Doeltreffend met AI-agents

In deze aflevering hoor je alles over mijn nieuwe boek Doeltreffend met AI-agents waarin ik laat zien wanneer AI-agents een passende oplossing zijn voor bedrijfskritische processen en wanneer niet. Veel plezier met deze speciale aflevering waarin ik zelf de gast ben. Hoi, leuk dat je weer luistert naar een nieuwe aflevering van AIToday Live. En vandaag een hele speciale aflevering. Want voor de vaste luisteraars bekende namen, maar ze zijn wel te gast bij deze aflevering. Mijn naam, Niels Naglé, Area lead, Data & AI bij Info Support. En onze eerste gast... Ja, Joop Snijder, CTO bij Aigency. En de tweede, Kim Pot, marketing lead van Aigency. Kijk, hartstikke leuk. En we gaan het vandaag hebben over een boek dat je hebt geschreven, Joop. Ja, leuk. Voordat we er diep in gaan, eerst even voor degene die nog geen vaste luisteraar zijn, maar hierna natuurlijk wel. Zou je jezelf even voor willen stellen aan de luisteraars? Ja, dat is toch wel bijzonder. Nou ja, Joop Snijder. Ik zit al een jaar of 13, 14 in het vakgebied van AI. Hartstikke leuk, doe van alles en nog wat. Begeleid klanten bij het opzetten van een AI-project. Geef workshops rondom. Ideeën opdoen van waar AI nou echt kan helpen bij het veranderen van je bedrijfsdoelstellingen. Strategisch advies, van alles en nog wat. Ik ben ook nog hoofd aan het Research Center bij Info Support, waar we wetenschappelijk onderzoek naar van alles rondom kunstmatige intelligentie ondersteunen. Dus we hebben zo'n 10 tot 15 masterstudenten per jaar die we begeleiden bij voornamelijk fundamenteel onderzoek op het gebied van kunstmatige intelligentie. Dus we hebben zo'n 10 tot 15 masterstudenten per jaar die we begeleiden bij voornamelijk fundamenteel onderzoek op het gebied van kunstmatige intelligentie. Dus we hebben zo'n 10 tot 15 masterstudenten per jaar die we begeleiden bij voornamelijk fundamenteel onderzoek op het gebied van kunstmatige intelligentie. Kijk, dat is een aardige bagage die je al mee mag dragen. En je hebt ook nog een podcast, hè? Ja, een jaartje of vijf, hè? Ja, daarom gaan we zitten. En Kim, zou je ook even voorstellen? Ja, ik ben marketing lead van de Aigency. Auteur, trainer, spreker. Voorzitter van de AI-marketing community. Dus ja, leuk om weer te gast te zijn. Ja, en dankjewel dat je me komt helpen om ook... Ja, we gaan Joop even drinken. ...ondervragen over zijn boek, inderdaad. Maar eerst even de vraag. Wat was het moment dat je had besloten om dit boek te schrijven? En ja, we hebben de titel nog niet eens genoemd, dus noem ook gelijk even de titel van het boek. De titel is Doeldreffend met AI. En ja, wanneer ben ik daarmee begonnen? Dat is eigenlijk best wel een lastige vraag. Want eind vorig jaar, dus over eind 2024, zijn we natuurlijk al begonnen in een podcast over wat zijn AI-agents. Dus het kwam steeds meer op. En toen ik er ook over gesproken werd, ook in de media gesproken werd, we waren er zelf al langer mee bezig, vond ik het belangrijk om uitleg te gaan geven van ja, wat is het, wat kun je ermee, wat is het ook niet. Want er is denk ik ook best wel heel veel verwarring over. Dus dat is denk ik het eerste moment dat ik ben gaan schrijven, maar dan voor de podcast. En ergens begin april, ik kan je de datum niet per se noemen. Als je maar niet de 1 april noemt nu. Ja, juist omdat er steeds meer in de media kwam. En ik me er ook wel langzaamaan begon te ergeren. Hoe er gekeken werd naar agent. Hoe makkelijk erover gedaan werd. En dat er weinig zicht werd, of laat ik zeggen, dat er weinig aandacht was voor, best wel de uitdagingen die er zijn als je agents wil gaan inzetten in een bedrijfskritisch proces. Het is heel erg leuk om een agent te hebben die persoonlijk werk voor je doet. Dan is het ook helemaal niet zo erg als hij fouten maakt. Dan kan je daar ook constant toezicht op houden. Maar als je het in bedrijfskritische applicaties gaat doen, dan gaat het in grote volumes. Ja, daar komt iets heel anders bij kijken. En dat was het moment dat ik dacht van ja, maar dan moet ik daar ook over gaan schrijven. En de ervaringen die we hebben, die ik zelf ook op heb gedaan om dat eens op papier te zetten. Ja, ik heb hem al gelezen inderdaad. Uiteraard. En Kim ook. Ik was heel erg blij met de structuur, omdat het heel erg praktisch aanvoelt. Van we gaan van wat is het naar hoe maak je het tot hoe pas je het binnen de organisatie toe. Echt van begin tot eind. Maar ik denk, laten we even bij het begin beginnen. Wat is eigenlijk een AI agent en hoe verhoudt het zich tot agentic AI, wat nu in de media natuurlijk enorm, rond gaat. Ja, nou, er is op zich geen hele strakke definitie over wat een AI agent is, en dat maakt meteen de discussie ook zo lastig. Wat ik zeg is dat een agent dat die in ieder geval zeg maar. Taakgedreven is of die krijgt een taak, krijgt een doel, het is doelgedreven en daar moet u een oplossing voor zien te vinden. Moet zelf ook dat adaptief kunnen veranderen, maar hoe die uiteindelijk zeg maar tot tot het doel komt. Ehm. Nou, dat dat is eigenlijk het het allerbelangrijkste. En wat je tegenwoordig ziet, want want agents zijn eigenlijk al veel langer. Eh, we kennen al agent uit uit de jaren 80, is dat de huidige agents hebben ook nog zeg maar tussen aanhalingstekens een brein. Het is dat het taalmodel bepaalt, welke stappen er uitgevoerd moeten worden om, tot een doel te komen. En de en de agent ik. Mm-hmm. Gent ik. En jij wat je daar ziet is vroeger noemde dat een multi agent systemen wat mij betreft. Ehm en dan de gaat het er over dat de huidige agents dat die samenwerken en samen, tot een groter doel, komen. Ja, dat dat is het eigenlijk. Ik ben benieuwd. Je zei net het beeld wat er van heerst. Dan raak je geïrriteerd van. Ja, waar zit het verschil voor jou? Het is het beeld. Wat er heerst en wat het eigenlijk echt is. Nou ja, waar we tegenaan lopen is , , we hebben dingen als greenwashing, hè, waarbij alles wordt gezien als hé, maar dat is heel goed voor het milieu en dan plakken we de sticker. Dit is, dit is groen en, en duurzaam op. Nou, dat zie je nu eigenlijk ook gebeuren met met het verhaal rondom agents. Het is dat er is iets als agentwashing. Dus dus , overal waar en waar iets nu met AI. Eh, soms zelfs als er helemaal geen AI, bij komt kijken, dan noemen we iets in één keer een agent. Eh, en dat maakt het wel vervelend. Eh, want dan is er zoveel verwarring over van, wat is het nou en wat komt er dan bij kijken? Want als jij denkt dat het afvuren van een prompt dat dat een agent is. Eh, ja, dan dan heb je hele andere uitdagingen dan. Ja, daar heb je heel veel minder uitdagingen in ieder geval. Terwijl als je echt een agent hebt, die die redelijk autonoom taken voor jou uitvoert, daar komt zoveel bij kijken. Eh, en dat dat geeft hem in ieder geval voor mij de irritatie, ten opzichte van wat er in de media komt, wat er in social media gedaan wordt. Er wordt gezegd, oh ja, weet je, je je klikt eventjes een workflow in en et en in elkaar of met make. En we hebben een agent. Eh, dus dat dat dat is eigenlijk wat me. Ja, ja, en en dit stukje automatisering, die je natuurlijk vaak, onder de onder de motorkap ligt. Eh, wat maakt deze, verandering nu zo anders ten opzichte van de automatisering die we al jaren doen? Ja, dus wat we met de software ontwikkeling doen, is dat het regel gebaseerd is. Eh, dus en dan hebben we echt overal, als dit gebeurt, dan gaan we dat doen en, dat hebben we op een dusdanig niveau gemaakt dat je daar ook een hele vaste workflow van kan maken. Dus dat je zegt van ja, maar we voeren eerst, taak één uit en, als die is uitgevoerd, hebben we daar waarschijnlijk nieuwe data van en die geven weer aan taak twee. En dat is dat is heel erg stapsgewijs regel gebaseerd voer je dat uit. Nou, wat wat doet een agent nou? Die geef je een opdracht en daarvan weet je eigenlijk helemaal niet hoe die die gaat opdelen in taken. Eh, je geeft hem gereedschappen waarmee die de taken mogelijk kan uitvoeren. En die gereedschappen kunnen zijn dat die data kan ophalen, dat die acties kan uitvoeren. Eh, er kan van alles zijn. Eh, maar dat betekent dus ook dat bij gelijke gevallen. Hm. Dat er andere stappen, plannen worden gevolgd. Dan dat die daarvoor heeft gedaan. Dan dat die daarvoor deed. Ja, want ik hoor je zeggen mogelijk. Terwijl bij automatisering, maken we vaak een plan van hé, we verwachten gewoon dat het repeatable is en dat het gewoon iedere keer hetzelfde uitvoert. Wat, wat maakt dat dan? Dat je dat mogelijk maakt? Dat je dat mogelijk gaat doen? Nou, dat, dat heeft te maken met dat taalmodel. Dat, dat taalmodel stelt een soort van stappenplan op. En dat, dat taalmodel daar zit al een mate van variabiliteit in. Dus er zit een mate van willekeur in. Eh, dus ja, als je, als je nu twee keer een vraag stelt, kan je ook een ander antwoord krijgen die misschien semantisch gelijk is. Eh, maar wel anders gesteld. Dus dat betekent dat zo'n stappenplan uiteindelijk zeg maar dezelfde resultaten kan opleveren. Maar dat hoeft niet in dezelfde volgorde te zijn. Nee. Dus als jij complexe taken krijgt zelf, die niet standaard voor jou zijn. Ja, de, de kans zeg maar dat jij deze maand dat hetzelfde zou doen als dat je dat vorige maand hebt gedaan, omdat er een heel ander tijdspad tussen zit. Ja, die kans is heel klein. Ja. En zo zou je dat eigenlijk ook moeten zien bij dit soort agents. Dus dat stappenplan wordt iedere keer opnieuw gemaakt. En daar zit ook een kracht. Ik kan het zeggen, ja. Als je, als je een standaard workflow hebt, ik denk dat ik dat ook in het boek, zoveel mogelijk probeer uit te leggen, weet je, gebruik dan ook gewoon de standaard workflow. Eh, plak daar niet het woord agent op. Weet je, het kan zijn dat je daarin, taalmodellen gebruikt om slimme dingen te doen of machine learning modellen gebruikt. Maar dan ga je wel een workflow af, hè. Eerst stap één, stap twee, stap drie. Omdat je, omdat dat gewoon de logische manier is van aanpakken. En heel veel van ons werk, is dat het een soort standaard workflows. Ja. Dus als je een niet standaard workflow hebt, dan komen we pas op het gebied van AI agents uit. Ja, en in je boek staat het ook mooi beschreven. Een soort van gelaagdheid van welke uitdagingen kom je tegenaan. Eh, wat heb je zelf daarvan ervaren dat je dacht van, goh, ik heb hier eigenlijk een niet passende oplossing gemaakt als een agent, terwijl eigenlijk moest het een workflow zijn? Nou, dat hebben we gedaan voor onze podcast, hè. Dus de podcast Research Agent, die behandel ik ook weer in het boek. En dat gaat erover dat het, die Research Agents worden ook heel erg aangeprezen, hè. Van, ja, weet je, die kunnen geweldige dingen voor je doen. Dus ik dacht, ik ga een Research Agent maken voor onze gasten, hè. Dus we krijgen een gast, Kim die nodigt dan de gast uit. En hoe gaaf zou het zijn als de AI van alles voor ons uitzoekt. Wat diegene gedaan heeft, wat de achtergrond is, mogelijke vragen die we zouden kunnen stellen. Er zit ook een stukje in, hè, dat we vragen van, doe ze wat out of the box vragen, om ons zelf te prikkelen. Dus we hebben nooit een vragenlijst voor onze neus, hè. Maar dat we ons een beetje inlezen. Jij kijkt de video's, ik lees wat degene geschreven heeft. Dus daar kunnen mooie samenvattingen gemaakt worden van artikelen die iemand gepubliceerd heeft. Dus ik dacht, nou, dat is nou echt werk voor een agent. Ja. Ja. Eh, niet dus. Ligt er niet. Wat ging er mis? Wat ging er mis? Er ging juist heel veel mis. Eén van de dingen is, juist door dat stappenplan, hè, dus dat er iedere keer wat anders werd gedaan. Die stappen die kunnen misgaan. Sterker nog, die gingen heel vaak mis. Maar, dan gebruik je daar frameworks voor. Hm-hm. Waartegen je programmeert. En die geven heel slecht inzicht in wat er dan fout gaat. En als het dan fout gaat, dan heb ik dus niet de mogelijkheid om te zeggen van: als dit fout gaat, moet je dat doen. Dus er ging zoveel fout, dat dat gewoon niet meer leuk was. Heb je een voorbeeld? Ben even benieuwd. Nou, één van de dingen is bijvoorbeeld dat er geen artikelen gevonden konden worden. Eh, nou, dan krijg je een foutmelding. En dan stopte de agent. Dus dan moest ik hem weer starten en aangeven van: ja, je mag ook doorgaan als er niks is. En zo waren er zeg maar steeds meer, ja, ik liep ook tegen rate limits aan, hè. Dus dat, ik gebruikte dan de Go in plaats van Google om dan zoekacties te doen. Nou, dan mag je er maar zoveel per dag doen. Dus daar loop je dan tegenaan. En dan klapt zo'n agent, die klapt er gewoon uit. Dus al die foutafhandeling die we normaal gesproken, als je aan het programmeren bent, zelf kan zeggen van: hé, als ik tegen een rate limit aanloop, ga dan gewoon verder. Of gebruik dan Google als achtervang. Dat zijn allemaal zaken die ik dan kan programmeren, die ik met dit soort frameworks gewoon niet of heel moeilijk, eh, ja, dat kon gaan maken. En wat ik dan proef is ook een stukje logging of inzicht in van wat gebeurt er en de variabiliteit daarin. Kan je ook niet alle situaties die potentieel gaan gebeuren, want die weet je niet, meenemen in wat er dan zou moeten... Ja, en dan vooral eigenlijk dat je daar heel weinig controle over hebt. En dus doordat ik daar steeds tegenaan liep, ben ik opnieuw gaan nadenken over van: ja, maar wat zijn we nu eigenlijk aan het doen? Eh, en wat bleek? Ja. En wat bleek is dat ik ook een normale workflow heb. Ik zeg van: oh ja, maar ik zoek eerst eens eigenlijk de achtergrondinformatie van diegene. En als ik die heb, kunnen we dan artikelen vinden. En als ik artikelen heb gevonden, dan laat ik die samenvatten door een taalmodel. En als ik die samenvattingen heb, destilleer daar dan vragen uit. En als we dat dan weer hebben en zo, eigenlijk is het, was het gewoon weer van stap 1, 2, 3, 4. En dan kan ik dan wel weer handige AI dingen voor gebruiken. Maar ik heb het stappenplan niet meer laten bepalen door de agent. Nee, want die was eigenlijk gewoon vast en dat was gewoon bekend en we wisten wat we daar voor stappen nodig hadden. En er zat ook geen adaptief vermogen vraag in. Dus dat hij iets anders moest doen op basis van een antwoord die die kreeg, bijvoorbeeld uit de zoekacties. Het was altijd samenvatten en niet iets anders. Wat, wat, waar... Een heel klein stukje wat ik wel miste, is dat ik kon vragen van: zorg dat ik relevante artikelen krijg en ontdubbel ze. Dat was wel heel erg fijn, weet je. Want dan, dat is dan iets wat zo'n agent dan wel voor je doet. Maar hoe bepaal je dan als organisatie inderdaad van wat voor taken zijn wel geschikt voor een agent? Ja, daar zijn in die zin verschillende methodes voor. Kijk, het belangrijkste is dat je je proces in kaart brengt van: Wat wil je ermee? Wat is het doel? En waar vindt het ook in het proces plaats? Dus daar zijn verschillende technieken voor. Je hebt de Five Wise techniek. Dat is eigenlijk heel erg simpel. Daar kan je gewoon verdiepende vragen gaan je stellen. Je kan kijken naar waar zitten echte bottlenecks in je proces. En dan ga je ook nog een soort van vragenlijst voor jezelf af. Dat je eerst denkt van: Ja, maar moeten we deze taak eigenlijk überhaupt wel uitvoeren? Want dan wordt er heel weinig bij stilgestaan. Want we blijven altijd maar doen wat we doen. Maar juist bij automatisering is denk ik het moment om na te denken van: Ja, is dit überhaupt nodig? Stoppen we ermee? Ja, want uiteindelijk als je dit gewoon stopt en schrapt, weet je, dat is de allergoedkoopste oplossing. Dan heb je geen automatisering nodig. Dan ga je kijken van: Kan je misschien het proces veranderen? Dat je het zodanig herstructureert dat je het ook niet hoeft te automatiseren. Dan kan het opgelost worden met traditionele software engineering. Want uiteindelijk alles wat regelgebaseerd is, is veel beter onderhoudbaar, is goedkoper, is makkelijker te bouwen. En de laatste stap is dan gaan we het met AI oplossen. En zijn AI agents dan hier de oplossing voor? Dat is misschien een beetje raar. Want ik schrijf dus een heel boek over AI agents. Ik zeg: Het is echt het laatste wat mij betreft waar je dan naar kijkt. Precies. Hierom is denk ik jouw boek heel waardevol. Het gaat niet in op de hype van: Je moet nu iets met AI agents gaan doen. Het is heel realistisch. Ja, en dat is ook waarom ik het zo belangrijk vind. En waarom ik ook als titel doeltreffend met AI agents heb gekozen. Want het gaat niet om de technologie. Het gaat niet om de hype. Het gaat er niet om: Kijk, ons is hoe gaaf wij AI agents hebben. Het moet uiteindelijk een doel hebben waarom je dit doet. En dan ook nog dat het bijdraagt aan een bedrijfsdoel of een organisatiedoel. Ja, ik zit nog even met doeltreffend. Dus het doel moet je helder hebben. En het moet ook treffend zijn in de zin van passende oplossing. Dat is dan denk ik wat je met doeltreffend echt in de titel ook bedoelt. Ja, en daarom ook zeg maar dat afpellen van: Moet je überhaupt die taak doen? Tot zijn AI agents dan ook daadwerkelijk... doeltreffend voor wat je wilt bereiken. Ja, wat ik wel mooi vond aan je boek is sowieso de structuur. En je gaat in over wanneer zou je dan een agent moeten hebben. Maar heb je de keuze gemaakt voor een AI agent? En dan heb je nog meer keuzes. Namelijk ga ik het low-code oplossen? Ga ik het anders maken? Kan je wat meer toelichten over wat zijn die varianten die je dan... als je met een AI agent aan de slag gaat, wat voor keuzes je nog kan maken daarin? Ja, in die zin heb je drie grove keuzes denk ik. Dat is no-code, low-code en maatwerk, high-code. En dat laatste is dus volledig zelfstandig programmeren. Het eerste, no-code, is dat je tools gebruikt zoals... n8n, make, dat soort. En vaak kan je daar ook nog zelf wat code aan toevoegen. En dan zit je in een low-code omgeving. En die no-code, low-code is denk ik heel erg handig voor persoonlijke agents. Wat ik zei, die kan je heel makkelijk in elkaar klikken en slepen. Ik denk dat je daar ook heel makkelijk prototypes kan maken. Dus die zijn daar wat mij betreft heel goed in. Wat lastig is, is als je aan allerlei compliance eisen moet voldoen. Schaalbaarheid. Ja, dus ik kan me zo voorstellen dat als jij duizenden en duizenden transacties per seconde moet afhandelen... daar zijn dit soort systemen gewoon niet voor ingericht. De foutafhandeling waar ik het net over had met die research agents... die is vaak daar ook heel erg lastig in. Wat je aan het doen bent, is een soort van happy flow aan het ontwerpen. Zo zou ik het eigenlijk moeten zeggen. En zolang dat goed gaat, gaat het goed. Prima. Dus als je veel robuuster, als het altijd moet blijven werken, kwalitatief goed moet zijn... dan ga je richting de high-code. Maar dat is natuurlijk ook een duurdere variant. Je hebt ook te maken met kostenafweging. Dus het kan ook heel erg nuttig zijn om naar die low-code, no-code te gaan. Dus het hangt in die zin heel erg van je situatie af... wat je uiteindelijk wil. Wat je wanneer nodig hebt. Bijvoorbeeld controle, allemaal van dat soort afwegingen... die je ook in het boek meeneemt om een helpende hand te bieden in de keuzes daarin. En zitten daar ook de grootste valkuilen in? Dus als mensen met een AI agent willen werken, waar gaan ze altijd de mist in? Nou, ik denk vooral het testen. Het testen. Het testen. Ik moet wel zeggen dat het maken van de keuze van no-code load... high-code, dat het echt wel een strategische keuze is. Dus je gaat niet zomaar, als je heel veel geïnvesteerd hebt in de ene... zomaar over naar de ander. Dus je moet daar echt goed over nadenken. Maar de grootste valkuil is dat er niet nagedacht wordt over testen. En dat testen gaat heel erg als er getest wordt... of die doet wat we verwachten dat die doet. Dat klinkt denk ik als een open deur. Want dat doen we altijd met software. Maar wat vergeten wordt, is: doet die alleen wat we verwachten dat die doet? Doet die alleen maar wat we vinden dat die mag doen? Juist omdat het brein van de AI agent dat taalmodel is... kunnen daar zulke andere uitkomsten uitkomen... dat je heel goed de grenzen moet gaan testen van: Wat doet de agent wel? Wat doet die niet? En wat mag die ook niet? Omdat die grote taalmodellen hebben natuurlijk heel veel kennis in zich. Dus als daar vragen... voorbij komen waar die antwoord op kan geven... gaat die antwoord geven. Je kan je voorstellen als jij een agent maakt in een HR setting... dat die op geen enkele wijze medisch advies mag geven. Maar dat doe je niet door alleen maar te zeggen: Je mag geen medisch advies geven. Dus daar moet je heel goed op testen. En dan heb je nog te maken met... Dit is nog normaal gebruik. Die agents gaan zo direct in het wild. Gaan ze relatief autonoom bezig. Wat doe je met alles waar mensen proberen in te breken? Of iets proberen wat niet mag? Als jouw agent het web op mag... dan kunnen op die pagina's die hij dan scraped... daar kunnen gewoon instructies staan voor jouw agent. En daarmee kan een agent bijvoorbeeld... gewoon data lekken. Of andere activiteiten op gaan pakken... op basis van de informatie die binnenkomt. Volgens mij is de term, als ik het goed onthoud... heb je je boek Prompt Injection daarvoor? Ja, zeker. Dat zijn dan verborgen prompts... die de agent oppikt... en daar gewoon mee aan de slag gaat. En een andere lastige Kim is dat... Kijk... een agent heeft toegang tot bepaalde data. En dat moet je ook zorgen... dat dat heel erg afgeschermd is. Dat ook alleen maar bij die data dat je er mag. En zo gauw je met agents... met meerdere agents aan de slag gaat... hoe ga je ervoor zorgen... dat iedere agent alleen die data krijgt... die hij nodig heeft en die hij ook alleen maar mag zien... als de uitwisseling plaatsvindt... dat is zeg maar de hoofdagent... die deelt taken uit... maar die deelt dus ook data zelf... en dus je maakt keuzes... in welke data ik aan welke agent geef. En hoe hou je daar dan nog zicht op? Hoe hou je daar controle over? En dat zijn wel de dingen die je moet testen. Dus je moet heel veel loggen, kijken, monitoren... en vooral om te kijken van wat hij niet mag doen. En wat is de beste AI agent use case... die je tot nu toe voor bedrijfskritische systemen hebt gezien? Ik heb een aantal hele leuke case studies in het boek. Ik weet niet of het het beste is... maar wat ik wel een hele mooie vind... is die van Sensire. En Sensire is een grote zorgverlener. Ik kom even niet op het juiste woord. Dat ze zorg aan huizen... leveren. Thuiszorg. Thuiszorg. Bingo. Thuiszorg. Zij zijn de grootste thuiszorgorganisatie in de Achterhoek. En wat zij daar hadden is dat... als de zorgverleners terugkwamen... bijvoorbeeld van vakantie... of anders langdurig niet bij een cliënt geweest zijn... moesten ze zich inlezen... kijken wat er allemaal aan veranderingen heeft plaatsgevonden. En deze mensen zijn zo betrokken... dat ze dat dan in een vrije tijd doen... voordat zij... bijvoorbeeld de avond... voordat zij naar die cliënt gaan. Wat Sensire gedaan heeft... is een agent gemaakt... die ervoor zorgt dat... die administratie makkelijker is... bij wordt gewerkt... dat die klaar staat voor deze zorgverleners. En dat ze dit dan... sowieso nu korter kunnen doen in hun eigen tijd. Dus het is van uren naar een paar minuten gegaan. En de volgende stap... en dat vind ik echt heel cool... is dat ze het willen gaan omzetten naar audio. Zodat je op weg naar de cliënt... dus in je reistijd... dat ze dan dat te horen krijgen... van wat is er veranderd? Wat is er belangrijk? Welke zorg is nu veranderd? Dus ze hebben daarmee echt... de zorgverlener versterkt... maar ook... gewoon de werkdruk verminderd. Hele mooie. Hele mooie inderdaad. Ik zie in ons vakgebied... er ook wel heel veel waarde van. Wat zijn de technische ontwikkelingen... die nu weer plaatsvinden... binnen het AI-gebied? Kan je mij even bijpraten? Hetgeen hoe ik nu vaak in de ochtend... chat-GPT gebruik. Mooi. Ik hoor ook wel heel veel techniek. Maar in je boek staat ook... een heel groot stuk, een heel groot deel... denk ik misschien wel de helft zelfs... over hoe ga je beginnen? Wat komt er op je organisatie af? Wat voor rollen komen we bekijken? Waarom het belangrijke stukje... van de techniek... in de organisatie? Wat was de reden dat je dat zo... uitgebreid in het boek opneemt? Omdat er dan... veel verandert. Dus de AI-agents nemen... als je ze gaat inzetten... gaan ze grote delen... van taken van... mensen overnemen. Dus dat betekent ook dat er... organisatorische wijzigingen plaats gaan vinden. En dat je daar ook weer strategische keuzes in... moet maken van hoe je daarmee omgaat. Dus je mensen... moeten anders omgaan... met de technologie. Dus die moeten daarin getraind worden. Je krijgt andere skills. Dus om AI-agents... te maken, te monitoren... komen ook nieuwe rollen. Een van de dingen... waar je aan zou kunnen denken... is een AI-agent trainer. Dus in plaats van dat je... de taak uitvoert... krijg je mensen die... erop gericht zijn... dat die agent ook blijft doen... wat hij moet doen. Maar ook dat hij... meeverandert aan de omstandigheden... van het bedrijf. Want het is niet zo dat... er leven heel veel fantasieën over... dat zo'n agent dan van alles... zelfstandig gaat leren... en zich aan van alles en nog wat aanpast. Maar als dat goed is beweegt je bedrijf. Ieder bedrijf zegt wel in zijn... vacature: wij zijn een jong, dynamisch bedrijf. Dynamiek betekent... verandering. En bij die verandering... moet die AI-agent meebewegen met die verandering. Dus er moet iemand zijn... die... zeker als je meerdere agents hebt... dat die... meegetraind wordt. Dat ze ook beter worden. Dat ze nieuwe vragen aankunnen... van taken... die gedaan moeten worden. Aan dat soort rollen moet je denken... dat dat gaat veranderen. Ik denk in beelden. Ik was even... Ik zat als... een robotje. Maar ik denk wel... een hele mooie... vergelijking inderdaad. Bijblijven, trainen... monitoren hoe het gaat. Af en toe... even tot het limiet kijken hoe ver... je kan gaan. Wat ook in de sport dan vaak wordt toegepast. Allemaal zaken die je dus eigenlijk... ook bij een agent los moet laten. Omdat die ook autonoom activiteiten... en dus bij moet blijven. En je data verandert. Daar weet je alles van. Dus weet je... kan de agent met de data... veranderende data nog steeds... de taken uitvoeren waar die... voor gemaakt is. In die zin... komt daar veel bij kijken. En je hebt natuurlijk... ethische afwegingen. Dus er zal... veel meer rondom ethiek... dingen moeten gaan organiseren... in je... organisatie. We hebben de AI Act. Dus er zullen mensen moeten zijn die daarvan op de hoogte... zijn van... wat mag zo'n agent wel, wat mag die niet. Waar loop je tegenaan? Ze zitten... op allerlei vlakken. Krijg je of nieuwe... rollen of veranderende rollen. Wat is jouw grootste zorg rondom ethiek en AI Agents? Mijn grootste... zorg? Nou ik denk toch wel... waar ik... net ook over had. Dat er niet wordt gekeken... naar... wat die agent eigenlijk niet... moet doen. Daar wordt zo niet naar gekeken. Dus er wordt zo gekeken naar van... dit kan het, dit gaat het ons opleveren. Wij moeten... nu ook agents gaan hebben. Gewoon om... de heb. En daar... gaat... uiteindelijk gaat daar iets mee mis. En is dat dan vooral gebrek aan kennis... denk je? Of is het dat mensen een beetje blind worden... door alle nieuwe technologie? Ja maar ook... het is natuurlijk ook een probleem... die zich pas wat later voordoet. Dus dat is niet iets waar je graag... in het begin naar wil kijken. En... waar ik ook wel zorgen over... maak is... de agents die met elkaar gaan praten. Hoe dat zo direct gaat. Ik denk dat... dat dat... een kluwe aan problemen gaat opleveren. Juist omdat... ze toegang krijgen... tot bijvoorbeeld... het web of tot interne systemen. Maar dat je niet meer weet... hoe uiteindelijk... agent nummer 10... aangeroepen is door... een hele keten van agents. En waarom je allerlei... datalekken hebt gekregen. Of waarom agents in een keer... van alles hebben weggegooid. Er is al een voorbeeld van een... een programmeer agent. Die bedacht dat het... handig was om iets te verplaatsen... aan code. Bestanden. Maar was vergeten... om de verplaatsing werkelijk uit te voeren. Maar wel de weggooi actie... had gedaan. Nou, dit was nog in een setting zeg maar... dat er ook... source control was. Dat die code teruggehaald kon worden. Maar je kan je voorstellen als jij een deel... van je klantenbestand weg is... en je weet niet hoe dat komt... Nou ja, voor dat soort dingen... maak ik me wel zorgen. Maar bij zorgen... zit ook aan de andere kant... vaak heel veel kans. Dus we belichten nu ook de uitdaging... wat denk ik ook heel goed is. En dat ook goed om... bij stil te staan van: hé, als je hiermee aan de slag gaat... waar moet je op letten om het goed te doen? Ja. Een goede oplossing te hebben voor een passend probleem. De passende oplossing te hebben. Waar zie jij nu echt de mooie... pareltjes ontstaan wat we hiervoor... moeilijk konden bereiken nu met AI Agents... wel mogelijk is? Ja, juist zeg maar... als je niet zo'n workflow hebt... Een andere casestudie is... van een grote... pakketbezorger, een Nederlandse pakketbezorger... en een van de... zakelijke vragen die heel veel... daar komt is van: waar is mijn... pakket? En... nu zeg maar moet zo'n... Dat is dan niet een standaard... workflow. Want dat... pakket kan op allerlei mogelijke... manieren kan dat... Het is niet... verdwenen. Het is dat... het niet vindbaar is... op dat moment in het systeem voor de track and trace. Dus het is ergens... de vraag is waar. En wat zo'n agent dan... kan doen is door... heel veel data te grutten... daar... patronen vinden... die wij... als mens misschien ook wel zouden kunnen vinden... maar deze agent kan het... dan zelfstandig. En... wat zij daar aangaven... is dat omdat je dat dan parallel kan... doen, kan dus een... menselijke agent... klantenservice... die heeft zeg maar de contact met de... klant dus die kan veel meer klanten tegelijkertijd... bedienen. Waardoor... de wachttijd van jou afneemt... en dan parallel zijn... er zeg maar allemaal... AI agents die zijn op zoek... naar dat pakket. En als dat dan gevonden is... kan het dan aan... de klant teruggemeld worden. Dus dan heb je de intermenselijke contact... hou je. En op de... achtergrond is dan die... AI agent is bezig en... zij gaven ook aan soms doet de... AI agent er gewoon langer over dan als de... mens het zou doen. Maar juist door die... zelfstandigheid en dat je dat... parallel kan uitzetten... heb je in een keer dat je dat in... hele grote volumes kan doen... waardoor de klantbeleving... veel beter wordt. Voor mezelf probeer ik dan even te vertalen wat zie ik dan voor me... en dan zie ik dus allemaal verschillende... systemen binnen een organisatie waar data en... de keten van... data beschikbaar is. Dus ik denk dat als je... nu binnen een organisatie werkt dat je vast wel afdelingen hebt... waar een eigen silo is om data te hebben... en ook andere organisaties. Dus eigenlijk... keten overstijgend omdat je niet helemaal... weet waar welke punten wanneer... nodig zijn. Daar een agent voor in te zetten... om dat geautomatiseerde silo's eigenlijk... open te breken. Dat klinkt als een hele mooie... die heel veel organisaties zou moeten kunnen helpen. Ja, toch? Ja, inderdaad. Mooi. Je stipte er net al even aan... het stukje ethiek. Wat komt er op organisaties... extra af... op ethiek vlak als je met... agents aan de slag gaat? Nou, ik denk niet... heel veel anders... als dat je gewoon met AI in het algemeen... Dus daar zitten geen andere... vragen. Dus ik heb ook... niet een heel... groot hoofdstuk of zo over ethiek... want ik ben geen ethicus dus ik... vind ook dat ik daar voorzichtig in moet zijn... zeg maar, wat ik daarover zeg. Maar dat het... heel belangrijk is dat je... dat van tevoren meeneemt... bij je ontwerp, dat je ook... het liefst zeg maar vanuit... verschillende perspectieven naar je agent... kijkt. Dat je... de waarden en normen... van je eigen organisatie daartegen... aanhoudt. Want daar gaat het om. Want het is geen... checklist. En dat je dezelfde afwegingen maakt... bij... hoe je AI nu inzet. En misschien sowieso hoe je... automatisering toepast. Ja. Dus vanuit verschillende... perspectieven. Ik hoor ook weer een mooi brugje... naar een vast thema in onze podcast. Ja, zeker. Je zit nog steeds aan de knoppen. Dus we gaan er zelf in starten. Ja, tuurlijk. Ja, en we hebben een nieuwe versie... natuurlijk. Met ook specifiek... richting de zorg specifieke vragen... erin. Ik wil je vragen... om een nummer tussen de... En dan pak ik de stelling erbij die ik je wil... voorleggen. 13. Nou. Het... thema is gebruik en toepassingen. Je hebt wel weer een mooie, joh. Ik maak regelmatig... gebruik van ChatGPT voor mijn werk. Oh ja. Die is nu een beetje flauw. Nee, nooit. Nee, nooit. Ik pak er gewoon even een uit voor jou. Ja. Ik pak even... risico en uitdagingen. Ik maak mij zorgen... over verlies van kennis bij zorgverleners... door gebruik van AI. Nee. Laten we daar eens mee beginnen. Dat is even... waarom. Ja. Nee, nee. Ik maak me daar... ook niet zo heel veel zorgen over. Kijk... Wat moet gebeuren... is dat wij moeten gaan... leren omgaan met deze technologie. En dat zal in het begin... met wat horten en stoten zijn en met wat... schuren. Maar ik denk dat we... weet je, als mens zijn we gewend om ons... aan te passen aan nieuwe situaties. En zijn wij... volgens mij degenen die zo... succesvol zijn omdat wij... tools kunnen gebruiken. Wij zijn één van de weinigen... in de natuur die gewoon onze eigen... gereedschappen kunnen maken. En dit is een nieuw gereedschap... waarbij we wel op dit moment zeg maar... als hele onhandige... ja... aapjes zeg maar nog aan het kijken... zijn van: wat moeten we hiermee? Dus af en toe slaan we ons op ons hoofd en... doen we er de meest gekke dingen mee. Maar dat komt wel... goed. En... nou ja, dan zeg ik: we zullen best hier en daar... een beetje zullen we echt... tegen problemen aanlopen, maar die... lossen we wel op. Dus daar ben ik eigenlijk niet zo bang voor. Gelukkig. Je raakt hem hier al... een beetje aan. Een van de onderwerpen die... ik ken je al langer en ik spreek je regelmatig... is eentje waar volgens mij bij jou... aan het hart ligt. Het stukje experimenteren. En vooral... de valkuil om iets een gefaald experiment... te noemen. Als ik dat tegen jou zeg... dan ga je gelijk aan. Kan je dat wat meer... toelichten van wat is het belang van experimenteren? Hoe start ik? En wanneer is een... experiment eigenlijk een succes? Ja, nou... hoe je start is door... er gestructureerd over na te... denken. Dus ik gebruik... het AI experiment... canvas in het boek, waarbij... je begint met: wat wil je... bereiken op je... bedrijfsdoelstellingen? Dus nogmaals... weet je, ik geloof niet zozeer in... het toepassen van... de technologie onder technologie. Kijk, ik snap als je de technologie... moet leren... als ontwikkelaar... dat het dan... ga je aan de slag met hobbyprojecten. Daar maakt het eigenlijk niet zoveel uit waar het over gaat. Maar als je als organisatie... als bedrijf aan de slag gaat, wil je wel dat... het waarde gaat opleveren. Of tenminste... dat het experiment de kans heeft dat het... waarde oplevert. Dus... je gaat in eerste instantie kijken van... waar moet de... verandering zijn? Wil ik meer winst maken? Meer omzet? Moet het kostenefficiënt zijn? Moet de klanttevredenheid omhoog? Medewerkers tevredenheid omhoog? Dat zijn allemaal... uitstellingen die je kan nemen. En daaronder ga je dan... kijken van... met het idee wat je hebt, wat je zou willen leren... wat is dan de hypothese die je... gesteld hebt? Want er zijn dan... duizenden en één manieren... om daar aan... om dat leerdoel... aan te tonen. Dus ik... vind het dan belangrijk dat je het heel klein maakt. Dat je heel snel de veelbelovendheid... van de... van je idee, dat je dat kan toetsen. Het is echt heel zonde als je... er na acht, negen maanden achterkomt... dat de techniek... nog niet zo ver was of dat het idee... niet past. Er zijn... allerlei redenen waarom uiteindelijk... dat experiment... waardoor je de... hypothese invalideert. Sorry voor de interruptie, maar... hoe hou je zoiets klein? Nou, dat kan zijn dat je... je klanten... segmenteert. Die zeggen van: we doen het niet... voor alle klanten, maar voor een bepaald... segment. Je kan zeggen van... we hebben een hele range aan... producten. Laten we... het voorspellen van het... verkoop van producten voor één product... doen. Als we het hebben over... predictive maintenance... het voorspellen van... onderhoud. Dat je zegt van: oh ja, maar dat doen... we dan op de meest voorkomende... storingen. En zo kan je... Je kan... Er zijn altijd manieren... om je experiment nog kleiner... te maken dan dat... je denkt. Ehm... En dan is het heel... belangrijk dat je... voor jezelf zegt van: ik neem... een vaste... periode waarin de veelbelovendheid moet zijn aangetoond. En daar... zet ik vooraf... een meting op. Dus niet achteraf van... dat je zegt: hmmm... laten we het nog maar verder proberen. Nee, je stelt... echt harde eisen. En het... mooie aan zo'n harde eis... is dat je daar met elkaar over kan discussiëren. Want die eisen liggen in het begin heel... hoog. Dat we dan zeggen van: ja, maar de... AI-agent moet het 90%... goed hebben, want... anders kunnen we niet meer in productie. Dan denk je: hey, dank je de koekoek, want... het is namelijk een experiment. Dus... dat experiment gaat niet in productie. Het gaat erom om het aantonen van... veelbelovendheid. Of je daar... tijd, geld en energie in wil steken. Dus dan ga je... met elkaar in discussie. Ja, maar... Dus als het die 89% is... dan stoppen we... het experiment, gaan we er niet meer door. Nee, dat... is het ook niet. Nou, en zo zie je dat die lat... verlaagd wordt... tot een zinvol niveau... om daadwerkelijk... te kunnen zeggen van: we gaan er wel of niet... mee door. En... wat mij betreft... is een experiment geslaagd als je er wat... van leert. Ik heb laatst een... workshop gehad. En... daar waren ze bij het... beschrijven van het experiment, kwamen ze... zeg maar binnen drie kwartier erachter... van: ja, wat wij willen... is eigenlijk met de huidige stand van de techniek... plus de... feedback cycle die ze zouden hebben... om te zien... zeg maar, of het zou gaan werken... zou een feedback cycle zijn van meerdere jaren. Dat vond ik een slecht idee. Ja. Maar het idee was zo... belangrijk voor de organisatie dat ze daar... in eerste instantie over... niet over nadachten over dingen als... weet je, van dat je dan pas over een paar jaar kan zeggen... van: oh ja, maar de voorspelling... was juist of... de agent doet het goed. Dus na drie kwartier kwamen ze erachter... van: oh ja, maar dit is eigenlijk helemaal niet... haalbaar. Dus een... heel belangrijk idee, maar kan nu niet... ja, dat vind ik een gesla... al... vind ik het experiment al geslaagd. Want daardoor ga je er niet meer... tijd, geld en energie in steken. Als je naar... een week of twee... weken, als je zo'n experiment uitvoert... en je komt erachter dat je... data... niet op orde is, of... dat je... dacht dat je die data had... maar die is er niet. Ja, dat is natuurlijk super waardevol. Want op dat moment kan je gaan besluiten... van: willen we dat... wel of niet gaan verzamelen? En hoeveel kost dan dat verzamelen? En past dat dan nog binnen... de business case die we dachten... bij dat experiment te hebben? Wat mij betreft leer je eigenlijk... altijd van zo'n experiment. Als je er bewust bij stilstaat... en dat je reflecteert. Precies. Ja. Ja, en dat is denk ik voor veel organisaties nog echt lastig. Ook dat vanuit je proces beginnen... Waarom is dat... zo moeilijk voor organisaties? Het voelt als faal. Het was een duo... die dat bedacht. Die baalden ervan... dat het dan niet lukte. En toen ik vertelde van... ja, maar je hebt hiermee heel veel tijd, geld... en energie bespaard... dan maak je het tot een succes. En dat succes kon wel gevierd worden. Meerdere groepen hadden dan... de ideeën gepitcht bij de directie. En nu konden ze dat eigenlijk... met best wel trots vertellen... van dat zij... dit hadden uitgevonden. Dat het een heel gaaf idee was... maar niet uitvoerbaar. Dus het voelt heel snel als falen. En wij zien het niet... als dat je... iets uitgevonden hebt. Mmm. Dus eigenlijk een stukje omdenken van... hé, maar wat hebben we wel bereikt? In plaats van stilstaan van het balen van je eigen idee... tot in de praktijk zien gaan gebeuren. Ik denk dat is ook heel belangrijk voor agents. Dat mensen niet denken: shit, nu kunnen we toch geen agent gebruiken. Zeker. Daar geldt het ook voor. De tijd vliegt. Ik ga niet te veel vragen... met die afrondingen. Oh, zeg ik heb ook nog een vraag. Ga je gang. Dan heb ik daar ook nog eentje voor. Ik zou niet in de marketing zitten als ik deze vraag... niet zou stellen. Waarom... moeten mensen jouw boek kopen? Als je serieus met AI-agents... aan de slag wil. Dus dat je ze... kwalitatief, robuust... dat je ze strategisch... echt inzet in bedrijfskritische... applicaties. Dan moet je... echt dit boek lezen. Wat mij betreft... dan ook echt van voor tot achter. Want dan leer... je van: wat is het? Wat... Niels al zei: wat is het? Hoe kan je ermee... starten? Hoe zorg je dat... dat testbaar blijft? Kwalitatief... beveiligd? Tot aan... de implicaties op je... organisatie. Ik heb het niet benaderd als... zijnde een stukje techniek. Dit is gaaf. Ga het implementeren. En alles moet je... nu met AI-agents gaan doen. En wat onderscheidt... jouw boek? Want er zijn meer boeken over AI-agents. Ik moet je eerlijk zeggen... dat ik die niet gelezen heb. Maar bij mij in ieder geval... geen hallelujah... verhalen. Ik heb tien... use cases of case studies... echt helemaal uitgewerkt. Dus bedrijven... gesproken. Hoe hebben ze het ingezet? Tegen welke uitdagingen... zijn ze aangelopen? Hoe zijn ze daar mee omgegaan? Wat betekent het voor hun? Ik denk dat dat alleen al... heel erg interessant is om te leren... van al dat soort verschillende... organisaties. Van MKB tot... Enterprise Corporates. Van Software Engineering tot... Marketing. Voor iedereen zitten we van alles tussen... waar je gewoon van kan leren. De MKB kan leren van de... Corporate. En andersom. Word jij geslaagd voor je... boek Pitch? Ik zou hem lezen. Ik had nog wel een vraag over... welke menselijke vaardigheid denk je... dat over tien jaar waardevoller is geworden... door juist de komst van AI Agents? Een beetje op de rollen die je ook benoemt. Maar eigenlijk welke kritische skill... gaan we als mensen dadelijk meer waarderen... door de komst van AI Agents? En moeten we er dus besef van hebben? Oei. Zodan. Dat is een goeie. Dan heb je vanmorgen lekker bedacht met AI. Onder andere ja. Dat is een goeie pittige afsluiter. GELACH. Ehm... Ja. Daar moet ik even over nadenken. Ja, dat is goed. Heb je zelf... Oh, dat geven we Joop wat tijd. Heb je zelf een idee, Niels? Ja, kijk. Ik was heel erg blij dat... Joop in het boek het stukje kritisch blijven... kritisch nadenken... het niet voor lief nemen... dat dat echt wel beschreven staat als dat we daar op moeten letten. Omdat het zo gemakkelijk wordt met... agents. Ervan uitgaande dat... we in de happy flow blijven. Dat we van nature... luie. Daarom automatiseren we. Maar we moeten niet verwachten dat... iedere keer dezelfde uitkomst eruit komt. Dus we moeten kritisch blijven. Wordt het voor het juiste doel... ingezet? En ik denk dat... door de snelheid en de verwachtingen die we hebben... bij de technologie, dat dat een... hele belangrijke skill is. Dus... dat is van hoe ik er zelf tegenaan kijk. Nou ja, kijk. Een onderdeel van je vraag was... over tien jaar. En dat is eigenlijk waar ik over... struikel. Want wat ik er straks ook zei met die... kenniswerkers. We zijn nu... best nog wel heel... onhandig met deze technologie. Dus hoe het zich over tien jaar... gaat ontwikkelen en hoe het eruit ziet... Ik denk dat we... één ding zeker weten. Dat we niet... nu kunnen overzien hoe het er over tien jaar uitziet. Dus dat maakt die vraag ook heel erg moeilijk. Wat... Wat we in ieder geval nodig hebben om... om naar die tien jaar te overbruggen... is dat we aan de... aan de ene kant open blijven staan... voor deze... technologieën die zich ontwikkelen. En aan de andere kant ook gewoon... af en toe is gewoon de hakken... in het zand mogen zetten om te zeggen van... nee maar dit blijven we zelf doen. Ehm... Ehm... De neiging is zeg maar om... juist nu... er veel meer kan. Dat er veel meer cognitieve taken... worden overgenomen. Dat we dat... overal gaan doen vanwege... de efficiëntie. En ik hoop... zeg maar dat we ook nog steeds gaan kijken... naar werkgeluk. Er zijn ook gewoon... zaken die je gewoon... graag zelf wil doen. Ehm... En... als dat betekent dat dat onze passie... raakt en dat je daar... een meerwaarde... als mens levert... dan hoop ik zeg maar dat dat... blijft. Dat je daar wat... Ja... Dat. Dat. En Kim, jijzelf... dan nemen we het rondje even rond natuurlijk. Je hebt even de tijd gehad om over na te denken. Of je hem alvast aanzag zien komen. Ja... Half. Ik denk dat... Ik kijk natuurlijk vanuit een ander vak, zeg maar. Ik denk vooral dat... de... helikopterblik, dus op het moment dat... technologie meer voor je gaat doen... dat het heel belangrijk is dat mensen blijven... vanuit een soort helikopter blijven kijken naar... oké, hoe ziet mijn hele plaatje eruit? Waar kan ik inderdaad zelf nog waarde toevoegen? Wat vind ik... leuk? Waar is het efficiënter... als agents wat voor me doen? Maar ik denk dus dat het belangrijker is dat je... breed kunt kijken... naar wat je doet. En misschien wel breder... dan dat we nu doen. Dat er ook die... overstijgende samenwerkingen komen. Dat ik bijvoorbeeld niet vanuit marketing alleen kijk... maar vanuit een organisatieperspectief... in plaats van alleen een marketingperspectief. Dankjewel. Ja, jullie ook? Nou, dan denk ik dat het hier mooi... rond is. Joop, je hebt zelf je boek al goed... gepitcht. Ik was heel erg blij om... te lezen, zoals ik al aangaf, in de structuur. Je kan het boek van begin tot eind... lezen. Maar ben je geïnteresseerd in een... bepaald onderdeel, dan is hij ook prima... los als onderdelen te lezen. En ik vond het heel erg mooi om die case... studies erin terug te zien. En hele leuke case... studies die erin voorkomen. Dus... ik zeg: een echte aanrader voor iedereen. En iedereen ook. Want natuurlijk, ik ben niet... per se heel technisch, maar ook ik kon het goed volgen. En juist door die case studies is het... mega praktisch. Ja, inderdaad. Dus dankjewel ook voor je toelichtingen. En de link staat in de show notes... voor het bestellen. Inderdaad. Kopen! Zo, die kwam... lekker binnen. Dankjewel voor het luisteren... naar deze speciale aflevering... met deze speciale gasten voor deze keer. Vergeet je niet te abonneren op onze... nieuwsbrief. Daarin hebben we ook... backstage informatie. En altijd extra specials. Dus... tot de volgende keer! Tot de volgende keer!