Zelf een AI Agent maken voor content: Een praktische handleiding

Als ondernemer weet je hoe belangrijk online zichtbaarheid is. Consistent bloggen, LinkedIn posts plaatsen en je social media management op orde houden, het kost allemaal tijd die je vaak niet hebt. Een fulltime contentmedewerker is prijzig, maar niets doen is geen optie. De oplossing? Zelf een AI agent maken die een groot deel van het werk voor je doet. Met de juiste content strategie en een slimme AI agent kun je je contentmarketing strategie naar een hoger niveau tillen.

In deze blog neem ik je mee in hoe wij onze eigen AI content agent hebben gebouwd. Van de eerste ideeën tot een werkend systeem dat wekelijks content voor ons klaarzet. Je leert wat een AI agent is, welke tools je nodig hebt om er een te bouwen, en hoe je zelf aan de slag kunt. Of je nu kiest voor een no-code oplossing of custom code.

Wat is een AI agent?

Voordat we de diepte induiken: wat is een AI agent eigenlijk? Een AI agent is software die zelfstandig taken uitvoert op basis van instructies die je hem geeft. Anders dan een chatbot die alleen reageert op vragen, kan een AI agent actief workflows doorlopen, beslissingen nemen en acties uitvoeren. Wanneer je een AI agent gaat maken voor content, combineer je deze autonomie met je eigen content strategie.

In ons geval betekent dit: de agent haalt context op uit verschillende bronnen, genereert content op basis van onze schrijfstijl, en zet de resultaten klaar in onze systemen. Zonder dat wij elke stap handmatig hoeven te doen.

Wat kan een AI content agent voor je doen?

Onze AI agent neemt drie kernprocessen uit handen:

Content planning en content kalender

Eens per maand draait onze agent een workflow die ideeën genereert voor de komende periode. Deze ideeën worden automatisch in onze content kalender gezet, compleet met titel en korte beschrijving. De content planner vult zichzelf, dus geen brainstormsessies meer waarbij je naar een leeg scherm staart.

Blog schrijven met AI

De agent pakt items uit de content planner en genereert daar volledige drafts van. Blog schrijven met AI betekent een complete eerste versie die je alleen nog hoeft te reviewen en aan te passen naar smaak. Het zware denkwerk — structuur bepalen, argumenten opbouwen, de juiste toon vinden — is al gedaan.

Social media management

Voor socials posts werkt het vergelijkbaar. De agent genereert meerdere varianten per onderwerp, zodat je kunt kiezen welke het beste past. Dit maakt automatisch posten een stuk laagdrempeliger: er staat altijd iets klaar om te publiceren.

Onze Notion database met blog posts

Hoe bouw je zelf een AI agent? De bouwblokken

Om een AI agent te bouwen heb je een aantal componenten nodig die samenwerken:

1. Een database voor je content

Je hebt een plek nodig waar je content planning, drafts en gepubliceerde posts beheert. Wij gebruiken Notion vanwege de sterke API en flexibele database-functionaliteiten. Je kunt hier makkelijk een content kalender en content planner opzetten die zowel visueel prettig werkt als technisch toegankelijk is voor je AI agent.

2. Een AI model

Het brein van je agent. Wij werken met Gemini, maar je kunt ook kiezen voor OpenAI, Claude of andere modellen. Het model krijgt context en instructies, en levert de gegenereerde content terug.

3. De motor erachter: workflows

Hier komt het echte werk als je een AI agent gaat bouwen. Je hebt software nodig die alles aan elkaar knoopt: context ophalen, naar het AI model sturen, en de output wegschrijven. Hier heb je twee hoofdroutes om je agent te maken.

Twee routes: no-code vs. custom code

Route 1: No-code met n8n

n8n is een populaire workflow automation tool waarmee je visueel flows kunt bouwen. Je sleept blokken naar een canvas, verbindt ze met elkaar, en je hebt een werkende automatisering voor je content strategie.

Voordelen van n8n:

• Snel op te zetten, geen programmeerkennis nodig
• Visueel overzicht van je hele flow
• Grote community met kant-en-klare templates
• Ideaal om te experimenteren en snel te itereren

Nadelen van n8n:

• Bij complexe logica wordt het onoverzichtelijk
• Minder controle over edge cases
• Schaalbaarheid kan een uitdaging worden
• Je bent afhankelijk van beschikbare integraties

Route 2: Custom code met bijvoorbeeld Nest.js

Wij hebben gekozen voor een custom oplossing in Nest.js om onze AI agent te bouwen. Dit geeft volledige controle over elk aspect van het proces.

Voordelen van custom code:

• Volledige controle en flexibiliteit
• Makkelijker te debuggen bij problemen
• Beter schaalbaar voor meerdere doeleinden
• Je begrijpt exact wat er gebeurt

Nadelen van custom code:

• Hogere initiële tijdsinvestering
• Programmeerkennis vereist
• Meer onderhoud nodig

Onze aanbeveling: Begin met n8n om te valideren of een AI content agent voor jou werkt. Merk je dat je tegen de grenzen aanloopt? Dan kun je altijd nog overstappen naar een custom oplossing.

De workflows van onze AI agent uitgelegd

Onze AI agent bestaat uit drie hoofd workflows:

Workflow 1: Schrijfstijl analyse

Deze workflow haalt je meest recente posts op, analyseert de schrijfstijl, en maakt daar een profiel van. Dit profiel wordt vervolgens gebruikt bij het genereren van nieuwe content, zodat de output consistent aansluit bij hoe jij schrijft.

Workflow 2: Content planning

Maandelijks draait deze workflow om ideeën te genereren voor de komende periode. Op basis van je doelgroep, eerder gepubliceerde content en actuele thema's krijg je suggesties die direct in je content planner en content kalender komen te staan.

Workflow 3: Content generatie

De wekelijkse workflow die items uit je planning pakt en omzet naar daadwerkelijke posts. Voor elk item genereren wij drie varianten, zodat je kunt kiezen welke het beste past bij het moment en je gevoel.

Praktische tips uit onze ervaring

Na maanden experimenteren hebben we een aantal belangrijke lessen geleerd:

Begin klein

Ons oorspronkelijke doel was ambitieus: alle content volledig laten schrijven door de AI agent. Blogs, LinkedIn posts, nieuwsbrieven. Dit bleek niet realistisch. Je wilt niet zomaar alles online zetten; het moet aansluiten bij je merk, je kennis en je schrijfstijl.

Start daarom met één onderdeel wanneer je een AI agent gaat maken. Wij zijn begonnen met alleen LinkedIn posts, en hebben van daaruit uitgebreid. Zo leer je het systeem kennen zonder overweldigd te raken.

Werk je AI agent in als een medewerker

Een AI agent bouwen is vergelijkbaar met een nieuwe collega inwerken. Hoe beter je hem inwerkt — met voorbeelden, feedback en duidelijke kaders — hoe beter het resultaat. Stop meer tijd in het afkaderen van je AI agent, en je krijgt betere teksten terug.

Itereer wekelijks

Elke week doorlopen wij het proces met het team. Wat ging goed? Waar klopte de toon niet? Welke feedback moeten we verwerken? Door dit consequent te doen, wordt het resultaat elke week een stukje beter.

Stuur bij op taalgebruik

AI heeft de neiging om enthousiast en "salesy" te schrijven. Te veel uitroeptekens, te veel emoticons, te veel superlatieven. Als nuchtere IT'ers wilden wij dit absoluut niet. Het kostte wat iteraties om de toon te vinden die bij ons past: zakelijk maar toegankelijk, informatief zonder te prekerig.

Kosten en tijdsinvestering

Laten we concreet zijn over wat dit kost:

Tijdsinvestering

Het opzetten van onze eerste versie kostte ons 30-40 uur. Dit was inclusief veel uitzoekwerk omdat alles nieuw was. Voor een volgende implementatie gaat dit significant sneller omdat de basis al staat.

Operationele kosten

De AI-kosten zijn verwaarloosbaar laag:

• Blog genereren: €0,02 per stuk
• LinkedIn post: €0,004 per stuk
• Content planning: €0,005 per keer

Omdat we per post meerdere varianten genereren om uit te kiezen, zijn we tot dusver elke maand onder de €2 gebleven. Dit is inclusief alle tests.

Tijdsbesparing

Hoeveel tijd het precies bespaart is lastig te meten, we deden geen metingen voordat we begonnen. Wat we wél weten: er was altijd een grote drempel om content te maken. Nu staat er altijd iets klaar in onze content kalender. Een LinkedIn post kun je binnen 10 minuten live hebben met automatisch posten. Een blog schrijven met AI kost nog maar een uur.

Het concrete resultaat: in plaats van sporadisch een LinkedIn post (eens per maand of twee maanden) plaatsen we nu consistent kwalitatieve posts, elke week.

Schrijfstijlanalyses kunnen we inzien en aanpassen in ons CMS

Technische architectuur

Voor de techneuten onder ons, dit is hoe onze setup eruitziet:

Notion

Onze centrale hub voor alle content. Databases voor de content planning, gegenereerde posts, en context-documenten die de AI gebruikt.

AI Gateway (Nest.js)

De server waar alle workflows draaien. Hier wordt context opgehaald, prompts samengesteld, en responses verwerkt.

MCP Server (Nest.js)

Een tussenlaag tussen de AI gateway en externe systemen zoals Notion. Dit zorgt voor scheiding tussen verschillende klanten en voorkomt dat data naar verkeerde systemen gaat.

CMS

Voor het beheren van schrijfstijlanalyses en instellingen van de content planner.

Conclusie: zelf een AI content agent maken of laten bouwen?

Een AI agent bouwen voor je contentmarketing strategie is geen rocket science, maar het vraagt wel een investering in tijd en aandacht. De payoff is er: lagere drempels, consistentere output, en meer tijd voor de dingen waar je wél goed in bent.

Wil je zelf een agent maken? Begin met n8n, experimenteer met een simpele workflow voor je content strategie, en bouw van daaruit verder.

Liever hulp? Wij hebben dit traject doorlopen en kunnen je helpen bij het opzetten van een AI content agent die past bij jouw bedrijf. Geen fulltime medewerker nodig, wel consistente content die aansluit bij je merk.

Neem contact met ons op voor een vrijblijvend gesprek over de mogelijkheden.