Wij gaven onze social media aan AI

01

Waarom dit, waarom nu

In de eerste helft van 2026 gebeurden twee dingen. Ons systeem had ons nergens meer voor nodig, behalve voor het oordeel. En de feeds eromheen liepen vol met machinegeschreven ruis. Die combinatie verdient het om van binnenuit gedocumenteerd te worden.

Generatieve AI maakte publiceren gratis, en het resultaat zie je op elke feed: meer volume, minder signaal, en een lezer die er inmiddels van uitgaat dat een zelfverzekerde post door niemand geschreven is. Tegelijk waren de argumenten voor automatisering nooit sterker, want het werk achter een serieuze contentoperatie is precies het soort werk waar machines goed in zijn. Die twee feiten wijzen in tegengestelde richtingen, en de meeste bedrijven lossen de spanning op door een van de twee mislukkingen te kiezen: stil blijven, of meedoen aan de ruis. Wij bouwden een jaar aan een derde optie, en sinds deze zomer kunnen we laten zien wat die oplevert in plaats van betogen wat die zou moeten opleveren. Dit dossier is het volledige ontwerp, inclusief de onderdelen die onderweg stukgingen.

2025 Het handmatige tijdperk: posten wanneer er tijd was, één feed die elk publiek moest bedienen. De klassieke stilte-valkuil. jan 2026 Het gemeten jaar begint. Vier stemmen, elk met een eigen taak, ritme en meetlat. jan-jul 2026 De brede feed haalt 694.527 impressies, 429 procent meer dan in de periode ervoor. 92 procent van het bereik landt buiten ons eigen netwerk. jun 2026 De schrijf-engine gaat volledig autonoom. Eén handmatige stap blijft bewust staan: een mens die elke post goedkeurt. jul 2026 De leer-loops gaan aan: prestatie en stem wekelijks, met de eerste kwartaalronde voor de strategie gepland in september.

02

1. Het uitgangspunt: geef het werk uit handen, houd het oordeel

Veel bedrijven praten over AI. Wij draaien er delen van ons eigen bedrijf op, en het zichtbaarste bewijs is waarschijnlijk de feed waardoor je hier terechtkwam.

Elke post op onze LinkedIn-kanalen wordt geschreven door een systeem dat een onderzoeksarchief van meer dan vijftienduizend bronnen leest, schrijft in een van vier eigen stemmen, zichzelf inplant, meet wat aankwam, en de week erna bijstelt hoe het schrijft. Het hele systeem draaien kost ons tussen de twaalf en achttien euro per maand.

Er is precies één ding dat het systeem niet mag: publiceren. Een mens leest elke post en keurt hem goed voordat die live gaat. In die ene regel zit de hele filosofie. Geef de machine het werk. Laat het oordeel bij een mens.

We hebben het zo gebouwd omdat de twee gebruikelijke uitkomsten allebei falen. De eerste is stilte: een bedrijf weet dat het zichtbaar moet zijn, niemand heeft er tijd voor, en het account valt weken stil. De tweede is ruis: iemand zet een generieke AI-schrijver op de feed, en die produceert zelfverzekerde, nietszeggende vulling die een lezer binnen een seconde als machinewerk herkent. Beide komen voort uit dezelfde denkfout: de hele klus als één geheel behandelen. Driehonderd artikelen per week lezen is werk. Bepalen wat het waard is om onder je eigen naam te zeggen, is oordeel. Zodra je die twee uit elkaar trekt, kun je bijna al het eerste automatiseren en al het tweede beschermen.

Wat hierna komt is de machine zelf, uitgelegd zoals we het zouden vertellen aan een klant die vraagt hoe het werkt. Wij vinden het ontwerp interessanter dan welke losse post er ook uit komt.

03

2. Tegen de ruis

Bijna elke opzet voor AI op social legt de knip precies verkeerd: die geeft de machine het oordeel en houdt het werk. Wij doen het andersom, en elke ontwerpkeuze hieronder volgt uit die ene omkering.

Kijk goed naar een doorsnee geautomatiseerde feed en je ziet de machine beslissen wat er gezegd wordt, beslissen of de claim klopt, en beslissen om op publiceren te drukken, terwijl een mens links kopieert en beelden bijsnijdt. Dat is het oordeel geautomatiseerd en het werk behouden, precies verkeerd om. Ons systeem doet het lezen, schrijven, opmaken, inplannen en meten. Een mens beslist wat het waard is om te zeggen en of het de deur uit gaat. Het werk is waar een machine goed in is. Het oordeel is dat niet.

Ruis heeft een specifieke oorzaak, en die zit niet in het model. De oorzaak is één feed die alles tegelijk moet doen. Als één account bekendheid, autoriteit, bewijs en diepgang in dezelfde stroom najaagt, zakt elke post terug naar een grijs midden dat geen van die vier bedient. Daarom weigeren we die ene feed. We draaien vier stemmen, elk met een eigen taak, publiek, taal, ritme en meetlat. Niets hoeft af te vlakken naar het gemiddelde, want geen twee stemmen delen een doel.

Het duidelijkste bewijs dat dit werkt, zit in de stem die we het zorgvuldigst hebben afgesteld. De Nederlandse specialistenstem is bewust niche en wordt afgerekend op interactiegraad in plaats van bereik. Juist doordat hij geen volume najaagt, haalt hij ongeveer drie tot vier keer de interactie van de brede feed. Het publiek versmallen en het kale bereikcijfer links laten liggen: dat is precies wat het cijfer goed maakt.

Twee andere keuzes houden de kwaliteit op peil. Het schrijven begint bij een archief van meer dan vijftienduizend bronnen, waardoor een post een echt standpunt draagt in plaats van een parafrase van de opdracht. En de bedrijfspagina houden we bewust bescheiden, zodat bewijs mensen bereikt via een oprichter die er zijn naam aan verbindt in plaats van via een account dat in het luchtledige roept. Die terughoudendheid levert hier het meeste op.

De omkering in één zin: generieke AI-social houdt het werk en geeft het oordeel weg. Wij geven het werk weg en houden het oordeel. Alles wat na deze sectie komt, is die ene zin, uitgewerkt.

04

3. De loop, van begin tot eind

Het systeem bestaat uit vijf zelfstandige diensten, en samen vormen ze een loop, geen rechte lijn. Content wordt geschreven, een mens keurt goed, publiceren en meten lopen vanzelf, en wat we leren stroomt terug in hoe de volgende reeks geschreven wordt. Het diagram hieronder toont het hele circuit, met de ene menselijke poort gemarkeerd waar hij hoort.

Op zichzelf is hier niets bijzonders aan. Het archief is een doorzoekbare database met dingen die het onthouden waard zijn. De schrijf-engine is een set prompts rond een goed taalmodel. De inplanner praat met een gewone publicatietool. De waarde zit in hoe de onderdelen aan elkaar hangen, en in het feit dat ze doordraaien of er nu iemand achter een bureau zit of niet. De schrijftaak draait een paar keer per dag. De meettaak draait wekelijks. De strategieronde draait vier keer per jaar. Geen van de drie wacht op ons.

De vorm die ertoe doet: een loop, geen pijplijn. Een pijplijn stopt zodra de post gepubliceerd is. Een loop voert het resultaat terug, zodat het schrijven van deze maand gevormd wordt door wat vorige maand werkte.

05

4. Vier stemmen, vier taken

We posten niet vanuit één account maar vanuit vier, omdat ze verschillende taken doen voor verschillende doelgroepen. Wie ze allemaal hetzelfde behandelt, doet ze alle vier tekort.

In het begin maakten we de klassieke fout om alles door één persoonlijke feed te duwen: Engelse opiniestukken, Nederlandse commerciële updates, bedrijfsnieuws, alles door elkaar. Het volume verwaterde het signaal en de doelgroep kon niet zien waar het account voor stond. Het splitsen van de stemmen loste dat op. Elke stem heeft nu één taak, een eigen doelgroep en een eigen definitie van succes. De afbeelding hieronder koppelt elke stem aan de taak die hij doet en het cijfer waarop hij zich verantwoordt.

De bedrijfspagina verdient een aparte alinea, want die laat zien hoeveel hiervan nuchter regelwerk is, geen magie. Bedrijfspagina's bereiken op eigen kracht bijna niemand, dus een paginapost is maar zo goed als de oprichters die hem delen. In plaats van te hopen dat ze eraan denken, schrijft het systeem bij elke paginapost meteen twee reshare-teksten, één per oprichter, elk met een eigen invalshoek in plaats van een herhaling, en zet het een agendaherinnering klaar met de tekst er al in. Zo wordt de reshare een klus van tien seconden: post openen, plakken, klaar. We haalden het excuus weg, niet de mens.

06

5. De ene regel: een mens keurt elke post goed

Het systeem kan schrijven, inplannen, meten en leren zonder ons. Publiceren kan het niet. Elk concept blijft op "nog niet goedgekeurd" staan tot een mens het vrijgeeft. Dit is de bewust ingebouwde flessenhals, en we zouden hem niet weghalen, ook niet als de concepten perfect waren.

De reden: deze posts gaan de deur uit onder echte namen, en een naam is het enige bezit dat de machine niet kan herbouwen. Een zwakke post kost een beetje aandacht. Een foute post, een verkeerd gelezen claim, een klant die genoemd wordt zonder toestemming, een aangedikt getal, kost vertrouwen, en op vertrouwen draait ons hele bedrijf. Goedkeuren is goedkoop: het kost een paar minuten per dag. De schade waartegen het beschermt is dat allerminst.

De goedkeurstap houdt ons ook in contact met de output, en dat bewaakt de kwaliteit ongemerkt. Doordat een mens elk concept leest, valt het op wanneer een stem begint af te drijven, wanneer een onderwerp verschraalt, wanneer het systeem te veel op één soort post leunt. Precies dat opmerken voedt de leer-loop. Een beheerder die de concepten nooit leest, zou de machine niets te leren hebben.

Automatiseer het werk tot aan de rand van het oordeel, en stop daar. De engine doet alles tot aan de beslissing om te spreken. Die beslissing blijft bij een mens. Op die lijn draagt het systeem bewust over.

07

6. Eerlijkheid, ingebouwd in de machine

Het lastigste was nooit tekst schrijven. Het lastigste was beeld maken waar we achter konden staan. Een grafiek is dé plek waar een geautomatiseerd systeem ongemerkt kan liegen: een getal afronden, een datapunt verzinnen, de verkeerde balk uitlichten. Dus bouwden we de eerlijkheid in de pijplijn in, in plaats van erop te hopen.

Veel van onze posts dragen een datagrafiek, en die grafieken bouwen we na in onze eigen huisstijl in plaats van een wazige screenshot te plaatsen; zo'n nagebouwde grafiek noemen we hieronder een kaart. Een grafiek nabouwen betekent zijn getallen lezen en opnieuw tekenen, en dat is precies waar fouten binnensluipen. Onze verdediging is een reeks scheidingen waardoor één fout niet zomaar de feed haalt. Het diagram hieronder toont de twee muren en de drie poorten die elk beeld moet passeren.

Twee muren die nooit bewegen

De eerste muur: het model dat een grafiek leest, is nooit het model dat het resultaat controleert. Het ene systeem haalt de data eruit, een ander toetst die aan het origineel. Een lezer die zijn eigen huiswerk nakijkt, keurt alles goed. Twee onafhankelijke lezers vangen wat één lezer mist.

De tweede muur: het systeem dat een afgekeurde kaart repareert, is nooit het systeem dat hem beoordeelt. Haalt een kaart de controle niet, dan stelt een apart model een begrensde correctie voor, een label verkleinen, marge toevoegen, de juiste reeks opnieuw markeren, en daarna kijkt de beoordelaar opnieuw. De code perkt de reparateur in: hij mag schuiven met de opmaak, maar kan nooit een getal, een kleur of de bronregel aanraken. Vrijheid over de vorm, harde muren rond de feiten.

Drie vragen die elke kaart moet doorstaan

Poort 1: Is het dezelfde data en hetzelfde verhaal? Controleert: getrouwheid Een kritische vergelijking van het origineel naast onze nagebouwde versie. Getallen die in beeld staan moeten exact kloppen. Er mag niets bij verzonnen zijn. Zakt de kaart hier, dan plaatsen we de originele grafiek in ons kader in plaats van onze eigen versie.

Poort 2: Is de kaart leesbaar en goed opgebouwd? Controleert: ontwerp Automatisch afgekeurd bij afgesneden labels, onleesbaar contrast, scheve verhoudingen of getallen die niet kloppen. Zakt de kaart hier, dan doorloopt hij een reparatieladder, en in het uiterste geval gaat de simpele originele grafiek de deur uit.

Poort 3: Draagt de kaart het eigenlijke punt van de post? Controleert: boodschap Correct en mooi is niet genoeg. Als de post "beter en goedkoper" beweert en de kaart alleen de prijs laat zien, mist een lezer de helft van de claim, dus wordt hij afgekeurd. De keuze begint bij wat de post beweert, niet bij wat de grafiek toevallig laat zien.

Kunnen de drie poorten niet eerlijk gehaald worden, dan is het vangnet de originele grafiek zelf: bijgesneden in ons kader, met onze kop en de echte bron eronder. Geen mooiere leugen, nul risico op vervorming. Liever een simpele grafiek die klopt dan een fraaie die liegt.

08

7. Wat er brak: de weg naar het systeem

Alles hierboven leest alsof het in één keer zo bedacht is, omdat we de versie beschrijven die werkt. Zo begon het niet. De geloofwaardige manier om zo'n systeem uit te leggen is vertellen wat we eerst verkeerd deden, want in elke reparatie zit een echte ontwerpbeslissing.

Het eerste dat brak, was de ene persoonlijke feed. Elk publiek vanuit één account bedienen voelde efficiënt en verwaterde alles: de Engelse bekendheidsposts, de Nederlandse commerciële posts en het bedrijfsnieuws vochten om dezelfde aandacht, en geen van drieën won. De oplossing was splitsen in aparte stemmen met aparte taken en aparte meetlatten, de vier-stemmenstructuur waar de rest van dit dossier op rust. Zodra elke stem zich op zijn eigen cijfer verantwoordde, hoefde geen enkele stem nog een compromis te sluiten.

Het tweede dat brak, was subtieler en gevaarlijker: te veel claimen. Zo'n systeem kan een machine ongemerkt de eer laten opstrijken voor het werk van een mens, of een mensennaam een claim laten dragen die de machine verzon. Allebei zijn het vertrouwensbreuken, en zodra een lezer er één betrapt, trekt hij ook al het andere in twijfel. We ontwierpen er van meet af aan tegen door geen enkel onderdeel twee petten te geven. De extractor die een grafiek leest, is nooit de verifieerder die hem controleert. De maker die een kaart bouwt, is nooit de beoordelaar die hem doorlaat. Niemand kijkt zijn eigen werk na.

Het derde dat brak, was de mediastap. Niet elke post heeft een goed beeld klaarliggen, en de verleidelijke fout is het systeem er dan een te laten verzinnen om het gat te vullen. Dat weigerden we. De mediastap heeft een vangnet nodig dat veilig faalt: bestaat er geen eerlijk beeld, dan seint het systeem een mens in om er een te exporteren, in plaats van er een te fabriceren. De afbeelding hieronder toont de ladder die het systeem afloopt, en waarom de laatste trede bewust een mens is.

De ladder heeft vier treden, en de eerste die houdt, wint. Trede één: gebruik een echt beeld rechtstreeks uit het archief, want een echt beeld verslaat elk gegenereerd beeld. Trede twee: is er geen archiefbeeld maar wel een dataverhaal, bouw dan de grafiek na in huisstijl, langs de drie poorten. Trede drie: is er ook geen grafiek, maak dan een simpele statkaart die alleen getallen toont waar we achter staan. Trede vier: levert dat alles niets eerlijks op, dan seint het systeem een mens in om het echte beeld met de hand te exporteren. Die laatste trede is bewust handmatig. Als de machine niet goedkoop eerlijk kan zijn, betalen we liever een minuut menselijk werk dan dat we een gefabriceerd beeld accepteren.

Het vierde dat brak, was de reshare. Bewijs van de bedrijfspagina komt alleen ver als een oprichter het versterkt, en onze eerste versie liet dat aan het geheugen over. Oftewel: het gebeurde niet. Dat duwtje moest gebouwd worden, niet gehoopt. Paginaposts gaan nu de deur uit met twee vooraf geschreven reshare-teksten, één per oprichter, plus een agendaherinnering met de tekst er al in. "Iemand deelt het wel" is geen plan. Een klaarstaande tekst en een herinnering wel.

09

8. Hoe het leert: drie loops op drie klokken

Een systeem dat alleen publiceert, verschraalt. Het onze verbetert op drie aparte ritmes, omdat de vragen die het moet beantwoorden op verschillende snelheden veranderen. Het diagram hieronder zet de drie loops op hun drie klokken.

De stem-loop is de subtielste, en dit is waar iemands aanpassingen ophouden losse ingrepen te zijn en lesmateriaal worden. Herschrijft een mens een concept, dan gaat die aanpassing niet verloren. Duikt dezelfde soort verandering op over meerdere posts, dan leest het systeem dat als een voorkeur en stelt het voor om die in de stem op te nemen, zodat de concepten opschuiven naar hoe wij echt schrijven. Een correctie die je één keer maakt, wordt ongemerkt een correctie die de machine niet meer nodig heeft.

Geen van de drie loops verandert iets op eigen houtje. Elke loop stelt voor; een mens beslist. Het prestatierapport landt in een inbox. De stem-update komt binnen als een aanpassing om goed te keuren. De kwartaalronde is een memo, geen knop die het systeem zelf omzet. Dezelfde regel als bij het publiceren, machine stelt voor en mens beslist, loopt door tot in de leerlaag.

10

9. Wat het opleverde: een half jaar, gemeten

Tot nu toe was het eerlijke antwoord op "werkt het?" een beschrijving. Sinds juli 2026 is het een getal: LinkedIns eigen analytics voor de brede feed, 1 januari tot en met 6 juli, staan hieronder, onbewerkt en met de kanttekeningen erbij.

Consistentie kwam eerst, want daar haken mensen steevast op af. Drie posts per dag op de brede feed, weekenden meegerekend. De Nederlandse specialistenstem ongeveer een dozijn keer per maand. Een wekelijkse nieuwsbrief die nooit overslaat. Bewijs op de bedrijfspagina zodra een echt klantmoment de toestemmingscheck haalt. Elk daarvan hou je een week makkelijk vol. Alle vier zes maanden lang volhouden, dat is wat het systeem ons bracht, en de bereikcijfers laten zien waartoe die consistentie zich opstapelt.

Het kopcijfer: 694.527 impressies in de eerste helft van 2026, 429 procent meer dan in de 187 dagen ervoor. De vorm van de curve zegt meer dan het totaal: hij wordt steiler, omdat archief, publiek en stem zich allemaal opstapelen, terwijl een feed die af en toe post elke week weer op nul begint. Niets hiervan is gekocht. Er zit nergens advertentiebudget in het systeem.

Het cijfer waar we het scherpst naar kijken is het kleinste op dat paneel: 92 procent van de 369.307 bereikte mensen zat buiten ons eigen netwerk. Bereik binnen je netwerk is je connecties die beleefd zijn. Bereik daarbuiten betekent dat het platform de content op eigen merites naar vreemden bracht, en dat is het mechanische tegendeel van wat er met generieke AI-vulling gebeurt. Het interactieprofiel wijst dezelfde kant op: van 4.654 interacties waren er 576 saves en 158 doorgestuurde posts. Ruis wordt niet opgeslagen en niet doorgestuurd.

Het klassement maakt de cirkel van deze dossierreeks rond. De posts die dit jaar het verst kwamen, zijn robotica-analyses en verhalen over exponentiële groei, aangevoerd door een post over de Boston Dynamics Atlas met 92.095 impressies, twee weken oud, dus ruim binnen het autonome tijdperk. Daarom gaan de twee zusterdossiers in deze reeks over humanoïde robotica en exponentiële technologie: de feed vertelde ons waar de nieuwsgierigheid van het publiek zit, en het bibliotheekwerk volgde de cijfers.

Wat deze cijfers wel en niet bewijzen. Ze bewijzen bereik, consistentie en distributie buiten het eigen netwerk, tegen vrijwel geen marginale kosten. Ze bewijzen nog geen verkooppipeline: het systeem ging in juni 2026 volledig autonoom, en de lead-capture-laag uit sectie twaalf wordt nog meetbaar gemaakt. We publiceren het sterke cijfer en het onaffe deel in één adem, want dat is de maatstaf waaraan we het systeem zelf houden.

Onder de posts bouwt het systeem aan een attributielaag, en dat is het deel dat voor een bedrijf telt, meer dan een volgersaantal. Keynote-aanvragen koppelen de brede feed aan echte verkoopkansen, waardoor het account geen kostenpost is waarvan niemand de waarde kan aantonen. Nieuwsbriefinschrijvingen zetten een gehuurd publiek om in een eigen, exporteerbare lijst, en dat is het verschil tussen aandacht lenen en aandacht houden. Het sterkste materiaal krijgt bovendien een tweede leven: de nieuwsbrief verschijnt opnieuw in de inzichtenbibliotheek op onze website, in het Engels en het Nederlands, en een post die uitschiet groeit uit tot een lang artikel op dezelfde plek. De feed doet zijn werk in een dag. De bibliotheek houdt dat werk vast, en dit dossier staat erin.

11

10. Wat het kost, wat het opbouwt

Het getal dat mensen verrast, is de rekening. Het hele systeem draait op ongeveer twaalf tot achttien euro aan modelgebruik per maand.

Dat bedrag blijft zo laag omdat de inspanning gaat zitten waar ze de uitkomst verandert, niet overal evenveel. De schaarse beslissingen waar veel van afhangt, kiezen welke verhalen het vertellen waard zijn, de stem bijwerken, de kwartaalstrategie lezen, draaien op de diepste en duurste redeneerkracht die we hebben. Het werk met veel volume en weinig risico, een grafiek lezen, een snelle leesbaarheidscheck, draait op een licht en snel model. De kwartaalronde voor de strategie is de belangrijkste losse beslissing in het systeem, en omdat die vier keer per jaar plaatsvindt, kost de diepste configuratie ervoor ongeveer een euro per jaar. De afbeelding hieronder zet de maandkosten naast wat het systeem in diezelfde maand oplevert.

~€15 totale modelkosten per maand om het hele systeem te draaien 5 zelfstandige diensten in de loop, allemaal live 1 handmatige stap: een mens die elke post goedkeurt

Zet die rekening naast wat je ervoor terugkrijgt: ruwweg honderd posts per maand over vier stemmen, gemeten en lerend, goed voor twee derde van een miljoen impressies in een half jaar. De vergelijkbare menselijke bezetting, een contentmarketeer plus een ontwerper plus een analist die dat ritme zonder vrije weekenden volhouden, kost geen vijftien euro. Het punt is niet dat mensen vervangbaar zijn. Het punt is dat dit specifieke werk nooit een goede besteding van hun tijd was, en dat het oordeel, dat altijd al de echte klus was, nu elke dag een paar minuten aandacht krijgt in plaats van geen enkele.

We behandelen het geheel als werkend voorbeeld van hoe we klanten adviseren AI te adopteren. Zie wat het kan, begrijp waar het past, en adopteer het dan zo dat een mens verantwoordelijk blijft voor de delen die risico dragen. Het social-systeem is dat advies, toegepast op onszelf, in het openbaar, elke dag.

12

11. De voor de hand liggende bezwaren

Wie zo'n systeem publiceert, roept vier terechte vragen op. Die verdienen een recht antwoord in plaats van een roadmap-slide.

"Straft LinkedIn AI-content niet af?" Platforms straffen content af die niemand wil, wie hem ook schreef. De 92 procent bereik buiten het eigen netwerk uit sectie negen is de distributiemotor van het platform zelf, die deze posts op hun merites beloont. Wat algoritmes wél steeds harder afstraffen is de generieke soort machine-output, en het hele ontwerp, concepten geworteld in het archief, vier smalle stemmen, menselijke goedkeuring, bestaat juist om dat soort posts niet te maken. De eerlijke kanttekening: platformbeleid kan zonder aankondiging veranderen, en precies daarom zijn de nieuwsbrieflijst en de websitebibliotheek, de twee kanalen die we zelf bezitten, dragende onderdelen van het systeem en geen versiering.

"Is het nog authentiek als een machine het schrijft?" De authenticiteit van een post zat nooit in het typen. Ze zit in wiens oordeel het verhaal koos, wiens lat de post moest halen, en wie er zijn naam op zette. Alle drie bleven menselijk: het archief is onze jarenlange curatie, de stem is getraind op onze eigen herschrijvingen, en niets gaat de deur uit zonder dat een mens beslist dat het mag. Wat de machine overnam is het lezen en het opmaken, en niemand heeft die ooit het authentieke deel genoemd.

"Waarom niet gewoon een bureau inhuren?" Een bureau neemt het werk over en verhuurt je zijn oordeel, en dat is de verkeerde volgorde voor een bedrijf waarvan de eigen kijk het product is. Ook financieel komt het niet in de buurt: een serieuze retainer zit drie tot vier ordes van grootte boven vijftien euro per maand, en een bureau kan nog altijd geen privéarchief van vijftienduizend bronnen lezen dat het niet heeft. Waar een bureau wél wint, grote creatieve campagnes, film, merkwerk, is werk waar dit systeem niet aan begint.

"Waarom het recept publiceren?" Omdat het recept nooit ons verdedigbare voordeel was. Dat voordeel zit in het archief, in de smaak die in de stemmen zit, en in de discipline om een mens in de loop te houden, ook wanneer het goedkoper zou zijn dat niet te doen. Een concurrent kan de architectuur morgen nabouwen, en dan hebben wij er een vakgenoot bij die minder ruis produceert. We adviseren over precies dit soort adoptie, dus een openbaar, draaiend, gemeten voorbeeld is ons meer waard dan een geheim.

13

12. De roadmap

Het systeem publiceert goed. De volgende stappen gaan over binnenhalen: het publiek dat het bereikt omzetten in gesprekken en verkoopkansen waar het bedrijf iets mee kan.

Lead-capture is de volgende stap. De brede feed levert al keynote-aanvragen op; het werk is dat pad korter en meetbaar maken, zodat we precies zien waar een aanvraag begon en hoe hij zich bewoog, in plaats van dat achteraf te reconstrueren.

Comment-naar-DM-automatisering is de tweede stap. De lezers die het dichtst bij een gesprek staan, zijn degenen die reageren. Een openbare reactie snel omzetten in een privégesprek, zonder een mens die de inbox bewaakt, is waar publieke interactie echte dialoog wordt.

Rijkere media-matching bouwt voort op de ladder uit sectie zeven. Beter zoeken naar een echt archiefbeeld, vóórdat het systeem terugvalt op een nagebouwde grafiek, betekent dat meer posts een echt beeld dragen en minder op een reconstructie leunen. De eerlijkste trede wordt zo vaker gebruikt.

En het opgebouwde bezit groeit door. De nieuwsbrief blijft de bibliotheek voeden, uitschieters blijven uitgroeien tot artikelen, en elke cyclus voegt iets toe aan een geheel dat een lezer kan doorzoeken, lang nadat de post uit beeld is gescrold.

14

13. Zelf slikken wat we voorschrijven

We zijn een AI-consultancy die precies het soort systeem publiceert dat we voor een klant zouden bouwen. Dat is het hele punt van het laten zien. De showcase is het bewijs, en het bewijs is de pitch. Je leest geen casestudy over de adoptie van iemand anders. Je leest de output van het ding dat hier beschreven wordt.

Het sluit ook aan op hoe we klanten adviseren te bewegen: Zien, dan Begrijpen, dan Adopteren. Een lezer ziet een draaiend systeem in de feed waardoor hij hier kwam. Hij begrijpt de ontwerpkeuzes in dit dossier: de scheiding van werk en oordeel, de vier stemmen, de eerlijkheidsarchitectuur, de menselijke poort. Daarna krijgt hij een draaiboek om het zelf te bouwen. Elke stap brengt hem verder in het doen, niet alleen in het lezen erover.

De eerlijkheidsarchitectuur is ons standpunt, omgezet in mechaniek. Wij vinden dat een machine nooit haar eigen werk zou moeten kunnen nakijken, en in plaats van dat als waarde op te schrijven, bouwden we het in code die de maker weghoudt bij de beoordelaar en de extractor bij de verifieerder. En omdat het systeem leert op drie loops op drie klokken, is het ding dat over AI-adoptie publiceert zelf voortdurend aan het adopteren. Het wordt beter in zijn eigen taak, zoals we klanten vragen beter te worden in de hunne.

Je hebt onze precieze stack niet nodig om dit te doen. De onderdelen zijn gewoon verkrijgbaar en inwisselbaar. Wat overdraagbaar is, is de reeks keuzes eronder, en die zouden we iedereen meegeven die begint.

Scheid werk van oordeel, en automatiseer alleen het werk Schrijf elk onderdeel van de klus op en label het. Lezen, schrijven, opmaken, inplannen en meten zijn werk. Bepalen wat je onder je eigen naam zegt, is oordeel. Automatiseer stevig op de eerste lijst. Blijf van de tweede af.

Houd een goedkope menselijke poort, en lees elk concept Goedkeuren kost minuten en beschermt het enige bezit dat de machine niet kan herbouwen: je geloofwaardigheid. Het lezen is geen overhead. Het houdt de beheerder dicht genoeg op de output om het systeem iets te leren.

Bouw eerlijkheid in, vraag er niet om Scheid de maker van de beoordelaar en de lezer van de verifieerder. Geef de reparatiestap vrijheid over de vorm en geen toegang tot de feiten. Een prompt die zegt "wees accuraat" is een wens. Een structuur waarin het ene onderdeel niet kan veranderen wat een ander onderdeel controleert, is een garantie.

Sluit de loop, of hij verschraalt Meten zonder de uitkomsten terug te laten stromen naar het schrijven is versiering. Maak van aanpassingen lesmateriaal en van resultaten de opdracht voor volgende maand, en het systeem wordt beter terwijl je slaapt. Sla dit over, en je hebt een dure manier om eeuwig hetzelfde te posten.

Waarom we dit publiceerden in plaats van het voor onszelf te houden, is simpel. Het interessante aan AI op het werk is zelden het model. Het is de bedrading eromheen: waar je het laat lopen, waar je het laat stoppen, en hoe je het eerlijk houdt. Wil je zien hoe dat er in de praktijk uitziet: de feed staat er, en een mens keurde elke post erop goed.

15

14. De cijfers, geverifieerd

Een dossier over een eerlijkheidsarchitectuur hoort zijn eigen huiswerk te laten zien. Hieronder staat elk cijfer uit dit dossier, met zijn bron en de kanttekening die erbij hoort.

Grafieken met het label "BFF" zijn door ons getekend op basis van de bronnen die eronder staan. De bereik-, resultaten- en klassementgrafieken hertekenen LinkedIns eigen analytics zonder aanpassing.

Back From the Future · BFF Inzichten · praktijkdossier · juli 2026