Een AI-agent maken kan iedereen. Een handleiding voor Copilot Studio belooft een werkende agent in tien tot vijftien minuten, en dat klopt, zolang hij alleen vragen beantwoordt. Moet hij zelf werk doen, zoals offerteaanvragen uit je mailbox halen en in je CRM zetten, reken dan op 60 tot 120 uur voor de eerste versie, en daarna elke maand een aantal uur om hem bij te houden. Het grootste deel van die tijd zit niet in het bouwen, maar in het afstellen: zorgen dat hij precies doet wat jij wilt.
Hoe maak je zelf een AI-agent?
De handleidingen die je online vindt, noemen allemaal ongeveer dezelfde stappen. Neem als voorbeeld een agent die elke ochtend de nieuwe offerteaanvragen uit je mailbox leest, de gegevens eruit haalt en ze klaarzet in je CRM.
- 1Bepaal de taakOfferteaanvragen uit de mail in het CRM zetten
- 2Kies een programmaClaude, ChatGPT, Copilot Studio, n8n of Make
- 3Koppel je pakkettenMailbox, CRM, en straks misschien je boekhouding
- 4Schrijf de instructiesWat is een aanvraag, en wat doet hij met de rest?
- Hier zit de meeste tijd5Stel af tot het kloptMet echte mails, ook de rare, tot je er iets mee kunt
Op papier is dat overzichtelijk, en kiezen en koppelen valt in veel gevallen mee. Claude koppelt bijvoorbeeld met best veel pakketten, en vaak is dat een kwestie van inloggen en toestemming geven. De tijd zit in de laatste stap. Zorgen dat de agent precies doet wat je wilt, in de stijl die je wilt, en dat hij leert van wat hij fout deed. Pas dan levert hij iets op waar je daadwerkelijk wat mee kunt. In de meeste handleidingen is dat één regel: "test je agent".
Hoeveel tijd kost het om zelf een AI-agent te maken?
Dit is onze schatting voor iemand die het voor het eerst doet, voor één agent zoals die uit het voorbeeld. Wie handig is met computers zit aan de onderkant, wie er weinig mee heeft aan de bovenkant.
| Stap | Uren |
|---|---|
| Uitzoeken welke tools er zijn, uitproberen en kiezen | 5 – 10 |
| Koppelen met je mail, CRM en boekhouding | 5 – 15 |
| Regelen dat het veilig is en dat je klantgegevens goed liggen | 5 – 10 |
| Bouwen en de eerste instructies schrijven | 15 – 20 |
| Afstellen met echte voorbeelden, tot hij doet wat je wilt | 20 – 40 |
| De eerste maand bijsturen | 10 – 25 |
| De eerste versie samen | 60 – 120 |
| Daarna, elke maand bijhouden en verbeteren | 4 – 8 |
Het bouwen zelf is de post die je vooraf ziet aankomen. Het afstellen en bijsturen daarna is samen minstens twee keer zo groot, en dat vergeet bijna iedereen.
Rekenregel
Zestig uur tegen een gangbaar uurtarief van € 83 is bijna € 5.000. En dat is de onderkant, voor één agent.
Die € 83 is het gemiddelde uurtarief van een zzp'er in Nederland in 2026 (Knab, 20.000 zelfstandigen). Die uren gaan bovendien niet naar je klanten. Ze gaan naar avonden en weekenden, of naar werk dat blijft liggen.
Waarom kost afstellen zoveel tijd?
Omdat een agent die het meestal goed doet, nog niet bruikbaar is. Stel: je agent zet in de eerste week twintig aanvragen klaar. Vijftien kloppen. Eén aanvraag kwam binnen als doorgestuurde mail en die heeft hij gemist. Bij twee heeft hij het adres van de klant door elkaar gehaald met dat van de aannemer. En de korte samenvatting die hij erbij schrijft, leest als een folder in plaats van zoals jij het zou zeggen.
Elk van die gevallen is een aanpassing in zijn instructies. En na elke aanpassing moet je opnieuw kijken of de vijftien die eerst goed gingen, nog steeds goed gaan. Dat is geen middag werk, dat zijn weken waarin je elke ochtend naast hem meekijkt.
Het lastigste is zorgen dat hij leert. Een agent onthoudt uit zichzelf niet wat je gisteren verbeterde. Dat moet je inbouwen. Onze eigen agent die verkoopmails schrijft, krijgt voor elke mail die hij schrijft een cijfer van ons. Voor hij een nieuwe mail schrijft, leest hij de mails die een tien kregen, en eens per week zet hij op een rij wat de goede mails van de slechte onderscheidt. Daarnaast leert hij van de aanpassingen die wij zelf doen, voordat we de mails versturen. Zo'n manier van leren zit in geen enkel programma standaard ingebouwd.
Een deel van dat afstellen hoef je maar één keer te doen, als je het niet in de agent zelf stopt maar in een company brain. De kennis die een agent nodig heeft, zit nu verspreid: in je software, in oude mails, in documenten, en vooral in de hoofden van jou en je mensen. Je bedrijf draait omdat iemand onthoudt waar iets staat en hoe het moet. Een agent kan daar niets mee. Een company brain haalt die kennis bij elkaar en schrijft hem zo op dat een agent ermee kan werken: welk werk steeds terugkomt, wie wat doet en wanneer, de uitzonderingen, de woorden die jullie gebruiken en de regels die gelden. Elke agent leest daaruit, en wat je daar één keer verbetert, geldt meteen voor al je agents. Een company brain is de ontbrekende schakel tussen chatten met Claude en AI die echt werk overneemt.
Waarom is kiezen en koppelen toch nog werk?
Omdat niet elke tool doet wat zijn site belooft, en wat vorige maand klopte, kan nu anders zijn.
Op hun eigen site lijken alle tools geschikt. Waar ze tegenvallen, ontdek je pas als je ermee werkt. Wij kozen voor onze eigen bezoekersstatistieken eerst een tool die goedkoop en privacyvriendelijk was. Pas bij het inrichten bleek dat een agent op het gratis plan niet bij de cijfers kon, en dat was precies waarvoor we hem nodig hadden. We stapten over op Google Analytics.
Koppelen gaat vaak snel, maar niet met alles. Anthropic, de maker van Claude, bracht op 15 september 27 nieuwe koppelingen voor kleine bedrijven uit, van Shopify tot Xero. Exact, Moneybird en Snelstart zitten daar niet tussen. Doe je je boekhouding in een van die drie, dan zoek je zelf uit of er een andere weg is, wie die heeft gebouwd en of je die vertrouwt met je cijfers.
En dan verandert het ook nog. Claude Cowork, het onderdeel van Claude dat zelf taken afmaakt, begon als aparte stand in de app op je computer. Inmiddels werkt het ook in de browser en op je telefoon, en sinds 16 september is het samengevoegd met de gewone Claude. Een vergelijking die je drie maanden geleden las, kan je dus de verkeerde kant op sturen.
Hoe zorg je dat het veilig is?
Een agent die je mail leest, kan bij alles wat er in je mail staat: klantgegevens, prijzen, facturen. Voor je hem aanzet, moet je drie vragen kunnen beantwoorden, en die staan in geen enkele handleiding.
Uitzoeken · voor je hem aanzet
- Waar komen mijn klantgegevens terecht?
- Waar mag hij bij, en wat mag hij zelf versturen?
- Wat doet hij als hij het niet zeker weet?
Elke vraag kost uitzoekwerk. Voor de eerste moet je weten waar de leverancier van het AI-model je gegevens bewaart, en of je daar een verwerkersovereenkomst voor nodig hebt. Voor de tweede moet je per koppeling kijken welke rechten hij vraagt: een koppeling die mail kan lezen, kan vaak ook versturen en verwijderen. De derde bepaalt of een twijfelgeval netjes bij jou terechtkomt, of als offerte met de verkeerde prijs bij de klant. Wat er mis kan gaan als je dat niet regelt, lees je in Welke risico's heeft een AI-agent die te zelfstandig werkt?
Wat kost het bijhouden?
Een agent is nooit af. Het bijhouden bestaat uit drie soorten werk, en alle drie komen elke maand terug.
Updaten naar de nieuwste modellen. Er komt om de paar maanden een beter AI-model uit, en een agent op een nieuw model doet zijn werk vaak merkbaar beter. Soms moet je ook over: Anthropic belooft minstens zestig dagen van tevoren een seintje als een model stopt. Claude Opus 4.1 werd op 5 juni aangekondigd en stopte op 5 augustus. Een nieuw model schrijft net even anders, dus na elke overstap stel je opnieuw af.
Fixen als hij vastloopt. Iemand verandert zijn wachtwoord, en bij Google Workspace stoppen koppelingen die je mail lezen op dat moment, tot iemand opnieuw toestemming geeft (Google). Of je websitebouwer past het formulier aan, de aanvragen komen van een ander adres, en je agent meldt elke ochtend netjes dat er niets binnenkwam. Geen van beide geeft een duidelijke foutmelding. Je moet dus zelf regelmatig kijken of het werk nog staat waar het hoort.
Zorgen dat hij alsmaar beter wordt. Je werk verandert: nieuwe producten, andere prijzen, een klant die iets anders wil. Een agent die daar niet in meegaat, wordt elke maand een beetje minder bruikbaar, tot je het werk stilletjes weer zelf doet.
Rekenregel
Vier tot acht uur per maand is 50 tot 100 uur per jaar. Het bijhouden kost je dus elk jaar bijna net zoveel als de bouw.
Wanneer heb je geen AI-agent nodig?
Als je werk elke keer precies hetzelfde gaat, heb je geen agent nodig. Een gewone automatisering doet het dan goedkoper en voorspelbaarder. Een agent is pas de moeite waard als er iets te beoordelen valt, zoals een mail die je eerst moet lezen voor je weet wat ermee moet. Meer daarover in Wat is een AI-agent, en wanneer heb je er geen nodig?
Waarom kost het een AI-partner minder tijd?
Omdat hij het meeste werk al eens gedaan heeft. Welke tool waar tegenvalt, hoe je een agent laat leren van zijn fouten, wat er stukgaat als iemand zijn wachtwoord verandert: dat zoekt een AI-partner niet per klant opnieuw uit. En het bijhouden doet hij voor al zijn klanten tegelijk: komt er een beter model uit, dan test hij het één keer en zet hij iedereen over.
Zelf maken
- Weken afstellen tot hij doet wat je wilt
- Zelf bijhouden welk model nu het beste is
- Zelf uitzoeken waarom hij vastloopt
Laten maken
- Afstellen op jouw werk, met wat al bij anderen werkte
- Overzetten naar het nieuwste model, voor je het merkt
- Gerepareerd voordat jij het mist
Daardoor gaan de uren bij een AI-partner bijna alleen naar jouw situatie: hoe jouw aanvragen eruitzien, wat er in jouw CRM moet, in welke stijl jij schrijft. Dat is het deel dat per bedrijf verschilt, en het enige deel waar jouw tijd echt nodig is.
