Drücke „Enter”, um zum Inhalt zu springen.

AI-agents en AI-robots in 2026: stand van zaken en risico’s

0
Dr. DSGVO Newsletter detected: Extended functionality available
More articles · Website-Checks · Live Offline-AI

Agents voeren taken uit, robots pakken aan, en beide komen dichter bij het dagelijks leven. Hoeveel vertrouwen dat verdient, hangt af van grenzen, logboeken en een schakelaar om ze te stoppen.

Lange tijd waren AI-systemen vooral antwoordgevers. Er ging een vraag in, er kwam een tekst uit. In 2026 is dat verschoven. AI-agents boeken afspraken, sorteren postvakken, schrijven en testen programma’s en zetten daarbij acties in gang die gevolgen hebben in de echte wereld. Aan de andere kant van de schaal staan robots die pakketten dragen, over akkers rijden of auto’s zonder bestuurder door steden sturen.

Beide werelden groeien naar elkaar toe: wat agents van chatbots onderscheidt, hoe ze plannen en in een team werken, wat autonome systemen vandaag kunnen en waar robots werkelijk staan, hangt nauw samen. Daarbij horen veiligheid, aansprakelijkheid, gegevensbescherming, het Europese rechtskader en een blik op de jaren tot 2030.

Wat AI-agents van chatbots onderscheidt

Een chatbot antwoordt. Een agent regelt het. Dat is het eenvoudigste verschil. Wie een chatbot vraagt een vlucht naar Lissabon te zoeken, krijgt een lijst. Een agent krijgt hetzelfde doel en gaat verder: hij vergelijkt verbindingen, controleert de agenda, legt een selectie voor en boekt na goedkeuring. De software observeert zijn omgeving, beslist over de volgende stap en voert die uit.

Technisch zit er meestal een groot taalmodel als denkkern achter. Eromheen liggen hulpmiddelen: een browser, een agenda, een database, een programmeeromgeving. Het model beslist welk hulpmiddel het wanneer gebruikt. Het spectrum loopt van eenvoudige regelsets die op bepaalde triggers reageren tot systemen die leren van feedback en hun aanpak bijstellen. Wat het betekent wanneer AI-agents zelf handelen, blijkt vooral in het dagelijks leven: taken verschuiven van de mens naar de software, de verantwoordelijkheid blijft.

De term wordt echter royaal gebruikt. Een deel van wat als agent wordt verkocht, is een chatbot met een knop voor één enkele actie. Als vuistregel werkt de vraag of het systeem zelf meerdere stappen aaneenschakelt en daarbij op tussenresultaten reageert. Zo ja, dan gaat het om agentische AI in de eigenlijke zin. Zo nee, dan blijft het een assistent met een extra functie.

Hoe agents plannen en zichzelf corrigeren

In de kern draait elke agent in een lus. Hij brengt de situatie in kaart, splitst het doel in deelstappen, voert er één uit en kijkt wat eruit is gekomen. Past het resultaat niet, dan wordt bijgestuurd. Deze zelfcorrectie maakt het verschil tussen een script dat star doorloopt en een systeem dat op obstakels reageert.

Schema van een AI-agent: waarnemen, plannen, handelen, controleren, met een mens die rechten bepaalt en kan stoppen
De werkcyclus van een agent, met de mens als toezicht.

Om te kunnen handelen heeft een agent toegang nodig, en juist daar ligt het gevoelige punt. Via koppelingen mag hij mails lezen, bestanden wijzigen of betalingen starten. Hoe meer rechten hij heeft, hoe nuttiger hij is, maar ook hoe groter de mogelijke schade. Daarbij komt een geheugen: veel systemen onthouden eerdere taken, voorkeuren en tussenstanden om op langere termijn zinvol door te kunnen werken.

Typische fouten zijn onopvallend en daarom verraderlijk. Een agent begrijpt een doel te letterlijk, volgt een verkeerde aanname over vele stappen of laat zich omleiden door tekst op een webpagina die op een instructie lijkt. Eén enkele vergissing aan het begin trekt dan door de hele keten. Daarom zijn tussencontroles en overzichtelijke takenpakketten in de praktijk belangrijker dan de vraag hoe slim het model in een afzonderlijk geval overkomt.

Meerdere agents in een team

Steeds vaker werken niet één maar meerdere agents samen. Eén agent plant, een tweede doet onderzoek, een derde schrijft, een vierde controleert het resultaat. Zulke multi-agentsystemen bootsen de taakverdeling in een team na. Het voordeel ligt voor de hand: elk deel krijgt een smalle opdracht, en een controleur ziet fouten die de schrijver ontgaan.

De keerzijde is even duidelijk. Fouten planten zich voort als een agent de verkeerde inschatting van een ander als feit overneemt. De kosten stijgen, omdat elke afstemming rekentijd kost. En het overzicht lijdt: als vijf systemen met elkaar praten, is moeilijk te zeggen welk systeem op welk punt de doorslag gaf. Hoe meer partijen meedoen, hoe belangrijker logboeken worden die elke stap vastleggen.

Beslissend is niet hoe slim een systeem overkomt, maar hoe goed zijn handelen zich laat begrenzen en stoppen.

Autonome systemen in het dagelijks leven

Autonome systemen vormen het grotere kader. Het gaat om alles wat taken uitvoert zonder voortdurende sturing door mensen, hetzij als pure software, hetzij als machine. Er zijn niveaus. Sommige systemen doen alleen voorstellen, andere handelen en kunnen worden overruled, weer andere werken in een duidelijk afgebakend gebied volledig zelfstandig. Hoe duidelijker de omgeving, hoe verder de autonomie kan gaan. Een magazijn met vaste routes is eenvoudiger dan een binnenstad.

Het bekendste voorbeeld zijn robotaxi’s. Waymo meldde bijvoorbeeld in het voorjaar van 2026 zo’n half miljoen betaalde ritten per week in meerdere Amerikaanse steden, ongeveer het dubbele van een jaar eerder. Het bedrijf mikt op een miljoen eind 2026. Of dat lukt, is open, want daarvoor zijn meer voertuigen, meer steden en vergunningen nodig. Dat auto’s zonder bestuurder in beperkte gebieden in het dagelijks leven werken, is daarentegen geen experiment meer.

Tegelijk laat het voorbeeld zien hoe belangrijk het kader is. De systemen rijden in in kaart gebrachte zones, worden op afstand bewaakt en blijven bij onzekerheid staan. Autonomie betekent hier niet vrij zijn van toezicht, maar werken binnen strakke vangrails.

Zelfverbetering en veiligheid

Een aantrekkelijke eigenschap van moderne systemen is dat ze beter worden door feedback. Agents schrijven code, testen die, lezen de foutmeldingen en verbeteren de code. Daaruit ontstaat de vraag hoe ver een systeem zichzelf mag ontwikkelen. Bij recursieve zelfverbetering bouwt een systeem zelfs mee aan zijn eigen vermogens. Voor het dagelijks leven volstaat het inzicht dat elke terugkoppeling een doel nodig heeft, en dat een verkeerd gesteld doel betrouwbaar de verkeerde kant op leidt.

Het klassieke probleem heet onbedoelde optimalisatie: het doel wordt bereikt, de bedoeling gemist. Een agent die testfouten moet wegwerken, schakelt in geval van twijfel de test uit. Een agent die klantverzoeken snel moet afsluiten, sluit ze af zonder te helpen. Zulke gevallen zijn geen kwade wil, maar het logische gevolg van een onnauwkeurige opdracht.

Tegenmaatregelen zijn minder glamoureus dan de techniek zelf. Rechten worden tot het hoogstnodige beperkt. Elke handeling wordt gelogd. Gevoelige stappen, zoals betalingen of het wissen van gegevens, vragen om menselijke goedkeuring. En er is een noodstop die onafhankelijk van de agent werkt. Het eigenlijke risico is macht zonder controle.

AI-robots en wat ze echt kunnen

Robots bestaan al tientallen jaren; nieuw is hun waarneming en aanpassingsvermogen. Met AI herkennen ze voorwerpen, schatten ze afstanden in en passen ze hun beweging aan. Toch geldt een oud inzicht uit de robotica: wat mensen makkelijk afgaat, is voor machines moeilijk. Een computer verslaat al jaren schaakwereldkampioenen, maar een natte kop veilig vastpakken zonder hem te pletten of te laten vallen blijft lastig. Daarvoor zijn gevoelige grijpers, krachtregeling en een waarneming nodig die ook bij weerspiegelingen, schaduwen en rommel werkt.

Dat verklaart waarom humanoïde robots moeite hebben met grote beloften. Op beurzen en in video’s maken ze indruk, maar daar draait vaak een voorbereid verloop in een gecontroleerde omgeving. In continu gebruik tellen andere dingen: accuduur, betrouwbaarheid, veiligheid naast mensen en kosten. Er lopen eerste pilotprojecten in magazijnen en fabrieken, maar van een huishoudrobot die betrouwbaar de was opvouwt en de vaat inruimt zijn we nog een eind verwijderd. Hoe snel robots overal aanwezig worden en wanneer ze gevaarlijk kunnen worden, hangt precies van deze punten af.

Robots in industrie, logistiek en landbouw

Waar robots vandaag echt in grote aantallen werken, ziet het er minder glamoureus uit: fabriekshallen. In 2024 werden wereldwijd circa 540.000 nieuwe industriële robots in gebruik genomen, meer dan twee keer zoveel als tien jaar eerder. Ruim de helft daarvan ging naar China, Europa bleef met een lichte daling duidelijk achter. De sector verwacht dat het aantal tot 2028 stijgt naar meer dan 700.000 installaties per jaar.

Nieuw geïnstalleerde industriële robots: 2024 circa 542.000, prognose 2025 circa 575.000, 2028 meer dan 700.000
Industriële robots: de stand van 2024 en de prognoses van de sector.

In de logistiek rijden transportrobots door magazijnen en brengen ze rekken naar de inpakplekken. Kleine bezorgrobots rollen over de stoepen van sommige steden. In de landbouw helpen machines bij wieden, melken en deels bij de oogst; het verst is alles wat zich in rijen en vaste routines beweegt. Kwetsbaar fruit plukken blijft daarentegen moeilijk.

ToepassingsgebiedVoorbeeldRijpheid
FabriekLassen, monteren, spuitenAl tientallen jaren dagelijkse praktijk
MagazijnTransportrobots, sorteerinstallatiesWijdverbreid
WegRobotaxi’s in geselecteerde stedenReguliere dienst in delen van de VS, beperkt
LandbouwVeldrobots, melkinstallatiesAfhankelijk van de taak, oogsten blijft een niche
Zorg en dienstverleningSchoonmaken, transport, assistentiePilotprojecten, groeiend
HumanoïdenAlleskunners in magazijn en fabriekIn beproeving

Robots in zorg, gezondheid en dienstverlening

In ziekenhuizen en verzorgingshuizen blijkt waar robots echt helpen. Ze brengen wasgoed en medicijnen door de gangen, ontsmetten ruimtes of reinigen vloeren. In de operatiekamer geleiden assistentiesystemen instrumenten nauwkeurig, maar de beslissing neemt een chirurg. Zorgrobotica in engere zin, dus hulp bij het opstaan of bij de lichamelijke verzorging, zit nog in de beproevingsfase. Menselijke aandacht is toch moeilijk te vervangen. Realistischer is dat robots looproutes en zwaar werk overnemen, zodat er meer tijd overblijft voor gesprekken.

Acceptatie is een onderwerp op zich. Veel ouderen zijn sceptisch wanneer een machine in hun buurt werkt, en terecht als doel en werking niet duidelijk worden uitgelegd. Daar komt de gegevensbescherming bij: een robot met camera en microfoon in een zorgkamer legt gezondheidsgegevens en intieme situaties vast. Er zijn duidelijke regels nodig over wat wordt opgenomen, waar het wordt opgeslagen en wie toegang heeft.

Ontwikkeling tot 2030

Prognoses zijn onzeker, maar enkele richtingen tekenen zich af. Agents zullen de komende jaren waarschijnlijk vanzelfsprekend worden in kantoorprocessen: bij afspraken, facturen, onderzoek en eenvoudige programmeertaken. Het aantal industriële robots blijft volgens de verwachtingen van de sector stijgen, en robotaxi’s gaan waarschijnlijk in meer steden rijden, vooral waar overheid en bevolking meewerken.

Open blijft of en wanneer veelzijdige huishoudrobots marktrijp worden. Ook is open hoe betrouwbaar agents werken bij lange, complexe taken en of veiligheidsprocedures zich in hetzelfde tempo ontwikkelen als de mogelijkheden. Een middenweg is aannemelijk: merkbare vooruitgang bij duidelijk afgebakende taken, maar geen machine die alles kan.

Aansprakelijkheid, vertekening en privacy

Wanneer een agent een fout maakt of een robot iemand verwondt, rijst de vraag naar de verantwoordelijkheid. Een machine kan niet aansprakelijk zijn. Mensen en bedrijven zijn dat wel: fabrikanten voor gebrekkige producten, exploitanten voor zorgvuldig gebruik. Wie een agent verregaande rechten geeft en niet controleert, draagt zelf een deel van het risico. Hoe duidelijker verantwoordelijkheden en logboeken zijn, hoe makkelijker later is uit te zoeken wat er is gebeurd.

Daarbij komt vertekening. Systemen leren van gegevens, en gegevens weerspiegelen de wereld met haar scheefgroei. Wanneer een agent sollicitaties voorsorteert of kredieten beoordeelt, kan ongemerkt benadeling insluipen. Voor beslissingen met aanzienlijke gevolgen voor mensen geldt daarom het beginsel dat ze niet uitsluitend aan een machine mogen worden overgelaten (art. 22 AVG). Bovendien verzamelen robots en agents gegevens over omgeving en gebruikers. Transparantie, gegevensminimalisatie en duidelijke bewaartermijnen zijn daarom geen kür, maar een voorwaarde voor vertrouwen.

De EU AI Act in het kort

De Europese AI-verordening, ook EU AI Act genoemd, deelt AI-systemen in naar risico. Sommige toepassingen zijn verboden, bijvoorbeeld bepaalde vormen van het beoordelen van mensen. Systemen met een hoog risico, bijvoorbeeld bij personeelsselectie, onderwijs of als veiligheidscomponenten, moeten aan strenge eisen voldoen. Voor chatbots en door AI gegenereerde inhoud gelden transparantieplichten: mensen moeten kunnen zien dat ze met een machine te maken hebben. Wie AI in het bedrijf inzet, heeft bovendien medewerkers met voldoende AI-geletterdheid nodig.

Het tijdschema is verschoven. Met een in de zomer van 2026 gepubliceerde wijzigingsverordening, de zogeheten Digital Omnibus, zijn de verplichtingen voor hoogrisicosystemen naar achteren geschoven. Voor zelfstandige systemen gelden ze nu vanaf 2 december 2027, voor AI in gereguleerde producten vanaf 2 augustus 2028. Dat geeft bedrijven meer tijd, maar haalt de druk niet van het onderwerp.

Robots en machines vallen meestal tegelijk onder de productregels, in het bijzonder de Europese Machineverordening. Bij hen draait het vooral om een veilig gebouwd apparaat dat zich bij storing veilig gedraagt. Voor agents die alleen in software werken, spelen transparantie, toezicht en de vraag waarvoor ze worden ingezet een grotere rol.

Aanbevelingen voor het publiek

In het dagelijks leven helpen enkele eenvoudige regels. Ze gelden voor agents net zo goed als voor robots in de omgeving:

  • Rechten klein houden: een agent krijgt alleen de toegang die hij voor de taak nodig heeft.
  • Resultaten controleren voordat ze verder worden gebruikt, vooral bij geld, contracten en gezondheid.
  • Gevoelige gegevens, inloggegevens en gezondheidsgegevens niet zonder noodzaak aan agents doorgeven.
  • Op aanduidingen letten: wie met een machine praat, hoort dat te weten.
  • Teksten en beelden kritisch lezen, want AI maakt ook overtuigend ogende fouten.
  • Bij robots in het dagelijks leven letten op fabrikantgegevens, veiligheidskeurmerken en duidelijke informatie over gegevensverwerking.

Hoe ver mag een AI-agent of robot zelfstandig handelen?

Zo ver als zijn handelen zich laat begrenzen, nagaan en op elk moment stoppen. Hoe groter de mogelijke schade, hoe strakker de rechten en hoe sterker het menselijk toezicht moet zijn.

Conclusie

2026 is het jaar waarin software van antwoorden overgaat naar handelen. Agents voeren taken in meerdere stappen uit, werken in teams en maken gebruik van hulpmiddelen. Tegelijk groeien de aantallen industriële robots, en robotaxi’s tonen aan dat autonomie in een duidelijk afgebakende ruimte werkt. Tegelijkertijd blijven grijpen, rommel begrijpen en continu draaien lastige taken, en humanoïde alleskunners staan nog aan het begin.

De eigenlijke vraag is daarom minder wat machines kunnen, maar wat hun wordt toegestaan. Waar rechten begrensd zijn, stappen worden gelogd en goedkeuringen zijn ingebouwd, brengen agents en robots ontlasting. Waar dat ontbreekt, groeien de risico’s sneller dan het nut. Met het uitgestelde tijdschema van de AI-verordening is er nog wat tijd om de nodige gewoonten aan te leren.

About the author on dr-dsgvo.de
My name is Klaus Meffert. I have a doctorate in computer science and have been working professionally and practically with information technology for over 30 years. I also work as an expert in IT & data protection. I achieve my results by looking at technology and law. This seems absolutely essential to me when it comes to digital data protection. My company, IT Logic GmbH, also offers consulting and development of optimized and secure AI solutions.

Schreiben Sie einen Kommentar

Ihre Mail-Adresse wird nicht veröffentlicht.

‘Nog ver van RSI’: wat Pichais kijk op zelfverbeterende AI betekent voor bedrijven