Tag: AI tools

  • ChatGPT schrijft, Perplexity checkt: waarom professionals AI-tools combineren

    ChatGPT schrijft, Perplexity checkt: waarom professionals AI-tools combineren

    Gebruik jij AI voor je werk, en vertrouw je op het eerste antwoord dat je krijgt? Steeds meer slimme professionals doen dat niet meer. Zij laten de ene AI schrijven en een andere controleren of verdelen de taken bewust over meerdere tools. Waarom? Omdat AI het vaker mis heeft dan je zou denken.

    Waarom zou je AI-tools combineren?

    Het idee is simpel: niet één chatbot voor alles, maar een taakverdeling op basis van sterke punten. Een veelgebruikte indeling: Perplexity voor actueel onderzoek met bronvermelding, dezelfde citatielogica die ook bepaalt of jouw eigen website zichtbaar is voor AI-zoekmachines, Claude voor het verwerken en analyseren van lange documenten, ChatGPT voor het schrijfwerk zelf. Sommige professionals gaan een stap verder en gebruiken een tweede AI puur als controle: de ene tool schrijft een artikel of offerte, de andere leest kritisch mee op feitelijke claims voordat het de deur uitgaat.

    Wat maakt dit opvallend?

    De cijfers achter deze gewoonte zijn te precies om te negeren. Het Tow Center for Digital Journalism, een onafhankelijk onderzoeksinstituut verbonden aan Columbia University, testte acht AI-zoekmachines specifiek op het citeren van nieuwsbronnen: de tools kregen telkens een fragment tekst en moesten daar de juiste titel, uitgever en URL bij terugvinden. In totaal 1600 van dit soort citatie-vragen, twintig nieuwsuitgevers keer tien artikelen keer acht chatbots. Gemiddeld beantwoordden de tools meer dan 60 procent daarvan incorrect. Perplexity scoorde relatief het beste met 37 procent fout, Grok 3 het slechtste met 94 procent fout. Zelfs de tool die het beste scoorde op bronvermelding citeert dus geregeld verkeerd, en dat met een overtuigende toon die twijfel niet altijd zichtbaar maakt.

    Tegelijk groeit het gebruik van meerdere tools naast elkaar snel. Nederlanders gebruiken in mei 2026 gemiddeld anderhalve AI-dienst, bij de groep van 13 tot 24 jaar loopt dat op tot 1,7. Multi-tool gebruik is dus geen nichegewoonte van early adopters, maar een patroon dat breed terugkomt.

    Regie op AI: controle door te combineren

    Als onafhankelijk universitair onderzoek laat zien dat AI-tools zelfs bij iets controleerbaars als brontoeschrijving geregeld fout zitten, verschuift de vraag. Niet meer “kan ik AI vertrouwen”, maar “hoe organiseer ik zelf de controle”. Dat is een overgang van blind vertrouwen naar bewuste regie, en het hangt samen met in welke fase van de AI-hype je als professional eigenlijk zit. Het is eigenlijk niet meer dan hoe je met een collega zou werken. Ook daar laat je een belangrijk stuk niet zonder feedbackronde de deur uit. Waarom zou dat bij AI anders zijn?

    Wat betekent dit voor de Achterhoek en de professional?

    Je hoeft er geen ingewikkeld systeem voor op te tuigen. Een paar concrete stappen volstaan. Gebruik een tool met actuele bronvermelding, zoals Perplexity, voor feitenonderzoek en cijfers. Laat een tweede tool, Claude of ChatGPT, het schrijfwerk of de analyse doen. Vraag bij stukken die ertoe doen, een offerte, een artikel, een advies aan een klant, een derde blik: een andere tool, of dezelfde tool in een nieuw gesprek zonder eerdere context. Voor zzp’ers en kleine teams in de regio zonder eigen kwaliteitsafdeling is dat een laagdrempelige manier om toch een vorm van controle in te bouwen, zonder dat het extra tijd hoeft te kosten. Bovenal: test wat voor jou werkt – elk bedrijf is anders en elke ondernemer heeft een andere visie en aanpak. Van experimenteren kun je leren.

    Eieren in verschillende mandjes

    Dit is geen pleidooi om drie abonnementen tegelijk te nemen. Het is een simpel uitgangspunt: laat een belangrijk antwoord niet bij de eerste AI die het geeft en wees kritisch op alles wat je AI produceert. Eén gratis account erbij, gebruikt op het juiste moment, is vaak al genoeg om een deel van de citatiefouten eruit te halen die het onderzoek van Columbia University blootlegde.

    We bespreken dit soort praktische AI-vraagstukken ook op 25 september tijdens Achterhoekse Intelligentie in Lichtenvoorde, samen met ondernemers en professionals uit de regio. Meer over het programma vind je op de eventpagina, tickets zijn er via de ticketpagina.

  • Hoe bouw je een multi-agent workflow met AI: een praktische gids voor professionals, zzp’ers en ondernemers

    Hoe bouw je een multi-agent workflow met AI: een praktische gids voor professionals, zzp’ers en ondernemers

    Je hebt één AI-tool, je gebruikt hem dagelijks, en op een gegeven moment merk je dat je dezelfde output steeds handmatig doorgeeft aan een volgende stap. Je kopieert tekst van ChatGPT naar een ander systeem, plakt een samenvatting in een e-mail, of voert een resultaat handmatig in ergens anders. Op dat moment ben jij zelf de agent. Dat kan anders.

    Dit artikel is bedoeld voor iedereen die al enige ervaring heeft met AI-tools en een stap verder wil. Niet alleen voor technisch ingestelde professionals, maar ook voor zzp’ers, HR-managers, adviseurs, communicatiespecialisten en iedereen die structureel met AI werkt en merkt dat losse tools niet genoeg zijn.

    Wat is een multi-agent workflow?

    Een multi-agent workflow is een keten van AI-stappen die automatisch na elkaar worden uitgevoerd, waarbij de output van de ene stap de input wordt van de volgende. Elke stap is een “agent”: een AI-instructie die een specifieke taak uitvoert.

    Een eenvoudig voorbeeld: je ontvangt een e-mail van een klant. Agent 1 leest de e-mail en bepaalt de urgentie. Agent 2 zoekt relevante informatie op in je kennisbank. Agent 3 stelt een conceptantwoord op. Jij reviewt en verstuurt. Drie stappen, drie agents, jij alleen aan het einde.

    Het woord “agent” klinkt ingewikkelder dan het is. In de praktijk is het gewoon een reeks instructies die een AI-tool uitvoert op basis van wat de vorige stap heeft opgeleverd. Vergelijk het met een estafette: elke loper doet zijn stuk, en het stokje gaat automatisch door.

    Voor wie is dit?

    Multi-agent workflows zijn niet alleen interessant voor IT’ers of technische profielen. Ze zijn relevant voor iedereen die terugkerende, meertrapsprocessen heeft waarbij AI een of meer stappen kan overnemen.

    Zzp’ers en freelancers die elke week dezelfde soort offertes schrijven, projectupdates sturen of nieuwsbrieven samenstellen kunnen hier direct mee aan de slag. Je bouwt het één keer en herhaalt het zonder moeite.

    Professionals in organisaties die werken met Microsoft 365 kennen Copilot al als schrijfhulp, maar de volgende stap is Copilot inzetten als onderdeel van een grotere keten, waarbij meerdere stappen in Teams, Outlook, SharePoint of Power Automate aan elkaar worden gekoppeld.

    Ondernemers en managers die regelmatig rapportages, klantcommunicatie of planningsupdates moeten produceren, kunnen een workflow bouwen die dit deels of volledig automatiseert.

    Technici en IT-professionals die verder willen dan no-code tools, kunnen met OpenClaw of LangGraph volledige controle nemen over hun AI-stack, inclusief zelf-gehoste modellen.

    Praktische voorbeelden per werkveld

    Hieronder een overzicht van concrete toepassingen, gesorteerd per werkveld. Elk voorbeeld beschrijft de stappen in de workflow:

    Werkveld Trigger Agent 1 Agent 2 Agent 3 Uitvoer
    Zzp / dienstverlening Nieuw contactformulier Kwalificeer aanvraag Haal relevante referenties op Schrijf offerteconcept Concept in e-mail of Word
    HR / recruitment Nieuwe sollicitatie binnen Analyseer cv op criteria Vergelijk met functieprofiel Schrijf selectiefeedback Notitie in ATS of e-mail
    Communicatie / marketing Nieuws-RSS trigger Selecteer relevante berichten Schrijf samenvatting per item Stel nieuwsbrief op Draft in Mailchimp of HubSpot
    Advies / consultancy Vergadernotitie geüpload Extraheer actiepunten Wijs actiepunten toe aan persoon Schrijf follow-up e-mail Verstuurd of opgeslagen
    Maakindustrie / techniek Storingsmelding binnenkomt Classificeer storingstype Zoek eerdere oplossingen op Stel werkorder op Taak in planningssysteem
    Onderwijs / training Deelnemer vraagt om feedback Analyseer ingediend werk Vergelijk met beoordelingscriteria Schrijf gepersonaliseerde feedback Terugkoppeling naar deelnemer

    Elk van deze workflows is te bouwen met de tools die hieronder worden besproken, zonder programmeerkennis, op de laatste rij soms na.

    Welke tools gebruik je?

    Make en n8n: de visuele aanpak

    Make (voorheen Integromat) is het meest toegankelijke startpunt. Je bouwt workflows visueel via blokken die je aan elkaar knoopt. Een e-mailmodule, een ChatGPT-module, een uitvoermodule naar Slack of Google Docs, en je bent klaar. Geen code.

    n8n werkt vergelijkbaar maar biedt meer controle en kan je zelf hosten. Dat laatste is relevant als je gevoelige bedrijfsdata niet via externe servers wilt sturen, wat voor advocatenkantoren, zorgprofessionals of productiebedrijven een harde eis kan zijn.

    Microsoft Copilot: de workflow die al in je werkplek zit

    Voor iedereen die werkt met Microsoft 365 is Copilot de meest voor de hand liggende plek om te beginnen. Copilot is al aanwezig in Teams, Outlook, Word, Excel en SharePoint, en de integratie met Power Automate maakt het mogelijk om meertrapsworkflows te bouwen zonder extra software.

    Concrete toepassingen van Copilot in een bredere workflow:

    In Teams en Outlook: Copilot kan vergaderingen samenvatten, actiepunten extraheren en die automatisch doorsturen naar een takenlijst in Planner of een e-mail naar de betrokkenen. Dat is in feite een twee-stapsworkflow: samenvatten, dan distribueren.

    In Word en PowerPoint: Je kunt Copilot een document laten verwerken (samenvatten, herschrijven, vertalen) en de output via Power Automate automatisch opslaan op een SharePoint-locatie of doorsturen naar een collega.

    In Excel: Copilot analyseert data en formuleert inzichten in gewone taal. Combineer dat met Power Automate en je kunt automatisch een wekelijks rapport genereren op basis van een bijgewerkte spreadsheet.

    Met Copilot Studio (de uitgebreidere versie voor organisaties) kun je eigen agents bouwen die toegang hebben tot je interne kennisbank, klantdata of SharePoint-omgeving. Dit is de Copilot-variant van wat Make en n8n doen, maar dan volledig binnen het Microsoft-landschap.

    De beperking van Copilot is dat het het beste werkt binnen het Microsoft-universum. Zodra je ook externe tools wil koppelen, of meer controle wil over de logica, kom je sneller bij Make, n8n of OpenClaw terecht.

    OpenClaw: krachtig, populair, en niet zonder risico’s

    OpenClaw is een open-source AI-agent, gemaakt door de Oostenrijkse ontwikkelaar Peter Steinberger. Het project begon in november 2025 onder de naam Warelay, werd daarna Moltbot en kreeg uiteindelijk de naam OpenClaw. Het groeide uit tot het snelst groeiende open-source project in de geschiedenis van GitHub, met meer dan 300.000 sterren in april 2026. Steinberger werkt inmiddels bij OpenAI; het project wordt onderhouden door de onafhankelijke OpenClaw Foundation.

    OpenClaw draait lokaal op je computer en koppelt aan een LLM naar keuze, zoals Claude, GPT of DeepSeek. De gebruiker communiceert met de agent via berichtenapps als Signal, Telegram, WhatsApp of Discord. De agent kan vervolgens taken uitvoeren: e-mails versturen, aankopen doen, systemen aanroepen, workflows starten. Dat maakt het krachtig. En dat maakt het ook het meest instructieve voorbeeld van wat er mis kan gaan met autonome agents.

    ai.nl en The Automation Group gebruiken OpenClaw actief in trainingsprogramma’s en klantprojecten. Het past in hun bredere aanpak van open-source AI waarbij teams zelf de controle houden over hun AI-stack.

    De risico’s zijn gedocumenteerd en de moeite waard om te kennen.

    In februari 2026 werd een ernstig beveiligingslek ontdekt (CVE-2026-25253, score 8.8 op 10). Meer dan 42.000 OpenClaw-installaties bleken zonder authenticatie toegankelijk. Wie toegang had, had ook toegang tot alles wat de agent kon doen: bestanden lezen, berichten sturen, aankopen doen.

    Maar ook zonder beveiligingslek gaat het soms mis. Een gebruiker gaf zijn agent toegang tot iMessage met de instructie “stroomlijn mijn communicatie”. Het resultaat: meer dan 500 ongewenste berichten verstuurd naar contacten voordat de eigenaar het merkte. Een andere gebruiker zag zijn agent een dispuut starten met zijn verzekeringsmaatschappij op basis van een verkeerd begrepen bericht.

    Het bekendste grappige voorbeeld, dat inmiddels door meerdere podcasters is rondverteld: iemand gaf zijn agent de instructie “help me fitter worden”. De agent interpreteerde dit naar eigen inzicht, zocht de meest voedzame maaltijdoptie die hij kon bestellen, en liet zelfstandig een grote hoeveelheid gerookte zalm bezorgen. Aan huis. De intentie klopte, de uitvoering was creatief. En de koelkast stond vol.

    Ernstiger is de ClawHub-kwetsbaarheid. ClawHub is de community-repository waar gebruikers zelf “skills” kunnen publiceren en downloaden. Kwaadwillenden hebben daar malafide pakketten geplaatst, vermomd als handige tools. Na installatie stelen ze data van de gebruikersomgeving.

    Wat betekent dit praktisch? Geef een agent nooit meer toegang dan strikt nodig. Installeer geen skills van onbekende bronnen. Zet altijd een menselijke goedkeuringsstap in voor acties met externe gevolgen, zoals betalingen, berichten of systeemwijzigingen. Voor wie dat begrijpt en accepteert, is OpenClaw een serieuze optie. Remy Gieling, die OpenClaw actief inzet in zijn werk en spreker is op Achterhoekse Intelligentie, bespreekt op 25 september in NYC Lichtenvoorde dit soort keuzes in de praktijk.

    Hoe bouw je je eerste workflow?

    Stap 1: Kies één herhalend proces. Niet het meest complexe, maar het meest vervelende. Iets wat je elke week doet en waarbij je steeds dezelfde stappen doorloopt.

    Stap 2: Schrijf het proces op als stappenlijst. Wat komt er binnen, wat doe jij ermee, wat gaat eruit? Wees concreet. “Ik lees de e-mail, bepaal of het een klacht of een vraag is, zoek het antwoord op en schrijf een reactie” is bruikbaar. “E-mail verwerken” is dat niet.

    Stap 3: Bepaal welke stappen AI kan overnemen. Niet alles hoeft geautomatiseerd. De beoordeling of een klacht escalatie vereist wil je misschien zelf doen. Het opstellen van een standaardantwoord niet.

    Stap 4: Bouw een eerste versie. Gebruik Make als je geen technische achtergrond hebt. Gebruik Copilot als je al in het Microsoft-landschap werkt. Gebruik n8n als dataprivacy een eis is. Gebruik OpenClaw als je een technisch team hebt en vendor lock-in wil vermijden.

    Stap 5: Loop er één week handmatig naast. Vergelijk wat de workflow produceert met wat je zelf zou hebben gedaan. Pas de instructies aan waar de output afwijkt. Een workflow die meteen perfect werkt bestaat niet, maar een werkbare versie heb je binnen een middag.

    Tips voor professionals die verder willen

    Schrijf je prompts als protocollen, niet als verzoeken. “Schrijf een samenvatting” is een verzoek. “Extraheer de drie belangrijkste actiepunten, formuleer ze als taak met een verantwoordelijke en een deadline, schrijf ze op in dit formaat: [naam] – [taak] – [datum]” is een protocol. Workflows werken beter met protocollen.

    Bouw modulair. Maak elke stap in je workflow klein en vervangbaar. Als agent 2 niet goed werkt, wil je die kunnen aanpassen zonder de rest te breken.

    Voeg altijd een menselijke reviewstap in bij beslissingen met gevolgen. Een workflow die een offerte opstelt is waardevol. Een workflow die de offerte ook verstuurt zonder jouw goedkeuring is riskant. Gebruik AI voor het zware werk, houd de beslissing zelf.

    Documenteer je workflows. Schrijf op wat elke stap doet, welke instructie erin zit en waarom. Over drie maanden weet je het niet meer uit je hoofd, en een collega al helemaal niet.

    Test met randgevallen. Wat doet je workflow met een e-mail in een andere taal? Met een leeg formulier? Met een agressieve klanttoon? Workflows die alleen werken bij standaardinvoer zijn breekbaar.

    Als je wilt weten hoe je de output van je workflow betrouwbaar houdt, lees dan ook ons artikel over wat AI concreet oplevert voor zzp’ers en kleine bedrijven.

    Geen antwoord, wel een richting

    Multi-agent workflows zijn geen eindbestemming. Ze zijn een werkwijze die je kunt opschalen zodra je vertrouwen hebt in de uitkomsten. Begin klein, met één proces en één tool. Bouw van daaruit.

    De keuze voor Make, Copilot, n8n of OpenClaw hangt af van je technische achtergrond, je privacyvereisten en de omgeving waarin je werkt. Er is geen universeel goed antwoord. Wel een slechte aanpak: wachten tot je het volledig begrijpt voordat je begint.

    Op 25 september bespreken we op Achterhoekse Intelligentie in NYC Lichtenvoorde hoe professionals en ondernemers AI praktisch inzetten, inclusief dit soort automatiseringen. Bekijk het programma en de tickets.

    Welk proces in jouw werk zou je morgen willen automatiseren als je wist hoe?