Update 25 september 2026: Drie correcties. De Skills van Anthropic bestaan sinds 16 oktober 2025, niet sinds maart. GitHub-triggers voor Routines reageren volgens de documentatie op pull requests en releases. En de AI Act-passage is aangepast: watermerken is vooral een plicht van de AI-leverancier, jij labelt deepfakes en ongecontroleerde AI-tekst voor het publiek (Europese Commissie). Na publicatie zette de beweging door: OpenAI’s ChatGPT Work (sinds 9 juli 2026) kan taken op een schema of na een trigger uit Gmail, Slack of GitHub draaien (OpenAI), en Anthropic voegde op 16 september 2026 chat en Cowork samen tot één Claude-app die zelf bepaalt wat een taak nodig heeft (Anthropic).
De gewenning die niemand merkt
In 2024 voelde elke AI-interactie nog als een gesprek. Je opende een tab, je typte een vraag, je las het antwoord, je kopieerde wat je nodig had en je sloot het venster weer. Dat patroon zit nu in iedereen die met ChatGPT, Claude of Gemini werkt. Het voelt als de manier waarop AI werkt.
In 2026 is dat aan het verschuiven. Niet omdat het chatvenster verdwijnt — dat blijft bestaan — maar omdat steeds meer van het écht nuttige werk niet meer in dat venster gebeurt. Het draait ergens anders. Op de achtergrond, op een schema, getriggerd door een event waar jij niet bij hoeft te zijn. Hoe ver dat doorloopt, beschreef Anthropic begin juni zelf: in het rapport over zelfverbeterende AI meldt het bedrijf dat Claude inmiddels ruim 80% van de eigen productie-code schrijft.
Beginner-tip: Als je nooit met AI-agents hebt gewerkt, lees dan eerst onze overview over AI-agents in 2026 — die geeft de begrippenkader. Dit artikel zit daar één laag op: niet wat agents zijn, maar waar ze terechtkomen in een werkdag.
Drie signalen in twee weken
Tussen 14 en 28 april 2026 gebeurden drie dingen die los van elkaar nieuws waren, maar samen één verhaal vertellen.
Eén — Op 14 april lanceerde Anthropic Claude Code Routines, in research preview (Bron: Anthropic). Een routine is een opgeslagen Claude Code-configuratie: een prompt, één of meer repositories, een set connectors. Run hem op schedule, of laat hem getriggerd worden door een GitHub-event of een API-POST. Hij draait op Anthropic’s cloud-infrastructuur, ook als je laptop dicht zit.
Twee — Tegelijk dook in tientallen X-threads een nieuw patroon op: ontwikkelaars die geen ChatGPT-tab meer openen voor terugkerende taken, maar een agent laten draaien zodra een trigger afgaat. Een PR opent → automatische review. Een klantvraag komt binnen → eerste classificatie en concept-antwoord. Een rapport wordt geüpload → samenvatting in Slack binnen vijf minuten.
Drie — In deep-dive-analyses van AI-mediaonderzoek (waaronder onze eigen radar) verscheen het thema bovenaan: voor het eerst was “agents op de achtergrond” een sterker signaal dan “AI-modellen worden beter.” De ranking-shift is subtiel maar duidelijk — de gebruikersmindshift verschuift van wat kan AI naar waar laat ik AI staan.
Wat een achtergrondagent concreet anders maakt
Drie dingen worden anders zodra AI niet meer aan een chatvenster vasthangt.
De tijdsas verandert. Een chatbot heeft milliseconden te reageren. Een achtergrondagent heeft uren, soms dagen. Dat opent ruimte voor zwaardere taken: een rapport doorlezen, vijftien bronnen vergelijken, een complete PR-review uitvoeren. Geen haast, geen “de gebruiker zit te wachten.”
De foutkans gedraagt zich anders. In een chat zie je elke fout direct. Bij een agent op de achtergrond ontdek je een fout pas zodra het werk klaar — of nog erger, gepubliceerd — is. Daarom zijn logs, audit-trails en menselijke review-stappen geen luxe meer; ze zijn onmisbaar onderdeel van de architectuur. Voor wie hier dieper in wil graven: onze analyse over AI-hallucinaties en hoe je ze herkent blijft een bruikbaar startpunt — alleen pas je de checks nu toe op een stroom output uit een agent in plaats van op één chatgesprek. Ook daarom kiezen sommige bedrijven voor één gedeelde agent in een openbaar kanaal, waar collega’s elkaars opdrachten en correcties zien.
De economie verandert. Voor chatgebruik tel je tokens per gesprek. Voor achtergrondagents tel je tokens per dag, per week, per maand. De optelsom is anders, en kan razendsnel oplopen — wat we eerder doorrekenden in ChatGPT duurder dan een stagiair?. Wie achtergrondprocessen wil draaien, doet er goed aan een meerjarige budget-projectie te maken in plaats van een maand-abonnementje.
Claude Code Routines als prototype
Het Anthropic-product is het duidelijkste voorbeeld van hoe deze categorie er technisch uitziet. Drie soorten triggers:
- Schedule — uurlijks, nachtelijks, wekelijks, of één keer op een specifiek moment in de toekomst
- API/HTTP POST — een externe service kan een routine starten via een per-routine-endpoint met bearer-token
- GitHub-event — een pull request of een release, met filters op onder meer auteur, titel, beschrijving, branch, labels en draft-status
Er zit een daglimiet op het aantal runs. Bij de lancering noemde Anthropic 5 per dag voor Pro, 15 voor Max en 25 voor Team en Enterprise (Bron: Anthropic); je actuele limiet zie je in je eigen account (Claude Code Docs). Genoeg om serieuze workflows te bouwen, te weinig om “alles” te automatiseren.
Gevorderden: De interessante grens in dit product is de combinatie van Routines met connectors en met de Skills die Anthropic sinds oktober 2025 uitrolt. Een routine die elke nacht draait, een skill aanroept (bijvoorbeeld “marketing-copy schrijven volgens brand-guide”), en het resultaat naar Linear pusht — dat is een werkproces dat anderhalf jaar geleden nog twee senior engineers koste om te bouwen.
Vijf use cases die in 2026 al werken
In gesprekken met Nederlandse organisaties komen vijf patronen het vaakst terug.
Nightly content-briefing. Een routine die elke ochtend om 06:30 een gepersonaliseerde news-digest produceert voor het management. Bronnen: een vast aantal feeds, een aantal Twitter-handles, een interne CRM voor klant-mentions. Output: één markdown-bestand in Notion. Tijd-besparing: 30-45 minuten per dag per persoon.
Klantvraag-triage. Een trigger op binnenkomende e-mail naar info@-adressen. De agent classificeert (commercieel, support, sollicitatie), schrijft een concept-antwoord, en zet beide in de inbox van de juiste medewerker. Mens beslist, agent voert uit. De business case van dit type proces komt deels uit Helloprint’s AI-first transformatie — daar zit het schaalniveau dat aantoont dat dit werkt.
Code-review bij elke PR. Voor ontwikkelteams. Een routine getriggerd door PR-opening, met een prompt die naar standaarden uit het CLAUDE.md-bestand kijkt. Reviewers krijgen een eerste comment-set voor ze inloggen. Dit is precies het type use case dat Rabobank opschaalt via zijn Agentic Hub — interessant als je wilt zien hoe een grootorganisatie dit met compliance-kaders inricht. Rabobank onderbouwde die richting begin augustus met geld: tot 2 miljard euro voor IT en AI over de komende drie jaar.
Wekelijkse compliance-scan. Een routine die elke vrijdag de afgelopen week aan AI-gegenereerde content (marketing, productpagina’s) checkt op brand-guide-conformiteit en op tekens die op hallucinaties wijzen. Output: Slack-bericht met red flags.
Geplande competitieve analyse. Elke maandagochtend pakt een agent de nieuwste blogs van vijf concurrenten, vergelijkt ze met onze positionering, en levert drie observaties op. Geen volledig essay — drie kogels.
Voor wie de tool-keuze nog moet maken: onze vergelijking ChatGPT, Claude, Gemini of Copilot is een redelijk startpunt. Voor zakelijke inkoop is de uitgebreidere ChatGPT vs Claude head-to-head op debesteaitools.nl bruikbaar omdat die specifiek op zakelijke use-cases vergelijkt.
Drie nieuwe verantwoordelijkheden
Wie zijn eerste achtergrondagent in productie zet, krijgt drie nieuwe verantwoordelijkheden die in chatland niet bestaan.
Eén: ongoing observability. Wat heeft de agent gedaan? Logs, audit-trail, kostenoverzicht per run. Op het moment dat er iets fout gaat — en dat gebeurt — moet je binnen tien minuten kunnen reconstrueren wat de agent zag en deed. Het verhaal rond OpenClaw, waar een agent ongevraagd een hele inbox leegde, is precies waarom dit geen luxe is. Ook de open-source concurrent Hermes belooft bedrijven in een komende zakelijke versie meer grip; welke logs daarbij horen, heeft de maker nog niet gezegd.
Twee: human-in-the-loop op de juiste plek. Niet elke output hoeft menselijke goedkeuring. Wel: alles wat naar buiten gaat (e-mail naar klant, blog publiceren, factuur sturen). Een goede regel: agents mogen alles voorbereiden, mensen klikken op verzenden. Wil je weten hoe je die controle-stap structureel inbouwt in plaats van hem er losjes bij te plakken? Onze praktijkgids over loop engineering laat precies dat zien: een terugkerend proces met een ingebouwde toets, in plaats van een taak die alleen maar draait.
Drie: governance die meeschuift. De EU AI Act-governance vanaf mei 2026 raakt voor de meeste MKB-toepassingen geen hoog-risico-categorie. Wel gelden sinds 2 augustus 2026 de transparantieregels van artikel 50. Het watermerken van AI-content is vooral een plicht van de leverancier van het AI-systeem; voor systemen die al op de markt waren geldt die uiterlijk 2 december 2026 (White & Case). Jij als gebruiker moet deepfakes als zodanig labelen, en AI-tekst die het publiek informeert over zaken van algemeen belang, tenzij een mens die redactioneel heeft gecontroleerd (Europese Commissie). Laat een agent elke week 200 social posts maken, laat dan een mens meelezen en label beeld dat echt lijkt. Plan een halve dag governance-werk in voor je live gaat.
Diezelfde verschuiving raakt ook je vindbaarheid: zodra agents namens klanten de voorselectie doen, verandert de vraag hoe je gevonden wordt. Dat werken we uit in Agentic commerce: komt jouw bedrijf op de shortlist van de AI-agent?.
Wat dit betekent voor je AI-budget
Een laatste praktisch punt. De cost-structure van een achtergrondagent is fundamenteel anders dan die van een chatbot. In chat betaal je voor wat je vandaag deed; bij een agent betaal je voor wat hij elke dag blijft doen, of er nu iemand kijkt of niet.
Vuistregel: een doorlopende routine die dagelijks 30 minuten ‘werkt’ kost grofweg vijf tot tien keer zoveel als de chatgebruiker die dezelfde taak ad-hoc zou doen. Maar het lóópt — terwijl jij vergadert, slaapt, of weekend hebt. De vraag die telt: wegen de output en de bespaarde tijd op tegen de kosten? Voor smalle, hoog-frequente taken: meestal wel. Voor brede, vaag-omschreven taken: meestal niet.