Agentic AI-woordenlijst: 100 essentiële termen over AI-agents voor enterprise-kopers

Deze woordenlijst geeft kopers, operationele teams en besluitvormers de kernbegrippen die ze nodig hebben om agentic AI-platforms en -partners met vertrouwen te beoordelen, met de nadruk op enterprise-geschiktheid, automatisering van de klantervaring en productierijpe implementatie.

Basis en kernbegrippen van agentic AI

1. Agentic AI – AI-systemen die zelfstandig plannen, beslissen en handelen om doelen te bereiken, in plaats van alleen op prompts te reageren. In enterprise-omgevingen maakt agentic AI end-to-end workflows mogelijk door LLM's, tools (Actions) en bedrijfskennis (Knowledge) te combineren, zoals in het Maven-platform.
2. AI-agent – Een softwarematige entiteit die input waarneemt, redeneert over context en acties onderneemt om specifieke doelen te bereiken. Anders dan traditionele bots kunnen AI-agents hun gedrag dynamisch aanpassen.
3. Autonomie – De mate waarin een AI-agent zelfstandig kan werken zonder menselijke tussenkomst. Meer autonomie verhoogt de efficiëntie, maar vraagt om sterkere governance en guardrails.
4. Doelgericht gedrag – Het vermogen van een agent om naar vastgestelde resultaten toe te werken in plaats van losse taken uit te voeren. Zo kunnen agents acties slim en over systemen heen op elkaar laten volgen.
5. Multi-agentsysteem (MAS) – Een architectuur waarin meerdere AI-agents samenwerken of zich op elkaar afstemmen om complexe problemen op te lossen. MAS-ontwerpen verbeteren schaalbaarheid en specialisatie.
6. Actieruimte (action space) – De volledige set acties die een agent mag uitvoeren. Het afbakenen van de actieruimte is cruciaal voor veiligheid en voorspelbaarheid.
7. Policy – Een set regels die bepaalt hoe een agent beslissingen neemt en acties kiest. Policies zorgen voor afstemming op zakelijke en compliance-eisen.
8. Planner – Het onderdeel dat doelen op hoog niveau opdeelt in uitvoerbare stappen. Dankzij planning kunnen agents complexe workflows met meerdere fasen aan.
9. Executor – Het onderdeel dat geplande acties uitvoert door tools, API's of workflows aan te roepen. Executors zetten redeneringen om in concrete impact.
10. Reasoning engine – De logische laag die context, beperkingen en opties afweegt om de volgende acties te bepalen. Sterk redeneervermogen is de basis voor betrouwbaar agentgedrag.

Geheugen, kennis en contextbeheer

11. Geheugen – Opslagmechanismen waarmee agents informatie in de loop van de tijd kunnen bewaren en terughalen. Geheugen maakt continuïteit, personalisatie en leren mogelijk.
12. Kortetermijngeheugen – Context die tijdens één interactie of sessie wordt vastgehouden. Zo begrijpen agents het verloop van het gesprek en de directe intentie.
13. Langetermijngeheugen – Blijvende opslag van feiten, voorkeuren en eerdere interacties. Langetermijngeheugen ondersteunt personalisatie en organisatiekennis.
14. Vectordatabase – Een gespecialiseerde database, geoptimaliseerd voor similarity search over embeddings. Vectordatabases worden vaak gebruikt om agentgeheugen en kennis op te slaan.
15. Embeddings – Numerieke representaties van tekst of data die de semantische betekenis vastleggen. Met embeddings halen agents efficiënt relevante informatie op.
16. Retrieval-Augmented Generation (RAG) – Een techniek die AI-output onderbouwt door eerst relevante bedrijfskennis op te halen en pas daarna een antwoord te genereren. Maven gebruikt retrievalpatronen om antwoorden te baseren op je Knowledge Bases, opgebouwd uit bronnen als Salesforce, Zendesk, Freshdesk, geüploade bestanden en gecrawlde URL's.
17. Kennisbank – Een samengestelde verzameling bedrijfscontent, zoals FAQ's, beleid en documentatie. Agents gebruiken kennisbanken voor onderbouwde antwoorden.
18. Grounding – Het verankeren van antwoorden van agents in geverifieerde databronnen. Grounding vermindert hallucinaties en verhoogt de betrouwbaarheid.
19. Contextvenster – De hoeveelheid informatie die een LLM in één keer kan meenemen. Het contextvenster goed beheren is essentieel voor prestaties en kostenbeheersing.
20. Hallucinatie – Wanneer een AI-model onjuiste of verzonnen informatie genereert. Enterpriseplatforms moeten hallucinaties actief tegengaan.

Modellen, prompts en tooling

21. Large Language Model (LLM) – Een model dat is getraind op enorme hoeveelheden tekst om taal te begrijpen en te genereren. LLM's vormen voor veel agents de redeneerkern.
22. Foundation model – Een model voor algemeen gebruik dat voor veel vervolgtaken kan worden aangepast. Foundation models zorgen voor flexibiliteit over use cases heen.
23. Prompt engineering – Het ontwerpen van prompts die het gedrag en de output van agents sturen. Goede prompts verbeteren consistentie en betrouwbaarheid.
24. Systeemprompt – Instructies die de rol, toon, grenzen en doelen van een agent vastleggen. Systeemprompts zorgen dat het gedrag aansluit bij wat je wilt.
25. Tool calling – Agents externe tools, API's of systemen laten aanroepen om taken uit te voeren. Tool calling maakt acties in de echte wereld mogelijk.
26. Function calling – Een gestructureerde aanpak waarbij modellen vooraf gedefinieerde functies aanroepen met gevalideerde input. Dat verhoogt precisie en veiligheid.
27. API-integratie – Agents koppelen aan bedrijfssystemen zoals ticketing-, facturatie- of dataplatforms. Integratie maakt automatisering op schaal mogelijk.
28. CRM-integratie – Klantdata gebruiken om acties van agents te personaliseren en in context te plaatsen. CRM-integratie is cruciaal voor CX-use-cases.
29. Event-driven architectuur – Een ontwerp waarin agents reageren op events of triggers in plaats van op statische verzoeken. Dat ondersteunt proactieve automatisering.
30. Workflowautomatisering – End-to-end uitvoering van bedrijfsprocessen zonder handmatige tussenkomst. Agentic workflows gaan verder dan eenvoudige, op regels gebaseerde automatisering.

Orkestratie, betrouwbaarheid en schaal

31. Orkestratie – Meerdere agents, tools en workflows coördineren tot één samenhangend systeem. Maven-klanten gebruiken orkestratie om Actions, Knowledge en workflows te verbinden tot end-to-end supportprocessen (bekijk praktijkcases van MavenAGI).
32. Concurrency – Het vermogen om meerdere agentprocessen tegelijk uit te voeren. Concurrency is noodzakelijk in omgevingen met hoge volumes.
33. Latency – De tijd die een agent nodig heeft om te reageren of te handelen. Lage latency is cruciaal voor klantgerichte use cases.
34. Throughput – Het aantal taken dat een agentsysteem in een bepaalde tijd kan verwerken. Throughput weerspiegelt de schaalbaarheid.
35. Schaalbaarheid – Prestaties en betrouwbaarheid behouden naarmate de vraag toeneemt. Enterprise-agents moeten voorspelbaar kunnen opschalen.
36. Fallbackstrategie – Vooraf vastgelegde alternatieve routes voor als agents falen of te weinig zekerheid hebben. Fallbacks beschermen de klantervaring.
37. Escalatiepad – Vragen doorsturen naar mensen of gespecialiseerde agents wanneer dat nodig is. Goede escalatie brengt automatisering en vertrouwen in balans.
38. Self-healing – Automatisch fouten of storingen detecteren en herstellen. Self-healing verbetert de veerkracht.
39. State management – De context en voortgang van een agent over interacties heen bijhouden. State management zorgt voor continuïteit.
40. Sessiebeheer – Afzonderlijke interacties tussen gebruiker en agent veilig en efficiënt afhandelen.

Governance, beveiliging en compliance

41. Guardrails – Beperkingen die onveilige, niet-conforme of ongewenste acties voorkomen. Guardrails zijn policies, beperkingen en controles die het gedrag van agents veilig en compliant houden, vooral wanneer ze Actions aanroepen of bedrijfskennis (Knowledge) gebruiken (bekijk de Trust & Security Compliance-aanpak van MavenAGI).
42. Human-in-the-loop (HITL) – Menselijke controle ingebouwd in agentworkflows. HITL wordt vaak ingezet in de eerste fasen van een implementatie.
43. Human-on-the-loop – Mensen houden toezicht op agents en grijpen alleen in wanneer drempelwaarden worden overschreden. Zo combineer je schaal met toezicht.
44. Governance – Beleid, controles en processen die zorgen voor verantwoord agentgedrag. Governance is cruciaal voor adoptie binnen enterprises.
45. Compliance – Naleving van wettelijke, juridische en organisatorische normen. Compliance-eisen verschillen per sector.
46. Gegevensprivacy – Bescherming van gevoelige klant- en bedrijfsdata die agents gebruiken. Privacy by design is essentieel.
47. Beveiliging – Waarborgen tegen ongeautoriseerde toegang, misbruik of datalekken. Beveiliging is de basis van vertrouwen.
48. Toegangsbeheer – Rechten beheren voor acties van agents en toegang tot data. Fijnmazige controle verkleint risico's.
49. Auditlogs – Onveranderlijke registraties van acties en beslissingen van agents. Auditeerbaarheid ondersteunt compliance en verantwoording.
50. Uitlegbaarheid – Kunnen begrijpen en verantwoorden waarom een agent een bepaalde actie heeft ondernomen.

Evaluatie, optimalisatie en leren

51. Observability – Inzicht in het gedrag, de beslissingen en de resultaten van agents. Observability maakt continue verbetering mogelijk.
52. Telemetrie – Operationele data die agents uitsturen voor monitoring en analyse. Telemetrie voedt evaluatiesystemen.
53. Evaluatie (eval) – De nauwkeurigheid, kwaliteit en zakelijke impact van agents meten. Evals moeten doorlopend zijn, niet eenmalig.
54. Benchmarking – Prestaties van agents vergelijken met een nulmeting of alternatieven. Benchmarks onderbouwen investeringsbeslissingen.
55. A/B-testen – Meerdere varianten van een agent testen om de beste prestaties te vinden. A/B-testen verkleint risico's.
56. Reflectie – Het vermogen van een agent om zijn eigen output te beoordelen en te verbeteren. Reflectie maakt agents robuuster.
57. Feedbackloop – Feedback van gebruikers of systemen verwerken in verbetercycli van agents.
58. Continu leren – Het gedrag van agents doorlopend verfijnen. Continu leren ondersteunt waarde op lange termijn.
59. Synthetische data – Kunstmatig gegenereerde data voor testen of trainen. Synthetische data maakt je minder afhankelijk van gevoelige data.
60. Simulatie – Het gedrag van agents testen in gecontroleerde omgevingen voordat ze in productie gaan.

CX, automatisering en bedrijfsresultaten

61. Conversational AI – Agents die via natuurlijke taal met gebruikers communiceren. Conversationele agents staan centraal in CX-automatisering.
62. Natural Language Understanding (NLU) – Intentie, entiteiten en context van gebruikers interpreteren. NLU maakt nauwkeurige routering en oplossing mogelijk.
63. Natural Language Generation (NLG) – Samenhangende, menselijk klinkende antwoorden produceren. NLG bepaalt mede de ervaren kwaliteit.
64. Sentimentanalyse – De emotionele toon in berichten van gebruikers herkennen. Sentiment stuurt escalatie en personalisatie.
65. Intentclassificatie – Verzoeken van gebruikers indelen in vooraf gedefinieerde intenties. Nauwkeurige intentherkenning bepaalt de oplossingsgraad.
66. Slot filling – Gestructureerde informatie halen uit ongestructureerde input. Slot filling ondersteunt automatisering.
67. Personalisatie – Het gedrag van agents afstemmen op de context en geschiedenis van de gebruiker. Personalisatie verbetert de CSAT.
68. CX-automatisering – Agents en workflows inzetten om klantinteracties en backofficetaken zonder handmatig werk af te handelen. Bij Maven draait CX-automatisering op het Maven-platform, waar agents Actions en Knowledge gebruiken om gesprekken op te lossen en te integreren met systemen zoals CRM's en helpdesks.
69. Autonome oplossing – Klanttaken afronden zonder menselijke tussenkomst. Autonome oplossing verlaagt de cost-to-serve.
70. Case deflection – Problemen oplossen zonder dat er supporttickets ontstaan. Deflection verhoogt de operationele efficiëntie.

Metrics, ROI en overwegingen voor kopers

71. First Contact Resolution (FCR) – Klantvragen in één interactie oplossen. FCR is een belangrijke CX-metric.
72. CSAT – Customer Satisfaction Score, die meet hoe klanten de kwaliteit van hun ervaring beoordelen.
73. Net Promoter Score (NPS) – Een metric die klantloyaliteit en de bereidheid om aan te bevelen weergeeft.
74. ROI – Het financiële rendement van investeringen in agentic AI. Een onderbouwde ROI is essentieel om op te schalen.
75. Time to value (TTV) – Hoe snel een organisatie de voordelen van een implementatie realiseert.
76. Kostenoptimalisatie – Kosten voor rekenkracht, tooling en modellen beheersen. Kostenbeheersing maakt duurzaam gebruik mogelijk.
77. Tokenbeheer – Het gebruik van LLM-input en -output beheersen. Tokenefficiëntie heeft direct invloed op de kosten.
78. Adoptiemetrics – Het gebruik van en de betrokkenheid bij agents volgen, per team of klant.
79. Changemanagement – Mensen en processen voorbereiden op de inzet van agents. Changemanagement vermindert weerstand.
80. Enablement – Teams trainen om effectief met agentic systemen te werken.

Platformstrategie en enterprise-geschiktheid

81. Agentframework – Softwareframeworks om agents te bouwen en te beheren. De keuze voor een framework bepaalt de flexibiliteit.
82. Platformaanpak – Standaardiseren op één systeem om agents te implementeren, monitoren en beheren, in plaats van losse tools aan elkaar te knopen. Maven volgt dit model met een platform dat Knowledge, Actions, kwaliteitscontroles en Insights samenbrengt.
83. Best-of-breed – Gespecialiseerde tools combineren in plaats van één platform te gebruiken. Dat geeft meer flexibiliteit, maar ook meer complexiteit.
84. Interoperabiliteit – Het vermogen van agents om over systemen en leveranciers heen te werken.
85. Vendor lock-in – Afhankelijkheid van één technologieleverancier. Kopers doen er goed aan exitstrategieën te beoordelen.
86. Open standaarden – Gedeelde protocollen die overdraagbaarheid en integratie mogelijk maken.
87. Roadmap – De geplande ontwikkeling van mogelijkheden en functies van agents.
88. Proof of concept (POC) – Een beperkte implementatie om de waarde te valideren voordat je opschaalt.
89. Productiegereedheid – De stabiliteit, beveiliging en schaalbaarheid die nodig zijn voor live omgevingen.
90. Enterprise-grade – Voldoen aan eisen voor betrouwbaarheid, governance, beveiliging en schaal, zodat agents veilig in productie kunnen draaien. Maven is gebouwd voor enterprise-grade implementaties, met diepe integraties, analytics en controle over Actions en Knowledge (bekijk praktijkcases van MavenAGI).

Geavanceerde mogelijkheden van agents

91. Proactiviteit – Agents die zelf acties starten zonder expliciete prompt. Proactieve agents leveren nieuwe efficiëntiewinst op.
92. Recommendation engine – Next-best actions voorstellen op basis van context en data.
93. Beslissingsondersteuning – Mensen helpen met inzichten, terwijl de uiteindelijke beslissing bij hen blijft.
94. Contextbewustzijn – Situationele nuances begrijpen die verder gaan dan de letterlijke input.
95. Confidence scoring – Inschatten hoe betrouwbaar de output van een agent is.
96. Volwassenheidsmodel – Een raamwerk dat de groeifasen van agentmogelijkheden beschrijft.
97. Build vs. buy – Afwegen of je zelf agents bouwt of een platform kiest.
98. Strategie voor kennisgrounding – Een systematische aanpak om feitelijke juistheid te waarborgen.
99. Operationele AI – AI die direct is ingebed in lopende bedrijfsprocessen.
100. Autonome onderneming – Een organisatie waarin agents binnen guardrails een groot deel van de herhaalbare operaties en workflows afhandelen, terwijl mensen zich richten op oordeelsvorming, relaties en uitzonderingen. Bij Maven betekent dit hybride teams van mensen en agents, niet operaties die alleen op AI draaien.

Voor implementatieadvies en praktijkvoorbeelden bekijk je onze klantverhalen of neem je contact op met ons team voor een live demonstratie.