AI-agents voor marketeers: een hype of realiteit?

AI-agents voor marketeers: een hype of realiteit?

Zie je het al voor je? Je drukt op één knop en je wekelijkse rapportages, social posts én campagne-optimalisaties worden automatisch geregeld. Klinkt als de ultieme droom van een marketeer? AI-agents maken dit nu al mogelijk. Maar werkt het écht? Tijd om door de hype heen te prikken en te ontdekken wat jij als marketeer vandaag al kunt doen.

De harde cijfers: wat AI-agents wél en niet kunnen in 2025

AI-agents zijn digitale assistenten die zelf taken uitvoeren. Ze reageren niet alleen op opdrachten, maar plannen ook zelf stappen en voeren acties uit om een doel te bereiken. Zie het als een virtuele collega: jij geeft de opdracht, de agent regelt de rest. In de beste gevallen werken ze (semi)zelfstandig en lossen ze onderweg ook obstakels en problemen op. Dat is iets heel anders dan een standaard (AI-gedreven) automation flow, waarbij elke stap en aftakkingen van tevoren vastliggen.

Hoe betrouwbaar zijn AI-agents voor jouw marketingdoelen?

De buzz begon een tijd geleden met tools als AutoGPT en BabyAGI. Die gingen razendsnel rond dankzij beloftes van slimme AI’s die je agenda beheren of zelfs een bedrijf draaiende houden, helemaal zonder mensen. Niet gek dat experts riepen: dit gaat ons werk compleet veranderen.

Toch blijken AI-agents in de praktijk nog behoorlijk beperkt. Uit het METR-onderzoek (Model Evaluation and Testing for Reliability) blijkt dat de slimste AI-agents van nu bijna 100% succes hebben bij hele korte taken. Maar zodra een klus meer dan vier uur menselijk werk vraagt, daalt dat succes naar minder dan 10%.

Een simpele taak? Geen probleem. Maar bij langdurige, complexe projecten raken AI-agents nog snel het spoor bijster. Die flitsende demo’s op social media? Vaak bleek het gewoon show: zorgvuldig gescript of achteraf bijgestuurd door een mens.

Daar komt bij: generatieve AI maakt nog regelmatig fouten, verzint soms feiten en mist gezond verstand. Kort gezegd: we zijn er nog lang niet.

Langere taken zelfstandig uitvoeren

Volgens onderzoek van METR kunnen AI-systemen steeds langere taken zelfstandig uitvoeren en dat gaat hard. Elke zeven maanden verdubbelt de lengte van een taak die ze met 50% succes afronden. Wat opvalt: die groei blijft verrassend stabiel. Zelfs als de metingen tot een factor tien afwijken, schuift de voorspelling maar zo’n twee jaar op. In de grafiek hieronder zie je hoe dat eruitziet.

Waarom je AI-agent (nog) geen Einstein is en waarom dat oké is

Waarom begrijpen AI-agents simpele taken wél, maar lopen ze vast in complexere situaties?

Volgens AI-wetenschapper Yann LeCun (hoofd AI bij Meta) is dat simpel: AI’s zijn briljant in het herkennen van patronen en het maken van teksten, maar ze snappen de wereld niet écht. Ze weten niet wat oorzaak en gevolg is. Een AI-agent weet statistisch gezien welke woorden of acties vaak op elkaar volgen, maar begrijpt niet waaróm iets gebeurt (causaliteitsbegrip).

Dus… moet je AI-agents dan maar links laten liggen? Zeker niet. Het gaat erom dat je weet wat ze kunnen en hoe jij daar slim op inspeelt.

Juist door de beperkingen te begrijpen, kun je AI-agents realistisch inzetten waar ze nu al uitblinken: bij gestructureerde, repetitieve marketingtaken zoals:

• Campagnedata analyseren en rapporteren
• Contentideeën genereren en eerste concepten schrijven
• A/B-tests opzetten en interpreteren
• Socialmedia-posts plannen en voorbereiden
• Basis e-mailmarketing automatiseren

We are now confident we know how to build AGI as we have traditionally understood it. We believe that, in 2025, we may see the first AI agents ‘join the workforce’ and materially change the output of companies. – Sam Altman, CEO OpenAI

Zoals de quote hierboven al aanstipt: OpenAI staat op het punt een doorbraak aan te kondigen die ons een stap dichter bij AGI brengt. Dit heeft invloed op agents, interfaces en heeft ook impact op marketing en marketeers.

Slimme systemen, grote gevolgen: zo veranderen MCP en A2A het spel voor marketeers

Droom even mee: AI-agents die samenwerken als een goed afgestemd team. Iedere agent met zijn eigen specialiteit, die elkaar versterken en sneller laten werken. Twee technologische ontwikkelingen maken dit mogelijk: het Model Context Protocol (MCP) en het Agent-2-Agent protocol (A2A).

Deze innovaties, waaronder andere Google en Anthropic flink in investeren, geven AI-agents meer overzicht, flexibiliteit en samenwerking.

MCP: het Zwitsers zakmes van je AI

Het Model Context Protocol (MCP) is een open standaard die AI-agents toegang geeft tot tools, externe data en context. Je kunt MCP zien als een slim plugin-systeem voor je AI.

Hoe verschilt MCP van een gewone API?

Een traditionele API werkt simpel: jij vertelt precies wat de AI moet doen. Welke gegevens hij moet ophalen, welke functie hij moet gebruiken, en hoe hij het moet verwerken.

Het is eenrichtingsverkeer: jij stuurt, de AI voert uit. MCP pakt het slimmer aan. Dankzij deze technologie snapt de AI zelf welke tools en data beschikbaar zijn. Hij kiest zelf de handigste route om een taak uit te voeren. Zie het als een Zwitsers zakmes: de AI klapt het open, bekijkt wat erin zit, en kiest precies wat hij nodig heeft.

Wat betekent dit voor jou?

Je hoeft niet meer alles vooraf te programmeren. De AI schakelt zelf tussen databronnen, functies en acties. Hij past zich aan, afhankelijk van de situatie.
Een praktisch voorbeeld: een klant stelt een vraag via je website. Met een gewone API moet je alle stappen koppelen: klantgegevens ophalen, zoeken in de FAQ en een antwoord tonen. Met MCP herkent de AI zelf wat nodig is. Hij checkt de klantdata, zoekt in de juiste bron, en geeft een passend antwoord. Jij hoeft daar niks voor te regelen.

Met MCP kun je een agent veilig verbinden met bijvoorbeeld:

• Je Google Analytics
• Je CRM
• Je e-mailmarketingtool
• Je socialmedia-accounts
• Je CMS (content management systeem)
• Etcetera, etcetera…

Zo word je agent direct een stuk nuttiger voor praktische marketingtaken. Hij weet dan niet alleen wát hij moet doen, maar ook wáár hij de juiste data vandaan haalt.
Kort samengevat: een API is gereedschap. Een MCP weet welk gereedschap je wannéér nodig hebt.

A2A: laat AI-agents met elkaar praten

Google lanceerde onlangs het Agent-2-Agent protocol (A2A). Daarmee kunnen AI’s direct met elkaar praten, informatie delen en samen taken uitvoeren. Zonder tussenkomst van een mens.
Een voorbeeld: een marketing-AI vraagt een design-AI om een visual te maken. Of een sales-AI schakelt automatisch hulp in van een data-AI om klantinzichten op te halen.

Meer dan 50 tech- en consultancybedrijven steunen dit initiatief, waaronder Paypal, Salesforce, SAP, Deloitte en KPMG. Voor jou als marketeer betekent dit: AI’s die beter samenwerken, zelfstandig schakelen tussen systemen en jou werk uit handen nemen. Jij regelt minder, terwijl er méér gebeurt.