Nog maar enkele weken na de introductie van Muse begint duidelijk te worden waarvoor mensen een persoonlijke AI-agent werkelijk willen gebruiken. Niet alleen om vragen te beantwoorden of teksten te schrijven, maar vooral om vervelende, tijdrovende taken uit handen te geven.
Tijdens Meta Connect 2026 liet Meta verschillende praktijkvoorbeelden zien. Gebruikers zetten Muse onder meer in om producten op te sporen, reizen te organiseren, verzekeringen te vergelijken, terugbetalingen te vinden en zelfs te onderhandelen met bedrijven. Daarmee wordt zichtbaar hoe snel de rol van artificiële intelligentie aan het veranderen is: van een systeem waarmee iemand praat naar een digitale assistent die daadwerkelijk handelt.
Van antwoordmachine naar uitvoerende agent
De belangrijkste verandering zit niet noodzakelijk in hoe slim Muse kan antwoorden. Interessanter is wat er gebeurt nadat een gebruiker een opdracht heeft gegeven.
Muse is ontworpen als een persoonlijke AI-agent die zelfstandig verschillende stappen kan uitvoeren. Het systeem kan informatie zoeken, websites gebruiken, diensten aanspreken en transacties voorbereiden. Meta bouwde daarvoor rond iedere gebruiker een eigen beveiligde virtuele computeromgeving, de zogenoemde Muse Secure VM.
Daarmee verschuift AI steeds verder van “vertel hoe dit moet” naar “regel dit voor mij”. En precies die verschuiving blijkt gebruikers op ideeën te brengen.
Een gebroken servies wordt een zoekopdracht voor AI
Een van de opvallendste voorbeelden begon bijzonder alledaags. Iemand had het favoriete servies van zijn schoonmoeder beschadigd en wilde exact hetzelfde exemplaar terugvinden.
In plaats van zelf urenlang webshops, tweedehandsplatformen en gespecialiseerde verkopers af te zoeken, kreeg Muse de opdracht om het probleem op te lossen. De agent zocht onder meer bij eBay en vintageverkopers in Japan, vond uiteindelijk een passend exemplaar en zorgde ervoor dat het geleverd kon worden.
Het voorbeeld lijkt klein, maar toont precies waar persoonlijke agents interessant worden. Mensen hoeven niet langer zelf te bedenken welke websites ze moeten bezoeken, welke zoektermen ze moeten gebruiken en welke tussenstappen noodzakelijk zijn. Ze formuleren vooral het gewenste eindresultaat.
Een reis plannen én later opnieuw aanpassen
Ook reisplanning krijgt daardoor een andere betekenis.
Een gebruiker liet Muse een weekendje weg met zijn vrouw organiseren. Daarmee was de taak echter niet afgelopen. Een week later stelde de agent vast dat slecht weer werd verwacht tijdens de geplande periode. Muse waarschuwde de gebruiker en verplaatste vervolgens de reisdata.
Dat illustreert een belangrijke volgende stap voor AI-agents: continuïteit.
Een traditionele chatbot behandelt meestal een vraag op het moment dat die gesteld wordt. Een persoonlijke agent kan een doel daarentegen blijven volgen en opnieuw in actie komen wanneer de omstandigheden veranderen.
De opdracht wordt dan niet simpelweg “boek een weekend”, maar eerder “zorg ervoor dat dit weekend goed verloopt”.
AI begint namens consumenten te onderhandelen
Misschien nog interessanter zijn de voorbeelden waarbij Muse wordt ingezet om geld te besparen.
Volgens Meta gebruiken mensen de agent onder meer om verzekeringen te onderzoeken en terugbetalingen op te sporen waarvan ze niet wisten dat ze er recht op hadden. Een gebruiker liet Muse bovendien onderhandelen met een kabelmaatschappij via de online klantenservice. Het resultaat was volgens de presentatie een maandelijkse besparing van 85 dollar.
Ook buiten Meta's eigen voorbeelden duiken vergelijkbare toepassingen op. Een analyse van honderden gedeelde Muse-cases stelde vast dat geld besparen, refunds regelen en persoonlijke financiën tot de grootste categorieën behoorden. Werk, administratieve taken, shopping en reizen vormden eveneens belangrijke toepassingen.
Dat kan uiteindelijk gevolgen hebben voor de manier waarop bedrijven hun klantenservice organiseren. Een onderneming krijgt straks mogelijk niet alleen mensen aan de lijn, maar steeds vaker AI-agents die namens die mensen prijzen vergelijken, voorwaarden controleren, abonnementen opzeggen of compensaties proberen te verkrijgen.
De persoonlijke agent krijgt steeds meer gereedschap
Om dergelijke opdrachten uit te voeren, moet een AI-agent verbinding kunnen maken met de digitale diensten die mensen dagelijks gebruiken.
Muse werd daarom gekoppeld aan verschillende externe diensten en Meta kondigde tijdens Connect verdere integraties aan. Voor reizen werd onder meer Expedia genoemd, terwijl Instacart voor boodschappen wordt toegevoegd. Voor professionele toepassingen kwamen onder andere Box, GitHub, Granola en Notion aan bod. Meta meldde bovendien dat het connectorplatform wordt opengesteld voor ontwikkelaars.
De logica daarachter is duidelijk: een agent wordt waardevoller naarmate hij meer systemen daadwerkelijk kan gebruiken.
Een AI die alleen informatie kan geven, blijft een adviseur. Een AI die agenda's, bestanden, winkels, betalingen, communicatie en bedrijfssoftware kan bedienen, begint op een digitale medewerker te lijken.
Van prompts naar doelen
Daarmee verandert mogelijk ook de manier waarop mensen AI gebruiken.
De afgelopen jaren draaide veel aandacht rond het schrijven van de perfecte prompt. Bij persoonlijke agents kan het formuleren van het doel belangrijker worden dan het formuleren van iedere afzonderlijke opdracht.
De gebruiker hoeft dan niet meer stap voor stap te zeggen: zoek een hotel, controleer het weer, vergelijk de prijzen, reserveer een kamer en pas de boeking aan wanneer het weer verandert. Hij kan simpelweg aangeven wat hij wil bereiken. De agent bepaalt vervolgens welke instrumenten en tussenstappen daarvoor nodig zijn.
Meta zegt zijn Muse Spark-modellen specifiek te trainen voor dergelijke agentische taken, waaronder computergebruik, toolgebruik en multimodaal begrip.
De volgende interface is misschien geen app
De eerste weken van Muse laten daarmee vooral zien dat de AI-agent zich kan ontwikkelen tot een nieuwe tussenlaag tussen mensen en digitale diensten.
Vandaag opent iemand zelf een webshop, vergelijkt prijzen, vult formulieren in, belt een klantenservice en beheert reserveringen. In een agentisch model geeft die persoon steeds vaker alleen nog aan wat hij wil bereiken.
De agent zoekt vervolgens uit waar, hoe en wanneer dat moet gebeuren. Dat maakt de eerste gebruikscases van Muse interessanter dan losse technische demonstraties. Een gebroken servies vervangen, een regenachtig weekend verplaatsen of 85 dollar per maand besparen zijn op zichzelf geen revolutionaire toepassingen.
Samen vertellen ze echter een groter verhaal. AI begint langzaam de stap te maken van software die mensen gebruiken naar software die dingen namens mensen doet. En precies daar zou de echte verandering van het agententijdperk kunnen beginnen.
