Week 11: Geen 100 dagen, wel 100 inzichten

Toen ik aan dit experiment begon, had ik een duidelijk plan. Veertien weken, veertien blogs, honderd dagen om te ontdekken of ik als niet-techneut een AI-bedrijf kon bouwen met behulp van agents. Het klonk zo elegant, zo overzichtelijk. Maar inmiddels weet ik: elegant is experimenteren zelden.

Ik zit nu in week 11 van de 14 en voel aan alles dat ik de eindstreep binnen de gestelde tijd niet ga halen. De tijd vliegt, Jim draait, Sophie komt eraan, en ikzelf? Ik hol erachteraan. Want eerlijk is eerlijk, het bouwen van een AI-bedrijf, zelfs met alle hulp van slimme agents, vraagt tijd, aandacht en denkruimte. En die heb ik niet altijd in overvloed.

Is dat erg? Nee. Niet voor mij. Mijn experiment faalt niet omdat het uitloopt. Sterker nog, de meest briljante projecten die ik ken, liepen uit. Omdat er onderweg iets beters ontstond. Omdat het idee groeide. Of simpelweg omdat de realiteit van bouwen weerbarstiger is dan het whiteboard vol plannen.

En er ís iets moois aan het ontstaan. Jim, mijn eerste AI-agent, is af. Hij leeft, heeft zijn eigen profiel in Slack, en levert mij zelfstandig de resultaten van zijn analyses aan. Op basis daarvan kies ik welke onderwerpen ik verder wil uitwerken.

Hoe ziet Jim er onder de motorkap uit? Hij is gebouw in N8N via de volgende stappen:

1. Werktijden van Jim

• Jim start wekelijks automatisch.

2. Nieuwsbrieven ophalen:

• Via Gmail haalt Jim recente AI-nieuwsbrieven opgehaald (in dit geval 25 items).

3. Nieuwsbrieven verwerken (HTTP Request en Code2 node):

• Elke nieuwsbrief wordt door Jim verwerkt door een externe dienst om tekst uit te lezen en voorbewerking uit te voeren.

• Daarna volgt er een codestap (Code2) om de verwerkte informatie verder te structureren.

4. Samenvatting genereren:

• De gestructureerde data wordt naar een OpenAI gestuurd

• Deze node genereert een bondige samenvatting van elke nieuwsbrief, met focus op relevante onderwerpen en inzichten.

5. Data Samenvoegen:

• De resultaten (samenvattingen) worden door Jim samengevoegd in de node Data samenvoegen.

• Hierdoor ontstaat een gecombineerde dataset met overzichtelijke samenvattingen.

6. Analyse voor training:

• Vanuit de samengestelde dataset worden via een tweede Message Model-node (AI-analyse) maximaal 5 onderwerpen geselecteerd die het meest geschikt zijn voor praktische AI-trainingen.

• Daarbij wordt rekening gehouden met criteria zoals relevantie, toepasbaarheid en haalbaarheid voor niet-technische doelgroepen.

7. Code en Slack communicatie:

• De geselecteerde onderwerpen worden vervolgens via een extra stukje code voorbereid en geformatteerd.

• Tenslotte worden ze via een HTTP Request naar Slack gestuurd, waar Jim de resultaten van zijn analyse deelt met andere medewerkers.

  
  

Jim onder de motorkap

Wat zeg je? Is Jim geen "echte" agent? Ok ok... Jim is niets meer dan een geautomatiseerde workflow waarin AI gebruikt wordt. Maar goed, hij doet wat hij moet doen, dus who cares? Sophie daarentegen, wordt een ECHTE AI Agent.

Sophie

De volgende stap is om Sophie tot leven te wekken. Zij gaat straks aan de slag met het verzamelen van relevante theorie, het structureren van kennis, en het voorbereiden van concrete output zoals antwoorden op veelgestelde vragen, uitgesplitst naar tien verschillende persona’s.

Waar Jim mij helpt om te zien wat er speelt en wat er nodig is, zal Sophie zorgen dat ik daar inhoudelijk iets mee kan. Met z’n drieën vormen we dan echt een werkend team. Eén dat leert, bouwt, en verbetert, net als ik.

Misschien worden het geen honderd dagen, maar honderdtwintig. Of honderdvierendertig. So be it. Zolang ik onderweg waarde blijf creëren, inzichten opdoe, en mijn verhaal blijf delen, ben ik precies waar ik moet zijn.