De nieuwste ontwikkelingen in AI transformeren de manier waarop we werken, van reactieve assistentie naar proactieve samenwerking. De technologie achter deze evolutie, Retrieval-Augmented Generation (RAG), stelt AI in staat om niet alleen informatie op te halen, maar ook zelfstandig te redeneren en beslissingen te nemen. Dit resulteert in een nieuwe generatie digitale collega's die taken kunnen uitvoeren, variërend van het plannen van vergaderingen tot het afhandelen van klantvragen, en die organisaties helpen om hun productiviteit te verhogen met wel 20%. De mogelijkheden zijn enorm, vooral in sectoren zoals de zorg en het onderwijs, waar personeelstekorten een grote uitdaging vormen.
Voor organisaties is het essentieel om deze technologieën strategisch in te zetten. RAG-assistenten en agents bieden directe voordelen, zoals snellere toegang tot informatie en verbeterde ondersteuning in HR-processen, juridische compliance en klantenservice. Dit rapport richt zich op leidinggevenden en besluitvormers die de potentie van AI willen benutten om hun teams te versterken en de kwaliteit van werk te verbeteren. Door te investeren in goed doordachte AI-architecturen en te zorgen voor datakwaliteit en governance, kunnen organisaties niet alleen hun efficiëntie verhogen, maar ook een cultuur van samenwerking tussen mens en machine creëren, wat de toekomst van werk vormgeeft.
De eerste generatie AI op de werkplek was reactief: een medewerker stelde een vraag, en de AI gaf een antwoord. Die fase is voorbij. De nieuwe generatie AI-assistenten en agents werkt proactief: ze signaleren, handelen, leren van organisatiespecifieke kennis en werken zelfstandig samen met andere systemen om taken af te ronden. De technologie die deze sprong mogelijk maakt heet Retrieval-Augmented Generation (RAG) — en ze vormt de basis voor een nieuwe klasse van digitale collega's die de manier van werken fundamenteel veranderen. Dit derde artikel in de serie over AI in organisaties bespreekt hoe RAG-assistenten en agents werken, welke toepassingen nu al waarde leveren, en hoe organisaties dit slim kunnen inzetten.
Hoe RAG-gebaseerde AI-assistenten en autonome agents werk ondersteunen, ontwikkeling versnellen en productiviteit verhogen
Van chatbot naar kennisassistent: wat is RAG?
Traditionele AI-taalmodellen werken op basis van algemene trainingsdata. Ze weten veel, maar kennen uw organisatie niet: uw interne procedures, uw klantdossiers, uw kennisbank, uw specifieke terminologie. Dat maakt ze beperkt bruikbaar voor dagelijkse kenniswerktaken.
Retrieval-Augmented Generation (RAG) lost dit op. Bij een RAG-systeem wordt het taalmodel gekoppeld aan een eigen kennisbron — een database, documentenopslag of intranet — en haalt het relevante informatie op vóórdat het een antwoord formuleert. Het model 'zoekt' als het ware eerst in de eigen organisatiedata, en gebruikt die context om een accuraat, situatiespecifiek antwoord te geven. Dat maakt de output veel relevanter, betrouwbaarder en inzetbaar voor werkspecifieke vragen.
Salesforce omschrijft agentische RAG als een systeem dat niet alleen ophaalt en genereert, maar ook redeneert, beslist en meerstapstaken uitvoert. In tegenstelling tot eenvoudige automatisering zijn RAG-agents niet gebonden aan vaste scripts — ze kunnen zelfstandig bepalen hoe een taak het beste wordt aangepakt, en indien nodig samenwerken met andere agents of systemen.
AI-agents: van taakondersteuning naar autonoom handelen
De volgende stap na de RAG-assistent is de AI-agent. Waar een assistent antwoorden geeft op vragen, neemt een agent actie: hij plant vergaderingen, verwerkt documenten, stuurt e-mails, vult formulieren in of haalt data op uit externe systemen — zelfstandig, binnen vooraf gestelde kaders.
IDC voorspelt dat er in 2028 wereldwijd meer dan 1,3 miljard AI-agents actief zullen zijn. Microsoft's Work Trend Index 2025 rapporteert dat 76% van de Nederlandse leiders verwacht AI-agents in te zetten om de capaciteit van hun teams te vergroten. BCG berekende dat generatieve AI — en agents in het bijzonder — een productiviteitssprong van tot 20% kan realiseren, juist in sectoren die kampen met personeelstekorten, zoals de publieke sector, zorg en onderwijs.
Agents onderscheiden zich op meerdere vlakken van traditionele automatisering. Ze redeneren over context, passen zich aan veranderende situaties aan, en kunnen samenwerken met andere agents in zogenoemde 'multi-agent systemen.' Dat maakt complexere, meerstapsprocessen mogelijk — processen die tot voor kort alleen door mensen konden worden uitgevoerd.
Toepassingen die nu al waarde leveren
Kennisbeheer en interne informatieverstrekking
Een RAG-assistent gekoppeld aan interne documentatie, beleidsstukken en kennisbases beantwoordt vragen van medewerkers direct en accuraat — zonder wachten op een collega of eindeloos zoeken in mappen. Dit is bijzonder waardevol in grote of gedecentraliseerde organisaties waar kennis verspreid is over afdelingen en systemen. Uit onderzoek van het Upwork Research Institute (2024) rapporteren medewerkers die AI gebruiken gemiddeld 40% hogere productiviteit. Een significant deel daarvan is toe te schrijven aan snellere informatietoegankelijkheid.
HR en medewerkerondersteuning
AI-agents ondersteunen HR-teams bij het screenen van cv's, plannen van gesprekken en beantwoorden van veelgestelde vragen van medewerkers. Agentische RAG maakt het bovendien mogelijk om onboardingprocessen te personaliseren: nieuwe medewerkers krijgen relevante informatie aangeboden op het moment dat ze die nodig hebben, gebaseerd op hun rol, locatie en ervaringsniveau.
Juridische en compliance-ondersteuning
RAG-systemen zijn bijzonder krachtig in omgevingen met veel documentatie en regelgeving. Juristen en compliance-officers gebruiken RAG-assistenten om snel relevante bepalingen, jurisprudentie of interne richtlijnen op te zoeken, samen te vatten en te vergelijken. Harvard, MIT en BCG toonden aan dat consultants met AI vergelijkbare taken tot 25% sneller afrondden, én met hogere kwaliteit.
Klantenservice en -communicatie
Agentische AI kan klantvragen zelfstandig afhandelen, routeren of voorbereiden voor menselijke medewerkers. McKinsey's State of AI 2025 rapporteert dat AI de klanttevredenheid met tot 45% kan verbeteren in goed ingerichte klantenserviceomgevingen. Klanten krijgen sneller, consistenter en persoonlijker antwoord — dag en nacht.
Wetenschappelijk onderzoek en kennisanalyse
In onderzoeksomgevingen helpt agentische RAG bij literatuuronderzoek, data-analyse en het genereren van hypothesen. Het Moderna-voorbeeld illustreert de potentie: met AI-ondersteuning kon het farmaceutisch bedrijf binnen 63 dagen een werkend COVID-19-vaccin ontwikkelen, wat hen een cruciale voorsprong gaf.
Multi-agent systemen: de volgende grens
De meest geavanceerde AI-toepassingen van dit moment zijn systemen waarbij meerdere agents samenwerken. Denk aan een 'orkestrerende' agent die een taak ontvangt — bijvoorbeeld het opstellen van een marktanalyse — en vervolgens subtaken uitbesteedt aan gespecialiseerde agents: één haalt data op, één schrijft, één toetst de output aan interne richtlijnen, één formateert het eindresultaat.
Dit maakt processen mogelijk die voorheen weken duurden, maar nu in uren of zelfs minuten kunnen worden afgerond. Het vraagt wel om zorgvuldige inrichting: duidelijke kaders waarbinnen agents mogen handelen, menselijk toezicht op kritieke beslissingen, en robuuste datakwaliteit als brandstof voor de agents. Salesforce benadrukt dat agentische RAG-systemen afhankelijk zijn van data van hoge kwaliteit; gebrekkige datasets ondermijnen betrouwbaarheid en prestaties.
Proactieve ontwikkelingsondersteuning: AI als leerpartner
Naast productiviteitsondersteuning ontwikkelen organisaties RAG-assistenten die proactief bijdragen aan de leer- en ontwikkeling van medewerkers. Een AI-leerpartner kan op basis van de functie, huidige projecten en leerhistorie van een medewerker gepersonaliseerde leercontent aanbieden, relevante trainingen suggereren en reflectievragen stellen na afloop van een project.
De SER constateerde in haar advies AI en Werk (mei 2025) dat AI grote kansen biedt voor productiviteitsgroei — maar dat de kwaliteit van werk en de inzetbaarheid van medewerkers daarbij actief geborgd moet worden. AI-gestuurde ontwikkelingsondersteuning is een van de manieren waarop organisaties beide ambities kunnen combineren: hogere productiviteit én betere werkervaring.
Randvoorwaarden voor succesvolle inzet
RAG-assistenten en agents zijn krachtige instrumenten, maar geen toverstokken. Succesvolle inzet staat of valt met een aantal randvoorwaarden. Datakwaliteit is cruciaal: agents zijn zo goed als de data waarop ze draaien. Verouderde, incomplete of slecht gestructureerde kennisbases produceren onbetrouwbare antwoorden. Governance bepaalt wie beslist welke agents welke acties mogen ondernemen en welke handelingen menselijke goedkeuring vereisen.
Transparantie ('explainability') is zowel een ethische als wettelijke vereiste onder de EU AI Act. En adoptie en vertrouwen zijn bepalend: technisch perfecte agents zijn waardeloos als medewerkers ze niet gebruiken. Communicatie, training en betrokkenheid bij de inrichting van AI-agents zijn kritische succesfactoren.
Conclusie: de toekomst van werk is collaboratief
RAG-gebaseerde AI-assistenten en autonome agents markeren een nieuw tijdperk van menselijk-digitale samenwerking. Niet de vervanging van mensen door machines, maar de versterking van mensen door slimme, proactieve digitale collega's die kennisintensief, repetitief of informatieverwerkend werk overnemen — zodat mensen zich kunnen richten op wat hen onderscheidt: oordeel, relatie en creativiteit.
Organisaties die nu investeren in goed doordachte RAG- en agent-architecturen — op een fundament van visie, governance en datakwaliteit — positioneren zichzelf als koplopers in de volgende fase van AI-inzet. De drie artikelen in deze serie bieden samen een leidraad: 1.) zorg eerst voor
de basis, 2.)
meet vervolgens de voortgang, en 3.) benut dan de kracht van proactieve AI-agents om werk fundamenteel beter te maken.
Bronnen en inspiratie
- McKinsey & Company (2025). The State of AI 2025. https://www.mckinsey.com/capabilities/quantumblack/our-insights/the-state-of-ai
- Microsoft (2025). Work Trend Index 2025. https://news.microsoft.com/source/emea/2025/06/de-toekomst-van-werk-productiever-door-samenwerking-met-ai-agents/
- SER (2025). Advies 25/03: AI en Werk. https://www.ser.nl/-/media/ser/downloads/adviezen/2025/ai-en-werk.pdf
- Salesforce (2025). Wat is agentische RAG? https://www.salesforce.com/nl/agentforce/agentic-rag/
- Upwork Research Institute (2024). AI and Productivity Report. https://www.so-mc.nl/ai-wiki/hoe-kan-ik-mijn-productiviteit-verhogen-met-ai/