Het model is niet het probleem. De code eromheen wel.

Telkens als een klant bij ons aankomt gefrustreerd over een AI-agent, verloopt het gesprek hetzelfde. Ze hebben het model twee keer gewisseld, misschien drie. GPT-4o naar Claude, Claude naar Gemini, terug. De agent werkt nog steeds niet goed. Ze willen weten welk model ze volgende moeten proberen.

De antwoord is bijna altijd. geen. Het model is niet het probleem.

Of een agent daadwerkelijk in productie werkt, bepaalt de infrastructuur die je eromheen bouwt. De tools die het kan aanroepen. De informatie die het kan opvragen. De rechten die bepalen wat het mag aanraken. Zet die fout, en geen modelupgrade redt je. Zet ze goed, en zelfs een middenklasse model overtreft een frontier model op een zwak fundament.

Dit is geen randstandpunt. Dit is waar serieuze AI-engineering het afgelopen jaar stilletjes is beland. En het heeft echte gevolgen voor hoe bureaus, teams en oprichters hun tijd moeten inzetten.

Wat het fundament echt doet

Een AI-agent is geen model. Het is een systeem. Het model is één onderdeel van een grotere architectuur met tool-definities, geheugen, ophaal-mechanismen, orchestration-logica en toestemmingenlagen. Elk onderdeel bepaalt meer wat de agent kan doen dan de modelgewichten zelf.

Neem tool-toegang. Een model kan niet op de wereld inwerken zonder tools: API's die het kan aanroepen, databases die het kan bevragen, services waar het naar kan schrijven. De kwaliteit van die tool-definities, hoe duidelijk ze beschrijven wat een tool doet en wanneer je het moet gebruiken, bepaalt rechtstreeks of het model erover goed nadenkt. Een vage tool-beschrijving leidt tot verkeerde tool-aanroepen. Een nauwkeurige leidt tot betrouwbaar gedrag. Het model veranderde niet. De interface wel.

Geheugen is dezelfde verhaal. De meeste agent-fouten in het wild zijn geen redeneringfouten. Het zijn context-fouten. De agent had geen toegang tot de juiste informatie op het juiste moment. Of dat nu een goed gestructureerde vectorstore, een korte-termijn scratchpad of een samenvatting van vorige gespreksrondes is, de architectuur van het geheugen bepaalt wat het model kan weten als het dat nodig heeft. Een GPT-3.5-model met excellente opvraging slaat een frontier model dat blind werkt.

Toestemmingen zijn waar niemand over praat en waar het meestal stukloopt. Wat mag de agent lezen? Wat mag het schrijven? Wat vraagt om menselijke goedkeuring? Die grenzen zijn niet alleen veiligheidsmaatregelen, ze zijn functioneel ontwerp. Een agent dat naar production kan schrijven zonder checkpoint is geen krachtige agent. Het is een risico. Een agent met goed ontworpen toestemmingenpoorten is er een die je daadwerkelijk kunt deployen.

Waar bureaus dit fout hebben gedaan

Het bureauwereld heeft een bijzondere variant van dit probleem. Er is een commerciële prikkel om met het model voor de dag te komen, omdat modellen namen hebben, benchmarks en personeelsomroepingen. Een klant vertellen dat je Claude 3.5 Sonnet of GPT-4o gebruikt, geeft iets aan. Zeggen dat je drie weken aan retrieval-architectuur en toestemmingenontwerp hebt besteed, is lastig in een voorstel.

Dus doen de meeste bureaus het niet. Ze zetten een capabel model op een dun fundament, tonen een demo die onder controle-omstandigheden werkt, en overhandigen het. De klant draait het in de echte wereld, waar inputs veel chaotischer zijn en context rijker en dubbelzinniger, en het ding breekt.

De oplossing is nooit het model wisselen. De oplossing is teruggaan en het fundament opnieuw ontwerpen. Maar tegen die tijd is de relatie aangetast en het budget op.

Bij Studio Hyra hebben we een bewuste keuze gemaakt om dit om te draaien. Voor we het model selecteren, brengen we de operationele laag in kaart: welke tools heeft deze agent nodig, welke geheugenarchitectuur past het gebruiksscenario, waar moeten mensen in de lus blijven. Modelkeuze komt daarna. Het is bijna altijd het makkelijkste onderdeel van het project.

Drie dingen die agent-performance echt vooruit brengen

Tool-schema-ontwerp. Het JSON-schema dat je voor elke tool schrijft is een verborgen prompt. Als het beschrijvingsveld vaag is, zal het model mis gaan. Schrijf tool-beschrijvingen alsof je de tool uitlegt aan een slimme junior collega die geen vervolgvragen mag stellen. Zeg wat de tool doet, wat niet, en wanneer je het liever gebruikt dan een vergelijkbaar gereedschap. Dit alleen al elimineert een grote categorie agent-fouten.

Ophalen voor genereren. Voor elke agent in een kennisintensief domein verdient de ophalfase evenveel aandacht als de generatiefase. Chunking-strategie, embedding-keuze, herrangschikking, metadata-filtering: die beslissingen tellen op. Een ophaal-pipeline die het juiste document 90% van de tijd oppervlakt levert een compleet ander agent op dan een die 60% haalt, ongeacht welk generatiemodel erachter zit.

Duidelijke controlepoorten voor mensen. Agents die zonder limiet kunnen handelen wekken geen vertrouwen. Ze produceren angst, terecht. Duidelijke bevestigingspunten ontwerpen, waar de agent pauzeert en een mens vraagt voor schrijven, verwijderen of verzenden, maakt van een onvoorspelbaar systeem een betrouwbaar. Het doel is niet automatisering om zelf. Het doel is betrouwbare resultaten. Soms betekent dat dat de agent stopt en wacht.

Wat dit betekent voor waar je je tijd besteedt

Als je een AI-product bouwt of agents in een workflow integreert, is de implicatie eenvoudig: stop met model-rankings controleren en begin je fundament te controleren.

Vraag je af waar je agent in productie faalt. In de meerderheid van gevallen vind je een van drie dingen: het riep de verkeerde tool aan omdat het schema vaag was; het gaf een verouderd of irrelevant antwoord omdat de ophalfase miste; of het deed iets wat niet mocht omdat de toestemmingenlaag ondergespeci­ficeerd was.

Geen van die fouten wordt opgelost met een beter model. Allemaal worden ze opgelost met beter engineering.

Dit is eigenlijk goed nieuws. Modelcapaciteiten liggen grotendeels buiten je controle. Je neemt wat de labs geven, en de labs updaten op hun eigen ritme. Het fundament ligt helemaal in je controle. Dat is waar vakwerk zich toont. Dat is waar het verschil tussen een agent die goed demo't en een die betrouwbaar in productie werkt, wordt gemaakt of verloren.

Frontier modellen zijn indrukwekkend. Maar de meest capabele agent die we dit jaar hebben gebouwd werkt op een model dat niet het nieuwste of grootste is. Het werkt op een fundament dat vier weken nodig had om goed te worden. Dat is het werk.

De verschuiving die het waard is

Het industriesamengesprek over AI-agents beweegt langzaam in deze richting. Infrastructuurbedrijven bouwen betere tooling primitives. Evaluatiekaders rijpen. Geheugen en opvraging worden erkende disciplines, niet nagedachten.

Voor builders die in de model-wissellus hebben gezeten, is het inzicht eenvoudig: behandel het model als een standaard input en het fundament als het product. Dat is waar differentiatie leeft. Dat is waar je tijd waard is.

Als je door wilt praten over hoe dit eruitziet voor een specifiek geval, zijn we makkelijk te vinden.