Iemand in je team zegt: laten we een AI-agent bouwen met DeepSeek, dat is veel goedkoper. Het korte antwoord: een DeepSeek AI agent is technisch prima te maken, maar zodra er klantgegevens in zitten kies je alleen een variant die op Europese servers of op je eigen machine draait. De gratis app en de standaard API van DeepSeek zelf zijn daarvoor niet geschikt. Hieronder lees je waarom, wat het je aan werk kost en wanneer je beter een ander model kiest.
Wat is DeepSeek AI en waarom is het ineens overal?
DeepSeek is een Chinese AI-ontwikkelaar die taalmodellen maakt. Je kunt ze dingen laten doen die je van ChatGPT kent: teksten schrijven, vertalen, samenvatten, vragen beantwoorden en code schrijven. Begin 2025 kwam DeepSeek wereldwijd in het nieuws, omdat het bedrijf liet zien dat een model van dit niveau met veel minder rekenkracht te trainen viel dan de grote Amerikaanse partijen deden. De techbeurzen schrokken ervan en in Europa ging de discussie weer over onze achterstand.
Voor jou als ondernemer zijn twee dingen belangrijk. Ten eerste zijn veel DeepSeek-modellen open: je kunt ze downloaden en zelf draaien, waar je dat bij de meeste concurrenten niet kunt. Ten tweede zorgt de concurrentie ervoor dat AI de komende jaren goedkoper en beter wordt, ook als je zelf nooit voor DeepSeek kiest.
Wat DeepSeek niet is: een model dat op alle fronten wint. Op sommige testen komt het dicht bij de beste modellen, maar of het in jouw werk beter presteert, hangt af van de taak, de taal en de manier waarop je het inzet. Dat meet je met een korte test op je eigen documenten, niet met een nieuwskop.
DeepSeek AI agents: wat kunnen ze en wat niet?
Een model praat. Een agent voert uit. Een chatbot beantwoordt een vraag, een agent leest de binnengekomen mail, zoekt het dossier op, zet een concept klaar en meldt wat hij heeft gedaan. DeepSeek kan daarbij de motor zijn, maar een motor is nog geen auto. Het werk zit in de rest: de koppelingen met je systemen, de regels over wat de agent mag, en de controle door een mens.
Dit werkt in de praktijk goed:
- Binnenkomende mail of aanvragen sorteren en gegevens eruit halen.
- Documenten samenvatten en conceptantwoorden schrijven.
- Vragen beantwoorden op basis van je eigen kennisbank, zoals handleidingen, veelgestelde vragen en interne procedures.
- Gegevens van het ene systeem naar het andere overzetten.
Dit werkt niet, of alleen met een mens erbij:
- Beslissingen met juridische of financiële gevolgen zonder controle.
- Feiten leveren zonder bron. Elk taalmodel verzint soms iets dat overtuigend klinkt.
- Goed werken zonder jouw gegevens. Een agent die je bedrijf niet kent, geeft algemene antwoorden.
Wil je dat zo'n agent taken echt afhandelt in je eigen systemen, dan kun je een AI-agent laten bouwen in plaats van een los model te laten praten. Bij ons staat een eerste AI-agent in 4 weken live. Welk model eronder zit, is dan een keuze die je later nog kunt wisselen, als de agent goed is opgezet.
Is DeepSeek veilig? DeepSeek privacy en de AVG
Deze vraag bestaat uit twee delen. Is de software technisch veilig, en wat gebeurt er met de gegevens die je erin stopt? Het tweede deel is voor jou het belangrijkste.
Wie de DeepSeek-app of de website gebruikt, stuurt zijn invoer naar servers van het bedrijf. Volgens het eigen privacybeleid staan die gegevens in China. Toezichthouders in Europa, waaronder de Autoriteit Persoonsgegevens, hebben gewaarschuwd voor gebruik met persoonsgegevens. Voor een kantoor betekent dat: geen dossiers, klantlijsten, patiëntgegevens of contracten in de gratis app.
De AVG geeft hier een duidelijke richting. Besteed je het verwerken van persoonsgegevens uit aan een andere partij, dan hoort daar een verwerkersovereenkomst bij. Gaan de gegevens naar een land buiten de EU, dan moet je extra waarborgen kunnen aantonen. Met de gratis app heb je geen van beide geregeld. Daarnaast bepaalt de AI Act, een Europese wet, per toepassing een risiconiveau. Een agent die klantvragen beantwoordt, valt in een andere categorie dan een agent die sollicitanten beoordeelt.
Stel deze vier vragen aan elke aanbieder, ook als het geen DeepSeek is:
- Waar worden mijn gegevens verwerkt en opgeslagen?
- Wordt mijn invoer gebruikt om het model verder te trainen?
- Krijg ik een verwerkersovereenkomst?
- Wie kan er bij mijn gegevens, en hoe is dat vastgelegd?
Een goed antwoord is concreet: een land, een hoster, een contract. Een zwak antwoord is: dat staat in de voorwaarden, of: dat is allemaal veilig. Let ook op iets wat vaak vergeten wordt: medewerkers die op eigen houtje de gratis app gebruiken. Een korte afspraak over welke tools mogen, helpt meer dan een verbod.
Een laatste kanttekening over inhoud. DeepSeek geeft op politiek gevoelige onderwerpen soms gekleurde of geweigerde antwoorden. Voor jouw dagelijkse werk speelt dat zelden, maar controleer bij een publieksgerichte agent wat hij zegt als klanten buiten het onderwerp vragen stellen.
DeepSeek lokaal draaien: kan dat, en is het slim?
Ja, het kan. Omdat veel DeepSeek-modellen open zijn, kun je ze zelf draaien. Dan verlaten je gegevens je eigen omgeving niet. Dat is precies waarom DeepSeek voor sommige kantoren interessant is. Er zijn grofweg drie routes:
- De dienst van DeepSeek zelf. Goedkoop en snel te proberen, maar de gegevens gaan naar China. Alleen voor niet-gevoelige tekst.
- Een Europese hoster. Hetzelfde model op een server in de EU, met een verwerkersovereenkomst. Voor de meeste kantoren de verstandigste route.
- Een eigen machine op kantoor. Maximale controle. Een bedrijf in de medische sector kan zo bijvoorbeeld een privé-AI neerzetten waarbij patiëntgegevens nooit bij een extern model komen. Bij ons kan dezelfde software op een server bij een Europese hoster of op een machine op kantoor draaien.
Wat je erbij moet weten: het volledige model is erg zwaar en vraagt dure hardware. Op een gewone kantoorcomputer draai je kleinere versies, en die zijn merkbaar minder goed. Daarnaast ben jij of je leverancier verantwoordelijk voor updates, beveiliging en monitoring.
Een rekenvoorbeeld, geen resultaat van ons: stel dat een IT-er twee uur per week kwijt is aan beheer van een eigen model. Dat is ruim honderd uur per jaar. Die uren moet je afzetten tegen wat de agent oplevert. Zonder IT-afdeling is een Europese hoster met beheer meestal eerlijker dan een server onder je bureau.
DeepSeek vs ChatGPT: wanneer kies je wat?
De vraag is zelden welk model slimmer is, maar welk model past bij je situatie. Kijk naar vijf dingen:
- Afspraken over gegevens. Bij zakelijke accounts van gevestigde aanbieders kun je vaak verwerkersafspraken en Europese opslag regelen. Bij DeepSeek regel je dat zelf door de hosting te kiezen.
- Kwaliteit in het Nederlands. Test op je eigen mails en documenten. Een score op een internationale ranglijst zegt weinig over jouw brieven.
- Gemak. Een zakelijk account is in een middag ingericht. Een eigen model vraagt een project.
- Kosten bij veel gebruik. Een open model kan goedkoper worden bij grote volumes, maar je betaalt dan in beheer. Hoe je dit doorrekent, lees je in ons artikel over de kosten van een AI-agent. De modelkosten zijn bij een agent meestal het kleinste deel, het meeste zit in koppelingen, testen en beheer.
- Flexibiliteit. Wil je later wisselen van model, dan moet je agent daarop zijn gebouwd.
Een voorbeeld van een nuchtere aanpak: een e-commercebedrijf met ongeveer vijftien mensen begon met een pilot van drie gebruikers op één centraal Claude Team-account en schaalde daarna op naar het hele team. Elk team kreeg een eigen project met instructies en voorbeelden uit het eigen werk. Uitgangspunt: zo min mogelijk tools, alles in de eigen accounts. Geen DeepSeek, want het ging om gewone kantoortaken met bedrijfsgegevens en er was geen reden om zelf te hosten. Een financiële dienstverlener zette zijn eigen kennis in een kennisbank op Europese infrastructuur. Daar speelde herkomst van data een rol, en daar is een open model dat je zelf host zeker een serieuze optie.
Mijn advies: kies DeepSeek als je zelf wilt hosten, grote volumes verwerkt of bewust onafhankelijk wilt zijn van een Amerikaanse aanbieder. Kies anders de eenvoudigste route die je AVG-afspraken oplevert.
Een voorbeeld uit de praktijk: spoedmail in een mkb-bedrijf
Het volgende is een voorbeeld, geen klantresultaat. Een logistiek bedrijf met zo'n dertig medewerkers krijgt de hele dag aanvragen binnen op één mailbox. Spoedaanvragen verdwijnen tussen de rest. Het doel: een spoedaanvraag wordt binnen tien minuten opgepakt.
Een agent herkent het soort mail, haalt de gegevens eruit (afzender, ophaaladres, tijdstip) en zet de aanvraag op prioriteit. Het bedrijf bouwt dat in stappen:
- Schaduwmodus. De agent draait mee naast het team en doet nog niets. Je ziet wat hij zou doen en waar hij het mis heeft.
- Concepten. De agent maakt conceptmails, een mens keurt ze goed.
- Zelf versturen. Alleen voor vraagtypes met een laag risico, zoals een ontvangstbevestiging.
Een rekenvoorbeeld: stel dat drie medewerkers elk vier uur per week besteden aan het sorteren van die mailbox. Dat is twaalf uur per week, ruim zeshonderd uur per jaar. Je hoeft die uren niet allemaal weg te halen om te zien of het loont. Haalt de agent de helft, dan houd je drie weken werk per jaar over voor werk waar je klanten echt iets aan hebben.
Bij deze aanpak draait alles op een eigen server in de EU, dus de mailgegevens blijven daar. Of daar DeepSeek, Mistral of een ander model onder zit, is een technische keuze die je op basis van een test maakt, niet op basis van een nieuwsbericht.
Samenvatting en volgende stap
Checklist voor je volgende gesprek
Print dit uit of neem het mee naar een gesprek met een leverancier.
| Vraag | Goed antwoord | Zwak antwoord |
|---|---|---|
| Waar staan mijn gegevens? | Een genoemd land en een genoemde hoster | In de cloud |
| Is er een verwerkersovereenkomst? | Ja, voor ik begin | Dat regelen we later |
| Wordt mijn invoer gebruikt voor training? | Nee, en dat staat in het contract | Dat weten we niet zeker |
| Welk proces automatiseren we eerst? | Eén, met een eigenaar en een meetpunt | Alles wat kan |
| Hoe controleert een mens de uitkomst? | Schaduwmodus, daarna goedkeuring | De agent is zelfstandig |
| Kan ik later van model wisselen? | Ja, het model is losgekoppeld | Dat is lastig |
| Wie beheert het na oplevering? | Duidelijk benoemd, met uren | Dat komt vanzelf |
Wanneer een DeepSeek AI agent niet loont
Sla het over als het proces maar een paar uur per week kost: een goed ingericht chatvenster is dan genoeg. Wacht ook als niemand het proces nog kan beschrijven, want een agent automatiseert geen chaos. Hetzelfde geldt voor cijfers die over meerdere systemen verspreid staan: zorg dat alle teams eerst dezelfde cijfers zien, voordat een AI-dashboard zin heeft. En laat beslissingen met grote gevolgen voor mensen niet aan een agent over zonder dat een mens meekijkt. Zonder IT-afdeling en met gevoelige gegevens is zelf hosten bovendien zelden de moeite waard.
Je volgende stap
Weet je welk proces je wilt aanpakken en welke gegevens erbij horen? Dan is de volgende stap om een AI-agent te laten bouwen die past bij jouw regels, jouw systemen en jouw AVG-afspraken. Wil je dat eerst met iemand doorspreken, plan dan een gesprek via /offerte. We vertellen je ook eerlijk als een eenvoudiger oplossing beter bij je past.
