WBSO voor AI-agents en automatisering: wanneer kwalificeert het ontwikkelwerk in 2026?

Kernpunten: AI-agents zijn in 2026 uitgegroeid van experimenteel concept tot de dominante ontwikkeltrend in de softwarebranche. Voor Nederlandse techfounders die eigen AI-agentsoftware bouwen, biedt de WBSO-regeling een aanzienlijk fiscaal voordeel: tot 50% afdrachtvermindering voor starters op de eerste 391.000 euro aan R&D-kosten. Maar de grens tussen kwalificerend ontwikkelwerk en niet-kwalificerend gebruik van bestaande tools is scherper dan veel ondernemers denken.

AI-agents bouwen is R&D, maar niet altijd volgens RVO

Het afgelopen jaar is het aantal bedrijven dat AI-agents ontwikkelt explosief gegroeid. Autonome systemen die zelfstandig taken uitvoeren, beslissingen nemen en acties ondernemen zonder continue menselijke aansturing, zijn niet langer voorbehouden aan grote techbedrijven. Startups en scale-ups bouwen agents voor klantenservice, supplychainoptimalisatie, financiële analyse, juridisch onderzoek en tientallen andere domeinen.

Wat veel van deze founders niet weten: het ontwikkelen van AI-agentsoftware kan in aanmerking komen voor de WBSO, de belangrijkste Nederlandse fiscale stimuleringsregeling voor R&D in de technologiesector. De regeling verlaagt de loonkosten van R&D-medewerkers aanzienlijk. Reguliere bedrijven ontvangen 36% afdrachtvermindering op de eerste 391.000 euro aan S&O-loonkosten en 16% daarboven. Voor starters ligt het tarief op de eerste schijf zelfs op 50%, wat het bijzonder interessant maakt voor jonge AI-bedrijven.

Maar er zit een fundamentele voorwaarde aan vast die specifiek voor AI-ontwikkeling relevant is: de WBSO vergoedt uitsluitend de ontwikkeling van eigen, technisch nieuwe software. En daar begint voor AI-agentbedrijven het onderscheid dat het verschil maakt tussen een goedgekeurde en een afgewezen aanvraag.

Wat de WBSO dekt bij AI-ontwikkeling

De WBSO is bedoeld voor speur- en ontwikkelingswerk (S&O) dat gericht is op de ontwikkeling van technisch nieuwe programmatuur. RVO, de uitvoeringsorganisatie die WBSO-aanvragen beoordeelt, hanteert hierbij drie kernvereisten: de software moet eigen zijn (in eigen broncode), het werk moet technisch nieuw zijn ten opzichte van bestaande, vrij beschikbare oplossingen, en er moeten technische knelpunten op te lossen zijn.

Voor de ontwikkeling van AI-agents betekent dit concreet dat het werk kwalificeert zodra er software wordt geschreven die technisch nieuwe problemen oplost. Het gaat om de zelfgeschreven code, niet om de modellen die worden aangeroepen of de platforms die worden geconfigureerd. Dit onderscheid is cruciaal in een tijdperk waarin veel AI-ontwikkeling bestaat uit het orkestreren van bestaande componenten.

Werk dat kwalificeert

De volgende typen ontwikkelwerk aan AI-agents vallen doorgaans binnen de scope van de WBSO, mits de technische nieuwheid aantoonbaar is.

Eigen agent-architecturen en orkestratiemechanismen. Een eigen framework dat bepaalt hoe een AI-agent taken plant, subtaken delegeert, tussenresultaten evalueert en zichzelf corrigeert, is softwareontwikkeling in de kern. Het gaat om zelfgeschreven logica die bepaalt wanneer een agent een tool aanroept, hoe parallelle taken worden gecoördineerd en hoe faalscenario's worden afgehandeld. Dit type werk bevat vrijwel altijd technische knelpunten: hoe blijven oneindige loops uit, hoe wordt de volgorde van tool-aanroepen geoptimaliseerd, wat gebeurt er bij conflicterende resultaten uit meerdere bronnen?

Eigen tool-use-frameworks. AI-agents ontlenen hun bereik aan het vermogen om externe tools aan te roepen. Een eigen systeem dat dynamisch bepaalt welke tools beschikbaar zijn, hoe tool-output wordt gevalideerd en hoe de agent leert welke tools effectief zijn voor specifieke taken, is technisch nieuwe software. De complexiteit zit in het betrouwbaar vertalen van natuurlijke taalinstructies naar gestructureerde API-aanroepen, het afhandelen van fouten en het optimaliseren van de tool-selectie.

Eigen fine-tuning en trainingspipelines. Het trainen van een neuraal netwerk an sich kwalificeert niet voor de WBSO. De software rondom het trainingsproces wel, als die technisch nieuw is. Denk aan eigen data-preprocessingpipelines die domeinspecifieke data transformeren naar trainingsformaten, evaluatieframeworks die modelkwaliteit meten op maatstaven die specifiek zijn voor het domein, of systemen die automatisch trainingsdata genereren en filteren op basis van productiegebruik.

Inferentie-optimalisatie. Eigen software die de snelheid, kosten of kwaliteit van modelinferentie verbetert, kwalificeert doorgaans. Dit omvat eigen caching-mechanismen voor veelvoorkomende queries, intelligente routering tussen verschillende modellen op basis van complexiteit, of eigen kwantiseringsmethoden die de modelgrootte verkleinen zonder onacceptabel kwaliteitsverlies.

Multi-agent-coördinatiesystemen. Het orkestreren van meerdere gespecialiseerde agents die samenwerken aan complexe taken is een domein vol technische uitdagingen. Eigen software voor taakdecompositie, communicatieprotocollen tussen agents, conflictresolutie en resultaataggregatie bevat doorgaans voldoende technische nieuwheid.

Wat niet kwalificeert

Minstens zo belangrijk als weten wat wel kwalificeert, is begrijpen welk werk buiten de WBSO-scope valt. RVO is hier in de praktijk strikt op.

Het aanroepen van bestaande AI-API's zonder eigen softwareontwikkeling. De ChatGPT API, Claude API of een andere LLM-provider aanroepen en de output direct doorgeven aan de gebruiker levert geen technisch nieuwe software op. Dat is integratie van een bestaande dienst. Het maakt niet uit hoe innovatief de toepassing is vanuit gebruikersperspectief. De WBSO kijkt naar technische nieuwheid in de eigen code, niet naar de nieuwheid van het product of businessmodel.

Het configureren van no-code en low-code platforms. Tools als Langflow, Flowise, Zapier AI of vergelijkbare platforms maken het mogelijk AI-workflows samen te stellen zonder eigen code te schrijven. Hoe complex de configuratie ook is, het blijft configuratie van bestaande software. Er is geen sprake van eigen broncode-ontwikkeling en dus geen WBSO-grondslag.

Prompt engineering als hoofdactiviteit. Het schrijven, testen en optimaliseren van prompts is geen softwareontwikkeling. Prompts zijn instructies aan een bestaand systeem, geen programmatuur. Zelfs bij honderden promptvarianten die systematisch met geautomatiseerde evaluatie worden getest, is de kernactiviteit het optimaliseren van input voor bestaande software, niet het ontwikkelen van nieuwe software.

Het trainen van modellen zonder nieuwe software. Het fine-tunen van een bestaand model met de eigen data via de standaardtools van de modelleverancier (OpenAI fine-tuning API, Hugging Face Trainer met standaardconfiguratie) kwalificeert niet. Dat is gebruik van bestaande trainingssoftware. Het resulterende model is weliswaar nieuw, maar de WBSO beoordeelt de ontwikkelde software, niet het geproduceerde model.

Het integreren van bestaande SaaS-tools. Het koppelen van de AI-agent aan Slack, Salesforce, Jira of andere bestaande diensten via hun standaard-API's is integratie, geen R&D. Ook meerdere tools combineren tot een workflow die nog niet eerder bestond, levert geen technisch nieuwe software op, zolang er geen eigen orkestratiemechanismen bij komen.

Het grijze gebied: wanneer wordt "API-gebruik" softwareontwikkeling?

In de praktijk bevindt veel werk aan AI-agents zich in een grijs gebied tussen puur API-gebruik en volwaardige softwareontwikkeling. De grens is niet altijd scherp, maar er zijn duidelijke indicatoren.

Scenario 1: een klantenservice-agent. Een LLM-API genereert de antwoorden, en daaromheen staat een eigen systeem dat klantcontext ophaalt uit meerdere bronnen, bepaalt wanneer een gesprek moet worden overgedragen aan een menselijke medewerker, automatisch de kwaliteit van gegenereerde antwoorden evalueert voordat ze worden verzonden, en leert van correcties die medewerkers aanbrengen. De LLM-API-aanroep zelf kwalificeert niet, maar het eigen systeem eromheen mogelijk wel. De technische nieuwheid zit in de orkestratie, de kwaliteitscontrole en het leermechanisme, niet in het genereren van tekst.

Scenario 2: een autonome agent voor data-analyse. De agent ontvangt een vraag in natuurlijke taal, bepaalt zelfstandig welke databronnen relevant zijn, schrijft en voert SQL-queries uit, valideert de resultaten, en presenteert een onderbouwd antwoord. Het technisch nieuwe element is de software die de agent betrouwbaar en veilig queries laat genereren en uitvoeren: SQL-injectiepreventie, queryoptimalisatie, resultaatvalidatie, en de logica die bepaalt wanneer de agent aanvullende data nodig heeft. Zijn daar eigen algoritmen en mechanismen voor nodig die niet direct in bestaande frameworks zitten, dan kwalificeert dit doorgaans.

Scenario 3: een bestaand agent-framework configureren. LangChain, CrewAI of AutoGen met agents in specifieke rollen, voorzien van tools en instructies. De prompts zijn aangepast voor het domein en standaard-API's zijn gekoppeld. Hoewel het eindresultaat indrukwekkend kan zijn, is er geen sprake van eigen softwareontwikkeling zolang het binnen de mogelijkheden van het bestaande framework blijft. Dit kwalificeert niet.

Scenario 4: een bestaand framework uitbreiden met eigen componenten. LangChain als basis, aangevuld met eigen componenten die niet in het framework bestaan: een eigen geheugenarchitectuur die relevante context efficiënter ophaalt, een eigen planningsalgoritme dat taakdecompositie optimaliseert voor het specifieke domein, of een eigen evaluatiemodule die agentprestaties meet op domeinspecifieke criteria. De eigen componenten die technisch nieuw zijn, kunnen kwalificeren; het configuratiewerk niet.

De vuistregel: worden hier technische problemen opgelost waarvoor nog geen kant-en-klare oplossing bestaat? Is het antwoord ja, en worden die problemen opgelost met eigen software, dan is dit waarschijnlijk WBSO-territorium.

De WBSO-aanvraag structureren voor AI-agentwerk

Een goedgekeurde WBSO-aanvraag voor de ontwikkeling van AI-agents vereist dat duidelijk wordt wat technisch nieuw is aan het werk. RVO beoordeelt niet of het product innovatief is, maar of de softwareontwikkeling technische knelpunten bevat die nog niet eerder zijn opgelost en waarvoor geen bestaande oplossing bestaat.

Beschrijf technische knelpunten, geen productvoordelen. Schrijf niet: "Wij ontwikkelen een AI-agent die autonoom financiële rapportages genereert." Schrijf wel: "Wij ontwikkelen een orkestratiemechanisme dat meerdere gespecialiseerde subagents coördineert voor het extraheren, valideren en combineren van financiële data uit heterogene bronnen, waarbij het technisch knelpunt zit in het waarborgen van dataconsistentie bij gelijktijdige updates en het detecteren van conflicterende informatie uit verschillende bronnen."

Maak het onderscheid expliciet tussen eigen code en gebruikte tooling. RVO wil weten welk deel van het werk bestaande tooling betreft en welk deel eigen ontwikkeling. Benoem expliciet welke LLM-providers, frameworks en tools er in gebruik zijn, en beschrijf vervolgens wat daar bovenop is ontwikkeld. Transparantie hierover versterkt de aanvraag, omdat het laat zien dat het onderscheid helder is.

Documenteer de zoektocht naar bestaande oplossingen. De WBSO vereist technische nieuwheid ten opzichte van wat er beschikbaar is. Onderbouw waarom bestaande frameworks, bibliotheken of diensten het technische probleem niet oplossen. Dit hoeft geen uitputtend marktonderzoek te zijn, maar er moet aantoonbaar zijn onderzocht of een bestaande oplossing bestond voordat het besluit tot eigen software viel.

Houd een S&O-administratie bij. Gedurende het project is een administratie van het uitgevoerde S&O-werk verplicht. Leg vast welke technische werkzaamheden de R&D-medewerkers uitvoeren, hoeveel uur zij hieraan besteden en wat de resultaten zijn. Dit is niet alleen een verplichting, het is ook het bewijs bij een eventuele controle.

Het startersvoordeel: 50% in de eerste jaren

Voor techfounders die een nieuw bedrijf starten om AI-agents te ontwikkelen, is het starterstarief van de WBSO bijzonder aantrekkelijk. In plaats van de reguliere 36% geldt dan 50% afdrachtvermindering op de eerste 391.000 euro aan S&O-loonkosten. Bij een team van drie ontwikkelaars met marktconforme salarissen blijft die grens in het eerste jaar buiten bereik, waardoor het volledige starterstarief geldt over alle R&D-loonkosten.

Kwalificeren als starter kan alleen zonder S&O-verklaring in een of meer van de vijf voorafgaande kalenderjaren. In de praktijk betekent dit dat nieuwe BV's die specifiek voor de ontwikkeling van AI-agents worden opgericht, vrijwel altijd in aanmerking komen.

Het financiële effect is aanzienlijk. Bij 300.000 euro aan R&D-loonkosten levert het starterstarief 150.000 euro aan afdrachtvermindering op, tegenover 108.000 euro bij het reguliere tarief. Dat verschil van 42.000 euro is voor een startup met beperkt kapitaal veel geld.

Maximaliseer het voordeel in jaar 1. Dien de WBSO-aanvraag in vóór de start van het R&D-werk, niet achteraf. De WBSO werkt met aanvraagperioden: de S&O-verklaring wordt vooraf aangevraagd voor een komende periode. Zorg dat de aanvraag is goedgekeurd voordat de ontwikkelaars beginnen, anders vervalt de afdrachtvermindering over die eerste, cruciale maanden.

De volgende stap

De WBSO-aanvraagprocedure is niet ingewikkeld, maar vereist wel dat het werk op de juiste manier is beschreven. Het verschil tussen een goedgekeurde en een afgewezen aanvraag zit vaak niet in het werk zelf, maar in hoe helder de technische nieuwheid en knelpunten zijn verwoord.

Bij twijfel of AI-agentwerk kwalificeert, is de eerste stap het scherp in kaart brengen van welk deel van het werk eigen softwareontwikkeling betreft en waar de technische knelpunten zitten. De grens tussen kwalificerend en niet-kwalificerend werk loopt dwars door veel AI-projecten heen. Dat is geen reden om de WBSO te laten liggen. Het is een reden om de aanvraag zorgvuldig te structureren.

Meer weten over de WBSO-regeling en hoe deze toepasbaar is op de specifieke situatie? Lees onze uitgebreide gids over de WBSO of bekijk hoe de regeling zich verhoudt tot andere subsidies voor AI-projecten en de MIT-regeling.