Dienst
AI-agents met n8n
Een AI-agent in n8n leest, beslist en handelt binnen grenzen die jij bepaalt. We bouwen agents voor documentverwerking, klantvragen en interne kennis, met controle over welke data het model ziet en wat het mag doen.
Een nieuwe mail of document komt binnen. De AI-agent leest en beslist, guardrails controleren wat erin en eruit gaat, een mens keurt goed en het antwoord of de boeking gaat naar Microsoft 365. Twijfelt de agent, dan gaat het direct naar een medewerker.
Kort antwoord
Een AI-agent in n8n is een workflow waarin een taalmodel zelf kiest welke tools het gebruikt om een taak af te ronden, zoals een CRM raadplegen. n8n levert daarvoor de AI Agent-node, geheugen, tools en koppelingen via MCP. Wij bouwen de agent, begrenzen wat hij mag en houden een mens in de lus waar dat nodig is.
In het kort
| Bouwstenen | AI Agent-node, tools, geheugen, vectorstore voor RAG, MCP |
|---|---|
| Modellen | OpenAI, Anthropic, Mistral, Google of een open model in je eigen omgeving |
| Controle | Goedkeuring van acties door een mens, Guardrails-node, vaste testsets |
| Data | Alleen de velden die de workflow meegeeft, EU-verwerking waar mogelijk |
| Regels | AVG en de transparantieplicht uit de AI Act |
Waar een AI-agent goed in is
Ongestructureerde input verwerken
Mails, pdf's, formulieren en tickets omzetten in gestructureerde data die je systemen begrijpen.
Kennis opzoeken
Vragen beantwoorden op basis van je eigen documenten (RAG), met een verwijzing naar de bron.
Classificeren en routeren
Tickets, leads en aanvragen beoordelen en naar de juiste persoon of het juiste systeem sturen.
Concepten maken
Antwoorden, offertes en samenvattingen die een medewerker controleert en verstuurt.
Waar we AI-agents niet voor inzetten
Voor beslissingen over mensen zonder menselijke tussenkomst, zoals het automatisch afwijzen van sollicitanten of klanten. Dat mag onder de AVG alleen in uitzonderingsgevallen (artikel 22). Bovendien valt AI voor werving en selectie vanaf 2 december 2027 onder de regels voor hoog-risico-AI uit de AI Act.
Zo houden we een agent onder controle
| Maatregel | Wat het betekent |
|---|---|
| Minimale data | De agent krijgt alleen de velden die hij nodig heeft, niet het hele klantdossier. |
| Begrensde tools | De agent kan alleen de acties uitvoeren die we expliciet toestaan. |
| Menselijke goedkeuring | Gevoelige acties, zoals versturen, boeken of verwijderen, wachten op akkoord. n8n ondersteunt goedkeuring van toolacties sinds versie 2.6. |
| Guardrails | De Guardrails-node controleert invoer en uitvoer op persoonsgegevens, geheimen en pogingen om de agent te misleiden. |
| Testen op vaste voorbeelden | We meten de kwaliteit op een vaste set voorbeeldvragen, voor en na elke wijziging. |
Welk model, en waar draait het?
Je kiest zelf het model. Voor verwerking binnen de EU kan dat bijvoorbeeld via Azure OpenAI met een EU-datazone, via OpenAI met EU-dataresidentie voor geschikte projecten, of via Claude op AWS Bedrock of Google Vertex AI in een EU-regio. De eigen API van Anthropic biedt geen EU-dataresidentie. Wil je dat er niets je omgeving verlaat, dan kan ook een open model op eigen hardware. We testen vaak twee modellen op dezelfde voorbeelden en kiezen dan.
AI Act: transparant in klantcontact
Praat een klant met een AI-agent, dan moet dat sinds 2 augustus 2026 bij het eerste contact duidelijk zijn. De ACM en de Autoriteit Persoonsgegevens vragen daarnaast om een medewerker bereikbaar te houden. Daarom bouwen we standaard een melding bij de start in, en een route naar een mens.
Veelgestelde vragen
Welk taalmodel gebruiken jullie?
Dat hangt af van de taak, de kosten en je eisen aan datalocatie. Omdat de agent in n8n niet aan één leverancier vastzit, kun je later wisselen zonder de hele workflow opnieuw te bouwen.
Wat kost een AI-agent aan verbruik?
Dat hangt af van het volume en de lengte van wat de agent leest en schrijft. In de scan maken we een schatting op basis van je echte volumes. Tijdens gebruik zie je het verbruik terug.
Leert het model van onze data?
Bij de zakelijke API's van de grote aanbieders wordt je data standaard niet gebruikt om modellen te trainen. Controleer het wel altijd in de voorwaarden van de leverancier. Wij leggen de gekozen instellingen vast in de documentatie.
Kan een agent fouten maken?
Ja. Een taalmodel kan zich vergissen of iets verzinnen. Daarom begrenzen we de acties, laten we gevoelige stappen goedkeuren en meten we de kwaliteit op vaste voorbeelden. Een agent haalt de controle niet weg: hij verschuift die naar de uitzonderingen.
Wat is MCP?
Het Model Context Protocol is een open standaard waarmee AI-toepassingen de tools en data van andere systemen kunnen gebruiken. n8n kan zelf tools aanbieden via de MCP Server Trigger, en tools van andere MCP-servers gebruiken via de MCP Client Tool.
Bronnen
- n8n Docs: AI Agent-node, MCP-nodes, Guardrails-node en goedkeuring van toolacties (docs.n8n.io, september 2026)
- OpenAI, Microsoft en Anthropic: informatie over dataresidentie (september 2026)
- AI Act: Verordening (EU) 2024/1689, gewijzigd door Verordening (EU) 2026/1744 (eur-lex.europa.eu)
- AVG: Verordening (EU) 2016/679, artikel 22 (eur-lex.europa.eu)
- ACM en Autoriteit Persoonsgegevens: oproep over AI-chatbots in de klantenservice (oktober 2025)
Een taak die een AI-agent kan overnemen?
Beschrijf de taak. We toetsen of een agent de juiste oplossing is en wat hij mag en niet mag.