Kronehoefstraat 85
5612 HL Eindhoven
BTW NL863902509B01
Agentic AI vs generatieve AI: het verschil dat je proces verandert
qw
vc
mshm
.svg)
Last updated: 2026-07-22
Generatieve AI produceert tekst, beeld of code op basis van een prompt: de output komt, een mens beoordeelt en handelt vervolgens zelf. Agentic AI gaat een stap verder: de AI neemt zelf de volgende actie in je bestaande systemen, van data ophalen tot een besluit uitvoeren. Het verschil zit niet in de intelligentie van het model, maar in wie de actie uitvoert.
Het verschil tussen generatieve AI en agentic AI zit in één vraag: wie zet de volgende stap? Generatieve AI levert een antwoord, een tekst, een afbeelding of een stuk code. Een mens beoordeelt dat antwoord en handelt vervolgens zelf.
Bij agentic AI werkt dat anders. De AI zet die volgende stap zelf, in je bestaande systemen, van data ophalen tot een besluit uitvoeren.
Wie AI gelijkstelt aan een chatgesprek, mist een niveau. Chatten met AI is een goed startpunt, maar het is de eerste trede van een langere ladder. Agentic AI staat een trede hoger: niet alleen tekst produceren, maar op basis daarvan handelen.
Dat onderscheid is nog niet vanzelfsprekend voor wie AI vooral kent van een chatvenster. Bedrijven die zeggen dat ze al iets met AI doen, bedoelen daarmee bijna altijd dat ze ChatGPT of Copilot gebruiken voor tekst. Dat is de eerste trede. Die volgende trede is waar AI ook de uitvoering overneemt, niet alleen het formuleren.
Voor de volledige uitleg van wat agentic AI precies inhoudt en hoe de technologie werkt, lees onze uitgebreide gids over agentic AI. Dit artikel gaat specifiek over het verschil met generatieve AI en wat dat verschil voor je bedrijfsprocessen betekent.
Generatieve AI genereert een antwoord. Agentic AI voert de volgende stap zelf uit.
Generatieve AI is de technologie achter ChatGPT, Claude, Copilot en Midjourney. Het model leert patronen uit grote hoeveelheden tekst, beeld of code, en genereert op basis daarvan nieuwe output.
Dat maakt het sterk in specifieke taken: een eerste concept schrijven, een tekst samenvatten, een afbeelding genereren, code voorstellen. Zolang een mens de output beoordeelt en de volgende stap zelf zet, is dit precies waarvoor het model gebouwd is.
Wat generatieve AI niet doet, is minstens zo belangrijk. Dat model onthoudt niets van je vorige sessie, heeft geen toegang tot je CRM of ERP, en wacht na elk antwoord op een nieuwe prompt. Zonder een aparte laag workflow-automatisering erbovenop, blijft het bij tekst op een scherm.
Vraag generatieve AI om een e-mail te versturen, en het model schrijft de tekst, maar verstuurt niets. Vraag het om een boeking te wijzigen, en het beschrijft hoe je dat zelf zou doen. De uitvoering blijft aan jou. Het model kan bovendien feiten verkeerd weergeven zonder dat te melden, wat betekent dat controle door een mens sowieso nodig blijft, ongeacht het niveau van AI dat je gebruikt.
Uit Deloitte-onderzoek naar generatieve AI in bedrijven blijkt dat de meeste organisaties nog in de experimenteerfase zitten, met beperkte doorstroom naar bedrijfskritische processen (Deloitte, 2024).
Een chatbot wacht op de volgende vraag. Hij handelt niet uit zichzelf.
Een AI-agent gebruikt een taalmodel als redeneercentrum, maar voegt daar een laag aan toe: de mogelijkheid om tools aan te roepen, gegevens op te halen en een actie uit te voeren.
Anthropic omschrijft dit als een systeem waarin het taalmodel orkestrerend optreedt: het bepaalt zelf welke tool op welk moment nodig is, op basis van de actuele context (Anthropic, 2024). IBM maakt het onderscheid vergelijkbaar concreet: generatieve AI reageert op een prompt, agentic AI zet die output om in een zelfstandig afgeronde taak (IBM, 2025).
Concreet doorloopt een AI-agent een cyclus van vier stappen, die hij herhaalt totdat het doel bereikt is. Dat is de cyclus die IBM omschrijft als de kern van elk agentic systeem, ongeacht de sector (IBM, 2025).
Stel dat een agent een binnenkomende offerteaanvraag verwerkt: hij leest de e-mail, haalt de klantgeschiedenis op uit het CRM, stelt de offerte samen en zet die klaar voor goedkeuring. Dat is een illustratie van het principe, geen voorbeeld uit een lopend project. Het laat wel zien wat het verschil in de praktijk betekent: geen los antwoord op een prompt, maar een keten van stappen die het systeem zelf doorloopt.
Agentic AI koppelt redeneren aan doen: het model bepaalt de actie en voert die ook uit.
Het verschil wordt concreet zodra je drie dimensies naast elkaar zet: doel, output en risico.
Die risicokant is geen theorie. Minder dan 5% van de enterprise-apps had begin 2025 een taakspecifieke AI-agent, een aandeel dat volgens Gartner oploopt tot 40% in 2026 (Gartner, 2025). Een fout in agentic AI raakt een systeem, een fout in generatieve AI raakt alleen een tekst.
Zodra AI niet alleen tekst genereert maar zelf een actie uitvoert, verandert de vorm van het hele proces. Een taak die uit vijf handmatige stappen bestond, wordt een proces waarin een agent vier van die stappen zelf doorloopt en de vijfde markeert voor controle.
Neem als illustratie een factuurproces, niet als een concreet voorbeeld uit een lopend project maar als principe. Met generatieve AI schrijft een medewerker sneller een herinneringsmail over een openstaande factuur, maar typt en verstuurt die zelf nog. Met agentic AI signaleert het systeem de openstaande factuur, stelt de herinnering op en verstuurt die, met een menselijke check bij afwijkende bedragen.
Dat is een verschil in wie de laatste stap zet, niet alleen in snelheid.
Concreet verandert er meestal twee dingen in een proces zodra je van generatieve naar agentic AI overstapt:
In Nederland gebruikte 22,7% van de bedrijven met 10 of meer medewerkers AI-technologie in 2024, tegenover een EU-gemiddelde van 19,95% (CBS, 2025; Eurostat, 2025). De meeste van die toepassingen zitten nog op het niveau van tekst en documenten, niet op het niveau van zelf handelende agents.
Wil je weten welke stappen in jouw proces zich lenen voor deze aanpak? AI-agents & Procesautomatisering brengt dat voor je in kaart, voordat je in een implementatie investeert.
Het proces verandert niet omdat AI slimmer wordt, maar omdat AI de laatste stap overneemt.
Bij agentic AI kan iets misgaan dat bij generatieve AI niet kan misgaan: niet alleen een verkeerde zin, maar een verkeerde actie in een systeem. Dat is precies waarom mens-in-de-loop, foutafhandeling en logging bij het ontwerp horen, niet als stap achteraf.
Uit de McKinsey State of AI 2025-enquête blijkt dat 23% van de organisaties wereldwijd al een agentic AI-systeem opschaalt in minstens één bedrijfsfunctie, en dat 39% ermee experimenteert (McKinsey, 2025). Tegelijk voorspelt Gartner dat meer dan 40% van de agentic AI-projecten voor eind 2027 wordt afgeblazen, vaak door onduidelijke bedrijfswaarde of ontbrekende controles (Gartner, 2025).
Voor het Nederlandse MKB betekent dit twee dingen tegelijk: de vroege adoptiefase is nu bezig, en de projecten die vastlopen, doen dat meestal door een gebrek aan afbakening, niet door de technologie zelf. Wachten tot de technologie volledig uitgekristalliseerd is, is geen neutrale keuze: bedrijven die nu een eerste proces uitproberen, bouwen ervaring op die concurrenten die nog niets doen, missen. Dat voordeel zit niet in de techniek zelf, maar in de lessen die je opdoet over je eigen processen, data en uitzonderingen.
Drie punten om op te letten voordat je begint:
Wie deze drie punten regelt voordat de eerste agent live gaat, voorkomt het grootste deel van de risico’s die generatieve AI eenvoudigweg niet kende.
De vraag is niet of je AI gebruikt, maar op welke trede van de ladder je staat.
Generatieve AI produceert output zoals tekst, beeld of code op basis van een prompt, en wacht daarna op de volgende vraag. Agentic AI gebruikt die output als basis om zelf een actie uit te voeren in je systemen, zonder dat een mens elke stap goedkeurt. Het onderscheid zit in wie de laatste stap zet: bij generatieve AI is dat altijd een mens, bij agentic AI kan dat de AI zelf zijn.
De chatinterface van ChatGPT is generatieve AI: je stelt een vraag, het model antwoordt, en daarna wacht het. Sommige varianten krijgen agentic uitbreidingen, zoals het aanroepen van tools of het browsen op internet, maar de kernfunctie blijft het genereren van een antwoord. Zodra een systeem zelf beslist welke actie het uitvoert in een extern systeem, spreek je van agentic AI.
Ja, binnen de grenzen die je instelt. Een AI-agent kan gegevens ophalen, een beslissing nemen op basis van vaste criteria en een actie uitvoeren, zoals een boeking aanmaken of een bericht versturen. Voor uitzonderingen of afwijkende bedragen leg je een menselijke controle in het proces, zodat de agent niet zelfstandig buiten de afgesproken kaders handelt. Die kaders stel je zelf in: hoeveel ruimte een agent krijgt, is een ontwerpkeuze, geen vaste eigenschap van de technologie.
Het risico ligt ergens anders, niet automatisch hoger. Een fout van generatieve AI levert een onjuiste tekst op die een mens nog beoordeelt. Een fout van agentic AI kan een verkeerde actie in een systeem opleveren, zoals een verkeerd verstuurd bericht of een foutieve boeking. Daarom horen mens-in-de-loop-controle, foutafhandeling en logging standaard bij het ontwerp van een agent, en niet als aanvulling achteraf.
Niet strikt noodzakelijk, maar wel praktisch. Agentic AI gebruikt een generatief taalmodel als redeneercentrum, dus de onderliggende technologie overlapt. Bedrijven die al gewend zijn aan generatieve AI voor tekst en concepten, herkennen sneller welke processen geschikt zijn voor een agent die zelf handelt. Ervaring met generatieve AI is dus geen vereiste, maar het helpt wel om realistische verwachtingen te vormen over wat een taalmodel als redeneerbasis kan en niet kan.
Processen die repetitief zijn, een gestructureerde of semi-gestructureerde input hebben en draaien in systemen met API-toegang. Denk aan factuurverwerking, klantcommunicatie bij terugkerende vragen, of het bijwerken van records in een CRM. Hoe duidelijker het proces te beschrijven is, hoe eenvoudiger de eerste implementatie. Processen die vooral oordeel en context van een mens vragen, blijven voorlopig beter bij generatieve AI als hulpmiddel.
Een veelgebruikt en illustratief voorbeeld, geen beschrijving van een specifiek project: een agent die binnenkomende facturen leest, de gegevens herkent, de boeking klaarzet in het boekhoudpakket en alleen afwijkende bedragen voorlegt aan een medewerker. Wij beginnen bij elke implementatie met precies zo een concreet, afgebakend proces, meten het resultaat en breiden pas daarna uit.
Nu je het verschil kent, is de volgende vraag hoe agentic AI in jouw eigen systemen werkt. Wij laten precies zien waar dat begint.
.svg){kind=icon}