S08E56 - "Werken op papier is zo uit!"

Joop Snijder, Head of AI bij Info Support ziet teams keer op keer beginnen met bouwen voordat ze weten wat ze eigenlijk willen automatiseren. Het probleem: een AI-agent die zelfstandig werk uitvoert in een bedrijfsproces is functioneel vergelijkbaar met een nieuwe medewerker, met bevoegdheden, verantwoordelijkheden en grenzen die je vooraf moet vastleggen. Hij ontwikkelde het AI-agent Vacature Canvas, een tool die je dwingt om die vragen te beantwoorden voordat je ook maar één instelling aanraakt.

Een agent die klantvragen beantwoordt zonder vastgelegde grens over wat hij wel en niet mag toezeggen, werkt prima totdat hij een toezegging doet die niet klopt. Morgen kun je voor elk agent-idee dat je al een tijdje in je hoofd hebt op papier zetten wie er verantwoordelijk voor is, welke fouten acceptabel zijn, wat de agent nooit mag doen en wat het minimale resultaat is dat de investering rechtvaardigt — die vier vragen kosten je twintig minuten.

Onderwerpen

• AI-agents vereisen vooraf duidelijke afbakening van verantwoordelijkheden, bevoegdheden en foutmarges voordat je begint met bouwen
• Het AI-agent Vacature Canvas en experimentcanvas helpen hypotheses en verwachtingen te formuleren om achteraf te kunnen meten of een agent de investering waard was
• Pen en papier bij workshops dwingen tot gefocuste aandacht en grondigere besluitvorming over complexe AI-implementaties
• Onderscheid tussen persoonlijke routinetaken en bedrijfskritische processen bepaalt of een snelle of grondige aanpak nodig is

Links

• Boek: Doeltreffend met AI-agents: Zo bereid je jouw organisatie voor op de toekomst van werk - Joop Snijder (2025)
• Podcast: Zo implementeer je AI Governance in code

Genoemde entiteiten: Gartner Data and Analytics Summit

Aigency
Aigency ontwerpt en ontwikkelt waardevolle, robuuste en betrouwbare Machine Learning-modellen.

Info Support
Info Support is de specialist in maatwerk software en leidend in kunstmatige intelligentie (AI).

Disclaimer: This post contains affiliate links. If you make a purchase, I may receive a commission at no extra cost to you.

Schrijf je in voor onze nieuwsbrief en ontvang exclusieve toegang tot nieuws, blik achter de schermen en meer!

Transcript

1
00:00:02,399 --> 00:00:09,200
Hoi, welkom bij de korte aflevering van AIToday Live, de podcast met praktische AI kennis en menselijke verhalen.

2
00:00:09,200 --> 00:00:18,640
Mijn naam is Joop Snijder, Head of AI bij Info Support, werken op papier zo uit.

3
00:00:18,960 --> 00:00:20,559
Met een uitroepteken.

4
00:00:20,719 --> 00:00:25,519
Dat schreef een deelnemer in haar evaluatie naar een workshop die ik laatst gaf.

5
00:00:25,519 --> 00:00:32,239
En ze had het tijdens de workshop ook al luid en duidelijk laten merken met gezucht en gesteun.

6
00:00:32,480 --> 00:00:35,600
En ik moet je eerlijk zeggen, ik begrijp het wel.

7
00:00:35,600 --> 00:00:38,159
Het was een workshop over AI agents.

8
00:00:38,479 --> 00:00:41,840
Er waren allerlei vragen over chatbots, automatisering.

9
00:00:41,840 --> 00:00:45,519
Al we associëren met de toekomst.

10
00:00:45,519 --> 00:00:48,159
En dat kom ik aanzetten met pen en papier.

11
00:00:48,320 --> 00:00:53,679
Dat was wel een behoorlijke mismatch voor haar gevoel.

12
00:00:53,680 --> 00:00:55,359
En toch doe ik het bewust.

13
00:00:55,359 --> 00:01:00,479
En in deze aflevering leg ik je uit waarom en waarom het ook heel erg handig is.

14
00:01:00,480 --> 00:01:06,319
Want het heeft alles te maken met hoe je goede beslissingen neemt over AI in je organisatie.

15
00:01:06,560 --> 00:01:11,519
En waarom snelheid daarbij juist niet je vriend is.

16
00:01:12,000 --> 00:01:16,399
Eerst even de twee redenen waarom ik pen en papier in workshops gebruik.

17
00:01:16,399 --> 00:01:22,319
De eerste is dat het een fijne tegenhanger vormt van de digitale wereld.

18
00:01:22,319 --> 00:01:29,599
AI wordt omgeven met sci-fi, met beelden van robots en supercomputers, terwijl het in de praktijk natuurlijk helemaal niet zo is.

19
00:01:34,560 --> 00:01:36,719
En daar zit niet sci-fi's aan.

20
00:01:37,040 --> 00:01:42,559
Alleen al door analoog te werken, schets ik een realistischer beeld van de technologie.

21
00:01:42,560 --> 00:01:47,039
Maar de tweede reden is belangrijker en dat is namelijk een didactische.

22
00:01:47,280 --> 00:01:57,599
En daarvoor moet ik je even meenemen naar een sessie die ik onlangs volgde tijdens de Gartner Data and Analytics Summit van 2026.

23
00:01:57,840 --> 00:02:03,439
Namelijk een van de sprekers begon zijn verhaal met een oude waarheid: kennis is macht.

24
00:02:04,079 --> 00:02:09,680
Maar hij eindigde met iets wat me juist is bijgebleven: namelijk aandacht is macht.

25
00:02:11,280 --> 00:02:15,359
En die woorden bleven hangen.

26
00:02:15,359 --> 00:02:17,120
Want kijk eens om je heen.

27
00:02:17,120 --> 00:02:22,480
Hoe vaak gebeurt het dat mensen zich slechts na één minuut vervelen direct hun telefoon pakken.

28
00:02:22,639 --> 00:02:30,319
Hoe vaak word je tijdens een vergadering afgeleid door een notificatie of hoe vaak ben je echt volledig aanwezig bij wat je aan het doen bent?

29
00:02:30,639 --> 00:02:38,560
Dus stel je voor dat je in een workshop zit waarin je wil nadenken over hoe AI agents in jouw organisatie kunnen gaan werken.

30
00:02:38,800 --> 00:02:41,280
Dat lukt dus niet zonder echte aandacht.

31
00:02:41,280 --> 00:02:48,639
En of dat nou bij mij in de zaal is of bij jou op kantoor: geen aandacht betekent niet goed nadenken.

32
00:02:48,640 --> 00:02:52,800
En niet goed nadenken betekent geen goede beslissingen.

33
00:02:53,439 --> 00:02:57,600
Dat brengt me bij de nieuwe digitale collega's.

34
00:02:57,759 --> 00:02:59,520
We hebben het allemaal over AI agents.

35
00:02:59,520 --> 00:03:03,599
Daar ging deze workshop ook over.

36
00:03:03,840 --> 00:03:09,280
En voor het maken van een AI-agent moeten we nadenken en goede beslissingen nemen.

37
00:03:09,280 --> 00:03:13,599
Want een AI-agent zou je kunnen zien als een nieuwe digitale collega.

38
00:03:13,599 --> 00:03:19,119
En dan is het toch gek dat je denkt dat je dat even in een paar minuten voor elkaar krijgt.

39
00:03:19,120 --> 00:03:27,360
Dat je een ChatGPT-dialoogje opent, zeggen ik wil een nieuwe collega en dat er dan precies uitkomt rollen wat jij wil.

40
00:03:28,240 --> 00:03:37,840
Want denk eens na over de vragen die horen bij het opstellen van wat je van zijn agent verwacht.

41
00:03:38,159 --> 00:03:41,280
Wie gaat bijvoorbeeld die agent aansturen.

42
00:03:41,280 --> 00:03:43,679
Waar rapporteert die aan.

43
00:03:43,679 --> 00:03:50,719
In welk proces gaat de agent vallen, werkt die agent 24 uur per dag of alleen tijdens kantooruren.

44
00:03:50,719 --> 00:03:53,439
Welke data mag hij wel inzien, welke niet.

45
00:03:53,439 --> 00:03:55,119
Wat doet hij.

46
00:03:55,120 --> 00:03:57,920
Wat doet het als het iets niet weet.

47
00:03:57,920 --> 00:04:00,480
Aan wie vraagt de agent hulp.

48
00:04:00,719 --> 00:04:04,480
En heel belangrijk, wat mag de agent absoluut niet doen.

49
00:04:04,480 --> 00:04:08,160
Allemaal vragen waar je antwoorden op moet kunnen formuleren.

50
00:04:08,319 --> 00:04:10,560
Het mooie is: heb je die antwoorden niet.

51
00:04:10,719 --> 00:04:14,319
Dan is dat een teken dat je nog niet klaar bent om die agent te gaan bouwen.

52
00:04:14,319 --> 00:04:16,720
En dan moet je eerst terug naar de tekentafel.

53
00:04:17,040 --> 00:04:20,800
Dit is precies waarom ik het AI-agent Vacature Canvas heb ontwikkeld.

54
00:04:20,799 --> 00:04:33,439
Een canvas dat je dwingt om vooraf na te denken over wat je agent moet doen, wat hij mag, niet mag, welke data die nodig heeft en wie er verantwoordelijk is onder andere.

55
00:04:34,400 --> 00:04:37,839
Neem bijvoorbeeld het thema kosten.

56
00:04:38,159 --> 00:04:45,520
Een van de deelnemers van die workshop vond het lastig om te kwantificeren wat een agent zou gaan kosten.

57
00:04:46,000 --> 00:04:47,520
Dat is best een probleem.

58
00:04:47,519 --> 00:04:52,000
Want je bent bereid om iets te bouwen dat als het goed is, hard schaalt.

59
00:04:52,560 --> 00:04:56,000
Dat de agent veel of vaak werk gaat uitvoeren.

60
00:04:56,000 --> 00:04:58,720
Want dan zijn agents pas interessant, wat mij betreft.

61
00:04:58,720 --> 00:05:03,000
En heb je dan de kosten niet helder, dan weet je ook niet wat de winst zal zijn.

62
00:05:07,080 --> 00:05:07,080
En dan ga je dus iets bouwen waarvan je niet weet of het de moeite waard is.

63
00:05:07,399 --> 00:05:11,800
Daarom werk ik al sinds 2017 met allerlei canvassen.

64
00:05:11,800 --> 00:05:14,520
En een daarvan is het experimentcanvas.

65
00:05:14,519 --> 00:05:17,639
En dat staat ook in mijn boek Doeltreffend met AI-agents.

66
00:05:17,639 --> 00:05:20,120
En dat idee.

67
00:05:20,439 --> 00:05:25,880
In wezen is dat idee simpel, namelijk, je formuleert een hypothese.

68
00:05:25,879 --> 00:05:27,800
Wat denk je wat er gaat gebeuren?

69
00:05:27,800 --> 00:05:31,319
Waaraan draagt deze AI-oplossing of agent bij.

70
00:05:31,560 --> 00:05:34,519
En vaak denken mensen direct aan productiviteitswinst.

71
00:05:34,680 --> 00:05:38,439
Maar het kan net zo goed om kostenreductie gaan of een leerdoel.

72
00:05:38,439 --> 00:05:43,319
Een soort van ongeacht wat het kost, we willen dit gaan doen om te zien hoe het werkt.

73
00:05:43,319 --> 00:05:45,720
Maar dan schrijf je dat leerdoel wel op.

74
00:05:46,040 --> 00:05:49,800
Of kwaliteitsverbetering, klanttevredenheid ergens moet het aan bijdragen.

75
00:05:49,800 --> 00:05:53,479
En zo'n canvas helpt je om dat scherp te krijgen.

76
00:05:53,480 --> 00:05:57,079
En hier komt het echte voordeel van pen en papier.

77
00:05:57,079 --> 00:06:00,920
Namelijk schrijven dwingt je om langzamer te worden.

78
00:06:01,560 --> 00:06:06,040
In de huidige tijd willen we alles snel en het liefst allemaal tegelijk.

79
00:06:06,120 --> 00:06:13,399
Probeer je voor te stellen hoe een sessie eruit ziet als iedereen een laptop voor zijn neus heeft of op zijn mobiel zou mogen werken.

80
00:06:13,399 --> 00:06:16,280
De aandacht verschuift met elke notificatie die binnenkomt.

81
00:06:16,279 --> 00:06:17,639
Een mailtje een berichtje.

82
00:06:18,840 --> 00:06:22,519
Het is geen doen: geen aandacht, geen nadenken.

83
00:06:22,519 --> 00:06:24,680
En dat maakt echt niet uit in welke setting je zit.

84
00:06:24,680 --> 00:06:28,840
Bij jou in de organisatie bij mij in de workshop aandacht is wat telt.

85
00:06:28,840 --> 00:06:30,759
En toch ook wel langzaam zijn.
86
00:06:30,759 --> 00:06:35,399
Dus pen en papier zorgen voor die rust waardoor je dieper gaat nadenken.
 86
00:06:36,360 --> 00:06:44,519
Het leuke is dat de deelnemer die aangaf dat werken op papier zo uit is, juist degene was die het meeste invulde.
 87
00:06:44,519 --> 00:06:47,720
En heel goed nadacht over wat er allemaal moest.
 88
00:06:48,040 --> 00:06:53,160
Volgens mij was het gevoel van langzamer werken voor haar even nieuw, even wennen.
 89
00:06:53,319 --> 00:06:55,160
En dat geeft ook helemaal niks.
 90
00:06:55,480 --> 00:07:00,519
En er is nog iets aan dat papieren canvas.
 91
00:07:01,000 --> 00:07:02,439
Echt wel een voordeel hebben.
 92
00:07:02,439 --> 00:07:04,280
Het is namelijk, je hebt iets tastbaars.
 93
00:07:04,279 --> 00:07:09,079
Iets wat je onder je arm mee kan nemen naar een collega, iets wat je op tafel kan leggen tijdens een gesprek.
 94
00:07:09,079 --> 00:07:13,560
Waar je op kan strepen, waar je in de marge een opmerking bij kan zetten.
 95
00:07:15,720 --> 00:07:17,399
Het is veel tastbaarder.
 96
00:07:17,399 --> 00:07:21,479
En dat krijg je niet zo makkelijk uit een Word-document op een schijf.
 97
00:07:22,200 --> 00:07:29,319
Nog iets wat ik in die workshop trouwens ook zag, dat had ook alles te maken met die snelheid en dat gebrek aan aandacht.
 98
00:07:29,319 --> 00:07:32,839
Mensen willen agents het liefst snel in elkaar klikken.
 99
00:07:32,839 --> 00:07:38,039
En voor individuele processen om die te automatiseren kan dat ook prima.
 100
00:07:38,039 --> 00:07:42,199
Een routinetaak voor jezelf automatiseren, daar hoef je geen weken over te doen.
 101
00:07:42,439 --> 00:07:46,520
Dit is ook precies de belofte die je terugziet in de media en op de socials.
 102
00:07:46,519 --> 00:07:49,720
Iedereen praat over hoe simpel het is, klik-klak-klaar.
 103
00:07:50,040 --> 00:07:56,680
Maar wil je een AI-agent inzetten in een bedrijfskritisch proces, dan gaat het over hele andere vragen.
 104
00:07:56,680 --> 00:07:59,560
Dan moet je gaan vragen: hoe verandert dit jouw proces?
 105
00:07:59,560 --> 00:08:01,160
Wie krijgt er mee te maken?
 106
00:08:01,399 --> 00:08:04,359
Wat gebeurt er als de agent fouten maakt?
 107
00:08:04,600 --> 00:08:05,959
Hoeveel fouten mag hij maken?
 108
00:08:05,960 --> 00:08:07,800
Mag hij überhaupt fouten maken?
 109
00:08:08,439 --> 00:08:10,199
Dat soort vragen.
 110
00:08:10,840 --> 00:08:14,279
Die kom je niet tegen bij klik-klak-klaar.
 111
00:08:14,279 --> 00:08:17,639
Ja, misschien pas als het fout gaat, maar dan is het te laat.
 112
00:08:18,919 --> 00:08:20,759
Het oude gezegde luidt.
 113
00:08:20,759 --> 00:08:22,520
Papier is geduldig.
 114
00:08:22,519 --> 00:08:28,439
Maar in deze nieuwe tijd zou ik het gezegde misschien een beetje willen aanpassen naar papier.
 115
00:08:28,439 --> 00:08:29,959
Maakt geduldig.
 116
00:08:30,120 --> 00:08:43,480
Dwingt je om geduld te hebben bij het nadenken over wat je eigenlijk wil. Wat mij betreft: nee, werken op papier is niet uit. Nadenken is niet uit. En wie nadenkt, krijgt uiteindelijk wat hij wenst.
 117
00:08:45,319 --> 00:08:46,759
Dat was hem voor deze week.
 118
00:08:46,759 --> 00:08:52,759
Dank je wel weer voor het luisteren en bedenk: AI is niet de oplossing voor elk probleem, maar onmisbaar waar het past.
 119
00:08:52,759 --> 00:09:02,200
Tot de volgende.