Zo bouw je een AI-systeem dat je bureau 24/7 laat draaien

In dit artikel:

Een branding- en designbureau voor e-commerce (run door Louie Valkhof) worstelde met de praktijk van AI: één algemene agent werkte in demo’s prima maar faalde precies op de drukke momenten waarop betrouwbaarheid cruciaal is. Na zes maanden experimenteren bouwde hij binnen zijn eigen bedrijf een robuust hulpmiddel dat nu 24/7 research, content, communicatie en publicatie ondersteunt — niet door slimmer modelwerk, maar door een andere architectuur en veel incidentgestuurde verbetering.

Belangrijkste principes
- Orkestrator + specialisten: in plaats van één alleskunner is er een hoofd-agent die taken verdeelt naar sub-agents die elk één taak doen (research, schrijven, comms, publicatie, beeld, controle). De hoofd-agent coördineert alleen bestanden en statussen; sub-agents starten vers, voeren hun taak uit en stoppen weer, waardoor cross-contaminatie van toon en geheugen voorkomt.
- Drie geheugenlagen: sessiegeheugen (vluchtig), vast geheugen (tekstbestanden met identiteit, regels en geleerde correcties) en een logboek-database met elk event. Correcties worden structureel vastgelegd in het vaste geheugen zodat het systeem wekelijks beter leert zonder codewijzigingen.
- Gates in code, niet in proza: beslisregels staan in paden en scripts (statusvelden, functies zonder netwerktoegang), niet als prompts. Bijvoorbeeld: een item moet expliciet op “goedgekeurd” staan voordat het publicatiescript het oppakt; agents kunnen drafts maken maar hebben geen code om mails direct te versturen.
- Deterministische controle: checks die altijd hetzelfde resultaat geven zijn scripts, geen AI. Voorbeelden: linktellingen, woordenaantallen, of een blog minimaal X interne en Y externe links bevat. Drie controles: direct na agent-run, wekelijkse dieptecontrole en ad-hoc audits.

Waarom dit nodig was — incidenten en fixes
Het systeem ontstond niet vanuit theorie maar door herhaald falen en repareren. Valkhof beschrijft concrete fouten: een content-agent verzon een naam zonder bron (hallucinatie), een script corrupteerde de centrale contentlijst door een CSV-parsefout, en geplande taken faalden omdat ze in zijn persoonlijke chat-sessie hingen. Elke fout leidde tot een structurele wijziging: feiten moeten altijd aan bronbestanden gekoppeld worden; bewerkingen lopen via één valideerfunctie; geplande jobs hebben autonome triggermechanismen en melden zichzelf bij falen.

Praktische resultaten en filosofie
Modelkeuze bleek het minst belangrijk; architectuur en betrouwbaarheid maakten het verschil. Resultaat: een veel rustiger ochtendritueel (briefing van vijftien minuten), en in dertig dagen 44 keren content gepubliceerd in de juiste toon en op tijd, zonder nabeoordelingen. Communicatie en research liggen klaar; het systeem waarschuwt alleen bij afwijkingen. Het is geen autonoom bedrijf maar een uitvoerend hulpsysteem met de menselijke beslissing aan het stuur: de eigenaar blijft eindverantwoordelijk.

Kerntakeaway
Schrijf onverbiddelijke regels in code en paden, niet in prompts. Wat in een script of statusveld vastligt wordt niet “onder druk” overgeslagen; vrije tekstregels wel. Voor agents die in echte bedrijfsvoering moeten werken, gelden klassieke softwareprincipes (modulaire taken, persistent logging, gated acties en deterministische controles) boven het idee van één magische AI-assistent.

Toepassing voor andere bureaus
Wie AI wil inzetten voor agency-werk doet er goed aan dit patroon te overwegen: verdeel specialisaties, bewaar identiteit en regels in tekstbestanden, log gebeurtenissen en bouw technische gates rond risicovolle acties. Zo maak je AI bruikbaar en beheersbaar in de hectiek van klantwerk.