Ik merk dat er weer iets aan het verschuiven is in de wereld van AI. Tot nu toe ging het vaak over prompts. Hoe schrijf je een goede prompt? Hoe geef je een AI-agent duidelijke instructies? Hoe zorg je dat zo'n agent precies doet wat jij bedoelt?
Maar de laatste dagen zie ik ineens een ander woord steeds vaker terugkomen: loops. En eerlijk gezegd vind ik dat interessant. Want het voelt als een logische volgende stap.
Eerst leerden we praten met chatbots. Daarna leerden we werken met agents. En nu beginnen we na te denken over systemen die niet na één opdracht stoppen, maar blijven doorgaan totdat een doel is bereikt. Dat klinkt misschien technisch. Maar eigenlijk is het idee heel simpel.
Niet steeds opnieuw vragen
Als je nu met een AI-agent werkt, herken je waarschijnlijk dit patroon.
Je geeft een opdracht.
De agent doet iets.
Daarna kijk jij wat eruit komt.
Dan geef je weer een nieuwe opdracht.
De agent past iets aan.
Jij kijkt opnieuw.
En zo ga je heen en weer.
Dat werkt al heel goed. Ik gebruik het zelf de hele dag. Voor teksten, websites, kleine tools, nieuwsberichten en allerlei dingen die ik anders handmatig zou doen. Maar je blijft als mens steeds degene die het volgende zetje geeft. Bij loops verandert dat. Dan zeg je niet alleen: doe deze taak. Je zegt: dit is het doel, blijf werken totdat je daar bent.
Een loop heeft een doel nodig
Een loop is eigenlijk niets meer dan een proces dat zichzelf blijft herhalen totdat een bepaald doel is bereikt. Daarvoor heb je twee dingen nodig. Een trigger en een doel.
De trigger is het moment waarop de loop start. Dat kan zijn omdat jij op een knop drukt. Maar het kan ook automatisch gebeuren. Bijvoorbeeld elke ochtend om negen uur. Of elke keer dat er een nieuw document binnenkomt. Of wanneer er een wijziging in een project wordt gedaan.
Het doel is waar de agent naartoe werkt. En dat doel moet controleerbaar zijn.
Bij software is dat relatief makkelijk. Je kunt zeggen: blijf doorgaan totdat alle tests slagen. Of: controleer deze pagina, los fouten op en stop pas als de build werkt. Dan weet de agent wanneer het klaar is. Maar bij veel ander werk is dat moeilijker. Want wanneer is een strategie goed genoeg? Of wanneer is een tekst echt af?
Van prompten naar ontwerpen
Wat ik vooral fascinerend vind, is dat je rol als mens hierdoor verandert. Je bent minder bezig met losse instructies geven. Je bent meer bezig met het ontwerpen van het systeem waarin een agent werkt. Dat is een heel andere manier van denken. Bij prompten denk je vaak: wat moet ik nu vragen? Bij loops denk je: welk proces wil ik bouwen, wanneer moet het starten, wat is het einddoel en hoe weet het systeem dat het klaar is? Dat lijkt misschien een klein verschil, maar dat is het niet. Het is het verschil tussen iemand steeds opnieuw een opdracht geven en een werkproces bouwen dat zelfstandig blijft lopen. Ik denk dat dit voor veel organisaties een grote stap wordt. Niet omdat iedereen morgen loops gaat bouwen. Maar omdat dit laat zien waar werken met AI naartoe gaat.
Loops kunnen duur worden
Als een agent blijft werken totdat een doel is bereikt, gebruikt het ook steeds opnieuw AI-capaciteit. En dat kost geld. Veel geld soms. Je merkt dat nu al bij gewone AI-agents. Hoe meer je ze gebruikt, hoe sneller je door je credits of limieten heen bent. Bij loops wordt dat nog sterker, omdat het systeem juist is ontworpen om door te blijven gaan. Dat kan fantastisch zijn als het goed werkt. Maar het kan ook onhandig worden als het doel niet scherp genoeg is. Dan heb je niet een slimme assistent. Dan heb je een dure machine die blijft proberen iets af te maken wat nooit duidelijk genoeg is gedefinieerd.
Wat betekent dit buiten software?
Hoewel loops nu vooral in softwareontwikkeling worden besproken, denk ik dat het veel breder gaat worden. Stel je voor dat je een agent hebt die elke ochtend je agenda, e-mail en taken bekijkt. Niet alleen om een samenvatting te maken, maar om door te blijven werken totdat je dagplanning klopt. Of een agent die elke week je administratie controleert en pas stopt als ontbrekende bonnetjes zijn gevonden, betalingen zijn gekoppeld en afwijkingen zijn gemarkeerd. Of een agent die continu je kennisbank bijwerkt. Nieuwe documenten leest. Verouderde informatie opspoort. Dubbele informatie samenvoegt. En pas stopt als de kennis weer netjes is georganiseerd.
AI wordt een laag die werk kan uitvoeren, controleren en verbeteren.
Begin klein
Ik zou niet aanraden om morgen meteen je hele bedrijf op loops te laten draaien. Dat is vragen om problemen. Maar ik denk wel dat je ermee moet gaan experimenteren.
Begin klein. Laat een agent iets controleren. Laat het een lijst bijwerken. Laat het elke week een terugkerende taak voorbereiden.
Niet omdat het meteen perfect zal zijn. Maar omdat je dan begint te begrijpen hoe werk verandert.