Bob van Duuren is niet alleen een ervaren auteur, spreker en trainer met een indrukwekkende “bookscount”, hij is ook de naamgever en eigenaar van de gelijknamige uitgever. Het is de uitgever die bekendstaat om zijn toegankelijke boeken over technologie, digitale innovatie en tegenwoordig leidend is op gebied van praktische AI. Hij combineert technische kennis met een praktische schrijfstijl gericht op brede publieksgroepen: van professionals tot nieuwsgierige lezers. Om al die taken wellicht eens te automatiseren, zouden AI-agents, zoals in de vorm van assistenten, goed van pas kunnen komen. De duidelijk uitgelegde context waar een AI-agent zich in beweegt, zet vanaf het Voorwoord de toon van het praktische boek: 

Tot voor kort was AI vooral een instrument dat reageerde op instructies. Je stelde een vraag, de AI gaf een antwoord. Maar nu verschuift het speelveld. AI-systemen worden actiever, doelgerichter en autonomer. Ze nemen initiatief, maken plannen en voeren opdrachten uit zonder dat je elke stap hoeft te begeleiden. Dat is de belofte – en tegelijk de uitdaging – van AI-agents

In Introductie tot AI-agents (Van Duuren Media, 2025) beschrijft hij een van de meest actuele ontwikkelingen in kunstmatige intelligentie: de opkomst van AI-agents, systemen die niet alleen antwoorden geven, maar ook zelfstandig handelen. De titel is een logische opvolger voor titels als 1000 ideale prompts, Laat ChatGPT5 voor je werken en meer titels op gebied van prompting en praktische toepassing. De promo zegt:

Het boek Introductie tot AI-agents geeft een heldere en toegankelijke uitleg over wat AI-agents precies zijn. Je hebt geen technische voorkennis nodig om het boek te begrijpen. De auteur legt uit hoe AI-agents functioneren en welke impact ze hebben op het bedrijfsleven. Daarnaast bevat het boek talloze voorbeelden van AI-agents die al succesvol worden ingezet in sectoren zoals zorg, logistiek, marketing en finance.

Het boek is bedoeld als praktische gids voor wie wil begrijpen hoe AI-agents werken, wat ze kunnen en wat dit betekent voor werk, maatschappij en ethiek. Van Duuren benadrukt dat deze technologie niet langer toekomstmuziek is, maar al volop in gebruik is binnen bedrijven, zorg, onderwijs en overheid.

De hoofdstukken

Hoofdstuk 1 – Wat zijn AI-agents?

De auteur legt uit hoe AI is geëvolueerd van simpele chatbots naar zelfstandige, doelgerichte systemen. Veel mensen kennen kunstmatige intelligentie vooral van de chatbot:
een digitale gesprekspartner die antwoord geeft op vragen, een weerbericht kan opzoeken of een standaardformulier invult. Deze bots werken vaak op basis van vaste regels of eenvoudige tekstpatronen. Ze reageren alleen wanneer jij iets vraagt en blijven altijd binnen de grenzen van hun vooraf ingestelde taak. Hij onderscheidt verschillende typen van agents (reactieve, doelgerichte, leer- en autonome agents) en bespreekt de doorbraak van projecten, zoals AutoGPT en ChatGPT Agent. Ook Copilot komt veel aan bod in het boek. AI-agents onderscheiden zich doordat ze zelfstandig plannen en uitvoeren, wat nieuwe kansen én verantwoordelijkheden oplevert.

Hoofdstuk 2 – AI-agents in de praktijk

Hier toont Van Duuren hoe agents al functioneren als slimme werkassistenten. Ze ondersteunen bij planning, klantenservice en gegevensbeheer, maar ook in de zorg (patiëntondersteuning) en het onderwijs (automatisch toetsen genereren). Bekende voorbeelden zijn Intercom’s Fin en Klarna’s klantenserviceagent. Praktisch en helder is het inzicht dat veel uitvoering van taken op “agents” lijken of assistenten maar niet altijd binnen een definitie passen. Wat deze assistenten agentachtig maakt, is dat ze meer doen dan een prompt beantwoorden: ze volgen een workflow. Stel dat je een Teams-vergadering mist. De agent vat de opname samen, maakt actielijsten, stelt een e-mail op aan de betrokken collega’s en plant desgewenst vervolgafspraken. Zonder dat je zelf iets hebt geopend.

Hoofdstuk 3 – Hoe denkt en handelt een AI-agent?

Dit hoofdstuk behandelt de interne logica van agents. Ze werken volgens een cyclus van doel–plan–actie–feedback, waarbij ze zichzelf kunnen evalueren en verbeteren. Ze gebruiken geheugen, context en soms samenwerking tussen meerdere agents. Dit inzicht helpt gebruikers agents realistischer en effectiever aan te sturen.

Hoofdstuk 4 en 5 – Generatieve AI en LLM’s

Van Duuren verklaart de technologische basis: grote taalmodellen (LLM’s) zoals GPT-4, Gemini en Claude. Deze genereren tekst, beeld, audio en video en vormen het brein van AI-agents. Hij bespreekt ook beperkingen, zoals bias, contextvensters en “hallucinaties”. Interessant is de ontleding van trends op gebied van training en de opkomst van synthetische data. LLMs worden getraind op miljarden tekstfragmenten: boeken, webpagina’s, artikelen, code en gespreksdata. Zo leren ze hoe taal werkt en hoe instructies logisch kunnen worden afgehandeld. Deze trainingsfase vereist enorme hoeveelheden rekenkracht en energie: het trainen van GPT-3 zou meer dan 350 miljoen tokens per seconde
gedurende meerdere weken hebben verbruikt. Modellen als GPT-4, Claude en LLaMA 3/4 zijn aanzienlijk groter en vragen dus nog meer rekenkracht.
Wat opvalt is dat de basisprincipes van training – veel tekst, veel data, veel tijd – nog steeds gelden. Toch zijn er in de afgelopen jaren belangrijke verschuivingen ontstaan in de manier waarop die data wordt verzameld, geselecteerd en gegenereerd. Een opvallende trend is het gebruik van synthetische data: in plaats van uitsluitend menselijke teksten te gebruiken, laten modelbouwers de AI zelf nieuwe trainingsvoorbeelden maken.

Zo gebruikte Meta bij de ontwikkeling van LLaMA 3 deels AI-gegenereerde opgaven om het redeneervermogen, met name voor wiskundige taken, te verbeteren. OpenAI experimenteert al langer met deze aanpak en ook Anthropic past het toe bij het verfijnen van Claude.

Hoofdstuk 6–8 – Van prompt naar agent

Na een uitleg over prompts (instructies aan AI) laat de auteur zien hoe het verschil tussen een enkele prompt en een zelfstandige agent fundamenteel is. Tools als Zapier, Make.com en vooral n8n maken het mogelijk om zonder code zelf een agent te bouwen die acties uitvoert binnen duidelijke grenzen van autonomie.

Hoofdstuk 9–10 – Populaire tools en ChatGPT Agent

De focus ligt op toepassingen binnen bedrijven via platforms zoals Microsoft AutoGen Studio en IBM watsonx. Vervolgens beschrijft hij ChatGPT Agent, die zelfstandig webpagina’s bezoekt, formulieren invult, code draait en data analyseert — een mijlpaal in “handelende AI”.

Hoofdstuk 11–12 – Zelf bouwen en inspirerende voorbeelden

De lezer leert stap voor stap hoe een agent te maken met n8n, inclusief koppelingen aan Gmail en agenda’s. Hoofdstuk 12 toont praktijkvoorbeelden uit onderwijs, zorg, overheid, mkb en non-profit, waarmee duidelijk wordt dat agents al breed toepasbaar zijn.

Hoofdstuk 13 – De toekomst van AI-agents

De auteur voorspelt dat tegen 2030 vrijwel iedereen met AI-collega’s werkt. Hij bespreekt uitdagingen rond wetgeving, ethiek, transparantie en de veranderende verhouding tussen mens en machine. De toekomst vraagt om AI-geletterdheid en verantwoordelijkheid, zodat technologie de mens blijft dienen. De AI-agent als collega is geen verre toekomstvisie. In steeds meer organisaties zien we de eerste contouren van een nieuwe werkstructuur waarin iedere professional wordt ondersteund door een digitale werkpartner. Deze agent voert routinetaken uit, bewaakt deadlines, vat informatie samen, stelt conceptteksten op of bereidt vergaderingen voor; dit zijn taken die traditioneel veel tijd en aandacht vereisen.
De inzet van zo’n AI-collega heeft directe voordelen. In administratieve functies betekent dit minder herhaald werk, minder fouten en meer tijd voor klanten of collega’s. De auteur zegt:

In de zorg en het onderwijs kan de agent helpen met verslaglegging, roosters, instructies en het verzamelen van relevante informatie. In de juridische sector worden dossiers geanalyseerd, jurisprudentie geraadpleegd en eerste opzetjes voor contracten gegenereerd. Steeds vaker gebeurt dit binnen de bestaande tools en platformen; denk aan Copilot in Microsoft 365 of AI-integraties in CRM- en ERP-systemen.

Helder en in evenwicht

Het praktische boek Introductie tot AI-agents biedt een helder, evenwichtig overzicht van de technologische, maatschappelijke en praktische kanten van AI-agents. Bob van Duuren benadrukt dat ze geen bedreiging zijn, maar een kans  mits we ze goed ontwerpen, reguleren en begrijpen. De voorzichtheid van schrijven en brengen kleurt het boek aangezien ook de agents zich continu doorontwikkelen en bijvoorbeeld niet altijd duidelijk is hoe LLM’s en datatraining nu precies werken. Prettig is de combi van Engelse en Nederlandse termen, wat het boek wat minder “popi” maakt en een bewaargehalte meegeeft.

Het boek is zowel informatief als activerend: een oproep om bewust en nieuwsgierig deel te nemen aan de AI-revolutie met daarbij doordacht een aantal relevant gekozen toepassingen die als rode draad in en door het boek terugkomen.

Het boek bestellen kan hier!

Inhoud

Voorwoord xi
1 Wat zijn AI-agents? 1

Inleiding 1
Van chatbot naar agent 2
Historische doorbraak: AutoGPT en agentic AI 2
OpenAI’s ChatGPT Agent: paradigmasprong 2025 3
Autonomie onder toezicht 4
Waarom AI-agents nu belangrijk zijn 5
Typen AI-agents op een rij 6
Wat kun jij ermee? 8
Wat volgt in dit boek? 9

2 AI-agents in de praktijk 11
Slimme werkassistenten 11
Organisatie en planning 12
Klantenservice en support 13
Spraakgestuurde agents thuis 14
Zoeken en samenvatten 16
Integratie met apps en tools 18
Beschikbaarheid en toegankelijkheid 19

3 Hoe denkt en handelt een AI-agent? 21
Wat bedoelen we met ‘denken’ en ‘handelen’? 21
Standaardcyclus: doel, plan, actie, feedback 22
Zelfreflectie: leren tijdens het uitvoeren 23
Geheugen en context 24
Denken als team: samenwerking tussen agents 27
Lessen uit dit hoofdstuk 28

4 Wat is generatieve AI? 31
Wat is generatieve AI? 31
Een sprong in tekst: GPT-4 en verder 33
Beeld en video als creatieve partners 35
Realistische audio en spraak 37
Multimodaliteit: geïntegreerde ervaringen 38
Kort overzicht van toepassingen 39

5 Werking van LLMs 43
Nieuwe modellen en andere spelers 43
Modeltraining en zelfgegenereerde data 44
Grenzen: contextvenster en redeneervermogen 46
Bias en hallucinaties 48
Gevolgen voor de gebruiker 50

6 Effectief werken met prompts 53
Inleiding 53
Wat is een prompt? 54
Wat maakt een goede prompt? 55
Prompttechnieken: van simpel naar krachtig 56
Promptvoorbeelden: goed versus slecht 59
Slimmere tools, minder promptwerk 60
Praktische tips 62
Wat volgt in het volgende hoofdstuk? 64
Inhoud
viii

7 Instellingen die het gedrag van AI beïnvloeden 65
Inleiding 65
Creativiteit en voorspelbaarheid: temperature en top_p 66
Tokenlimieten en promptlengte 69
Systeemprompt en aangepaste instructies instellen 71
Gestructureerde uitvoer en functieaanroepen 74
Wat volgt in het volgende hoofdstuk? 77

8 Van prompt naar agent: een fundamenteel verschil 79
Inleiding 79
Een prompt is geen agent 80
Wat een agent wél doet: denken in acties 80
De brug van prompt naar agent is eenvoudiger dan je denkt 82
Grenzen van autonomie: waarom je niet alles moet willen automatiseren 83
Wat volgt in het volgende hoofdstuk? 85

9 Populaire tools voor AI-agents 87
n8n: agents maken zonder code 87
Zapier Agents: kantoorautomatisering zonder code 88
Persoonlijke assistenten: Cognosys, Humata.ai en Pi 89
LangChain: voor agentwerk op maat 91
CrewAI: multi-agentsamenwerking 92
Enterpriseplatforms: Microsoft AutoGen Studio en IBM watsonx 93
ChatGPT Agent 95

10 ChatGPT Agent – jouw AI-assistent in actie 97
Inleiding 97
Wat is ChatGPT Agent? 98
Mogelijkheden van ChatGPT Agent 98
Voordelen van ChatGPT Agent 101
ChatGPT Agent gebruiken 103
Een goede prompt schrijven voor de agent 106
Voorbeelden 111
Inhoud
ix

11 Een eigen AI-agent bouwen met n8n 123
Aan de slag met n8n Cloud 123
Eenvoudige agent zonder AI 126
Eenvoudige agent met AI 133
Meer toepassingen 141
Zelf n8n hosten: wat komt erbij kijken? 143

12 Inspirerende voorbeelden van AI-agents 147
Onderwijs – AI-mentor in de klas 147
Zorg – digitale scribe & mentale gezondheidsagents 149
Overheid – slimme burgerloketten 150
Mkb en bedrijfsleven – digitale collega’s 152
Non-profit – sociale impact via AI-agents 153
Pilotprojecten Nederland – samenwerking en best practices 155
Wat betekent dit voor jouw context? 156

13 AI-agents in de toekomst 159
Inleiding 159
Iedereen een AI-collega 160
Samenwerken met andere agents: multi-agent ecosystemen 160
Wetgeving, ethiek en transparantie als randvoorwaarden 161
Nieuwe rollen en verantwoordelijkheden op de werkvloer 162
De mens-agentverhouding: wat verandert er echt? 163
Wat ligt er verder in het verschiet? 164
Samenvatting en vooruitblik 165
Verklarende woordenlijst 167
Index 175