Wat een „Agent Skill” precies is
Een Agent Skill is een gestructureerd tekstbestand — meestal SKILL.md genoemd — dat stap voor stap beschrijft hoe een AI-assistent een specifieke taak moet aanpakken: welke vragen te stellen, welk antwoordformaat te gebruiken, welke voorbeelden of referenties te raadplegen. Het is geen code in de klassieke zin en ook niet het AI-model zelf, maar een laag gespecialiseerde instructies en kennis die de assistent laadt zodra de gevraagde taak overeenkomt met de beschrijving ervan.
Het verschil met een eenvoudige, eenmalig geschreven prompt zit in de herbruikbaarheid en de structuur: een skill kan referentiebestanden, concrete voorbeelden en expliciete stappen bevatten, verpakt zodat ze verspreid, geversioneerd en geïnstalleerd kunnen worden als elke andere softwaretool — niet telkens opnieuw geschreven zodra iemand dezelfde taak nodig heeft.
Waarom dezelfde skill vandaag in meerdere AI-tools draait
Het SKILL.md-formaat werd eind 2025 als open standaard gepubliceerd en werd in minder dan een jaar tijd overgenomen door zo'n veertig verschillende AI-platformen — inclusief tools van onderling concurrerende leveranciers. In de praktijk draait een skill die voor één tool is geschreven ongewijzigd op de andere, iets wat voorheen niet kon, toen elke leverancier zijn eigen gesloten „extensie”- of „plugin”-formaat had.
Het gevolg voor een bedrijf is direct: de tijd die je investeert in het bouwen van een goed geschreven instructiepakket voor een intern proces, is niet langer gebonden aan één AI-leverancier. Als het bedrijf over een jaar van hoofdtool wisselt, blijft het werk van het documenteren van het proces — verpakt als skill — herbruikbaar. Dat is een echte verandering ten opzichte van hoe AI-integraties voorheen werkten, vastgeklonken aan één specifieke leverancier.
Waarom dit verandert hoe een bedrijf AI „koopt”
Nu alle grote AI-tools een vergelijkbare modelkwaliteit bereiken, verschuift het echte verschil in resultaat naar de kwaliteit van de instructies waarmee de assistent werkt, niet naar welk model erachter zit. Een evaluatiestudie gericht op skills testte de prestaties van assistenten op tientallen taken uit elf verschillende domeinen en vond een verschil van ongeveer 16 procentpunten in slagingspercentage tussen een zorgvuldig gecureerde skillset en de gemiddelde publieke skill, vrij beschikbaar voor iedereen, zonder controle.
Dat verschil komt niet van het model, maar van hoe goed de instructies zijn geschreven, getest en gecontroleerd die het model volgt. Voor een bedrijf dat beslist hoe het AI intern gaat inzetten, wordt de nuttige vraag „wie heeft dit instructiepakket geschreven en wie heeft het gecontroleerd”, niet alleen „welk model gebruiken we” — want het antwoord op die tweede vraag telt steeds minder op zichzelf.
Het echte probleem: het volume explodeerde, de controle hield geen gelijke tred
Eén enkele publieke skill-catalogus indexeert vandaag bijna twee miljoen beschikbare pakketten. Een steekproef van meer dan veertigduizend daarvan, beoordeeld op een standaard kwaliteitsschaal, behaalde een gemiddelde score van net iets meer dan de helft van het maximaal haalbare — een teken dat de meeste publieke skills oppervlakkig geschreven zijn, niet alleen onveilig, maar ook gewoon zwak in wat ze beloven te doen.
Op het gebied van beveiliging vond een onafhankelijke analyse van bijna vierduizend publieke skills dat meer dan een derde minstens één identificeerbaar beveiligingsprobleem had, en een deel daarvan bevatte code met een duidelijk kwaadaardige bedoeling, handmatig bevestigd. Een tweede, aparte analyse, op basis van andere criteria, kwam tot een vergelijkbare conclusie qua orde van grootte — twee verschillende teams, dezelfde richting van resultaat, wat het vertrouwen versterkt dat het probleem echt is, en geen artefact van één enkele methode.
Een les in bronnen lezen: de titel van een rapport is niet zijn datatabel
Een van de hierboven genoemde beveiligingsrapporten werd publiekelijk samengevat met een alarmerende titel over „verborgen kwaadaardige instructies” in een derde van de skills. Directe controle van de datatabel in het rapport laat iets anders zien: het cijfer uit de titel beschrijft „elk gevonden beveiligingsprobleem”, een veel bredere categorie, terwijl het specifieke probleem van verborgen kwaadaardige instructies, apart uitgesplitst, slechts een veel kleiner deel van het totaal betrof.
Dat betekent niet dat het echte probleem verwaarloosbaar is — het blijft groot genoeg om serieuze aandacht te verdienen — maar het toont een nuttige discipline, toepasbaar op elk beveiligingsrapport dat een bedrijf leest voordat het een beslissing neemt: lees de datatabel, niet alleen de titel die het rapport samenvat voor social media. Diezelfde regel verdient toepassing op elk alarmerend cijfer dat wordt aangehaald uit een rapport dat het bedrijf niet zelf heeft opengeslagen.
Wat een geïnstalleerde skill eigenlijk erft: toegang, niet alleen tekst
Een skill is geen onschuldig, geïsoleerd tekstbestand. Zodra hij door een AI-assistent wordt geladen, erft hij precies de toegang die die assistent al heeft: omgevingsvariabelen, toegangssleutels tot andere diensten, gekoppelde klantmappen, externe tools die de assistent kan gebruiken. Een skill die met kwade bedoelingen of gewoon slordig is geschreven, „antwoordt” niet alleen slecht — hij kan, in theorie, elke toegang gebruiken die de assistent al heeft.
Een snel geïnstalleerde skill is niet zomaar een extra woord in je prompt — het is een nieuwe sleutel die je aan een onbekende vreemde geeft.
Hoe je een skillpakket controleert voordat je het in een bedrijf installeert
Controle hoeft niet handmatig, regel voor regel, te gebeuren — er bestaan al gespecialiseerde tools hiervoor, gebouwd nadat het probleem publiekelijk zichtbaar werd. Een gezonde aanpak combineert een automatische scan vóór installatie met een duidelijke voorkeur voor gecureerde, onderhouden bronnen boven een anonieme upload op een onbekende publieke marketplace, waar niemand verantwoordelijkheid neemt als iets niet werkt zoals het hoort.
- 01Scan vóór installatie, niet erna een gespecialiseerde scanner controleert op gevaarlijke codepatronen — systeemaanroepen, het uitlezen van omgevingsvariabelen, het versturen van data naar onbekende adressen — voordat de skill met echte toegang gaat draaien.
- 02Kies voor gecureerde bronnen, geen anonieme marketplaces actief onderhouden collecties met een verifieerbare auteur hebben een veel lager percentage problemen dan losse, onbekende uploads.
- 03Documenteer wat elke geïnstalleerde skill kan benaderen een korte, actuele lijst van welke data en tools elk geïnstalleerd pakket kan aanraken, vooral nuttig wanneer er iets misgaat.
De business-kans achter het probleem
Het controleren en cureren van AI-instructiepakketten vóór installatie wordt voor veel bedrijven een even vanzelfsprekende stap als het controleren van een browserextensie of een softwaremodule voordat je die op een bedrijfscomputer activeert. Het verschil is dat, in 2026, maar heel weinig bedrijven in Roemenië deze stap al als standaard behandelen — wat betekent dat het intern opbouwen van een controlediscipline, ook al is die eenvoudig, een echt voordeel oplevert ten opzichte van zomaar installeren wat nuttig lijkt, zonder controle. Hoe we skills gebruiken in de agents die we voor bedrijven bouwen, beschrijven we op de pagina over AI-agents voor bedrijven.
Bronnen en verder lezen.
Veelgestelde vragen
Wat is een „Agent Skill” in kunstmatige intelligentie?
Een Agent Skill is een gestructureerd pakket van instructies, voorbeelden en referenties dat een AI-assistent laadt om een specifieke taak op te lossen, meestal geschreven in een standaardbestand genoemd SKILL.md. Het is niet het AI-model zelf, maar een laag gespecialiseerde kennis die erbovenop wordt toegevoegd.
Waarom kunnen dezelfde skills in verschillende AI-tools worden gebruikt?
Omdat het SKILL.md-formaat een open standaard is geworden, overgenomen door tientallen concurrerende AI-platformen. Een skill die voor één tool is geschreven, draait doorgaans ongewijzigd ook op andere, in tegenstelling tot de oude eigen, gesloten extensies die aan één leverancier gebonden waren.
Zijn publieke AI-skills die je van een marketplace downloadt veilig?
Niet allemaal. Onafhankelijke analyses uit 2026 vonden dat een aanzienlijk deel van de gescande publieke skills minstens één beveiligingsprobleem heeft, en een kleiner deel bevat code met een duidelijk kwaadaardige bedoeling. Controle vóór installatie, met gespecialiseerde tools, wordt aangeraden als standaardstap.
Welke data kan een geïnstalleerde AI-skill eigenlijk benaderen?
Hij erft de toegang die de AI-assistent die hem laadt al heeft — dat kan omgevingsvariabelen omvatten, toegangssleutels tot andere diensten, gekoppelde klantmappen en externe tools. Hij is niet automatisch beperkt tot het gesprek waarin hij wordt gebruikt.
Hoe controleer ik een AI-skill voordat ik hem in een bedrijf installeer?
Gebruik een gespecialiseerde beveiligingsscanner vóór installatie, kies voor gecureerde en actief onderhouden bronnen boven anonieme uploads op een publieke marketplace, en documenteer welke data of tools elk geïnstalleerd pakket kan benaderen.
Waarom is curatie van skills belangrijk voor een klein bedrijf?
Omdat het prestatieverschil tussen een gecureerd instructiepakket en het gemiddelde van ongecureerde publieke pakketten meetbaar en significant is. Voor een klein bedrijf zonder groot technisch team verlaagt de keuze voor al geverifieerde bronnen het risico, zonder dat daar extra middelen voor interne audits voor nodig zijn.
Laten we kijken wat we bij jou kunnen automatiseren.
Een gratis sessie van 30 minuten: we vertellen je wat er te automatiseren valt, hoe lang het duurt en wat het kost, met een vaste prijs na de discovery.