# AI OPS: BOUW EEN ORGANISATIE DIE ZICHZELF KAN VERBETEREN
_Een manifest voor founders die meer willen dan een snellere codefabriek_

Je kunt vandaag een startup runnen waarin iedereen AI gebruikt, terwijl het bedrijf nog steeds is georganiseerd alsof het 2019 is.

De ontwikkelaars werken sneller. Marketing produceert meer. Sales heeft automatisch geschreven mails. De CEO krijgt samenvattingen.

En de klant wacht nog steeds.

Iedere afdeling heeft een turbo gekregen. De versnellingsbak ligt nog op de parkeerplaats.

Daar begint AI Ops voor mij: voortdurend ontwerpen hoe informatie, beslissingen en verificatie door de organisatie stromen, zodat mensen, agents en software samen betrouwbare resultaten leveren.

Niet als het zoveelste IT-project. Als wezenlijk onderdeel van de strategie.

_Met AI Ops bedoel ik hier het organiseren van werk met AI door het hele bedrijf, niet alleen de beperktere toepassing van AI voor IT-beheer. FluxWorks is fictief. De voorbeelden illustreren ontwerpkeuzes, geen gemeten resultaten._

De kern is continuous deployment van je eigen organisatie: hoe je werkt én welke strategie je voert. Niet door één keer een AI-strategie vast te leggen, maar door werkwijze én strategie voortdurend te toetsen en bij te stellen. Mensen, persistente assistenten en softwarefabrieken zijn daar vandaag bruikbare combinaties voor. Het zijn voorbeelden van nu, geen eindbeeld. Hoe AI Ops eruitziet verandert mee met de technologie. Wat blijft, is het vermogen om verbeteringen in werkwijze én strategie continu te testen, uit te rollen en terug te draaien.

*Versie 1.2 · 20 november 2026*

## FluxWorks: van klantvraag naar haalbaar planningsvoorstel

Volledig fictief ontwerpvoorbeeld, geen klantcase of werkende implementatie. Alle aantallen, tijden, budgetten en uitkomsten hieronder zijn illustratieve aannames, geen meetresultaten.

### Klantresultaat en eigenaar

FluxWorks helpt een fabrikant een haalbare leverdatum te bepalen voor 120 behuizingen. Maya, operations lead, is eigenaar van aanvraag tot geaccepteerde leverbelofte; niet van alleen de machinebezetting.

### Nulmeting — illustratief

In een fictieve referentieset van 20 aanvragen: mediaan 2 werkdagen tot een vrijgegeven voorstel, 4 voorstellen moesten worden herzien en 16 van 20 leverbeloften werden gehaald. Dit zijn gekozen startwaarden voor het voorbeeld, niet werkelijk verzamelde data.

### Vermoedelijk knelpunt

Sales, planning en inkoop werken met verschillende versies van capaciteit en materiaalbeschikbaarheid. De meeste tijd verdwijnt tussen overdrachten. Hypothese: één gedeelde, herleidbare planningscontext helpt meer dan sneller plannen binnen één afdeling.

### Dagelijkse lus

Maya’s vaste assistent legt een gewijzigde klantvraag uit de mail naast de agenda, recente projectbesluiten en goedgekeurde snapshots van capaciteit, voorraad en onderhoud. Per bron houdt hij versie en tijdstip bij. De planner kiest twee scenario’s. Als de controles moeten veranderen, helpt de assistent Maya een afgebakende opdracht met acceptatietests voor de softwarefabriek op te stellen. Die bouwt en test buiten productie. De assistent maakt alleen een conceptvoorstel. Harde controles toetsen materiaal, capaciteit, volgorde en bestaande klantbeloften. Maya geeft de leverbelofte vrij. Afwijkingen worden testgevallen.

### Vooraf afgesproken acceptatie

Speel dezelfde 20 fictieve aanvragen af zonder productie te wijzigen. Geen capaciteitsconflicten, materiaaltekorten of verslechterde bestaande leverbeloften. Iedere voorgestelde datum is herleidbaar tot de invoer; ontbrekende data blokkeren vrijgave. Illustratief doel: mediaan maximaal 1 werkdag en hooguit 2 herzieningen, zonder slechtere leverbetrouwbaarheid. Geen succesclaim vóór toetsing.

### Mandaat en budget

Alleen lezen uit de goedgekeurde testset, maximaal twee scenario’s per aanvraag, maximaal €25 rekenbudget en 2 uur menselijke review voor deze proef. Geen ERP-wijzigingen, klantberichten of machinebediening. Extra budget of rechten vereisen Maya’s besluit.

### Bewijs en onafhankelijke toets

Bewaar invoerversies, scenario’s, controle-uitkomsten, reviewbezwaren en Maya’s acceptatie per aanvraag. Vergelijk met de oude aanpak op dezelfde dataset. Een tweede agent alleen is geen onafhankelijk bewijs: harde controles en door een mens gekozen uitzonderingsgevallen blijven nodig.

### Stopregel en terugval

Stop bij ontbrekende of tegenstrijdige brondata, een geschonden harde randvoorwaarde, bereikt budget of een onverklaarde afwijking. Geen automatische vrijgave. Het bestaande planningsproces blijft leidend; Maya behandelt de uitzondering.

### Vrij spoor: een paar zwervende mieren

Naast die geplande proef krijgt een klein groepje uit sales, planning en inkoop vaste tijd om zelf te bepalen wat het onderzoekt. Geen businesscase vooraf, wel een tijd- en databudget en geen productierechten. Met een piratenvlag in de hoek proberen ze iets anders: kan de overdracht van sales naar planning weg als beide hetzelfde herleidbare aanvraagdossier gebruiken? Ze laten met fictieve aanvragen zien wat lukt én waar de handmatige overdracht nog nodig is.

### Overdracht: werkt het ook zonder de pioniers?

Een collega buiten het groepje probeert de nieuwe aanpak op eigen oefenaanvragen, zonder dat de makers het overnemen. Vergelijk doorlooptijd tot een geaccepteerd voorstel, inclusief review, herstel en hulp, tegen de bestaande werkwijze. Kijk ook of de collega de aanpak bij de volgende aanvraag opnieuw kiest. Als alleen de demo werkt, maken ze de werkwijze eenvoudiger of laten ze haar vallen.

### Leiderschapslus

Maya en de founder beoordelen wekelijks waar de wachttijd en fouten werkelijk ontstaan. Zit het knelpunt in onduidelijk eigenaarschap, dan veranderen zij de overdracht of beslisrechten, niet alleen de prompt. Nieuwe procesversies worden eerst naast de bestaande getest.

### Besluit na de proef

Bij beter bewijs geeft Maya één team een beperkt, omkeerbaar mandaat. De oude overdracht blijft beschikbaar als capaciteit, uitzonderingen of leverbetrouwbaarheid verslechteren. Maya en de founder besluiten daarna niet alleen welke werkwijze blijft, maar ook waar mensen en budget naartoe gaan. Misschien stoppen ze met het versnellen van de oude overdracht en investeren ze in het gedeelde aanvraagdossier. Vandaag helpen een assistent en softwarefabriek daarbij. De tools mogen veranderen; de lus van ontdekken, toetsen, invoeren en zo nodig terugdraaien blijft.

Agent stelt voor. Tests dagen uit. Eigenaar accepteert.

## 1. Begin bij de klant, niet bij je agentdiagram

Stel je FluxWorks voor: een fictieve AI-startup die fabrikanten helpt betere productieplanningen te maken. Acht mensen, een groeiende zwerm agents en een founder die dacht dat minder programmeren vanzelf minder werk zou betekenen.

Dat was een mooie gedachte.

Sales belooft een nieuwe functie. Engineering bouwt hem. Een agent optimaliseert de machinebezetting. Customer success ontdekt dat de klant vooral betrouwbare leverdata wilde.

Iedereen heeft zijn werk gedaan. Het bedrijf heeft het probleem gemist.

De eerste vraag is dus niet: hoeveel agents hebben we nodig?

Maar: welk resultaat wil de klant, wat moeten we weten en beslissen om dat te leveren, en welk bewijs laat zien dat het werkt?

Volg één klantvraag door de hele organisatie. Juist door de ongemakkelijke gaten tussen afdelingen. Daar zitten vaak de wachtrijen, verdwenen context en onbeantwoorde vragen.

## 2. Organiseer rond resultaten en geef iemand eigenaarschap

Bij FluxWorks heeft ‘een betrouwbare productieplanning voor deze klant’ één menselijke eigenaar. Niet omdat die persoon alles doet, maar omdat iemand het geheel moet begrijpen en verantwoordelijk moet blijven.

Agents analyseren, bouwen, simuleren, controleren en documenteren. De eigenaar bepaalt het doel, het mandaat en wanneer het bewijs tekortschiet.

Geef iedere belangrijke waardestroom een werkafspraak: het gewenste resultaat, relevante context en bronnen, toegestane acties, kwaliteits- en stopcriteria, budget, eigenaar en escalatieroute.

Een agent met een functietitel is nog geen organisatieontwerp.

## 3. Communicatie is infrastructuur

Een Markdown-bestand is tekst. Een skill draagt kennis en werkwijzen over. Projectcontext maakt duidelijk wat ertoe doet. De waarde zit niet in de bestandsnaam. Die zit in de informatie, de relevantie en het gebruik ervan.

Bij FluxWorks is een klantbelofte verbonden met de productbeslissing, acceptatietest en leverstatus. Feiten, aannames en verouderde informatie zijn van elkaar te onderscheiden.

Meer context betekent niet automatisch betere context. Een verhuisdoos vol notulen is ook informatie. Succes met het terugvinden van de afspraak van dinsdag.

Goede communicatie brengt de juiste informatie op het juiste moment bij degene die de beslissing neemt. Met de bron, onzekerheid en context erbij.

Een perfect geformuleerde prompt repareert geen organisatie met drie verschillende definities van succes.

## 4. Automatiseer ook het bewijs

FluxWorks vraagt een agent het planningsalgoritme te verbeteren. De gemiddelde machinebezetting stijgt. Uitstekend.

Vervolgens wordt een belangrijke klantorder te laat geleverd.

De test bevestigde precies wat er was gevraagd. Helaas was het verkeerde gevraagd.

Bepaal de acceptatiecriteria voordat je de optimalisatielus start: leverbetrouwbaarheid, kosten, veiligheid, capaciteit en uitzonderingen. Gebruik waar mogelijk harde controles. Zet agents in voor interpretatie, het ontdekken van ontbrekende scenario’s en het onderzoeken van afwijkingen.

De softwarefabriek van StrongDM is interessant omdat menselijke aandacht verschuift van iedere regel code naar specificaties, scenario’s en testomgevingen. Dat is de aanpak van één bedrijf, geen bewijs dat hetzelfde recept overal veilig is.

En test ook het testen. Twee agents met dezelfde verkeerde aanname leveren een bijzonder ordelijke vergadering op. Niet noodzakelijk onafhankelijk bewijs.

## 5. Autonomie moet je verdienen

Hoeveel mag AI zelfstandig doen? Zoveel als het proces aantoonbaar aankan. Niet zoveel als de demo indrukwekkend maakt.

Een agent bij FluxWorks mag zelfstandig duizenden planningen simuleren. Hij mag niet zomaar een leverbelofte aanpassen of een echte machine bedienen.

Bouw autonomie stapsgewijs op: voorstellen met bewijs → testen in een geïsoleerde omgeving → omkeerbare acties binnen een mandaat → doorlopende uitvoering met monitoring, budgetgrenzen en escalatie. Verruim dat mandaat pas als zowel kwaliteit als herstel zijn aangetoond.

Menselijke beoordeling hoort waar onzekerheid en gevolgen samenkomen. Niet als een ceremoniële klik na iedere actie.

Een mens die honderd voorstellen per uur goedkeurt, is geen veiligheidsmechanisme. Dat is een vermoeide mens.

## 6. Efficiëntie, redundantie en aanpassingsvermogen

Efficiëntie helpt FluxWorks sneller waarde te leveren. Redundantie voorkomt dat één uitgevallen leverancier, verkeerde aanname of verloren stukje context het bedrijf stillegt. Aanpassingsvermogen zorgt dat het bedrijf zijn werkwijze kan veranderen als de mogelijkheden veranderen.

Die drie trekken soms verschillende kanten op. Een tweede controle kost tijd. Een alternatieve route via een ander model vraagt onderhoud. Experimenteren lijkt op korte termijn ongebruikte capaciteit. Totdat je die nodig hebt.

Redundantie betekent niet alles dubbel uitvoeren. Het betekent bewust kiezen waar onafhankelijke verificatie, reservecapaciteit en herstelmogelijkheden hun kosten waard zijn.

En aanpassingsvermogen betekent niet dat je iedere donderdag je hele stack vervangt omdat iemand op LinkedIn ‘game changer’ heeft getypt.

Verander omdat er aantoonbaar een betere werkwijze beschikbaar is.

## 7. Een zwerm is geen strategie

Soms is één model met goede tools genoeg. Soms is een vaste workflow beter. Soms levert parallel onderzoek door meerdere agents echt iets op.

Google beschrijft zijn op 10 november 2026 aangekondigde `/swarm`-preview als een manier waarop een coördinator, gespecialiseerde agents en verificateurs werk verdelen, communiceren en resultaten samenbrengen. Interessant. Maar een preview is geen bewijs dat meer agents voor iedere taak beter zijn.

Extra agents helpen alleen als het werk zinvol te verdelen is en communicatie, integratie en verificatie de winst niet opslokken.

Bij FluxWorks onderzoeken agents verschillende benaderingen. Een coördinator bewaakt de gezamenlijke vraag. Een onafhankelijke evaluatie vergelijkt de resultaten met vooraf vastgestelde criteria.

Ze hoeven niet allemaal alles van iedereen te lezen. Organisaties verdrinken al lang genoeg in cc-mails. Die traditie hoeven we niet aan onze software door te geven.

*Een assistent die morgen nog weet waarom*

AI is niet alleen een specialist voor één workflow. Een praktische vorm van brede inzet is de persistente assistent: een generalist die afgesproken doelen, voorkeuren, besluiten en open werk over gesprekken en taken heen kan meenemen. Bij FluxWorks legt Maya met haar assistent een klantmail naast de afspraken in haar agenda en de laatste projectbesluiten. Samen maken ze een opdracht met acceptatietests voor de softwarefabriek. De fabriek bouwt en test, de assistent bewaakt de samenhang en Maya blijft eigenaar. Zo’n assistent kan persoonlijk zijn of door het team gedeeld worden.

Breed inzetbaar is niet breed bevoegd. Een assistent haalt per taak alleen de relevante, toegestane brokken persoonlijke, team- of organisatiecontext op: een klantbelofte, een besluit of een werkafspraak, met bron, datum en eigenaar. Toegang blijft begrensd en intrekbaar. En voorbereiden is niet hetzelfde als versturen, vrijgeven of uitrollen.

## 8. Optimaliseer de hele stroom, niet het drukste onderdeel

Als bouwen van tien dagen naar één gaat, maar een klantbeslissing drie weken duurt, is het volgende knelpunt waarschijnlijk geen programmeerprobleem.

Meet de tijd van klantvraag tot geaccepteerd resultaat. Tel wachten, herstelwerk en besluitvorming mee. Meet kwaliteit, kosten per geaccepteerd resultaat, hersteltijd en menselijke aandacht.

Tokens, commits en agents zeggen iets over activiteit. Niet noodzakelijk over waarde.

Iedere versnelling roept een nieuwe vraag op: wat begrenst nu het geheel? Een geslaagde verbetering verplaatst het knelpunt. Ze schaft het niet voor altijd af.

Lean, DevOps en MLOps zijn dus niet achterhaald. Ze worden opnieuw relevant: doorstroming, feedback en betrouwbaarheid, nu met nieuwe deelnemers in het systeem.

## 9. Organiseer je eigen creatieve destructie

De founders van FluxWorks hebben twee verantwoordelijkheden: het bedrijf draaiend houden en onderzoeken welke onderdelen van datzelfde bedrijf anders zouden moeten werken.

Welke overdracht kan verdwijnen? Welke taak bestaat alleen omdat twee systemen elkaar niet begrijpen? Welke interface is nodig voor menselijke beoordeling, en wat kan een agent rechtstreeks via een tool doen?

Behandel processen als tijdelijke ontwerpen. Experimenteer met nieuwe modellen, andere taakverdelingen en soms een volledig nieuw proces. Vergelijk ze op hetzelfde klantresultaat, dezelfde risico’s en dezelfde kosten.

Maar vervang ze beheerst: eerst testen, dan naast het bestaande proces laten meedraaien zonder beslissingen over te nemen, en vervolgens binnen een beperkte scope inzetten. Alleen uitbreiden met bewijs en een terugvalmogelijkheid.

Creatieve destructie zonder herstelplan noemen we in een productieomgeving meestal een storing.

*Laat een paar mieren van het pad afwijken*

Kies één knelpunt waarmee je maandag begint. Reserveer daarnaast tijd voor een paar mensen die zonder vooraf dichtgetimmerde businesscase mogen onderzoeken welk werk anders kan of helemaal weg. Dat is het wandering ant-principe: de meeste mieren volgen het bekende spoor, een paar verkennen waar nog geen pad loopt. Zet desnoods een piratenvlag in de hoek. Daag de werkwijze uit, niet de mensen. Experimenteer buiten productie, binnen grenzen voor tijd, data en bevoegdheden. ‘Dit werkte hier niet, en dit is waarom’ is ook een opbrengst.

## 10. Neem mensen serieus

Mensen krijgen vaak een nieuwe tool, maar houden dezelfde targets, dezelfde vergaderingen en dezelfde beoordelingsgesprekken. Hun frustratie noemen we weerstand tegen verandering.

Laat mensen de uitzonderingen, fouten en ongeschreven afspraken zichtbaar maken. Geef ze ruimte om te oefenen. Maak duidelijk wie beslist, hoe kwaliteit wordt beoordeeld en wat veranderende rollen betekenen.

Niet iedereen hoeft dezelfde technische rol te hebben. Maar mensen moeten relevante fouten kunnen melden, het systeem ter discussie kunnen stellen en binnen hun verantwoordelijkheid kunnen ingrijpen.

Sommige rollen zullen ingrijpend veranderen of verdwijnen. Wees daar eerlijk over. Maar behandel mensen ook niet als een verouderde softwarebibliotheek. Eerlijke besluiten en goede ondersteuning horen bij goed management.

## 11. Leer van evolutie zonder haar wreedheid over te nemen

Variatie → selectie → behoud. Probeer verschillende werkwijzen. Toets ze aan de werkelijkheid. Bewaar wat werkt. Haal weg wat niet meer helpt.

Zonder betrouwbare selectie schaal je fouten net zo snel op. En een organisatie moet zelf bepalen welke resultaten wenselijk zijn en welke schade onaanvaardbaar is.

De praktische ontwerpvraag noem ik *fittest affordance*: welke combinatie van mens, model, tool en context past op dit moment het beste bij deze taak, binnen onze tijd, middelen en beperkingen?

De krachtigste oplossing wint niet automatisch. De goedkoopste ook niet. De best passende combinatie wint. Totdat de omstandigheden veranderen.

## 12. Laat leren zich opstapelen

Een fout wordt een test. Een klantgesprek verandert een hypothese. Een incident verduidelijkt een grens. Een geslaagde uitzondering wordt pas standaardwerkwijze als we begrijpen waarom die werkte.

Bewaar herkomst, versies en de omstandigheden waaronder kennis geldig blijft. En vergeet bewust: een verouderde instructie is geen intellectueel kapitaal alleen omdat hij in een map staat.

*Een demo laat zien wat kan. Een collega laat zien of het overdraagbaar is.*

Innovatieadoptie geldt ook als je zelf de klant bent. Laat pioniers echt werk voordoen, inclusief controles en missers. Dat helpt collega’s zien wat er kan. Laat daarna iemand buiten de pilot de werkwijze op een eigen casus herhalen. Lukt het ook zonder de maker? Wordt het resultaat sneller geaccepteerd als je review en herstelwerk meetelt? Pas dan krijgt de werkwijze een eigenaar, instructies en een terugvalroute. Laat de pioniers hun kennis overdragen; maak hen niet de permanente helpdesk.

## HET MANIFEST

We organiseren rond klantresultaten.
We maken bedoeling, context en eigenaarschap expliciet.
We automatiseren verificatie naast productie.
We vergroten autonomie waar bewijs en gevolgen dat toelaten.
We combineren efficiëntie met passende redundantie en aanpassingsvermogen.
We meten de hele waardestroom.
We behandelen processen als ontwerpen die vervangen kunnen worden.
We geven mensen zeggenschap, verantwoordelijkheid en ruimte om te leren.
We geven gerichte verbetering en vrije verkenning allebei een plek.
We voeren bewezen verbeteringen door in onze manier van werken én onze strategie.

AI Ops is geen implementatie die op een dag af is. Het is het vermogen om het bedrijf van vandaag draaiend te houden terwijl je dat van morgen bouwt.

Pas continuous deployment ook toe op de organisatie zelf. Maak kleine, omkeerbare releases van je eigen werkwijze: test ze naast de bestaande, meet de uitkomst, rol ze bewust uit en draai ze terug als het resultaat verslechtert. Soms verandert een overdracht of een tool. Soms verandert je strategie: welke initiatieven je stopt of verder financiert, waar je mensen op inzet of welk mandaat je verruimt of intrekt. Laat het bewijs de volgende keuze sturen. ‘Continuous’ betekent dat het leren nooit stopt, niet dat een agent automatisch productie wijzigt.

Versnel met controle.

En durf af en toe toe te geven dat je een andere auto nodig hebt.

## Van manifest naar eerste experiment

Een mogelijke eerste maand voor FluxWorks, als werkhypothese en niet als universeel recept:

Werk op twee sporen. Meet één bestaande klantwaardestroom en test een gerichte verbetering naast de oude werkwijze. Bescherm tegelijk een vast blok vrije experimenteertijd: laat een klein groepje ander werk verkennen, bevindingen delen en een collega een veelbelovende proef laten herhalen. Bekijk wekelijks beide sporen. Beslis expliciet wat je stopt, aanpast, beperkt uitrolt of terugdraait, en of het bewijs aanleiding geeft om prioriteiten, middelen of mandaten te veranderen.

1. Kies één klantwaardestroom en doe een nulmeting van doorlooptijd, kwaliteit, kosten, herstelwerk en tijd voor menselijke beoordeling. Wijs een eigenaar aan.
2. Maak doel, context, mandaat, acceptatietests, budget en stopmechanisme expliciet. Bepaal wie welke beslissingsbevoegdheid heeft.
3. Laat de nieuwe aanpak naast de bestaande meedraaien, zonder autonome acties in productie. Vergelijk resultaten en uitzonderingen.
4. Geef een beperkt, omkeerbaar mandaat als het bewijs sterk genoeg is. Beoordeel wekelijks: uitbreiden, verbeteren of terugdraaien.

Houd twee lussen zichtbaar: de dagelijkse lus van *waarnemen → beslissen → handelen → verifiëren → leren*, en de leiderschapslus die de werkwijze zelf opnieuw ontwerpt.

## Bewijs en beperkingen

- [StrongDM: Software Factories](https://factory.strongdm.ai/) beschrijft de eigen aanpak met agents en externe scenario’s. Waardevolle praktijkervaring, geen universeel bewezen recept.
- [Google Antigravity: /swarm](https://antigravity.google/blog/gemini-4-carbon-in-google-antigravity/) beschrijft coördinatie, parallel werk en verificateurs. Het is een preview; meer agents vragen ook afstemming en mogelijk veel meer rekenwerk.
- [Anthropic: Multi-agent research](https://www.anthropic.com/research/multi-agent-research-system) vond betere resultaten op een specifieke interne evaluatie, met aanzienlijk hoger tokenverbruik. Die bevindingen zijn niet zomaar te veralgemenen naar ieder bedrijf of iedere taak.
- [OpenAI: Harness engineering](https://openai.com/index/harness-engineering/) illustreert waarom context, tools, feedback en observeerbaarheid samen meer zijn dan een lange prompt.
- [DORA 2025](https://dora.dev/research/2025/dora-report/) beschrijft AI als versterker van bestaande organisatorische sterke en zwakke punten. Het toont geen universeel causaal effect voor iedere organisatie aan.
- [Lean thinking](https://www.lean.org/lexicon-terms/lean-thinking-and-practice/), [Conway over communicatiestructuren](https://melconway.com/Home/Committees_Paper.html) en [Google SRE over beheerste releases](https://sre.google/workbook/canarying-releases/) bieden oudere, maar nog steeds relevante fundamenten.

De definitie van AI Ops en de toepassing op FluxWorks hierboven zijn mijn synthese van deze bronnen en onze eigen principes. Het is geen gevestigde, bewezen blauwdruk.
