AI-agents controleren op de werkvloer

Er is de afgelopen maanden iets veranderd waar opvallend weinig over gepraat wordt. AI beantwoordde vragen. Inmiddels voeren AI-tools hele taken uit. Ze zoeken zelf informatie op, bewerken bestanden op je computer, plannen meerdere stappen achter elkaar en leggen het resultaat klaar.

In augustus kwamen daar opnieuw functies bij: gedeelde werkruimtes waarin een team met dezelfde AI-geheugens werkt, assistenten die bestanden op je eigen machine lezen en bewerken, en agenten die zelf kleinere hulpagenten aansturen. Dat is nuttig. Alleen verschuift er ondertussen iets stilletjes. Want als AI een antwoord geeft, lees je het na. Als AI een taak uitvoert, lees je vaak alleen het eindresultaat. Want hoe zelfstandiger AI werkt, hoe belangrijker het controlemoment wordt. Meer controleren werkt niet, want dan haal je de tijdwinst weg. Slimmer controleren werkt wel: leg je controle op de plek waar een fout de meeste schade doet. Drie criteria helpen daarbij. Gaat het naar buiten, raakt het geld, raakt het mensen?

Wat er precies veranderde

Het verschil zit in het aantal stappen dat je niet ziet.

Vroeger: jij vraagt, AI antwoordt, jij beoordeelt. Eén stap, volledig zichtbaar.

Nu: jij geeft een opdracht, AI zoekt bronnen, kiest welke relevant zijn, trekt conclusies, schrijft een stuk en zet het klaar. Vijf stappen, waarvan jij er één ziet.

Elke onzichtbare stap is een plek waar iets kan sluipen. Een bron die niet klopt. Een aanname die nergens is uitgesproken. Een cijfer uit het verkeerde kwartaal. Het eindresultaat ziet er alleen even overtuigend uit, of die stappen nu klopten of niet.

Waarom controle achterblijft

Uit onderzoek van Beeckestijn Business School blijkt dat twee derde van de gebruikers de output niet controleert. Dat is geen luiheid. Daar zitten drie hele menselijke mechanismes achter.

Vloeiende taal voelt als kloppende inhoud. Ons brein koppelt zelfverzekerde formulering aan betrouwbaarheid. Dat is een prima vuistregel bij mensen, want wie twijfelt hoor je twijfelen. Bij AI klopt die vuistregel niet. De toon is altijd stellig, ook als de inhoud gokwerk is.

Controleren voelt als het werk overdoen. Je hebt net tijd bespaard. Alles wat op controle lijkt, voelt alsof je die winst weer weggeeft. Dus doe je het vluchtig, of helemaal niet.

Er is geen moment voor ingericht. Bij een collega weet je wanneer je meekijkt: bij het concept, voor het verstuurd wordt. Bij AI staat dat moment nergens. En wat niet in een proces staat, gebeurt onder druk niet.

Controleer op impact, niet op alles

De reflex is: dan controleren we voortaan alles. Dat houdt niemand vol, en het is ook niet nodig.

Kijk in plaats daarvan naar waar een fout echt pijn doet. Drie vragen volstaan.

Gaat het naar buiten? Alles wat een klant, leverancier, sollicitant of toezichthouder onder ogen krijgt.
Raakt het geld? Offertes, facturen, prijzen, begrotingen, contractvoorwaarden.
Raakt het mensen? Beoordelingen, selectie, planning, alles wat over iemands positie gaat.

Eén keer ja betekent: een mens leest het. Drie keer nee betekent: laat maar lopen. Een interne brainstormlijst hoef je niet te fact-checken.

Dat klinkt simpel omdat het simpel is. En precies daarom werkt het, want een regel die je niet kunt onthouden pas je niet toe.

Bouw het moment in het proces, niet in de goede wil

Hier gaat het meestal mis. Teams spreken af “we blijven kritisch kijken” en menen dat oprecht. Zes weken later is het weg.

Goede voornemens verliezen het van drukke woensdagen. Een vaste stap in het proces niet.

Wat wel werkt:

Een vast veld in je sjabloon. “Gecontroleerd door” met een naam erin, geen vinkje. Een naam voelt anders dan een vinkje.
Een tweede paar ogen bij externe stukken. Niet je leidinggevende, gewoon een collega. Het gaat om frisheid, niet om hiërarchie.
Een vaste vraag bij oplevering. “Waar heeft de AI dit vandaan?” Als niemand dat kan beantwoorden, is het stuk niet af.

Merk op dat dit alle drie procesafspraken zijn en geen karaktereisen. Dat is bewust. Je bouwt geen cultuur op waakzaamheid, je bouwt hem op gewoontes.

Dit sluit ook aan bij de rolverschuiving die we eerder beschreven in van vraagsteller naar regisseur. Een regisseur doet het werk niet zelf, maar keurt wel elke scène goed. Dat is precies de rol die je hier oppakt.

De regel die je vandaag kunt afspreken

Als je uit dit hele artikel één ding meeneemt, maak het dan deze zin.

Niets gaat naar buiten zonder dat een mens het heeft gelezen en zijn naam eronder durft te zetten.

Die tweede helft doet het werk. “Gelezen” is vrijblijvend, iedereen leest wel iets. “Je naam eronder durven zetten” niet. Dat dwingt tot een oordeel.

En het raakt precies waar het bij de transparantieverplichtingen uit de AI-Act om draait: zodra een mens redactionele verantwoordelijkheid neemt voor AI-gegenereerde tekst, verandert de situatie. Niet alleen juridisch, maar ook praktisch. Er is dan iemand die er echt naar heeft gekeken.

Want AI mag steeds meer zelfstandig doen. Verantwoordelijkheid blijft ondeelbaar bij mensen. Dat is geen beperking van de technologie. Dat is de reden dat je team er nog toe doet. Hoe zichtbaar dat probleem in de praktijk is, lees je in shadow AI in je team.

Veelgestelde vragen

Wat is een AI-agent?
Een AI-agent is een AI-systeem dat niet één vraag beantwoordt, maar zelfstandig een reeks stappen uitvoert om een taak af te ronden. Denk aan zelf informatie zoeken, bestanden bewerken en een eindresultaat klaarzetten.

Moet je alle output van AI controleren?
Nee, dat is niet vol te houden en niet nodig. Controleer op impact: alles wat naar buiten gaat, over geld gaat of over mensen gaat. De rest kun je laten lopen.

Wie is verantwoordelijk als AI een fout maakt?
De organisatie die het resultaat gebruikt. AI-leveranciers nemen geen inhoudelijke verantwoordelijkheid voor de output. Daarom is een aanwijsbaar menselijk controlemoment geen luxe maar een noodzaak.

Hoe voorkom je dat controle een papieren afspraak wordt?
Bouw het moment in het proces in plaats van in goede voornemens. Een naamveld in het sjabloon, een tweede paar ogen bij externe stukken en een vaste vraag naar de bron bij oplevering werken beter dan de afspraak om kritisch te blijven.

Leren werken met agents, zonder je oordeel af te geven

Zelfstandig werkende AI verandert niet alleen wat je maakt, maar ook hoe je regie houdt. Dat vraagt om nieuwe vaardigheden: opdrachten scherp formuleren, resultaten beoordelen en weten waar je wel en niet op moet vertrouwen.

In de Learning Series leert je team de basis. In de Pro-series gaan we dieper in op werken met agents in de dagelijkse praktijk.

Bekijk het aanbod op de Optmzr Academy en kies het leertraject dat bij jou past.