Onze visie
Een gedeelde agent per taak werkt goed voor werk dat elke keer hetzelfde gaat. Lever je maatwerk, voor projecten of oplossingen die per klant anders zijn, dan haal je er hooguit wat tijd mee terug. De winst zit in een agent die jouw klant en jouw manier van werken kent, zodat je elke klant sneller en beter bedient, op het niveau dat jij wilt.
Lees onze stelling
De vraag
Sinds april 2026 hebben de zakelijke abonnementen van ChatGPT agenten voor teams. Je bouwt een agent één keer voor een taak, en het hele team gebruikt dezelfde. Voor werk dat elke keer hetzelfde gaat, is dat een goede vorm. Maar is het ook de juiste vorm voor een bedrijf dat projecten of oplossingen levert die voor elke klant anders zijn? Voor het communicatiebureau, het webbureau, de makelaar, de architect of de adviseur, waar elke klant met een andere vraag komt?
Wij denken van niet. Wie zulk maatwerk levert, wint en houdt klanten met de kennis van de eigen mensen en de geschiedenis van elke klant. Die zit niet in een taak. Wie AI daar inricht als een fabriek, krijgt een fabriek, en verliest juist wat het bedrijf onderscheidt.
Wat er nu verandert
Eurostat 2025, bedrijven met tien of meer werkzame personen. OESO 2025, enquête uit 2024 in zeven landen, zonder Nederland.
Tot voor kort was AI op kantoor vooral een chatvenster. Je stelde een vraag, plakte er een document bij en kreeg een antwoord. Een abonnement per medewerker levert daarmee al winst op, en wie het goed gebruikt, schrijft sneller en zoekt minder. Iedereen gebruikt het alleen op een eigen manier, voor eigen taken, en elke keer begint het gesprek opnieuw.
Met agenten verandert dat. Een agent werkt met je mail, je documenten en je agenda, zoekt erbij wat nodig is en doet een reeks stappen achter elkaar. Pas daarmee neemt AI een heel stuk werk over, en niet één vraag. Wat een agent van een klant weet, hangt wel af van wat er over die klant is vastgelegd. Zonder dossier begint ook een agent elke keer weer bij het zoeken.
Daarmee komt een vraag die er bij een chatvenster niet was. Rond wat richt je die agenten in? OpenAI geeft een duidelijk antwoord. Op de pagina over de workspace agents in ChatGPT staat het zo. "Create an agent once and share it across your workspace so teams follow the same workflows." Je beschrijft de taak, bouwt de agent één keer en deelt die met het team, om "best practices" te standaardiseren. Een intake die altijd dezelfde vragen stelt, wordt daar beter van.
De vraag is niet of AI je werk kan doen. De vraag is rond wat je die AI inricht.
De keuze voor een agent per taak is niet neutraal. Ze gaat ervan uit dat de waarde van het werk in de stappen zit. Bij een deel van de bedrijven klopt dat. Bij een ander deel zit de waarde ergens anders, en over dat deel gaat deze paper.
Twee soorten bedrijven
Sommige bedrijven werken op schaal. Ze leveren hetzelfde aan veel klanten, en hun vakkennis zit in het product en in de vaste stappen. Een kledingketen ontwerpt één jas en verkoopt hem duizend keer. Een fabrikant van televisies maakt een model in serie, met een handleiding en een servicedesk die de bekende storingen kent.
Andere bedrijven werken op maat. Elke klant komt met een wezenlijk andere vraag, en het antwoord ontstaat pas in het werk voor die klant, uit de kennis en het oordeel van de mensen. Een architect ontwerpt voor één gezin één huis. Een communicatiebureau zoekt voor elke opdrachtgever een andere boodschap, een andere doelgroep en een andere vorm. Een webbureau bouwt voor de ene klant een eenvoudige site en voor de andere een omgeving die aan hun hele bedrijf vastzit.
Op schaal
Een reisorganisatie verkoopt dezelfde pakketreis aan duizenden gezinnen. Wie boekt, kiest een datum en een kamer.
Op maat
Een reisspecialist stelt voor één gezin een rondreis door Japan samen, rond hun wensen, hun tempo en wat ze eerder al zagen.
De literatuur kent dit onderscheid al lang. Lampel en Mintzberg beschreven in 1996 vijf treden, "from pure standardization to pure customization". De kleermaker is bij hen het voorbeeld van werk dat op de klant wordt aangepast, de architect die voor één klant een huis ontwerpt het uiterste. Hun belangrijkste punt is dat het geen keuze tussen twee kampen is. "Customization and standardization do not define alternative models of strategic action but, rather, poles of a continuum of real-world strategies." Wij voegen eraan toe dat bijna elk bedrijf van allebei iets doet.
De grens loopt zelfs door één vak heen. Lampel en Mintzberg noemen in de woningbouw de bouwer die een standaardontwerp aanpast aan de wens van de klant, naast de architect die voor één klant ontwerpt. In de webbouw is het de bouwer met vaste pakketten naast het webbureau dat een klantportaal op maat bouwt. Allebei bouwen ze websites, maar ze verdienen hun geld op een andere manier.
Op maat of op schaal is geen eigenschap van je branche. Het is de plek waar jij het verschil maakt.
Daarom deze toets voor je eigen bedrijf. Krijgt je klant iets wat al klaar lag, of iets wat pas ontstond toen die klant kwam? Hoe meer er pas ontstaat in het werk voor die ene klant, hoe meer je op maat werkt.
Waar de waarde zit
Het verschil tussen de twee is niet dat het ene bedrijf kennis heeft en het andere niet. De fabrikant van televisies heeft enorm veel kennis. Het verschil is waar die kennis zit. Op schaal zit ze in het product en de stappen, en daarom kan iedere medewerker iedere klant helpen. Op maat zit ze in de mensen en in de geschiedenis van de klant, en daarom maakt het uit wie de klant helpt.
Op schaal
Een websitebouwer verkoopt vaste pakketten. De klant kiest een sjabloon, levert de teksten aan, en binnen een week staat de site online. Elke medewerker kan elke klant helpen.
Op maat
Een webbureau bouwt voor een groothandel een omgeving waar dealers inloggen, bestellen en hun eigen prijzen zien, gekoppeld aan de voorraad. Wat er precies moet komen, blijkt pas in de gesprekken met die groothandel.
Bij een marketingbureau is het niet anders. Een fabrikant brengt een product op de markt dat er nog niet was, voor een doelgroep die nog niet weet dat ze het nodig heeft. De campagne daarvoor bestaat nog niet. Je gebruikt de kennis van je vak, maar geen twee campagnes zien er hetzelfde uit, want anders doe je je werk niet goed. Bij een makelaar is elk huis anders, met een eigen geschiedenis, een eigen buurt en een verkoper met eigen wensen. Ook als de verkoop snel moet, vraagt elk huis een eigen aanpak.
Stabell en Fjeldstad noemden zulke bedrijven in 1998 een value shop, een bedrijf dat waarde levert "by resolving unique customer problems". In zo'n bedrijf weet meestal één mens hoe het zit met een klant. Die kent de afspraken, de gevoeligheden en de reden waarom het vorige voorstel niet doorging. Die kennis staat zelden ergens netjes beschreven. Ze zit in een hoofd, in een mailbox en in een map vol versies.
Dat merken ondernemers zelf ook. Van de mkb-bedrijven die generatieve AI niet gebruiken, zegt 57 procent in dezelfde enquête dat het niet past bij het soort werk dat ze doen. Dat is de meest genoemde reden, ook in de zakelijke dienstverlening. Wij denken dat het wel past, maar niet in de vorm waarin het nu wordt aangeboden.
Onze stelling
Mintzberg beschreef in 1980 vijf manieren waarop een organisatie haar werk op elkaar afstemt. Twee daarvan staan hier tegenover elkaar. De ene legt de stappen vast, zodat iedereen het op dezelfde manier doet, zoals bij massaproductie. De andere legt de vakkennis vast. Daar hebben de mensen hun vak zo goed geleerd dat niemand ze bij elke stap hoeft te sturen of te controleren. Ze passen hun vak zelf toe op de klant voor hen, en kunnen daardoor, in zijn woorden, "work on their own".
Een agent per taak is AI die de stappen vastlegt. Wie op schaal werkt, richt die één keer in, voor iedereen, en heeft er veel aan. Wie op maat werkt, kan de stappen die ertoe doen niet vastleggen, want ze verschillen per klant en zelfs per specialist die voor die klant werkt. Daar leg je de vakkennis vast, en blijft het werk bij de mens die de klant kent, samen met een agent die het dossier van die klant kent en bijhoudt. Die agent hoef je steeds minder uit te leggen.

Eén agent per taak, voor alle klanten. Zo richt je werk op schaal in.
Eén agent per medewerker per klant, die de gedeelde vakkennis gebruikt. Zo richt je werk op maat in.
Hetzelfde rooster, een kwartslag gedraaid. Links kent elke agent één taak voor iedereen. Rechts kent elke agent één klant, en gebruikt de vakkennis voor offertes, campagnes en rapportages die het hele bedrijf deelt. Werk dat voor iedereen gelijk is, zoals finance of HR, krijgt ook rechts een eigen agent per functie.
Waarom dan niet één agent per klant, die het hele team deelt? Die zou de geschiedenis van de klant ook kennen. Het antwoord zit in drie dingen.
Wie het werk doet, staat in voor wat eruit komt. Een agent die van iedereen is, is van niemand.
Een vakmens houdt klanten vast met een eigen manier van werken, en die verschilt van collega tot collega.
Wat een agent deed, moet voor een mens te volgen blijven, ook als er vijf collega's aan dezelfde klant werken.
Een agent hoort daarom bij een medewerker, die er de eigenaar van is.
Dat betekent niet dat je moet kiezen tussen agenten per taak en agenten per medewerker. Een bedrijf kan prima een agent voor finance en een agent voor HR hebben, naast de agenten van zijn medewerkers. De vraag is waar het werk ligt waarmee je je klanten wint en houdt. Een gedeelde agent per taak is ingericht rond de taak, niet rond deze klant en niet rond deze medewerker. Voor dat werk hoort de agent bij de medewerker.
Het idee is niet nieuw. In 2001 schreven zeventien softwareontwikkelaars het Agile Manifesto, met als eerste waarde "Individuals and interactions over processes and tools". Ze bedoelden niet dat processen en gereedschap waardeloos zijn. Ze zetten de mensen en hun samenwerking op de eerste plaats, en het proces en het gereedschap op de tweede. Wij lezen dat als een regel voor werk dat niet vooraf vast te leggen is, en voor AI in een bedrijf dat op maat werkt, geldt dezelfde volgorde. Eerst de mens die de klant kent, dan de agent die daarbij past.
Een agent die van iedereen is, is van niemand.
Wat het vraagt
Uit die stelling volgen zes keuzes. Ze gaan over de inrichting, niet over één product.
Per klant heeft elke medewerker een eigen agent, en is verantwoordelijk voor wat eruit komt. Bij een webbureau maakt de salesmedewerker de offerte met de eigen agent, en de developer het technisch ontwerp met een andere. Dat zijn twee mensen met twee soorten werk, en dus twee agenten, ook al gaat het om dezelfde klant. Een gedeelde agent van de afdeling zou het allebei half kennen.
Een agent die een klant kent, is het meest waard als die klaarstaat, op elk moment dat de klant iets vraagt of de medewerker iets nodig heeft. Daarom houd je per medewerker de agent voor een klant aan zolang je voor die klant werkt. Bij een webbureau is dat zolang het project loopt. Is de site opgeleverd en blijft er alleen nazorg over, dan kan de agent weg, en neemt de agent voor de nazorg het over. Bij een marketingbureau dat klanten jaren achter elkaar bedient, blijven de agenten gewoon staan. Wat je niet doet, is één agent voor technische ontwerpen laten werken aan de ontwerpen van verschillende klanten. Het ene moment werkt die agent voor de ene klant, het volgende moment stelt een andere klant een vraag, en dan lopen de dossiers door elkaar.
Wat er met de klant gebeurt, wat er gedaan is en welke afspraken er vielen, legt de agent vast in een eigen dossier per klant. Hoe meer je samen doet, hoe meer context de agent heeft, en hoe minder je bij het volgende stuk werk hoeft uit te leggen. Dat gaat niet vanzelf. De eerste offerte die je met een agent maakt, kost uren, omdat je moet uitleggen hoe jij offertes maakt en waarom. Die uren leggen de basis voor elke offerte daarna.
Een agent moet kunnen zien wat collega's met dezelfde klant deden, en wat er bij andere klanten speelde. Dan zie je dat het probleem van vandaag vorig jaar al eens bij een andere klant voorkwam, en hoe het toen is opgelost. Schrijven doet elke agent alleen in het eigen dossier. Zo blijft het overzicht van het hele bedrijf binnen bereik, en blijft te volgen wie wat deed.
Een werkwijze die goed werkt, leg je vast en deel je met collega's. Dat doen meer aanbieders, en het is goed. Het verschil zit in wat er daarna gebeurt. Een collega gebruikt die werkwijze zoals ze is, of maakt er een eigen versie van, omdat die collega nu eenmaal anders werkt. Dat is geen gebrek aan discipline. Klanten blijven vaak juist vanwege die manier van werken. Vertrekt een medewerker, dan gaan klanten niet zelden mee, omdat ze gewend zijn aan hoe die persoon het doet. De manier van werken hoort bij de mens, en daarom hoort de agent daar ook.
In de klassieke aanpak komt er iemand van buiten die het werk in stappen vangt, en daarna een systeem bouwt dat die stappen uitvoert. Bij werk op maat mist die precies wat ertoe doet, omdat het niet in de stappen zit. Het werkt daarom het best als de medewerkers hun agenten zelf bouwen, met de kennis van hun vak en hun eigen manier van werken. Daarna doen ze steeds meer van hun werk met de klant samen met hun agent, van het eerste gesprek tot de campagne, de waardebepaling of het ontwerp.
Deel de vakkennis. Geef de agent aan de mens die de klant kent.
Eerlijk is eerlijk
Deze visie geldt niet voor alles, en ook niet voor alles binnen een bedrijf dat op maat werkt. Waar het werk op schaal is, wint een agent per taak.
Deze grenzen zijn geen zwakte van de visie. Ze zijn de visie, toegepast. Kijk per soort werk waar de waarde zit, en richt de AI daaromheen in. Davenport en Nohria beschreven in 1994 hoe een grote verzekeraar van veertig stappen over twaalf afdelingen naar één mens met twee helpers ging, die het hele geval van een klant behandelde, en hoe andere verzekeraars volgden. Ook bij corporates zit het werk dat ertoe doet soms bij één mens.
Wat we verwachten
In de komende jaren gaat bijna elk bedrijf AI gebruiken. De vraag is niet meer of, maar hoe. Bedrijven die op maat werken en toch kiezen voor een agent per taak, krijgen AI die het makkelijke deel van het werk doet. Dat scheelt tijd, en dat is winst. De kern van hun werk, het deel waarmee ze klanten winnen en vasthouden, blijft liggen.
Bedrijven die AI rond hun mensen inrichten, bouwen iets anders op. Een dossier dat groeit en een werkwijze die vastligt, maken het volgende stuk werk sneller. Die voorsprong koop je niet, die bouw je op, in je eigen klanten en je eigen manier van werken. Een concurrent die morgen hetzelfde gereedschap aanschaft, begint met een leeg dossier.

Wie over een paar jaar ergens begint, krijgt op de eerste dag niet alleen een laptop en een mailadres, maar ook een plek om de eigen agenten te bouwen. In een sollicitatiegesprek vraagt een kandidaat dan niet meer alleen naar de auto en de vakantiedagen, maar ook hoe de AI bij dit bedrijf is ingericht en waar je je agenten kunt bouwen. Een bedrijf dat daar geen antwoord op heeft, valt af bij de mensen die het juist wil hebben.
Dat vraagt wel iets. Een agent die een klant echt kent, ontstaat niet in een middag. Medewerkers moeten leren hoe ze hun vak overdragen aan een agent, en die agent dagelijks bijsturen. Wie dat werk niet wil doen, is beter af met een agent per taak. Wie het wel doet, merkt na een paar maanden dat er steeds minder uit te leggen valt.
Een concurrent kan hetzelfde gereedschap kopen. Jouw dossiers en jouw manier van werken niet.
Waarom wij dit schrijven
Wij werken zelf op maat. Huisraad is een marketingcollectief dat voor elke klant een eigen strategie en eigen campagnes maakt. Canoniek is vanuit deze visie gebouwd, en wij doen ons eigen werk ermee, elke dag. Wat de paper zegt over collega's die samen aan een klant werken, rust op het ontwerp van Canoniek en op het werk met de eerste bedrijven die ermee bouwen.
Wat het ons kostte, is ook het verhaal van deze paper. Het systeem werkt niet uit de doos, en het gaat niet vanzelf. Daarom begint het bij ons ook op maat. We beginnen bij jouw strategie en jouw manier van werken, schrijven de instructies voor jouw bedrijf en bouwen de eerste agenten samen met je mensen. Daarna doen je eigen mensen het werk, want alleen zij kennen jouw klanten.
Net zoals jij maatwerk levert aan je klanten, leveren wij maatwerk aan jou.
Hoe het ontstond, lees je in ons verhaal.
We komen naar je bedrijf en bespreken waar je ermee naartoe wilt. Daarna weet je of dit bij je past.