Van één agent naar een team van agents
In 2024 ging het over één AI-agent die een taak kon uitvoeren. In 2025 begonnen we te zien dat meerdere agents samen krachtiger waren dan één. In 2026 is multi-agent orchestratie het belangrijkste paradigma in zakelijke AI.
In dit artikel leggen we uit wat orchestratie is, hoe het werkt en wanneer Nederlandse bedrijven hier voordeel uit halen.
Wat is een orchestrator?
Een orchestrator is een centrale AI-agent die andere, gespecialiseerde sub-agents aanstuurt. Vergelijk het met een dirigent in een orkest: de dirigent speelt geen instrument, maar zorgt dat de musici samen het juiste resultaat leveren.
In een zakelijke context coördineert de orchestrator typisch sub-agents voor:
- Sales, leads kwalificeren, afspraken inplannen
- Support, klantvragen beantwoorden, escalaties beheren
- Data, rapportages genereren, dashboards updaten
- Content, productbeschrijvingen, e-mails, sociale media
- Finance, facturen, betalingsherinneringen, AVG-conforme administratie
- HR, vacatures, screening, onboarding-flows
Waarom is dit beter dan één grote agent?
1. Specialisatie
Elke sub-agent is geoptimaliseerd voor één domein. Dit verbetert nauwkeurigheid en beheersbaarheid.
2. Schaalbaarheid
U kunt agents toevoegen zonder de bestaande te herontwerpen.
3. Beheersbaarheid
Bij een fout weet u welke agent verantwoordelijk is, in plaats van een ondoordringbare zwarte doos.
4. Kostenefficiëntie
Eenvoudige taken gaan naar goedkopere modellen, complexe naar krachtigere. Resultaat: 40-60% lagere AI-kosten.
Een concreet voorbeeld
Een Nederlandse e-commerce speler met 800 dagelijkse klantcontacten gebruikt een orchestrator die:
- Inkomende vragen classificeert
- Sales-vragen routeert naar een sales-agent met productkennis
- Support-vragen routeert naar een support-agent met retourbeleid
- Klachten direct escaleert naar een mens
- Wekelijks een dashboard publiceert met trends
Het systeem behandelt 75% van alle vragen volledig autonoom. Resultaat: 4 FTE bespaard, hogere klanttevredenheid, betere data-inzichten.
Wanneer is multi-agent zinvol?
Multi-agent loont vanaf:
- 500+ klantinteracties per maand
- Meer dan drie verschillende type processen
- Verschillende afdelingen die elkaar nodig hebben
- Behoefte aan 24/7 dekking
Voor kleinere organisaties is één goed gebouwde agent vaak voldoende.
De architectuur in vogelvlucht
Een typische multi-agent opzet bevat:
- Orchestrator, het brein, neemt routing-beslissingen
- Tool-laag, connectoren naar uw CRM, e-mail, kalender, ERP
- Memory-laag, kortetermijn (gespreksgeschiedenis) en langetermijn (klantprofiel)
- Guardrail-laag, regels voor escalatie, beveiliging, AVG-compliance
- Observabiliteit-laag, logging, monitoring, kwaliteitsbewaking
NEXTRIQ ontwerpt deze architectuur standaard met deze vijf lagen.
Investering en doorlooptijd
Een professionele multi-agent setup kost gemiddeld € 25.000 tot € 80.000 voor de eerste productie-versie, met doorlooptijden van 8 tot 16 weken.
Maandelijkse kosten (API-tokens + hosting + monitoring) liggen tussen € 500 en € 3.000.
Wat is een multi-agent systeem?
Een multi-agent systeem is een AI-opzet waarin meerdere agents elk een eigen deeltaak uitvoeren en hun resultaten aan elkaar of aan een centrale orchestrator doorgeven. In plaats van één agent die alles moet kunnen, krijgt elke agent een smalle opdracht, eigen instructies en alleen de tools die hij nodig heeft.
Het voordeel zit in die afbakening. Een agent die alleen facturen controleert, is beter te testen en te begrenzen dan een agent die ook nog klantmails beantwoordt en rapportages maakt. Gaat er iets mis, dan ziet u in de logboeken welke agent welke stap zette.
Bij Eerlijke Kozijnen werkt het zo in het eigen portaal: AI-agents verwerken de aanvragen, versturen de opvolging en de reviewverzoeken en rapporteren dagelijks. Het omzetten van een binnenkomende mail naar een dossier gebeurt daar juist niet door een agent, maar met vaste regels, zodat klantgegevens niet door AI gaan. Een goed multi-agent systeem gebruikt agents waar ze iets toevoegen en gewone automatisering waar die volstaat.
Vijf patronen om agents te laten samenwerken
Er zijn vijf veelgebruikte patronen voor orchestratie, en de meeste zakelijke systemen gebruiken er één of twee. Anthropic beschrijft ze in zijn artikel *Building effective agents*; hieronder staan ze met een voorbeeld uit een Nederlands mkb-bedrijf.
| Patroon | Wat het doet | Voorbeeld |
|---|---|---|
| Prompt chaining | Een taak in vaste stappen opknippen, waarbij elke stap de uitkomst van de vorige gebruikt | Een offerte-aanvraag samenvatten, dan de prijs berekenen, dan de offertetekst schrijven |
| Routing | Een binnenkomend verzoek indelen en naar de juiste gespecialiseerde agent sturen | Klantmails verdelen over planning, facturen en klachten |
| Parallelisatie | Deeltaken tegelijk laten uitvoeren, of dezelfde taak meerdere keren laten doen en de uitkomsten vergelijken | Een contract tegelijk laten controleren op betalingstermijnen, aansprakelijkheid en opzegging |
| Orchestrator en workers | Een centrale agent verdeelt de taak dynamisch over werkers en voegt hun resultaten samen | Een aanbesteding uitzoeken waarbij de orchestrator bepaalt welke onderdelen onderzocht moeten worden |
| Evaluator en optimizer | Eén agent maakt iets, een tweede beoordeelt het en geeft feedback tot het goed is | Een nieuwsbrief laten schrijven en laten toetsen aan uw huisstijl en feiten |
Alleen de laatste twee zijn echt dynamisch: daar bepaalt het model zelf hoe het werk wordt verdeeld. De eerste drie zijn vaste paden en daardoor voorspelbaarder en goedkoper. Wilt u het verschil tussen een vast pad en een zelfstandige agent eerst helder hebben, lees dan het verschil tussen AI-agents en chatbots.
Wanneer een multi-agent systeem niet de juiste keuze is
Een multi-agent systeem is niet de juiste keuze als de taak niet in onafhankelijke delen te splitsen is, als het volume laag is of als één goed ingerichte agent het werk al aankan. Meer agents betekent meer stappen, meer kosten en meer plekken waar iets mis kan gaan.
- ongeveer 4×
- zoveel tokens gebruikt een enkele agent als een chatgesprek, volgens Anthropic
- ongeveer 15×
- zoveel tokens gebruikt een multi-agent systeem als een chatgesprek, volgens Anthropic
Die cijfers komen uit het artikel waarin Anthropic beschrijft hoe het zijn eigen onderzoekssysteem met meerdere agents bouwde. Daarin staat ook dat zo'n opzet vooral loont bij waardevolle taken die goed parallel uit te voeren zijn, en minder geschikt is voor taken waarbij alle agents dezelfde context moeten delen. Wat dat in euro's betekent voor uw proces, rekent u door met de aanpak uit AI-kosten en ROI eerlijk berekenen.
Wat een agent per stap te zien krijgt, bepaalt voor een groot deel of samenwerken goed gaat. Dat vakgebied heet context engineering: elke agent krijgt precies de informatie die bij zijn deeltaak hoort, niet meer en niet minder.
Veelgestelde vragen
Kan ik klein beginnen en uitbreiden?
Ja. Wij adviseren altijd te starten met één agent en uit te bouwen zodra de eerste werkelijk waarde levert.
Welke modellen gebruiken jullie?
We zijn modelagnostisch: Claude, GPT-5, Gemini, of lokale modellen, afhankelijk van de use case en gevoeligheid van data.
Hoe blijven we in controle?
Door expliciete guardrails, logging en menselijke escalatie waar nodig. NEXTRIQ levert altijd een dashboard waarin u live ziet wat er gebeurt.
Wat is het verschil tussen een orchestrator en een workflow?
Een workflow volgt een pad dat vooraf in code is vastgelegd: stap 1, dan stap 2, dan stap 3. Een orchestrator is een AI-agent die per opdracht zelf bepaalt welke deeltaken nodig zijn en aan welke agent hij ze geeft. Een workflow is voorspelbaarder, een orchestrator flexibeler.
Wat is het orchestrator-worker patroon?
Bij het orchestrator-worker patroon analyseert een leidende agent de opdracht, splitst die op in deeltaken en zet daarvoor werkagents in. De werkers voeren hun deel uit en geven het resultaat terug, waarna de orchestrator alles samenvoegt tot één antwoord. Anthropic gebruikt dit patroon voor zijn eigen onderzoeksfunctie.
Kunnen agents samenwerken met systemen van verschillende leveranciers?
Ja. Agents praten met uw systemen via koppelingen, en steeds vaker via het open Model Context Protocol (MCP), een standaard manier om een AI-model aan tools en gegevensbronnen te koppelen. Daardoor kunnen agents op verschillende modellen dezelfde koppelingen gebruiken.
Is een multi-agent systeem duurder in gebruik dan één agent?
Meestal wel. Volgens Anthropic gebruikt een multi-agent systeem ongeveer vijftien keer zoveel tokens als een chatgesprek, tegen ongeveer vier keer voor een enkele agent. Of dat loont, hangt af van de waarde van de taak: bij complex onderzoek vaak wel, bij eenvoudige routering zelden.
Aan de slag
Overweegt u multi-agent orchestratie? Start met een AI Intelligence Scan om scope, fasering en investering scherp te krijgen.


