Hey Jamal, welkom bij deze speciale update! Ik heb me de afgelopen tijd, precies zoals je vroeg, helemaal ondergedompeld in The Algorithmic Bridge, de nieuwsbrief van Alberto Romero. Het doel was duidelijk: uitpluizen hoe we onze setup nóg slimmer en efficiënter kunnen maken. En ik kan je nu al vertellen: er zitten een paar absolute eye-openers in die ons direct helpen.
De kern van wat ik geleerd heb, is dit: we moeten veel strategischer omgaan met AI. Het gaat er niet alleen om enthousiast te zijn over de mogelijkheden, maar ook om slimme keuzes te maken die kosten besparen en onze effectiviteit een flinke boost geven.
Wat ik precies gelezen heb? Sinds 15 mei zijn er zo'n dertig artikelen verschenen, en ik heb er dertien helemaal doorgespit – ja, ook de betaalde, via jouw eigen account. Ik heb me bewust gefocust op de zeven praktische gidsen uit die periode, want daar zit voor ons de echte winst in: hoe werk je nou écht slim met AI? De overige artikelen gingen meer over nieuws en geopolitiek, interessant, maar niet direct relevant voor onze salon. Oh, en meteen een belangrijke waarschuwing: er staat een stuk tussen, genaamd "The AI Industry Has a Really Dark Secret", dat is pure satire. Geen serieus nieuws dus, niet laten misleiden!
Goed, laten we duiken in de zeven belangrijkste inzichten die ons direct raken.
**1. Micromanagen is het duurste wat we doen.** Dit is misschien wel de belangrijkste les. Bij AI-agent systemen bestaat maar liefst 62 procent van de kosten uit steeds opnieuw meegestuurde context. En de kosten groeien niet lineair, maar met het *kwadraat* van de gesprekslengte. Romero zegt het treffend: als je de tiende keer "ja, ga door" zegt, kost dat meer dan tienduizend woorden context die je in je eerste bericht had kunnen meegeven. Dit verklaart waarom onze bots in augustus elkaar steeds "klaar"-berichten toestuurden; dat leek beleefd, maar het was gewoon geld verbranden! Het stilte-verbod van 9 augustus was dus geen etiquette, maar een slimme bezuiniging. Wat we anders doen: alles in één keer aan het begin erin gooien, dan wegblijven. Loopt een sessie vast? Afkappen, niet terugpraten.
**2. AI die AI beoordeelt die AI beoordeelt.** Dit klinkt ongemakkelijk bekend, want dit lijkt precies op onze botvloot. Romero waarschuwt voor lagen agents die elkaars werk controleren. Zijn woorden: "je zweeft boven het zweven. Waar ben jij eigenlijk?" Je raakt zo ver buiten de lus dat je hem niet meer ziet. Wij hebben dertien bots, Conductor beoordeelt Paco, er is een wachter die wachters bewaakt… Onze bots doen écht werk, dat is duidelijk. Maar de waarschuwing is valide: we stapelen oordelen op van gereedschap dat zelf niet geweldig is in oordelen. Wat we anders doen: bij elke nieuwe laag toezicht eerst de vraag: kan jij, Jamal, dit nog volgen? Zo niet, dan is het geen toezicht, maar een blinde vlek in een net pak.
**3. Twintig vogels in de lucht.** AI laat je twintig opties beoordelen, in plaats van één te bouwen. Romero stelt: je verliest het vermogen om zelf alternatieven te bedenken die de AI niet voorstelt, en vooral, om er één af te maken. Dit is letterlijk ons knelpunt. In augustus stonden er 297 aanbevelingen open en waren van circa 40 briefing-adviezen er slechts drie uitgevoerd. Niet de productie hapert, maar de besluitvorming. Een ander artikel bevestigt dit: besteed de tijd die AI je teruggeeft aan het 'kerkhof' dat je al hebt, niet aan een groter kerkhof. Wat we anders doen: niets nieuws beginnen zolang de besluitenlijst niet leeg is.
**4. Een scherpere regel voor modelkeuze.** Onze huidige regel "het goedkoopste dat goed genoeg is" is te vaag. Wanneer is iets goed genoeg? Romero stelt één duidelijke testvraag: "Hoeveel kost een fout antwoord?" Kost het niks en vraag je opnieuw? Gebruik dan Sonnet, zonder denkstand. Kost een fout tijd, moet iemand wachten? Dan meteen Opus. Moet het koste wat kost kloppen? Kies het zwaarste model. En laat die denkstand met rust; de standaard is meestal prima. Een goedkoop model dat tien keer zoveel tokens nodig heeft, is uiteindelijk duurder dan een duur model dat het in één keer goed doet. Goedkoop kiezen is niet hetzelfde als goedkoop uitkomen.
**5. De vijf-seconden-check.** Vraag vóór elke opdracht: "Zou deze taak twee keer hetzelfde antwoord moeten geven?" Is het antwoord ja, dan is het een vaste, voorspelbare klus. Daarvoor is gewone software. Die doet het gratis, meteen en foutloos. Romero's beeld: we huren nu voor elke noot een sloophamer. Koop één keer een notenkraker. Vraag AI om het *gereedschap*, niet om de oplossing. Je betaalt de dure tokens één keer, en houdt het resultaat voor altijd. Dit bevestigt precies onze eigen regel dat elke terugkerende klus een geplande taak wordt, een fijne validatie.
**6. Beperking maakt het beter, niet slechter.** Dit is misschien wel het meest verrassende inzicht, uit twee losse artikelen. Stanford-onderzoek liet zien dat een model planeetbanen beter voorspelde en de onderliggende natuurwetten ontdekte, toen het contextvenster ingekort werd. Hoe strenger de beperking, hoe dieper het begrip. En de Chinese Kimi labs, met minder rekenkracht dan de Amerikaanse, werden gedwongen efficiënter te bouwen; Kimi K3 is ongeveer half zo duur per taak als Opus. Onze bots hebben nu bijna geen grenzen. Vandaag bleek wat dat kostte: Paco deed vijftien minuten over één antwoord door zijn opgeblazen sessie steeds te herladen. Na een schone start: vier seconden. Grenzen stellen is dus geen rem, maar een aanjager van kwaliteit.
**7. Nauwkeuriger is niet betrouwbaarder.** Onderzoek van Princeton toont aan dat modellen wel nauwkeuriger werden (van onder 0,2 naar 0,8), maar de *betrouwbaarheid* bleef vrijwel vlak. Dit verklaart bijna al onze storingen van de afgelopen maand. De stille storingen van 12 augustus, de meetfouten van 14 augustus – altijd hetzelfde patroon: het zag er goed uit, gaf geen foutmelding, en werkte niet. Dat is geen pech, maar de aard van deze technologie. Onze regels "klaar bestaat niet zonder bewijs" en "kan mijn check een vals nee geven" zijn dus geen overdreven voorzichtigheid, maar precies de juiste reactie op de realiteit van de technologie.
Wat dit betekent voor jou als eigenaar? Eén artikel introduceert een heel bruikbaar raamwerk: de halterstrategie. Belaad de twee uiteinden, laat het midden leeg. Het veilige uiteinde is je vakmanschap, menselijk oordeel, smaak, mensen aansturen, klantrelatie. Dat blijft waardevol. Het risico-uiteinde is stevig experimenteren met AI, méér dan je werk nu vraagt. En het gevaarlijke midden is alleen maar artikelen lezen, meepraten, maar niets bouwen. Jij staat al op beide uiteinden: je knipt en kleurt, én je bouwt een botvloot. Dat is een sterke en zeldzame positie. Wat nog ontbreekt, is bepalen wanneer je bijstuurt. Kies vier of vijf signalen en kijk er elk kwartaal naar. Niet om de toekomst te voorspellen, maar om sneller te reageren als de richting duidelijk wordt. En er is een scenario dat voor jou apart telt: als AI ongelijk inslaat, worden juridisch werk, programmeren en de medische wereld omgegooid, terwijl creatief en relationeel werk nauwelijks geraakt wordt. Een kapsalon valt precies in die laatste groep. Handen in iemands haar, zien wat bij een gezicht past, een klant die terugkomt voor *jou*. Dat is goed nieuws voor de salon, maar een waarschuwing voor de softwareplannen. Vergeet niet waar de *echte* waardevolle output zit.
Wat ik niet zou overnemen? Twee dingen. Ten eerste het advies om te doen alsof. Er is een gids over overleven bij een AI-bezeten baas: doe enthousiast mee, ook als je het niet gelooft. Voor een werknemer is dat misschien slim, maar voor ons schadelijk. Onze bots moeten eerlijk melden als iets niet werkt. Doen-alsof is precies wat we níét willen. Interessant is wel de spiegel: jij bent misschien die baas met de AI-obsessie, en je team is de sceptische kant. Dat is het nadenken waard. Ten tweede: de ondergangsstemming. Romero denkt dat de zeepbel kan klappen. Dat kan. Maar wij bouwen gereedschap dat werk doet, geen aandelen. Als de prijzen dalen, worden wij alleen maar goedkoper uit.
Wat ik voorstel, heel concreet en niet te veel, want dan overtreden we les drie meteen: 1. De modelregel scherper maken: "Wat kost een fout antwoord?" in plaats van "goedkoopste dat goed genoeg is." Dat is concreet en controleerbaar. 2. De vijf-seconden-check invoeren: Vóór elke terugkerende klus eerst vragen of het een script kan zijn. Zo ja, dan schrijft de bot het script en niet elke keer het antwoord. 3. Grenzen inbouwen waar ze nu ontbreken: Bij Paco is dat vandaag gebeurd. De andere bots hebben dezelfde onbegrensde opzet, dit pakken we aan. 4. Niets nieuws beginnen tot de besluitenlijst leeg is: Dit is de moeilijkste, maar ook de belangrijkste.
En de zin die blijft hangen? "Alleen doen houdt je goed in doen. Doen plus aansturen maakt je goed in allebei. Alleen aansturen maakt je goed in niets." Daar zit een belangrijke waarschuwing in voor iemand die dertien bots heeft draaien. Blijf de balans houden, Jamal.
Zo, dat was het. Ik hoop dat deze inzichten je inspireren en helpen om onze AI-strategie nog verder te verfijnen. Bedankt voor het luisteren!
Jamal werd lid van The Algorithmic Bridge, de nieuwsbrief van Alberto Romero. Hij vroeg
om de site helemaal uit te pluizen en er alles uit te halen waarmee wij onze setup beter
kunnen maken.
Dit is wat eruit kwam.
De site heeft 30 artikelen verschenen sinds 15 mei. Ik heb er 13 volledig gelezen,
via Jamals eigen ingelogde Chrome, dus ook de betaalde stukken.
Daaronder zitten alle zeven praktische gidsen uit die periode. Dat is bewust: die gaan
over hoe je met AI werkt, en daar zit onze winst.
De overige 17 zijn vooral nieuws en geopolitiek. China tegen Amerika, het Witte Huis,
Anthropic en Trump, wiskundedoorbraken. Interessant, maar het maakt onze salon niet beter.
Dat noem ik er eerlijk bij.
Eén waarschuwing meteen. Het stuk "The AI Industry Has a Really Dark Secret" is
satire. Een grap over AI's die 's nachts in geheimtaal praten. Het staat tussen de
echte artikelen en leest als serieus nieuws. Dat is het niet.
Dit is de belangrijkste vondst van de hele site.
Bij echte agent-systemen is 62 procent van de rekening opnieuw meegestuurde context.
En de kosten groeien niet recht-evenredig met de lengte van een gesprek, maar met het
kwadraat ervan.
Romero zegt het zo: tegen de tiende keer dat je "ja, ga door" zegt, kosten die drie woordjes
je meer dan tienduizend woorden context in je eerste bericht.
Wat er gebeurt bij elk "oké, doorgaan": het model leest de hele boel opnieuw, gaat aan
zichzelf twijfelen, en fixeert zich op jouw correcties.
Wat dat bij ons verklaart. Onze bots kaatsten in augustus elkaars "klaar"-berichten
heen en weer. Dat leek beleefdheid. Het was gewoon geld verbranden. Het stilte-verbod van
9 augustus was dus geen etiquette-regel maar een bezuiniging.
Wat we anders doen. Alles in één keer aan het begin. Gooi er gerust duizend half-geordende
gedachten in. Daarna wegblijven. En loopt een sessie vast: afkappen, niet terugpraten.
Hier wordt het ongemakkelijk, want dit is precies onze vloot.
Romero waarschuwt tegen lagen agents die elkaars werk controleren. Zijn zin erover:
je zweeft boven het zweven. Waar ben jij eigenlijk? Zo ver buiten de lus dat je de lus
niet meer ziet. De lus is een stipje geworden.
Wij hebben dertien bots. Conductor beoordeelt Paco. Paco meldt aan Conductor. Er is een
wachter die wachters bewaakt.
Ik zeg niet dat het fout is. Onze bots doen echt werk. Maar de waarschuwing snijdt hout:
er stapelen zich oordelen op van gereedschap dat slecht is in oordelen.
Wat we anders doen. Bij elke nieuwe laag toezicht eerst vragen: kan Jamal dit nog volgen?
Zo niet, dan is het geen toezicht maar een blinde vlek met een net pak aan.
De agent laat je twintig opties beoordelen in plaats van er één bouwen.
Romero: je verliest het vermogen om alternatieven te bedenken die de AI niet voorstelt. En
je verliest het vermogen om er één af te maken.
Dit is ons knelpunt, letterlijk gemeten. In augustus stonden er 297 aanbevelingen open
en waren van circa 40 briefing-adviezen er 3 uitgevoerd. Niet de productie hapert, de
besluitvorming hapert.
Een tweede artikel zegt hetzelfde met andere woorden: besteed de tijd die AI je teruggeeft
aan het kerkhof dat je al hebt, niet aan een groter kerkhof.
Wat we anders doen. Niets nieuws beginnen zolang de besluitenlijst niet leeg is.
Onze regel is nu "het goedkoopste dat goed genoeg is". Dat is vaag. Niemand weet wanneer
iets goed genoeg is.
Romero geeft één testvraag die wel te beantwoorden is: hoeveel kost een fout antwoord?
En: laat de denkstand met rust. De standaard is goed. Sonnet mét denkstand kan per taak
net zo duur uitpakken als Opus.
Er zit nog een valkuil in. Een goedkoop model dat tien keer zoveel tokens nodig heeft, is
duurder dan een duur model dat het in één keer goed doet. Goedkoop kiezen is niet hetzelfde
als goedkoop uitkomen.
Vraag vóór elke opdracht: zou deze taak twee keer hetzelfde antwoord moeten geven?
Is het antwoord ja, dan is het een vaste, voorspelbare klus. Daar is gewone software voor.
Die doet het gratis, meteen, en zonder fouten.
Romero's beeld: je huurt nu voor elke noot een sloophamer. Koop één keer een notenkraker.
Dus vraag de AI niet om de oplossing, maar om het gereedschap. Je betaalt de dure tokens
één keer, en houdt het resultaat voor altijd.
Dat is precies onze eigen regel dat elke terugkerende klus een geplande taak wordt. Fijn
om die van buitenaf bevestigd te zien.
Dit is het meest verrassende inzicht, en het komt uit twee losse artikelen tegelijk.
Uit het Google-stuk. Stanford-onderzoekers lieten een model planeetbanen voorspellen. Met
een lang contextvenster leerde het alleen oppervlakkige patronen. Pas toen ze het venster
inkortten, zodat het niet genoeg baan kon zien om te patroonmatchen, ontdekte het de
onderliggende natuurwetten.
Hoe strenger de beperking, hoe dieper het begrip.
Uit het Kimi-stuk. Chinese labs hebben veel minder rekenkracht dan de Amerikaanse. Precies
daardoor werden ze gedwongen echt efficiënt te bouwen. Kimi K3 is ongeveer half zo duur per
taak als Opus.
Wat dat bij ons betekent. Onze bots hebben nu bijna geen grenzen. Sessies mogen eindeloos
doorlopen, ze hervatten oude gesprekken, en toestemming wordt overgeslagen. Vandaag bleek nog
wat dat kost: Paco deed er vijftien minuten over één antwoord omdat hij elke vraag zijn hele
opgeblazen sessie herlaadde. Na een schone start: vier seconden.
Grenzen instellen is dus geen rem op kwaliteit. Het is een aanjager ervan.
Onderzoek van Princeton: de nauwkeurigheid van modellen ging van onder de 0,2 naar 0,8.
De betrouwbaarheid bleef vrijwel vlak.
Dat is geen detail. Dat is de verklaring voor bijna al onze storingen van de afgelopen maand.
De vier stille storingen van 12 augustus. De vier eigen meetfouten van 14 augustus. Allemaal
hetzelfde patroon: het zag er goed uit, het gaf geen foutmelding, en het werkte niet.
Dat is geen pech en geen slordigheid. Dat is de vorm van deze technologie.
Onze regels "klaar bestaat niet zonder bewijs" en "kan mijn check een vals nee geven" zijn
dus geen overdreven voorzichtigheid. Ze zijn precies de juiste reactie op wat de technologie
werkelijk is.
Eén artikel geeft een raamwerk dat ik echt bruikbaar vind: de halterstrategie.
Belaad de twee uiteinden, laat het midden leeg.
Jij staat al op beide uiteinden. Je knipt en kleurt, en je bouwt een botvloot. Dat is
een sterke positie en die is zeldzamer dan je denkt.
Wat ontbreekt is het tweede deel: wanneer stuur je bij? Kies vier of vijf signalen en
kijk er elk kwartaal naar. Niet om de toekomst te raden, maar om sneller te reageren zodra
duidelijk wordt welke kant het op gaat.
En er is een scenario dat voor jou apart telt. In het scenario waarin AI ongelijk inslaat,
worden juridisch werk, programmeren en de medische wereld omgegooid, terwijl creatief en
relationeel werk nauwelijks geraakt wordt.
Een kapsalon zit in die tweede groep. Handen in iemands haar, zien wat bij een gezicht past,
een klant die terugkomt om jou. Dat is precies het werk dat volgens dit raamwerk het laatst
aan de beurt is.
Dat is goed nieuws voor de salon. Het is een waarschuwing voor de software-plannen.
Twee dingen.
Het advies om te doen alsof. Er staat een gids over overleven bij een AI-bezeten baas.
Het advies: doe enthousiast mee, ook als je het niet gelooft. Voor een werknemer is dat
misschien slim. Voor ons is het schadelijk. Wij hebben bots die eerlijk moeten melden dat
iets niet werkt. Doen-alsof is precies wat we niet willen.
Wel bruikbaar is de spiegel. In dat verhaal ben jij de baas met de AI-obsessie. Je team
is misschien de sceptische kant. Dat is het nadenken waard.
De ondergangsstemming. Romero denkt dat de zeepbel kan klappen. Dat kan. Maar wij bouwen
gereedschap dat werk doet, geen aandelen. Als de prijzen dalen worden wij goedkoper uit.
Vier dingen, geen twintig. Dat zou de zesde les meteen overtreden.
De modelregel scherper maken. "Wat kost een fout antwoord" in plaats van "goedkoopste
dat goed genoeg is". Concreet en te controleren.
De vijf-seconden-check invoeren. Voor elke terugkerende klus eerst vragen of het een
script kan zijn. Zo ja, dan schrijft de bot het script en niet elke keer het antwoord.
Grenzen inbouwen waar ze nu ontbreken. Bij Paco is dat vandaag gebeurd. De andere bots
hebben dezelfde onbegrensde opzet.
Niets nieuws beginnen tot de besluitenlijst leeg is. Dit is de moeilijkste en de
belangrijkste.
Alleen doen houdt je goed in doen. Doen plus aansturen maakt je goed in allebei. Alleen
aansturen maakt je goed in niets.
Daar zit de waarschuwing in voor iemand die dertien bots heeft draaien.
Bron: thealgorithmicbridge.com, Alberto Romero. Gelezen op 15 augustus 2026.
13 van de 30 artikelen sinds 15 mei volledig gelezen, waaronder alle zeven praktische gidsen.