Hij adviseert scholen over AI. Dus bouwde hij zelf een AI-afdeling

Het gaat niet om de tijdswinst

De meeste mensen die zoiets bouwen, willen tijd terug. Voor Paul was dat minder belangrijk. Hij publiceerde al veel, en hij is er goed in.

Wat hij wilde, is weten hoe het werkt als je meerdere agents laat samenwerken aan iets wat langer duurt dan één gesprek. Waar het vastloopt. Waar het dingen verzint die nergens op slaan. En of er af en toe iets uit komt wat hij zelf niet had bedacht.

Dat is geen theoretische interesse. Hij zit aan tafel bij schoolbesturen die op het punt staan om hier geld en beleid aan te hangen. Wie dan zegt “AI kan dit wel en dat niet”, moet dat uit eigen ervaring kunnen zeggen.

Dus heeft zijn eenmanszaak nu een afdeling. Eentje die hij elke dag aanstuurt, corrigeert en soms terugfluit. Dat levert hem niet alleen een stapel hoogwaardige posts in zijn stem op. Het levert hem op dat hij, als een bestuurder vraagt wat AI nou écht kan, antwoordt uit ervaring.

Hoe de redactie werkt

Er draaien vijf agents, elk met één rol. De scout gaat ‘s ochtends om half zeven de bronnen af. De manager maakt op vrijdag het plan voor de week erna, en kijkt elke ochtend of het nieuws dat plan omgooit. De schrijver maakt het concept op de dag zelf en niet vooruit, zodat het nieuws nog klopt, en haalt er daarna met een eigen tegenlezing de AI-taal weer uit. Daarbuiten schrijft een blog-agent de maandelijkse blog en levert een analytics-agent elke maand het cijferrapport.

En dan is Paul aan zet. Geen van de vijf mag zelf iets naar buiten brengen.

Waarom vijf agents en niet één

De verleiding is om één slimme agent alles te laten doen. We hebben het bewust anders opgezet.

Elke agent heeft één rol en één instructie. Dat houdt de opdracht kort genoeg om betrouwbaar uit te voeren, en het beperkt de schade als er iets misgaat: valt de scout om, dan ligt de planning niet plat.

Om diezelfde reden draait de scout op zijn eigen schema en start hij de manager niet op. Die twee staan los van elkaar. Daar is nog een tweede reden voor: de ochtendbriefing moest ook waarde hebben op een dag dat er geen post uit komt.

De tegenlezing zit juist wél in de schrijver, als stap en niet als aparte agent. Een afgekeurde tekst gaat zo meteen terug de revisie in, zonder overdracht ertussen.

En een post wordt op de dag zelf geschreven, niet vooruit bij het goedkeuren van het weekplan. Een tekst die op vrijdag voor woensdag wordt gemaakt, veroudert. Dan verdwijnt precies de nieuws-responsiviteit waar die dagelijkse triage voor bedoeld is. Paul keurt daarom twee keer goed: eerst de richting voor de week, daarna elke tekst apart.

1. Zijn schrijfkader komt uit zijn eigen werk

Een AI vragen om “in de stijl van Paul” te schrijven levert een imitatie op die niemand die hem kent overtuigt. Dus hebben we het omgedraaid.

We hebben zijn eigen werk ingelezen: ruim vierhonderd LinkedIn-posts, zijn boek, drieëndertig blogs. Ongeveer vierhonderdvijftig documenten bij elkaar. Daaruit hebben we een schrijfkader teruggelezen: hoe hij een stuk opent, waar hij zichzelf in beeld brengt en waar juist niet, welke beelden hij wel en niet gebruikt, hoe hij afsluit.

Dat kader staat inmiddels op versie 1.3. Hoe het wordt bijgehouden, staat verderop.

2. Elke ochtend een vakbriefing, ook als er niks mee gebeurt

Dit onderdeel levert waarde op zichzelf, los van of er een post uit komt.

De scout gaat elke ochtend de bronnen af die Paul zelf heeft samengesteld over digitalisering in het onderwijs. Dat is een rij sites die hij anders zelf langs moest.

Er staat meer in dan een rij links. Per bericht staat er hoe relevant het is op een schaal van vijf, voor welke laag van zijn publiek, en een haakje van hoogstens twee regels: dit is de invalshoek die jij hierop zou kunnen hebben. Er wordt ook gecheckt of hij er al eens over geschreven heeft, zodat hij zichzelf niet herhaalt.

En is het een rustige dag, dan staat er gewoon: geen items boven de drempel. Het systeem verzint geen nieuws om de agenda te vullen.

Het effect is dat Paul niet meer voor een blanco scherm zit met de vraag waar hij vandaag iets over zou kunnen zeggen. Hij kiest uit wat er ligt, en schrapt de rest.

3. Twee poorten, en de strengste is van hem

De eerste poort is die van de machine. De schrijver toetst zijn eigen concept met een tegenlezing op de tics waar AI-schrijfsel aan te herkennen is, en op de regels uit het kader. In productie halen teksten daar 87 tot 96 van de honderd.

Dat klinkt streng. Toch sneuvelt er bij Paul meer.

Hij stelt twee eisen die de machine niet zelf kan bedenken. Er moet een standpunt in staan dat op hem terug te voeren is. En er moet een scène in zitten uit zijn eigen werk: iets wat hij heeft meegemaakt, niet iets wat plausibel klinkt.

Dat tweede punt is er vijf keer opnieuw ingeramd. We zagen het systeem posts bouwen op een redenering die logisch volgde uit het nieuws, in een vorm die leest alsof Paul er zelf bij was. Precies goed geschreven, en precies fout. Daarom bouwden we er een harde regel in: is dat moment er niet, dan vraagt het systeem erom bij Paul en stopt. Ook als de tekst hoog scoort bij de tegenlezing.

Een tekst kan dus door de machinepoort komen en alsnog bij hem stranden.

4. Je moet het aansturen, en elke correctie wordt een regel

De realiteit is dat zo’n redactie niet gelijk vanaf het begin vanzelf goed staat.

Behalve de verzonnen scènes uit de vorige pijler vonden we nog iets: het systeem herhaalde zichzelf op manieren die je pas ziet als je erop let. Niet letterlijk dezelfde tekst. Hetzelfde centrale beeld. Dezelfde slotzin met een ander werkwoord. De spiegel van een standpunt dat er drie weken eerder ook al stond. Acht keer kwam die les terug voor we hem goed hadden staan. Nu vergelijken we elk concept met het hele archief, inclusief stukken die wel zijn goedgekeurd maar nog niet geplaatst.

Ook aan onze kant ging er iets mis. De blogkant begon als drie gespecialiseerde agents: een schrijver voor de tekst, een SEO-agent voor de zoekwoorden, en een publisher die als enige schrijfrechten op de site had. Op de tekentafel keurig gescheiden. In de praktijk was het te veel machinerie voor één blog per maand: drie overdrachten, en dus drie plekken waar het fout kon gaan. In juli hebben we ze samengevoegd tot één blog-agent.

De grootste ingreep kwam van Paul zelf. Na elf weken waarin zijn afdeling elke dag publiceerde, zette hij het op 8 september terug naar om de dag en bracht hij de blog terug naar één per maand. De kwaliteit van de output werd steeds betrouwbaarder en hij had er vertrouwen in dat de grootste lessen inmiddels achter ons waren.

En dan het deel waar het om draait. Elke correctie blijft staan. Wat Paul terugstuurt, leggen we vast als losse les. Periodiek halen we die lessen op en kijken we wat er structureel in zit: komt dit vaker terug, geldt het breder dan die ene post, is het terug te zien in zijn echte werk, en tekent een mens het af. Wat alle vier die toetsen doorstaat, gaat het vaste kader in.

In zes weken leverde dat zeventig correcties op zijn stem op. Die zijn teruggebracht tot ongeveer elf concrete regels die er blijvend in zitten. Er komt niets in het kader zonder dat een mens er zijn naam onder zet: Paul tekent af wat over zijn stem gaat, wij samen wat over de feiten gaat.

Dat mechanisme is de reden dat er geen AI-drift is. Een AI-systeem dat je niet bijhoudt, zakt langzaam terug naar het gemiddelde waar het vandaan komt. Het wordt steeds vlakker en gladder. Hier gaat het de andere kant op, omdat er een mens met een rode pen doorheen gaat en wat hij aanstreept uiteindelijk een regel wordt.

Waar het op draait

De agents draaien op onze eigen omgeving, niet bij een dienst die er een abonnement van maakt. Voor het denkwerk gebruiken we Claude. Het zware werk en de dagelijkse scan lopen op verschillende modellen, zodat je niet voor een nieuwsscan het duurste model inzet.

Daarnaast staat een eigen kennisbank met twee verzamelingen: Pauls eigen werk, en een set geverifieerde feiten over onderwijsbeleid. Die tweede is er omdat zijn vakgebied vol staat met regelingen en tijdlijnen waar je makkelijk naast zit. Die feiten worden apart bijgehouden en afgetekend voor ze meetellen.

Goedkeuren doet Paul via Telegram, op zijn telefoon. En een maandelijks rapport uit Search Console en Analytics van de analytics-agent laat zien wat er met het geplaatste werk gebeurt. Dat rapport gaat mee in de planning voor de maand erna.