Een chatbot geeft antwoord en wacht daarna weer op jou. Een agent krijgt een doel en zet zelf de stappen om er te komen. Dat verschil klonk lang als toekomstmuziek. In juni werd het gewoon nieuws.
Ik lees dagelijks mee met wat de grote labs uitbrengen. Deze maand ging bijna alles over hetzelfde: AI die niet stopt bij één antwoord, maar een taak van begin tot eind afmaakt. Hieronder de stukken die me het meest opvielen, en wat ze betekenen als je een mkb-bedrijf runt.
Van los antwoord naar echt werk
OpenAI deelde cijfers over Codex, hun programmeer-agent. In mei 2026 gaf ruim 80% van de gebruikers minstens één opdracht die een mens meer dan een half uur werk zou kosten. Een kwart gaf opdrachten van meer dan acht uur werk. Codex werd binnen OpenAI het belangrijkste AI-gereedschap in élke afdeling, van Legal tot Finance.
Let op wat daar staat. Mensen delegeren hele taken. Geen losse vraagjes meer. Je zegt wat er moet gebeuren en de agent gaat aan de slag, ook als dat een uur of een dag denkwerk is.
Bij verzekeraar Travelers zie je hetzelfde in de praktijk. Samen met OpenAI bouwden ze een volledig autonome spraak-agent voor schademeldingen. Die draait inmiddels in het hele land, en 85 tot 90% van de klanten maakt de melding helemaal via de AI af. Bij een storm kan dat om meer dan honderdduizend claims in een paar dagen gaan.
Meerdere agents, samen aan het werk
De tweede grote lijn: agents die samenwerken en gereedschap aan elkaar doorgeven.
Google liet "agentic RAG" zien, een opzet waarin meerdere agents een vraag opsplitsen, zelf bepalen waar ze het antwoord zoeken en controleren of ze genoeg informatie hebben voor ze antwoorden. Het resultaat: tot 34% betere feitelijke accuratesse dan gewone RAG, met maar zo'n 3% extra vertraging. Voor iedereen die een AI op de eigen bedrijfsdocumenten laat zoeken is dat precies de zwakke plek die wordt aangepakt.
Hugging Face bracht agents.md uit, een simpel tekstbestand waarmee een AI-agent zelf kan ontdekken hoe hij een online tool aanroept. In een demo koppelden ze twee losse tools aan elkaar: één maakte een afbeelding, de ander zette die om naar 3D. De agent regelde de rest. Software wordt zo meer iets dat een agent aan elkaar knoopt dan één grote app die alles doet.
En omdat al die agents elkaar gaan tegenkomen, stak Google DeepMind 10 miljoen dollar in onderzoek naar de risico's als straks veel agents van verschillende bedrijven met elkaar praten. Dat is een gezond signaal. Men denkt na over wat er misgaat vóór het misgaat.
Klein en lokaal wint terrein
Het derde wat opviel: je hebt niet altijd het grootste model nodig.
Een ontwikkelaar bouwde voor een hackathon een hulpje dat in Pakistan oplichtingsberichten herkent. Je plakt een tekst of screenshot, en het geeft een risico-inschatting met uitleg. Het draait op een klein model (Qwen3.5 4B) dat lokaal kan werken. MIT bracht daarnaast een dataset uit waarmee kleinere, open modellen grotere commerciële modellen versloegen op grafiek-taken.
De les is nuchter. Een scherp afgebakende taak plus goede data verslaat vaak "gooi er het duurste model tegenaan". Dat is goed nieuws voor het mkb, want het houdt de kosten laag.
Wat betekent dit voor jou
Ik word niet warm van hypeverhalen, dus even concreet. Wat hier gebeurt is dat AI verschuift van handig antwoordapparaat naar collega die een klus afmaakt. Dat opent deuren voor processen die eerder te rommelig waren voor een simpele automatisering:
- Een offerte-aanvraag die binnenkomt, wordt gecontroleerd, aangevuld en klaargezet.
- Een inkomende factuur die wordt uitgelezen, getoetst aan de bestelling en ingeboekt.
- Een klantvraag die wordt opgezocht, beantwoord en in jouw stijl teruggestuurd.
De techniek is er klaar voor. De kunst zit in de juiste taak kiezen, grenzen instellen en een mens laten meekijken waar het telt. Precies dat bouw ik voor bedrijven zoals dat van jou.
Wil je weten welk proces bij jou het meeste zou opleveren? Stuur een bericht, dan denk ik mee.
Gebaseerd op internationale AI-berichtgeving, juni 2026.
Wil je weten welk proces bij jou het meeste oplevert? Neem contact op — ik denk graag mee.