menu
AI AGENTS

AI-agents aan het stuur van je commerciele engine.

Niet nog een chatbot of een prompt-bibliotheek. Wij bouwen agents die altijd-aan draaien op je CRM-data, in HubSpot Breeze, OpenAI of Claude, met een human-team-lead als eigenaar. Een meetbare uitkomst per agent, geen hype-demo.

Plan een strategie-gesprek Doe eerst de Maturity-scan
Wat een Addmark-agent altijd heeft
  • 01
    Gegrond op jouw CRM-data Geen losse ChatGPT-prompts, wel grounding op HubSpot-objecten, properties en kennisbank
  • 02
    Een mens als team-lead Elke agent heeft een eigenaar binnen je team die de output beoordeelt en bijstuurt
  • 03
    Een meetbare uitkomst Reply-rate, deflection, content-throughput of churn-signalen, niet vage produktiviteit
AI-werk uitgevoerd voor
DNA
Visma Raet
Rompslomp
Dutch Leaf
Damen
Ooms
Onze definitie

Wat wij onder een AI-agent verstaan

De term agent wordt door iedereen anders gebruikt. Bij ons betekent AI in CRM geen losse prompt, geen automatisering en geen ChatGPT-licentie. Een agent is een werk-eenheid die altijd-aan draait op jouw data, in jouw stack, met een meetbare uitkomst en een mens als eigenaar.

HubSpot positioneert zich sinds mei 2026 als agentic customer platform. Dat past bij hoe wij agents bouwen: gegrond op de CRM, met een human-team-lead en een dashboard waarop je het effect ziet. Niet running ChatGPT, wel running HubSpot.

Vijf dingen die een Addmark-agent altijd heeft

  • Een specifieke job, niet 'alles met AI'
  • Grounding op jouw CRM-data, kennisbank of producten
  • Een eigenaar binnen je team die output reviewt en bijstuurt
  • Een uitkomst die je kan meten in HubSpot, niet in tokens
  • Een escalation-pad naar mens voor gevallen die de agent niet aankan

Wat een agent expliciet niet is

  • Een chatbot op je website met losse prompts
  • Een ChatGPT-licentie verdeeld over je team
  • Een classifier die in 60 procent van de gevallen correct is
  • Een tool die je RevOps-lead achteraf moet uitleggen
Per engine

AI-agents raken vier jobs

AI Agents is geen losse pijler, het is een laag bovenop Marketing, Sales en Service. Per job ziet de agent er anders uit, draait op andere data en wordt aangestuurd door een andere team-lead. Klik op een job voor de invulling.

Pipeline

AI op outbound-prospecting en deal-momentum

Bij Sales draait de Prospecting Agent op outbound en pipeline-bewaking. Hij vindt en kwalificeert nieuwe accounts in jouw ICP, verrijkt via Apollo of Clearbit, plaatst ze in HubSpot en zet de eerste outreach-stap klaar. Je SDR start de dag met een gevulde queue, niet met een leeg veld.

Eigenaar: Carel. Stack: Apollo, Clearbit, HubSpot Sales Hub, Breeze Prospecting Agent of een custom-OpenAI-flow.

Meer over de Prospecting Agent

Demand

AI op content-throughput en lead-kwalificatie

Bij Marketing produceert de Content Agent blog-concepten, LinkedIn-posts, ad-copy en email-cadences die gegrond zijn op jouw positionering, branche en case-database. Geen generieke output, wel materiaal dat past in jouw stem.

Eigenaars: Dante en Sander. Stack: HubSpot Breeze, Claude of OpenAI, met grounding op je content-bibliotheek.

Meer over de Content Agent

Customer

AI op deflectie, ticket-triage en kennis

Bij Service beantwoordt de Customer Agent repeat-vragen in je klant-portal of chat, gegrond op je kennisbank. Een classifier sorteert en routeert tickets in Breeze Ticket Triage. Sentiment-detectie escaleert naar mens zodra het buiten scope valt.

Eigenaars: Carsten en Kim. Stack: HubSpot Service Hub, Breeze, kennisbank-articles als grounding-bron.

Meer over de Customer Agent

Retention

AI op vroege churn-signalen en save-flows

De Churn Agent kijkt voorbij de opzegging. Hij combineert CRM-engagement, product-usage en support-sentiment in een health-score per klant, signaleert risico voordat een renewal in gevaar komt en triggert automatisch een save-flow met taak voor de CSM, een gerichte email-sequence of een retention-offer. Voor B2B-teams die retentie willen voorspellen in plaats van reageren.

Eigenaar: Carsten. Stack: HubSpot Service Hub, custom-properties op contact en company, Breeze of een custom-OpenAI-scoring-flow, met grounding op je usage-data.

Meer over de Churn Agent
Case, Visma Raet · Visma Raet

Van losse tools naar een pipeline die de directie vertrouwt

Een Content Agent en een lichte Prospecting Agent naast hetzelfde team.

Visma Raet draaide al een sterk HubSpot-fundament. De vraag was niet of AI, de vraag was waar AI feitelijk waarde toevoegt zonder de stem van het merk te verzwakken. We zijn begonnen met een afgebakende Content Agent, gegrond op de bestaande positionering en hun case-database, met de marketing-lead als eigenaar.

Daarnaast een lichte prospecting-flow die accounts in de ICP verrijkt en in HubSpot plaatst, met de SDR als reviewer. Geen volledige automatisering, wel meetbare throughput. Na zes weken zaten beide agents in een vaste maand-cyclus met grounding-update en KPI-review.

Lees meer cases
RevOps-lead
Visma Raet, B2B HR-software · RevOps-lead
2
agents live in 6 weken
1
human-team-lead per agent
100%
output gereviewd voor publicatie
Het agent-team

Wie bouwt en runt de agents.

Per agent wijs je een team-lead aan jouw kant. Aan onze kant zit Carel als architect bij elke kick-off, en daarna nemen Dante, Sander, Carsten en Kim de uitvoering en het onderhoud over.

  • Carel Schrier

    Carel Schrier

    RevOps Lead / Agent-architect

    Eigenaar van de Prospecting en Customer Agent-trajecten. Schrijft de scope, kiest de stack en blijft betrokken bij review en KPI-checks.

  • Dante Zwanenburg

    Dante Zwanenburg

    Content & Ads Agent-eigenaar

    Bouwt samen met Sander de Content Agent. Grounding, prompts, output-review en koppeling aan je content-kalender en LinkedIn-cadans.

  • Carsten Huiskamp

    Carsten Huiskamp

    Customer Agent & data-eigenaar

    Werkt aan signalen, data-modellen en de Customer Agent. Datakwaliteit en grounding op product- en ticket-data zijn zijn werk.

Veelgestelde vragen

Veelgestelde vragen over AI Agents.

Vragen die we elke kennismaking horen. Eerlijke antwoorden, geen vendor-praat.

Is dit hetzelfde als ChatGPT?

Nee. ChatGPT is een interface, een agent bij ons is een werk-eenheid die altijd-aan draait op jouw data, in jouw stack, met een specifieke job en een meetbare uitkomst. Een agent kan onder de motor wel een large language model gebruiken, vaak Claude of OpenAI of HubSpot Breeze, maar dat is de motor, niet de agent zelf. Wat de agent maakt is grounding, prompts, escalation-paden en een dashboard dat erbij hoort.

Wat als ik geen AI-strategie heb?

Dat is in onze ervaring eerder regel dan uitzondering. We beginnen dan met de AI Readiness Scan. Drie tot vier weken, we kijken naar data-readiness, scoren use-cases op impact en haalbaarheid, classificeren tegen de EU AI Act en leveren een 90-dagen roadmap met top-3 agents om mee te beginnen. Pas daarna bouwen we.

Hoe meet je of een agent succesvol is?

Per agent kiezen we vooraf een handvol harde KPI's, niet vage produktiviteit. Voor een Prospecting Agent zijn dat reply-rate, kwaliteit-score van gesourcde accounts en SDR-tijd-besparing. Voor een Content Agent zijn dat throughput, redactie-tijd per stuk en organisch bereik. Voor een Customer Agent zijn dat deflection-rate, CSAT van AI-conversaties versus mens, en escalation-rate. We bouwen het dashboard mee als deliverable van de agent.

Welke tools draaien onder de motor?

Per agent kiezen we de stack. Default-keuze is HubSpot Breeze, omdat dat in de B2B mid-market het beste integreert met de rest van je CRM. Voor content-werk vallen we vaak terug op Claude (Anthropic), voor structured tasks op OpenAI. Voor data-verrijking Apollo of Clearbit. Voor classificatie en sentiment soms een lichte custom flow. Wat we niet doen: een tool kiezen omdat hij in de hype zit. We kiezen op grounding-kwaliteit, integratie met HubSpot en kosten per actie.

Waar staat onze data?

Default zit alle CRM-data in HubSpot, region EU. Voor grounding-files (kennisbank, positionering, case-database) kiezen we per agent of die in HubSpot, in een EU-Claude-context of in een ingerichte vector-store landen. We documenteren de data-flow per agent en classificeren tegen de AI Act, zodat je IT- of compliance-team het kan beoordelen. Wij gebruiken geen consumer-AI-tools die op je productie-data getraind kunnen worden.

Wat als de agent iets fouts zegt of doet?

Elke agent heeft een human-team-lead die output reviewt voor het de klant raakt. Voor content-werk gaat er nooit iets live zonder eindredacteur. Voor service-werk hebben we een escalation-pad: zodra een conversatie buiten scope valt, gaat hij naar een mens. Voor data-werk laat de agent een audit-trail achter, je kan altijd terug naar de bron-conversatie en de prompt. Geen black box.

Klaar voor je eerste agent?

Welke agent zet je als eerste aan?

Plan een strategie-gesprek van 30 minuten. We kijken naar je huidige stack, je data-readiness en welke agent in jouw situatie de snelste meetbare winst oplevert. Geen verkoopgesprek, gewoon scope-werk.

Wil je eerst een nulmeting? Doe de Maturity-scan, dan nemen we de uitkomst als startpunt voor het gesprek.

Plan een strategie-gesprek Doe de Maturity-scan eerst