Worknano

AI-agent vs LLM vs model: wie doet wat?

Updated 2026-11-15

AI-agent vs LLM vs model, in het kort: een model is een computerprogramma dat van voorbeelden heeft geleerd. Een LLM, kort voor large language model, is een model dat heeft leren lezen en schrijven. Een AI-agent is software rond een LLM die hem een taak geeft, de middelen om die uit te voeren en regels om zich aan te houden. De LLM schrijft. De agent krijgt het werk gedaan.

De drie woorden, een voor een

Een auto is een goede vergelijking. De LLM is de motor. De agent is de rest van de auto: stuur, remmen en de route van vandaag.

Wat een LLM niet alleen kan

Een LLM krijgt tekst binnen en geeft tekst terug. Op zichzelf kan hij je klantenlijst niet openen, geen e-mail versturen en niet onthouden wat je vorige week hebt besproken.

De agent voegt die vaardigheden toe. Als een AI iets “opzoekt”, schrijft de LLM alleen een kort verzoek, zoals “zoek de onbetaalde facturen”. De agent doet het opzoeken en geeft het resultaat als tekst terug aan de LLM.

Eén verzoek, stap voor stap

Stel dat je een klein handelsbedrijf hebt en tegen je AI zegt: “Stuur een herinnering aan de klanten wier facturen meer dan 30 dagen te laat zijn.”

StapWat er gebeurtWie het doet
1Je verzoek wordt samengevoegd met de functieomschrijving en de regelsAgent
2Het verzoek wordt gelezen en een eerste zet gekozen: de te late facturen zoekenLLM
3De te late facturen worden opgezocht. Er komen er vier terugAgent
4Vier beleefde herinneringen worden geschrevenLLM
5De concepten worden gelezen en bevestigdJij
6De e-mails gaan de deur uit en bij elke factuur komt een notitieAgent

De LLM komt twee keer voor: een keer om te beslissen en een keer om te schrijven. Alles wat aan je gegevens raakt, doet de agent.

Wat dit betekent als je AI-software kiest

Omdat de onderdelen los staan, zijn er twee aparte vragen om te stellen.

Daarom kunnen twee producten op dezelfde LLM zich heel verschillend gedragen.

Als het resultaat fout is, controleer in deze volgorde

Het model is zelden het eerste wat je moet veranderen.

  1. Kon hij de juiste informatie zien? Als de AI niet bij een record kan, kan geen enkel model het gebruiken.
  2. Waren de instructies duidelijk? Eén taak, in gewone woorden beschreven.
  3. Mocht hij doen wat de taak nodig heeft? Mag hij niet zoeken, dan kan hij alleen maar gokken.
  4. Pas dan: is het model te klein voor de taak?

Zo pakt Worknano dit aan

In Worknano worden de twee delen bewust gescheiden gehouden. Elke agent heeft een naam, instructies, tools (de acties die hij mag uitvoeren) en een model, zodat je het model kunt veranderen zonder de rest aan te raken. Een snel model past bij korte controles en een gebalanceerd model bij plannen met meerdere stappen. Je kunt ook een model van je keuze koppelen, waaronder open-sourcemodellen of een model dat je bedrijf zelf draait. Met regionale hosting in de EU, de VS of APAC blijft de AI-verwerking in die regio.

Maak een gratis workspace, open een agent en zie zijn model, tools en instructies naast elkaar.