AI, RAG, AI Agents en Agentic AI: zo werken ze samen in de volgende generatie intelligente systemen
AI, RAG, AI Agents en Agentic AI: zo werken ze samen in de volgende generatie intelligente systemen
Wat is AI?
Artificial Intelligence (AI) is het brede vakgebied waarin systemen worden ontworpen die taken uitvoeren waarvoor normaal menselijke intelligentie nodig is, zoals waarnemen, redeneren, leren en beslissen. Binnen AI onderscheiden we onder meer machine learning, deep learning en large language models (LLM’s) die tekst, beeld en code kunnen genereren. Moderne generatieve AI combineert statistische patronen uit enorme datasets met neurale netwerken om nieuwe, plausibele output te maken in plaats van alleen bestaande patronen te herkennen.
In organisaties vormt AI de “breinlaag”: modellen die voorspellen, classificeren of genereren, vaak verpakt in API’s of diensten waarop applicaties en workflows worden gebouwd. AI op zichzelf regelt nog geen proceslogica, taakverdeling of autonoom handelen; daarvoor zijn aanvullende concepten zoals RAG en AI‑agents nodig.
Wat is Retrieval-Augmented Generation (RAG)?
Retrieval-Augmented Generation (RAG) is een architectuur waarbij een LLM tijdens het genereren van antwoorden relevante documenten ophaalt uit een externe kennisbron (zoals een vectordatabase) en deze context gebruikt om accuratere, beter onderbouwde output te produceren. Het proces kent grofweg drie stappen: retrieval (documenten zoeken bij de vraag), augmentation (de gevonden context toevoegen aan de prompt) en generation (de LLM die op basis hiervan een antwoord formuleert).
RAG vermindert hallucinerende antwoorden, maakt domeinspecifieke kennis inzetbaar zonder het model opnieuw te trainen en houdt informatie up‑to‑date doordat de kennislaag buiten het model ligt. Recente surveys laten zien dat RAG uitgroeit tot een dominante benadering voor kennisintensieve taken, met varianten als “advanced” en “modular” RAG die meerdere retrievers, iteratieve retrieval en gespecialiseerde evaluatiemodules combineren.
Wat zijn AI Agents?
Een AI‑agent is een software‑entiteit die zijn omgeving waarneemt, doelen nastreeft, beslissingen neemt en acties uitvoert, vaak met behulp van LLM’s of andere AI‑modellen. Waar een “gewone” LLM vooral reageert op prompts, kan een agent zelf plannen maken, tools of API’s aanroepen, geheugen bijhouden en in een lus meerdere stappen zetten om een resultaat te bereiken.
In multi‑agent systemen werken meerdere gespecialiseerde agents samen: sommige plannen, andere analyseren data, weer andere voeren transacties uit of communiceren met gebruikers. Deze systemen bieden voordelen bij complexe problemen doordat taken worden opgesplitst, parallel kunnen worden uitgevoerd en beslissingen via coördinatie tot stand komen, maar ze brengen ook uitdagingen rond orkestratie, schaalbaarheid en veiligheid met zich mee.
Wat is Agentic AI?
Agentic AI verwijst naar AI‑systemen die niet alleen antwoorden genereren, maar autonoom, doelgericht en contextbewust handelen via agentic workflows. In een agentic workflow beheren AI‑agents zelf de uitvoering, coördinatie en aanpassing van taken binnen een proces, waarbij zij in realtime beslissingen nemen op basis van regels, data en feedback uit de omgeving.
Kenmerkend voor Agentic AI zijn autonomie (minder continue menselijke supervisie), doeloriëntatie (werken naar expliciete doelen), contextbewustzijn (omgaan met dynamische omstandigheden) en interactie (communicatie met mensen en andere systemen). Hierdoor verschuift AI van statische, lineaire automatisering naar adaptieve, iteratieve workflows waarin agents plannen, zichzelf corrigeren en samenwerken om bedrijfsprocessen end‑to‑end te ondersteunen.
Hoe verschillen AI, RAG, AI Agents en Agentic AI – en hoe vullen ze elkaar aan?
De begrippen zijn nauw verwant, maar liggen op verschillende lagen: van kerntechnologie (AI) naar architectuur (RAG) en van component (agent) naar complete autonome systemen (Agentic AI). Samen maken zij de stap van “slimme antwoorden” naar “slimme, handelende systemen” die langdurige doelen kunnen realiseren.
Overzicht in één oogopslag
from: Greg Coquillo
Verschillen
- Niveau van abstractie: AI is het overkoepelende onderzoeksveld; RAG is een specifieke architectuur; een AI‑agent is een softwarecomponent; Agentic AI is een systeem‑ en workflowbenadering.
- Mate van autonomie: klassieke AI‑modellen zijn reactief, RAG‑systemen verrijken vooral kennis, agents handelen semi‑autonoom, Agentic AI regelt volledige, adaptieve procesuitvoering met minimale menselijke sturing.
- Focus: RAG richt zich op kenniskwaliteit en context; AI‑agents op taakuitvoering; Agentic AI op coördinatie, besluitvorming en continue verbetering over meerdere stappen en agents heen.
Waar vullen ze elkaar aan?
- AI‑modellen (LLM’s) leveren de generatieve kern die taal begrijpt en produceert; zonder deze kern zouden RAG‑pipelines en agents weinig intelligentie hebben.
- RAG verhoogt de betrouwbaarheid van agents doordat zij hun beslissingen baseren op actuele, herleidbare informatie uit interne kennisbanken, documenten of API’s.
- AI‑agents vormen de uitvoerende laag die plannen maakt, tools aanroept, RAG‑queries doet en acties orkestreert in applicaties, bijvoorbeeld in klantenservice, HR of IT‑operations.
- Agentic AI verbindt dit alles in flexibele workflows waarin meerdere agents samenwerken, feedback verwerken en processen dynamisch aanpassen, wat cruciaal is voor complexe bedrijfs- en kennisdomeinen.
Een concreet voorbeeld is een digitale “AI‑collega” in HR: een LLM met RAG raadpleegt beleidsdocumenten en cao’s, een agent plant vervolgstappen (mails, taken in HR‑systemen), en een Agentic AI‑workflow coördineert meerdere agents (bijvoorbeeld voor recruitment, learning en compliance) over de hele employee journey.
Bronnen
Gao, C. et al. (2023). Retrieval-Augmented Generation for Large Language Models: A Survey (arXiv:2312.10997).
https://arxiv.org/abs/2312.10997
Zhang, Z. et al. (2024). Retrieval Augmented Generation (RAG) and Beyond (arXiv:2409.14924).
https://arxiv.org/abs/2409.14924
PromptingGuide – Retrieval-Augmented Generation (RAG) for LLMs.
https://www.promptingguide.ai/research/rag
Fonzi.ai – What Are Agentic and Multi-Agent AI Systems? (2025).
https://fonzi.ai/blog/agentic-ai-systems
GOV.UK – AI Insights: Agentic Workflow (2025).
https://www.gov.uk/government/publications/ai-insights/ai-insights-agentic-workflow-html