Een AI-medewerker is een AI-agent die een vaste taak op het werk heeft gekregen. Hij leest de e-mails, bestanden en gegevens die voor die taak nodig zijn, doet het werk en geeft het resultaat terug aan een mens. "Medewerker" beschrijft hoe het werk wordt verdeeld. Het is geen echte aanstelling. De AI kan het onderzoek, de eerste versies en de updates doen. Jij beslist nog steeds wat belangrijk is, keurt goed wat naar buiten gaat en staat in voor het resultaat.
X · Tibo Louis-Lucas (@tibo_maker) · 26 oktober 2026
"there are 2 internets right now" (vrij vertaald: er zijn op dit moment twee internetten)
Tibo Louis-Lucas, oprichter van een SaaS-bedrijf, beschrijft vervolgens die twee: in het ene neemt iedereen "AI employees" (AI-medewerkers) aan en runnen agents hele bedrijven; in het andere maken betalende gebruikers nog steeds een foto van hun laptopscherm om het te delen. Het is een grap, maar er zit een kern van waarheid in. Online klinken AI-medewerkers als een voltooide revolutie. In de meeste teams is de nuttige vraag kleiner: welk deel van welke taak kan ik deze week overdragen, en wat houd ik zelf? Deze gids beantwoordt die vraag met eenvoudige voorbeelden.
Wat is een AI-medewerker?
Denk aan een nieuwe collega die net is begonnen om één terugkerende taak over te nemen. Om dat goed te doen, heeft die vier dingen nodig:
- Een duidelijke taak. "Bereid de wekelijkse klantbriefing voor", niet "help met klanten".
- De achtergrond. Toegang tot de e-mails, notities en gegevens waar de taak van afhangt.
- Grenzen. Wat ze zelfstandig mogen doen en wat ze eerst met jou moeten overleggen.
- Een manier om het werk terug te geven. Een concept, een rapport of een update die je kunt bekijken.
Een AI-medewerker is hetzelfde idee, toegepast op software. Achter de naam zit een AI-agent: een programma dat zelf de stappen van een taak kan uitzoeken en jouw tools kan gebruiken om ze uit te voeren, in plaats van alleen een vraag te beantwoorden in een chatvenster.
Je hoort ook termen als "digitale medewerker", "AI-werker", "AI-collega" en "AI-teamgenoot". Voor geen van allen bestaat een officiële definitie. Het zijn namen die leveranciers gebruiken om je te helpen het product voor te stellen. "Digitale medewerker" is de oudste. Automatiseringsbedrijven zoals SS&C Blue Prism gebruiken die term voor softwarerobots die steeds dezelfde klikken en gegevensinvoer herhalen. De nieuwere AI-versies verschillen op één belangrijk punt: ze kunnen een rommelige e-mailwisseling lezen en beslissen wat de volgende stap is.
X · Aaron Levie (@levie) · 21 oktober 2026
AI wordt "autonomous systems dedicated to specific tasks or domains" (autonome systemen voor specifieke taken of domeinen) en doet steeds geavanceerder werk "(still with a human in the loop)" (nog steeds met een mens die betrokken blijft).
Levie beschrijft waar de sector naartoe gaat: een agent voor een specifieke taak, niet één assistent voor alles. Met die richting zijn we het eens. Waar je aan moet vasthouden, is de mens die betrokken blijft. Dat een systeem aan een taak is gewijd, vertelt je waar de AI aan werkt. Het vertelt je niet wie de goedkeuring geeft.
Heb je voor deze taak eigenlijk wel een AI-medewerker nodig?
Niet altijd. Als een taak elke keer dezelfde stappen volgt, zoals formulierinzendingen naar een spreadsheet kopiëren, dan doet een eenvoudige automatiseringsregel dat goedkoper en voorspelbaarder. Een AI-medewerker verdient zijn plek wanneer de taak lezen en oordeelsvermogen vraagt: als het antwoord van een klant verandert wat je daarna moet zeggen, of als twee bronnen elkaar tegenspreken.
De gids Building effective agents van Anthropic uit december 2024 geeft hetzelfde advies: begin met het eenvoudigste dat werkt, wat "might mean not building agentic systems at all" (kan betekenen dat je helemaal geen agentsystemen bouwt).
Waarom het idee van een "medewerker" helpt
Het herinnert je eraan om goed te delegeren. Als je een taak aan een mens overdraagt, leg je het doel uit, deel je de achtergrond, zeg je wat diegene zelf mag beslissen en spreek je af wanneer je het werk bekijkt. Dezelfde gewoonten maken een AI-medewerker nuttig. Zonder die gewoonten krijg je algemene resultaten die iemand opnieuw moet doen.
YouTube · Sequoia Capital
What's next for AI agentic workflows ft. Andrew Ng of AI Fund · 26 maart 2024
Andrew Ng stelt dat we moeten leren een taak aan een agent te geven en te wachten, in plaats van na vijf minuten al te komen kijken zoals een nieuwe manager.
Het essayvoorbeeld uit Ngs presentatie van 2024 laat goed zien waarom een echte taak beter werkt dan een losse prompt. Vraag je een model om in één keer te schrijven, dan typt het van begin tot eind zonder terug te gaan. Geef je het een werkwijze, dan maakt het een opzet, doet onderzoek, schrijft een concept, beoordeelt dat concept zelf en herziet het. Zo zou je het ook van een collega verwachten.
Waar het idee van een "medewerker" niet klopt
Niemand kan software verantwoordelijk houden
Een AI-medewerker heeft geen contract en geen belang bij je klanten. Als hij een terugbetalingsmail met het verkeerde bedrag opstelt en iemand die goedkeurt, is die persoon verantwoordelijk voor de fout. De AI-principes van de OESO, in 2019 door overheden aangenomen en in 2024 bijgewerkt, zeggen het duidelijk: de mensen en organisaties die een AI-systeem gebruiken, zijn er verantwoordelijk voor dat het goed werkt.
Werk goedkeuren is niet hetzelfde als beslissen
Dit is de nieuwste en nuttigste waarschuwing.
X · Alex Tamkin (@AlexTamkin) · 27 oktober 2026
"When experts delegate work to an agent, do they still make the key decisions?" (Als experts werk aan een agent delegeren, nemen ze dan nog zelf de belangrijkste beslissingen?)
Dit vond de studie van Anthropic. 50 ervaren data-analisten voerden met een AI-agent een realistische analyse uit. Op vier momenten moesten ze kiezen tussen twee redelijke opties. Zonder het hun te vertellen, stelden de onderzoekers elke agent zo in dat die één optie verkoos, gekozen met een muntworp. De analisten gingen in 86% van de gevallen mee met de voorkeur van de agent. Ongeveer de helft noemde de uiteindelijke aanbeveling toch grotendeels hun eigen werk.
De studie heeft duidelijke beperkingen. De onderzoekers maakten de voorkeuren van de agent bewust sterker, en het ging om één taak in één vakgebied met één model. Ook bleek dat analisten die de agent gebruikten veel minder ernstige fouten maakten. De les is dus niet "gebruik geen AI". De les is dat een snelle "ziet er goed uit" van jou ongemerkt ook de beslissing uit handen kan geven.
Twee eenvoudige gewoonten helpen. Schrijf je eigen standpunt op voordat je de aanbeveling van de AI leest. En vraag de AI om ook de argumenten voor de andere optie te geven.
Sommige taken kan het goed, andere slecht
In een experiment uit 2023 met 758 consultants van Boston Consulting Group presteerden mensen met GPT-4 beter op 18 realistische taken die de AI goed aankon, en slechter op één taak die bewust buiten de mogelijkheden van de AI was gekozen. De modellen zijn nu veel sterker, dus lees die cijfers niet als de resultaten van vandaag. De les blijft wel staan: de grens tussen "AI helpt" en "AI misleidt" is grillig, dus controleer je elk soort taak voordat je erop vertrouwt.
Het weet alleen wat jij het geeft
Sommige video's van leveranciers beloven dat een AI-medewerker "remembers your business stuff" (je bedrijfszaken onthoudt) en zelfstandig bijleert. De uitlegvideo van Marblism uit juli 2025 is daar een voorbeeld van. In de praktijk hangt het af van het product.
In Okou kan de AI bijvoorbeeld eerdere berichten en bestanden uit dezelfde chat gebruiken. Een nieuwe chat begint blanco, tenzij je verwijst naar een eerdere. En een correctie wordt pas een blijvende regel als iemand die opslaat in de instructies of in een workflow. Dat is minder magisch, maar je kunt altijd zien wat het weet.
Wat je overdraagt en wat je zelf houdt
Een eenvoudige test: draag het werk over dat tijd kost, en houd de beslissingen die zwaar wegen.
Goede taken om over te dragen hebben input die al in je tools staat en een resultaat dat je kunt controleren:
- Marketing: de campagnecijfers van vorige week omzetten in een korte samenvatting met links naar de brongegevens.
- Sales: voor een afspraak de e-mailgeschiedenis en gespreksnotities lezen en een briefing van één pagina schrijven.
- Customer success: de voorgeschiedenis van een escalatie verzamelen en een antwoord opstellen voor de eigenaar.
- Oprichters en chiefs of staff: updates en knelpunten uit verschillende tools bundelen in één wekelijkse briefing.
Laat dit bij mensen:
- Welke klanten en doelen nu het belangrijkst zijn.
- Alles wat het bedrijf ergens aan bindt: berichten aan klanten, prijswijzigingen, budget verschuiven, terugbetalingen.
- Oordelen over mensen, zoals bij werving of bij het omgaan met een boze klant die al lang bij je zit.
- De definitieve goedkeuring.
Je kunt de grens later verleggen. Een team keurt in het begin misschien elke uitgaande e-mail goed en laat routinematige interne updates daarna vanzelf plaatsen. Maak daar een bewuste beslissing van, in plaats van iets dat ongemerkt gebeurt.
Voorbeeld: een contractverlenging voorbereiden
Hier is één taak, van begin tot eind. Het is een illustratief voorbeeld gebaseerd op hoe Okou werkt, geen klantverhaal of gemeten resultaat.
Verzamel de achtergrond, laat de beslissing bij een mens en sla dan de werkwijze op, zodat de volgende persoon met een voorsprong begint.
1. De taak
Priya leidt customer success bij een klein softwarebedrijf. Een grote klant moet over vijf weken verlengen. Voor het gesprek besteedt ze meestal een middag aan lezen: de e-mailwisseling met de klant, gespreksnotities in Google Drive, het CRM-record en recente supporttickets.
Deze keer vraagt ze Okou: "Bereid de verlenging met Northwind voor. Lees onze e-mails, de gespreksnotities, het CRM-record en hun tickets van de afgelopen 90 dagen. Schrijf een briefing van één pagina: wat we hebben beloofd, wat nog openstaat en wat je zou aanraden. Stel een follow-upmail voor me op. Koppel elke bewering aan de plek waar je die hebt gevonden, en markeer alles wat je niet kon bevestigen."
2. De achtergrond verandert het antwoord
Het CRM ziet er prima uit: een gezonde klant met ruimte om meer te verkopen. De e-mails vertellen een ander verhaal. In maart beloofde het team een exportfunctie "uiterlijk in Q3". Die is er nog niet, en twee supporttickets over de tijdelijke oplossing staan nog open.
Daarom stelt de briefing voor om het gesprek te openen met de gemiste belofte en een concrete datum, en de upsell voor later te bewaren. Okou kwam alleen tot dat voorstel door meerdere tools samen te lezen. In lijn met de waarschuwing uit de studie van Anthropic zet de briefing beide opties naast elkaar, nu upsellen of eerst de belofte nakomen, zodat Priya zelf de keuze maakt.
3. Alleen de toegang die nodig is
Okou kan de inbox lezen en een concept in Gmail opslaan, maar verzenden mag niet. Een notitie toevoegen in het CRM vereist een recht dat Okou nog niet heeft, dus het werk pauzeert en vraagt om toestemming. Priya staat het één uur toe. (De rechten van Okou kun je verlenen voor 1 uur, 24 uur, 7 dagen of altijd.)
Een echt toestemmingsverzoek in Okou. Dit verzoek gaat over Stripe, maar een verzoek voor het CRM werkt precies zo: één benoemde actie, een tijdslimiet en een mens die bevestigt.
4. Werk dat ze kan controleren
Okou gebruikt één set feiten in twee vormen. Priya krijgt een briefing van één pagina met bronnen, omdat ze de details nodig heeft om te beslissen. De klant krijgt een kort conceptmailtje met de volgende stappen. De e-mail wacht onverzonden in Gmail, en Priya kan zien wat Okou heeft gelezen en wat het heeft veranderd.
Concepten komen onverzonden binnen. De persoon past ze aan en beslist of ze worden verstuurd. Voorbeeldgegevens met een fictieve ontvanger.
5. Zij verbetert het, daarna gebruikt het team het opnieuw
Priya maakt de opening wat zachter, schrapt één verouderde bewering en verstuurt de e-mail zelf. In dezelfde chat voegt ze twee regels toe: controleer altijd tickets die ouder zijn dan 30 dagen, en noem nooit kortingen.
Daarna vraagt ze Okou om de hele werkwijze op te slaan als gedeelde workflow met de naam renewal-prep. Haar twee regels zitten er nu in. Als haar collega Marco de workflow voor zijn klanten draait, gebruikt die zijn eigen Gmail, zijn eigen CRM-login en zijn eigen rechten. Hij ziet Priya's inbox en haar privéchats niet. De gids van Okou voor teams zet op een rij wat gedeeld wordt en wat persoonlijk blijft.
Een workflow is de werkwijze. Die draait niet vanzelf. Als het team elke maandag een verlengingsbriefing wil, voegt iemand een automatisering toe met een planning, een eigenaar en een plek waar het resultaat naartoe gaat.
Wat is verschoven? Het lezen, het naast elkaar leggen van bronnen en de eerste concepten. Wat is gebleven? De klant, de aanbeveling en de e-mail die Priya besloot te versturen. En de werkwijze is nu van het team, niet van de chatgeschiedenis van één persoon.
Zo beoordeel je een product dat als AI-medewerker wordt verkocht
Negeer de functietitel op de verpakking ("AI SDR", "AI marketer"). Stel in plaats daarvan deze zes vragen.
- Waar haalt het zijn informatie vandaan? Welke tools kan het lezen, en laat het bij elke bewering de bron zien?
- Wat mag het doen? Kijk of er rechten per tool en per actie zijn, met tijdslimieten. Een concept opslaan en een e-mail verzenden moeten los van elkaar staan.
- Wat wacht op jou? Verzenden, betalen, verwijderen en publiceren moeten pauzeren tot jij ja zegt.
- Kun je het werk controleren? Je moet kunnen zien wat het heeft gelezen, wat het heeft gedaan en wat het heeft veranderd.
- Wat gebeurt er als het fout zit? Kun je de instructies één keer aanpassen, zodat iedereen ervan profiteert?
- Blijft de werkwijze bij het team? Als die in het account van één persoon staat, vertrekt die mee als die persoon vertrekt.
Vraag 4 is belangrijker dan het klinkt. Onderzoekers van BetterUp Labs en Stanford noemen ongecontroleerde AI-output "workslop" (ongeveer: AI-prutswerk): het ziet er af uit, maar iemand anders moet het repareren. In een enquête uit 2025 onder 1.150 Amerikaanse kantoormedewerkers herinnerde 41% zich dat ze zulk werk hadden ontvangen. De auteurs wijten het eerder aan vage opdrachten van managers om "AI te gebruiken" dan aan de tools. Een duidelijke opdracht en een controlestap zijn de oplossing.
Gaan AI-medewerkers menselijke medewerkers vervangen?
Sommige bedrijven hebben het geprobeerd. In een enquête van SHL uit juni en juli 2026 zei bijna 1 op de 5 van meer dan 1.000 Amerikaanse werknemers dat ze waren ontslagen of door AI vervangen en daarna werden gevraagd terug te komen. Dat is wat werknemers rapporteerden, geen bedrijfsdata, en het verklaart niet waarom elk bedrijf van koers veranderde. Het is toch een goede reden om niet te plannen rond een aantal fte's.
Wat een AI-medewerker verandert, is hoe mensen hun tijd binnen een taak besteden: minder verzamelen en opstellen, meer beslissen en controleren. De Work Trend Index 2026 van Microsoft, een enquête onder 20.000 mensen in 10 landen die AI op het werk gebruiken, liet zien dat het controleren van AI-output de menselijke vaardigheid is die zij nu het belangrijkst vinden. Begin met één taak, meet hoe lang die nu duurt en beslis op basis van je eigen cijfers.
Waar Okou past
We noemen Okou een AI-teamgenoot in plaats van een AI-medewerker, omdat dat beter aansluit bij hoe het werk wordt gedeeld. Okou leest de context die een taak nodig heeft uit je gekoppelde tools, doet het werk en levert het juiste formaat aan voor wie daarna aan de slag gaat: een bericht, een document, een webpagina of een presentatie. Als een werkwijze werkt, slaat je team die op als workflow en voert die opnieuw uit met de eigen accounts.
Om het te proberen, kies je één briefing of concept dat je team al elke week schrijft en vergelijk je de versie van Okou met die van jullie. Voor meer ideeën kun je kijken naar 20 voorbeelden van AI-agents voor echt werk, hoe je de context van AI-agents nuttig houdt voor een team, en waarom je bedrijf het laatste woord nodig heeft over acties van AI.
Veelgestelde vragen
Hoe wordt een AI-medewerker nog meer genoemd?
Je ziet ook digitale medewerker, AI-werker, AI-collega, AI-teamgenoot en virtuele medewerker. Dat zijn marketingnamen, geen officiële categorieën. "Digitale medewerker" werd eerst gebruikt voor oudere automatiseringsbots. De meeste producten die vandaag onder deze namen worden verkocht, zijn AI-agents die zijn ingericht voor één terugkerende taak.
Zijn AI-medewerkers hetzelfde als AI-agents?
Grotendeels wel. Een AI-agent is de technologie: software die stappen plant en tools gebruikt om een doel te bereiken. Een AI-medewerker is een agent die is ingericht voor een specifieke taak, met de juiste achtergrond, de juiste rechten en een manier om werk terug te geven.
Hoe krijg ik een AI-medewerker voor mijn bedrijf?
Kies één taak die elke week terugkomt en iets oplevert dat je kunt controleren, zoals een wekelijkse briefing of een reeks conceptantwoorden. Koppel alleen de tools die die taak nodig heeft, sta concepten toe voordat je verzenden toestaat en bekijk de eerste resultaten nauwkeurig. Sla de werkwijze op zodra die werkt. Zet hem pas daarna op een vaste planning.
Kan een AI-medewerker een menselijke medewerker vervangen?
Hij kan delen van een functie overnemen, vooral onderzoek, concepten schrijven en rapportages. Hij kan niet verantwoordelijk worden gehouden, geen relaties opbouwen en geen afwegingen maken voor je bedrijf. Recent onderzoek laat ook zien dat mensen geneigd zijn mee te gaan met de suggesties van een AI, dus iemand moet nog steeds eigenaar zijn van elke beslissing.
Hebben AI-medewerkers menselijk toezicht nodig?
Ja, en meer naarmate de taak riskanter is. Een interne samenvatting heeft misschien alleen een snelle blik nodig. Alles wat iets verstuurt, geld uitgeeft, verwijdert of publiceert, moet wachten op een mens. Toezicht betekent ook dat je de instructies aanpast als de output niet goed is, zodat het de volgende keer beter gaat.
Onthoudt een AI-medewerker alles over mijn bedrijf?
Alleen wat de inrichting hem meegeeft. Sommige producten hebben een langetermijngeheugen. Andere, zoals Okou, bewaren context binnen een chat en leggen blijvende regels vast in opgeslagen instructies en workflows. Vraag elke leverancier precies wat er wordt onthouden, waar, en wie het kan aanpassen.
