Human-in-the-loop: hoe je AI-agents zelfstandig laat werken zonder de regie te verliezen
Het goedkeuringswachtrij-patroon: de brug tussen volledige autonomie en alles zelf blijven doen
Human-in-the-loop klinkt als een AVG-vinkje, maar is in de praktijk een ontwerpkeuze: waar in het proces breng je de mens terug? Dit artikel legt het goedkeuringswachtrij-patroon uit dat ik zelf gebruik in Iris, mijn AI-manager — en hoe je het in jouw organisatie bouwt.
"Er gaat nooit iets de deur uit zonder Vincents definitieve goedkeuring." — Iris, mijn AI-manager
Die zin klinkt eenvoudig. Maar erachter zit een ontwerpkeuze die het verschil maakt tussen een AI-systeem waar je op durft te vertrouwen, en een systeem waar je 's nachts wakker van ligt. In dit artikel leg ik uit hoe dat mechanisme werkt, waarom het geen technische beperking is maar een bewuste keuze, en hoe je het zelf bouwt.
Inhoudsopgave
- Waarom "human-in-the-loop" vaak een leeg begrip blijft
- Het goedkeuringswachtrij-patroon: hoe het werkt
- Drie niveaus van autonomie — en wanneer je welk niveau kiest
- AVG en verantwoordelijkheid: wat de wet eigenlijk vraagt
- Zo bouw je het in je eigen organisatie
- Wat het je oplevert als je het goed doet
Waarom "human-in-the-loop" vaak een leeg begrip blijft
Ik hoor de term overal: op AI-congressen, in beleidsstukken, in elke AVG-checklist die over AI gaat. "We houden een human-in-the-loop." Prima uitgangspunt. Maar vraag door, en vaak blijkt het een intentie te zijn, geen mechanisme. Iemand zou er nog even naar kijken. Ergens.
Dat is niet genoeg. Een intentie stopt niets. Een mechanisme wel.
Bij Iris, mijn eigen AI-manager, is human-in-the-loop geen intentie maar een ingebouwd stuk van het systeem: de goedkeuringswachtrij. Elke output van elke agent — een conceptartikel, een mailantwoord, een geplande social post — komt eerst daar terecht. Pas na mijn expliciete akkoord gaat iets live. Geen uitzonderingen, geen "meestal wel".
Het goedkeuringswachtrij-patroon: hoe het werkt
Het principe is simpel, en dat is precies de kracht ervan:
- De agent bereidt voor. Hij verzamelt informatie, formuleert een concept, checkt het tegen regels die je vooraf hebt meegegeven (toon, feiten, privacyregels).
- Het resultaat landt in een wachtrij — niet in de wereld. Geen mail die al verstuurd is, geen artikel dat al live staat. Een klaarliggend concept, met context: waarom dit, gebaseerd waarop.
- Een mens beoordeelt. Goedkeuren, aanpassen, of afwijzen. Dat kost minuten, niet uren — want het voorbereidende werk is al gedaan.
- Pas ná goedkeuring volgt de actie. Publiceren, versturen, plannen.
- De agent leert van de uitkomst. Wat werd aangepast, wat werd afgekeurd, wat klopte precies? Die feedback verbetert de volgende voorbereiding.
Het verschil met een chatbot is essentieel: een chatbot wacht tot jij een vraag stelt. Een agent met een goedkeuringswachtrij werkt continu door — hij signaleert, structureert en bereidt voor, ook als jij niet actief aan het systeem denkt. Jij wordt pas betrokken op het moment dat er echt iets te beslissen valt.
Drie niveaus van autonomie — en wanneer je welk niveau kiest
Niet elke actie verdient dezelfde behandeling. In de praktijk werk ik met drie niveaus:
| Niveau | Wat de agent mag | Voorbeeld |
|---|---|---|
| Volledig zelfstandig | Actie uitvoeren zonder wachtrij | Een subsidie-RSS-feed monitoren, een agenda-conflict intern signaleren |
| Voorbereiden, wachten op akkoord | Concept klaarzetten in de goedkeuringswachtrij | Een blogartikel, een mailantwoord aan een externe partij, een social post |
| Nooit automatiseren | Altijd een mens die het besluit initieert | Een beslissing die een cliënt, deelnemer of vrijwilliger direct en persoonlijk raakt |
De vuistregel die ik hanteer: een agent mag zelfstandig handelen als de actie omkeerbaar is én geen persoonsgegevens van kwetsbare doelgroepen raakt. Zodra één van die twee niet klopt, gaat het naar de wachtrij of blijft het volledig mensenwerk.
AVG en verantwoordelijkheid: wat de wet eigenlijk vraagt
De AVG verplicht niet letterlijk een "human-in-the-loop" — maar artikel 22 geeft mensen het recht om niet onderworpen te worden aan uitsluitend geautomatiseerde besluitvorming die rechtsgevolgen heeft of hen anderszins in aanmerkelijke mate treft. In het sociaal domein raakt dat precies de kern van het werk: indicaties, toewijzingen, beoordelingen van aanvragen.
Een goedkeuringswachtrij is de praktische invulling daarvan. Niet als juridische formaliteit, maar omdat het de enige manier is om echt verantwoordelijk te blijven voor wat er namens jouw organisatie de deur uitgaat. Ik heb dit zelf ingericht bij een AI-assistent voor Wmo-rapportages: de agent kreeg alleen de velden die nodig waren voor de rapportage — niet het volledige cliëntdossier — en elke rapportage ging pas het dossier in na een menselijke check. Dat beperkte het risico én maakte de verantwoording eenvoudiger.
Zo bouw je het in je eigen organisatie
Concreet stappenplan, gebaseerd op hoe ik het zelf heb opgebouwd:
Stap 1: Breng het proces in kaart vóórdat je automatiseert
Schrijf op — stap voor stap — hoe het nu gaat, inclusief de impliciete controles die iemand nu al uitvoert. Die controles zijn de basis voor je goedkeuringsmomenten.
Stap 2: Classificeer elke actie in het proces
Gebruik de drie niveaus hierboven. Wees streng: bij twijfel gaat een actie naar de wachtrij, niet naar volledige autonomie.
Stap 3: Bouw de wachtrij vóór je de agent aanzet
Dit is de fout die het vaakst gemaakt wordt: eerst de agent laten draaien, dan pas nadenken over controle. Draai het om. Zonder wachtrij bouw je risico in, geen tijdwinst.
Stap 4: Wijs een eigenaar aan
Een agent is geen autonome entiteit. Iemand monitort de wachtrij, stuurt bij, en is aanspreekbaar. Bij een klein proces is een kwartier per dag ruim voldoende.
Stap 5: Laat de agent leren van beoordelingen
Wat wordt vaak aangepast? Dat is het signaal om de instructie van de agent te verbeteren — niet om de controle los te laten.
Wat het je oplevert als je het goed doet
Bij mijn eigen systeem gaat het gemiddeld drie minuten van goedkeuring tot publicatie. Dat cijfer zegt niets over de snelheid van de AI — het zegt dat het voorbereidende werk al klaar is tegen de tijd dat ik ernaar kijk. De tijdwinst zit in het wegvallen van het opstellen, niet in het wegvallen van de controle.
Dat is uiteindelijk het punt van human-in-the-loop, goed gebouwd: niet minder verantwoordelijkheid, maar minder tijd kwijt aan het voorwerk vóór die verantwoordelijkheid.
Hulp nodig?
Wil je dit patroon in jouw organisatie inrichten — voor rapportages, communicatie of intake? Ik heb het zelf gebouwd en gebruik het dagelijks in Iris, mijn AI-manager. Plan een vrijblijvend gesprek via WeAreImpact.nl.
Gerelateerde artikelen
- Iris, mijn AI-manager: hoe AgentOS mij elke dag tijd teruggeeft
- Van directeur naar AI-bouwer: 25 jaar ondernemerschap achter Iris
- AI agents voor welzijnsorganisaties: van ChatGPT gebruiken naar AI laten werken
- Privacy en AI in de zorg: wat mag wel en wat niet?
- AI privacy sociaal domein: AVG-stappenplan voor gemeenten
Dit artikel is geschreven door Vincent van Munster, Strategic Innovation Partner bij WeAreImpact. Hij bouwde het goedkeuringswachtrij-mechanisme voor Iris, zijn eigen AI-manager, en helpt organisaties in het sociaal domein hetzelfde principe toepassen op hun eigen processen.
Checklist: bouw je eigen goedkeuringswachtrij
10 vragen om te bepalen welke AI-acties zelfstandig mogen, welke wachten op goedkeuring, en welke nooit geautomatiseerd horen te worden.
We sturen je geen spam. Je kunt je altijd uitschrijven.
Veelgestelde vragen
Wat is een goedkeuringswachtrij bij AI-agents?
Een goedkeuringswachtrij is het mechanisme waarbij een AI-agent zijn werk voorbereidt — een tekst, een mail, een beslissing — maar dat werk pas uitvoert of publiceert nadat een mens het heeft bekeken en akkoord gegeven. De agent werkt zelfstandig tot aan het punt van actie; de mens houdt het laatste woord.
Is human-in-the-loop verplicht volgens de AVG?
De AVG verplicht niet letterlijk een 'human-in-the-loop', maar artikel 22 geeft mensen het recht om niet onderworpen te worden aan uitsluitend geautomatiseerde besluitvorming met rechtsgevolgen. In de praktijk betekent dat: bij beslissingen die een cliënt, deelnemer of vrijwilliger direct raken, hoort een mens het laatste woord te hebben. Een goedkeuringswachtrij is de praktische manier om dat in te richten.
Vertraagt een goedkeuringswachtrij het werk niet juist?
Nauwelijks, als de agent zijn voorbereidend werk goed doet. Bij mijn eigen systeem duurt het van goedkeuring tot publicatie gemiddeld drie minuten — niet omdat ik snel werk, maar omdat er niets meer te bedenken valt. Alleen nog te beoordelen. De tijdwinst zit in het wegvallen van het opstellen, niet van de controle.
Welke AI-acties mogen wél volledig automatisch, zonder wachtrij?
Acties die omkeerbaar zijn en geen persoonsgegevens van kwetsbare doelgroepen raken: een RSS-feed monitoren, een interne rapportage structureren op basis van geanonimiseerde data, een agenda-conflict signaleren. Zodra een actie extern zichtbaar wordt, een persoon direct raakt, of niet terug te draaien is, hoort er een goedkeuringsmoment te zijn.
Hoe voorkom ik dat de goedkeuringswachtrij zelf een bottleneck wordt?
Door de wachtrij klein en overzichtelijk te houden — de agent moet voorselecteren en prioriteren, niet alles ongefilterd voorleggen. En door één duidelijke eigenaar per proces aan te wijzen die de wachtrij dagelijks doorloopt, in plaats van een vaag gedeelde verantwoordelijkheid.
Wil je dit in je eigen organisatie werkend krijgen? Ik help als AI consultant sociaal domein.
Bekijk de aanpakWas dit artikel nuttig?
Gerelateerde artikelen
Gerelateerde blogposts
Wil je meer weten over dit onderwerp?
Plan een vrijblijvend gesprek en ontdek hoe ik jouw organisatie kan ondersteunen.
Neem contact op