Menu
AI & Innovatie in het Sociaal Domein
Terug naar kennisbank
Iris kondigt aan: AI als hefboom voor de menselijke maat, live te zien tijdens het AI Leadership Lab op donderdag 27 augustus in CIC Rotterdam
AI & TechnologieGemiddeld
7 min leestijd

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

Geen chatbot die wat terugkletst, maar een manager die zes agents aanstuurt — en nooit iets doet zonder mijn akkoord

Een jaar bouwen, finetunen en testen in de praktijk. Dit is hoe Iris — mijn zelfgebouwde AI-manager — dossiers structureert, risico's signaleert en mijn mailbox leegmaakt, terwijl ik de volledige regie houd.

VM
Vincent van Munster
Strategic Innovation Partner, WeAreImpact
20 augustus 2026

Luister in plaats van lezen

Stop met Human-in-the-Loop als AVG-excuus: Het Goedkeuringswachtrij-patroon

11:34 min

Lees het transcript
Daan (Host 1): Welkom bij dit audio-overzicht! Vandaag duiken we in een term die je tegenwoordig op elk AI-congres en in elk beleidsstuk tegenkomt: human-in-the-loop. Het klinkt fantastisch en verantwoord, maar in de praktijk blijft het helaas vaak bij een vage intentie. Ergens zou er nog wel een mens naar kijken, maar hoe dat precies is ingericht, blijft meestal onduidelijk. Sophie (Host 2): Exact, Daan. En dat is precies waar Vincent van Munster, Strategic Innovation Partner bij WeAreImpact, de vinger op de zere plek legt. Hij stelt dat we af moeten van human-in-the-loop als een papieren AVG-vinkje. Het moet geen intentie zijn, maar een ingebouwd technisch én organisatorisch mechanisme. Hij introduceert hiervoor een concreet ontwerp: het goedkeuringswachtrij-patroon. Dit is de perfecte brug tussen volledige AI-autonomie en alles zelf moeten blijven doen. Daan: Dat klinkt veelbelovend. Hoe werkt dit patroon precies in de praktijk? Vincent gebruikt het bijvoorbeeld zelf voor zijn eigen AI-manager, Iris. Sophie: Klopt! Het principe is even simpel als effectief en verloopt via een vaste cyclus: 1. De AI-agent bereidt voor: De agent verzamelt proactief informatie, formuleert een concept en toetst dit aan vooraf ingestelde regels rondom toon, feiten en privacy. 2. Het concept landt in de wachtrij: Er gaat nooit direct iets live. Geen ongevraagde social posts of verstuurde e-mails naar externe relaties; alles blijft in een afgesloten, veilige wachtrij staan. 3. Een mens beoordeelt: Jij bekijkt het klaarliggende concept met de bijbehorende context. Omdat de AI het tijdrovende voorwerk al heeft gedaan, kost deze beoordeling je slechts enkele minuten. 4. Actie pas ná goedkeuring: Pas wanneer jij expliciet akkoord geeft, wordt de e-mail daadwerkelijk verstuurd of het artikel gepubliceerd. 5. Continu leren: De agent analyseert wat er is aangepast of afgekeurd en verbetert direct de volgende voorbereiding. Daan: Wat dit zo krachtig maakt, is het fundamentele verschil met een traditionele chatbot. Een chatbot wacht passief tot jij een vraag stelt. Een AI-agent met een goedkeuringswachtrij werkt continu op de achtergrond om werk te signaleren en voor te bereiden, zonder dat jij eraan hoeft te denken. Je wordt pas gestoord als er daadwerkelijk een menselijke beslissing nodig is. Sophie: Precies. Maar let op: niet elke actie hoeft door die wachtrij. Vincent hanteert drie heldere niveaus van autonomie: Volledig zelfstandig: Acties die omkeerbaar zijn en geen persoonsgegevens van kwetsbare groepen raken. Denk aan het monitoren van een subsidie-feed of het signaleren van een intern agendaconconflict. Voorbereiden, wachten op akkoord: De kern van de goedkeuringswachtrij. Denk aan concept-artikelen, social posts of communicatie naar externe partijen. Nooit automatiseren: Beslissingen die een cliënt, deelnemer of vrijwilliger direct en persoonlijk raken. Deze moeten altijd honderd procent door een mens worden geïnitieerd. Daan: Die vuistregel is essentieel: een AI-agent mag alleen zelfstandig handelen als de actie omkeerbaar is én geen gevoelige persoonsgegevens raakt. Zodra aan één van die voorwaarden niet wordt voldaan, is menselijke tussenkomst verplicht. Dit sluit ook naadloos aan op de privacywetgeving, toch? Sophie: Absoluut. De AVG verplicht de term human-in-the-loop niet letterlijk, maar Artikel 22 geeft mensen het recht om niet onderworpen te worden aan uitsluitend geautomatiseerde besluiten die hen aanmerkelijk treffen. In het sociaal domein — denk aan Wmo-rapportages, toewijzingen of intakes — is dat van cruciaal belang. Vincent heeft dit bijvoorbeeld succesvol ingericht voor een AI-assistent voor Wmo-rapportages: de agent had alleen toegang tot specifieke rapportagevelden en de definitieve tekst ging pas na menselijke controle het dossier in. Dat verlaagt risico's drastisch en maakt verantwoording eenvoudig. Daan: Voor organisaties die hiermee aan de slag willen, heeft Vincent een concreet 5-stappenplan ontwikkeld: Breng het proces in kaart vóórdat je automatiseert en identificeer alle impliciete menselijke controles. Classificeer elke actie streng volgens de drie niveaus van autonomie. Bouw eerst de goedkeuringswachtrij voordat je de agent activeert. Zonder wachtrij bouw je immers risico's in plaats van tijdwinst. Wijs een duidelijke eigenaar aan voor de wachtrij om vage, gedeelde verantwoordelijkheid te voorkomen. (Vaak kost dit maar een kwartier per dag). Laat de agent leren van beoordelingen om instructies en prompts continu te verfijnen. Sophie: En het uiteindelijke resultaat? Bij Vincent zelf duurt het proces van goedkeuring tot publicatie nu gemiddeld slechts drie minuten. Niet omdat hij zo snel typt, maar omdat het zware denk- en opstelwerk al volledig is gedaan door de AI-agent. De echte winst van een goed ingerichte human-in-the-loop is niet dat je verantwoordelijkheid ontloopt, maar dat je véél minder tijd kwijt bent aan het voorwerk. Je behoudt de volledige regie, zónder dat het je dag opslokt. Daan: Een helder en direct toepasbaar verhaal. Dit was onze deep dive in de goedkeuringswachtrij. Bedankt voor het luisteren en tot de volgende keer

"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:

AgentWat hij doet
Content-agentSchrijft blogs en artikelen, checkt de SEO-score, zet ze klaar in mijn goedkeuringswachtrij
SEO-agentVolgt Google Search Console, signaleert stijgers en dalers, spot nieuwe kansen
Mail-agentSorteert en beantwoordt inkomende mail — twintig seconden per mail in plaats van een avond inbox
Agenda-agentPlant afspraken, checkt conflicten en reistijd, boekt nooit zonder mijn akkoord
Klantenservice-agentBeantwoordt vragen van klanten via WhatsApp, escaleert naar mij zodra ze twijfelt
Research-agentSpoort trends en kansen op in de markt, legt ze voor voordat er iets mee gebeurt

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


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.

Blauwdruk: bouw je eigen AI-manager

De opzet achter Iris en AgentOS in een stappenplan: van eerste agent tot een manager die ze aanstuurt — inclusief het goedkeuringswachtrij-patroon.

We sturen je geen spam. Je kunt je altijd uitschrijven.

Veelgestelde vragen

Wat is een AI-manager precies?

Een AI-manager is geen los hulpmiddel maar een laag daarboven: het is het systeem dat meerdere gespecialiseerde AI-agents aanstuurt, hun werk beoordeelt en het resultaat klaarzet voor een mens. Bij Iris betekent dat: zes agents doen het werk, Iris coördineert, en niets gaat de deur uit zonder mijn goedkeuring.

Is Iris een chatbot?

Nee. Een chatbot wacht op een vraag en geeft een antwoord. Iris werkt continu op de achtergrond: ze structureert dossiers, signaleert risico's en bereidt werk voor, ook als niemand haar iets vraagt. Je kúnt met haar praten, maar dat is niet haar hoofdfunctie.

Publiceert Iris zelfstandig content of stuurt ze zelf mails?

Nee, nooit automatisch. Elke output — een artikel, een mail, een social post — komt eerst in een goedkeuringswachtrij terecht. Ik beoordeel, pas aan waar nodig, en pas dan gaat het live. Dat human-in-the-loop-principe is een bewuste ontwerpkeuze, geen technische beperking.

Heb ik een IT-afdeling nodig om zoiets te bouwen?

Nee. Ik heb Iris gebouwd vanuit 25+ jaar ondernemerschap en leidinggeven, niet vanuit een informatica-achtergrond. De kern is geen ingewikkelde techniek, maar een helder proces: welk werk herhaalt zich, wat mag een agent zelfstandig voorbereiden, en waar moet een mens altijd het laatste woord houden.

Waarom heeft Iris een eigen WhatsApp-nummer?

Omdat rechtstreeks bereikbaar zijn het verschil maakt tussen een demo en een collega. Mensen die met Iris willen sparren — over AgentOS, over hun eigen organisatie — hoeven niet eerst een formulier in te vullen. Ze appen gewoon.

#AI-manager#AgentOS#Iris#agentic AI#human-in-the-loop#AI-implementatie

Wil je dit in je eigen organisatie werkend krijgen? Ik help als AI consultant sociaal domein.

Bekijk de aanpak

Was dit artikel nuttig?

Deel dit artikel:

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

Wij gebruiken cookies

Analytische cookies (Google Analytics) helpen ons de site verbeteren. Strikt noodzakelijke cookies zijn altijd actief. Meer info