Chatbot vs conversational AI vs AI-agent: wat is het verschil?
Chatbot, conversational AI en AI-agent worden als synoniemen gebruikt, maar ze beschrijven verschillende dingen. Wat elke term betekent en welke je bedrijf echt nodig heeft.

In dit artikel
Vraag drie softwareleveranciers wat ze verkopen en je hoort misschien "chatbot", "conversational AI" en "AI-agent" voor bijna hetzelfde product. De termen overlappen, maar het zijn geen synoniemen. Wie ze door elkaar haalt, kan tools moeilijk vergelijken en wekt bij het team de verkeerde verwachtingen.
Dit is de korte versie van chatbot vs conversational AI: een chatbot is elk programma dat een gesprek voert, met of zonder script. Conversational AI is de technologie waarmee software vrij geformuleerde taal begrijpt en natuurlijk antwoordt. Een AI-agent is conversational AI die ook acties kan uitvoeren in andere systemen, zoals een bestelling opzoeken of een tijdslot reserveren, om een taak af te ronden.
Belangrijkste punten
- "Chatbot" beschrijft de interface, "conversational AI" beschrijft hoe taal wordt begrepen en "agent" beschrijft of het systeem kan handelen.
- Moderne AI-assistenten antwoorden met retrieval (RAG) vanuit je eigen content in plaats van met een vast script, en dat scheelt onderhoud.
- Geef een AI-agent zo min mogelijk rechten, begin met acties die alleen gegevens lezen en houd een mens betrokken bij alles wat duur of gevoelig is.
Chatbot vs conversational AI vs AI-agent: eenvoudige definities
Zie de drie termen als lagen in plaats van concurrerende producten.
- Chatbot: alle software die berichten uitwisselt met een persoon. Een menu met knoppen op een website telt mee. Een geavanceerde assistent ook.
- Conversational AI: de technieken (taalbegrip, grote taalmodellen, retrieval) waarmee een chatbot interpreteert wat iemand typt en in natuurlijke taal antwoordt, in plaats van alleen trefwoorden te herkennen.
- AI-agent: conversational AI die gekoppeld is aan tools. De agent bepaalt welke stap volgt en voert die uit, bijvoorbeeld een bestelsysteem raadplegen of een record in het CRM invullen.
Elke AI-agent is dus een chatbot, maar niet elke chatbot is conversational AI, en de meeste conversational AI is geen agent.
Hoe chatbots zich ontwikkelden: vier generaties
1. Regelgebaseerde chatbots
Een regelgebaseerde chatbot volgt een beslisboom die jij ontwerpt: "Kies 1 voor openingstijden, 2 voor prijzen." Hij is voorspelbaar en goedkoop om te bouwen, maar begrijpt alleen de paden die je hebt voorzien. Een klant die typt "bezorgen jullie op zaterdag ook op Malta?" valt meteen tussen wal en schip.
2. Intentgebaseerde bots (NLU)
Daarna kwam natural language understanding (NLU). Je definieert intenties ("levering controleren", "bestelling annuleren"), voegt per intentie tientallen voorbeeldformuleringen toe en de bot classificeert binnenkomende berichten. Hij kan beter met variatie omgaan, maar iemand moet hem steeds opnieuw trainen, en alles wat niet in de lijst staat, krijgt een algemeen standaardantwoord.
3. LLM-assistenten die werken vanuit je eigen content
Grote taalmodellen begrijpen bijna elke formulering, maar op zichzelf antwoorden ze vanuit algemene trainingsdata en kunnen ze vol overtuiging dingen verzinnen. Daarom gebruiken zakelijke assistenten retrieval-augmented generation (RAG): de assistent doorzoekt eerst je kennisbank (helppagina's, voorwaarden, productgegevens) en antwoordt dan vanuit wat hij heeft gevonden. De bot bijwerken wordt zo net zo eenvoudig als een document bijwerken.
4. AI-agents
Een agent voegt acties toe aan een onderbouwd gesprek. In plaats van te zeggen "je kunt je bestelstatus op onze website bekijken", zoekt hij de bestelling op. In plaats van naar een agenda te linken, biedt hij vrije tijdslots aan. Het model plant een stap, roept een tool aan, leest het resultaat en zet het gesprek voort.
Vergelijkingstabel: vier typen naast elkaar
| Regelgebaseerde chatbot | Intentgebaseerde bot (NLU) | LLM + RAG-assistent | AI-agent | |
|---|---|---|---|---|
| Hoe hij begrijpt | Knoppen, trefwoorden | Deelt berichten in bij vooraf gedefinieerde intenties | Interpreteert vrij geformuleerde taal | Hetzelfde, plus kiest een tool |
| Hoe hij antwoordt | Vaste tekst | Vaste tekst per intentie | Gegenereerd vanuit je goedgekeurde bronnen | Gegenereerd, plus resultaten van acties |
| Onderhoud | Elke vertakking met de hand aanpassen | Intenties en voorbeelden opnieuw trainen | Kennisbank actueel houden | Kennisbank plus integraties en rechten |
| Grootste risico | Doodlopende paden | Verkeerde intentie, algemeen standaardantwoord | Verder antwoorden dan zijn bronnen | De verkeerde actie uitvoeren |
| Geschikt voor | Eenvoudige menu's | Stabiele, afgebakende toepassingen | Gevarieerde vragen, veel talen | Terugkerende taken waarvoor iets moet worden opgezocht |
AI-agent vs chatbot: wat acties uitvoeren echt inhoudt
"Agent" is het meest gehypete woord van de drie, dus wees concreet. Gangbare acties richting klanten zijn:
- De status van een bestelling opzoeken aan de hand van bestelnummer en e-mailadres
- Beschikbaarheid controleren en een tijdslot reserveren
- Een contact in het CRM aanmaken of bijwerken met gegevens die de klant heeft gedeeld
- Een gesprek labelen en naar het juiste team doorsturen
Maak onderscheid tussen leesacties (iets opzoeken) en schrijfacties (iets wijzigen). Leesacties hebben een laag risico: in het slechtste geval krijg je een verwarrend antwoord. Schrijfacties kunnen geld kosten als ze misgaan. Een verstandige uitrol:
- Begin met opzoekacties die alleen lezen.
- Vraag om expliciete bevestiging vóór elke schrijfactie ("Zal ik dinsdag om 10:00 uur voor je boeken?").
- Stuur terugbetalingen, klachten en accountwijzigingen naar een medewerker.
- Leg elke actie vast, zodat je die kunt controleren.
Een agent is maar zo goed als de gegevens erachter. Is je bestelsysteem niet actueel, dan meldt een agent heel efficiënt de verkeerde status.
Welke past bij je bedrijf?
Laat je echte gesprekken beslissen, niet het label van de leverancier.
- Vooral dezelfde vijf vragen, steeds op dezelfde manier gesteld? Een regelgebaseerd menu kan werken, al typen klanten toch vrije tekst.
- Gevarieerde vragen, meerdere talen, voorwaarden die veranderen? Een LLM-assistent die werkt vanuit je kennisbank is de praktische keuze.
- Veel gesprekken die eindigen met "ik zoek het even voor je op"? Daar betalen de mogelijkheden van een agent zich terug.
Stel je een kleine webwinkel voor. De meeste berichten gaan over maten, verzending en retouren, en die beantwoordt een RAG-assistent vanuit de voorwaarden van de winkel. Een deel bestaat uit vragen als "waar is mijn bestelling?", waarvoor iets moet worden opgezocht. Een paar zijn klachten die een mens nodig hebben. De juiste opzet dekt alle drie, zonder te doen alsof de bot alles kan.
Waar Conviro past
De AI-assistenten van Conviro zijn onderbouwde assistenten met praktische stappen in agentstijl. Ze antwoorden met RAG vanuit je eigen kennisbank (pdf's, webpagina's, voorwaarden, productinformatie), reageren in de taal van de klant en blijven binnen de grenzen en drempels voor zekerheid die jij instelt.
De assistent verzamelt ook contact- en kwalificatiegegevens en synchroniseert die via leads verzamelen met HubSpot, en met de plug-ins voor Shopify en WooCommerce beantwoordt hij vragen over de bestelstatus. Is de zekerheid laag, is het onderwerp gevoelig of vraagt de klant om een mens, dan gaat het gesprek met het gespreksverslag naar de Live Inbox. Het werkt in websitechat, Instagram DM en WhatsApp; onze vergelijking van de WhatsApp Business-app en de API legt de WhatsApp-kant uit.
Veelgestelde vragen
Wat is conversational AI in eenvoudige woorden?
Conversational AI is technologie waarmee software begrijpt wat mensen in hun eigen woorden schrijven en in natuurlijke taal antwoordt. Ze combineert taalbegrip, grote taalmodellen en vaak retrieval uit een kennisbank, zodat ze vragen aankan waarvoor nooit een script is geschreven, zolang het antwoord in de bronnen staat.
Is een regelgebaseerde chatbot nog de moeite waard?
Ja, voor afgebakende taken met een vaste set opties, zoals een afdeling kiezen of een ja/nee-stap bevestigen. Regelgebaseerde flows zijn voorspelbaar en makkelijk te controleren. De problemen beginnen als klanten vragen in hun eigen woorden typen, en dat doen ze meestal. Daarom combineren veel teams korte begeleide stappen met een AI-assistent.
Zijn AI-agents veilig om met klanten te gebruiken?
Dat kan, als je beperkt wat ze mogen doen. Geef een agent alleen de integraties die hij nodig heeft, begin met opzoekacties die alleen lezen, vraag om bevestiging voordat er iets wordt gewijzigd en stuur terugbetalingen, klachten en gevoelige onderwerpen naar een medewerker. Bekijk de gesprekslogs regelmatig, vooral in de eerste weken.
Volgende stappen
Zet de 30 meest recente vragen die je team heeft beantwoord op een rij en verdeel ze over drie stapels: "beantwoorden", "opzoeken" en "heeft een mens nodig". Die verdeling vertelt je beter dan welk label ook of je een chatbot, conversational AI of een agent nodig hebt. Ben je klaar om het met echte vragen te proberen? Start gratis met Conviro.
Gepubliceerd door
Conviro
Deelt inzichten over AI-aangedreven klantenservice, chatbot-automatisering en SaaS-groeistrategieën.
Breng het draaiboek in de praktijk
Maak van je supportkennis snellere antwoorden
Ontdek de AI-supportworkspace van Conviro en start gratis zodra de workflow bij je team past.
Gerelateerde artikelen
Meer berichten
AI & Chatbots
Veiligheidsstops: zo houd je AI weg uit gesprekken die er niet voor zijn
7 min leestijd
Artikel lezen
AI & Chatbots
AI-hallucinaties bij chatbots: waarom ze ontstaan en hoe je ze voorkomt
7 min leestijd
Artikel lezen
AI & Chatbots
Beveiliging van AI-chatbots: checklist met 12 vragen voor elke leverancier
7 min leestijd
Artikel lezen