# AI-agent vs chatbot: waarom het verschil cruciaal is

URL: https://legalysis.co/nl/journal/ai-agent-vs-chatbot-juridische-teams
Type: blog
Locale: nl
Published: 2026-07-13
Updated: 2026-07-14

---

> AI-agents en chatbots lijken op elkaar, maar voor juridische teams is het verschil cruciaal. Chatbot beantwoordt één vraag, agent werkt autonoom naar een gesteld doel en kan met je systemen verbinden.

## AI-agent vs chatbot: waarom het verschil cruciaal is voor juristen

AI-agents en chatbots worden vaak door elkaar gehaald, vooral in marketingmateriaal van leveranciers. Voor een juridisch team is het onderscheid echter praktisch, niet semantisch. Een chatbot beantwoordt de vraag die je net stelde en stopt daarna. Een AI-agent neemt een doel aan, zoals "controleer de afwijkingen in deze NDA tegen onze richtlijnen", breekt dit in stappen op, raadpleegt de clausulebibliotheek, vergelijkt bepalingen en levert een herziene concept op, zonder dat je bij elke stap opnieuw iets hoeft in te typen. Dat verschil bepaalt of een tool je tien minuten op een dinsdagmiddag bespaart, of twee uur.

## Wat scheidt een AI-agent echt van een chatbot bij contractbeoordeling?

Drie dingen onderscheiden een agent van een chatbot, en geen ervan gaat over hoe "intelligent" het onderliggende model is.

**Autonomie.** Een chatbot wacht na elke reactie op je volgende bericht. Een agent werkt over meerdere stappen heen aan een doel dat je eenmaal hebt gesteld, en past zijn aanpak aan op basis van wat hij onderweg ontdekt.

**Gereedschapgebruik.** Een chatbot antwoordt uit trainingdata of uit een document dat je in het venster plakt. Een agent verbindt zich met je clausulebibliotheek, je contractenarchief, soms je CRM, en haalt op wat hij werkelijk nodig heeft, in plaats van afhankelijk te zijn van jouw copy-paste.

**Geheugen.** Een chatsessie reset meer of minder na elke nieuwe context. Een agent behoudt wat hij in stap één vond, en laat dat meewegen in de beslissing die hij in stap vier neemt. Zo zorgt een gemarkeerde beperking-van-aansprakelijkheidsclausule ervoor dat de vervangingstekst die hij stelt, daarop aansluit.

> **Een korte definitie, voor de volledigheid**
> Chatbot: beantwoordt één vraag per prompt, geen voortdurende taak, geen toegang tot externe tools.
> AI-agent: werkt naar een meerstapigg doel, gebruikt externe tools (clausulebibliotheek, archief, CRM), behoudt context over stappen heen.

Dit onderscheid verandert een heleboel in de praktijk: een chatbot is een zeer goede onderzoeksassistent voor één vraag. Een agent is meer een junior-jurist die het hele dossier al heeft gelezen.

## Wanneer doet een chatbot het eigenlijk beter

Sla de agent over wanneer de taak werkelijk eenmalig is. "Wat betekent deze schadebeperkingsclausule in normaal Nederlands?" "Geef een samenvatting van deze drie pagina's SLA." "Is deze juridische keuze-bepaling gebruikelijk voor een SaaS-leverancierscontract in Zwitserland?" Een chatbot antwoordt sneller dan een agent zou plannen, omdat er geen meerstapigg probleem is om voor te bereiden. Voordat je iets ondertekent, is het beter te weten dat het routeren van een eenmalige vraag door een "agentische" tool meestal alleen maar vertraging en kosten oplevert, voor nul extra nauwkeurigheid.

Een chatbot is ook de veiligere keuze wanneer je geen tool aan je live-archief wilt laten werken. Als de taak niet vijf documenten vereist en kruisverwijzing met een playbook, geef je het gereedschap geen sleutels.

Er is ook een kostenkwestie die zelden in de verkooppraatjes opduikt. Agent-runs worden doorgaans per credit gefactureerd omdat ze veel meer tokens per taak verbruiken dan één chatbot-uitwisseling: brondocumenten lezen, stappen plannen, gereedschappen oproepen, eigen output controleren. Het routeren van een eenregel vraag door een agent-framework voegt niet alleen vertraging toe, het voegt ook een rekening toe die je niet hoefde te betalen.

## Wat een agent toevoegt zodra hij op jouw contract kan inwerken, niet alleen erover kan praten

In de praktijk houdt dit in dat de agent niet langer een chatvenster is, maar een werkstroom wordt. Contractbeoordeling laat het verschil het duidelijkst zien: een agent kan het tegengeluid nemen, elke binnenkomende clausule tegen je goedgekeurde clausulebibliotheek uitlijnen, afwijkingen per risiconiveau taggen en een herzien concept met suggesties voor vervangingstekst opstellen, alles voordat jij het bestand zelf hebt geopend.

Dat is niet hypothetisch. Teams in juridische operaties voeren dit patroon al uit voor routineovereenkomsten: standaard NDA's, orderformulieren, vervolgingsriders, alles met een voorspelbare structuur en een duidelijke playbook. De agent doet de eerste check; een mens controleert wat wordt gemarkeerd. [Ironclads uiteenzetting van AI-agents in juridische operaties](https://ironcladapp.com/resources/articles/the-reality-of-ai-agents-in-legal-operations-today) stelt het duidelijk: een chatbot beantwoordt één vraag per prompt, terwijl een agent een doel aanneemt, dit in stappen breekt en zijn benadering aanpast op basis van wat hij onderweg vindt.

Dezelfde logica geldt voorbij het controledeel. Een agent kan een portfolio van uitgevoerde contracten volgen op vernieuwingsvensters en opt-out-deadlines en een waarschuwing triggeren voordat er een door de neus geboord wordt, iets wat een chatbot gewoon niet kan doen omdat hij geen voortdurende taak op de achtergrond hoeft te draaien.

![Hand markeert een bepaling op een gedrukt contract naast een telefoon met vervaagd chatscherm](https://fdzlnqpwsaniezitwiuw.supabase.co/storage/v1/object/public/cms-media/legalysis/2026-07/dcaf09-inline1.webp)

## Agentwashing: waarom de meeste tools die aan juridische teams als "agent" worden verkocht, nog steeds chatbots zijn

Dit is geen theoretisch risico: het is wat juristen regelmatig zien wanneer een leverancier een chat-functie "AI-agent" hernoemt zonder autonomie, gereedschapgebruik of geheugen eraan toe te voegen. Branche-analisten noemen dit patroon "agentwashing": het rebranderen van een assistent als agent terwijl het nog steeds op een nieuw prompt wacht na elke stap en nooit zelfstandig werkt.

[Forresters onderzoek uit 2026 naar agentische AI](https://www.forrester.com/blogs/the-state-of-agentic-ai-in-2026-companies-are-chasing-few-are-catching/) stelt vast dat driekwart van bedrijfsleiders zegt agentische AI in te voeren, maar slechts een klein deel heeft het in betekenisvolle productie draaien buiten wat het bedrijf openhartig "agentische chatbots" noemt: tools met agent-branding maar chatbot-level autonomie eronder. Die kloof tussen het label op de prijspagina en de werkelijke mogelijkheid is precies wat een juridische koper moet testen voordat hij een contract voor het gereedschap zelf ondertekent.

Voor een juridische koper is de praktische test simpel: vraag de leverancier wat er gebeurt na stap één zonder jouw inbreng. Als het antwoord "je typt de volgende prompt" is, kijk je naar een chatbot met een nieuwe naam. Als het antwoord betrekking heeft op het gereedschap dat je archief leest, bepalingen vergelijkt en over meerdere stappen heen een resultaat oplevert, dan is dat een agent.

## Waar Harvey, Spellbook, Kira Systems en Legalysis staan op het chatbot-naar-agent-spectrum

Geen van deze tools bevindt zich op één vast punt; de meeste combineren beide modes afhankelijk van de taak.

Harvey leunt naar agentisch gedrag voor onderzoeksintensieve workflows: multi-document-review, memo-opstelling die jurisprudentie en huisprecedenten over meerdere stappen trekt. Spellbook werkt grotendeels in Word als een drafting-copilot, dichter bij de chatbot-kant voor de meeste dagelijkse taken, hoewel de clausulevoorstellen van het steeds meer automatisch uit een huisplaybook putten. Kira Systems bouwde zijn reputatie op extractie op grote schaal over grote documentsets, wat agent-shaped werk is (multi-document, gereedschap-verbonden, geen per-clausule-prompting) hoewel de interface meer als een dashboard dan als een chatvenster leest.

Legalysis zit dichter bij de agent-kant voor de kerntaak: clausule-voor-clausule-contractanalyse die het volledige document leest, risico per clausuletype markeert en uitlegt wat elke gemarkeerde bepaling in de praktijk betekent, zonder dat de analist voor elke clausule opnieuw iets intype. Waar het niet probeert te concurreren is generatieve drafting van nul of jurisprudentieonderzoek; dat wordt nog altijd beter bediend door gereedschappen die speciaal daarvoor zijn gebouwd.

Deze vier tools zijn niet onderling verwisselbaar, en een vergelijkingstabel die ze allemaal op dezelfde as scoort (snelheid, nauwkeurigheid, prijs) mist de meer bruikbare vraag: welke fase van de contractlevenscyclus is elk ervan werkelijk voor gebouwd. Kira en Legalysis concentreren zich beide op de beoordelingsfase vóór ondertekening, waar de kosten van het missen van een bepaling het hoogst zijn. Harvey spreidt zich uit over onderzoek en drafting. Spellbook blijft dicht bij het drafting-bureau zelf. Regelmatig zien teams in technische SLA-contracten twee van deze gereedschappen parallel draaien in plaats van één winnaar te kiezen, omdat beoordeling en drafting werkelijk verschillende klussen zijn met verschillende risicoprofielen.

![Bureau met twee monitoren met abstract workflowdiagram](https://fdzlnqpwsaniezitwiuw.supabase.co/storage/v1/object/public/cms-media/legalysis/2026-07/40ee9f-inline2.webp)

## Wat je moet controleren voordat je een agent echt jouw contract laat aanraken

Drie soorten controles verdienen grondige herziening voordat je een agent schrijf- of leestoegang tot je archief geeft.

**Databehandeling.** Bevestig dat de onderliggende AI van de agent wordt uitgevoerd onder een zero-retention-beleid voor jouw invoeren, en dat jouw contractgegevens niet worden gebruikt om het model van iemand anders te trainen. Vraag expliciet naar subverwerkers; het antwoord wordt zelden aangeboden.

**Menselijke controlepunten.** Een goed gebouwde agent-workflow stelt op of markeert, een mens keurt goed of wijst af, en het systeem registreert beide acties. Als een leverancier volledige autonomie pitch voor iets meer dan een standaard-NDA, dat is een rood vlaggetje, geen feature.

**Auditspoor.** Elke bepaling die de agent voorstelt en elke routeringsbeslissing die hij neemt, moet geregistreerd worden in een record dat je tijdens een geschil of interne herziening kunt uittrekken. Zonder dat vertrouw je een black box met documenten die werkelijke aansprakelijkheid met zich meebrengen.

Geen van dit vervangt je eigen juridisch oordeel over iets wezenlijks. Controleer met je juridische adviseur wanneer het belang meer is dan een standaardclausule: een agent vernauwt wat jouw aandacht nodig heeft, maar bepaalt niet welk risico voor je bedrijf aanvaardbaar is.

![Flat lay: smartphone met chatinterface naast open notitieboek en pen](https://fdzlnqpwsaniezitwiuw.supabase.co/storage/v1/object/public/cms-media/legalysis/2026-07/e7e2cb-inline3.webp)

## Zou jouw team nu een chatbot, een agent of beide moeten gebruiken?

De meeste juridische teams hoeven niet te kiezen en het ander op te geven. Een chatbot blijft nuttig voor eenmalige vragen, snelle samenvattingen en duidelijke uitleg van een bepaling waar je net naar staart. Een agent verdient zijn plaats bij alles wat herhalend is: routinetriage van standaard-NDA's, vergelijking van leveranciers-SLA tegen jouw playbook, vervolgingstermijn-bewaking over een groot contractportfolio.

Drie concrete stappen die deze periode de moeite waard zijn:

Begin met je hoogvolume, laagrisico-contracttype, standaard-NDA's zijn de gebruikelijke keuze, en meet of een agentische workflow werkelijk de doorlooptijd verkort voordat je het op complexere zaken uitbreidt.

Vraag elke "AI-agent"-leverancier op je shortlist om een volledige meerstapigg run op één van je eigen documenten te demonstreren, niet een demoScript, voordat je iets ondertekent.

Houd een chatbot in je arsenaal voor vragen waar een agent alleen niet vertrouwd hoort te worden: nuanceerde juridische-keuze-calls, alles wat nieuw genoeg is dat er nog geen playbook-ingang voor bestaat.

## FAQ

### Wat is het werkelijk verschil tussen een AI-agent en een chatbot?

Een AI-agent werkt autonoom naar een gesteld doel, kan externe gereedschappen gebruiken (je clausulebibliotheek, contractarchief) en behoudt context over meerdere stappen. Een chatbot beantwoordt één vraag per prompt, heeft geen gereedschaptoegang en start opnieuw na elke uitwisseling.

### Wanneer is een chatbot beter dan een agent voor juridische contractwerk?

Chatbots zijn sneller en goedkoper voor eenmalige vragen: "Wat betekent deze bepaling?", "Geef een samenvatting van deze SLA." Agents betalen zich terug voor repetitieve taken zoals standaard-NDA-beoordeling over veel contracten.

### Hoe herken ik of een leverancier werkelijk een agent verkoopt of alleen een chatbot met agent-branding?

Vraag de leverancier: "Wat gebeurt er na stap één zonder mijn input?" Als het antwoord is dat je een volgende prompt moet typen, het is een chatbot. Een agent leest je archief, vergelijkt bepalingen en levert resultaten af, allemaal zonder tussenkomst.

### Kan een agent mijn contractgegevens privé houden?

Ja, maar je moet het controleren. Vraag de leverancier naar hun zero-retention-beleid voor AI-input en of je contractgegevens gebruikt worden om hun modellen te trainen. Zorg ook dat je begrijpt wie de subverwerkers zijn die toegang hebben tot je data.

### Wat kost het om een agent voor contractbeoordeling in te zetten?

Agents werken vaak op credit-basis per run en verbruiken meer tokens dan chatbots, dus een eenmalige vraag erdoorheen sturen kost onnodig. Ze betalen zich terug als je ze regelmatig op repetitieve taken inzet, zoals wekelijks 10+ standaard-NDA's controleren.

### Kan een agent zelfstandig contracten wijzigen zonder menselijke goedkeuring?

Dat hangt af van hoe de agent is ingesteld. Een goed ontworpen workflow laat de agent voorstellen en flaggen, maar vergt menselijke goedkeuring voordat wijzigingen ingaan. Leveranciers die volledige autonomie verkopen voor meer dan standaard-NDA's, lopen een risico.

### Waar zou ik moeten beginnen, chatbot of agent?

Begin met je hoogvolume, laagrisico-contracttype (standaard-NDA's), test of een agent-workflow echt tijd bespaart, en meet de resultaten. Hou een chatbot in je arsenaal voor nuanceerde juridische vragen waar geen playbook voor bestaat.