AI & automatisering

AI-agents laten bouwen voor je bedrijf

Een AI-agent is geen collega die je vervangt, maar een medewerker die het saaie voorwerk doet en bij twijfel komt vragen.

Vanaf €7.500 Doorlooptijd: 4-10 weken
  • Elke agent krijgt afgebakende rechten en een duidelijke escalatie naar een mens; hij mag niets wat jij niet expliciet hebt toegestaan.
  • We bouwen eerst een proef op jouw echte e-mails of aanvragen en meten hoe vaak de agent het goed doet voordat je iets groots betaalt.
  • Draait op EU-servers of in je eigen omgeving, zonder dat jouw klantdata wordt gebruikt om modellen te trainen.

Wat is een AI-agent en waarom zou je er een laten bouwen?

Een AI-agent is een taalmodel dat niet alleen antwoord geeft, maar zelf stappen zet om een taak af te ronden. Waar een chatbot stopt na een reactie, gaat een agent door: hij leest een binnenkomende e-mail, zoekt het bijbehorende artikel op in je ERP, controleert de voorraad, maakt een conceptorder aan en legt die klaar voor een medewerker. Daarvoor krijgt hij gereedschap mee, in de praktijk API-koppelingen met je systemen, en een duidelijke opdracht met grenzen: dit mag je zelf doen, hier moet je stoppen en een mens vragen.

Wie AI agents wil laten bouwen, wil meestal een concreet stuk werk kwijt dat te variabel is voor klassieke automatisering. Een inkooporder komt binnen als pdf, als platte tekst in een e-mail, als foto van een bestelformulier of als Excel-bijlage. Regels schrijven voor al die varianten is hopeloos; een agent leest ze allemaal en zet ze om naar dezelfde gestructureerde orderregels. Agentic AI betekent in ons werk simpelweg: software die zelf de volgorde van kleine stappen bepaalt, binnen de kaders die jij zet.

Voorbeelden van AI-agents die wij bouwen

De meeste agents die we voor het mkb maken vallen in een van deze categorieën:

  • Inkooporders uit e-mail verwerken: de agent leest bestellingen die klanten per mail of pdf sturen, matcht artikelnummers en omschrijvingen met je artikelbestand en zet een conceptorder in Exact, AFAS of je eigen ERP. Twijfelgevallen krijgen een markering. Zie ook onze case bij een groothandel in Oosterhout.
  • Offerteaanvragen triëren: aanvragen via het contactformulier, Outlook of WhatsApp Business worden beoordeeld op compleetheid, urgentie en kans, aangevuld met bedrijfsgegevens uit je CRM en toegewezen aan de juiste verkoper. Ontbreekt informatie, dan stelt de agent zelf een vraag terug, ter goedkeuring van de verkoper.
  • Planningsvoorstellen: op basis van beschikbaarheid, reistijd en prioriteit stelt de agent een dagplanning voor monteurs of chauffeurs voor. De planner keurt goed of schuift, de agent verwerkt de wijziging in de planning.
  • Klantvragen afhandelen met escalatie: standaardvragen over levertijd, orderstatus of retouren beantwoordt de agent zelf met informatie uit je systemen. Alles wat afwijkt, emotioneel is of over geld gaat, komt met een samenvatting bij een medewerker terecht in Teams of Slack.

Hoe zorgen we dat een agent geen domme dingen doet?

Een taalmodel is overtuigend, ook als het ernaast zit. Daarom bouwen we een agent nooit als losgeslagen doe-het-zelver, maar met vier vaste onderdelen. Ten eerste een strikte set gereedschappen: de agent kan alleen die acties uitvoeren die wij als koppeling hebben ingebouwd, met leesrechten waar lezen volstaat. Ten tweede een controlepunt bij elke onomkeerbare stap: een order definitief boeken, een e-mail naar een klant sturen of een prijs afgeven gebeurt pas na goedkeuring van een medewerker, tenminste totdat de cijfers laten zien dat dat voor een bepaald type geval niet meer nodig is. Ten derde een logboek dat per stap vastlegt wat de agent heeft gelezen, besloten en gedaan, zodat je achteraf alles kunt terugzien. En ten vierde harde regels in gewone code: bedragen boven een grens, nieuwe klanten of onbekende artikelen gaan altijd naar een mens, hoe zeker het model ook is.

Eerlijk is eerlijk: er zijn taken waar een agent nog niet goed genoeg voor is. Complexe onderhandelingen, beslissingen met juridische gevolgen en alles waar een fout direct geld of reputatie kost, laten we bij mensen. Daar bouwen we hooguit een assistent die voorbereidt, als onderdeel van bredere AI-automatisering.

Wat kost een AI-agent laten bouwen?

De prijs hangt af van het aantal koppelingen, de variatie in de input en hoe streng de controle moet zijn. Indicatieve ranges, exclusief btw, met een vaste prijs per fase:

  • Proef op jouw echte e-mails, documenten of aanvragen, inclusief meting en advies: €3.000 tot €6.000
  • Agent met één taak en één of twee koppelingen, bijvoorbeeld orders uit e-mail naar een conceptorder: €7.500 tot €15.000
  • Agent met meerdere taken, CRM- en ERP-koppelingen en een controlescherm voor medewerkers: €15.000 tot €35.000
  • Klantcontact-agent op website, WhatsApp Business of e-mail met escalatie naar je team: €12.000 tot €28.000
  • Modelgebruik: meestal €30 tot €400 per maand, afhankelijk van het volume en het gekozen model
  • Beheer, kwaliteitsmonitoring en aanpassingen na livegang: vanaf €250 per maand

Een agent die dagelijks een uur werk bespaart bij twee medewerkers verdient een investering van €15.000 in ongeveer een jaar terug. Hoe dat rekenwerk in elkaar zit, lees je in wat kost AI-implementatie.

Hoe wij een AI-agent bouwen

We beginnen met een halve dag meekijken bij de mensen die het werk nu doen. Daaruit halen we de standaardgevallen, de uitzonderingen en de plekken waar nu fouten ontstaan. Vervolgens bouwen we in een tot twee weken een proef in Python met echte, geanonimiseerde data en meten we het percentage correct afgehandelde gevallen. Dat cijfer bepaalt of we doorgaan en hoe zwaar de menselijke controle moet zijn.

De agent zelf bouwen we met LangChain of een eigen lichte laag daaromheen, met een verwisselbaar model erachter: de API's van OpenAI, Anthropic of Azure OpenAI in een EU-regio, of open-source modellen zoals Mistral en Llama op een server in de EU als de data niet naar buiten mag. De koppelingen met Exact, AFAS, Microsoft 365 of je eigen software maken we via een API-koppeling, met wachtrijen en foutafhandeling zoals bij elke andere integratie. Het controlescherm en het logboek zijn gewone webapplicaties, gebouwd in Laravel of Node.js, zodat je team er zonder uitleg mee kan werken. Na livegang meten we wekelijks hoe de agent presteert en verruimen we stapsgewijs wat hij zelfstandig mag.

AI-agents laten bouwen in Tilburg, Brabant en heel Nederland

SuperCoders bouwt AI-agents vanuit Tilburg voor groothandels, maakbedrijven, installateurs en dienstverleners in Brabant en heel Nederland. De analyse doen we bij voorkeur bij jou op de werkvloer, de bouw op afstand met elke twee weken een demo. Je bent eigenaar van de broncode, de instructies aan het model en de data. Twijfel je of een agent voor jouw proces zinvol is? Bel 013 234 0782 of plan een gratis adviesgesprek van dertig minuten; we zeggen het ook als een simpele workflow in n8n volstaat.

Wat je krijgt

  • Een proef op jouw echte e-mails, documenten of aanvragen met een gemeten slagingspercentage en een eerlijk advies
  • Een werkende AI-agent met afgebakende gereedschappen, rechten en escalatieregels naar je medewerkers
  • Koppelingen met je ERP, CRM, mailbox of communicatiekanalen zoals Teams, Slack of WhatsApp Business
  • Een controlescherm waarin medewerkers voorstellen goedkeuren, aanpassen of afwijzen, met een reden per geval
  • Een logboek per stap dat vastlegt wat de agent heeft gelezen, besloten en uitgevoerd
  • Broncode, instructies (prompts) en documentatie in jouw eigen repository, zonder afhankelijkheid van één modelleverancier

Onze aanpak

  1. 1

    Meekijken en taak afbakenen

    We volgen een halve dag het werk dat de agent moet overnemen en leggen vast wat standaard is, wat uitzondering is en wat altijd bij een mens blijft.

  2. 2

    Proef op echte data

    In een tot twee weken bouwen we een proef op geanonimiseerde echte gevallen en meten we hoe vaak de agent de taak correct afrondt.

  3. 3

    Gereedschap en rechten bouwen

    We maken de koppelingen die de agent nodig heeft, met leesrechten waar dat volstaat en een goedkeuringsstap bij elke onomkeerbare actie.

  4. 4

    Begeleid proefdraaien

    De agent draait enkele weken naast het huidige proces; medewerkers keuren elk voorstel en wij verfijnen instructies en regels op hun correcties.

  5. 5

    Stapsgewijs meer zelfstandigheid

    Op basis van de cijfers verruimen we per type geval wat de agent zelf mag afhandelen en blijven we de kwaliteit en kosten monitoren.

Technologie & tooling

PythonLangChainOpenAI, Anthropic en Azure OpenAI API'sMistral en Llama op EU-serversPostgreSQL met pgvectorREST API en webhooksLaravel of Node.js voor controleschermenDocker

Veelgestelde vragen

Wat is het verschil tussen een AI-agent en een chatbot?

Een chatbot geeft antwoord op een vraag en stopt daar. Een AI-agent krijgt een doel en gereedschap mee, bijvoorbeeld toegang tot je ERP en je mailbox, en zet zelf de stappen om dat doel te halen: opzoeken, controleren, aanmaken en terugkoppelen. Een agent kan ook zonder chatvenster werken, bijvoorbeeld door elke binnenkomende e-mail in een gedeelde mailbox af te handelen.

Wat kost het om een AI-agent te laten bouwen?

Een proef op jouw eigen data kost €3.000 tot €6.000. Een agent met één taak en een paar koppelingen ligt tussen €7.500 en €15.000; agents met meerdere taken en een controlescherm tussen €15.000 en €35.000, exclusief btw. Daar komt modelgebruik bij van meestal enkele tientallen tot enkele honderden euro's per maand. We werken met een vaste prijs per fase.

Hoe voorkom je dat een AI-agent fouten maakt met klanten of geld?

Door hem geen bevoegdheden te geven die hij niet nodig heeft. Onomkeerbare acties zoals een order boeken of een e-mail naar een klant sturen gaan langs een medewerker, en harde regels in gewone code houden gevallen boven een bedrag, van nieuwe klanten of met onbekende artikelen altijd tegen. Alles wordt gelogd, zodat je achteraf precies ziet wat er is gebeurd en waarom.

Blijft onze data veilig als een agent met taalmodellen werkt?

We verwerken data via API's in een EU-regio bij leveranciers die klantdata niet gebruiken voor training, en waar dat niet toereikend is draaien we open-source modellen zoals Mistral of Llama op een server in de EU of in jouw eigen omgeving. Persoonsgegevens anonimiseren we waar mogelijk voordat ze een model bereiken, en de afspraken leggen we vast in een verwerkersovereenkomst.

Hoe lang duurt het bouwen van een AI-agent?

Reken op vier tot tien weken van eerste gesprek tot livegang. De proef kost een tot twee weken, de bouw van koppelingen en controlescherm twee tot zes weken, en daarna draait de agent enkele weken begeleid mee voordat hij meer zelfstandig mag doen. Elke twee weken zie je een werkende tussenversie.