Week 13: De dirigent die leert loslaten

Ergens halverwege de week had ik vijf agents tegelijk aan het werk op mijn eigen boek. Niet om code te schrijven, maar om patronen te vinden die ik zelf niet zag. Onbewuste schrijfstijlpatronen, emotionele getijden tussen hoofdstukken, een circulaire verwijzing — het boek dat verwijst naar de podcast die het boek promoot, en andersom.

Acht verrassende patronen kwamen terug. Dingen waar ik als auteur blind voor was. Mijn obsessie met drieslags-opsommingen. De manier waarop ik “Die tijd is voorbij” gebruik als punchline. Het woord “juist omdat” als vaste argumentatiestructuur.

Het voelde ongemakkelijk. Niet omdat de bevindingen fout waren, maar omdat ze klopten.

Onderzoek als orkest

Eerder in de week bouwde ik een compleet onderzoekssysteem. Zes parallelle research agents die elk een ander aspect van een onderwerp onderzoeken, een critique agent die de kwaliteit bewaakt, en een synthesestap die alles samenvoegt tot een rapport met bronvermeldingen. Het eerste echte onderzoek ging over AI agents in data engineering — en het resultaat was een rapport van vijf- tot achtduizend woorden met visualisaties en PDF-output.

Wat me opviel was niet het resultaat zelf, maar het proces erachter. Context engineering bleek het verschil te maken. Elke agent kreeg precies de informatie die hij nodig had, niet meer. Geen volledige sessiegeschiedenis, geen onnodige context. Geïsoleerde instructies, scherpe opdrachten. De agents presteerden merkbaar beter dan wanneer ik ze had overladen met achtergrond.

Dat principe — minder context is meer — paste ik de rest van de week steeds bewuster toe. Bij de boekanalyse. Bij de code review van Orca. Bij het bouwen van een TTS-interface.

Stemmen en stilte

Aisha, mijn text-to-speech project, kreeg een webinterface. Een simpele GUI om Nederlandse tekst om te zetten naar spraak met voice cloning. Klinkt rechttoe rechtaan, tot je merkt dat het model soms blijft praten na het einde van de tekst. Ruis, gezucht, een soort digitaal nabroddelen.

De oplossing was verrassend analoog: RMS-energieanalyse om het exacte punt te vinden waar spraak overgaat in stilte, en dan afknippen. Signaalverwerking uit de jaren zeventig, toegepast op een neuraal netwerk uit 2026. Daarnaast ontdekte ik dat Chatterbox — een van de TTS-modellen — niet geoptimaliseerd is voor Apple Silicon. De MPS-backend lekte geheugen bij elke generatie. Een fundamenteel verschil tussen CUDA en MPS dat niet eenvoudig te overbruggen is.

De les: lokale AI-modellen worden steeds beter, maar de hardware-realiteit op een MacBook is anders dan op een NVIDIA-server. Cloud-oplossingen als ElevenLabs blijven voorlopig sneller. Niet omdat de modellen beter zijn, maar omdat de infrastructuur het verschil maakt.

Code lezen als team

Bij Orca — het taaldenkexperiment dat langzaam een echt project wordt — implementeerde ik observe blocks. Een taalconstructie waarmee agents hun eigen gedrag kunnen observeren op vier momenten in hun levenscyclus, zonder dat die observatie de uitvoering blokkeert. Fire-and-forget, als onderdeel van de taal zelf.

Na de implementatie zette ik vijf review agents tegelijk in. Elk met een eigen expertise: compliance met de projectstandaarden, bugdetectie, historische context, PR-commentaren, en codecommentaar-verificatie. De uitdaging zat niet in het vinden van issues — die kwamen er genoeg — maar in het filteren. Niet elke bevinding is een echt probleem.

De oplossing was een confidence scoring systeem. Elke bevinding krijgt een score van 0 tot 100. Alles onder een bepaalde drempel wordt automatisch weggefilterd als waarschijnlijke false positive. Het klinkt simpel, maar het kalibreren van die drempel is een vak op zich. Te laag en je mist echte bugs. Te hoog en je verdrinkt in ruis.

Bijsturen

Het patroon van de week was duidelijk: begin met een plan, stuit op de werkelijkheid, pas aan. De font-combinatie voor een Aigency-presentatie — eerst Playfair Display voor koppen, Poppins voor body tekst — draaide ik om na visuele beoordeling. Wat in theorie elegant was, werkte in de praktijk niet. DuckDuckGo gaf CAPTCHA-problemen bij het onderzoekssysteem, dus schakelde ik over naar SearXNG. Agents die geen toegang hadden tot bepaalde directories? Dan schrijf ik de bestanden zelf.

Dat soort bijsturen voelt inmiddels minder als falen en meer als het werk zelf. De waarde zit niet in het eerste plan. De waarde zit in hoe snel je bijstuurt wanneer het plan de realiteit raakt.

Wat het met mij deed

De vertrouwensparadox uit mijn boekanalyse bleef hangen. Technisch wantrouwen — zero trust, verificatie, audit trails — en relationeel vertrouwen — samenwerking, delegatie, autonomie — zijn niet tegengesteld. Ze zijn complementair.

Ik merkte dat ik datzelfde patroon deze week zelf doorleefde. Vijf agents op mijn boek loslaten vereist vertrouwen in hun analyse. Maar de bevindingen verifiëren, de false positives eruit filteren, de confidence scores kalibreren — dat is technisch wantrouwen. Beide zijn nodig. Niet het een of het ander.

Het ongemakkelijke moment met de schrijfstijlanalyse was precies dat spanningsveld. Ik vertrouwde de agents genoeg om ze los te laten op iets persoonlijks. En de resultaten waren goed genoeg om me ongemakkelijk te maken. Dat is geen fout. Dat is het punt waarop je iets leert.

Dertien weken in dit experiment, en het patroon wordt steeds duidelijker: de technische uitdaging verschuift. Het gaat steeds minder over “kan de agent dit?” en steeds meer over “durf ik dit aan de agent over te laten?” Die verschuiving is niet technisch. Die is menselijk.