Nog niet zo lang geleden was AI vooral een slimme tekstmachine: jij stelde een vraag, het systeem gaf een antwoord, en jij deed er iets mee. Dat verandert in hoog tempo. Moderne AI-assistenten en agents voeren zelf taken uit: ze zetten conceptorders klaar, beantwoorden klantmails, plannen afspraken in en passen gegevens aan in je systemen. Handig — maar het roept een vraag op die elke ondernemer zich zou moeten stellen vóórdat er iets misgaat: welke beslissingen mag zo'n systeem zelf nemen, en waar wil ik dat een mens meekijkt?
Het antwoord op die vraag heeft een naam: human in the loop, letterlijk 'de mens in de lus'. In dit artikel leggen we uit wat het betekent, waarom het geen rem op automatisering is maar juist de voorwaarde ervoor, en hoe je er in de praktijk mee omgaat.
Wat betekent human in the loop?
Human in the loop betekent dat er op een afgesproken punt in een geautomatiseerd proces een mens zit die meekijkt, goedkeurt of ingrijpt. De AI doet het voorwerk — lezen, opzoeken, opstellen, voorbereiden — maar de beslissing die ertoe doet, wordt pas definitief nadat iemand ernaar heeft gekeken. Denk aan een AI die een antwoord op een klantmail klaarzet dat een medewerker alleen nog controleert en verstuurt, of een systeem dat een betaling voorbereidt die de boekhouder met één klik goedkeurt.
Het tegenovergestelde heet wel eens 'human out of the loop': het systeem handelt volledig zelfstandig en je ziet achteraf wat er gebeurd is. Dat klinkt efficiënter, en voor sommige taken is het dat ook. Maar het verschil tussen die twee is geen technische instelling — het is een ondernemersbeslissing over risico, en die kun je beter bewust nemen dan per ongeluk.
Waarom dit geen detail is: jij blijft verantwoordelijk
Een bekend voorbeeld van hoe het misgaat komt van Air Canada. De chatbot op de website beloofde een klant een korting die helemaal niet bestond: het systeem had het kortingsbeleid simpelweg verzonnen. Toen de klant de korting opeiste, verweerde de luchtvaartmaatschappij zich met het argument dat de chatbot een soort eigen entiteit was, verantwoordelijk voor zijn eigen uitspraken. De Canadese geschillenrechter veegde dat in 2024 van tafel: wat je chatbot tegen klanten zegt, zeg jíj tegen klanten. Air Canada moest betalen.
Die les geldt onverkort voor elk mkb-bedrijf: een toezegging van jouw AI is een toezegging van jouw bedrijf. En AI maakt nu eenmaal fouten — soms door verzonnen feiten (de zogeheten hallucinaties, waar we eerder over schreven), soms door een verkeerd geïnterpreteerde vraag. De kans daarop krijg je nooit helemaal naar nul. Wat je wél kunt sturen, is waar een fout terechtkomt: in een conceptvoorstel dat een medewerker corrigeert, of rechtstreeks bij je klant.
De vraag is niet of je AI een fout maakt, maar waar die fout landt: in een concept dat iemand nog controleert, of rechtstreeks bij je klant, je leverancier of je boekhouding.
Vier manieren om de mens in de lus te houden
Human in the loop is geen alles-of-niets-keuze. In de praktijk zie je vier patronen, oplopend van strak naar los:
- Goedkeuren vooraf: de AI bereidt de actie voor en wacht. Pas na een akkoord van een mens gaat de mail de deur uit, de order het systeem in of de betaling eruit. Dit is de standaard voor alles met geld, verplichtingen of externe ontvangers.
- Controleren achteraf: de AI handelt zelfstandig, maar alles wordt gelogd en periodiek steekproefsgewijs nagekeken. Geschikt voor taken met lage impact en hoge aantallen, zoals het sorteren en labelen van binnenkomende mail.
- Escaleren bij twijfel: de AI handelt de duidelijke gevallen zelf af en legt alles waar hij onzeker over is voor aan een mens. Goede systemen gokken niet bij twijfel, maar markeren precies wat ze niet zeker weten.
- Doorvragen: de AI stelt zelf een vraag terug als de opdracht onduidelijk is, in plaats van een aanname te doen. De mens is dan niet alleen controleur, maar ook vraagbaak.
De meeste goede automatiseringen combineren deze patronen. Een AI die je mailbox beheert, kan nieuwsbrieven zelfstandig archiveren (controle achteraf), antwoorden op klantvragen klaarzetten (goedkeuren vooraf) en een boze mail van je grootste klant direct aan jou voorleggen (escaleren). Belangrijk daarbij: leg vast wie mag goedkeuren, en zorg dat elke goedkeuring en afwijzing wordt vastgelegd. Zo kun je achteraf altijd terugzien wat er gebeurd is en waarom.
Welke taken geef je uit handen — en welke niet?
Een bruikbare vuistregel kijkt naar twee dingen: is de actie omkeerbaar, en blijft hij binnen de muren van je bedrijf? Een intern conceptje dat je altijd kunt weggooien, mag een AI prima zelfstandig maken. Een onomkeerbare actie richting de buitenwereld — een betaling, een contractbevestiging, het verwijderen van gegevens — verdient altijd een mens aan de knop. Daartussen zit een grijs gebied waar je per taak een keuze maakt.
Er bestaat een simpele toetsvraag die in vakliteratuur over AI-agents steeds terugkomt, en die wij ook in onze trajecten gebruiken: zou ik het goed vinden als het systeem dít deed zonder het eerst te vragen? Is het antwoord 'ja, altijd', dan mag het zelfstandig. Is het 'nee' of 'hangt ervan af', dan bouw je een goedkeurstap in. Begin liever te streng dan te los: een goedkeurstap weghalen omdat de AI maandenlang foutloos bleek, is een kleine moeite. Het vertrouwen van een klant terugwinnen na een fout die niemand zag, is dat niet.
Wat zegt de wet er inmiddels over?
Menselijk toezicht is ook een juridisch thema. De Europese AI Act stelt in artikel 14 eisen aan hoog-risico-AI-systemen — denk aan AI die sollicitanten selecteert of kredietwaardigheid beoordeelt: wie zo'n systeem gebruikt, moet het kunnen monitoren, de uitkomsten kunnen interpreteren, per geval kunnen ingrijpen of overrulen, en het systeem kunnen stilzetten. Die hoog-risico-verplichtingen zijn eind 2025 met de zogeheten Digital Omnibus overigens uitgesteld: ze gaan nu in op 2 december 2027 in plaats van augustus 2026.
Maar let op: twee dingen gelden nu al voor vrijwel elk bedrijf dat AI gebruikt. Sinds februari 2025 moet je zorgen dat medewerkers die met AI werken daar voldoende kennis voor hebben (de zogeheten AI-geletterdheid), en sinds augustus 2026 gelden transparantieverplichtingen: klanten moeten bijvoorbeeld kunnen weten dat ze met een AI-systeem chatten. Wie zijn AI-inzet nu al inricht met duidelijke goedkeurstappen, logging en getrainde medewerkers, voldoet straks bijna vanzelf aan de strengere regels — en slaapt intussen gewoon beter.
Zo pak je het praktisch aan
Begin niet bij de techniek, maar bij een lijstje: welke taken wil ik automatiseren, en wat is per taak het slechtste dat er kan gebeuren? Deel ze daarna in: zelfstandig met controle achteraf, goedkeuren vooraf, of (voorlopig) niet automatiseren. Dat lijstje is meteen de blauwdruk voor je automatisering — en het gesprek erover levert vaak meer op dan welke demo dan ook.
Goed ingericht toezicht is geen rem op automatisering, maar de voorwaarde ervoor: je durft AI pas écht werk uit handen te geven als je weet waar de knop zit.
Zo bouwen wij onze oplossingen ook: de AI doet het voorwerk, de beslissingen die ertoe doen blijven bij jou of je team. Een afgebakend eerste traject — bijvoorbeeld één werkproces automatiseren, inclusief doordachte goedkeurstappen — begint bij ons vanaf zo'n €1.500; een groter traject met meerdere processen vanaf €5.000. Wil je eerst je team leren waar AI wel en niet te vertrouwen is, dan is een training (vanaf €400) vaak de beste eerste stap — meteen goed voor die verplichte AI-geletterdheid.
Benieuwd welke taken in jouw bedrijf veilig naar AI kunnen en waar je een mens aan de knop wilt houden? Doe de gratis AI-check, of plan een vrijblijvend consult — dan lopen we dat lijstje samen langs.