AI agents in de praktijk: les van 100+ Vercel-bots

AI agents in de praktijk laten zich niet meer wegzetten als experiment. Vercel, het Amerikaanse techbedrijf achter Next.js, lanceerde op 17 juni 2026 een nieuw framework genaamd eve en liet meteen iets veel interessanters zien: ze draaien er zelf meer dan honderd AI-agents op. Niet in een demo, maar in productie, als onderdeel van hoe het bedrijf elke dag werkt.

Dat is het signaal waar je als MKB-ondernemer op moet letten. Niet het framework zelf, dat is namelijk een tool voor developers. Maar wat het bewijst: een AI-agent is geen toekomstmuziek meer, het is gewoon software die werk doet. En de vorm van zo'n agent wordt nu een standaard.

In deze blog laten we zien wat die honderd agents bij Vercel concreet doen, waarom dat ertoe doet, en wat jij er als gewoon bedrijf realistisch mee kunt. Zonder hype, met echte cijfers.

Wat Vercel lanceerde: een agent is gewoon een map met bestanden

Vercel bracht eve uit, een open-source framework waarmee je AI-agents bouwt en in productie draait. De kern van het idee is verrassend simpel: een agent is gewoon een map met bestanden. Eén bestand beschrijft welk model de agent gebruikt, één bestand wie de agent is, een mapje met tools beschrijft wat de agent kan, en weer een ander mapje waar de agent leeft (Slack, Teams, e-mail).

Die simpelheid is precies het punt. Tot nu toe bouwde iedereen die met agents werkte steeds opnieuw dezelfde fundering: opslag, beveiliging, goedkeuringen, logging. Dat kostte weken voordat een agent ook maar iets nuttigs deed. eve stopt dat door alles wat een agent in productie nodig heeft standaard mee te leveren.

De cijfers die Vercel zelf deelt, zeggen genoeg over de snelheid van deze verschuiving. Een jaar geleden werd minder dan 3% van alle deployments op hun platform door een agent gestart. Nu is dat ongeveer 29%, en ze verwachten dat het binnenkort de helft is. Agents zijn dus geen niche meer, ze worden de normale manier van werken.

"Het is gewoon een standaard aan het worden," is hoe Raphael Cornelis, oprichter van DenkBot, het samenvat. "De vorm van een agent ligt nu vast. Of je nou Vercel bent of een installatiebedrijf met tien man, het is hetzelfde idee. Alleen de schaal verschilt."

5 AI agents die nu in productie draaien bij Vercel

De beste manier om te begrijpen wat AI agents in de praktijk doen, is kijken naar agents die echt draaien. Vercel deelde vijf voorbeelden uit hun eigen bedrijf. Let op de schaal, die is groter dan bij een MKB-bedrijf, maar het type werk is precies wat ook bij kleinere bedrijven speelt.

De data-analist is hun meest gebruikte interne tool. Iedereen kan in Slack een vraag stellen over de bedrijfsdata, en de agent haalt het antwoord uit de database. Het systeem handelt zo meer dan 30.000 vragen per maand af, en elke vraag is afgeschermd op de rechten van degene die het vraagt.

De autonome verkoper draait het draaiboek van hun beste salesmedewerker, dag en nacht. De agent werkt elke nieuwe lead direct op en volgt zelf op, zodat er 's nachts niks koud wordt. Volgens Vercel kost deze agent ongeveer 5.000 dollar per jaar en levert hij 32 keer dat bedrag op, onderhouden door één engineer in deeltijd.

De sales-cockpit werd in zes weken gebouwd door het revenue-team, zonder programmeurs. De agent beantwoordt vragen over de pijplijn en prognoses uit hun systemen in gewone taal. Na de livegang verdubbelde de dekking van hun pijplijn bijna.

De support-medewerker handelt tickets af in de helpdesk, de documentatie en Slack, de klok rond. Deze agent lost 92% van de tickets zelf op en schakelt de rest door naar het supportteam, zodat mensen zich op de lastige gevallen richten.

De content-agent draait een volledige reviewronde op elk stuk tekst voordat een mens het leest. De agent vangt de meest voor de hand liggende fouten af en bouwt een analyse op van waar het stuk eigenlijk over gaat. Het kleine werk gaat zo snel door, het grote werk krijgt aandacht.

Wat AI agents in de praktijk voor jouw MKB betekenen

De les voor het MKB is niet "ga eve gebruiken", maar "dit soort werk is nu haalbaar". De voorbeelden van Vercel draaien op een grote schaal, maar elk van die agents lost een probleem op dat je waarschijnlijk herkent: vragen beantwoorden, leads opvolgen, tickets afhandelen, teksten checken. Dat is geen tech-bedrijf-probleem, dat is gewoon werk.

Het verschil tussen een tech-bedrijf en een gewoon MKB-bedrijf zit hem niet in het soort agent, maar in de schaal en de eerste stap. Een installatiebedrijf hoeft geen 30.000 vragen per maand af te handelen. Maar een agent die inkomende mail leest, sorteert op urgentie en meteen een concept-antwoord klaarzet, dat scheelt een administratief medewerker zo een paar uur per dag.

Het type taak dat wij vaak als eerste bouwen, is precies dat: een agent die inkomende aanvragen of mail leest, ze sorteert op onderwerp en urgentie, en direct een concept-antwoord of concept-offerte klaarzet. De medewerker checkt en verstuurt. Geen groot traject, gewoon één duidelijk proces dat elke dag tijd kost en dat morgen al kan lopen.

Belangrijk detail: eve is open-source en werkt met elk model via een tussenlaag. Dat sluit aan op hoe wij het ook zien. Een model is een instelling, geen architectuur. Je wil je bedrijfslogica niet vastklikken aan één leverancier, want onbedoelde afhankelijkheid van één AI-model is altijd duurder dan je denkt. Dat een serieuze speler als Vercel diezelfde keuze maakt, bevestigt dat het de juiste is.

Wil je weten welk type werk een AI-agent voor jou kan overnemen? Begin met de vier vragen uit onze blog over wat je echt moet automatiseren met AI. Dat is de goedkoopste manier om te ontdekken waar de winst zit.

Een AI-agent is geen toverspreuk

AI agents zijn krachtig, maar het zijn geen wondermiddelen, en daar gaat het vaak mis. Een agent is software, en software die je niet goed inricht doet gewoon de verkeerde dingen, alleen dan sneller. De bedrijven die teleurgesteld raken, zijn meestal de bedrijven die een agent op een vaag of rommelig proces loslaten en hopen dat de AI het wel uitzoekt.

De eerste stap is bijna nooit de techniek, maar het uitzoeken wat je precies wil automatiseren. Welke taak kost elke dag tijd? Welke stappen zitten daarin? Wat moet een mens nog goedkeuren? Pas als dat helder is, is het bouwen van een agent een kwestie van weken, niet maanden.

Goede agents houden de mens in de lus waar dat telt. eve heeft hier standaard een functie voor: bij gevoelige acties pauzeert de agent en wacht op goedkeuring van een mens. Dat is geen technisch detail, dat is precies hoe je een agent veilig inzet op je kernproces. Een agent die offertes opstelt is prima, maar het verzenden blijft een knop die een mens indrukt.

Een AI-agent is dus geen vervanger, maar een collega die je inwerkt. Je geeft hem een duidelijke taak, je houdt zicht op wat hij doet, en je stuurt bij. Wie zo begint, heeft binnen weken iets dat werkt. Wie wacht op het perfecte plan, heeft over een jaar nog steeds een PowerPoint. Meer over dat onderscheid lees je in onze blog over wat een AI-medewerker is en waar je begint.

Veelgestelde vragen over AI agents in de praktijk

Wat is het verschil tussen een AI-agent en een gewone chatbot?

Een AI-agent doet werk, een chatbot beantwoordt vragen. Een chatbot wacht tot iemand iets typt en geeft dan antwoord. Een agent voert zelfstandig taken uit: hij leest mail, vult systemen, stelt offertes op of volgt leads op, en schakelt een mens in als dat nodig is. Het verschil zit in actie versus reactie. Meer hierover lees je in onze blog over het verschil tussen een AI-assistent en een AI-agent.

Is een AI-agent ook voor kleine bedrijven haalbaar?

Ja, een AI-agent is juist voor kleine bedrijven haalbaar, omdat de techniek standaard is geworden. De voorbeelden van Vercel draaien op grote schaal, maar het type werk is hetzelfde als bij een MKB-bedrijf. Een eerste agent die één duidelijk proces overneemt, zoals mail sorteren of offertes voorbereiden, is binnen een paar weken te bouwen en betaalt zich vaak binnen maanden terug.

Vervangt een AI-agent mijn medewerkers?

Nee, een AI-agent vervangt geen medewerkers, hij neemt repetitief werk over. De agents bij Vercel handelen het saaie en herhaalbare deel af, zodat mensen zich op het werk richten dat oordeel en contact vereist. In de praktijk werkt een agent het beste als een collega die je inwerkt en die je waar het telt laat wachten op goedkeuring van een mens.

Aan welk model zit ik vast als ik een AI-agent laat bouwen?

Aan geen enkel model, als je het goed inricht. Moderne agent-frameworks zoals eve werken met elk model via een tussenlaag, zodat je kunt wisselen zonder je hele systeem te herbouwen. Wij bouwen daarom modelagnostisch: de bedrijfslogica staat los van de modelkeuze, zodat je niet onbedoeld vastzit aan één leverancier.

Aan de slag met je eerste AI-agent

AI agents in de praktijk zijn geen experiment meer, maar gewone software die elke dag werk doet. Dat een bedrijf als Vercel er honderd in productie draait, bewijst dat de vorm volwassen is. Voor jou als MKB-ondernemer is de vraag niet langer of het kan, maar welk proces je als eerste laat overnemen.

Begin klein, kies één taak die elke dag tijd kost, en zorg dat een mens de belangrijke knoppen blijft indrukken. Zo heb je binnen weken iets dat loopt, in plaats van een plan dat blijft liggen.

Wil je sparren over welke agent voor jouw bedrijf het meeste oplevert? Neem contact op en we kijken samen naar één concreet proces dat morgen al kan lopen.