Een AI agent in Make.com bouw je met webhooks, API-koppelingen en GPT-modules die taken triggeren op basis van input. Een werkend prototype staat binnen 4 weken — mits je data klopt en je weet welke stappen écht geautomatiseerd moeten worden.
Make.com (voorheen Integromat) is geen no-code wondermiddel. Het is een visuele workflow-builder waar je modules aan elkaar klikt. De AI-functionaliteit komt van externe API's zoals OpenAI, Anthropic of jouw eigen fine-tuned model. De agent zelf? Dat is een scenario dat reageert op triggers, data verwerkt en acties uitvoert in andere tools.
Wat is een AI agent in Make.com precies?
Een AI agent in Make.com is een scenario dat:
- Triggert op een gebeurtenis (nieuwe e-mail, Slack-bericht, formulierinzending)
- Verwerkt met een LLM-module (OpenAI GPT-4, Claude, of custom API)
- Acteert in andere systemen (ticket aanmaken, CRM updaten, Slack-notificatie sturen)
Bij PLANQED bouwden we een agent die 300+ aanbestedingseisen in 15 minuten verwerkt. Input: PDF met eisen. Output: gestructureerde checklist in Notion. De Make-flow roept een GPT-4 API aan met een prompt die eisen extraheert en categoriseert. Geen magie — gewoon API-calls en data-transformatie.
Een agent is pas waardevol als hij repetitieve beslissingen overneemt. Niet "slim", maar betrouwbaar.
Hoe bouw je een werkende Make AI agent in 4 weken?
Week 1: Proces in kaart Welke stappen doe je nu handmatig? Waar zit de bottleneck? Welke data heb je nodig? Bij 80% van de projecten blijkt dat de data niet klaar is. Geen gestructureerde input = geen betrouwbare output.
Week 2: Prototype met dummy data Bouw de Make-flow met testdata. Koppel de trigger (bijv. Google Forms), voeg een OpenAI-module toe, stuur output naar Slack. Test of de logica klopt. Geen productiedata — alleen flow-validatie.
Week 3: Echte data, edge cases Vervang dummy data door productie-input. Wat gebeurt er bij incomplete data? Bij vreemde karakters? Bij 500 regels in plaats van 50? Hier crasht 90% van de "werkende" prototypes. Bouw error handling: wat doet de agent als GPT geen antwoord geeft?
Week 4: Live met monitoring Zet de flow live met een kleine groep gebruikers. Monitor elke run. Hoeveel tokens verbruikt het? Waar faalt hij? Pas de prompt aan op basis van échte fouten — niet op basis van wat je dénkt dat er fout gaat.
Kosten: €200–€800/maand afhankelijk van API-gebruik en Make-tier. Een agent die 50 taken per dag verwerkt kost circa €400/maand all-in.
Welke Make-modules gebruik je voor AI agents?
OpenAI / Anthropic modules Direct GPT-4 of Claude aanroepen vanuit Make. Stuur een prompt, ontvang JSON of tekst terug. Gebruik JSON-mode voor gestructureerde output (bijv. {"prioriteit": "hoog", "categorie": "technisch"}).
HTTP modules Voor custom API's of self-hosted modellen. Wij draaien vaak Llama 3.1 op eigen infra voor gevoelige data. HTTP-module stuurt POST-request, ontvangt response, parset JSON.
Data transformatie Iterators, routers, aggregators. Hier gaat het mis bij beginners: je moet data opsplitsen, filteren en samenvoegen voordat een LLM er iets mee kan. Een agent die 300 regels in één prompt stopt? Die haalt 60% accuracy. Split het op in batches van 20.
Webhooks Trigger vanuit externe tools. Wij bouwen vaak een custom interface (React-app) die via webhook Make triggert. Gebruiker klikt "Verwerk", webhook vuurt, Make draait scenario.
Wanneer is Make.com niet de juiste keuze?
Make werkt voor workflows met 5–15 stappen en <1000 runs per dag. Daarbuiten wordt het duur en traag.
Gebruik Make niet voor:
- Real-time chat (latency 2–5 seconden per stap)
- Complexe state management (bijv. multi-turn gesprekken)
- High-volume processing (>10.000 runs/dag)
Dan bouw je een custom backend met LangChain of LlamaIndex. Kosten: €8.000–€15.000 voor MVP. Maar je hebt volledige controle en schaalt makkelijker.
Bij Novairo kiezen we Make voor 60% van de projecten. De overige 40%? Custom code, omdat de workflow te complex is of de klant volledige data-ownership wil. Zie ook: Top 10 AI Automation Bedrijven Nederland 2026 voor een vergelijking van platforms en bureaus.
Wat kost een Make AI agent echt?
Ontwikkeling: €3.000–€8.000 voor een werkend prototype (4 weken) Make.com abonnement: €29–€299/maand (afhankelijk van operations) API-kosten: €100–€500/maand (OpenAI GPT-4 of Claude) Onderhoud: €200–€400/maand (monitoring, prompt-tuning, bug fixes)
Totaal eerste jaar: €7.000–€15.000 all-in. Dat is goedkoper dan één FTE die dezelfde taken handmatig doet.
Maar: een agent die niet goed gebouwd is kost meer dan hij oplevert. Wij zien regelmatig projecten van €10.000+ die na 2 maanden worden uitgezet omdat de accuracy te laag is (70% i.p.v. 95%) of de kosten doorslaan (€2000/maand API-kosten voor 200 taken).
Eerlijk advies: Begin klein. Eén proces, één agent, meetbare ROI. Schaal daarna pas op.