Agentic AI versus generatieve AI: het echte verschil

Generatieve AI maakt content op basis van een prompt — tekst, een afbeelding, code, een samenvatting — en stopt daarna. Agentic AI gebruikt een generatief model als brein, maar voegt planning, toegang tot tools en API's, geheugen en een controleloop toe, zodat het zelfstandig meerdere stappen richting een doel kan zetten. Kort gezegd: generatieve AI antwoordt, agentic AI handelt. De meeste bruikbare agents draaien bovenop een generatief model, dus de twee zijn eerder partners dan rivalen.

Het verschil in een zin

Als u maar een ding onthoudt, onthoud dan dit: generatieve AI genereert, agentic AI handelt. Een generatief model neemt uw prompt en geeft een output terug — een alinea, een afbeelding, een stuk code, een vertaalde e-mail. De interactie is een keer iets erin, een keer iets eruit. U houdt zelf de regie en bepaalt wat u met het resultaat doet.

Een agentic systeem verpakt datzelfde generatieve model in extra machinerie, zodat het over meerdere stappen een doel kan nastreven zonder dat u elke stap apart aanstuurt. U geeft het een opdracht — "verwerk deze facturen", "stel de opvolgmails op en verstuur ze", "onderzoek deze vijf leveranciers en zet ze op volgorde" — en het bepaalt zelf wat het doet, roept de benodigde tools aan, controleert zijn eigen voortgang en gaat door tot de klus klaar is of het vastloopt.

De verwarring is begrijpelijk, want onder de motorkap draait een agent meestal op een generatief model. Het verschil zit niet in het model. Het zit in alles wat eromheen is gebouwd: een loop, een set tools en een geheugen van wat tot nu toe is gebeurd.

Die scheidslijn is meer dan een woordenspel. Ze bepaalt wat het systeem kan, wat het kost om te bouwen, hoeveel toezicht het vraagt en welke risico's u afdekt. Wie dat onderscheid scherp houdt, kiest voor elk vraagstuk de eenvoudigste oplossing die werkt — en dat scheelt in de praktijk maanden werk en een hoop onnodige complexiteit. In de rest van dit artikel pakken we beide categorieen apart uit en zetten we ze daarna naast elkaar.

Wat generatieve AI eigenlijk is

Generatieve AI is de categorie die de meeste mensen tegenwoordig bedoelen als ze "AI" zeggen. Het omvat grote taalmodellen zoals GPT, Claude en Gemini, beeldmodellen als Midjourney en Stable Diffusion, en code-assistenten. U geeft een prompt; het voorspelt en produceert een aannemelijke output in dezelfde modaliteit — tekst erin, tekst eruit; een beschrijving erin, een afbeelding eruit.

De kracht zit in de vloeiendheid en breedte. Een enkel model kan een contractclausule opstellen, een fiscale regel uitleggen, een SQL-query schrijven, een rapport van veertig pagina's samenvatten of uw tekst herschrijven in een vriendelijkere toon. Wat het uit zichzelf niet doet, is handelen in de echte wereld. Het kan de e-mail die het zojuist opstelde niet versturen, de actuele wisselkoers niet opzoeken en geen record in uw CRM bijwerken, tenzij er iets anders is aangesloten dat dit namens het model doet.

Generatieve AI is bovendien standaard zonder geheugen. Elk verzoek staat op zichzelf — het model herinnert zich uw vorige gesprek niet, tenzij die geschiedenis opnieuw in de prompt wordt meegegeven. Het produceert; het streeft niet na. Juist die eigenschap is de scheidslijn tussen generatief en agentic. Onze diensten rond generatieve AI vallen stevig binnen deze categorie: modellen die worden afgestemd en geprompt om betrouwbare content te maken voor een specifieke bedrijfstaak.

Wat agentic AI eigenlijk is

Een agentic AI-systeem is een generatief model dat in een controleloop is geplaatst en het vermogen heeft gekregen om te handelen. Haal de marketing weg en een agent heeft vier bewegende delen:

• Een redeneermotor — meestal een LLM — die de volgende stap plant en resultaten interpreteert.
• Tools — functies, API's, databases, een code-interpreter, een browser — waarmee het daadwerkelijk dingen kan doen in plaats van ze alleen te beschrijven.
• Geheugen — context op korte termijn voor de huidige taak en vaak opslag op langere termijn, zodat het eerdere runs, feiten of voorkeuren kan terughalen.
• Een controleloop — de cyclus van observeren, plannen, handelen, controleren, herhalen — die het systeem laat doorgaan tot het doel is bereikt of een stopconditie afgaat.

Hier is die loop in gewone taal. De agent leest zijn doel, bepaalt een eerste actie ("doorzoek de leveranciersdatabase"), roept de juiste tool aan, leest wat terugkomt, bepaalt de volgende actie en blijft die cyclus herhalen. Mislukt een stap, dan kan het opnieuw proberen of van aanpak wisselen. Daarom noemt men het autonoom: niemand voert het elke instructie met de hand aan. Voor een uitgebreidere uitleg van de bouwstenen leest u onze toelichting over wat AI agents zijn — dit artikel blijft gericht op de vergelijking.

Cruciaal is dat een agent niet capabeler is dan de tools die u hem geeft. Een agent zonder tools is gewoon een chatbot. Een agent die is gekoppeld aan uw planningssysteem, uw inbox en uw database kan echt werk verzetten — en precies daarom is toezicht belangrijk, een punt waar we verderop op terugkomen.

Naast elkaar: de zes dimensies die ertoe doen

Als u de etiketten wegstreept, scheiden zes praktische dimensies de twee. Dit is het contrast dat een plakbriefje waard is:

• Input. Generatieve AI: een enkele prompt. Agentic AI: een doel of opdracht, vaak met randvoorwaarden en toegangsrechten.
• Output. Generatieve AI: een stuk content. Agentic AI: een voltooide taak of een reeks acties, met onderweg geproduceerde content.
• Autonomie. Generatieve AI: geen — het wacht op uw volgende prompt. Agentic AI: het kiest en ordent zijn eigen stappen.
• Tools. Generatieve AI: doorgaans geen; het werkt met wat in de prompt staat. Agentic AI: het gebruik van tools en API's is juist de kern.
• Geheugen. Generatieve AI: zonder geheugen, tenzij u de context opnieuw aanlevert. Agentic AI: houdt de status vast over stappen heen en vaak over sessies heen.

• Risico. Generatieve AI: vooral outputkwaliteit — een fout feit, een toon die niet bij uw merk past. Agentic AI: outputkwaliteit *plus* actierisico — het kan de verkeerde e-mail versturen, het verkeerde account belasten of het verkeerde record verwijderen.

Lees die laatste regel twee keer. De overgang van genereren naar handelen verandert de inzet volledig. Een slecht gegenereerd concept kost een verspilde minuut. Een verkeerde agentic actie kan echte systemen en echt geld raken, en daarom ligt de governancevraag bij agents anders.

Hoe ze samenwerken (een agent gebruikt een generatief model)

De framing "agentic versus generatief" is een tikje misleidend, want in de praktijk *is* een agent gebouwd op een generatief model. Het generatieve model is het brein van de agent; de agentic laag is het lichaam — de handen die naar buiten reiken en het geheugen dat de voortgang bijhoudt.

Stel u een inkoopassistent voor. Het generatieve model leest de pdf-offerte van een leverancier en haalt de prijzen eruit (genereren). De agentic laag neemt vervolgens die getallen, vergelijkt ze met drie andere offertes in een spreadsheet, markeert de beste optie, stelt een akkoordverzoek op en routeert dat naar de juiste manager (handelen). Hetzelfde onderliggende model, een heel ander werkbereik.

Hetzelfde patroon ziet u terug in een ander voorbeeld: een afdeling die binnenkomende klachten verwerkt. Het generatieve model leest de e-mail, vat de kern samen en bepaalt de toon van de klant. De agentic laag zoekt het ordernummer op in het systeem, controleert de garantiestatus, stelt een passend antwoord op en zet bij twijfel een mens in de cc. Het generatieve deel begrijpt en formuleert; het agentic deel zoekt op, beslist en onderneemt actie. Wie deze twee lagen in zijn hoofd uit elkaar houdt, ziet sneller welk deel van een proces al waarde levert met een simpele generatieve tool en welk deel pas met een agent echt loont.

Daarom is de slimme vraag zelden "welke van de twee" in het abstracte. De vraag is: *wat is de taak, en hoeveel autonomie verdient die veilig?* Veel waardevolle projecten zijn puur generatief — en menige "AI agent"-ambitie is het best te leveren als een strak afgebakende generatieve tool met een mens die op de knop drukt. Weten waar die grens ligt voor uw proces is een groot deel van waar een AI-strategietraject voor dient.

Wanneer u generatieve AI wilt

Grijp naar gewone generatieve AI wanneer de waarde zit in het maken van iets en een mens de regie houdt over wat er daarna gebeurt. Het is sneller te bouwen, goedkoper in gebruik en veel makkelijker te beheersen, juist omdat het niet uit zichzelf kan handelen.

• Opstellen en herschrijven — voorstellen, e-mails, productbeschrijvingen, beleidssamenvattingen. De mens beoordeelt en verstuurt.
• Samenvatten en extraheren — lange rapporten, contracten of gespreksverslagen terugbrengen tot de paar punten die ertoe doen.
• Vertaling en toon — tweetalige content (EN/NL), of het register aanpassen voor verschillende doelgroepen.
• Hulp bij code en query's — boilerplate genereren, oude code uitleggen, een eenmalige SQL-query schrijven.
• Antwoorden richting klanten — een supportassistent die een antwoord opstelt dat een medewerker goedkeurt.

Een praktische vuistregel: als een mens elke output bekijkt voordat er iets onomkeerbaars gebeurt, is generatieve AI meestal het juiste en veiligere startpunt. Veel van onze klanten halen hun vroege rendement vooral hier, ruim voordat er een agent op tafel ligt. De pijler over AI-automatisering laat zien waar dit past binnen een breder proces.

Wanneer u agentic AI wilt

Stap pas over op een agent wanneer het werk echt uit meerdere stappen bestaat, repetitief is en helder genoeg om de regels op te kunnen schrijven — en wanneer het met de hand aaneenrijgen van die stappen het knelpunt is. De opbrengst is reeel, maar de bouw- en governance-overhead ook.

• Workflows met meerdere stappen — een verzoek innemen, iets opzoeken, beslissen, een systeem bijwerken, een persoon informeren.
• Onderzoek en synthese — informatie uit meerdere bronnen verzamelen, die tegen elkaar afzetten en een onderbouwde aanbeveling op volgorde produceren.
• Operationele automatisering — records over systemen heen verwerken, tickets triëren en routeren, een rapport opstellen en indienen.
• Langlopende taken — klussen die geheugen van eerdere stappen nodig hebben of die uren in plaats van seconden draaien.

Wees eerlijk over de gereedheid. Een agent heeft betrouwbare tools nodig, schone data om op te handelen en duidelijke stopcondities. Zijn uw onderliggende systemen rommelig of is uw proces niet echt gestandaardiseerd, dan automatiseert een agent simpelweg de chaos sneller. Wij bouwen deze als afgebakende projecten — AI agent-ontwikkeling voor Nederland en Europa — en wij zijn net zo bereid u te vertellen wanneer een eenvoudigere generatieve tool u beter dient. Een korte AI-pilot is de gebruikelijke manier om uit te zoeken wat uw situatie werkelijk nodig heeft.

Risico's en toezicht bij agents

Omdat een agent handelt, kan het verkeerd handelen — en in hoog tempo. De risico's zijn niet exotisch; het zijn de praktische die u verwacht bij elk systeem dat echte data en echt geld raakt. Het doel van goed ontwerp is fouten goedkoop, zichtbaar en omkeerbaar te maken.

• Opstapelende fouten. Een kleine misrekening vroeg in de loop kan een sneeuwbal worden als latere stappen erop voortbouwen. Korte loops en controlepunten helpen.
• Ongewenste acties. Een agent met brede rechten kan echte schade aanrichten. Beperk zijn toegang tot het minimum dat nodig is — least privilege, precies zoals u dat bij een junior medewerker zou doen.
• Verzonnen stappen. Het redeneermodel kan een tool-aanroep of een feit verzinnen. Valideer de invoer en uitvoer van tools in plaats van ze blind te vertrouwen.
• Kosten en op hol geslagen loops. Een agent kan blijven herhalen of dure API's vaker aanroepen dan verwacht. Budgetten, stapslimieten en time-outs zijn niet optioneel.

De standaardmaatregel is menselijk toezicht bij alles wat onomkeerbaar is: de agent bereidt de actie voor — de betaling, de e-mail, de verwijdering — en een mens keurt die goed. U logt elke stap, zodat de run controleerbaar is, en u begint met een smal proces met lage inzet voordat u de reikwijdte verbreedt. Niets hiervan is nieuw; het is gewone operationele discipline, toegepast op een nieuw soort medewerker.

Er is ook een regelgevende kant. Onder de EU AI Act kunnen autonome systemen die ingrijpende beslissingen nemen of mede bepalen, in hogere risicocategorieen vallen, met verplichtingen rond documentatie, transparantie en menselijk toezicht. Raakt uw agent werving, krediet, zorg of andere gevoelige terreinen, neem compliance dan vanaf het ontwerp mee — onze notitie over EU AI Act-compliance in Nederland is een goed beginpunt.

Bij Crux Digits behandelen we toezicht op agents als onderdeel van de bouw, niet als sluitstuk — afgebakende rechten, goedkeuringspoorten en logging vanaf dag een ontworpen. Twijfelt u of uw volgende project een generatieve tool of een echte agent moet worden, dan is dat precies het soort beslissing dat een kort gratis adviesgesprek bedoeld is te beslechten, voordat u zich aan een bouw verbindt.

Veelgestelde vragen