kan dan zelfstandig:

  1. De e-mail lezen en de intentie herkennen (factuurvraag, geen klacht)
  2. Het klant- en factuurnummer opzoeken in het boekhoudsysteem
  3. Vaststellen of de factuur al betaald is
  4. Bij een simpele vraag: direct een concept-antwoord opstellen
  5. Bij een onduidelijke situatie (bijvoorbeeld een betwiste betaling): de zaak markeren voor een medewerker, met een samenvatting van wat al is uitgezocht

De agent neemt dus onderweg een beslissing over welke route (4 of 5) van toepassing is, in plaats van dat een mens dat vooraf voor elk scenario had moeten uitprogrammeren.

Wanneer wel, wanneer niet geschikt

Een agentic workflow is niet altijd de juiste keuze. De onderstaande tabel geeft een vuistregel.

SituatieGeschikte aanpak
Vaste, identieke stappen, geen uitzonderingenVaste workflow-tool of RPA
Losse eenmalige vraag, geen meerstaps-procesChatbot of los AI-prompt
Terugkerend proces met wisselende input en af en toe een beslismomentAgentic workflow
Hoog financieel of juridisch risico bij een foute beslissingAgentic workflow met human-in-the-loop, of nog geen automatisering

Vuistregel: als je het proces in één blokschema met alle uitzonderingen kunt tekenen, is een vaste workflow vaak goedkoper en voorspelbaarder. Zodra dat blokschema te complex wordt om te onderhouden, wordt een agentic workflow interessant.

Bij processen met een groot financieel risico is human-in-the-loop verstandig: de agent bereidt een beslissing of actie voor, maar een medewerker keurt goed voordat er daadwerkelijk iets verstuurd, geboekt of aangepast wordt.

Relatie tot andere begrippen

  • AI-agent: de agentic workflow is het proces; de AI-agent is de uitvoerende entiteit die binnen dat proces stappen zet.
  • RPA (Robotic Process Automation): RPA volgt vaste, geprogrammeerde stappen zonder eigen beslisvermogen. Een agentic workflow neemt onderweg zelf beslissingen op basis van een LLM.
  • LLM (large language model): de redeneerkern die de agent gebruikt om input te interpreteren en de volgende stap te kiezen.
  • Human-in-the-loop: een controlemoment waarbij een mens een voorstel van de agent goedkeurt voordat het wordt uitgevoerd, vaak toegepast bij risicovolle stappen.

Hoe UnifyAI hierbij helpt

Bij UnifyAI kijken we eerst kritisch of een taak zich leent voor een agentic workflow, of dat een eenvoudigere en goedkopere oplossing (zoals een vaste workflow-tool) beter past. Niet elk proces heeft agentic complexiteit nodig.

Wil je weten of jouw proces zich leent voor een agentic workflow? Doe de gratis AI-scan of plan een vrijblijvende kennismaking, dan kijken we samen naar waar dit voor jouw bedrijf concreet waarde oplevert.

Veelgestelde vragen

Veelgestelde vragen

Korte, heldere antwoorden die je helpen sneller beslissen.

Is een agentic workflow hetzelfde als een AI-agent?

Niet helemaal. Een AI-agent is de uitvoerende component die redeneert en handelt. Een agentic workflow is het bredere proces waarin een of meerdere agents stappen zetten richting een doel, inclusief eventuele controlemomenten.

Is een agentic workflow duurder dan een gewone automatisering?

Meestal wel in opzet, omdat er meer ontwerp en testen nodig is rond beslismomenten en uitzonderingen. Voor taken zonder uitzonderingen is een vaste workflow-tool vaak goedkoper en net zo effectief.

Kan een agentic workflow zelfstandig acties uitvoeren zonder controle?

Dat kan technisch, maar wordt bij risicovolle taken (financieel, juridisch, klantgevoelig) afgeraden zonder human-in-the-loop. Een medewerker keurt dan de voorgestelde actie goed voordat deze wordt uitgevoerd.

Vervangt een agentic workflow bestaande automatiseringstools zoals Zapier of Make?

Niet per se. Voor eenvoudige, voorspelbare taken blijven die tools vaak de beste keuze. Agentic workflows zijn aanvullend voor taken waarin een tussentijdse beslissing nodig is.

Aanbevolen voor jou

Gerelateerde artikelen

Doorgaan met lezen: artikelen die inhoudelijk het beste aansluiten op dit onderwerp.

Wat is fine-tuning van AI? - Fine-tuning is het extra trainen van een bestaand AI-model op je eigen data zodat het jouw taal, stijl of vakgebied beter aanvoelt. Voor de meeste MKB-bedrijven is het pas nodig als prompting en RAG niet meer volstaan.
4 jul 20264 min
Wat is fine-tuning van AI?
Fine-tuning is het extra trainen van een bestaand AI-model op je eigen data zodat het jouw taal, stijl of vakgebied beter aanvoelt. Voor de meeste MKB-bedrijven is het pas nodig als prompting en RAG niet meer volstaan.
Lees meer
Wat is een vector database? Uitleg voor het MKB - Een vector database slaat informatie op als getallenreeksen (vectoren) zodat een systeem kan zoeken op betekenis in plaats van op exacte woorden. Dit is de motor achter slimme chatbots en zoekfuncties.
3 jul 20266 min
Wat is een vector database? Uitleg voor het MKB
Een vector database slaat informatie op als getallenreeksen (vectoren) zodat een systeem kan zoeken op betekenis in plaats van op exacte woorden. Dit is de motor achter slimme chatbots en zoekfuncties.
Lees meer
Wat is een AI operating system (AIOS)? - Een AI operating system (AIOS) is de orchestratielaag die AI-agents, LLM's en data met elkaar laat samenwerken - hier lees je hoe het werkt en wanneer je het als MKB nodig hebt.
2 jul 20265 min
Wat is een AI operating system (AIOS)?
Een AI operating system (AIOS) is de orchestratielaag die AI-agents, LLM's en data met elkaar laat samenwerken - hier lees je hoe het werkt en wanneer je het als MKB nodig hebt.
Lees meer
Wat is few-shot learning? Uitleg voor MKB - Few-shot learning betekent dat je een AI-model een handvol voorbeelden meegeeft in de prompt, waarna het model het patroon overneemt zonder dat je het model opnieuw hoeft te trainen.
1 jul 20266 min
Wat is few-shot learning? Uitleg voor MKB
Few-shot learning betekent dat je een AI-model een handvol voorbeelden meegeeft in de prompt, waarna het model het patroon overneemt zonder dat je het model opnieuw hoeft te trainen.
Lees meer
Wat is computer vision? Uitleg voor bedrijven - Computer vision leert systemen beelden herkennen, tellen en beoordelen. Lees hoe het werkt en waar het zakelijk waarde toevoegt.
30 jun 20265 min
Wat is computer vision? Uitleg voor bedrijven
Computer vision leert systemen beelden herkennen, tellen en beoordelen. Lees hoe het werkt en waar het zakelijk waarde toevoegt.
Lees meer
Wat is een foundation model? Uitleg voor het MKB - Een foundation model is een groot AI-model dat op enorme hoeveelheden data is getraind en daarna aangepast kan worden voor allerlei taken. Het is de technologie achter tools als ChatGPT, Claude en Gemini.
29 jun 20266 min
Wat is een foundation model? Uitleg voor het MKB
Een foundation model is een groot AI-model dat op enorme hoeveelheden data is getraind en daarna aangepast kan worden voor allerlei taken. Het is de technologie achter tools als ChatGPT, Claude en Gemini.
Lees meer

Volgende stap

Van inzicht naar implementatie

Dit artikel legt uit hoe het werkt — wij helpen Nederlandse MKB-bedrijven het ook daadwerkelijk te bouwen en te koppelen aan jullie software.

Live in 2–6 weken · Exact, AFAS, HubSpot