AI SEO-agent vs. AI SEO-tool: het verschil dat je stack bepaalt

Een AI SEO-tool voert een reeks stappen uit die iemand vooraf heeft geschreven en geeft je de output. Een agent krijgt een doel, kiest zelf de stappen op basis van wat de data zegt en gaat door tot hij een antwoord heeft. Tools zijn goedkoper en reproduceerbaar. Agents lossen problemen op waar niemand een script voor schreef.

De meeste teams hoeven niet te kiezen. Ze moeten wel weten welke klussen aan welke kant van die lijn horen. Een open onderzoeksvraag door een tool met een vaste volgorde halen kost je analist een middag. En een terugkerend rapport aan een agent overlaten levert elke maand een anders opgebouwd rapport op, tegen een wisselende prijs.

Hieronder: de punten waarop ze echt verschillen, drie uitgewerkte voorbeelden van dezelfde klus op beide manieren, en een test om te zien of een leverancier je een agent verkoopt of een workflow met een agent-sticker erop.

Het verschil tussen een AI SEO-agent en een AI SEO-tool

De formele versie van dit onderscheid komt uit Building Effective AI Agents van Anthropic. Daarin worden workflows, waarbij "LLM's en tools via vooraf gedefinieerde codepaden worden georkestreerd", gescheiden van agents, waarbij het model "zijn eigen processen en toolgebruik dynamisch aanstuurt en zelf bepaalt hoe het taken uitvoert". Bijna alles wat als SEO-agent wordt verkocht, is het eerste.

Twee rijen verdienen meer dan één cel. Reproduceerbaarheid is de reden dat terugkerend werk voor klanten bij tools moet blijven: een rapport dat elke maand anders in elkaar zit, kan de klant niet vergelijken. En de rij over waar het misgaat is het echte beslissingscriterium. Zwakke output van een tool kost je een minuut nadenken. Een foute conclusie van een agent die niemand heeft gecontroleerd, kan een heel kwartaal aan werk de verkeerde kant op sturen.

Voorbeeld 1: zoekwoordonderzoek

Met een tool. Je voert een seed-zoekwoord in. Je krijgt zoekvolume, moeilijkheid en een lijst gerelateerde termen. Je exporteert, opent een spreadsheet, filtert op moeilijkheid onder je drempel, checkt voor welke termen je al rankt, clustert de overgebleven termen met de hand op zoekintentie en beslist wat je gaat maken. Dat kost 40 tot 90 minuten, en bijna al die tijd is van jou. De tool deed één stap van een klus van negen stappen.

Met een agent. Je zegt: vind zoekwoordkansen voor dit domein waarop we binnen twee kwartalen realistisch kunnen ranken. De agent haalt je huidige rankende zoekwoorden op, zoekt concurrenten, haalt hun zoekwoordsets op, trekt die van jou eraf om het gat te vinden, vraagt in bulk volume en moeilijkheid op voor wat overblijft, filtert op je bestaande autoriteit, clustert de rest en levert een shortlist met omvang en onderbouwing. Dat kost een paar minuten, en het menselijke werk is checken of die shortlist klopt.

Oordeel. De agent wint duidelijk, omdat de tool alleen stap één automatiseerde. Let op wat hij echt verving: niet de zoekwoorddatabase, die roept de agent onder de motorkap gewoon aan, maar het spreadsheetwerk ertussen.

Voorbeeld 2: het klantrapport op maandag

Met een tool. Een ingepland rapport zet elke week dezelfde cijfers in hetzelfde template. Het komt op tijd, in een vorm die de klant kent, tegen vaste kosten. Ontbreekt er een cijfer, dan is de rij leeg en valt het iemand op.

Met een agent. De agent haalt de data op, schrijft commentaar dat echt beter is dan een template, en besluit deze week misschien dat een bepaalde sectie drie alinea's verdient die er vorige week niet stonden. De kosten verschillen per run. Na twee maanden vraagt de klant waarom het rapport er elke keer anders uitziet.

Oordeel. Voor het rapport wint de tool. De nuttige tussenvorm is een deterministisch opgebouwd rapport waarin een agent alleen het commentaar schrijft: precies het deel waar variatie een pluspunt is en geen fout.

Voorbeeld 3: het organische verkeer daalde met 30% en niemand weet waarom

Met een tool. Hier bestaat geen tool voor, en dat is precies het punt. Je opent Search Console, vergelijkt twee periodes, exporteert, opent GA4, vergelijkt, opent de rank tracker, kijkt of er een core update is uitgerold, checkt het deploy-log. Elke tool beantwoordt één vraag en jij bent de integratielaag. Twee tot vier uur, en welke stappen je zet, hangt af van wat je vindt. Daarom valt het niet vooraf te scripten.

Met een agent. Hij haalt beide periodes op, scheidt verlies aan vertoningen van verlies aan klikken en verlies aan posities, isoleert de URL's en zoekopdrachten die de daling veroorzaken, kijkt of de getroffen pagina's een template of sectie delen, legt de timing naast bekende gebeurtenissen en levert een gerangschikte set hypotheses met het bewijs per hypothese. Daarna controleer jij.

Oordeel. De agent wint overtuigend, en dit is de typische agent-taak: de juiste tweede stap hangt echt af van wat de eerste stap opleverde. Gelijke positie met ingestorte klikken wijst op SERP-features of een gewijzigde title. Ingestorte vertoningen met gelijke positie wijzen op indexering of vraag. Geen vaste volgorde dekt allebei.

Wat is goedkoper?

Tools zijn per run goedkoper en je weet de prijs vooraf. Agents kosten tokens plus tool-aanroepen, en die aanroepen wegen het zwaarst omdat er betaalde API's achter zitten. In onze eigen catalogus kost een pagina-audit 50 credits, een Search Console- of GA4-query 50, een keyword gap-analyse 30, een live SERP-check 5 per zoekwoord en een brand visibility-check 100 per engine, met modeltokens bovenop à 300 credits per miljoen. Eén brede instructie kan uitwaaieren over een dozijn van die aanroepen.

De vergelijking die telt is alleen niet de prijs per run, maar de prijs per opgeloste vraag inclusief de tijd van je analist. Het zoekwoordvoorbeeld kost met een agent meer credits dan een toolabonnement, maar in totaal minder, omdat 70 minuten spreadsheetwerk verdwijnen. Bij het maandagrapport is het andersom.

Het advies van Anthropic is het herhalen waard, omdat leveranciers het niet doen: agentic systemen "ruilen latency en kosten in voor betere prestaties op de taak", en de aanbeveling is om het eenvoudigste te gebruiken dat werkt, niet het meest geavanceerde.

Hoeveel controle je inlevert met een agent

Meer dan de marketing doet vermoeden, maar het is beheersbaar als je op vier dingen staat. Een harde stappenlimiet, zodat een verkeerd begrepen doel geen onbegrensde rekening oplevert. De onze stopt bij 15 en vat samen wat hij heeft, in plaats van stil te falen. Een kostenschatting vooraf met een goedkeuringsstap boven een drempel. Lees-, genereer- en schrijfrechten per tool, zodat er niets zonder toezicht wordt gepubliceerd. En een leesbaar logboek van elke aanroep, met argumenten, kosten en resultaat.

Dat laatste is het echte controlemiddel. Je houdt geen realtime toezicht op de beslissingen van de agent, je controleert ze achteraf. Een leverancier die je geen volledig logboek kan laten zien, vraagt je een output te vertrouwen die je niet kunt checken.

Er is ook een beveiligingskant die tools niet hebben. Een agent die een pagina van een concurrent ophaalt, haalt andermans tekst in hetzelfde contextvenster als jouw instructies. Staan er op die pagina geïnjecteerde opdrachten, dan kan een naïeve agent die uitvoeren. Onze runtime schermt opgehaalde content af, markeert de beurt als besmet en weigert voor de rest van die beurt schrijf-tools, tenzij een mens goedkeuring geeft.

Heb je allebei nodig?

Ja, en de verdeling is stabiel. Houd tools voor alles wat terugkeert, naar de klant gaat of waar identieke output telt: rank tracking, ingeplande rapportages, site-crawls, uptime- en Core Web Vitals-monitoring. Zet agents in voor alles wat onderzoek vraagt, meerdere bronnen combineert of open is: diagnose, gap-analyse, kansen opsporen, briefings opstellen.

Voor bureaus met meerdere klanten wordt die verdeling scherper, niet vager. Deliverables die volgens planning naar een klant gaan, moeten deterministisch zijn, omdat consistentie onderdeel is van het product. Agent-runs horen in de eigen workflow van de analist, waar de output input is voor menselijke afwegingen en niet zelf de deliverable. De efficiëntiewinst is echt, en die zit vóór de klant in het proces, niet voor zijn neus.

Hoe je ziet of een leverancier echt een agent verkoopt

Vier vragen, en de antwoorden zijn lastig te faken:

1. "Kun je me een run-logboek laten zien met elke tool-aanroep en de kosten ervan?" Een echte agent heeft dat. Een workflow heeft een instellingenpagina.
2. "Volgt dezelfde instructie altijd hetzelfde pad?" Zo ja, dan is het een workflow. Prima, maar dan hoort de prijs daarbij te passen.
3. "Wat is de stappenlimiet en wat gebeurt er als die bereikt wordt?" Geen antwoord betekent geen grens, en dus geen kostenbeheersing.
4. "Wat kost één realistische run met meerdere tools?" Niet de licentieprijs. De prijs per run.

Die scepsis is op deze markt terecht. Gartner schatte in juni 2025 dat maar zo'n 130 van de duizenden leveranciers die agentic AI aanprijzen echt agentic waren. De rest noemde Gartner "agent washing": bestaande assistenten, chatbots en robotic process automation met een nieuw label. Dezelfde analyse voorspelt dat ruim 40% van de agentic AI-projecten tegen eind 2027 wordt stopgezet.

Wat geen van beide trouwens kan: content laten ranken omdat een machine hem maakte. De gids van Google over optimalisatie voor generatieve AI zegt het zonder omwegen: er zijn "geen extra vereisten om in AI Overviews of AI Mode te verschijnen, en ook geen speciale optimalisaties nodig". Kies tussen agents en tools op operationele gronden. Geen van beide is een rankingfactor.

Wil je de architectuur achter de agent-kant begrijpen, begin dan met wat een AI SEO-agent is, of bekijk het werkmodel in agentic SEO uitgelegd. Op onze prijspagina staan de kosten per tool die hierboven genoemd zijn.