Op elke SaaS-roadmap staat in 2026 een regel met het woord ‘agent’. Klanten vragen erom, concurrenten kondigen het aan en investeerders willen het horen. Toch gaan de meeste agentic functies live als demo en sneuvelen ze daarna stilletjes in productie: ze zijn traag, vergissen zich vol overtuiging, kosten meer dan het abonnement waarin ze zitten, of doen iets wat geen gebruiker heeft goedgekeurd.
Dit artikel is voor founders, CTO’s en productleiders die agentic functies willen die echte klanten overleven. We behandelen vijf beproefde patronen, de architectuur erachter, unit economics en pricing, compliance en de valkuilen die we het vaakst zien.
Waarom de druk echt is, en waarom zoveel projecten mislukken
Het geld beweegt. Gartner verwacht dat de uitgaven aan agentic mogelijkheden binnen software in 2026 oplopen tot $201,9 miljard en in 2028 meer dan de helft van de uitgaven aan applicatiesoftware uitmaken (Software Strategies). Investeerders financieren de these dat AI budget wegtrekt bij klassieke software: Ema haalde met precies dat argument $77 miljoen op (TechCrunch).
Het faalpercentage is net zo echt. Gartner voorspelt dat meer dan 40% van de agentic-AI-projecten eind 2027 is stopgezet en schat dat slechts zo’n 130 van de duizenden leveranciers die zich agentic noemen echte agentfunctionaliteit bieden (Gartner). Volgens Menlo Ventures is maar 16% van de implementaties bij grote bedrijven een echte agent (Menlo Ventures). In de LangChain-enquête is kwaliteit voor 32% van de teams de grootste drempel naar productie en latentie de tweede, voor zo’n 20% (State of Agent Engineering).
De les is niet dat u agents moet vermijden. De les is dat u het juiste patroon voor de taak kiest en het engineert zoals elk ander productiesysteem.
Vijf patronen, van veiligst tot meest ambitieus
| Patroon | Wat de gebruiker ervaart | Risico | Typische inspanning |
|---|---|---|---|
| 1. Contextuele assistent | Stelt in het product vragen over eigen data en uw documentatie | Laag: alleen lezen | Weken |
| 2. Concepten en suggesties | AI schrijft een concept van rapport, mail, configuratie of record; gebruiker past aan en slaat op | Laag tot middel | Weken |
| 3. Acties met bevestiging | ‘Maak facturen voor alle achterstallige projecten’: de agent toont een preview, de gebruiker bevestigt | Middel | 1–2 maanden |
| 4. Achtergrondagents | Taken in meerdere stappen die asynchroon lopen, met goedkeuringsmomenten voor risicovolle stappen | Hoog | 2–4 maanden |
| 5. Product als tool voor externe agents | Uw product via een MCP-server beschikbaar voor ChatGPT, Claude of eigen agents van klanten | Middel, afhankelijk van scopes | Weken tot maanden |
1. Contextuele assistent
De veiligste start: het model mag lezen wat de gebruiker mag lezen, en niets meer. Het beantwoordt vragen als ‘waarom daalde de omzet in maart?’ of ‘hoe stel ik SSO in?’ vanuit uw data en documentatie. Analyse en rapportage zijn het terrein waar teams agents het best zien werken: 60% noemt dat de meest effectieve toepassing, 41% kennisbeheer (Anthropic).
2. Concepten en suggesties
Het model maakt een eerste versie die van de gebruiker is: een projectplan, een supportantwoord, een dashboard, een set automatiseringsregels. De gebruiker houdt de regie, de functie voelt magisch en fouten zijn goedkoop, want zonder klik gebeurt er niets.
3. Acties met bevestiging
Het model vertaalt een intentie naar API-aanroepen en laat precies zien wat er gaat veranderen voordat er iets gebeurt. Hier begint de echte agentic waarde, en hier hebt u een degelijke toollaag, rechten en idempotente operaties nodig. Bulkacties verdienen een proefrun en een ongedaanmaken-knop.
4. Achtergrondagents
Langlopend werk in meerdere stappen: records afstemmen, een wachtrij elk uur sorteren, het rooster van volgende week voorbereiden. Volgens KPMG heeft 49% van de grote bedrijven expliciet vastgelegd in welke scenario’s een agent niet zelfstandig mag beslissen (KPMG). Uw product zou die grenzen door de klant laten instellen.
5. Uw product als tool voor andere agents
Het Model Context Protocol is de standaard geworden waarmee agents software gebruiken. Het ging in december 2025 naar de Agentic AI Foundation onder de Linux Foundation, de specificatie van 28-07-2026 stapte over op een stateless kern, en er zijn meer dan 10.000 openbare MCP-servers (MCP-blog, AAIF). Het agent-tot-agentprotocol A2A bereikte versie 1.0 met steun van meer dan 150 organisaties (analyse). Voor B2B-producten wordt een MCP-server een integratie die klanten verwachten, zoals tien jaar geleden een API. Het beveiligingsmodel leggen we uit in MCP uitgelegd: AI-agents veilig koppelen aan uw systemen.
Architectuur die productie overleeft
Tools volgen uw API, niet uw database. Elke actie die de agent kan uitvoeren, hoort een bestaand, getest endpoint te zijn met validatie, rate limits en auditlogs. Heeft de agent iets nodig wat de API niet kan, breid dan de API uit.
De agent handelt met de rechten van de gebruiker. Gebruik het token en de rol van de gebruiker, beperkt tot de tenant. Geef de agent nooit een serviceaccount met beheerdersrechten ‘om het werkend te krijgen’. Alleen al die regel voorkomt de meeste enge incidenten.
Behandel alle content als onbetrouwbaar. Supporttickets, mails, documenten en webpagina’s die de agent leest, kunnen instructies van een aanvaller bevatten. Prompt injection is niet opgelost; OpenAI erkent dat het misschien nooit volledig uit te bannen is (analyse). Verdedig u met smalle tools, bevestiging bij risicovolle acties en een scheiding tussen lezen en handelen. Details in Prompt injection en agentbeveiliging.
Een gateway tussen product en modellen. Stuur eenvoudige taken naar goedkope modellen en zwaar redeneerwerk naar sterke, handhaaf budgetten per tenant en voeg fallbacks toe als een aanbieder traag is of uitvalt.
Evals en observability vanaf dag één. Trace elke run: prompt, opgehaalde context, toolaanroepen, kosten en latentie. Langfuse of Helicone, Sentry en PostHog komen in goed gebouwde stacks veel voor (HouseofMVPs). Houd een testset met echte taken bij en draai die opnieuw bij elke wijziging van prompt of model. Zie Evals: AI-kwaliteit meten voor en na de lancering.
Ontwerp voor latentie. Stream tussenresultaten, laat zien wat de agent aan het doen is, verplaats trage stappen naar de achtergrond. Gebruikers vergeven wachten als ze voortgang zien; een bevroren laadicoon vergeven ze niet.
Bouwen of kopen, component voor component
De vraag is zelden ‘agent bouwen of kopen’. De vraag is welke lagen standaard zijn en welke uw product vormen.
| Laag | Meestal kopen of open source | Meestal zelf bouwen |
|---|---|---|
| Modellen | Gehoste frontiermodellen, open-weightmodellen voor gevoelige tenants | Routeringsregels en fallbacks voor uw workloads |
| Tracing- en eval-tools | Langfuse, Helicone of vergelijkbaar | Uw testsets, beoordelingsrubrics en releasecriteria |
| Vectorzoeken | Beheerde vectordatabase of Postgres-extensie | Chunking, rechtenfilters en tenantscheiding |
| Tools | Niets: dat is uw API | Tooldefinities, validatie, previews en ongedaan maken |
| Agentlus | Een framework, zolang het niet in de weg zit | Domeinlogica, goedkeuringsmomenten, limieten per abonnement |
| MCP-server | SDK’s uit het protocol-ecosysteem | Scopes, authenticatie en welke acties u openstelt |
Checklist voor rechten voordat een actie live gaat
- De agent gebruikt het token en de tenantscope van de ingelogde gebruiker.
- Elke tool heeft een expliciete toestaanlijst per rol en per abonnement.
- Destructieve en bulkacties vragen om bevestiging en ondersteunen ongedaan maken of een proefrun.
- Beheerders kunnen agentacties per workspace uitzetten en een volledig auditlog inzien.
- Rate limits en uitgavenplafonds gelden per gebruiker en per tenant.
- Content die de agent leest, wordt nooit behandeld als opdracht om een tool aan te roepen.
Unit economics en pricing
AI-functies veranderen de economie van SaaS. Volgens data van Bessemer draaien AI-bedrijven op 50–60% brutomarge tegenover 80–90% bij klassieke SaaS, terwijl ICONIQ een verbetering van AI-marges van 41% naar 52% meldt (SaaS Mag). Op schaal verbruikt een gemiddelde agent $50–500 per maand aan modelaanroepen (Lets-Viz). Vermenigvuldig dat met het aantal actieve klanten voordat u ‘onbeperkt AI’ belooft.
| Prijsmodel | Voorbeeld uit de markt | Past wanneer |
|---|---|---|
| Add-on per gebruiker | Agentforce-add-ons van Salesforce voor $125 per gebruiker per maand | Gebruik per gebruiker voorspelbaar is |
| Per actie | Agentforce voor $0,10 per actie | Acties afgebakend en vergelijkbaar zijn |
| Per gesprek | Agentforce voor $2 per gesprek | Gesprekken ongeveer even lang zijn |
| Per resultaat | Intercom Fin $0,99 per oplossing; HubSpot $0,50 per opgelost gesprek; Zendesk $1,50–2,00 per automatische oplossing | Het resultaat helder gedefinieerd en controleerbaar is |
| Credits | Microsoft Copilot Studio voor $200 per 25.000 credits | Functies met verschillende kosten door elkaar lopen |
Bronnen: Salesforce, Intercom Fin, Resolve247 over HubSpot, Macha over Zendesk, CloudZero.
Kopers hebben geleerd naar kosten te vragen: 74% van de grote bedrijven neemt een kostentoets op in de goedkeuring van AI en 43% heeft tokenbudgetten (KPMG). Gebruiksdashboards en uitgavenlimieten voor beheerders zijn functies die deals sluiten. Meer over resultaatgerichte prijzen leest u in Resultaatgerichte prijsmodellen voor AI.
Compliance waar uw klanten naar gaan vragen
- Melding. Volgens artikel 50 van de AI-verordening moeten gebruikers sinds 2 augustus 2026 weten dat ze met AI communiceren.
- Hoog-risicogebruik door uw klanten. Wordt uw product ingezet voor werving, kredietbeoordeling of onderwijsbeslissingen, dan vallen die toepassingen onder bijlage III, met verplichtingen vanaf 2 december 2027. Reken op vragen van klanten naar documentatie, logging en functies voor menselijk toezicht.
- AVG. Elke modelaanbieder is een subverwerker. Publiceer de lijst, sluit verwerkersovereenkomsten en bied waar mogelijk verwerking in de EU.
- Soevereiniteit. In Europa let 77% van de bedrijven op het land van herkomst van een AI-leverancier en maakt 66% zich zorgen over afhankelijkheid van buitenlandse AI (Deloitte via DEV Community). Modelkeuze per tenant kan een verkoopargument zijn, zeker richting overheid en zorg.
Een roadmap van 6–10 weken
- Week 1: kies de taak. Doorzoek supporttickets en gebruiksdata op terugkerende taken in meerdere stappen waar gebruikers een hekel aan hebben. Kies er één met een meetbare uitkomst, zoals de tijd tot een afgeronde inrichting, het aantal klikken voor een maandrapport of tickets over een onduidelijke functie.
- Weken 2–3: bouw patroon 1 of 2 voor precies die taak, met tracing, kostenregistratie en een testset van 50–100 echte taken.
- Weken 4–5: bèta met designpartners. Vijf tot tien klanten, wekelijks mislukte runs analyseren, prompts en tools bijstellen.
- Weken 6–7: voeg acties met bevestiging toe voor de stappen die gebruikers het vaakst goedkeuren.
- Weken 8–10: pricing en limieten. Kies de afrekeneenheid, stel plafonds in en lanceer publiek met gebruiksdashboards. Plan de MCP-server als volgende stap.
Veelgemaakte fouten
- Een ‘agent’ uitbrengen die eigenlijk een omgedoopte chatbot is. Gebruikers merken het. Begin bij de taak, niet bij het model.
- Beheerdersrechten voor de agent. Eén prompt injection verwijderd van een datalek.
- Geen evalset. Zonder testset is elke modelupdate een gok.
- Onbeperkt AI in een vast abonnement. Een paar zware gebruikers kunnen de marge wegvagen.
- Door AI geschreven code voor productiecode aanzien. In één onderzoek waren ervaren ontwikkelaars met AI 19% trager, terwijl ze dachten 20% sneller te zijn (METR), en 19,7% van de pakketten die modellen voorstelden bestond niet (Cloud Security Alliance). Code review wordt belangrijker, niet minder belangrijk.
- Latentie negeren. Een correct antwoord na 20 seconden voelt kapot.
Conclusie
Agentic functies kunnen een SaaS-product veel waardevoller maken, maar alleen als ze worden gebouwd als infrastructuur: smalle tools op uw API, de rechten van de gebruiker zelf, evals en tracing vanaf de eerste release, duidelijke kostenlimieten en pricing die de marge beschermt. Begin met lezende en conceptpatronen, verdien vertrouwen en voeg dan acties, achtergrondagents en een MCP-server toe.
Ons team Build levert agentic functies in bestaande producten, ons team Systems zorgt voor gateways, MCP-servers en observability. Plan een gratis audit van 15 minuten en wij helpen u de eerste agentic functie te kiezen met de beste verhouding tussen gebruikerswaarde en risico.