AI-agents implementeren op je eigen modellen

Claricity implementeert AI-agents die een volledige workflow afhandelen: intake, triage, opzoeken, handelen en opvolgen — gekoppeld aan je bestaande systemen en, waar het kan, draaiend op modellen die van jou zijn.

Je eigen team leert de agents beheren en uitbreiden, zodat de kennis in huis blijft. Gevestigd in Amsterdam, werkzaam in heel Nederland en Europa.

De markt in cijfers

• 9,8% van de Nederlandse microbedrijven gebruikte in 2025 tekstmining — de meest voorkomende AI-toepassing, vóór tekstgeneratie (6,5%) en spraakherkenning (4,4%). (Bron: CBS)
• 23% van de Nederlandse bedrijven met 10+ werkzame personen gebruikte AI-technologie in 2024, tegen 13% in 2021. (Bron: CBS)
• 20,0% van alle EU-bedrijven met 10+ werknemers gebruikte AI in 2025; Denemarken loopt voorop met 42,0%. (Bron: Eurostat)

Wat een AI-agent onderscheidt van een chatbot

Een chatbot beantwoordt een vraag. Een AI-agent voert een taak uit. Dat verschil klinkt klein, maar bepaalt vrijwel alles aan de implementatie: een agent moet gegevens kunnen opzoeken, een beslissing kunnen nemen, een actie kunnen uitvoeren in een ander systeem, en kunnen vaststellen wanneer hij er niet uitkomt.

Concreet betekent dat vier eigenschappen die een chatbot niet heeft: toegang tot bronnen (CRM, kennisbank, agenda), de mogelijkheid om te handelen (een afspraak inplannen, een ticket aanmaken, een factuur opzoeken), een eigen werkgeheugen over meerdere stappen, en een expliciete escalatiedrempel waarboven een mens het overneemt.

Die laatste eigenschap is in de praktijk de belangrijkste. Een agent met een duidelijke escalatiedrempel schakelt op het juiste moment door naar een medewerker, en dat is precies wat het vertrouwen van een team wint.

Waar AI-agents het sterkst zijn

De geschiktheid van een proces laat zich goed voorspellen. Agents komen het best tot hun recht waar het volume hoog is, de variatie beperkt, en het juiste antwoord uit een bron af te leiden valt.

• Interne kennis — assistenten die antwoorden uit je eigen documenten, handboeken en dossiers halen (RAG), met bronvermelding — zodat collega’s niet meer hoeven te zoeken.
• Klantcontact — eerstelijns vragen, orderstatus en retouren, met een consistente toon over alle kanalen.
• Sales en intake — offerte- en leadintake die zichzelf verrijkt met gegevens uit je CRM, en afspraken die direct in de agenda staan.
• Administratie — e-mailtriage, documentclassificatie en het opzoeken van gegevens in meerdere systemen tegelijk.
• Samenwerking met je team — bij werk met veel uitzonderingen of onderhandeling bereidt de agent voor en doet hij een voorstel, waarna je collega beslist.

Agents die draaien op je eigen modellen

Een agent heeft toegang tot je systemen en je data. Juist daarom vinden wij dat hij zoveel mogelijk moet draaien op modellen die van jou zijn. De huidige open-weight modellen zijn sterk genoeg voor het meeste zakelijke werk, en draaien on-premise op je eigen hardware of in een private EU-cloud.

Waar het waarde toevoegt, fine-tunen we het model op je eigen data. De gewichten die daaruit komen zijn van jou. De agents, koppelingen, kennisbanken en configuratie bouwen we daar bovenop, binnen je eigen omgeving.

Externe modellen, zoals die van OpenAI of Anthropic, zetten we alleen in als je daar bewust voor kiest: voor een specifieke taak, afgeschermd, en met duidelijke afspraken over welke data waarheen mag.

• On-premise of private EU-cloud — het model draait waar jij het wilt hebben, en je data verlaat die omgeving niet tenzij je dat zelf besluit.
• Fine-tuning op eigen data — een model dat je vakjargon, producten en werkwijze kent — met gewichten die jij bezit.
• Governance ingebouwd — toegangsrechten, logging en grenzen per agent, ontworpen voor de AVG en de EU AI Act.

Je eigen team beheert en breidt uit

Een agent is nooit af. Er komen nieuwe randgevallen, nieuwe bronnen en nieuwe taken bij. Als alleen de bouwer weet hoe het werkt, blijf je afhankelijk. Daarom is de training van je team onderdeel van elke implementatie, niet iets voor achteraf.

• Beheren — je team leert de agent volgen, randgevallen herkennen en escalatiegrenzen zelf bijstellen.
• Uitbreiden — nieuwe taken, bronnen en koppelingen toevoegen zonder dat daar een externe partij voor nodig is.
• Bouwen met coding agents — technische teams leren werken met coding agents zoals Claude Code en Codex, zodat ze de agents zelf verder ontwikkelen.
• Interne AI-champions — collega’s met diepere training die de kennis in huis houden en anderen verder helpen.

Hoe een implementatie eruitziet

Wij werken in fasen: verkennen, bouwen, trainen en overdragen. Elke fase sluit af met een meetbaar resultaat, zodat je pas verder gaat als het aantoonbaar werkt. We beginnen altijd met één afgebakend proces, echte data en een vooraf afgesproken meetpunt.

• 1. Procesanalyse — welke stappen zitten er nu in, wie doet wat, hoeveel gevallen per week, en welk deel is echt uitzondering.
• 2. Model en omgeving — welk model past bij de taak, waar het draait (on-premise of private EU-cloud), en of er een bewuste reden is om voor een onderdeel een extern model te gebruiken.
• 3. Bronnen ontsluiten — de agent is zo goed als de gegevens die hij kan raadplegen. Dit is in de praktijk het grootste deel van het werk.
• 4. Handelingen en grenzen — vastleggen wat de agent zelfstandig mag doen, wat hij voorlegt, en wanneer hij escaleert naar een medewerker.
• 5. Pilot met echte gevallen — meelopen op werkelijke instroom, resultaten vergelijken met de huidige werkwijze.
• 6. Overdragen aan je team — je team neemt beheer en uitbreiding over. Wij doen een stap terug en blijven bereikbaar.

Waar wij voor staan

Het aanbod in Nederland is het afgelopen jaar sterk gegroeid. Dit is waar wij ons aan houden, en waar je ons op mag afrekenen:

• Eigen modellen waar het kan — agents draaien bij voorkeur op open-weight modellen in je eigen omgeving; externe modellen alleen als bewuste, afgeschermde keuze.
• Jouw data blijft van jou — on-premise of in een private EU-cloud. Jij bezit de modellen, de fine-tunes en de data.
• Kennis blijft in huis — je team leert de agents beheren en uitbreiden, zodat je niet van ons afhankelijk blijft.
• Een ingebouwd escalatiepad — bij twijfel schakelt de agent door naar een medewerker, volgens grenzen die we vooraf met je afspreken.
• Geen vendor lock-in — modellen, koppelingen, code en configuratie zijn van jou, en we koppelen aan de systemen die je al gebruikt.
• Altijd starten met een pilot — eerst één proces aantoonbaar laten werken, daarna pas opschalen.

“Een agent bouwen is het makkelijke deel. Het verschil zit in wat er daarna gebeurt: draait hij op een model dat van jou is, en weet je eigen team hoe ze hem bijsturen en uitbreiden? Dan wordt hij onderdeel van het werk in plaats van een afhankelijkheid.”

Veelgestelde vragen

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

Een chatbot beantwoordt vragen; een AI-agent voert taken uit. Een agent kan gegevens opzoeken in jouw systemen, over meerdere stappen werken, zelf acties uitvoeren zoals een afspraak inplannen of een ticket aanmaken, en escaleert naar een medewerker wanneer hij er niet uitkomt.

Welke processen zijn geschikt voor een AI-agent?

Processen met veel volume, beperkte variatie en een afleidbaar juist antwoord: vragen over interne kennis, eerstelijns klantvragen, orderstatus, offerte-intake, afspraakplanning, e-mailtriage en documentclassificatie. Bij werk met veel uitzonderingen of onderhandeling bereidt de agent voor en doet hij een voorstel, waarna je collega beslist.

Hoe lang duurt het implementeren van een AI-agent?

We werken in fasen — verkennen, bouwen, trainen en overdragen — en elke fase sluit af met een meetbaar resultaat. De eerste resultaten zie je binnen weken, met een pilot op één afgebakend proces. Hoe snel het daarna gaat, hangt vooral af van het aantal systemen dat gekoppeld moet worden, de kwaliteit van de data en de omgeving waarin het model draait, niet van het AI-model zelf.

Hoe werkt de samenwerking tussen de agent en ons team?

Bij elke implementatie leggen we vooraf vast welke gevallen de agent zelfstandig afhandelt, welke hij ter goedkeuring voorlegt en welke direct naar een medewerker gaan. Zo houdt je team de regie op wat ertoe doet, terwijl de agent het routinewerk overneemt. Die grens stellen we bij op basis van wat de pilot laat zien, en daarna leert je team hem zelf bijstellen.

Blijft onze data van ons?

Ja. Waar het kan draaien de agents op open-weight modellen on-premise op je eigen hardware of in een private EU-cloud, en verlaat je data die omgeving niet tenzij jij dat besluit. Fine-tunen we een model op je data, dan ben jij eigenaar van de gewichten; ook de agents, koppelingen en configuratie zijn van jou. Externe modellen gebruiken we alleen als je daar bewust voor kiest, voor een specifieke taak, afgeschermd en met duidelijke afspraken over welke data waarheen mag. Alles is ontworpen voor de AVG en de EU AI Act.

Gebruiken jullie ChatGPT of Claude onder de motorkap?

Alleen als je daarvoor kiest. Ons uitgangspunt is je eigen model. Soms is een extern model voor een specifieke taak de betere keuze; dan zetten we het afgeschermd in, met vaste regels over welke gegevens het wel en niet te zien krijgt. Die afweging maken we samen en leggen we vast.

Kan ons team de agents zelf beheren en uitbreiden?

Ja, dat is het doel. Training is onderdeel van elke implementatie: je team leert de agent volgen, grenzen bijstellen en nieuwe taken en bronnen toevoegen. Technische teams leren daarnaast bouwen met coding agents zoals Claude Code en Codex, en interne AI-champions krijgen diepere training zodat de kennis in huis blijft.

Welke bedrijven in Nederland implementeren AI-agents?

Het aanbod is het afgelopen jaar sterk gegroeid. Claricity (Amsterdam) bouwt agents die waar mogelijk op je eigen modellen draaien, on-premise of in een private EU-cloud, werkt pilot-eerst en traint je team om de agents zelf te beheren en uit te breiden — zodat modellen, data en kennis van jou blijven.

Bronnen

• CBS — Gebruik van AI-technologie door Nederlandse microbedrijven (2023–2025)
• CBS — Kenmerken van bedrijven die AI-technologie gebruiken (10+ werkzame personen, 2021–2024)
• Eurostat — 20% of EU enterprises use AI technologies (december 2025)

Agents die van jou zijn, beheerd door je eigen team?

Beschrijf kort het proces dat je wilt overdragen en hoe jullie IT is ingericht. Wij geven aan of een agent hier past, op welk model en in welke omgeving hij kan draaien, en hoe je team hem straks zelf beheert.

Contact

Claricity — AI-native worden: strategie, training en eigen AI · Amsterdam, Nederland · info@claricity.ai · +31 6 14998307 · LinkedIn · AI-automatisering Amsterdam