MAANDOVERZICHT · MARKETING · SALES · KLANTENSERVICE
De agent verliet het chatvenster.
Wat er in september 2026 veranderde in AI, en wat agents die actief blijven, advertenties als gesprekken en gedeelde klantcontext betekenen voor marketing, sales en klantenservice.
Dag, mede-wasinspecteurs.
September bracht heel wat AI-lanceringen. Het belangrijkste nieuws was niet dat er weer een model sneller werd of een assistent een campagne leerde schrijven.
De grote verandering: agents begonnen ook na het gesprek door te werken.
Grok Bots, Meta Muse en OpenAI Dots zijn ontworpen om door te werken wanneer de gebruiker weggaat. Tegelijk maakten HubSpot en Salesforce klantcontext en regels voor beheer en toezicht onderdeel van hun platform. ChatGPT Ads bracht AI-gesprekken dan weer naar het traject waarmee bedrijven klanten aantrekken.
Dit is wat er gebeurde, wat de aankondigingen nog niet bewijzen en waarop marketing, sales en klantenservice zich nu kunnen voorbereiden.
De agent wachtte niet meer op een prompt.
De meeste AI-producten beginnen nog altijd op dezelfde manier: iemand opent een venster en stelt een vraag. De belangrijkste lanceringen van september stelden die manier van werken ter discussie.
SpaceXAI beschreef Grok Bot als een agent die blijft doorwerken, met een eigen computer, een zichtbare aanwezigheid en taken die zonder prompt kunnen starten. Daarna volgden Team Bots. Die kunnen gedeelde bestanden, toepassingen en expertise meekrijgen, zodat meerdere mensen met dezelfde agentcontext werken.
Meta lanceerde Muse op 8 september. Muse draait op een eigen cloudcomputer, onthoudt relevante details en kan tussen gesprekken aan langetermijndoelen werken. Tegen het einde van de maand richtte Meta Muse op kleine bedrijven, met koppelingen naar tools voor advertenties, verkoop, financiën, communicatie en creatief werk.
OpenAI volgde op 29 september met Dots: agents die altijd aanstaan, tussen gesprekken doorwerken en zich opnieuw melden wanneer ze aandacht of toestemming nodig hebben.
Wacht op een vraag, geeft een antwoord en stopt.
Volgt op, onthoudt, handelt en meldt zich wanneer de situatie verandert.
De aankondigingen bewijzen niet dat deze agents betrouwbaar verantwoordelijk kunnen zijn voor complexe bedrijfsresultaten. Ze zetten wel een nieuwe productcategorie neer: een agent met continuïteit, tools en verantwoordelijkheid die verder reiken dan één sessie.
Bronnen: Het ontwerp van Grok Bot, Team Bots, Meta Muse en Associated Press over OpenAI Dots
Een agent die altijd aanstaat, heeft ook permanent toezicht nodig.
Doorwerken verandert het risico. Een chatbot kan een slecht antwoord geven. Een agent die blijft doorwerken, kan herhaaldelijk de verkeerde actie uitvoeren terwijl niemand meekijkt.
Naast de agents brachten de lanceringen van september daarom ook controlesystemen. Meta plaatste Muse in een eigen virtuele machine met een aparte Sentinel-agent die externe acties goedkeurt, blokkeert of ter beoordeling doorgeeft. Volgens Meta vereisen gevoelige acties, zoals een e-mail versturen of een aankoop doen, toestemming en worden ze vastgelegd in een controlelogboek.
Salesforce introduceerde een Enterprise AI Harness dat context, zelfstandigheid, acties, beheer, beveiliging en modelkeuze samenbrengt. De belangrijke ontwerpkeuze: agents delen deze controles, in plaats van dat elke agent ze apart krijgt ingebouwd.
Het controlesysteem hoort bij het product.
- 01Duidelijk omschreven signalen
Wat mag de agent opvolgen?
- 02Afgebakende context
Welke klant- en bedrijfsinformatie mag de agent gebruiken?
- 03Toestemming voor acties
Wat mag de agent voorbereiden, aanpassen of versturen, en hoeveel mag die uitgeven?
- 04Goedkeuringsregels
Voor welke beslissingen is een aangeduide persoon nodig?
- 05Opvolgen en stopzetten
Kan de organisatie zien wat er gebeurde, fouten herstellen en het systeem pauzeren?
Een model dat een risico herkent, is nog geen beveiliging. Een beveiliging bepaalt wat het systeem daadwerkelijk kan doen.
Bronnen: Het beveiligingsontwerp van Meta Muse en Salesforce Enterprise AI Harness
De advertentie werd een gesprek.
OpenAI begon Sponsored Agents te testen met geselecteerde adverteerders in de Verenigde Staten. Na interactie met een advertentie in ChatGPT kan iemand een gesprek starten met een agent die door een bedrijf wordt gesponsord. OpenAI koppelde ChatGPT Ads ook aan HubSpot en Shopify.
Een HubSpot-klant kan een campagne maken, de daaruit voortkomende lead vastleggen, opvolging starten en resultaten bekijken zonder het proces naar aparte advertentietools te verplaatsen.
De afstand tussen ontdekking, gesprek, kwalificatie en opvolging wordt kleiner.
Dat maakt websites, zoekmachines of bestaande advertentiekanalen niet overbodig. ChatGPT Ads is nog volop in ontwikkeling en de kwaliteit, kosten en opbrengsten van leads zullen verschillen. De structurele verandering is dat een advertentie kan leiden naar een agent die vragen beantwoordt, leads kwalificeert en het klanttraject voortzet.
Het meetprobleem laat niet op zich wachten.
Als een koper via een AI-antwoord een bedrijf onderzoekt, met een gesponsorde agent praat, via een ander kanaal terugkeert en later klant wordt, vertelt de laatste klik niet het hele verhaal. Marketing, sales en klantenservice zullen ontdekking via AI, gesprekken met agents en latere resultaten met elkaar moeten verbinden, in plaats van ze als aparte campagnes te behandelen.
Context werd het onderscheidende vermogen.
De releases van HubSpot kwamen in september telkens terug op hetzelfde idee: een agent heeft meer nodig dan toegang tot CRM-velden. Die moet het bedrijf, het team, de klant en de patronen achter bruikbare resultaten begrijpen.
HubSpot meldde dat klanten die AI met hoogwaardige context gebruiken 3,6X zoveel marketinggekwalificeerde leads genereerden, 3,2X zoveel deals wonnen en meer dan dubbel zoveel tickets afsloten als de vergelijkingsgroepen in de release.
Dit zijn verbanden die de leverancier rapporteert, geen onafhankelijk bewijs dat een AI-functie inschakelen de verbetering veroorzaakt. De release bevat onvoldoende details om het effect van AI te onderscheiden van verschillen in datakwaliteit, processen, middelen of klantenbestand.
De strategische richting blijft belangrijk. Wanneer meerdere agents met dezelfde klant werken, voorkomt gedeelde klantcontext dat een prospectieagent enthousiast een aanbod verstuurt terwijl een klantenservice-agent nog een klacht afhandelt.
Elke tool moet het merk, de klant en het proces opnieuw leren kennen.
Agents werken met gedeelde bedrijfscontext, onder duidelijke beheerregels.
Bronnen: HubSpot Fall 2026 Spotlight en HubSpots visie op het ecosysteem van agents
Klantenservice-agents gingen van antwoorden naar handelen.
Klantenservice-agents beantwoorden al enkele jaren veelgestelde vragen. De productontwikkelingen van september legden meer nadruk op werk afmaken.
Intercom toonde agents die via gekoppelde systemen terugbetalingen, annuleringen en accountwijzigingen uitvoeren. Zendesk introduceerde gespecialiseerde agents voor sectoren, afgestemd op hun systemen, beleid en risico's. Salesforce en AWS kondigden koppelingen aan tussen agents in CRM, Slack, spraaktoepassingen en klantenserviceomgevingen.
Zodra een agent een bestelling aanpast, een terugbetaling uitvoert of een account bijwerkt, volstaat de kwaliteit van het antwoord niet meer als prestatiemaatstaf.
- Was de actie correct?
- Was er toestemming voor?
- Heeft ze het probleem van de klant opgelost?
- Heeft ze elders vermijdbaar werk veroorzaakt?
- Wat kostte de actie?
- Helpt het resultaat om de volgende beslissing te verbeteren?
De evaluatie verschuift van het antwoord naar het volledige resultaat.
Bronnen: Acties van Intercom AI Agents, Zendesk Industry Agents en Integraties van AWS en Salesforce
De manier van werken werd belangrijker dan het model.
De aankondigingen van september kwamen van bedrijven met verschillende producten en belangen. Toch kwamen ze bij dezelfde vier vereisten uit.
De agent moet weten wanneer er iets relevants verandert.
Die heeft de goedgekeurde klant- en bedrijfsinformatie nodig om te kunnen beslissen.
Die heeft duidelijke grenzen, goedkeuringen, evaluatie en een stopmogelijkheid nodig.
De vierde vereiste is verantwoordelijkheid. Ook na de demonstratie moet iemand instaan voor het systeem: de kwaliteit, kosten, uitzonderingen, correcties en verbetering.
Doorwerkende agents worden technisch mogelijk. Beheerde agents worden operationeel noodzakelijk.
In de eerste fase van bedrijfs-AI bepaalden bedrijven welke tools medewerkers mochten gebruiken. De volgende fase gaat over het werk waarvoor agents verantwoordelijk mogen zijn, de context die ze mogen gebruiken en hoe hun prestaties blijvend worden opgevolgd.
Bewijzen agents die actief blijven ook na de lanceringsdemo hun nut?
- Hoe bedrijven het werk van agents die altijd aanstaan in rekening brengen.
- Of teams bruikbare logboeken, evaluaties en kostencontroles krijgen.
- Hoe toestemmingen werken wanneer een team agents deelt.
- Of ChatGPT Ads gekwalificeerde vraag oplevert, of vooral nieuwe discussies over welk kanaal het resultaat heeft opgeleverd.
- Welke rollen er voor mensen ontstaan om deze systemen te beheren en te verbeteren.
Wekelijks houden we de wacht. Maandelijks leggen we de verbanden.
De wekelijkse was volgt ontwikkelingen die nu aandacht vragen. AI Laundry Monthly neemt afstand, verbindt de signalen en bekijkt wat ze veranderen voor marketing, sales en klantenservice.
Een lancering, claim of vraag gezien die we moeten uitpluizen? Deel die in de Agentic Marketing-community. Misschien vormt ze de basis voor de volgende maandeditie.
Deel je vraag