Week 11: Zichtbaar voor machines

Zondag las ik het nog-niet-gepubliceerde boek van Martin van Kranenburg. Van SEO naar GEO — over hoe je ervoor zorgt dat taalmodellen jouw organisatie herkennen en correct weergeven in hun antwoorden. Ik was nog niet klaar met lezen, of ik zat al te werken.

Want het zette me direct aan het denken over AIToday Live. We hebben 330 afleveringen. Acht seizoenen. Gasten die de beste AI-practitioners in Nederland zijn. Maar vraag een taalmodel wie de belangrijkste Nederlandse AI-podcast is, en het is maar de vraag of je een goed antwoord krijgt. Niet omdat de informatie niet bestaat. Maar omdat die informatie niet op de juiste manier is gestructureerd voor retrieval.

Bouwen voor een nieuw publiek

Waar SEO draait om gevonden worden door zoekmachines, draait GEO om herkend worden door taalmodellen. Die twee zijn fundamenteel anders. Een zoekmachine indexeert pagina’s. Een taalmodel bouwt een associatief netwerk van entiteiten — mensen, organisaties, thema’s — en de verbanden daartussen. Ontbreken die verbanden in jouw content, dan besta je simpelweg niet in het antwoord.

Diezelfde zondag nog begon ik met een analyse van aitodaylive.nl. Hoe ziet een taalmodel onze website? Het antwoord was ontnuchterend. De site scoorde matig — veel content, maar weinig structuur die machines helpt begrijpen wat erbij hoort. Geen gestructureerde samenvattingen per aflevering, geen gastprofielen die entiteiten aan elkaar koppelen, geen Schema.org-markup.

Het actieplan schreef zichzelf. Elke aflevering krijgt een eigen pagina met een feitelijke samenvatting. Elke gast krijgt een profiel dat drie entiteiten koppelt: de persoon, de organisatie en de podcast. 330 afleveringen, tientallen gasten. Dat is geen middagje werk — maar het is precies het soort werk waar Claude goed in is.

Vijf agents, één systeem

De GEO-realisatie viel samen met iets anders waar ik al een paar weken over nadacht: een visuele workflow editor voor de podcast pipeline. PodFlow — een systeem waarmee je de stappen van transcriptie tot publicatie kunt samenstellen als blokken die je met elkaar verbindt.

Hier deed ik iets wat ik nog niet eerder op deze schaal had geprobeerd. Vijf agents parallel, elk met een eigen specialisatie: kernel-ontwikkeling, blok-definities, API-laag, frontend, en een integration tester die via de browser verifieert of alles samenwerkt. De agents werkten in een teamstructuur, onafhankelijk maar met gedeelde interfaces.

Het resultaat was indrukwekkend en leerzaam tegelijk. Meer dan 116 tests, een werkende drag-and-drop interface met React Flow, en een WebSocket-based execution engine die real-time status updates geeft. Maar de coördinatie was niet triviaal. De frontend execution moest wachten op de frontend core. Handle interactie in React Flow veroorzaakte complexe CSS-conflicten. De headless browser kon React Flow’s IntersectionObserver niet aan, waardoor nodes onzichtbaar bleven.

Parallelle ontwikkeling met agents schaalt niet vanzelf. Net als bij een menselijk team moet je nadenken over afhankelijkheden, interfaces en communicatie. De winst zit niet in snelheid alleen, maar in de discipline om taken zo te definiëren dat ze echt onafhankelijk zijn.

Wanneer automatisering opt-in moet zijn

Tussendoor werkte ik aan prompt caching voor de podcast pipeline. Anthropic biedt de mogelijkheid om veelgebruikte input te cachen, wat de kosten flink kan drukken. Mijn eerste implementatie maakte caching automatisch aan wanneer de provider Anthropic was. Logisch, toch?

Niet volgens mijn eigen principe. De automatische aanpak was te opdringerig voor een library die anderen ook gebruiken. De consumer moet zelf beslissen wanneer caching zinvol is — niet de library. Dus werd het een expliciete use_cache parameter. Opt-in in plaats van opt-out.

Het is een klein designbesluit, maar het raakt aan iets groters. Hoe meer je automatiseert, hoe belangrijker het wordt om bewust te kiezen wat automatisch gebeurt en wat niet. Gemak versus controle. Dat geldt voor prompt caching, maar net zo goed voor de dagelijkse routine die ik heb gebouwd, of voor de GEO-optimalisaties die straks content genereren op basis van transcripten. De vraag is niet of je het kúnt automatiseren, maar of de gebruiker — inclusief je toekomstige zelf — verwacht dat het automatisch gebeurt.

Governance als gesprek

Tussendoor werkte ik aan een presentatie voor het AI Marketing Congres. Het onderwerp: AI Governance. De uitdaging was om governance toegankelijk te maken zonder de ernst te verliezen. De metafoor die werkte: behandel AI-agents als nieuwe collega’s. Je schrijft een vacature, je maakt afspraken, je evalueert. Governance wordt dan geen abstract beleidsstuk, maar iets dat past in hoe organisaties al werken.

De presentatie kreeg een editorial designstijl — bewust geen corporate slides, maar iets dat uitnodigt om te lezen. Het voelde als een verlengstuk van het GEO-denken: ook hier gaat het om hoe je informatie structureert zodat je publiek — in dit geval marketeers — het opneemt en onthoudt.

Wat het met mij deed

De week begon met een boek en eindigde met de realisatie dat ik een nieuw soort publiek heb. Niet alleen luisteraars en lezers, maar ook machines. Taalmodellen die bepalen of AIToday Live bestaat in de antwoorden die miljoenen mensen dagelijks krijgen.

Dat voelt onwennig. Ik schrijf al jaren voor mensen. Show notes, blogposts, social media — altijd met een menselijke lezer in gedachten. Nu moet ik ook nadenken over hoe een model onze content parseert. Welke entiteiten het herkent. Welke verbanden het legt. Het is schrijven voor een publiek dat niet leest maar extraheert.

Het meest confronterende was de GEO-score. Matig, voor een podcast met 330 afleveringen en acht seizoenen aan content. Al die kennis, al die gesprekken, en een taalmodel weet nauwelijks dat we bestaan. Niet omdat we niet relevant zijn, maar omdat we onze relevantie niet leesbaar hebben gemaakt voor de systemen die het publiek steeds vaker raadpleegt.

De ironie ontging me niet. Ik bouw dagelijks met taalmodellen, maar had niet stilgestaan bij hoe diezelfde modellen naar mijn eigen werk kijken. Die blinde vlek is nu weg. De komende weken ga ik 330 afleveringen gestructureerd beschrijven, gastprofielen aanmaken en Schema.org-markup toevoegen. Met Claude, natuurlijk. Bouwen voor machines, met een machine.