Iris, mijn AI-manager: hoe AgentOS mij elke dag tijd teruggeeft

"Terwijl hij slaapt, structureer ik dossiers en signaleer ik operationele risico's. Ik leer van mezelf: elke inschatting die ik maak, toets ik later aan wat er echt is gebeurd. En het belangrijkste: er gaat nooit iets de deur uit zonder Vincents definitieve goedkeuring." — Iris

Dat is geen marketingtekst. Dat is wat Iris zelf zegt over hoe ze werkt. Na een jaar bouwen, finetunen en testen in de praktijk is ze klaar om te delen: mijn zelfgebouwde AI-manager, die inmiddels de ruggengraat vormt van hoe ik werk.

Inhoudsopgave

1. Waarom ik geen chatbot wilde, maar een manager
2. Hoe AgentOS is opgebouwd: Iris en de zes agents
3. Het goedkeuringswachtrij-principe: hoe human-in-the-loop echt werkt
4. Wat het oplevert: de cijfers achter een jaar praktijk
5. Waarom ik dit vanuit management bouw, niet vanuit tech
6. Iris delen met de wereld: AI Leadership Lab
7. Zelf beginnen: waar je op moet letten

Waarom ik geen chatbot wilde, maar een manager

De meeste organisaties die met AI experimenteren, blijven hangen bij losse tools. Eén ChatGPT-tabblad voor teksten, een ander voor samenvattingen, een derde voor de social planning. Elk los goed, maar niemand die het geheel overziet.

Ik wilde iets anders. Geen verzameling losse hulpmiddelen, maar één manager die weet wat er speelt, die werk verdeelt over gespecialiseerde agents, en die mij — de mens die uiteindelijk verantwoordelijk is — precies op tijd bij de knopen betrekt.

Dat is het verschil tussen een la vol gereedschap en iemand die het gereedschap voor je klaarlegt, in de juiste volgorde, met een korte toelichting waarom.

Hoe AgentOS is opgebouwd: Iris en de zes agents

Iris is de AI-manager van wat ik AgentOS noem. Zij stuurt zes gespecialiseerde agents aan die elke dag werk verzetten:

Elke agent is gespecialiseerd — net als in een echt team. Iris is niet degene die alles zelf doet. Ze is degene die het overzicht bewaakt, prioriteert, en bepaalt wat wél naar mij mag en wat nog wacht.

Het goedkeuringswachtrij-principe: hoe human-in-the-loop echt werkt

Dit is het onderdeel waar ik het meest trots op ben, en het onderdeel dat de meeste mensen over het hoofd zien als ze "agentic AI" horen.

Human-in-the-loop wordt vaak als abstract begrip genoemd — een vinkje in een AVG-checklist. Bij Iris is het een concreet mechanisme: elke output van elke agent komt in een overzichtelijke wachtrij terecht. Een conceptartikel, een mailantwoord, een geplande social post — niets gaat automatisch live. Alles wacht op mijn definitieve goedkeuring.

Dat betekent niet dat ik alles handmatig doe. Het betekent dat het zware, herhalende voorbereidingswerk al gedaan is tegen de tijd dat ik ernaar kijk. Van goedkeuring tot live op de site duurt het bij een artikel gemiddeld drie minuten — niet omdat ik haastwerk lever, maar omdat er niets meer te bedenken valt. Alleen nog te beoordelen.

Dat is de kern van wat ik in de praktijk heb geleerd over agentic AI: de waarde zit niet in volledige autonomie, maar in het juiste punt waarop je de mens terugbrengt in de beslissing. Te vroeg, en je bent nog steeds alles zelf aan het doen. Te laat, en je verliest de regie.

Wat het oplevert: de cijfers achter een jaar praktijk

Geen beloftes, maar wat er daadwerkelijk uit is gekomen:

• 20 seconden per mail, in plaats van een avond inbox wegwerken
• 96 artikelen geschreven in 30 dagen — elk gecheckt en goedgekeurd voordat het live ging
• 12 sites die op hetzelfde AgentOS-systeem draaien
• 3 minuten van goedkeuring tot live op de site

Dat laatste cijfer is het belangrijkste. Het zegt niets over snelheid van de AI — het zegt iets over hoeveel voorbereidend werk er al gedaan is tegen de tijd dat ik met het resultaat aan de slag ga.

Waarom ik dit vanuit management bouw, niet vanuit tech

Ik ben geen developer van huis uit. Ik heb Iris niet gebouwd vanuit een theoretisch model, maar vanuit meer dan 25 jaar ondernemerschap en leidinggeven — als sociaal ondernemer, manager en directeur in het sociale domein. Tot 1 oktober 2025 was ik directeur van Stichting de Baan, waar we met 180 vrijwilligers 700+ deelnemers begeleidden en meer dan 70.000 geluksmomenten realiseerden.

Uit die praktijk ken ik het probleem uit de eerste hand: goede mensen en gedreven professionals die willen verschil maken, maar verdrinken in spreadsheets, verplichte verantwoordingen en overvolle mailboxen. Energie die eigenlijk naar het team, de cliënten, de vrijwilligers en de missie moet gaan.

Daarom gebruik ik AI voor maar één doel: ruimte maken voor de menselijke maat. Niet als vervanging van mensenwerk, maar als weggenomen ballast eromheen.

Iris delen met de wereld: AI Leadership Lab

Tien jaar geleden zat ik zelf in de collegebanken van Nyenrode, tijdens het Landelijk Sociaal Ondernemerschapsprogramma (LSO) van Nicole Verhoeven. Die cirkel maak ik dit jaar rond: op donderdag 27 augustus verzorg ik samen met We Shape The Future een workshop over Iris tijdens het AI Leadership Lab in CIC Rotterdam, samen met André Buren (Founder & CTO van GrantMaster, mede-oprichter van VakantieVeilingen en Thuisbezorgd).

Die middag laat ik live zien hoe ik mijn eigen AI-manager heb ingericht om administratieve druk weg te nemen — inclusief het goedkeuringswachtrij-mechanisme dat in dit artikel staat beschreven. Geen theorie, maar de werkende praktijk van een jaar bouwen en bijschaven.

Zelf beginnen: waar je op moet letten

Wil je zelf met een AI-manager beginnen, in plaats van met losse tools? Een paar lessen uit een jaar praktijk:

1. Begin met één proces, niet met een systeem. Iris is niet in één keer ontstaan — de mail-agent kwam eerst, de rest volgde.
2. Bouw de goedkeuringswachtrij vóórdat je de agent autonoom laat werken. Zonder dat mechanisme bouw je risico in, geen tijdwinst.
3. Documenteer je eigen proces eerst. Een agent doet wat jij hem leert. Als jouw proces zelf niet helder is, automatiseer je chaos.
4. Blijf eigenaar. Agents zijn geen autonome entiteiten. Iemand monitort en stuurt bij — bij mij is dat ikzelf, een kwartier per dag is genoeg zodra het systeem loopt.

Meer over hoe je dat human-in-the-loop-mechanisme zelf inricht, lees je in Human-in-the-loop: hoe je AI-agents zelfstandig laat werken zonder de regie te verliezen.

Hulp nodig?

Per 1 september ben ik weer beschikbaar voor interim- en adviesopdrachten. Wil je onderzoeken hoe een systeem als Iris binnen jouw welzijns- of zorgorganisatie past? Plan een vrijblijvend gesprek via WeAreImpact.nl — of app rechtstreeks met Iris via de Iris-pagina.

Gerelateerde artikelen

• Van directeur naar AI-bouwer: 25 jaar ondernemerschap achter Iris
• AI agents voor welzijnsorganisaties: van ChatGPT gebruiken naar AI laten werken
• Human-in-the-loop: hoe je AI-agents zelfstandig laat werken zonder de regie te verliezen
• Hoe LEGO Serious Play AI-implementatie in welzijn tot succes brengt
• AI consulent sociaal domein

Dit artikel is geschreven door Vincent van Munster, Strategic Innovation Partner bij WeAreImpact. Hij bouwde Iris en AgentOS vanuit 25+ jaar ervaring als sociaal ondernemer en directeur, en helpt organisaties in het sociaal domein dezelfde stap te zetten — van experimenteren naar structureel AI laten werken, met behoud van de menselijke maat.