Opleiding: Training Agentic AI

Agentic AI staat voor een nieuwe generatie kunstmatige intelligentie die zelfstandig kan handelen, doelen kan nastreven en beslissingen neemt op basis van een veranderende context. In tegenstelling tot klassieke AI-systemen, die vaak reactief of voorspellend zijn, opereren agentic systemen proactief en doelgericht. Denk hierbij aan digitale assistenten die marketingcampagnes zelfstandig optimaliseren, AI-agents die klantvragen afhandelen of systemen die autonoom bedrijfsprocessen aansturen. Agentic AI vindt steeds bredere toepassing in sectoren als marketing, logistiek, klantenservice en operations. Dat maakt inzicht in het ontwerp, de werking en de impact ervan van strategisch belang voor professionals.

In de markt zien we een duidelijke verschuiving naar autonomie in AI-toepassingen. Tools als AutoGPT, LangChain en tal van open-source frameworks maken het eenvoudiger dan ooit om agentic AI te ontwikkelen. Tegelijk roept dit fundamentele vragen op: hoe ontwerp je een AI die zelfstandig handelt, maar toch betrouwbaar blijft? Hoe geef je mensen grip op systemen die hun eigen beslissingen nemen? En hoe zorg je dat de technologie daadwerkelijk waarde toevoegt in plaats van complexiteit te vergroten?

De training “agentic AI” is ontwikkeld om precies op die vragen een antwoord te bieden. De training is opgebouwd rond praktijkgerichte scenario’s, waarbij deelnemers leren hoe agentic AI in verschillende domeinen werkt en hoe je dergelijke systemen ontwerpt en realiseert. De training start met een verkenning van het concept: wat is agentic AI, welke componenten spelen een rol, en hoe verschilt het van andere AI-benaderingen? Vanuit daar gaan deelnemers aan de slag met het ontwerpen van een eigen agent: welke doelen stel je, hoe structureer je beslissingslogica, hoe ontwerp je interactie met gebruikers?

Vervolgens duiken we in de technologische laag: welke technieken maken agentgedrag mogelijk, hoe combineer je regelgebaseerde logica met machine learning, en hoe kun je met frameworks als LangChain of ReAct werkende prototypes bouwen?

Gedurende de training werken deelnemers aan een eigen praktijkcase, waarin zij stap voor stap een agentic AI bouwen, testen en optimaliseren. Daarbij staan ontwerpbeslissingen, tooling en feedbackmechanismen centraal. Zo ontwikkelen deelnemers niet alleen een functioneel prototype, maar ook een goed begrip van de ontwerp- en evaluatieprincipes die nodig zijn om AI verantwoord en effectief in te zetten.

Deze aanpak zorgt ervoor dat de training direct toepasbaar is. Of je nu een marketeer bent die AI wil inzetten voor personalisatie, een productmanager die met autonome agents werkt of een ontwikkelaar die meer grip wil op agentgedrag: na deze training heb je de kennis, tools en ervaring om agentic AI in jouw werkpraktijk toe te passen én verder te ontwikkelen.

Cursus Agentic AI

In de cursus agentic AI leer je hoe je AI-systemen ontwikkelt die zelfstandig kunnen beslissen en handelen binnen complexe omgevingen. Je maakt kennis met de basisprincipes van autonomie, doelgericht gedrag en adaptief leren, en past deze direct toe in realistische praktijkcases. De cursus combineert toepassingsgerichte inzichten met ontwerpvaardigheden en technologische diepgang, zodat je leert hoe je agentic AI verantwoord en effectief inzet in je eigen werkomgeving

Bedrijfstraining Agentic AI

Wil je als organisatie AI agents gaan implementeren? In een bedrijfstraining kunnen wij de training volledig op maat verzorgen voor jou individueel of samen met een groep collega's.

Tijdens de Training Agentic AI komen in basis onderstaande onderwerpen aan bod. Afhankelijk van ontwikkelingen op het vakgebied, kan de feitelijke trainingsinhoud hier echter van afwijken. Bel ons gerust voor meer informatie over de actuele inhoud.

De training agentic AI combineert praktijkgerichte toepassingen met diepgaand inzicht in ontwerp en technologie. Deelnemers bouwen een compact werkend prototype van een autonome agent in Python, ondersteund door standaardtemplates binnen LangChain. Deze aanpak maakt het bouwen, begrijpen en evalueren van agentisch gedrag laagdrempelig, maar krachtig.

• Introductie tot agentic AI
• • Wat is agentic AI en hoe verschilt het van klassieke AI?
  • Voorbeelden uit marketing, klantenservice en operations
  • Principes: autonomie, doelgericht gedrag, interactie, feedbackloops
• Analyse van bestaande toepassingen
• • Bespreking van actuele agent-tools: AutoGPT, LangChain Agents, ReAct
  • Wat maakt een systeem 'agentic'?
  • Evaluatie van sterktes, beperkingen en use-cases per framework
• Ontwerpprincipes voor agentgedrag
• • Van intentie naar actie: doelen definiëren, scenario’s bouwen
  • Ontwerpbeslissingen: hoe autonoom mag een agent zijn?
  • Human-AI interactie: controle, transparantie, vertrouwen
• Frameworks en technologieën
• • Introductie tot decision-loops en agentarchitecturen
  • Vergelijking van LangChain, ReAct en AutoGPT
  • Keuze van framework op basis van complexiteit, transparantie en tooling
• Hands-on: bouwen van een Python-agent met LangChain
• • Gebruik van gestandaardiseerde templates binnen LangChain
  • Opzetten van een functionele agent (Zero-Shot ReAct agent)
  • Integratie van externe tools/API’s
  • Verbeteren van gedrag via prompt tuning en verbose interpretatie
  • Uitbreiding met eigen tools voor bijvoorbeeld marketingdata of e-mailacties
• Testen en evalueren van agentgedrag
• • Gedrag analyseren met log-outputs: reason-act-observe cycli
  • Grenzen en betrouwbaarheid van de agent bespreken
  • Feedback verwerken en iteratief aanpassen
• Praktijkcase: ontwerp je eigen agent
• • Deelnemers ontwerpen een agent (bijvoorbeeld een marketing-analist agent)
  • Uitwerken in Python met LangChain-template als basis
  • Beoordeling op ontwerpkeuzes, werking, output en controlemechanismen