Je hebt vorige maand met een potentiële klant gemaild. Er volgde een videogesprek, je maakte enkele notities en beloofde nog een document door te sturen. Dat document staat ergens in je cloudopslag. De afspraak staat in je agenda. De notities zitten in een andere app. Drie weken later is er niets meer gebeurd. Niet omdat je het contact onbelangrijk vond, maar omdat de informatie verspreid zat over vier systemen en niemand je eraan herinnerde dat er nog iets openstond. Dat is precies het probleem dat een nieuwe generatie persoonlijke AI-agents probeert op te lossen. Met Duet van Anthropic, Dots van OpenAI en initiatieven die in verband worden gebracht met Meta en xAI verschuift de aandacht van chatbots die vragen beantwoorden naar assistenten die informatie onthouden, verbanden leggen en taken blijven opvolgen wanneer je zelf met iets anders bezig bent. De inzet is groter dan een betere chatbot. Het gaat om de vraag wie straks het overzicht houdt over ons digitale werk en, in toenemende mate, ons persoonlijke leven.
Voor de voorbereidingen van de inhoud en creatie van de visuals wordt (uiteraard) gebruikgemaakt van generatieve AI.
We hebben tientallen apps, maar niemand bewaakt het geheel
De gemiddelde kenniswerker beschikt over meer digitale hulpmiddelen dan ooit. E-mail, agenda, cloudopslag, chatkanalen, notitie-apps, projectsoftware en CRM-systemen hebben allemaal hun eigen plaats gekregen. Elk systeem doet ongeveer waarvoor het ontworpen is. Gmail beheert je e-mail. Je agenda houdt afspraken bij. Notion bewaart notities. Slack organiseert gesprekken.
Maar geen van die toepassingen begrijpt vanzelf wat er tussen de andere systemen gebeurt. Een afspraak in je agenda kan het gevolg zijn van een e-mailgesprek. Tijdens die afspraak worden toezeggingen gedaan die in een notitie terechtkomen. De documenten die daaruit volgen, belanden in een gedeelde map. Wie wil weten of alles correct is opgevolgd, moet zelf de verbanden leggen.
Tot nu toe was de gebruiker de verbindende schakel tussen al die software. Dat kost tijd, maar vooral aandacht. Je moet onthouden waar informatie staat, waarom ze belangrijk was en wanneer je er opnieuw iets mee moet doen. Persoonlijke AI-agents proberen een deel van dat denkwerk over te nemen.
Het verschil zit in wat er gebeurt nadat je het venster sluit
Een klassieke chatbot werkt grotendeels binnen de grenzen van een gesprek. Je stelt een vraag, krijgt een antwoord en geeft eventueel een nieuwe opdracht.
Een persoonlijke agent kan langer aan een doel verbonden blijven. Stel dat je vraagt om je belangrijkste zakelijke contacten op te volgen. Een chatbot kan een lijst met suggesties maken op basis van informatie die je aanlevert. Een agent met de juiste toegangsrechten kan verder gaan: eerdere gesprekken doorzoeken, afspraken vergelijken met je agenda, ontbrekende opvolging signaleren en op een later moment opnieuw aandacht vragen voor een contact.
Bij systemen die zelfstandig in de cloud werken, hoeft je laptop daarvoor niet open te blijven. Dat verandert de gebruikservaring. Je geeft een opdracht, gaat verder met je werk en ontvangt later een melding wanneer er iets is gevonden, afgerond of vastgelopen.
OpenAI positioneert Dots binnen die ontwikkeling: een persoonlijke agent die context kan onthouden, proactief onderzoek kan doen en tussen gesprekken door werk kan voortzetten. De precieze mogelijkheden hangen af van de beschikbare toegang en gekoppelde toepassingen.
Voor Muse, Duet en Grok Bot is voorzichtigheid geboden bij de vergelijking. Zonder een volledig verifieerbaar overzicht van hun actuele functies en productstatus kun je niet aannemen dat ze dezelfde mogelijkheden bieden als Dots.
De bredere richting is wel duidelijk: AI-aanbieders onderzoeken hoe hun systemen een langdurigere rol kunnen spelen in het dagelijkse digitale werk.
De waardevolste informatie staat vaak tussen twee apps
De discussie over AI draait nog altijd opvallend vaak om modelprestaties. Welk model kan beter redeneren? Wie schrijft de beste code? Welk systeem scoort hoger op een benchmark?
Voor persoonlijke agents is dat maar een deel van de vergelijking. Een bijzonder intelligent model dat niets weet over jouw afspraken, contacten of lopende projecten, kan weinig zeggen over wat jij morgen dreigt te vergeten.
Een minder indrukwekkend model met betrouwbare toegang tot de juiste informatie kan voor bepaalde dagelijkse taken nuttiger zijn.
Neem een zelfstandige die wil weten welke klanten de afgelopen twee maanden weinig aandacht kregen.
Het antwoord staat nergens als kant-en-klare lijst. De agent moet e-mails doorzoeken, agenda-afspraken herkennen, mogelijk notities raadplegen en onderscheid maken tussen contacten die bewust zijn afgerond en gesprekken die onbedoeld zijn stilgevallen.
Daar komt meer bij kijken dan informatie ophalen. Een klant die al zes weken niets heeft laten horen, hoeft geen vergeten verkoopkans te zijn. Misschien is het project uitgesteld. Misschien werd tijdens een telefoongesprek afgesproken om pas volgend kwartaal opnieuw contact op te nemen.
Een bruikbare agent moet die context kunnen meenemen. Anders verandert hij in een bijzonder ijverige herinneringsmachine die je voortdurend aanspoort om mensen te contacteren die daar helemaal niet op zitten te wachten.
Het verschil tussen een handige assistent en een storende assistent zit vaak in zulke details.
Je persoonlijke geheugen wordt een softwarefunctie
Je weet waarom een bepaalde afspraak belangrijk was. Je herinnert je dat een collega tijdens een vergadering twijfels had bij een voorstel. Je weet welke klant liever telefonisch communiceert en welke leverancier altijd twee herinneringen nodig heeft. Totdat je het vergeet.
Een persoonlijke agent met langdurig geheugen kan zulke informatie, voor zover ze beschikbaar en toegankelijk is, bewaren en later opnieuw gebruiken.
Voor projectleiders betekent dat mogelijk minder tijd besteden aan het reconstrueren van eerdere beslissingen. Voor zelfstandigen kan het helpen om contacten en toezeggingen beter op te volgen. Voor mensen die meerdere projecten combineren, kan een agent signaleren dat twee afspraken of deadlines met elkaar botsen.
De interessante verandering is dat je niet telkens hoeft te weten waar je moet zoeken.
Je kunt vragen wat er nog openstaat rond een bepaald project, welke beslissingen eerder werden genomen of welke informatie ontbreekt om verder te kunnen. Dat klinkt eenvoudig. Technisch is het lastig, omdat een systeem moet onderscheiden tussen een losse opmerking, een concrete afspraak, een verouderde beslissing en iets wat nog altijd geldig is.
Een agent die alles onthoudt maar geen onderscheid maakt tussen betrouwbare en achterhaalde informatie, wordt op termijn minder bruikbaar.
Wie toegang krijgt tot je context, krijgt ook veel macht
Hier zit de ongemakkelijke kant van persoonlijke AI-agents. Om werkelijk nuttig te worden, hebben ze toegang nodig tot informatie die verspreid staat over verschillende diensten. E-mails, agenda’s, documenten, contacten en soms ook privéberichten. Die gegevens vertellen samen veel meer over iemand dan elke afzonderlijke app.
Een agenda toont waar je naartoe gaat. E-mails laten zien met wie je samenwerkt. Documenten onthullen zakelijke plannen. Notities kunnen persoonlijke overwegingen bevatten die je nooit met een externe partij zou delen.
Wanneer één AI-systeem die bronnen combineert, ontstaat een bijzonder rijk beeld van je professionele en persoonlijke leven. Dat maakt de technologie waardevol. Het maakt de keuze van aanbieder ook gevoeliger.
Gebruikers zullen moeten weten welke gegevens een agent kan raadplegen, hoe lang informatie wordt bewaard, welke handelingen zelfstandig mogen gebeuren en hoe toegang opnieuw kan worden ingetrokken.
Ook de herkomst van conclusies wordt belangrijk. Als een agent meldt dat een klant waarschijnlijk wil afhaken, wil je weten waarop dat oordeel gebaseerd is. Op een expliciete e-mail? Op het uitblijven van een antwoord? Of op een verkeerde interpretatie van een oud gesprek?
Zonder die uitleg wordt een persoonlijke agent een systeem dat veel over je weet, maar waarvan je moeilijk kunt beoordelen of het gelijk heeft.
De eenvoudigste toepassingen kunnen het meeste opleveren
Opvallend genoeg hoeven persoonlijke agents geen ingewikkelde taken uit te voeren om nuttig te zijn.
Veel ervaren AI-gebruikers besteden hun aandacht aan programmeeragents, geautomatiseerde workflows en complexe systemen met meerdere gespecialiseerde modellen. Daar liggen interessante mogelijkheden, maar het vraagt vaak technische kennis en onderhoud.
Een persoonlijke agent die dagelijks je belangrijkste openstaande zaken identificeert, kan voor dezelfde gebruiker meer praktische waarde hebben.
Denk aan een assistent die op maandagochtend meldt dat een offerte nog niet is opgevolgd, dat een document voor een vergadering ontbreekt en dat een contactpersoon vorige week een antwoord verwachtte.
Geen spectaculaire demonstratie. Wel drie zaken die anders mogelijk waren blijven liggen.
Daar zit ook een belangrijke commerciële kans voor aanbieders. Een product dat mensen zonder technische kennis kunnen gebruiken, bereikt een veel grotere groep dan een agent waarvoor je zelf scripts, API-koppelingen en automatiseringen moet bouwen.
De moeilijkheid is om die eenvoud te behouden zodra de taken complexer worden. Een herinnering voorstellen is relatief veilig. Zelfstandig een klant mailen, een afspraak verplaatsen of informatie delen met een externe partij vereist veel meer vertrouwen.
De beste persoonlijke agent hoeft daarom niet degene te zijn die het meeste zelfstandig doet. Misschien is het juist degene die goed weet wanneer hij eerst toestemming moet vragen.
De strijd gaat over wie het overzicht mag bewaren
Voor OpenAI, Meta, xAI en andere AI-aanbieders staat er meer op het spel dan een extra functie in hun chatbot. Wie de persoonlijke AI-assistent van een gebruiker wordt, krijgt mogelijk een centrale plaats in diens dagelijkse softwaregebruik.
Je opent dan niet langer afzonderlijk vijf toepassingen om te ontdekken wat er vandaag moet gebeuren. Je vraagt je agent om het overzicht. Die haalt informatie op uit de aangesloten systemen en helpt bepalen waar je aandacht nodig is.
Dat zou de verhouding tussen gebruikers en software kunnen veranderen. Vandaag kiezen we meestal eerst een toepassing en voeren we daarin een taak uit. Met persoonlijke agents kan het omgekeerd worden: we beschrijven wat we willen bereiken, waarna de agent bepaalt welke toepassingen daarvoor nodig zijn.
De onderliggende apps verdwijnen daarmee niet. Hun gegevens en functies blijven nodig. Maar de plek waar de gebruiker zijn werk organiseert, kan verschuiven naar de agent. Dat verklaart waarom toegang tot context zo belangrijk wordt.
Een model kan worden vervangen door een beter model. Een assistent die jarenlang je voorkeuren, projecten, contacten en werkgewoonten heeft leren kennen, vervang je mogelijk minder gemakkelijk.
Daar ontstaat ook een risico op afhankelijkheid van één aanbieder. Als je persoonlijke context moeilijk overdraagbaar is, wordt overstappen naar een andere agent een stuk lastiger dan vandaag wisselen van chatbot.
De echte test begint na de eerste week
Persoonlijke AI-agents zijn aantrekkelijk tijdens een demonstratie. Je koppelt enkele apps, stelt een vraag en krijgt een overzicht dat je zelf misschien een halfuur had gekost. Maar een persoonlijke assistent moet langer meegaan dan één indrukwekkende sessie.
Na enkele weken moet hij nog weten welke afspraken zijn veranderd. Na enkele maanden mag hij oude voorkeuren niet blijven behandelen als actuele instructies. Hij moet leren welke meldingen nuttig zijn en welke je liever niet krijgt.
En wanneer hij een fout maakt, moet je die kunnen corrigeren zonder dat dezelfde fout later opnieuw opduikt. Dat is een veel zwaardere opdracht dan een chatbot bouwen die overtuigend antwoordt.
De concurrentie rond persoonlijke agents zal daarom niet uitsluitend worden beslist door modelkwaliteit. Betrouwbaarheid, toegangsbeheer, geheugen, integraties en de mate waarin gebruikers controle behouden, worden minstens zo belangrijk.
Dots en vergelijkbare initiatieven maken zichtbaar welke richting AI-producten uitgaan. Maar of ze werkelijk onmisbaar worden, zal afhangen van hun prestaties in het gewone dagelijkse gebruik, niet van de belofte dat ze zelfstandig kunnen werken.
We hebben de afgelopen twintig jaar steeds meer van ons werk en leven ondergebracht in digitale toepassingen. Wat ontbreekt, is een betrouwbare manier om de verbanden tussen al die informatie te bewaren.
De aanbieder die dat probleem oplost, hoeft misschien niet eens het slimste AI-model te hebben. Hij moet vooral zorgen dat je niet voor de derde keer dezelfde e-mail moet zoeken om te achterhalen wat je iemand vorige maand ook alweer had beloofd.