De e-commerce staat voor een fundamentele verandering – en de meeste webshops hebben dit nog niet opgemerkt.
Jan Otto, oprichter van JANO Consulting, beschrijft in zijn gastbijdrage in het E-Commerce Magazine de overgang naar Agentic Search – een benadering waarbij niet langer zoekwoorden, maar koopintenties de zoekresultaten sturen. Deze benadering wordt in de winkel als Agentic Shopping Assistant ervaarbaar en maakt een vorm van AI Product Discovery, die klassieke filtercategorieën en zoekopdrachten vervangt. Als concreet praktijkvoorbeeld noemt Jan Otto aginity.ai.
Het einde van het zoekwoordtijdperk: Waarom gebruikers niet meer denken zoals zoekmachines
Generatieve KI heeft het gebruikersgedrag fundamenteel veranderd. Klanten typen tegenwoordig natuurlijke taalvragen met context, budget en doel – en verwachten dat het systeem hen begrijpt.
Millennials geven de voorkeur aan dialooggebaseerde zoekopdrachten
67 % van de millennials geeft de voorkeur aan een dialooggebaseerde, contextuele zoekopdracht boven klassieke zoekwoordzoekopdrachten.
Hogere aankoopkans
Gebruikers die in natuurlijke taal zoeken, hebben een 35 % hogere aankoopkans.
Mobiele zoekopdrachten > 5 woorden
43 % van alle e-commerce zoekopdrachten op mobiele apparaten bevatten tegenwoordig meer dan 5 woorden.
Waarom klassieke productzoekopdrachten tegen hun grenzen aanlopen
Traditionele zoekoplossingen zijn ontworpen voor zoekwoordovereenkomsten – niet voor aankoopintenties. Dit leidt in de praktijk tot drie ernstige problemen.
Zero-Result-Problem
Meer dan 70 % van de gebruikers verlaat de winkel onmiddellijk als er geen resultaten worden weergegeven – hoewel het product in de catalogus aanwezig zou zijn.
Relevantieprobleem bij complexe aanvragen
Hoe meer context een aanvraag bevat – gebruiksdoel, budget, lichaamsgrootte – hoe slechter traditionele zoeksystemen worden.
Retourenprobleem door slechte resultaatkwaliteit
Foutieve aankopen door ongeschikte zoekresultaten veroorzaken retouren. Elke retour kost 17–25 euro – ongeacht de productprijs.
Generatieve KI als nieuwe infrastructuur van productzoekopdrachten
Agentic Search analyseert de aankoopintentie, extrahiert relevante productattributen en vergelijkt deze direct met de productcatalogus - gestructureerd, begrijpelijk en onderbouwd. Een uitgebreide technische vergelijking vind je in het artikel Wat is Agentic Search?.
RAG vs. Agentic Search in vergelijking
| Aanpak | RAG (klassiek) | Agentic Search |
|---|---|---|
| Databron | Vectorindex uit productteksten | Gestructureerde productgegevens in de catalogus |
| Querylogica | Gelijkeniszoektocht | Attributgebaseerde intentie-matching |
| Hallucinatierisico | Verhoogd (generatieve output) | Duidelijk geminimaliseerd (gestructureerde productgegevens) |
| Uitlegbaarheid | Laag | Hoog / Attributgebaseerd begrijpelijk |
| Bijwerkinspanning | Hoog (herindexering) | Laag (live catalogus) |
Agentic Commerce: Wanneer elk product een expert wordt
In klassieke systemen is de productcatalogus passief. In het agentische model wordt elk product actief: het krijgt een eigen AI-agent die zelfstandig op aanvragen reageert. Für Kunden wird dieser Ansatz als Agentic Shopping Assistant erlebbar.
Stap 1 - Catalogus-analyse
Een agent-generator analyseert de gehele productcatalogus. Voor elke SKU worden alle relevante attributen vastgelegd, gewogen en gestructureerd.
Stap 2 – Intent-extractie
Een intent-module analyseert de aanvraag en extraheert de koopintentie: Wat zoekt de gebruiker? Welke attributen zijn belangrijk?
Stap 3 – Agentactivatie
Op basis van de herkende intenties worden alleen de productagenten geactiveerd wiens producten potentieel relevant zijn.
Stap 4 – AI Product Discovery met onderbouwing
Elk zoekresultaat komt met een onderbouwing op attribuutniveau – transparant en navolgbaar.
aginity.ai: Het concrete voorbeeld uit het E-Commerce Magazine
Jan Otto noemt aginity.ai expliciet als voorbeeld van hoe Agentic Commerce vandaag de dag al in de praktijk werkt. aginity.ai werkt met gestructureerde productgegevens en attribuutgebaseerde directe catalogusquery – navolgbaar in plaats van puur probabilistisch.
Geminimaliseerd hallucinatie risico
Aangezien aanbevelingen zijn gebaseerd op catalogus-gebaseerde productattributen, is het risico op verkeerde informatie aanzienlijk lager dan bij puur generatieve RAG-benaderingen.
Directe catalogusquery op attribuutniveau
aginity.ai werkt met gestructureerde productgegevens en attribuutgebaseerde directe catalogusquery – navolgbaar in plaats van puur probabilistisch.
DSGVO-conform in de EU
Hosting in het datacenter Frankfurt/Main – ontworpen voor AI-Act-eisen.
Gemessene Ergebnisse aus laufenden Projekten
Strategische positionering: Waarom het moment nu cruciaal is
Bedrijven die nu niet in intelligente productzoekoplossingen investeren, zullen de aansluiting verliezen – niet over vijf jaar, maar over twee.
Verwachtingen stijgen snel
Klanten die ChatGPT, Perplexity of Google AI Overviews kennen, hebben een nieuwe benchmark voor "goede zoekopdrachten".
Concurrenten halen in
Grote e-commerce spelers investeren massaal in AI-gestuurde zoekoplossingen. Voor middelgrote handelaren is Agentic Search de meest realistische manier om bij te blijven.
Integratievenster is nu open
Systemen zoals aginity.ai kunnen via een API in bestaande shopsystemen worden geïntegreerd. De inspanning bedraagt vandaag de dag 7 dagen.
Conclusie
Agentic Commerce is geen sciencefiction – het is een in de praktijk bewezen technologie die binnen zeven dagen live kan gaan: GDPR-conform, met geminimaliseerd hallucinatierisico door gestructureerde productgegevens en meetbare resultaten vanaf de eerste dag.
Veelgestelde vragen
Wat is Agentic Search?▾
Agentic Search analyseert de koopintentie achter een aanvraag, vergelijkt relevante productattributen in de catalogus en levert onderbouwde aanbevelingen op attribuutniveau. Dit verbetert de traceerbaarheid en minimaliseert hallucinatierisico's in vergelijking met puur generatieve RAG-benaderingen.
Wat is AI Product Discovery?▾
AI Product Discovery beschrijft het vermogen om uit een natuurlijke taal aanvraag de werkelijke use case van de koper te herkennen en passende producten uit de gehele catalogus te vinden – intent-gebaseerd, op attribuutniveau, met verklaarbare resultaten.
Wat is het verschil tussen Agentic Search en RAG?▾
RAG-systemen genereren antwoorden op basis van opgehaalde tekstpassages uit vector databases. Agentic Search werkt met gestructureerde productgegevens en attribuutgebaseerde matching – verklaarbaar en met duidelijk geminimaliseerd hallucinatierisico.
Wat is het verschil tussen een AI-winkelassistent en een chatbot?▾
Een chatbot voert open gesprekken. Een Agentic Shopping Assistant levert nauwkeurige productresultaten uit de echte catalogus – attribuutgebaseerd onderbouwd, geen vrije conversatie.
Heb ik een systeemwijziging nodig voor Agentic Search?▾
Nee. aginity.ai integreert zich als API-laag in bestaande systemen. Shopify, Shopware en Magento worden native ondersteund.
Hoe lang duurt de integratie?▾
Bij een typische productcatalogus met 1.000–50.000 SKU's bedraagt de integratietijd 7 werkdagen – inclusief setup, testen en livegang.
Worden klantgegevens opgeslagen of voor training gebruikt?▾
Nee. Zoekopdrachten worden gepseudonimiseerd verwerkt. Geen klantgegevens verlaten het EU-datacenter in Frankfurt/Main.
Wat kost het gebruik?▾
aginity.ai biedt drie maandelijkse pakketten: Agentic Chat (vanaf 750 /Maand), Agentic Search (vanaf 1.000 /Maand) en de Agentic Suite (vanaf 1.500 /Maand) – telkens in de lokale valuta excl. BTW. Alle pakketten bevatten 10.000 producten en 10.000 aanvragen/maand.
Verdiepende inhoud
Over de auteur
Jan Otto is oprichter van JANO Consulting en adviseert middelgrote handelsbedrijven bij de digitale transformatie. Zijn focus ligt op datagestuurde strategieën voor E-Commerce, Omnichannel en KI-integratie. De onderhavige tekst verscheen oorspronkelijk als gastbijdrage in het E-Commerce Magazine (02.02.2026).