AI-Agent experiment: welk platform bouwt de beste Customer Service Agent?

Het Experiment: De Customer Service Agent

De use case was helder: hoe kunnen we binnenkomende support-tickets automatisch laten interpreteren en beantwoorden, zonder dat het voelt als een zielloze robot?

Een Customer Service Agent is in dit geval een AI-gedreven digitale collega die klantvragen begrijpt, de juiste context erbij haalt (zoals website-informatie of eerdere interacties) en zelfstandig een passend antwoord formuleert. Geen vaste scripts, maar contextbewuste reacties in onze eigen tone of voice. En niet onbelangrijk: de agent moet weten wanneer hij het stokje moet overdragen aan een mens.

Onze randvoorwaarden
Om dit goed te doen, hebben we een aantal duidelijke kaders gesteld:

• Context: De agent moet de website van Bikkelhart van binnen en buiten kennen.

• Toon: Professioneel, creatief, datagedreven en menselijk, zodat deze past bij de tone of voice van Bikkelhart.

• Human-in-the-loop: Bij twijfel moet de agent het gesprek overdragen aan een van onze experts.

 

Dit experiment liet zien dat AI-agents niet alleen tijd besparen, maar vooral helpen om customer service slimmer, consistenter en persoonlijker te maken.

4 platformen onder de loep

Om te ervaren wat er allemaal mogelijk is met AI-agents, hebben we niet één platform uitgeprobeerd. We hebben bewust vier verschillende AI-platformen getest, van oplossingen waar je alles zelf controleert en bouwt tot tools die veel voor je uit handen nemen. Elk platform kijkt anders naar automatisering, agents en hoeveel regie je als team wilt houden. 

Ik neem je mee in wat ons opviel, wat positief verraste en waar je rekening mee moet houden als je hier zelf mee aan de slag wilt.

1. HubSpot Breeze Customer Agent

Met Breeze AI is AI geen losse chatbot naast je CRM, maar een vast onderdeel van HubSpot zelf. Het is dus geen chatbot die je ergens op je website plakt en verder los staat van je organisatie. De agent werkt direct met de klantdata in je CRM en gebruikt die context om relevantere antwoorden te geven. Dat werkt natuurlijk alleen als je al met HubSpot werkt.

• De techniek
  De Breeze Customer Agent draait op de Intelligence Engine en kijkt niet alleen naar wat iemand vraagt, maar vooral naar de context. Wie is deze klant? Zijn ze al eerder in contact geweest? Welke pagina’s hebben ze bezocht en wat was het laatste contact? Dat zorgt voor antwoorden die minder generiek aanvoelen en beter aansluiten bij de situatie.
  
  

• De configuratie
  Je richt Breeze in via Agent Identity en Knowledge Sources. Hier bepaal je wie de agent is en waar hij zijn kennis vandaan haalt. Een belangrijke laag is de Brand Voice: daar leg je vast welke termen altijd gebruikt moeten worden en welke woorden of namen (zoals onze oude merknaam 4NG) de agent juist niet mag gebruiken.
  
  

• Grootste les
  👉 Goed gebruik van AI begint bij datakwaliteit
  Alles wat in je CRM en contentbibliotheek staat, kan worden gebruikt door de agent. Oude blogposts en verouderde pagina’s werken dan als vervuilde brandstof. Wil je betrouwbare output, dan moet je eerst je data opschonen voordat je de agent echt “vrij” laat.

2. Make.com

Make is vooral interessant voor teams die niet bang zijn om zelf te bouwen en volledige controle willen houden. Make is een platform waarmee je zelf agents bouwt. Jij bepaalt welke systemen met elkaar praten en welke taken er worden uitgevoerd. 

• De techniek
  Binnen make kun je met ieder LLM werken, en binnen ieder model met verschillende versies. Dat zet je vervolgens vast in een stappenplan. Je bepaalt zelf hoeveel vrijheid de AI krijgt, welke instructies gelden en op welke momenten in de workflow de AI wordt ingezet om een antwoord te formuleren. Zo hou je de controle en voorkom je dat de AI ongecontroleerd gaat reageren.
  
  

• De configuratie
  Alles bouw je op een visueel canvas. Je koppelt acties aan elkaar in een duidelijke flow, bijvoorbeeld:

  “Als er een ticket in HubSpot binnenkomt → stuur de tekst naar OpenAI → controleer het antwoord op verboden woorden → update het ticket → verstuur een mail via Gmail.”
  
  

• Grootste les
  👉 Controle vereist onderhoud.
  Omdat je alles zelf bepaalt, ben je ook verantwoordelijk voor het vangnet. Denk aan foutafhandeling, uitzonderingen en situaties waarin de AI iets onverwachts teruggeeft. Make is krachtig, maar vraagt discipline en onderhoud om betrouwbaar te blijven werken.

Benieuwd wat je verder met Make kan? Collega Auke schreef een blog met 3 van zijn favoriete Make automations!

3. Lindy.ai

Lindy.ai zit duidelijk aan de voorkant van wat nu vaak Agentic AI wordt genoemd. Daarmee bedoelen we AI-systemen die niet alleen instructies uitvoeren, maar zelfstandig stappen bepalen om een doel te bereiken. Waar Make een vooraf bedacht stappenplan volgt, werkt Lindy doelgericht. Je geeft de agent een einddoel en Lindy bepaalt zelf welke acties nodig zijn om dat doel te bereiken. Dat maakt het systeem flexibeler, maar ook minder voorspelbaar.

• De techniek
  Lindy werkt met redenerende modellen die continu evalueren: “Wat weet ik nu, wat moet ik doen om verder te komen?”
  Je kunt de agent bijvoorbeeld het doel geven: “Help deze klant met een refund.” Lindy bepaalt vervolgens zelf of ze eerst het beleid moet raadplegen, een factuur moet opzoeken, een e-mail moet lezen of informatie moet ophalen via browser-automatisering.
  
  
• De configuratie
  De inrichting gebeurt via Blueprints. Hier definieer je de toolbox van de agent: welke ‘skills’ ze mag gebruiken en welke systemen zijn toegankelijk. Denk aan het recht om een agenda in te zien, klantdata op te halen of een betaling op te zoeken in Stripe.
  Je stuurt dus niet elke stap, maar stelt grenzen aan wat de agent wel en niet mag doen.
  
  

• Grootste les
  👉 Redeneren kost credits.
  Omdat Lindy voortdurend nadenkt over de volgende stap, loopt het verbruik van credits sneller op dan bij lineaire workflows. Hoe complexer het doel en hoe meer vrijheid je de agent geeft, hoe hoger dus de kosten. Slim afbakenen is hier essentieel.

4. Agent.ai

Agent.ai is gebouwd met snelheid en schaalbaarheid in gedachten. Dit platform is opgezet door HubSpot-CTO Dharmesh Shah en is gemaakt voor teams die snel met AI-agents aan de slag willen zonder zelf alles te hoeven bouwen. In plaats van één grote AI-agent gebruikt Agent.ai meerdere gespecialiseerde agents. Elke agent bewaakt een klein, afgebakend stuk van de funnel, zoals leadkwalificatie, contentcreatie of support. Samen vormen ze een team, in plaats van één grote, complexe bot.

• De techniek
  Onder de motorkap werkt Agent.ai met een microservices-achtige opzet die gekoppeld is aan de HubSpot API. Elke agent heeft een duidelijke taak en praat rechtstreeks met het CRM. Agent.ai is dus vooral interessant voor organisaties die HubSpot gebruiken.
  
  
• De configuratie
  In plaats van bouwen doorloop je een onboarding-wizard. Je kiest een agent uit de marketplace en traint deze door documenten te uploaden en de persona fijn te tunen. Denk aan tone of voice, doelgroep en context, maar zonder diep in workflows of logica te duiken.
  
  

• Grootste les
  👉 Snelheid boven maatwerk.
  Agent.ai is de snelste manier om live te gaan met AI-agents, zolang je binnen de vaste kaders blijft. Je levert flexibiliteit in, maar wint snelheid, eenvoud en onderhoudsgemak terug.

De winnaar: HubSpot Breeze (maar wel met een kanttekening) 🏆

Na uren testen en bouwen kwamen we als team tot een duidelijke conclusie: er is geen universele winnaar, maar binnen HubSpot is Breeze dat zonder twijfel wel.

• Werk je volledig in HubSpot? Kies Breeze.
  Binnen het HubSpot-ecosysteem is Breeze de sterkste keuze. Doordat de agent native in het CRM zit, heeft hij toegang tot volledige klantcontext: historie, gedrag, pagina’s, mails en tickets. Je hoeft geen complexe API-koppelingen te bouwen of te onderhouden, wat Breeze de meest stabiele en schaalbare oplossing maakt zolang je binnen HubSpot blijft.
  
  

• Gaat je proces buiten HubSpot om? Dan wint Make.
  Op het moment dat je agent data moet ophalen uit externe systemen zoals een ERP, Google Sheets, Stripe of andere tools, wordt Make de betere keuze. De kracht van Make zit in de vrijheid en controle over routing en logica tussen verschillende platformen. Daar kan Breeze simpelweg niet tegenop.

Action Plan: Zo start je morgen

• Voer een data-audit uit
  AI is zo slim als de bronnen die je als input gebruikt. Begin met het controleren van je bestaande content: verwijder verouderde informatie van je website, maak je kennisbank up-to-date en haal dubbele of tegenstrijdige content weg. Alles wat je agent leert, komt uit deze bronnen. Hoe schoner en consistenter je data, hoe betrouwbaarder de antwoorden van je AI-agent zullen zijn.
  
  
• Start klein en concreet
  Begin niet meteen met het volledig automatiseren van alle klantcontacten. Kies één duidelijke taak om mee te starten, bijvoorbeeld een service agent die inkomende vragen op je info@-mailbox verwerkt. Door klein te starten, kun je testen, leren en optimaliseren voordat je AI breder inzet. Zo voorkom je dat fouten grote gevolgen hebben.
  
  
• Bouw een betrouwbaar vangnet
  Zorg dat er altijd een human-in-the-loop aanwezig is. Configureer de agent zo dat deze bij twijfel of complexe vragen overschakelt naar een menselijke collega. Dit vangnet voorkomt fouten, houdt de klantbeleving hoog en geeft je team het vertrouwen om AI veilig te gebruiken.
  
  
• Meet en verbeter continu
  Houd vanaf dag één bij hoe je agent. Welke vragen worden goed beantwoord, waar hapert het, en welke data helpt om de resultaten te verbeteren? Plan regelmatig reviews en pas je kennisbronnen en agent-configuratie aan op basis van echte feedback. Zo groeit je AI langzaam maar zeker uit tot een betrouwbare collega.
  
  

• Itereer en schaal stap voor stap op
  Wanneer het eerste kanaal stabiel draait, voeg je geleidelijk extra taken of kanalen toe. Denk aan social media, live chat of specifieke workflows binnen HubSpot of andere systemen. Door gefaseerd uit te breiden, behoud je controle.

Conclusie

AI-agents zijn geen toekomstmuziek meer; ze zijn vandaag al klaar voor gebruik. Het succes van een agent hangt echter volledig af van twee dingen: de kwaliteit van je data en hoe je je workflows inricht. Zonder goede voorbereiding levert zelfs de slimste AI onnauwkeurige of inconsistente resultaten.

Wil je een AI-agent die écht aansluit bij jouw merk en klanten? Wij kijken graag mee met zowel de strategische keuzes als de technische inrichting, zodat je veilig en effectief live kunt gaan.

Neem contact op met Niels of Jens voor een demo van de agents die we al ingericht hebben en ontdek wat dit voor jouw business kan betekenen.

Hou onze blog en nieuwsbrief in de gaten de komende tijd. Naast Niels hebben namelijk ook andere collega's van het Marketing Automation team verschillende Agents getest. To be continued!