Week 4. Mijn team en ik: samenwerken met agents die nooit koffie halen.

Een experiment: een AI bedrijf in 100 dagen.

Ik probeer een AI bedrijf te bouwen in 100 dagen. En dat zonder dat ik kan programmeren. Kan dat? Geen succesverhaal achteraf, maar een zoektocht in realtime. Doe je mee?

Week 4,5:

Als je “bedrijf van één” zegt, denken mensen aan een zzp’er die alles zelf doet. Maar mijn bedrijf van één voelt allesbehalve eenzaam. Sterker nog: ik ben bezig met het vormgeven van een team. Ze heten Sophie, Mark, Lina en Thomas. Geen collega’s van vlees en bloed, maar digitale medewerkers. AI-agents, met ieder een eigen taak, expertise en plek in het proces.

Ze bestaan nog niet écht. Er zijn nog geen draaiende systemen, geen automatische analyses of agents die offertes schrijven. Maar ik begin ze wel al te leren kennen. In mijn hoofd, op papier, in schema’s. En hopelijk straks in een werkend prototype.

Van solo naar orkest

Eén AI-agent maakt nog geen bedrijf. Maar wat als je een team van agents samenstelt, die werk verdelen, informatie uitwisselen en elkaars resultaten aanvullen? Dan komt het idee van een ‘multi-agent orchestration’ ineens een stuk dichterbij. En daar komt ook mijn nieuwe functietitel in beeld: ik ben niet de algemeen directeur, maar de algemeen dirigent.

Want een team van agents moet je niet managen, maar orkestreren. Ik dirigeer de inzet, het ritme en de samenhang. Zij voeren uit.

Mijn digitale orkest (voor nu nog op papier)

Laat me je voorstellen aan de eerste leden van mijn team-in-opbouw:

• Sophie denkt strategisch. Ze vertaalt doelen naar AI-kansen, maakt roadmaps en toetst ideeën aan governance-kaders.

• Mark is mijn datadenker. Hij haalt inzichten uit ruwe klantdata en valideert aannames.

• Lina benchmarkt. Ze zoekt voorbeelden, leveranciers en trends.

• Thomas documenteert. Hij schrijft plannen, borgt keuzes en maakt alles overdraagbaar.

En ik? Ik houd het overzicht, bewaak de klantrelatie, geef trainingen, en werk met low-/no-code tools aan de eerste prototypes.

Past dit team bij mijn doelstellingen?

Mijn doel is helder: ik wil mkb-bedrijven helpen om AI te begrijpen en structureel toe te passen. Niet met dikke rapporten, maar met gerichte training, advies én de inzet van AI-agents om het team van de klant aan te vullen. Denk aan een analyse-assistent, een beleidsbot of een benchmark-expert die tijdelijk 'meedraait' in het team van de klant. De ultieme test om te toetsen of dit haalbaar is, is natuurlijk het creëren van mijn eigen team.

Mijn huidige team dekt een groot deel van die ambitie:

• Strategische focus (Sophie)

• Data-inzicht (Mark)

• Externe inspiratie (Lina)

• Heldere communicatie & documentatie (Thomas)

Wat mist er dan nog?

1. Bouwkracht: een agent als Dexter die low-/no-code workflows bouwt op basis van prompts, bijvoorbeeld in Zapier of Power Automate.

2. Operationeel beheer: een agent als Mira die monitort, onderhoudt en bijstuurt zodra workflows live staan.

Die laatsten zijn pas echt nodig als mijn oplossingen op grotere schaal draaien. Voor nu is mijn strategie: zelf bouwen, zelf leren, en pas daarna automatiseren.

De 8 stappen van mijn AI-agent orkestratie

Hoe gaat mijn team samenwerken? Ik begin met het vastleggen van de taken en verantwoordelijkheden van elk van de teamleden in relatie tot de stappen die ik bij een klant zou kunnen uitvoeren.

Stap 0 – Voorcontact & doelverkenning

Leiding: Ikzelf (de dirigent). Ik verken samen met de klant wat er echt nodig is. Wat willen ze bereiken met AI? Wat is de context? Dit levert een eerste, ruwe schets op.

Stap 1 – Analyse: data en processen doorlichten

Leiding: Mark. Mark analyseert klantdata en intake-notities. Hij haalt er patronen, knelpunten en kansen uit. Zijn inzichten vormen de basis voor de rest.

Stap 2 – Benchmark: relevante voorbeelden verzamelen

Leiding: Lina. Lina zoekt naar inspirerende oplossingen, best practices en markttrends. Ze vertaalt inzichten naar een bruikbaar benchmarkrapport.

Stap 3 – Strategie: roadmap en succescriteria opstellen

Leiding: Sophie. Sophie maakt de strategische vertaalslag. Ze stelt doelen, bepaalt de route en stemt af met mijn governance-kaders.

Stap 4 – Voorstel: businesscase en plan van aanpak schrijven

Leiding: Thomas. Thomas brengt alles samen in een duidelijk voorstel. Offerte, aanpak en documentatie zorgen voor helderheid en draagvlak.

Stap 5 – Prototype: eerste concept bouwen

Leiding: Ikzelf (met Mark als tester). Ik bouw een eerste low-/no-code prototype. Mark test en valideert. Het is een Proof of Concept dat laat zien wat er mogelijk is.

Stap 6 – Training en adoptie

Leiding: Ikzelf, met Sophie als klankbord. Ik verzorg workshops en begeleiding. Sophie bewaakt de samenhang met de strategische doelen. Hier verandert het van concept naar toepassing.

Stap 7 – Implementatie: livegang en overdracht

Leiding: Ikzelf, Thomas documenteert. De oplossing gaat live. Ik begeleid de implementatie, Thomas borgt alles in begrijpelijke documentatie.

Stap 8 – Borging en verbetering

Leiding: Thomas en Mark, ik geef feedback door. Mark monitort prestaties, Thomas houdt de documentatie bij. Samen zorgen we dat de oplossing blijft evolueren.

Samenwerking in de praktijk: afspraken en spelregels

• Één centrale plek voor projectdocumentatie (Thomas houdt dit bij).

• Korte feedbackloops: na elke stap een handoff-call met de volgende agent.

• Logging van prompts en dataqueries (Mark logt, Thomas archiveert).

• Governance-checks op strategische momenten (Sophie controleert, ik autoriseer).

• Iteratief proces: fouten zijn oké, teruggaan in het schema mag altijd.

De bouw van Sophie

De samenwerking tussen de verschillende agents moet nog verder worden uitgediept, dat ga ik doen, terwijl ik tegelijkertijd begin aan het bouwen van mijn eerste digitale collega: Sophie.

In mijn zoektocht om een AI-bedrijf op te bouwen in 100 dagen, begin ik met het bouwen van Sophie, mijn Strategisch Analist en Adviseur. Niet omdat de andere agents minder belangrijk zijn, maar omdat Sophie het vertrekpunt is van elk goed adviestraject.

Mijn eerste gesprekken met klanten gaan vrijwel altijd over visie, kansen en richting. Wat willen ze bereiken met AI? Welke processen lenen zich ervoor? En wat zou een logische eerste stap kunnen zijn? Sophie helpt precies daar: ze structureert die verkenning, stelt scherpe vragen, en legt verbindingen tussen data, voorbeelden en strategie.

Ze vormt ook het hart van mijn ‘digitale team’:

• Sophie gebruikt inzichten van Mark (data),

• verwerkt voorbeelden van Lina (benchmark),

• en levert input voor Thomas (voorstellen).

Als menselijke adviseur wil ik klanten helpen hun AI-potentieel te zien én er werk van te maken. Sophie is mijn strategische sparringpartner in dat proces. Ze helpt me om keuzes te onderbouwen, vertrouwen te wekken, en richting te geven. Daarom begin ik met haar.

Eindelijk ECHT aan de slag ;-)