MAANDOVERZICHT · MARKETING · SALES · KLANTENSERVICE
De agent verliet het chatvenster.
Wat er in september 2026 veranderde in AI, en wat doorwerkende agents, advertenties als gesprek en gedeelde klantcontext betekenen voor marketing, sales en klantenservice.
Hallo mede-wasinspecteurs.
September zat vol AI-lanceringen. Het interessante verhaal was niet dat er weer een model sneller werd of dat een nieuwe assistent een campagne leerde schrijven.
De belangrijke verandering: agents begonnen door te werken nadat het gesprek was afgelopen.
Grok Bots, Meta Muse en OpenAI Dots zijn ontworpen om door te werken nadat de gebruiker vertrekt. Tegelijk maakten HubSpot en Salesforce klantcontext en governance onderdeel van hun platform, terwijl ChatGPT Ads gesprekken met AI een plek gaf in het proces van klantwerving.
Dit is wat er gebeurde, wat de aankondigingen nog niet bewijzen en waar marketing, sales en klantenservice zich op moeten voorbereiden.
De agent wacht niet meer op een opdracht.
De meeste AI-producten beginnen nog steeds op dezelfde manier: iemand opent een venster en vraagt iets. De belangrijkste lanceringen van september doorbraken dat interactiemodel.
SpaceXAI omschreef Grok Bot als een doorwerkende agent met een eigen computer en een zichtbare aanwezigheid, die zonder opdracht aan het werk kan gaan. Daarna introduceerde het Team Bots. Die kun je gedeelde bestanden, applicaties en kennis meegeven, 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 door aan langetermijndoelen werken. Tegen het einde van de maand positioneerde Meta Muse voor kleine bedrijven, met koppelingen naar tools voor adverteren, handel, financiën, communicatie en creatief werk.
OpenAI volgde op 29 september met Dots: agents die altijd aanstaan, tussen gesprekken doorwerken en terugkomen wanneer aandacht of toestemming nodig is.
Wacht op een vraag, geeft antwoord en stopt.
Houdt zaken in de gaten, onthoudt, handelt en komt terug als de situatie verandert.
De aankondigingen bewijzen niet dat deze agents betrouwbaar verantwoordelijk kunnen zijn voor complexe bedrijfsresultaten. Ze markeren wel een nieuwe productcategorie: een agent wiens werk, tools en verantwoordelijkheid verder gaan dan één sessie.
Bronnen: Het ontwerp van Grok Bot, Team Bots, Meta Muse en Associated Press over OpenAI Dots
Een agent die altijd aanstaat, moet ook altijd worden begrensd.
Doorwerken verandert het risico. Een chatbot kan een slecht antwoord geven. Een doorwerkende agent kan dezelfde verkeerde handeling blijven uitvoeren terwijl niemand meekijkt.
Bij de lanceringen in september hoorden daarom ook controlesystemen. Meta plaatste Muse in een eigen virtuele machine, met een aparte Sentinel-agent die externe handelingen goedkeurt, blokkeert of ter beoordeling voorlegt. Volgens Meta is toestemming nodig voor gevoelige handelingen, zoals een e-mail versturen of een aankoop doen, en worden die vastgelegd in een auditlog.
Salesforce introduceerde Enterprise AI Harness, dat context, handelingsvermogen, acties, governance, beveiliging en modelkeuze combineert. De belangrijke ontwerpkeuze: agents delen deze controles, in plaats van dat ze voor elke agent opnieuw worden gebouwd.
Het controlesysteem hoort bij het product.
- 01Duidelijke signalen
Wat mag de agent in de gaten houden?
- 02Afgebakende context
Welke klant- en bedrijfsinformatie mag hij gebruiken?
- 03Toegestane handelingen
Wat mag hij voorbereiden, wijzigen, versturen of uitgeven?
- 04Goedkeuringsregels
Voor welke beslissingen moet een aangewezen persoon toestemming geven?
- 05Zicht op acties en een stopknop
Kan de organisatie zien wat er is gebeurd, fouten herstellen en het systeem pauzeren?
Een model dat herkent dat een handeling riskant kan zijn, is nog geen beveiliging. Een echte beveiliging verandert wat het systeem 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 binnenkomende lead vastleggen, opvolging starten en de resultaten bekijken zonder het proces naar een aparte set advertentietools te verplaatsen.
De afstand tussen ontdekking, gesprek, kwalificatie en opvolging wordt kleiner.
Dat maakt websites, zoekmachines of bestaande advertentiekanalen niet irrelevant. ChatGPT Ads is nog in ontwikkeling. De kwaliteit van leads en wat ze kosten en opleveren, zullen verschillen. De structurele verandering is dat een advertentie kan uitkomen bij een agent die antwoord geeft, leads kwalificeert en de klant verder helpt.
Het meetprobleem begint meteen.
Als een koper via een AI-antwoord onderzoek doet naar een bedrijf, met een gesponsorde agent praat, via een ander kanaal terugkomt en later klant wordt, vertelt de laatste klik maar een deel van het verhaal. Marketing, sales en klantenservice moeten ontdekking via AI, gesprekken met agents en de uiteindelijke resultaten met elkaar verbinden, in plaats van ze als losse campagnes te behandelen.
Context werd de nieuwe concurrentiestrijd.
De releases van HubSpot in september kwamen steeds terug op hetzelfde idee: een agent heeft meer nodig dan toegang tot CRM-velden. Hij moet het bedrijf, het team, de klant en de patronen begrijpen die normaal gesproken tot een bruikbaar resultaat leiden.
HubSpot meldde dat klanten die AI met hoogwaardige context gebruiken 3,6X zoveel marketinggekwalificeerde leads genereerden, 3,2X zoveel deals wonnen en meer dan twee keer zoveel tickets afhandelden als de vergelijkingsgroepen in de aankondiging.
Dit zijn verbanden die de leverancier rapporteert, geen onafhankelijk bewijs dat het aanzetten van een AI-functie de verbetering veroorzaakt. De aankondiging geeft onvoldoende details om het effect van AI te onderscheiden van verschillen in datakwaliteit, processen, middelen of klantenbestand.
De strategische richting is wel belangrijk. Als meerdere agents contact hebben met hetzelfde account, voorkomt gedeelde klantcontext dat een prospectingagent een enthousiast aanbod verstuurt terwijl een serviceagent een openstaande klacht behandelt.
Elke tool moet het merk, de klant en het proces opnieuw leren kennen.
Agents werken vanuit gedeelde bedrijfscontext, onder duidelijke regels.
Bronnen: HubSpot Fall 2026 Spotlight en HubSpots visie op het agentecosysteem
Klantenserviceagents gingen van antwoorden naar handelen.
Klantenserviceagents beantwoorden al jaren veelgestelde vragen. De productrichting van september legde meer nadruk op het daadwerkelijk afhandelen van werk.
Intercom liet agents zien die via gekoppelde systemen terugbetalingen, annuleringen en accountwijzigingen uitvoeren. Zendesk introduceerde gespecialiseerde agents die rekening houden met de systemen, regels en risico’s van specifieke sectoren. Salesforce en AWS kondigden koppelingen voor agents aan tussen CRM, Slack, spraaktoepassingen en klantenserviceomgevingen.
Zodra een agent een bestelling wijzigt, geld terugbetaalt of een account bijwerkt, is de kwaliteit van het antwoord niet meer voldoende om de prestaties te beoordelen.
- Was de handeling correct?
- Was die toegestaan?
- Loste die het probleem van de klant op?
- Veroorzaakte die ergens anders vermijdbaar werk?
- Wat kostte de handeling?
- Helpt het resultaat om de volgende beslissing te verbeteren?
Zinvol evalueren verschuift van het antwoord naar het volledige resultaat.
Bronnen: Acties van Intercom AI Agents, Zendesk Industry Agents en Integraties van AWS en Salesforce
Het werkmodel werd belangrijker dan het AI-model.
De aankondigingen van september kwamen van bedrijven met verschillende producten en belangen. Toch wezen ze op dezelfde vier voorwaarden.
De agent moet weten wanneer er iets relevants verandert.
Hij heeft goedgekeurde klant- en bedrijfsinformatie nodig om beslissingen te nemen.
Hij heeft duidelijke grenzen, goedkeuringen, evaluatie en een stopmogelijkheid nodig.
De vierde voorwaarde is eigenaarschap. Iemand moet verantwoordelijk blijven voor het systeem nadat de demonstratie is afgelopen: voor de kwaliteit, kosten, uitzonderingen, correcties en verbeteringen.
Doorwerkende agents worden technisch mogelijk. Beheerde agents worden in de praktijk noodzakelijk.
In de eerste fase van AI binnen bedrijven draaide het om welke tools medewerkers mochten gebruiken. In de volgende fase gaat het om welk werk agents mogen uitvoeren, welke context ze mogen gebruiken en hoe hun prestaties blijvend worden aangestuurd.
Blijven doorwerkende agents nuttig na de lanceringsdemo?
- Hoe bedrijven het werk van agents die altijd aanstaan in rekening brengen.
- Of teams bruikbare logs, evaluaties en mogelijkheden om kosten te beheersen krijgen.
- Hoe toestemmingen werken als meerdere teamleden dezelfde agent gebruiken.
- Of ChatGPT Ads gekwalificeerde vraag oplevert of vooral een nieuwe discussie over attributie.
- Welke rollen mensen krijgen bij het beheren en verbeteren van deze systemen.
Wekelijks houden we het bij. Maandelijks leggen we de verbanden.
De wekelijkse was volgt ontwikkelingen die nu aandacht verdienen. AI Laundry Monthly neemt afstand, legt verbanden en onderzoekt wat die veranderen voor marketing, sales en klantenservice.
Een lancering, claim of vraag gezien die we moeten onderzoeken? Deel die in de Agentic Marketing-community. Misschien nemen we die mee in de volgende maandeditie.
Stel je vraag