{"version":1,"nodes":[{"id":"article:aeo-meaning","type":"article","pillar":"seo-geo-aeo","locales":{"en":{"label":"AEO meaning: answer engine optimization, not customs","summary":"AEO, on this site, means answer engine optimization: writing one URL so an answer engine can lift a clean capsule. Two other AEOs share the letters. Authorized Economic Operator is a customs status. A vendor AEO dashboard is a product named after the craft. If you cannot name which object would change this week, a form, a URL, or a login, you do not yet have a meaning. What AEO means is the definition of the publishing job. This page is only the collision.","url":"/en/blog/aeo-meaning/","searchText":"AEO meaning: answer engine optimization, not customs AEO means answer engine optimization: writing one URL so an answer engine can lift a clean capsule. It is not Authorized Economic Operator, not GEO under another name, and not a schema plugin. The letters are a craft on one URL. Customs is a different AEO. AEO, on this site, means answer engine optimization: writing one URL so an answer engine can lift a clean capsule. Two other AEOs share the letters. Authorized Economic Operator is a customs status. A vendor AEO dashboard is a product named after the craft. If you cannot name which object would change this week, a form, a URL, or a login, you do not yet have a meaning. What AEO means is the definition of the publishing job. This page is only the collision. AEO meaning answer engine optimization AEO = answer engine optimization. One URL, one capsule. Authorized Economic Operator is customs. Not this page. GEO is the system. AEO is the page. They are not synonyms. This page is the collision. The definition of the publishing job stays next door. aeo AEO Writing one URL so an engine can lift a clean capsule. GEO Becoming a source an answer engine can retrieve, interpret, extract, and verify. People search \"AEO meaning\" because a slide used the letters. Three rooms share those letters. Most of the traffic is people in the wrong room. AEO meaning, on this site: answer engine optimization. Writing one URL so an answer engine can lift a clean capsule. What AEO means is the definition of that craft. This page is only the collision: which AEO you walked into. Three AEOs Authorized Economic Operator is a customs status. Import paperwork, trusted-trader programmes, border forms. If that is your query, leave. This is a publishing site. Answer engine optimization is the publishing job. One public URL, written so a machine can steal a checkable sentence from the first HTML screen. GEO decides whether the crawler ever arrives. AEO decides whether the page it fetched contains a sentence worth lifting. Two failures, two different weeks of work. GEO meaning and the three-way comparison stay next door. A vendor \"AEO dashboard\" is a product named after the letters. If the artefact they hand you is a score, not a rewritten first screen, you bought a report. You did not buy the job. How to tell which room you are in Ask what object would change this week. - A customs form or an AEO certificate: you are in trade compliance. - One named URL whose first HTML screen can be quoted: you are in publishing. - A login and a traffic chart with extra letters: you bought a dashboard. If you cannot name the object, you do not yet have a meaning. You have a slide. What this page is not It is not the five-minute fail test. That lives on the definition page. It is not the SEO comparison. It is not a ranking guarantee. If the letters still mean \"a tool we bought,\" you have the third AEO. Stop calling the plugin the job.","keyTakeaways":["AEO = answer engine optimization. One URL, one capsule.","Authorized Economic Operator is customs. Not this page.","GEO is the system. AEO is the page. They are not synonyms.","This page is the collision. The definition of the publishing job stays next door."],"readingMinutes":2,"publishedAt":"2026-09-15T10:00:00.000Z"},"nl":{"label":"AEO-betekenis: drie letters, drie kamers","summary":"AEO betekent op deze site answer engine optimization: één URL zo schrijven dat een antwoordmachine er een schone capsule uit kan lichten. Twee andere AEO's delen de letters. Authorized Economic Operator is een douanestatus. Een AEO-dashboard van een leverancier is een product naar het vak genoemd. Kun je niet zeggen welk object deze week verandert, een formulier, een URL of een login, dan heb je nog geen betekenis. Wat AEO betekent is de definitie van het publicatievak. Deze pagina is alleen de botsing.","url":"/nl/blog/aeo-betekenis/","searchText":"AEO-betekenis: drie letters, drie kamers AEO betekent op deze site answer engine optimization: één URL zo schrijven dat een antwoordmachine er een schone capsule uit licht. Authorized Economic Operator is douane. Een AEO-dashboard is een product dat meelift op de afkorting. Kun je niet zeggen welk object deze week verandert, dan heb je nog geen betekenis. Je hebt een slide. AEO betekent op deze site answer engine optimization: één URL zo schrijven dat een antwoordmachine er een schone capsule uit kan lichten. Twee andere AEO's delen de letters. Authorized Economic Operator is een douanestatus. Een AEO-dashboard van een leverancier is een product naar het vak genoemd. Kun je niet zeggen welk object deze week verandert, een formulier, een URL of een login, dan heb je nog geen betekenis. Wat AEO betekent is de definitie van het publicatievak. Deze pagina is alleen de botsing. AEO-betekenis answer engine optimization AEO op deze site = answer engine optimization. Eén URL, één capsule. Authorized Economic Operator is douane. Niet deze pagina. Een dashboard met extra letters is een derde AEO. Deze pagina is de botsing. De definitie van het publicatievak blijft ernaast. aeo AEO Eén URL zo schrijven dat een engine er een schone capsule uit kan lichten. GEO Een bron worden die een antwoordmachine kan ophalen, interpreteren, extraheren en verifiëren. Mensen zoeken AEO betekenis omdat een slide de letters gebruikte. Drie kamers delen die letters. Het meeste verkeer zit in de verkeerde kamer. AEO-betekenis op deze site: answer engine optimization. Eén URL zo schrijven dat een antwoordmachine er een schone capsule uit licht. Wat AEO betekent is de definitie van dat vak. Deze pagina behandelt alleen de spraakverwarring: in welke AEO je bent binnengelopen. Drie AEO's Authorized Economic Operator is een douanestatus. Invoerdocumenten, trusted-trader-programma's, grensformulieren. Is dat jouw zoekopdracht, dan zit je hier verkeerd. Dit is een publicatiesite. Answer engine optimization is het publicatievak. Eén publieke URL, zo geschreven dat een machine een controleerbare zin uit het eerste HTML-scherm kan stelen. GEO bepaalt of de crawler ooit aankomt. AEO bepaalt of de pagina die hij ophaalde een zin bevat die het tillen waard is. Twee storingen, twee verschillende weken werk. GEO-betekenis en de driewegvergelijking blijven ernaast. Een AEO-dashboard van een leverancier is een product dat meelift op de afkorting. Is het artefact dat ze je geven een score, geen herschreven eerste scherm, dan heb je een rapport gekocht. Je hebt het vak niet gekocht. Hoe je de kamer herkent Vraag welk object deze week zou veranderen. - Een douaneformulier of een AEO-certificaat: je zit in handelscompliance. - Eén benoemde URL waarvan het eerste HTML-scherm citeerbaar is: je zit in publiceren. - Een login en een trafficgrafiek met extra letters: je kocht een dashboard. Kun je het object niet noemen, dan heb je nog geen betekenis. Je hebt een slide. Wat deze pagina niet is Niet de faaltest van vijf minuten. Die staat op de definitiepagina. Niet de SEO-vergelijking. Geen rankinggarantie. Betekenen de letters nog steeds \"een tool die we kochten\", dan heb je de derde AEO. Noem die plugin dan niet langer het vak.","keyTakeaways":["AEO op deze site = answer engine optimization. Eén URL, één capsule.","Authorized Economic Operator is douane. Niet deze pagina.","Een dashboard met extra letters is een derde AEO.","Deze pagina is de botsing. De definitie van het publicatievak blijft ernaast."],"readingMinutes":2,"publishedAt":"2026-09-15T10:05:00.000Z"}},"degree":6},{"id":"article:aeo-vs-geo-vs-seo","type":"article","pillar":"seo-geo-aeo","locales":{"en":{"label":"AEO vs GEO vs SEO: three jobs, not three synonyms","summary":"SEO, GEO, and AEO are three jobs. SEO is ranking in ten blue links: crawl, index, rank. GEO, generative engine optimization, is the system around an answer engine: retrieve, interpret, extract, verify. AEO, answer engine optimization, is the craft of one URL so that engine can lift a clean capsule. GEO without AEO is a crawl of pages nobody can quote. AEO without GEO is a beautiful capsule the crawler never fetched. They run in parallel, not as a ladder, and they produce three separate numbers: rankings in Search Console, crawler fetches in your own access logs, and named citations in a prompt set you logged yourself. Authorized Economic Operator and geography are collisions, not this page.","url":"/en/blog/aeo-vs-geo-vs-seo/","searchText":"AEO vs GEO vs SEO: three jobs, not three synonyms SEO is ranking in links. GEO is becoming a source an answer engine can retrieve, interpret, extract, and verify. AEO is writing one URL so the engine can lift a clean capsule. They are three jobs with three artefacts and three numbers. If you use the three letters as synonyms, you will buy the wrong work and measure the wrong door. SEO, GEO, and AEO are three jobs. SEO is ranking in ten blue links: crawl, index, rank. GEO, generative engine optimization, is the system around an answer engine: retrieve, interpret, extract, verify. AEO, answer engine optimization, is the craft of one URL so that engine can lift a clean capsule. GEO without AEO is a crawl of pages nobody can quote. AEO without GEO is a beautiful capsule the crawler never fetched. They run in parallel, not as a ladder, and they produce three separate numbers: rankings in Search Console, crawler fetches in your own access logs, and named citations in a prompt set you logged yourself. Authorized Economic Operator and geography are collisions, not this page. AEO vs GEO vs SEO SEO = links. GEO = the answer-engine system. AEO = one quote-shaped URL. They are not a ladder. You can rank and still be unnamed. You can be named from a URL that does not rank. Three numbers, three places: Search Console, your server logs, and a prompt set you ran yourself. A proposal with no robots.txt diff, no named URL list, and no prompt log is selling you a dashboard. Meaning pages stay next door. This page is the comparison. aeo geo GEO Becoming a source an answer engine can retrieve, interpret, extract, and verify. AEO Writing one URL so an engine can lift a clean capsule. CITATION The eight-move framework from The Findability Engine: Cite, Identify, Triangulate, Anchor, Track, Iterate, Optimize, Normalize. The book is in production and not for sale. Slide decks treat AEO , GEO , and SEO as one pile of letters. They are three jobs. Mixing them is how you buy schema theatre and then wonder why ChatGPT still will not name you. GEO meaning and what AEO means stay the dictionary entries. This page is the comparison, including ordinary search. The three jobs SEO. Search engine optimization in the ordinary sense: can a search engine crawl, index, and rank the URL among ten blue links. Rankings, snippets, classic Search Console. It measures search discovery. It is not a prerequisite for a named citation elsewhere. GEO. Generative engine optimization: becoming a source an answer engine can retrieve, interpret, extract, and verify. The system around the page. Crawlers, eligibility, original value, evidence that survives scrutiny. Not geography. Not a bag of hidden prompts. AEO. Answer engine optimization: the craft of one URL . Direct answer near the top, named entity, visible sources, no invented FAQ schema. GEO without AEO is a crawl of pages nobody can quote. AEO without GEO is a capsule the crawler never fetched. The result gets its own test: was the page discoverable, attributed, answer-shaped, evidenced, and actually used? CITATION is a different object: the eight-move framework in The Findability Engine (Cite, Identify, Triangulate, Anchor, Track, Iterate, Optimize, Normalize). The book is in production (drafting, English first) and not for sale. If you landed here from customs (Authorized Economic Operator) or a map (geography), leave. Those are different letters. Side by side Job Question What you produce You measure You fail when --- --- --- --- --- SEO Do we rank for this query? An indexed, linked, competitive URL Impressions, clicks, position The URL is not in the index or is outranked GEO Can an answer engine fetch and trust us as a source? An open door and a page worth trusting Crawler fetches in your logs, appearances in answers The door is closed or the corpus never saw you AEO Can this URL be quoted in one stealable screen? A capsule: claim, entity, evidence Whether the first HTML answers the question Paragraph one is a manifesto You can rank and still be unnamed. You can be named from a URL that does not rank. Report them as three numbers. Why ChatGPT does not name you is the diagnosis when the answer engine is ChatGPT. Google's generative reports measure Google. One URL, three jobs Take a single page: a consultancy's /pricing-a-data-migration/ , answering what a migration actually costs and why. The SEO job is that the page exists in the index, sits in the internal link graph, and competes for the query people type. Artefact: an indexed URL. Failure: it is orphaned, or the title targets \"our approach\" while the query is \"cost.\" The GEO job is that the relevant crawler can fetch it, no login gate, no noindex , and that the page carries something a commodity page does not: a dated method, real inputs, evidence you can point at. Artefact: a fetch in your access logs and a page that survives a verification pass. Failure: a WAF rule drops the crawler and nobody ever looks at the logs. The AEO job is the first 80 words. A direct answer to the cost question, the organisation named, the date visible, the evidence on the same URL. Artefact: a capsule a stranger could lift verbatim. Failure: the first screen is \"we believe migrations should be human.\" Now read the combinations, because they are where the money goes: - SEO passes, AEO fails. You rank, and answers summarise your topic without you. Ranking did not make the page quote-shaped. - AEO passes, GEO fails. A perfect capsule nobody fetched. You will conclude the writing is wrong. The writing is fine. - GEO passes, SEO fails. You get named from a page that does not rank. That is a legitimate outcome and it is exactly why you cannot report one number. Three numbers, three places Do not blend them into a \"visibility score.\" 1. Rankings. Search Console. Impressions, clicks, position. This measures search, and Google's generative reports measure Google, not ChatGPT. 2. Eligibility. Your own server access logs, filtered by the crawler you care about, plus the current robots.txt on the live host. You own this measurement, even though you do not control when a crawler arrives. 3. Citations. A prompt set you wrote, run in the answer engines you care about, logged with a date and an outcome per prompt. Referral traffic can corroborate it when a referrer is present. Number 3 is work, not a subscription. Five to ten prompts a real buyer would type, run more than once, logged. That is a research instrument. A vendor dashboard with no prompt list behind it is a chart of somebody's sampling choices. What to do on Monday Pick one URL that should be stealable. 1. SEO. Is it indexed? If not, the search job has failed. Record that separately. 2. GEO. Is the relevant crawler allowed, and has it actually fetched the URL? Check robots.txt , then the logs. Recheck the engine's publisher FAQ, not a Twitter thread. 3. AEO. curl the HTML. Claim, name, evidence in the first screen? If 3 fails, do not buy a GEO package. Move the conclusion above the myth. Content architecture for answer engines is the longer page craft. If 2 fails, open the door. Schema will not substitute. If 1 fails, do ordinary search work. Do not use the SEO failure to infer anything about answer-engine eligibility. How to read a proposal When someone sells you \"GEO,\" ask which of the three jobs they are doing and what the artefact is. Real deliverables look like this: - A robots.txt before-and-after, plus a log check a week later showing the crawler arrived. - A named list of URLs with rewritten first screens: claim, entity, evidence, one per page. - A prompt set with dates and outcomes, run before the work and after it. Theatre looks like this: - llms.txt as the deliverable. Google's own AI optimization guide says it ignores that file for Search. - FAQ schema added as a tactic after May 2026. - Bought \"mentions\" on pages nobody reads, on the theory that volume is attribution. - A visibility score with no prompt list, no dates, and no method. Either invoice can be expensive. Only one leaves you with something you can check yourself. What not to do Do not treat the three words as a maturity model (SEO then GEO then AEO). They run in parallel. Do not invent FAQ schema as a shortcut. Google ended FAQ rich results on 2026-05-07. Do not mix eligibility with citation. Being fetched is not being named. The meaning pages stay short on purpose. Use this page when someone says \"we need GEO\" and means \"add schema.\" Ask which of the three jobs they are actually buying, and what they will hand you at the end of it.","keyTakeaways":["SEO = links. GEO = the answer-engine system. AEO = one quote-shaped URL.","They are not a ladder. You can rank and still be unnamed. You can be named from a URL that does not rank.","Three numbers, three places: Search Console, your server logs, and a prompt set you ran yourself.","A proposal with no robots.txt diff, no named URL list, and no prompt log is selling you a dashboard.","Meaning pages stay next door. This page is the comparison."],"readingMinutes":6,"publishedAt":"2026-08-27T13:00:00.000Z"},"nl":{"label":"AEO vs GEO vs SEO: drie klussen, geen drie synoniemen","summary":"SEO, GEO en AEO zijn drie klussen. SEO is ranken in tien blauwe links: crawlen, indexeren, ranken. GEO, generative engine optimization, is het systeem rond een antwoordmachine: ophalen, interpreteren, extraheren, verifiëren. AEO, answer engine optimization, is het vakmanschap van één URL, zodat die engine er een schone capsule uit kan lichten. GEO zonder AEO is een crawl van pagina's die niemand kan citeren. AEO zonder GEO is een prachtige capsule die de crawler nooit heeft opgehaald. Ze lopen parallel, niet als ladder, en ze leveren drie losse getallen op: rankings in Search Console, crawlerbezoeken in je eigen access logs, en genoemde citaties in een promptset die je zelf hebt gelogd. Authorised Economic Operator en geografie zijn naamsbotsingen, niet deze pagina.","url":"/nl/blog/aeo-versus-geo-versus-seo/","searchText":"AEO vs GEO vs SEO: drie klussen, geen drie synoniemen SEO is ranken in links. GEO is een bron worden die een antwoordmachine kan ophalen, interpreteren, extraheren en verifiëren. AEO is één URL zo schrijven dat de engine er een schone capsule uit licht. Drie klussen, drie opleveringen, drie getallen. Gebruik je de drie letters als synoniemen, dan koop je het verkeerde werk en meet je de verkeerde deur. SEO, GEO en AEO zijn drie klussen. SEO is ranken in tien blauwe links: crawlen, indexeren, ranken. GEO, generative engine optimization, is het systeem rond een antwoordmachine: ophalen, interpreteren, extraheren, verifiëren. AEO, answer engine optimization, is het vakmanschap van één URL, zodat die engine er een schone capsule uit kan lichten. GEO zonder AEO is een crawl van pagina's die niemand kan citeren. AEO zonder GEO is een prachtige capsule die de crawler nooit heeft opgehaald. Ze lopen parallel, niet als ladder, en ze leveren drie losse getallen op: rankings in Search Console, crawlerbezoeken in je eigen access logs, en genoemde citaties in een promptset die je zelf hebt gelogd. Authorised Economic Operator en geografie zijn naamsbotsingen, niet deze pagina. AEO vs GEO vs SEO SEO = links. GEO = het systeem rond de antwoordmachine. AEO = één citeerbare URL. Het is geen ladder. Je kunt ranken en ongenoemd blijven. Je kunt genoemd worden vanaf een URL die niet rankt. Drie getallen, drie plekken: Search Console, je eigen serverlogs, en een promptset die je zelf hebt gedraaid. Een voorstel zonder robots.txt-diff, zonder lijst met URL's en zonder promptlog verkoopt je een dashboard. De betekenispagina's blijven hiernaast staan. Deze pagina is de vergelijking. aeo geo GEO Een bron worden die een antwoordmachine kan ophalen, interpreteren, extraheren en verifiëren. AEO Eén URL zo schrijven dat een engine er een schone capsule uit kan lichten. CITATION Het raamwerk van acht stappen uit The findability engine: Citeren, Identificeren, Trianguleren, Verankeren, Traceren, Itereren, Optimaliseren, Normaliseren. Het boek is in productie en niet te koop. Slidedecks behandelen AEO , GEO en SEO als één hoop letters. Het zijn drie klussen. Ze door elkaar halen is precies hoe je schematheater koopt en je daarna afvraagt waarom ChatGPT je nog steeds niet noemt. GEO-betekenis en wat AEO betekent blijven de woordenboekingangen. Deze pagina is de vergelijking, inclusief gewone zoekmachines. De drie klussen SEO. Zoekmachineoptimalisatie in de gewone zin: kan een zoekmachine de URL crawlen, indexeren en ranken tussen tien blauwe links. Rankings, snippets, klassieke Search Console. Het meet vindbaarheid in zoeken. Het is geen voorwaarde voor een genoemde citatie ergens anders. GEO. Generative engine optimization: een bron worden die een antwoordmachine kan ophalen, interpreteren, extraheren en verifiëren. Het systeem rond de pagina. Crawlers, geschiktheid, originele waarde, bewijs dat de toets doorstaat. Geen geografie. Geen zak met verborgen prompts. AEO. Answer engine optimization: het vakmanschap van één URL . Een direct antwoord hoog op de pagina, een genoemde entiteit, zichtbare bronnen, geen verzonnen FAQ-schema. GEO zonder AEO is een crawl van pagina's die niemand kan citeren. AEO zonder GEO is een capsule die de crawler nooit heeft opgehaald. Het resultaat krijgt een eigen toets: was de pagina vindbaar, toegeschreven, antwoordvormig, onderbouwd en werkelijk gebruikt? CITATION is iets anders: het raamwerk van acht stappen uit The findability engine (Citeren, Identificeren, Trianguleren, Verankeren, Traceren, Itereren, Optimaliseren, Normaliseren). Het boek is in productie (eerst in het Engels) en niet te koop. Kom je hier vanuit de douane (Authorised Economic Operator) of vanaf een landkaart, dan zit je verkeerd. Dat zijn andere letters. Naast elkaar Klus Vraag Wat je oplevert Wat je meet Wanneer je faalt --- --- --- --- --- SEO Ranken we op deze zoekopdracht? Een geïndexeerde, gelinkte, concurrerende URL Vertoningen, klikken, positie De URL staat niet in de index of wordt verslagen GEO Kan een antwoordmachine ons ophalen en als bron vertrouwen? Een open deur en een pagina die vertrouwen verdient Crawlerbezoeken in je logs, verschijningen in antwoorden De deur zit dicht of het corpus heeft je nooit gezien AEO Is deze URL te citeren in één te stelen scherm? Een capsule: claim, entiteit, bewijs Of de eerste HTML de vraag beantwoordt Alinea één is een manifest Je kunt ranken en ongenoemd blijven. Je kunt genoemd worden vanaf een URL die niet rankt. Rapporteer ze als drie getallen. Waarom word ik niet genoemd in ChatGPT is de diagnose wanneer de antwoordmachine ChatGPT is. De generatieve rapportages van Google meten Google. Eén URL, drie klussen Neem één pagina: /prijs-van-een-datamigratie/ van een adviesbureau, over wat een migratie werkelijk kost en waarom. De SEO-klus is dat de pagina in de index staat, in het interne linkweb hangt, en meedoet op de zoekopdracht die mensen typen. Oplevering: een geïndexeerde URL. Faalt wanneer: de pagina verweesd is, of de titel mikt op \"onze aanpak\" terwijl de zoekopdracht \"kosten\" is. De GEO-klus is dat de relevante crawler de pagina kan ophalen, zonder loginmuur, zonder noindex , en dat de pagina iets draagt wat een standaardpagina niet heeft: een gedateerde methode, echte invoerwaarden, bewijs dat je kunt aanwijzen. Oplevering: een bezoek in je access logs en een pagina die een verificatieronde overleeft. Faalt wanneer: een WAF-regel de crawler weggooit en niemand ooit in de logs kijkt. De AEO-klus is de eerste 80 woorden. Een direct antwoord op de kostenvraag, de organisatie genoemd, de datum zichtbaar, het bewijs op dezelfde URL. Oplevering: een capsule die een vreemde letterlijk kan overnemen. Faalt wanneer: het eerste scherm luidt \"wij geloven dat migraties menselijk moeten zijn\". Lees nu de combinaties, want daar gaat het geld heen: - SEO slaagt, AEO faalt. Je rankt, en antwoorden vatten jouw onderwerp samen zonder jou. Ranken maakte de pagina niet citeerbaar. - AEO slaagt, GEO faalt. Een perfecte capsule die niemand heeft opgehaald. Je zult concluderen dat het schrijfwerk niet deugt. Het schrijfwerk deugt prima. - GEO slaagt, SEO faalt. Je wordt genoemd vanaf een pagina die niet rankt. Dat is een legitieme uitkomst, en precies de reden dat je niet één getal kunt rapporteren. Drie getallen, drie plekken Meng ze niet tot een \"zichtbaarheidsscore\". 1. Rankings. Search Console. Vertoningen, klikken, positie. Dit meet zoeken, en de generatieve rapportages van Google meten Google, niet ChatGPT. 2. Geschiktheid. Je eigen serverlogs, gefilterd op de crawler die je belangrijk vindt, plus de actuele robots.txt op de live host. Deze meting is van jou, ook al bepaal je niet wanneer een crawler langskomt. 3. Citaties. Een promptset die je zelf hebt geschreven, gedraaid in de antwoordmachines die je belangrijk vindt, gelogd met een datum en een uitkomst per prompt. Verwijzend verkeer kan dit bevestigen wanneer er een referrer is. Nummer 3 is werk, geen abonnement. Vijf tot tien prompts die een echte koper zou typen, meer dan één keer gedraaid, gelogd. Dat is een onderzoeksinstrument. Een leveranciersdashboard zonder promptlijst erachter is een grafiek van andermans steekproefkeuzes. Wat je maandag doet Kies één URL die te citeren zou moeten zijn. 1. SEO. Staat hij in de index? Zo niet, dan is de zoekklus mislukt. Noteer dat apart. 2. GEO. Is de relevante crawler toegestaan, en heeft hij de URL werkelijk opgehaald? Controleer robots.txt , daarna de logs. Herlees de uitgevers-FAQ van de engine, geen thread op X. 3. AEO. curl de HTML. Claim, naam, bewijs in het eerste scherm? Faalt 3, koop dan geen GEO-pakket. Zet de conclusie boven de mythe. Contentarchitectuur die antwoordmachines kunnen citeren is het langere paginavakwerk. Faalt 2, open dan de deur. Schema is geen vervanging. Faalt 1, doe dan gewoon zoekwerk. Leid uit die SEO-fout niets af over geschiktheid bij antwoordmachines. Hoe je een voorstel leest Verkoopt iemand je \"GEO\", vraag dan welke van de drie klussen ze doen en wat de oplevering is. Echte opleveringen zien er zo uit: - Een robots.txt voor en na, plus een logcontrole een week later die laat zien dat de crawler is langsgekomen. - Een benoemde lijst URL's met herschreven eerste schermen: claim, entiteit, bewijs, één per pagina. - Een promptset met data en uitkomsten, gedraaid vóór het werk en erna. Theater ziet er zo uit: - llms.txt als oplevering. De eigen AI-optimalisatiegids van Google zegt dat dat bestand voor Search genegeerd wordt. - FAQ-schema toegevoegd als tactiek na mei 2026. - Gekochte \"vermeldingen\" op pagina's die niemand leest, in de veronderstelling dat volume toeschrijving is. - Een zichtbaarheidsscore zonder promptlijst, zonder data en zonder methode. Beide facturen kunnen duur zijn. Maar één ervan laat je achter met iets dat je zelf kunt controleren. Wat je niet moet doen Behandel de drie woorden niet als volwassenheidsmodel (eerst SEO, dan GEO, dan AEO). Ze lopen parallel. Verzin geen FAQ-schema als kortere weg. Google is op 2026-05-07 gestopt met FAQ rich results. Haal geschiktheid en citatie niet door elkaar. Opgehaald worden is niet genoemd worden. De betekenispagina's blijven met opzet kort. Gebruik deze pagina wanneer iemand zegt \"we hebben GEO nodig\" en \"schema toevoegen\" bedoelt. Vraag welke van de drie klussen ze werkelijk kopen, en wat ze aan het eind overhandigen.","keyTakeaways":["SEO = links. GEO = het systeem rond de antwoordmachine. AEO = één citeerbare URL.","Het is geen ladder. Je kunt ranken en ongenoemd blijven. Je kunt genoemd worden vanaf een URL die niet rankt.","Drie getallen, drie plekken: Search Console, je eigen serverlogs, en een promptset die je zelf hebt gedraaid.","Een voorstel zonder robots.txt-diff, zonder lijst met URL's en zonder promptlog verkoopt je een dashboard.","De betekenispagina's blijven hiernaast staan. Deze pagina is de vergelijking."],"readingMinutes":6,"publishedAt":"2026-08-27T13:05:00.000Z"}},"degree":14},{"id":"article:aeo-vs-seo","type":"article","pillar":"seo-geo-aeo","locales":{"en":{"label":"AEO vs SEO: two jobs, two numbers","summary":"AEO versus SEO is two jobs. SEO is ranking in ten blue links: crawl, index, rank. The artefact is a ranking. The number lives in Search Console. AEO, answer engine optimization, is writing one URL so an answer engine can lift a clean capsule. The artefact is a quote-shaped first screen. The number is a named citation in a prompt set you logged yourself. They run in parallel, not as a ladder. GEO, generative engine optimization, is a third job (the system around retrieve, interpret, extract, verify) and is not this comparison. The three-way lives next door. Authorized Economic Operator is customs. This page is the two-way people search as AEO vs SEO.","url":"/en/blog/aeo-vs-seo/","searchText":"AEO vs SEO: two jobs, two numbers SEO ranks ten blue links. AEO writes one URL so an answer engine can lift a clean capsule. They are not a ladder and not synonyms. GEO is a third job and lives on the three-way page. You can rank and stay unnamed. You can be quoted from a URL that does not rank. AEO versus SEO is two jobs. SEO is ranking in ten blue links: crawl, index, rank. The artefact is a ranking. The number lives in Search Console. AEO, answer engine optimization, is writing one URL so an answer engine can lift a clean capsule. The artefact is a quote-shaped first screen. The number is a named citation in a prompt set you logged yourself. They run in parallel, not as a ladder. GEO, generative engine optimization, is a third job (the system around retrieve, interpret, extract, verify) and is not this comparison. The three-way lives next door. Authorized Economic Operator is customs. This page is the two-way people search as AEO vs SEO. AEO vs SEO SEO = links and rankings. AEO = one quote-shaped URL. Not a ladder. Rank is not a citation. A citation is not a rank. GEO is a third job. Do not smuggle it into this comparison. This page is the two-way. The three-way and the meaning pages stay next door. aeo geo SEO Ranking in ten blue links. Crawl, index, rank. AEO Writing one URL so an engine can lift a clean capsule. Searchers type \"AEO vs SEO\" because a deck treated the letters as synonyms. They are two jobs. Mixing them is how you buy a ranking package and then wonder why ChatGPT still will not name you. AEO vs SEO. SEO ranks ten blue links. AEO writes one URL so an answer engine can lift a clean capsule. The two numbers move independently, and neither predicts the other. AEO vs GEO vs SEO is the three-way, including GEO. This page is the two-way. What AEO means stays the dictionary. Two artefacts, two numbers SEO. Crawl, index, rank. The artefact is a position in ten blue links. The number lives in Search Console. AEO. One URL, quote-shaped. Direct answer near the top, named entities, visible sources, no invented FAQ schema. Google ended FAQ rich results on 7 May 2026. The artefact is a capsule a machine can steal. The number is a named citation in a prompt set you ran yourself, plus utm source=chatgpt.com if you care about the click. They are not a ladder. Doing more SEO does not mint an AEO capsule. Polishing a capsule does not mint a ranking. Where GEO sits, briefly GEO is out of scope here. Use the three-way comparison when you need the system, not when you needed two benches. A proposal you can fail If a vendor sells \"AEO vs SEO\" as one retainer with one dashboard, ask what they hand you at the end. Missing a named URL list with rewritten first screens and a dated prompt log, you bought a ranking report with extra letters. The three-way page has the longer version of that test, crawler side included. Authorized Economic Operator is customs. If that is your AEO, this page is the wrong room. Write the two numbers on a card. Rankings left. Named citations right. If the left is green and the right is empty, you do not have an AEO problem you can solve with more SEO. You have a page that cannot be quoted.","keyTakeaways":["SEO = links and rankings. AEO = one quote-shaped URL.","Not a ladder. Rank is not a citation. A citation is not a rank.","GEO is a third job. Do not smuggle it into this comparison.","This page is the two-way. The three-way and the meaning pages stay next door."],"readingMinutes":2,"publishedAt":"2026-09-16T10:00:00.000Z"},"nl":{"label":"AEO versus SEO: twee klussen, twee getallen","summary":"AEO versus SEO zijn twee klussen. SEO is ranken in tien blauwe links: crawlen, indexeren, ranken. Het artefact is een ranking. Het getal leeft in Search Console. AEO, answer engine optimization, is één URL zo schrijven dat een antwoordmachine er een schone capsule uit kan lichten. Het artefact is een als citaat gevormd eerste scherm. Het getal is een genoemde citatie in een promptset die je zelf hebt gelogd. Ze lopen parallel, niet als ladder. GEO is een derde klus en hoort niet in deze vergelijking. De drieweg staat ernaast. Authorized Economic Operator is douane. Deze pagina is de tweeweg die mensen zoeken als verschil AEO en SEO.","url":"/nl/blog/aeo-versus-seo/","searchText":"AEO versus SEO: twee klussen, twee getallen SEO rankt tien blauwe links. AEO schrijft één URL zodat een antwoordmachine er een schone capsule uit kan lichten. Ze zijn geen ladder en geen synoniemen. GEO is een derde klus en staat op de driewegpagina. Je kunt ranken en naamloos blijven. Je kunt geciteerd worden vanaf een URL die niet rankt. AEO versus SEO zijn twee klussen. SEO is ranken in tien blauwe links: crawlen, indexeren, ranken. Het artefact is een ranking. Het getal leeft in Search Console. AEO, answer engine optimization, is één URL zo schrijven dat een antwoordmachine er een schone capsule uit kan lichten. Het artefact is een als citaat gevormd eerste scherm. Het getal is een genoemde citatie in een promptset die je zelf hebt gelogd. Ze lopen parallel, niet als ladder. GEO is een derde klus en hoort niet in deze vergelijking. De drieweg staat ernaast. Authorized Economic Operator is douane. Deze pagina is de tweeweg die mensen zoeken als verschil AEO en SEO. AEO versus SEO SEO = links en rankings. AEO = één URL als citaat gevormd. Geen ladder. Rank is geen citatie. Een citatie is geen rank. GEO is een derde klus. Smokkel hem niet deze vergelijking in. Deze pagina is de tweeweg. Drieweg en betekenispagina's blijven ernaast. aeo geo SEO Ranken in tien blauwe links. Crawlen, indexeren, ranken. AEO Eén URL zo schrijven dat een engine er een schone capsule uit kan lichten. Mensen typen verschil AEO en SEO omdat een deck de letters als synoniemen behandelde. Het zijn twee klussen. Die twee door elkaar halen is hoe je een rankingpakket koopt en je daarna afvraagt waarom ChatGPT je nog steeds niet noemt. AEO versus SEO. SEO rankt tien blauwe links. AEO schrijft één URL zodat een antwoordmachine er een schone capsule uit kan lichten. De twee getallen bewegen onafhankelijk, en geen van beide voorspelt de ander. AEO vs GEO vs SEO is de drieweg, inclusief GEO. Deze pagina is de tweeweg. Wat AEO betekent blijft het woordenboek. Twee artefacten, twee getallen SEO. Crawlen, indexeren, ranken. Het artefact is een positie in tien blauwe links. Het getal leeft in Search Console. AEO. Eén URL, als citaat gevormd. Direct antwoord bovenaan, benoemde entiteiten, zichtbare bronnen, geen verzonnen FAQ-schema. Google stopte FAQ rich results op 7 mei 2026. Het artefact is een capsule die een machine kan stelen. Het getal is een genoemde citatie in een promptset die je zelf draaide, plus utm source=chatgpt.com als je om de klik geeft. Die referral is bewijs van een klik, geen bewijs van een citatie. Ze zijn geen ladder. Meer SEO levert geen AEO-capsule op. Een capsule polijsten levert geen ranking op. Waar GEO zit, kort GEO valt hier buiten scope. Gebruik de driewegvergelijking als je het systeem nodig hebt, niet als je twee banken nodig hebt. Een voorstel dat je kunt laten zakken Verkoopt een leverancier \"AEO versus SEO\" als één retainer met één dashboard, vraag wat je aan het eind in handen krijgt. Ontbreekt een benoemde URL-lijst met herschreven eerste schermen en een gedateerd promptlog, dan kocht je een rankingrapport met extra letters. De driewegpagina heeft de langere versie van die test, crawlerkant inbegrepen. Authorized Economic Operator is douane. Is dat jouw AEO, dan is deze pagina de verkeerde kamer. Schrijf de twee getallen op een kaart. Rankings links. Genoemde citaties rechts. Is links groen en rechts leeg, dan heb je geen AEO-probleem dat je met meer SEO oplost. Leid de oorzaak niet af uit die twee getallen. Audit toegang, pagina-inhoud, toeschrijving en testdesign apart.","keyTakeaways":["SEO = links en rankings. AEO = één URL als citaat gevormd.","Geen ladder. Rank is geen citatie. Een citatie is geen rank.","GEO is een derde klus. Smokkel hem niet deze vergelijking in.","Deze pagina is de tweeweg. Drieweg en betekenispagina's blijven ernaast."],"readingMinutes":2,"publishedAt":"2026-09-16T10:05:00.000Z"}},"degree":6},{"id":"article:agent-audit-trail","type":"article","pillar":"ai-systems","locales":{"en":{"label":"Agent audit trail: reconstruct the action, approval, and outcome","summary":"An agent audit trail is the set of records that lets someone who was not there reconstruct one action by an AI agent: what it did, with which inputs and instructions, who or what approved it, and what actually happened in the system it touched. The records are written by the software around the agent, not by the agent itself, share one ID, and sit where the agent cannot edit them. A chat transcript is not enough: it shows what the model said, not what the tools did.","url":"/en/blog/agent-audit-trail/","searchText":"Agent audit trail: reconstruct the action, approval, and outcome An agent audit trail lets someone who was not there reconstruct what an AI agent did, who approved it, and what happened. The fields, and a 20-minute drill. If the only witness is the agent, you do not have an audit trail. You have a testimony. An agent audit trail is the set of records that lets someone who was not there reconstruct one action by an AI agent: what it did, with which inputs and instructions, who or what approved it, and what actually happened in the system it touched. The records are written by the software around the agent, not by the agent itself, share one ID, and sit where the agent cannot edit them. A chat transcript is not enough: it shows what the model said, not what the tools did. agent audit trail Three parts, one ID: the action, the approval, the outcome. Write the record outside the model. Do not ask the agent what it did. A chat transcript shows what the model said, not what the tools did. Record the versions in force: model, instructions, tool. Otherwise you cannot say which rules applied. Test it: a colleague who was not involved reconstructs one random action from records alone. agent-ops audit trail A set of records, in time order, that lets someone reconstruct what happened, who did it, and on whose authority. correlation ID One identifier stamped on every record that belongs to the same action, so the pieces can be joined later. hook A small program that runs automatically at a fixed moment, for example right before or right after an agent calls a tool. STACK Structure, Toolchain, Agent configuration, Connection, Knowledge and quality. Five layers for repositories where people and agents share work, from The Agentic Codebase. An agent audit trail is the set of records that lets someone who was not there reconstruct one action by an AI agent: what it did, who or what approved it, and what actually happened in the system it touched. The records are written by the software around the agent, not by the agent. They share one ID. And they sit where the agent cannot edit them. The test is simple. Six weeks from now, a customer disputes something the agent did. Can a colleague answer from records alone, without asking the agent and without asking you? If not, you have a memory, not a trail. An AI agent here means software that takes a goal and uses tools, such as email, a database, or a payment system, over several steps. An audit trail is a set of records, in time order, that shows what happened, who did it, and on whose authority. Why is a chat transcript not an audit trail? The transcript is the conversation you see in the chat window. It feels like a record. It records the wrong thing. It shows what the model said, not what the tools did. An agent can write \"I've refunded the order\" whether or not the refund went through. The words and the action are separate events. Asking the agent afterwards does not fix that. A 2023 OpenAI white paper on governing agents puts it plainly: \"It is unfortunately not possible to simply 'ask' the agent to retroactively justify its behavior, as this is likely to produce confabulated reasoning.\" Confabulated means a plausible story made up after the fact. The same paper recommends giving users \"a ledger of actions taken by the agent.\" It leaves out the approval. Who clicked approve, when, and what exactly was on their screen? The chat rarely knows. It leaves out the outcome. The payment provider's own record of the refund, with its own ID and status, lives in the payment system, not in the chat. It is easy to lose. Chats can be edited, cut short, or deleted when a vendor's retention period ends. And they carry no shared ID you can use to join them to the other systems. What is the minimum record? Three parts, joined by one correlation ID (one identifier stamped on every record that belongs to the same action). Here is the minimum, with a hypothetical refund as the example. Part Field What it answers Example (hypothetical) --- --- --- --- Action Correlation ID Which records belong together act-0917-0142 Action Time (UTC) When the tool was called 17 Sep, 14:03:22 Action Agent and versions Which agent, model, instruction file, and tool version refund-agent, instructions at commit 4f2a Action Trigger and inputs What started it and what it read Ticket 4471; order lookup returned 88213 Action Tool call as sent The exact tool and arguments, or a safe summary if they hold secrets refund(order 88213, €64.90) Approval Rule applied Which rule allowed it, or required a person Refunds over €50 need approval Approval Approver and time The named person and the moment Support lead, 14:05:10 Approval What the approver saw The exact payload version on their screen Order 88213, €64.90, customer name Outcome Target system result The other system's own ID and status Provider refund re 71x, succeeded Outcome Effect check What changed, checked in the system itself Order 88213 marked refunded Outcome Follow-ups Retries, reversals, complaints, linked by the same ID Customer email, 29 Oct Eleven fields. You do not need a platform. For a small team, a table with these columns, filled in automatically, is a working trail. The HITL article on this site names the log as one of four objects a human gate needs. This table is what that log has to contain to survive a dispute. Who writes the record: STACK STACK is a five-layer map for code repositories where people and AI agents share the work. It comes from The Agentic Codebase , which is available now. The five layers: 1. Structure. The layout, entry points, and boundaries an agent can find its way through in its first minute in the repository. 2. Toolchain. The shells, commands, and command-line contracts an agent is allowed to run, written down instead of remembered. 3. Agent configuration. The standing instructions (AGENTS.md, CLAUDE.md, rules, skills, role charters), kept under version control like code. 4. Connection. The tool servers, tool contracts, hooks, and guardrails through which the agent touches the outside world, with the least access the job needs. 5. Knowledge and quality. Memory, context limits, tests of the agent's work (evals), and automated checks (CI), so a model upgrade does not quietly lower the bar. You do not need the book to use this. The audit trail lives in the last two layers. Connection: write the record where the call passes. Every tool call passes through a point you control: a tool server, a gateway, or a hook (a small program that runs automatically right before or right after a tool call). The book's point about hooks is that they hold no matter what the model decides. That makes them the right place to write the action record and the approval, with the same ID. The book also lists \"no secret in a log\" among the rules a hook should enforce, so strip keys and passwords before anything is stored. The payment provider's response should be recorded by the tool, not summarized by the model. If your tools connect through MCP (Model Context Protocol, a standard way for AI apps to reach tools), the MCP server is a natural place for this. Knowledge and quality: record the versions, and read the trace. A record that says \"the refund agent did it\" is useless if the agent's instructions changed twice that week. Store the model name, the commit of the instruction files, and the tool contract version on every action. The book also recommends tracing runs with OpenTelemetry, an open standard for recording what software does as a tree of timed steps called spans. Its GenAI conventions define an execute tool span carrying the tool's name and a call ID. Arguments and results are opt-in and flagged as possibly sensitive, and the whole set is still marked Development, so pin your version. The attribute registry, as read for this page, has no field for a human approval. Add that yourself. A worked example: \"You refunded the wrong order\" Imagine a hypothetical online shop. Its refund agent reads support tickets, looks up the order, and calls the payment tool. Refunds over €50 need a support lead's approval. Six weeks later a customer writes: she returned order 88231, but the refund went to 88213, an order she kept. With a transcript only, you find the agent's message \"I've refunded your order\" and nothing else. The support lead remembers approving \"something like that.\" With the trail, a colleague who was not involved searches by order number and needs about ten minutes: 1. Action. At 14:03 the agent called the refund tool for order 88213. Its input shows the ticket text said 88231, and the lookup tool returned 88213: a fuzzy match, meaning a near miss accepted as a hit, with two digits swapped. 2. Approval. The support lead approved at 14:05. The record of her screen shows the order number from the call, the amount, and the customer's name. It did not show the number the customer typed. 3. Outcome. The payment provider's record confirms refund re 71x on 88213. Order 88231 was never refunded. Two fixes follow, and neither is \"be more careful.\" The approval screen must show the customer's own order number next to the one in the call. And the lookup tool must refuse fuzzy matches on order numbers. Both are changes to the Connection layer, and the trail pointed straight at them. What does the law ask for? This is not legal advice. For systems the EU AI Act classes as high-risk, Article 12(1) says: \"High-risk AI systems shall technically allow for the automatic recording of events (logs) over the lifetime of the system.\" Article 26(6) asks deployers (the organizations that use such a system) to keep the logs under their control for at least six months, unless other law says otherwise. Many internal agents will not be high-risk under the Act. The disputes, refunds, and complaints arrive anyway. Try this today: the reconstruction drill (20 minutes) Pick one action by one agent from last month at random, not one you remember. Give a colleague who was not involved read access to the records, but no chance to ask the people involved. Ask them to answer seven questions within 20 minutes: 1. What exactly did the agent do: which tool, which arguments? 2. What inputs and which instruction versions was it working from? 3. Which rule allowed the action, or who approved it? 4. What did the approver see? 5. What did the target system report back? 6. What changed as a result, and is it still that way? 7. Did anything follow: a retry, a reversal, a complaint? Every \"I would have to ask someone\" is a missing field. Every answer that comes from the agent's own words is a claim, not a record. Fix the first gap before the next action runs. An audit trail tells you what happened. It does not halt anything, and it does not decide whether the agent should have been allowed to act in the first place. Those are separate tests, and each needs its own proof. For claims instead of actions, the same idea is an evidence ledger.","keyTakeaways":["Three parts, one ID: the action, the approval, the outcome.","Write the record outside the model. Do not ask the agent what it did.","A chat transcript shows what the model said, not what the tools did.","Record the versions in force: model, instructions, tool. Otherwise you cannot say which rules applied.","Test it: a colleague who was not involved reconstructs one random action from records alone."],"readingMinutes":8,"publishedAt":"2026-10-03T07:00:00.000Z"},"nl":{"label":"Agent-audittrail: reconstrueer de handeling, goedkeuring en uitkomst","summary":"Een agent-audittrail is de verzameling vastleggingen waarmee iemand die er niet bij was één handeling van een AI-agent kan reconstrueren: wat de agent deed, met welke invoer en instructies, wie of wat het goedkeurde, en wat er werkelijk gebeurde in het systeem dat hij raakte. De software rond de agent schrijft die vastleggingen, niet de agent zelf. Ze delen één ID en staan op een plek die de agent niet kan wijzigen. Een chattranscript volstaat niet: dat laat zien wat het model zei, niet wat de tools deden.","url":"/nl/blog/agent-audittrail/","searchText":"Agent-audittrail: reconstrueer de handeling, goedkeuring en uitkomst Wie er niet bij was, reconstrueert met een agent-audittrail wat een AI-agent deed, wie akkoord gaf en wat er gebeurde. De velden en een oefening van 20 minuten. Is de agent de enige getuige, dan heb je geen audittrail. Dan heb je een verklaring. Een agent-audittrail is de verzameling vastleggingen waarmee iemand die er niet bij was één handeling van een AI-agent kan reconstrueren: wat de agent deed, met welke invoer en instructies, wie of wat het goedkeurde, en wat er werkelijk gebeurde in het systeem dat hij raakte. De software rond de agent schrijft die vastleggingen, niet de agent zelf. Ze delen één ID en staan op een plek die de agent niet kan wijzigen. Een chattranscript volstaat niet: dat laat zien wat het model zei, niet wat de tools deden. agent audittrail Drie delen, één ID: de handeling, de goedkeuring, de uitkomst. Schrijf de vastlegging buiten het model. Vraag de agent niet wat hij gedaan heeft. Een chattranscript laat zien wat het model zei, niet wat de tools deden. Leg de geldende versies vast: model, instructies, tool. Anders weet je niet welke regels golden. Test het: een collega die er niet bij was, reconstrueert één willekeurige handeling alleen aan de hand van de vastleggingen. agent-ops audittrail Een reeks vastleggingen in tijdsvolgorde waarmee je kunt reconstrueren wat er gebeurde, wie het deed en met wiens toestemming. correlatie-ID Eén kenmerk dat op elke vastlegging van dezelfde handeling staat, zodat je de stukken later aan elkaar kunt koppelen. hook Een klein programma dat automatisch op een vast moment draait, bijvoorbeeld vlak voor of vlak na het moment dat een agent een tool aanroept. STACK Structure, Toolchain, Agent configuration, Connection, Knowledge and quality. Vijf lagen voor repositories waarin mensen en agents samenwerken, uit De agentische codebase. Een agent-audittrail is de verzameling vastleggingen waarmee iemand die er niet bij was één handeling van een AI-agent kan reconstrueren: wat de agent deed, wie of wat het goedkeurde, en wat er werkelijk gebeurde in het systeem dat hij raakte. De software rond de agent schrijft die vastleggingen, niet de agent zelf. Ze delen één ID. En ze staan op een plek die de agent niet kan wijzigen. De toets is eenvoudig. Over zes weken betwist een klant iets wat de agent gedaan heeft. Kan een collega dan antwoord geven met alleen de vastleggingen, zonder het de agent te vragen en zonder het jou te vragen? Zo niet, dan heb je een herinnering, geen trail. Met een AI-agent bedoel ik hier software die een doel krijgt en in meerdere stappen tools gebruikt, zoals e-mail, een database of een betaalsysteem. Een audittrail is een reeks vastleggingen in tijdsvolgorde die laat zien wat er gebeurde, wie het deed en met wiens toestemming. Waarom is een chattranscript geen audittrail? Het transcript is het gesprek dat je in het chatvenster ziet. Het voelt als een vastlegging. Maar het legt het verkeerde vast. Het laat zien wat het model zei, niet wat de tools deden. Een agent kan \"ik heb de bestelling terugbetaald\" schrijven, of de terugbetaling nu gelukt is of niet. De woorden en de handeling zijn twee losse gebeurtenissen. Achteraf navragen lost dat niet op. Een whitepaper van OpenAI uit 2023 over toezicht op agents zegt het zonder omhaal: \"It is unfortunately not possible to simply 'ask' the agent to retroactively justify its behavior, as this is likely to produce confabulated reasoning.\" Vraag je de agent achteraf om uitleg, dan krijg je waarschijnlijk een geloofwaardig verhaal dat hij ter plekke verzint. Dezelfde whitepaper raadt aan om gebruikers een overzicht te geven van de handelingen die de agent heeft uitgevoerd. Het mist de goedkeuring. Wie klikte op akkoord, wanneer, en wat stond er precies op dat scherm? Dat weet de chat zelden. Het mist de uitkomst. Het eigen verslag van de betaalprovider over de terugbetaling, met een eigen ID en status, staat in het betaalsysteem, niet in de chat. Het raakt makkelijk kwijt. Chats kunnen worden bewerkt, ingekort of gewist als de bewaartermijn van de leverancier afloopt. En ze hebben geen gedeeld ID waarmee je ze aan de andere systemen kunt koppelen. Wat moet je minimaal vastleggen? Drie delen, verbonden door één correlatie-ID: één kenmerk dat op elke vastlegging van dezelfde handeling staat. Hieronder het minimum, met een hypothetische terugbetaling als voorbeeld. Deel Veld Welke vraag het beantwoordt Voorbeeld (hypothetisch) --- --- --- --- Handeling Correlatie-ID Welke vastleggingen bij elkaar horen act-0917-0142 Handeling Tijdstip (UTC) Wanneer de tool werd aangeroepen 17 sep., 14:03:22 Handeling Agent en versies Welke agent, welk model, welk instructiebestand, welke toolversie refund-agent, instructies op commit 4f2a Handeling Aanleiding en invoer Wat de handeling startte en wat de agent las Ticket 4471; orderopzoeking gaf 88213 terug Handeling Toolaanroep zoals verstuurd De precieze tool en argumenten, of een veilige samenvatting als er geheimen in staan refund(order 88213, € 64,90) Goedkeuring Toegepaste regel Welke regel het toestond, of een mens verplicht stelde Terugbetalingen boven € 50 vragen goedkeuring Goedkeuring Goedkeurder en tijdstip De benoemde persoon en het moment Teamleider support, 14:05:10 Goedkeuring Wat de goedkeurder zag De precieze versie van de aanvraag op het scherm Order 88213, € 64,90, naam klant Uitkomst Resultaat in het doelsysteem Het eigen ID en de status van het andere systeem Terugbetaling re 71x bij de provider, geslaagd Uitkomst Controle van het effect Wat er veranderde, gecontroleerd in het systeem zelf Order 88213 staat op terugbetaald Uitkomst Vervolg Herhaalpogingen, terugboekingen, klachten, gekoppeld via hetzelfde ID Mail van de klant, 29 okt. Elf velden. Je hebt er geen platform voor nodig. Voor een klein team is een tabel met deze kolommen, automatisch gevuld, al een werkende trail. Het HITL-artikel op deze site noemt de log als een van de vier objecten die een menselijke controle nodig heeft. Deze tabel laat zien wat die log moet bevatten om een geschil te doorstaan. Wie schrijft de vastlegging? STACK STACK is een kaart van vijf lagen voor coderepositories waarin mensen en AI-agents samen het werk doen. Het komt uit De agentische codebase , dat nu verkrijgbaar is. De laagnamen blijven Engels: 1. Structure. De indeling, de ingangen en de grenzen waarin een agent in zijn eerste minuut in de repository de weg vindt. 2. Toolchain. De shells, commando's en afspraken over de commandoregel die een agent mag gebruiken, opgeschreven in plaats van onthouden. 3. Agent configuration. De vaste instructies (AGENTS.md, CLAUDE.md, regels, skills, rolbeschrijvingen), onder versiebeheer zoals code. 4. Connection. De toolservers, toolcontracten, hooks en vangrails waarmee de agent de buitenwereld raakt, met niet meer toegang dan de taak vraagt. 5. Knowledge and quality. Geheugen, contextgrenzen, tests van het werk van de agent (evals) en geautomatiseerde controles (CI), zodat een modelupgrade de lat niet stilletjes verlaagt. Je hebt het boek niet nodig om dit te gebruiken. De audittrail zit in de laatste twee lagen. Connection: schrijf de vastlegging waar de aanroep langskomt. Elke toolaanroep passeert een punt dat jij beheert: een toolserver, een gateway of een hook (een klein programma dat automatisch vlak voor of vlak na een toolaanroep draait). Het boek benadrukt dat hooks gelden, wat het model ook besluit. Daarom zijn ze de juiste plek om de handeling en de goedkeuring vast te leggen, met hetzelfde ID. Het boek rekent \"geen geheimen in een log\" ook tot de regels die een hook moet afdwingen, dus haal sleutels en wachtwoorden eruit voordat er iets wordt opgeslagen. Het antwoord van de betaalprovider moet door de tool worden vastgelegd, niet door het model worden samengevat. Lopen je tools via MCP (Model Context Protocol, een standaardmanier waarop AI-apps tools bereiken), dan is de MCP-server daar een logische plek voor. Knowledge and quality: leg de versies vast en lees de trace. Een vastlegging die zegt \"de terugbetalingsagent deed het\" is niets waard als de instructies van die agent in die week twee keer veranderden. Bewaar bij elke handeling de modelnaam, de commit van de instructiebestanden en de versie van het toolcontract. Het boek raadt ook aan runs te tracen met OpenTelemetry, een open standaard die vastlegt wat software doet als een boom van getimede stappen, spans genoemd. De GenAI-conventies daarvan beschrijven een execute tool -span met de naam van de tool en een aanroep-ID. Argumenten en resultaten zijn optioneel en gemarkeerd als mogelijk gevoelig, en de hele set heeft nog de status Development. Leg dus vast welke versie je gebruikt. Bij de raadpleging voor deze pagina kende het attributenregister geen veld voor een menselijke goedkeuring. Dat voeg je zelf toe. Een uitgewerkt voorbeeld: \"Jullie hebben de verkeerde order terugbetaald\" Stel je een hypothetische webwinkel voor. De terugbetalingsagent leest supporttickets, zoekt de order op en roept de betaaltool aan. Terugbetalingen boven € 50 vragen goedkeuring van de teamleider support. Zes weken later mailt een klant: ze heeft order 88231 teruggestuurd, maar de terugbetaling ging naar 88213, een order die ze heeft gehouden. Met alleen een transcript vind je het bericht van de agent, \"ik heb je bestelling terugbetaald\", en verder niets. De teamleider herinnert zich dat ze \"zoiets\" heeft goedgekeurd. Met de trail zoekt een collega die er niet bij was op ordernummer en is na een minuut of tien klaar: 1. Handeling. Om 14:03 riep de agent de terugbetaaltool aan voor order 88213. De invoer laat zien dat in het ticket 88231 stond en dat de opzoektool 88213 teruggaf: een bijna-treffer, met twee cijfers omgewisseld, die toch als treffer gold. 2. Goedkeuring. De teamleider keurde om 14:05 goed. De vastlegging van haar scherm toont het ordernummer uit de aanroep, het bedrag en de naam van de klant. Het nummer dat de klant zelf typte, stond er niet op. 3. Uitkomst. De vastlegging van de betaalprovider bevestigt terugbetaling re 71x op 88213. Order 88231 is nooit terugbetaald. Er volgen twee verbeteringen, en geen van beide is \"wees voortaan voorzichtiger\". Het goedkeuringsscherm moet het ordernummer van de klant tonen naast het nummer in de aanroep. En de opzoektool moet bijna-treffers op ordernummers weigeren. Beide zijn wijzigingen in de Connection-laag, en de trail wees er rechtstreeks naar. Wat zegt de wet? Dit is geen juridisch advies. Voor systemen die de Europese AI-verordening als hoog risico aanmerkt, bepaalt artikel 12, lid 1, dat zulke systemen het technisch mogelijk moeten maken om gebeurtenissen gedurende hun hele levensduur automatisch vast te leggen in logs. Artikel 26, lid 6, vraagt gebruiksverantwoordelijken (de organisaties die zo'n systeem inzetten) om de logs waarover zij beschikken minstens zes maanden te bewaren, tenzij andere wetgeving iets anders bepaalt. Veel interne agents vallen onder de verordening niet in de categorie hoog risico. De geschillen, terugbetalingen en klachten komen toch. Probeer dit vandaag: de reconstructieoefening (20 minuten) Kies willekeurig één handeling van één agent uit de afgelopen maand, dus niet een die je je herinnert. Geef een collega die er niet bij was, leestoegang tot de vastleggingen, maar geen gelegenheid om de betrokkenen te raadplegen. Laat die collega binnen 20 minuten zeven vragen beantwoorden: 1. Wat deed de agent precies: welke tool, welke argumenten? 2. Met welke invoer en welke versie van de instructies werkte hij? 3. Welke regel stond de handeling toe, of wie keurde haar goed? 4. Wat zag de goedkeurder? 5. Wat meldde het doelsysteem terug? 6. Wat veranderde er daardoor, en is dat nog steeds zo? 7. Volgde er nog iets: een herhaalpoging, een terugboeking, een klacht? Elk \"dat zou ik moeten navragen\" is een ontbrekend veld. Elk antwoord dat uit de eigen woorden van de agent komt, is een bewering, geen vastlegging. Dicht het eerste gat voordat de volgende handeling draait. Een audittrail vertelt je wat er gebeurde. Hij legt niets stil, en hij beslist niet of de agent die handeling eigenlijk wel had mogen uitvoeren. Dat zijn aparte toetsen, en elk vraagt een eigen bewijs. Voor beweringen in plaats van handelingen heet hetzelfde idee een bewijsregister.","keyTakeaways":["Drie delen, één ID: de handeling, de goedkeuring, de uitkomst.","Schrijf de vastlegging buiten het model. Vraag de agent niet wat hij gedaan heeft.","Een chattranscript laat zien wat het model zei, niet wat de tools deden.","Leg de geldende versies vast: model, instructies, tool. Anders weet je niet welke regels golden.","Test het: een collega die er niet bij was, reconstrueert één willekeurige handeling alleen aan de hand van de vastleggingen."],"readingMinutes":8,"publishedAt":"2026-10-03T07:05:00.000Z"}},"degree":8},{"id":"article:agent-runtime-budget","type":"article","pillar":"ai-systems","locales":{"en":{"label":"Agent runtime budget: keep retries inside the same ceiling","summary":"An agent runtime budget is the most one task may consume before the agent must stop and hand back: a ceiling on tokens, money, wall-clock time and tool calls. The choice that decides whether it works is scope. The ceiling must cover the whole task, including every retry, fallback, sub-agent and rerun. Retries multiply cost because each call re-sends the conversation so far and retry layers stack. If each attempt starts with a fresh allowance, a task that fails five times costs five budgets.","url":"/en/blog/agent-runtime-budget/","searchText":"Agent runtime budget: keep retries inside the same ceiling An agent runtime budget caps tokens, money, time and tool calls per task. Why retries multiply cost, and how to keep them inside one ceiling. A cap that resets on every retry is a cap per attempt, not per task. An agent runtime budget is the most one task may consume before the agent must stop and hand back: a ceiling on tokens, money, wall-clock time and tool calls. The choice that decides whether it works is scope. The ceiling must cover the whole task, including every retry, fallback, sub-agent and rerun. Retries multiply cost because each call re-sends the conversation so far and retry layers stack. If each attempt starts with a fresh allowance, a task that fails five times costs five budgets. agent runtime budget Budget per task, not per call: every retry, fallback and rerun draws from the same ceiling. A retry re-sends the whole conversation, and stacked retry layers multiply: three layers of four attempts can make 64 attempts. Cap output length on every call so you can check the worst case before you make it. Retry in one layer only, for error types you listed, a fixed number of times. When the ceiling is hit, stop, hand back the trace and let a named person decide. undominated agent-ops agent runtime budget The most one agent task may consume in tokens, money, time and tool calls before it must stop and hand back. token The unit a language model reads and writes, roughly a piece of a word. Providers charge per token. retry Trying a failed step again. In agent systems each retry usually re-sends the whole conversation so far. fallback The model or response that takes over when the planned one fails or is unavailable. ROUTE Register, Objective typing, Utilize policy, Track, Evolve. A discipline for governing a mix of AI models, from The Model Portfolio. A retry is not the same call again for free. In most agent setups it re-sends everything the agent has read so far, and it may be one of dozens stacked on top of each other. An agent runtime budget is the most one task may consume before the agent has to stop and hand back: a ceiling on tokens, money, wall-clock time and tool calls. The choice that decides whether it works is scope. The ceiling has to cover the whole task, including every retry, fallback, sub-agent and rerun. If each attempt starts with a fresh allowance, you have a budget per attempt, not per task, and a task that fails five times costs five budgets. Two definitions first. An AI agent is a program built on a language model that works toward a goal over several steps, calling tools such as a search, a database or an email draft along the way. A token is the unit language models read and write, roughly a piece of a word; Anthropic puts one Claude token at about 3.5 English characters (Anthropic). Providers charge per token, with separate prices for input (what you send) and output (what the model writes) (Anthropic pricing). What goes into a runtime budget? Four meters per task, set before the first run: Meter What it caps Why it matters --- --- --- Tokens Input plus output across all calls The raw material of the bill Money Those tokens at your prices, plus paid tools The number finance sees Time Wall-clock seconds from start to hand-back A stuck run is not a slow run Tool calls Calls per tool, above all those that send, pay or write Some actions must never repeat Using AI agents effectively covers limits like these as part of setting up an agent. This page is about the thing that quietly breaks them: retries. Why do retries multiply cost? Three mechanisms, each documented. 1. Every call re-sends the conversation. Anthropic's documentation says its Messages API \"is stateless, which means that you always send the full conversational history to the API\" (Anthropic). A retry at step 12 therefore pays again for everything from steps 1 to 11. If the error message is added to the conversation before the next attempt, each retry is also bigger than the one before. 2. Retry layers multiply. Google's Site Reliability Engineering book warns against retrying at several levels of one system: \"a single request at the highest layer may produce a number of attempts as large as the product of the number of attempts at each layer to the lowest layer.\" Its example: three layers that each retry three times (four attempts) can turn one user action into 64 attempts (Google SRE book). An agent stack has the same layers: the model SDK, a validator that re-asks when the output does not parse, the agent loop, and the job queue that reruns failed tasks. Some of these layers you never wrote. Anthropic's official SDKs, for example, retry transient failures such as rate limits and server errors \"twice by default\" (Anthropic). 3. Caps often reset. Agent frameworks do ship limits, so check what they cover. The OpenAI Agents SDK raises a MaxTurnsExceeded error when a run passes its max turns limit (OpenAI). Anthropic's Claude Agent SDK has a dollar cap, maxBudgetUsd , which \"counts only the call's own spend: totals restored from a resumed session don't count against it, and a /clear starts the budget over\" (Anthropic). That is a clear, documented scope for one call. It also means that if your code retries a task by starting a new call, the cap starts again at zero unless you carry the running total yourself. The same page warns that the SDK's cost figures \"are client-side estimates, not authoritative billing data.\" Reconcile against your provider's own usage reports. What does this look like in euros? (hypothetical numbers) Imagine a hypothetical agent that reads supplier invoices and books them. The prices are invented round numbers, not any provider's list: €2 per million input tokens and €10 per million output tokens. Each task takes 10 steps. Step 1 sends 2,000 tokens, every step adds 2,000 tokens to the conversation, and each step writes 1,000 tokens. A clean run costs €0.32. Step 10 alone costs €0.05, because it re-sends 20,000 tokens. Now the output of step 10 fails validation: a field comes back in the wrong format. To keep the arithmetic simple, the retries below do not add the error message to the conversation. In practice they often do, which makes every attempt dearer. What happens Model calls Cost of the task --- --- --- Clean run 10 €0.32 Step 10 fails; a validator re-asks up to 3 times inside each of 4 agent-loop attempts 25 €1.07 Same, and the job queue reruns the whole task twice, each run with a fresh €1.50 cap 75 €3.21 One ceiling of €0.64 for the whole task, retries included 16 €0.62, then hands back Same ceiling, retries in the agent loop only, at most 2 12 €0.42, then escalates The third row costs ten times the clean run, and no cap fired, because every cap was per run. Scale it up. At 2,000 invoices a month, a clean month costs €640. If a prompt change pushes 30% of tasks into that failure, the month costs €2,374. Under the last row's rule it costs €700, and 600 invoices come back to a person with a trace instead of quietly burning money. Is 30% far-fetched? The Model Portfolio , the book behind the ROUTE framework below, describes a composite case in which one prompt edit pushed roughly a third of an agent's outputs out of their expected format, and the retry loop would have roughly tripled that route's monthly cost had a per-route meter not caught it the same morning. How do you keep retries inside one ceiling? 1. Create one budget per task. Tokens, money, seconds and tool calls. Every attempt, retry, fallback model and sub-agent draws from it. Pass the remainder down; never give a sub-step a fresh budget. 2. Cap output on every call. Set a maximum output length per call. Then you know the worst case of the next call before you make it: the input you are about to send plus the output cap. 3. Check before you call. If what is left is less than that worst case, stop. 4. Retry in one layer. Pick the agent loop or the client, not both, and set the others to zero. Retry only error types you have listed as safe, such as a timeout or a rate limit, a fixed number of times. Wait longer after each failure, with some randomness, so many clients do not retry at the same moment. The SRE book puts it as \"Always use randomized exponential backoff when scheduling retries.\" 5. Stop on the unfamiliar. An error you have not seen before ends the run. 6. Hand back, do not hide. When the ceiling is hit, return the partial result, the trace and the retry count to a named person. 7. Count retries. Log a retry counter per task, and alert when calls per task rise while the number of incoming tasks stays flat. A reasonable first ceiling is about twice the cost of a measured clean run. Review every task that hits it for the first few weeks, then adjust from what you see. Where does this rule live in ROUTE? ROUTE is a framework for running several AI models the way an investor runs a portfolio: every model has a job, a cost class and a fallback, and nothing runs without an owner. It has five steps: 1. Register. Catalog every model with its job, cost class, privacy class and retirement status. 2. Objective typing. Name what a task needs (depth of reasoning, format, speed, quality, privacy) before you choose a model. 3. Utilize policy. Write the routing rules, cascades and fallbacks that decide which model handles which request. 4. Track. Measure cost, speed and quality per route, so a waste pattern shows up before the invoice does. 5. Evolve. Promote, demote and retire models on a schedule, so the end of a model is planned rather than a scramble. ROUTE comes from The Model Portfolio , a book by the author of this site, which is available now. You do not need the book to use it. The framework page has the short version, and What is model routing? explains what a route is. For the invoice agent, the runtime budget belongs in two steps: - Utilize policy. The retry rules are part of the route, written next to the fallback: which errors retry, how often, in which layer, and the one task ceiling they all share. The book describes the failure this prevents in three short sentences: \"The per-call timeout bounded each call. The retry policy bounded each attempt. Nothing bounded the route.\" A model cascade that escalates to a bigger model needs the same ceiling around it. - Track. Cost per task and a retry counter per route. Total monthly spend can hide a loop for days; a per-route meter shows it within hours. When you set the money meter, take prices from the provider's own pricing page. The author of this site also built Undominated.ai, an independent index of AI inference prices; it is his project, so weigh it with that in mind. Try this today (15 minutes) Pick one agent you run. List every place a retry can happen: the SDK's settings, any output validator, the agent loop, the job queue, the scheduler. Next to each, write its number of attempts, then multiply them. Then answer one question: when the task is retried from the top, does its budget start again at zero? If the product is above 10, or the answer is yes, choose one layer to own retries this week and give the task a single ceiling.","keyTakeaways":["Budget per task, not per call: every retry, fallback and rerun draws from the same ceiling.","A retry re-sends the whole conversation, and stacked retry layers multiply: three layers of four attempts can make 64 attempts.","Cap output length on every call so you can check the worst case before you make it.","Retry in one layer only, for error types you listed, a fixed number of times.","When the ceiling is hit, stop, hand back the trace and let a named person decide."],"readingMinutes":8,"publishedAt":"2026-10-03T14:00:00.000Z"},"nl":{"label":"Agent-runtimebudget: houd retry's binnen hetzelfde plafond","summary":"Een runtimebudget voor een agent is het maximum dat één taak mag verbruiken voordat de agent moet stoppen en het werk teruggeeft: een plafond op tokens, geld, doorlooptijd en toolaanroepen. Of het werkt, hangt af van de reikwijdte. Het plafond moet de hele taak dekken, inclusief elke retry, fallback, subagent en herstart. Retry's vermenigvuldigen de kosten, omdat elke aanroep het hele gesprek opnieuw verstuurt en retry-lagen zich opstapelen. Krijgt elke poging een vers budget, dan kost een taak die vijf keer mislukt vijf budgetten.","url":"/nl/blog/agent-runtimebudget/","searchText":"Agent-runtimebudget: houd retry's binnen hetzelfde plafond Een runtimebudget voor agents begrenst tokens, geld, tijd en toolaanroepen per taak. Retry's vermenigvuldigen de kosten. Zo houd je ze onder één plafond. Een plafond dat bij elke retry opnieuw begint, is een plafond per poging, niet per taak. Een runtimebudget voor een agent is het maximum dat één taak mag verbruiken voordat de agent moet stoppen en het werk teruggeeft: een plafond op tokens, geld, doorlooptijd en toolaanroepen. Of het werkt, hangt af van de reikwijdte. Het plafond moet de hele taak dekken, inclusief elke retry, fallback, subagent en herstart. Retry's vermenigvuldigen de kosten, omdat elke aanroep het hele gesprek opnieuw verstuurt en retry-lagen zich opstapelen. Krijgt elke poging een vers budget, dan kost een taak die vijf keer mislukt vijf budgetten. runtimebudget voor agents Budgetteer per taak, niet per aanroep: elke retry, fallback en herstart telt mee voor hetzelfde plafond. Een retry verstuurt het hele gesprek opnieuw, en gestapelde retry-lagen vermenigvuldigen het aantal pogingen: drie lagen van elk vier pogingen kunnen er 64 opleveren. Begrens de outputlengte van elke aanroep, zodat je het ergste geval kunt uitrekenen voordat je de aanroep doet. Beperk retry's tot één laag, tot fouttypen die je hebt opgeschreven en tot een vast aantal keren. Is het plafond bereikt, stop dan, geef de trace terug en laat een aangewezen persoon beslissen. undominated agent-ops runtimebudget Het maximum aan tokens, geld, tijd en toolaanroepen dat één agenttaak mag verbruiken voordat die moet stoppen en het werk teruggeeft. token De eenheid die een taalmodel leest en schrijft, grofweg een stukje van een woord. Aanbieders rekenen per token af. retry Een mislukte stap opnieuw proberen. In agentsystemen verstuurt elke retry meestal het hele gesprek tot dan toe opnieuw. fallback Het model of antwoord dat het overneemt als het geplande model faalt of niet beschikbaar is. ROUTE Register, Doel-typering, Uitvoeringsbeleid, Tracken, Evolueren. Een werkwijze om een mix van AI-modellen te besturen, uit Het model-portfolio. Een retry is niet gewoon dezelfde aanroep nog een keer, en gratis is hij al helemaal niet. In de meeste agentopstellingen verstuurt hij opnieuw alles wat de agent tot dan toe heeft gelezen, en misschien is hij er een van tientallen die op elkaar gestapeld zijn. Een runtimebudget voor een agent is het maximum dat één taak mag verbruiken voordat de agent moet stoppen en het werk teruggeeft: een plafond op tokens, geld, doorlooptijd en toolaanroepen. Of het werkt, hangt af van één keuze: de reikwijdte. Het plafond moet de hele taak dekken, inclusief elke retry, fallback, subagent en herstart. Krijgt elke poging een vers budget, dan heb je een budget per poging en niet per taak, en kost een taak die vijf keer mislukt vijf budgetten. Eerst twee begrippen. Een AI-agent is een programma op basis van een taalmodel dat in meerdere stappen naar een doel toewerkt en onderweg tools aanroept, zoals een zoekopdracht, een database of een concept-e-mail. Een token is de eenheid die een taalmodel leest en schrijft, grofweg een stukje van een woord; volgens Anthropic is één Claude-token ongeveer 3,5 Engelse tekens (Anthropic). Aanbieders rekenen per token af, met aparte prijzen voor input (wat jij verstuurt) en output (wat het model schrijft) (prijzen van Anthropic). Wat hoort er in een runtimebudget? Vier meters per taak, ingesteld vóór de eerste run: Meter Wat hij begrenst Waarom het telt --- --- --- Tokens Input plus output over alle aanroepen De grondstof van de rekening Geld Diezelfde tokens tegen jouw prijzen, plus betaalde tools Het getal dat de financiële afdeling ziet Tijd Seconden van start tot overdracht Een vastgelopen run is geen trage run Toolaanroepen Aanroepen per tool, vooral tools die versturen, betalen of schrijven Sommige acties mogen nooit twee keer gebeuren AI-agents effectief inzetten behandelt zulke grenzen als onderdeel van het inrichten van een agent. Dit stuk gaat over wat ze ongemerkt doorbreekt: retry's. Waarom vermenigvuldigen retry's de kosten? Drie mechanismen, alle drie gedocumenteerd. 1. Elke aanroep verstuurt het hele gesprek opnieuw. Anthropic schrijft over zijn Messages API dat die \"is stateless, which means that you always send the full conversational history to the API\" (Anthropic). De API onthoudt niets; je stuurt elke keer de volledige gespreksgeschiedenis mee. Bij een retry in stap 12 betaal je dus opnieuw voor alles uit stap 1 tot en met 11. Wordt de foutmelding aan het gesprek toegevoegd voor de volgende poging, dan is elke retry ook nog groter dan de vorige. 2. Retry-lagen vermenigvuldigen het aantal pogingen. Het Site Reliability Engineering-boek van Google waarschuwt voor retry's op meerdere niveaus van één systeem: \"a single request at the highest layer may produce a number of attempts as large as the product of the number of attempts at each layer to the lowest layer.\" Eén verzoek bovenaan kan dus evenveel pogingen opleveren als het product van de pogingen per laag. Het voorbeeld uit het SRE-boek: drie lagen die elk drie keer opnieuw proberen (vier pogingen), kunnen van één gebruikersactie 64 pogingen maken (SRE-boek van Google). Een agentopstelling heeft dezelfde lagen: de SDK van het model, een validator die opnieuw vraagt als de output niet te verwerken is, de agentlus en de takenwachtrij die mislukte taken opnieuw start. Sommige van die lagen heb je niet zelf geschreven. De officiële SDK's van Anthropic bijvoorbeeld proberen het bij tijdelijke fouten, zoals rate limits en serverfouten, standaard twee keer opnieuw: \"twice by default\" (Anthropic). 3. Limieten beginnen vaak weer bij nul. Agentframeworks hebben wel limieten, dus kijk wat ze dekken. De OpenAI Agents SDK geeft een MaxTurnsExceeded -fout als een run over zijn max turns -limiet gaat (OpenAI). De Claude Agent SDK van Anthropic heeft een plafond in dollars, maxBudgetUsd , dat \"counts only the call's own spend: totals restored from a resumed session don't count against it, and a /clear starts the budget over\" (Anthropic). Het telt alleen wat die ene aanroep uitgeeft; eerdere totalen uit een hervatte sessie tellen niet mee, en een /clear zet het budget weer op nul. Voor één aanroep is dat een heldere, gedocumenteerde afbakening. Het betekent ook dat het plafond weer bij nul begint als jouw code een taak opnieuw probeert met een nieuwe aanroep, tenzij je het lopende totaal zelf meeneemt. Dezelfde pagina waarschuwt dat de kostencijfers van de SDK \"client-side estimates, not authoritative billing data\" zijn: schattingen, geen factuurgegevens. Leg ze naast de gebruiksrapporten van je aanbieder. Hoe ziet dat eruit in euro's? (hypothetische getallen) Neem een hypothetische agent die inkoopfacturen leest en boekt. De prijzen zijn verzonnen ronde getallen, niet de prijslijst van een aanbieder: € 2 per miljoen inputtokens en € 10 per miljoen outputtokens. Elke taak telt 10 stappen. Stap 1 verstuurt 2.000 tokens, elke stap voegt 2.000 tokens aan het gesprek toe, en elke stap schrijft 1.000 tokens. Een schone run kost € 0,32. Stap 10 kost alleen al € 0,05, omdat hij 20.000 tokens opnieuw verstuurt. Nu komt de output van stap 10 niet door de validatie: een veld staat in het verkeerde formaat. Om de som eenvoudig te houden, voegen de retry's hieronder de foutmelding niet aan het gesprek toe. In de praktijk gebeurt dat vaak wel, en dan wordt elke poging duurder. Wat er gebeurt Modelaanroepen Kosten van de taak --- --- --- Schone run 10 € 0,32 Stap 10 mislukt; een validator vraagt tot 3 keer opnieuw binnen elk van 4 pogingen van de agentlus 25 € 1,07 Idem, en de takenwachtrij start de hele taak twee keer opnieuw, elke run met een vers plafond van € 1,50 75 € 3,21 Eén plafond van € 0,64 voor de hele taak, retry's inbegrepen 16 € 0,62, daarna overdracht Zelfde plafond, retry's alleen in de agentlus, hooguit 2 12 € 0,42, daarna escalatie De derde rij kost tien keer zoveel als de schone run, en geen enkel plafond werd bereikt, omdat elk plafond per run gold. Reken het door. Bij 2.000 facturen per maand kost een schone maand € 640. Duwt een promptwijziging 30% van de taken in die fout, dan kost de maand € 2.374. Met de regel uit de laatste rij kost hij € 700, en komen 600 facturen met een trace terug bij een mens in plaats van ongemerkt geld te verbranden. Is 30% overdreven? Het model-portfolio , het boek achter het ROUTE-framework hieronder, beschrijft een samengesteld geval waarin één promptwijziging ongeveer een derde van de output van een agent buiten het verwachte formaat duwde. De retry-lus zou de maandkosten van die route ruwweg hebben verdrievoudigd, als een meter per route het niet diezelfde ochtend had opgemerkt. Hoe houd je retry's onder één plafond? 1. Maak één budget per taak. Tokens, geld, seconden en toolaanroepen. Elke poging, retry, fallback en subagent put eruit. Geef het restant door; geef een deelstap nooit een vers budget. 2. Begrens de output van elke aanroep. Stel per aanroep een maximale outputlengte in. Dan ken je het ergste geval van de volgende aanroep al voordat je hem doet: de input die je gaat versturen plus het outputplafond. 3. Controleer vóór elke aanroep. Is er minder over dan dat ergste geval, stop dan. 4. Laat één laag de retry's doen. Kies de agentlus of de client, niet allebei, en zet de rest op nul. Probeer het alleen opnieuw bij fouttypen die je als veilig hebt opgeschreven, zoals een time-out of een rate limit, en dan een vast aantal keren. Wacht na elke mislukking langer, met wat willekeur, zodat niet alle clients tegelijk opnieuw proberen. Het SRE-boek zegt het zo: \"Always use randomized exponential backoff when scheduling retries.\" 5. Stop bij het onbekende. Een fout die je nog niet eerder zag, beëindigt de run. 6. Geef terug, verstop niets. Is het plafond bereikt, geef dan het deelresultaat, de trace en het aantal retry's terug aan een aangewezen persoon. 7. Tel je retry's. Log per taak een retry-teller, en laat een alarm afgaan als het aantal aanroepen per taak stijgt terwijl het aantal binnenkomende taken gelijk blijft. Een redelijk eerste plafond is ongeveer twee keer de kosten van een gemeten schone run. Bekijk de eerste weken elke taak die het plafond raakt, en stel het daarna bij op basis van wat je ziet. Waar hoort deze regel thuis in ROUTE? ROUTE is een framework om meerdere AI-modellen te beheren zoals een belegger een portefeuille beheert: elk model heeft een taak, een kostenklasse en een fallback, en niets draait zonder eigenaar. Het heeft vijf stappen: 1. Register. Leg van elk model vast wat zijn taak is, in welke kosten- en privacyklasse het valt en wanneer het uit bedrijf gaat. 2. Doel-typering. Benoem wat een taak nodig heeft (redeneerdiepte, formaat, snelheid, kwaliteit, privacy) voordat je een model kiest. 3. Uitvoeringsbeleid. Schrijf de routeringsregels, cascades en fallbacks die bepalen welk model welk verzoek afhandelt. 4. Tracken. Meet kosten, snelheid en kwaliteit per route, zodat een verspillingspatroon opvalt vóór de factuur. 5. Evolueren. Promoveer, degradeer en neem modellen uit bedrijf op een vast ritme, zodat het einde van een model gepland is en geen paniekactie. ROUTE komt uit Het model-portfolio , een boek van de auteur van deze site, dat nu verkrijgbaar is. Je hebt het boek niet nodig om ermee te werken. De frameworkpagina geeft de korte versie, en Wat is modelroutering? legt uit wat een route is. Voor de factuuragent hoort het runtimebudget in twee stappen: - Uitvoeringsbeleid. De retry-regels horen bij de route, naast de fallback: bij welke fouten een retry mag, hoe vaak, in welke laag, en het ene taakplafond dat ze allemaal delen. Het boek vat de fout die dit voorkomt samen in drie korte zinnen: \"De time-out per aanroep begrensde elke aanroep. Het retry-beleid begrensde elke poging. Niets begrensde de route.\" Een modelcascade die naar een groter model escaleert, heeft hetzelfde plafond nodig. - Tracken. Kosten per taak en een retry-teller per route. De totale maanduitgaven kunnen een lus dagenlang verbergen; een meter per route laat hem binnen enkele uren zien. Neem voor de geldmeter de prijzen van de prijspagina van de aanbieder zelf. De auteur van deze site bouwde ook Undominated.ai, een onafhankelijke index van prijzen voor AI-inferentie; het is zijn eigen project, dus houd daar rekening mee. Probeer het vandaag (15 minuten) Kies één agent die je draait. Schrijf elke plek op waar een retry kan gebeuren: de instellingen van de SDK, een eventuele validator, de agentlus, de takenwachtrij, de planner. Zet bij elke plek het aantal pogingen en vermenigvuldig ze. Beantwoord daarna één vraag: als de taak van voren af aan opnieuw wordt geprobeerd, begint het budget dan weer bij nul? Is het product hoger dan 10, of is het antwoord ja, wijs deze week dan één laag aan die de retry's doet, en geef de taak één plafond.","keyTakeaways":["Budgetteer per taak, niet per aanroep: elke retry, fallback en herstart telt mee voor hetzelfde plafond.","Een retry verstuurt het hele gesprek opnieuw, en gestapelde retry-lagen vermenigvuldigen het aantal pogingen: drie lagen van elk vier pogingen kunnen er 64 opleveren.","Begrens de outputlengte van elke aanroep, zodat je het ergste geval kunt uitrekenen voordat je de aanroep doet.","Beperk retry's tot één laag, tot fouttypen die je hebt opgeschreven en tot een vast aantal keren.","Is het plafond bereikt, stop dan, geef de trace terug en laat een aangewezen persoon beslissen."],"readingMinutes":9,"publishedAt":"2026-10-03T14:05:00.000Z"}},"degree":7},{"id":"article:agent-shadow-mode","type":"article","pillar":"ai-systems","locales":{"en":{"label":"Agent shadow mode: evaluate proposals before granting action rights","summary":"Agent shadow mode means an AI agent receives real work and records what it would do, but has no permission to do it. A person or the existing process still acts, and afterwards you compare the two. The idea comes from software shadow testing, where a new version gets a copy of live requests and its answers are discarded or logged. For agents, the write tools must be switched off, not merely ignored. Grant action rights one narrow class of cases at a time, under a written rule.","url":"/en/blog/agent-shadow-mode/","searchText":"Agent shadow mode: evaluate proposals before granting action rights Agent shadow mode: the agent proposes, a person still acts, and you compare. What to measure, how many cases you need, and a promotion rule you can copy. Let the agent be wrong on paper first, where a mistake costs a comparison instead of a customer. Agent shadow mode means an AI agent receives real work and records what it would do, but has no permission to do it. A person or the existing process still acts, and afterwards you compare the two. The idea comes from software shadow testing, where a new version gets a copy of live requests and its answers are discarded or logged. For agents, the write tools must be switched off, not merely ignored. Grant action rights one narrow class of cases at a time, under a written rule. agent shadow mode Shadow mode: real inputs, no write rights, a comparison afterwards. Switch the write tools off. Discarding the output is not enough when the output is an action. Let the person decide before seeing the proposal, or you are measuring persuasion. Zero serious errors in 300 cases still allows a true rate of up to about 1 in 100. Promote one narrow class at a time, and write down what sends it back. agent-ops chorus shadow mode A trial in which an AI agent receives real work and records what it would do, without permission to do it, while a person or the old process still acts. shadow testing A software practice in which a new version receives a copy of live requests while only the current version's responses reach users. automation bias The tendency to rely too much on a system's output, for example by accepting a proposal because it is already on the screen. rule of three If an event has not happened in n independent cases, you can be 95 percent confident its true rate is at most about 3 in n. CHORUS Charter, Handoff, Orchestrate, Review, Update, Sync. A coordination protocol for small teams of people and AI agents, from The Multi-Agent Organization. Agent shadow mode means an AI agent receives real work and writes down what it would do, but has no permission to do it. A person or the existing process still acts, and afterwards you compare the two. You grant the agent action rights only when the comparison clears a rule you wrote in advance. An agent that made no serious mistake in 50 cases has shown you very little. This page covers why, what to measure instead, and a promotion rule you can copy. An AI agent here means software that takes a goal and uses tools, such as email, a database, or a planning system, over several steps without a person approving each one. Action rights are its permissions to change things in those systems. Where does the term come from? From software deployment. Amazon's machine-learning service, SageMaker, offers shadow tests: it \"automatically deploys the new variant in shadow mode and routes a copy of the inference requests to it in real time within the same endpoint. Only the responses of the production variant are returned to the calling application.\" In plain words: the new version receives a copy of the real questions sent to the live model, and users only ever get answers from the version already in production. Istio, a service mesh (software that routes traffic between the parts of a cloud application), describes the same move: \"Traffic mirroring, also called shadowing, is a powerful concept that allows feature teams to bring changes to production with as little risk as possible.\" The copied requests are fire and forget. Their responses are thrown away. That works because a prediction is only an answer. You can discard an answer. An agent's output is an action: an email sent, a booking moved, a refund paid. A mirrored agent with a live send tool does not shadow. It sends. So agent shadow mode is stricter than its software cousin. The agent gets the same inputs and the same read access. Every tool that writes is replaced by a proposal tool that records the intended action and does nothing else. What goes into a proposal? Each proposal is a short record with the same case ID the person's real decision will carry: 1. The action. The exact tool and arguments it would have used: \"move delivery 5530 to Thursday 14:00 to 16:00.\" 2. The reason. The message, record, or rule it relied on. 3. Escalate or not. Whether it would have handed the case to a person instead. 4. The time. When it proposed, so you can compare speed as well. The person's decision is recorded separately, by the system they already use, not typed into the agent's log. Why must the comparison be blind? If the person sees the proposal before deciding, agreement measures persuasion, not correctness. A tidy proposal on the screen is easy to accept. The EU AI Act names this risk for systems it classes as high-risk. People overseeing them must be enabled \"to remain aware of the possible tendency of automatically relying or over-relying on the output produced by a high-risk AI system (automation bias)\". The fix is procedural. The person decides first, the proposal stays hidden, and the two are compared afterwards by someone with written criteria. What should you measure? Agreement alone hides the cases that matter. Sort every disagreement into one of four bins before you count anything. Bin Meaning What it tells you --- --- --- Agent wrong, serious Executing the proposal would have caused harm as defined in the charter The number that decides promotion Agent wrong, minor Suboptimal but harmless, for example a worse time slot Training material, not a blocker Person wrong The agent was right and the person erred A useful side result; it is not a reason to promote Both acceptable Two valid answers Not an error at all Add two more numbers. Coverage: the share of cases where the agent proposed an action at all. And escalation quality: did it hand over the cases that people also found hard? An agent that escalates everything never errs and never helps. Also read the reasons, not only the actions. A proposal can match the person for the wrong reason, which is the argument of evaluate the reasoning, not the fluency. How many cases before you trust it? More than you think. Statisticians call the shortcut the rule of three. Hanley and Lippman-Hand (JAMA, 1983) put it this way: \"if none of n patients shows the event about which we are concerned, we can be 95% confident that the chance of this event is at most three in n (ie, 3/n).\" Clean cases in a row Serious-error rate you cannot yet rule out --- --- 50 up to 6 in 100 300 up to 1 in 100 3,000 up to 1 in 1,000 Work backwards. Decide the serious-error rate you can live with, then divide 3 by it. A tolerable rate of 1 in 200 needs about 600 clean cases in that class. Two quiet weeks with 40 cases is a demo, not evidence. Where does CHORUS fit? CHORUS is a coordination protocol for small teams of people and AI agents, from The Multi-Agent Organization , which is available now. Six skills: 1. Charter. A written contract for one worker, human or agent, with seven fields, including an authority ceiling: what it may do without asking. 2. Handoff. A context packet that carries a task across a boundary, so the receiver never guesses. 3. Orchestrate. Who does what in which order, where parallel work merges, and who a problem escalates to. 4. Review. A gate where output passes only against written acceptance criteria. 5. Update. What reviews find flows back into prompts, tools, and charters. 6. Sync. One shared view of who owns what and what is blocked, read weekly. You do not need the book to use this. Shadow mode is Review and Update working before any write right exists. Review. The comparison is a review gate. Written criteria decide which disagreements count as serious, and a named reviewer sorts them into the four bins, not the agent and not a gut feeling. Update. Findings go back into the agent's prompts, tools, and charter. Granting action rights is a change to the charter's authority ceiling. The book is explicit that moving that boundary \"is a charter event, not a prompt tweak\": log the change, name who approved it, tell the team. It also notes that a role with a clean log has earned a lighter touch, and a role you trusted may drift after a model change. One collision to avoid. The book uses \"shadow agent\" for an agent working off the map, with no charter. Shadow mode is the opposite: chartered, visible, and without write rights. The promotion rule Grant rights per class of cases, never for the agent as a whole. Stage The agent may Move up when Who signs Move back when --- --- --- --- --- Shadow Read and propose; no writes The clean-case count for the class is met (3 divided by the tolerable rate), in a blind comparison The process owner Not applicable Supervised Act in one narrow class after a named person approves each action The count is met again in real use, with no serious error caught by the approvers The process owner Any serious error in the class Sampled Act in that class; a named person reviews a written sample afterwards Not applicable The process owner Any serious error, or a change of model, instructions, or tools A demotion sends the class back to shadow, not the whole agent back to the drawing board. Some actions never leave the supervised stage: sending as the company, spending above a ceiling, deleting. The HITL article calls those permanent gates, and the agent charter is where you write the ceiling down. A worked example: rescheduling deliveries Imagine a hypothetical regional delivery firm. Customers email to move a delivery, and planners make the change in the planning system, about 40 a day. An agent reads the same emails and proposes each change, with no write access. The planners never see the proposals. After four weeks, about 800 requests, a reviewer sorts the disagreements. All figures are hypothetical. Class of request Cases Serious agent errors Decision --- --- --- --- Later, same week, unchilled goods 520 0 Promote to supervised Earlier than planned 150 2 Stay in shadow Chilled goods 90 4 Stay in shadow; add a cold-chain rule to the charter Unclear requests 40 0 (31 escalated) Stay in shadow The comparison also caught 9 planner typos, a pleasant side effect but not a reason to promote. Why supervised and not sampled? Zero errors in 520 still allows a rate of about 1 in 170. At roughly 26 requests of that class a day, that could still mean about three serious errors every four weeks. So a planner approves each action while the count keeps running. Try this today (20 minutes) 1. Pick one action your agent wants to take, and narrow it to one class of cases. 2. Replace the write tool for that action with a proposal tool that only records. 3. Write the four-bin criteria: what counts as a serious error here? 4. Choose the tolerable serious-error rate and compute the clean-case count. 5. Name the reviewer who sorts disagreements, and write what sends the class back. Shadow mode answers whether the agent should act. It does not tell you whether you could halt it once it does, or reconstruct later what it did. Settle both before the first promotion, not after.","keyTakeaways":["Shadow mode: real inputs, no write rights, a comparison afterwards.","Switch the write tools off. Discarding the output is not enough when the output is an action.","Let the person decide before seeing the proposal, or you are measuring persuasion.","Zero serious errors in 300 cases still allows a true rate of up to about 1 in 100.","Promote one narrow class at a time, and write down what sends it back."],"readingMinutes":8,"publishedAt":"2026-10-04T07:00:00.000Z"},"nl":{"label":"Agent-schaduwmodus: beoordeel voorstellen voordat je actierechten verleent","summary":"Agent-schaduwmodus betekent dat een AI-agent echt werk binnenkrijgt en vastlegt wat hij zou doen, zonder toestemming om het te doen. Een mens of het bestaande proces voert nog steeds uit, en achteraf vergelijk je de twee. Het idee komt uit schaduwtests in software: een nieuwe versie krijgt een kopie van live verzoeken, en haar antwoorden worden weggegooid of alleen gelogd. Bij agents moeten de schrijvende tools echt worden uitgeschakeld, niet alleen genegeerd. Geef actierechten per smalle categorie gevallen, volgens een vooraf geschreven regel.","url":"/nl/blog/agent-schaduwmodus/","searchText":"Agent-schaduwmodus: beoordeel voorstellen voordat je actierechten verleent Agent-schaduwmodus: de agent stelt voor, een mens voert uit, jij vergelijkt. Wat je meet, hoeveel gevallen je nodig hebt en een promotieregel om over te nemen. Laat de agent zich eerst op papier vergissen, waar een fout je een vergelijking kost in plaats van een klant. Agent-schaduwmodus betekent dat een AI-agent echt werk binnenkrijgt en vastlegt wat hij zou doen, zonder toestemming om het te doen. Een mens of het bestaande proces voert nog steeds uit, en achteraf vergelijk je de twee. Het idee komt uit schaduwtests in software: een nieuwe versie krijgt een kopie van live verzoeken, en haar antwoorden worden weggegooid of alleen gelogd. Bij agents moeten de schrijvende tools echt worden uitgeschakeld, niet alleen genegeerd. Geef actierechten per smalle categorie gevallen, volgens een vooraf geschreven regel. agent schaduwmodus Schaduwmodus: echte invoer, geen schrijfrechten, achteraf een vergelijking. Zet de schrijvende tools uit. Output weggooien volstaat niet als die output een handeling is. Laat de mens beslissen voordat hij het voorstel ziet, anders meet je overtuigingskracht. Nul ernstige fouten in 300 gevallen laat nog steeds een werkelijk foutpercentage tot ongeveer 1 op 100 toe. Geef rechten per smalle categorie, en schrijf op waardoor een categorie terug moet. agent-ops chorus schaduwmodus Een proefperiode waarin een AI-agent echt werk binnenkrijgt en vastlegt wat hij zou doen, zonder toestemming om het te doen, terwijl een mens of het oude proces nog steeds uitvoert. shadow testing Een softwarepraktijk waarbij een nieuwe versie een kopie van live verzoeken ontvangt, terwijl alleen de antwoorden van de huidige versie bij gebruikers aankomen. automation bias De neiging om te veel te vertrouwen op de uitkomst van een systeem, bijvoorbeeld door een voorstel te accepteren omdat het al op het scherm staat. regel van drie Is een gebeurtenis in n onafhankelijke gevallen niet voorgekomen, dan kun je met 95 procent zekerheid zeggen dat de werkelijke kans hooguit ongeveer 3 op n is. CHORUS Charter, Handoff, Orchestrate, Review, Update, Sync. Een coördinatieprotocol voor kleine teams van mensen en AI-agents, uit De multi-agent organisatie. Agent-schaduwmodus betekent dat een AI-agent echt werk binnenkrijgt en opschrijft wat hij zou doen, zonder toestemming om het te doen. Een mens of het bestaande proces voert nog steeds uit, en achteraf vergelijk je de twee. Pas als die vergelijking voldoet aan een vooraf geschreven regel, krijgt de agent actierechten. Een agent die in 50 gevallen geen ernstige fout maakte, heeft je nog maar weinig laten zien. Deze pagina legt uit waarom, wat je in plaats daarvan meet, en geeft een promotieregel die je kunt overnemen. Met een AI-agent bedoel ik hier software die een doel krijgt en in meerdere stappen tools gebruikt, zoals e-mail, een database of een planningssysteem, zonder dat een mens elke stap goedkeurt. Actierechten zijn de rechten om in die systemen iets te veranderen. Waar komt de term vandaan? Uit de wereld van software-uitrol. De machinelearningdienst SageMaker van Amazon biedt schaduwtests. De documentatie beschrijft hoe SageMaker \"automatically deploys the new variant in shadow mode and routes a copy of the inference requests to it in real time within the same endpoint. Only the responses of the production variant are returned to the calling application.\" In gewone taal: de nieuwe versie krijgt een kopie van de echte vragen aan het live model, maar gebruikers krijgen alleen antwoorden van de versie die al in productie draait. Istio, een service mesh (software die verkeer tussen de onderdelen van een cloudtoepassing regelt), beschrijft dezelfde aanpak: \"Traffic mirroring, also called shadowing, is a powerful concept that allows feature teams to bring changes to production with as little risk as possible.\" De gekopieerde verzoeken zijn eenrichtingsverkeer: de antwoorden gaan de prullenbak in. Dat werkt omdat een voorspelling alleen een antwoord is. Een antwoord kun je weggooien. De output van een agent is een handeling: een verstuurde mail, een verplaatste boeking, een uitgevoerde terugbetaling. Een gespiegelde agent met een werkende verzendtool staat niet in de schaduw. Die verzendt gewoon. Agent-schaduwmodus is dus strenger dan het origineel uit de softwarewereld. De agent krijgt dezelfde invoer en dezelfde leesrechten. Elke tool die schrijft, vervang je door een voorsteltool die de bedoelde handeling vastlegt en verder niets doet. Wat staat er in een voorstel? Elk voorstel is een korte vastlegging met hetzelfde zaaknummer als de echte beslissing van de mens: 1. De handeling. De precieze tool en argumenten die de agent zou hebben gebruikt: \"verplaats levering 5530 naar donderdag 14.00 tot 16.00 uur.\" 2. De reden. Het bericht, het record of de regel waarop hij zich baseerde. 3. Escaleren of niet. Of hij de zaak liever aan een mens had overgedragen. 4. Het tijdstip. Wanneer hij het voorstel deed, zodat je ook de snelheid kunt vergelijken. De beslissing van de mens leg je apart vast, in het systeem dat hij al gebruikt. Niemand typt die over in de log van de agent. Waarom moet de vergelijking blind zijn? Ziet de mens het voorstel voordat hij beslist, dan meet overeenstemming overtuigingskracht in plaats van juistheid. Een keurig voorstel op het scherm accepteer je makkelijk. De Europese AI-verordening benoemt dat risico voor systemen die zij als hoog risico aanmerkt. Wie daar toezicht op houdt, moet zich bewust kunnen blijven van de mogelijke neiging om automatisch of te veel te vertrouwen op de output van het systeem. In de Engelse tekst heet dat automation bias. De oplossing zit in de werkwijze. De mens beslist eerst, het voorstel blijft verborgen, en achteraf vergelijkt iemand de twee aan de hand van geschreven criteria. Wat meet je? Overeenstemming alleen verbergt juist de gevallen die ertoe doen. Sorteer elke afwijking eerst in een van vier bakken, en ga daarna pas tellen. Bak Betekenis Wat het je vertelt --- --- --- Agent fout, ernstig Het voorstel uitvoeren had schade veroorzaakt zoals het charter die omschrijft Het getal dat over promotie beslist Agent fout, licht Niet optimaal maar onschuldig, bijvoorbeeld een slechter tijdvak Leermateriaal, geen blokkade Mens fout De agent had gelijk en de mens vergiste zich Nuttige bijvangst, maar geen reden om te promoveren Beide goed Twee geldige antwoorden Helemaal geen fout Voeg er twee getallen aan toe. Dekking: het aandeel gevallen waarin de agent überhaupt een handeling voorstelde. En de kwaliteit van het escaleren: droeg hij de gevallen over die mensen ook lastig vonden? Een agent die alles escaleert, maakt nooit een fout en helpt ook nooit. Lees ook de redenen, niet alleen de handelingen. Een voorstel kan om de verkeerde reden overeenkomen met de beslissing van de mens. Dat is precies het punt van evalueer de redenering, niet de vloeiendheid. Hoeveel gevallen heb je nodig voordat je hem vertrouwt? Meer dan je denkt. Statistici hebben er een vuistregel voor: de regel van drie. Hanley en Lippman-Hand (JAMA, 1983) formuleren het zo: \"if none of n patients shows the event about which we are concerned, we can be 95% confident that the chance of this event is at most three in n (ie, 3/n).\" Komt een gebeurtenis in n gevallen niet voor, dan is de werkelijke kans dus met 95 procent zekerheid hooguit 3 gedeeld door n. Schone gevallen op rij Percentage ernstige fouten dat je nog niet kunt uitsluiten --- --- 50 tot 6 op 100 300 tot 1 op 100 3.000 tot 1 op 1.000 Reken terug. Bepaal welk percentage ernstige fouten je kunt accepteren en deel 3 daardoor. Accepteer je 1 op 200, dan heb je in die categorie ongeveer 600 schone gevallen nodig. Twee rustige weken met 40 gevallen is een demo, geen bewijs. Waar komt CHORUS in beeld? CHORUS is een coördinatieprotocol voor kleine teams van mensen en AI-agents, uit De multi-agent organisatie , dat nu verkrijgbaar is. De zes vaardigheden houden hun Engelse namen: 1. Charter. Een geschreven contract voor één medewerker, mens of agent, met zeven velden, waaronder een bevoegdheidsgrens: wat hij mag doen zonder te vragen. 2. Handoff. Een contextpakket dat een taak over een grens draagt, zodat de ontvanger niet hoeft te raden. 3. Orchestrate. Wie wat doet in welke volgorde, waar parallel werk samenkomt en bij wie een probleem terechtkomt. 4. Review. Een poort waar output alleen doorheen komt als die aan geschreven acceptatiecriteria voldoet. 5. Update. Wat reviews opleveren, gaat terug naar prompts, tools en charters. 6. Sync. Eén gedeeld overzicht van wie wat bezit en wat vastzit, wekelijks gelezen. Je hebt het boek niet nodig om dit te gebruiken. Schaduwmodus is Review en Update aan het werk, nog voordat er één schrijfrecht bestaat. Review. De vergelijking is een reviewpoort. Geschreven criteria bepalen welke afwijkingen als ernstig tellen, en een benoemde beoordelaar verdeelt ze over de vier bakken. Niet de agent, en niet het onderbuikgevoel. Update. Bevindingen gaan terug naar de prompts, de tools en het charter van de agent. Actierechten geven is een wijziging van de bevoegdheidsgrens in het charter. Het boek is daar duidelijk over: die grens verschuiven is een charterwijziging, geen promptaanpassing. Leg de wijziging vast, noem wie haar goedkeurde en laat het team het weten. Het boek merkt ook op dat een rol met een schone log een lichtere controle heeft verdiend, en dat een rol die je vertrouwde, kan afdrijven na een modelwissel. Haal twee dingen niet door elkaar. Het boek gebruikt \"shadow agent\" voor een agent die buiten beeld werkt, zonder charter. Schaduwmodus is het tegendeel: met charter, zichtbaar, en zonder schrijfrechten. De promotieregel Geef rechten per categorie gevallen, nooit aan de agent als geheel. Fase De agent mag Een stap verder als Wie tekent Terug als --- --- --- --- --- Schaduw Lezen en voorstellen; niets schrijven Het aantal schone gevallen voor de categorie is gehaald (3 gedeeld door het aanvaardbare foutpercentage), in een blinde vergelijking De proceseigenaar Niet van toepassing Onder toezicht In één smalle categorie handelen nadat een benoemde persoon elke handeling heeft goedgekeurd Het aantal is in echt gebruik opnieuw gehaald, zonder ernstige fout die de goedkeurders onderschepten De proceseigenaar Elke ernstige fout in de categorie Steekproef In die categorie handelen; een benoemde persoon controleert achteraf een vooraf vastgelegde steekproef Niet van toepassing De proceseigenaar Elke ernstige fout, of een wijziging van model, instructies of tools Een degradatie stuurt die ene categorie terug naar de schaduw, niet de hele agent terug naar de tekentafel. Sommige handelingen komen nooit verder dan de fase onder toezicht: verzenden namens het bedrijf, uitgeven boven een plafond, verwijderen. Het HITL-artikel noemt dat vaste poorten, en in het AI-agent-charter schrijf je de bevoegdheidsgrens op. Een uitgewerkt voorbeeld: leveringen verzetten Stel je een hypothetisch regionaal bezorgbedrijf voor. Klanten mailen om een levering te verzetten, en planners passen die in het planningssysteem aan, zo'n 40 keer per dag. Een agent leest dezelfde mails en stelt elke wijziging voor, zonder schrijfrechten. De planners zien de voorstellen niet. Na vier weken en ongeveer 800 verzoeken deelt een beoordelaar de afwijkingen in. Alle getallen zijn hypothetisch. Soort verzoek Gevallen Ernstige fouten agent Besluit --- --- --- --- Later, zelfde week, ongekoelde waren 520 0 Naar onder toezicht Eerder dan gepland 150 2 Blijft in de schaduw Gekoelde waren 90 4 Blijft in de schaduw; regel voor de koudeketen toevoegen aan het charter Onduidelijke verzoeken 40 0 (31 geëscaleerd) Blijft in de schaduw De vergelijking ving ook 9 tikfouten van planners. Mooi meegenomen, maar geen reden om te promoveren. Waarom onder toezicht en nog niet op steekproefbasis? Nul fouten in 520 gevallen laat nog steeds een percentage van ongeveer 1 op 170 toe. Bij zo'n 26 verzoeken van die soort per dag kan dat nog altijd neerkomen op ongeveer drie ernstige fouten per vier weken. Dus keurt een planner elke handeling goed, terwijl de teller doorloopt. Probeer dit vandaag (20 minuten) 1. Kies één handeling die je agent wil uitvoeren, en beperk die tot één smalle categorie gevallen. 2. Vervang voor die handeling de schrijvende tool door een voorsteltool die alleen vastlegt. 3. Schrijf de criteria voor de vier bakken: wat telt hier als ernstige fout? 4. Kies het aanvaardbare percentage ernstige fouten en reken het aantal schone gevallen uit. 5. Wijs de beoordelaar aan die afwijkingen indeelt, en schrijf op waardoor de categorie terug moet. Schaduwmodus beantwoordt de vraag of de agent mag handelen, maar niet of je hem kunt stilleggen zodra hij dat doet, of dat je later kunt reconstrueren wat hij deed. Regel allebei vóór de eerste promotie, niet erna.","keyTakeaways":["Schaduwmodus: echte invoer, geen schrijfrechten, achteraf een vergelijking.","Zet de schrijvende tools uit. Output weggooien volstaat niet als die output een handeling is.","Laat de mens beslissen voordat hij het voorstel ziet, anders meet je overtuigingskracht.","Nul ernstige fouten in 300 gevallen laat nog steeds een werkelijk foutpercentage tot ongeveer 1 op 100 toe.","Geef rechten per smalle categorie, en schrijf op waardoor een categorie terug moet."],"readingMinutes":8,"publishedAt":"2026-10-04T07:05:00.000Z"}},"degree":8},{"id":"article:agentic-workflow-vs-automation","type":"article","pillar":"ai-systems","locales":{"en":{"label":"An agentic workflow is not an automation","summary":"An automation runs a fixed path. Ticket in, fields filled, Slack ping. The diagram does not invent a new diagram. An agentic workflow holds a goal, uses tools, and may change the next step when a tool returns something messy. That is useful only if someone wrote a charter, named the human checkpoints, and set an authority ceiling. Without those, you did not design a workflow. You put a junior hire with root on a looping path.","url":"/en/blog/agentic-workflow-vs-automation/","searchText":"An agentic workflow is not an automation An automation repeats a path. An agentic workflow holds a goal, chooses tools, and can change course. That only works with a charter, named checkpoints, and a ceiling. A script repeats a path. An agentic workflow holds a goal, uses tools, and needs a ceiling. An automation runs a fixed path. Ticket in, fields filled, Slack ping. The diagram does not invent a new diagram. An agentic workflow holds a goal, uses tools, and may change the next step when a tool returns something messy. That is useful only if someone wrote a charter, named the human checkpoints, and set an authority ceiling. Without those, you did not design a workflow. You put a junior hire with root on a looping path. agentic workflow versus automation Automation = fixed path. Agentic workflow = goal plus tools plus a next step that can change. If the path cannot surprise you, it is automation. Treat it like a script. If the path can surprise you, it needs a charter, a packet at every handoff, and a named reviewer. SENSE decides which workflows deserve an agent. STACK versions the commands. CHORUS names the checkpoints. This page is the split. ai-agents agentic-codebase chorus AI agent A system that holds a goal, uses tools, and acts across steps under a charter. Human in the loop A named person with an authority ceiling and a review gate. CHORUS Six-skill coordination protocol for mixed human-and-agent teams. A founder wires a model into a Zapier path and calls it an agentic workflow. The ticket still arrives. The fields still fill. Slack still pings. The only new thing is a sentence generator sitting on a rail. That is automation with a language model in one box. It is allowed. It is not an agentic workflow. Two machines An automation runs a fixed path. You can draw it. When it fails, it fails on a node you already named. A model may classify the ticket. The path does not invent a new path. An agentic workflow holds a goal, uses tools, and may change the next step when a tool returns something messy. The diagram is a claim about intent, not a guarantee about the route. That is the useful part. It is also the dangerous part. The definition page is the test for the worker. This page is the test for the path the worker is allowed to walk. If the path cannot surprise you, keep calling it automation. Give it logging and an owner. Do not give it a charter you will not read. If the path can surprise you, you now have a junior operator on a looping brief. Treat it that way or unplug it. What has to be written down Four artifacts. If any is missing, you do not have an agentic workflow. You have a demo that can spend money. Goal. One sentence that survives more than one prompt. \"Triage inbound\" is not a goal. \"Propose a next action for every inbound that matches the ICP, and stop on anything that spends, mails a customer, or changes production data\" is a goal. Charter. The same seven fields I use for a human role in CHORUS: purpose, inputs, outputs, authority ceiling, success criteria, review requirement, escalation. A worker without a charter is a guess you keep paying for. Checkpoints. Short workflows, not one heroic pipeline. The Agentic Codebase is blunt here: turn the operation you rerun forty times a week into a versioned command, then chain those commands with named human gates. Serial where order matters. Fan-out where work can split. Fan-in where it must merge. A human gate where the next step can spend, speak as the company, or close a judgment you still own. Packet. When work crosses a boundary, human to agent or agent to human, six fields travel: goal, constraints, inputs, provenance, acceptance, deadline. A paste from a chat log is not a packet. Constraints die in the paste. The human in the loop is the person who can fail the output against the acceptance line. A spectator on a dashboard is not a loop. Which workflows deserve an agent Most paths should stay scripts. Invoicing. Provisioning. The Friday export. A model in those boxes is decoration until it starts inventing steps. Use an agentic workflow when the next step depends on a judgment you can specify but cannot fully enumerate. Qualify a lead whose form is a mess. Draft a reply that must cite a named source. Open a pull request against a written acceptance test. SENSE is how you decide where that belongs in the week. Scan for the signal. Evaluate whether it is worth a standing system. Navigate the assumption. Simulate the cheap failure. Execute only if a Monday decision changes. AI Agents for Startup Strategy installs that layer. This page does not retell it. If you cannot name the Monday decision, keep the script. Where the other two books sit STACK is what happens after you say yes. The workflow lives in the repo, not in someone's memory of the demo. Rules in one place. Tools with contracts. MCP is how a step is allowed to touch the building. It is not the workflow. CHORUS is the coordination protocol when more than one worker shares the path. Charter, Handoff, Orchestrate, Review, Update, Sync. The Multi-Agent Organization is the book. The introduction is that book in article form. This page is earlier: you bolted a model onto a rail and used the wrong noun. A twelve-minute audit Pick one path you already call agentic. 1. Draw the happy path in five boxes or fewer. 2. Circle every box that can choose a tool the diagram does not name. 3. Write the goal in one sentence. 4. Write the one action that box is forbidden to take. 5. Name the human who can stop that action. 6. Point at the file where the command is versioned. Not the chat. The file. If step 2 is empty, you have automation. Good. Stop saying agentic. If step 2 has circles and steps 3 to 6 are blank, you have an unchartered operator on a loop. Fill the lines or take the tools away. The vocabulary is the control.","keyTakeaways":["Automation = fixed path. Agentic workflow = goal plus tools plus a next step that can change.","If the path cannot surprise you, it is automation. Treat it like a script.","If the path can surprise you, it needs a charter, a packet at every handoff, and a named reviewer.","SENSE decides which workflows deserve an agent. STACK versions the commands. CHORUS names the checkpoints. This page is the split."],"readingMinutes":4,"publishedAt":"2026-08-16T20:30:00.000Z"},"nl":{"label":"Een agentische workflow is geen automatisering","summary":"Een automatisering volgt een vast pad. Ticket erin, velden ingevuld, Slack-ping. Het schema bedenkt geen nieuw schema. Een agentische workflow heeft een doel, gebruikt tools en kan de volgende stap wijzigen als een tool rommelige data teruggeeft. Dat is alleen nuttig als iemand een charter heeft geschreven, de menselijke controlepunten heeft benoemd en een bevoegdheidsplafond heeft gezet. Zonder die elementen heb je geen workflow ontworpen. Dan heb je een junior medewerker met root-toegang op een eindeloze loop gezet.","url":"/nl/blog/agentic-workflow-versus-automatisering/","searchText":"Een agentische workflow is geen automatisering Een automatisering herhaalt een pad. Een agentische workflow heeft een doel, kiest tools en kan van koers veranderen. Dat werkt alleen met een charter, benoemde controlepunten en een plafond. Een script herhaalt een pad. Een agentische workflow heeft een doel, gebruikt tools en heeft een plafond nodig. Een automatisering volgt een vast pad. Ticket erin, velden ingevuld, Slack-ping. Het schema bedenkt geen nieuw schema. Een agentische workflow heeft een doel, gebruikt tools en kan de volgende stap wijzigen als een tool rommelige data teruggeeft. Dat is alleen nuttig als iemand een charter heeft geschreven, de menselijke controlepunten heeft benoemd en een bevoegdheidsplafond heeft gezet. Zonder die elementen heb je geen workflow ontworpen. Dan heb je een junior medewerker met root-toegang op een eindeloze loop gezet. agentische workflow versus automatisering Automatisering = vast pad. Agentische workflow = doel plus tools plus een volgende stap die kan veranderen. Als het pad je niet kan verrassen, is het automatisering. Behandel het als een script. Als het pad je kan verrassen, heeft het een charter, een pakket bij elke overdracht en een benoemde reviewer nodig. SENSE beslist welke workflows een agent verdienen. STACK versioneert de commando's. CHORUS benoemt de controlepunten. Deze pagina is de splitsing. ai-agents agentic-codebase chorus AI-agent Een systeem dat een doel vasthoudt, tools gebruikt en stappen zet onder een charter. Mens in de lus Een benoemd persoon met een bevoegdheidsplafond en een reviewpoort. CHORUS Coördinatieprotocol in zes vaardigheden voor teams van mensen en agents. Een oprichter koppelt een model aan een Zapier-pad en noemt het een agentische workflow. Het ticket komt nog steeds binnen. De velden worden nog steeds ingevuld. Slack pingt nog steeds. Het enige nieuwe is een zinnengenerator die op een rails staat. Dat is automatisering met een taalmodel in één box. Het is toegestaan. Het is geen agentische workflow. Twee machines Een automatisering volgt een vast pad. Je kunt het uittekenen. Als het faalt, faalt het op een knooppunt dat je al hebt benoemd. Een model kan het ticket classificeren. Het pad bedenkt geen nieuw pad. Een agentische workflow heeft een doel, gebruikt tools en kan de volgende stap wijzigen als een tool rommelige data teruggeeft. Het schema is een claim over intentie, geen garantie over de route. Dat is het nuttige deel. Het is ook het gevaarlijke deel. De definitiepagina is de test voor de medewerker. Deze pagina is de test voor het pad dat de medewerker mag bewandelen. Als het pad je niet kan verrassen, blijf het dan automatisering noemen. Voorzie het van logging en een eigenaar. Geef het geen charter dat je toch niet leest. Als het pad je kan verrassen, heb je nu een junior operator met een doorlopende opdracht. Behandel het zo, of trek de stekker eruit. Wat er opgeschreven moet worden Vier artefacten. Als er één ontbreekt, heb je geen agentische workflow. Je hebt een demo die geld kan uitgeven. Doel. Eén zin die meer dan één prompt overleeft. \"Inkomende berichten triageren\" is geen doel. \"Stel een volgende actie voor bij elk inkomend bericht dat overeenkomt met het ICP, en stop bij alles wat geld uitgeeft, een klant mailt of productiedata wijzigt\" is een doel. Charter. Dezelfde zeven velden die ik gebruik voor een menselijke rol in CHORUS: purpose, inputs, outputs, bevoegdheidsplafond, succescriteria, reviewvereiste, escalatie. Een medewerker zonder charter is een gok waar je voor blijft betalen. Controlepunten. Korte workflows, geen heroïsche pijplijn. De agentische codebase is hier stellig: verander de operatie die je veertig keer per week draait in een geversioneerd commando, en rijg die commando's aaneen met benoemde menselijke poorten. Serieel waar de volgorde ertoe doet. Fan-out waar het werk zich kan splitsen. Fan-in waar het moet samenkomen. Een menselijke poort waar de volgende stap geld kan uitgeven, namens het bedrijf kan spreken, of een oordeel kan sluiten dat jij nog bezit. Pakket. Wanneer werk een grens passeert, van mens naar agent of van agent naar mens, reizen er zes velden mee: doel, randvoorwaarden, input, herkomst, acceptatie, deadline. Een plak uit een chatlog is geen pakket. Randvoorwaarden sneuvelen in die kopie. De mens in de lus is de persoon die de output kan afkeuren tegen de acceptatieregel. Een toeschouwer op een dashboard is geen lus. Welke workflows een agent verdienen De meeste paden moeten scripts blijven. Facturering. Provisioning. De vrijdagexport. Een model in die boxen is decoratie totdat het stappen begint te verzinnen. Gebruik een agentische workflow wanneer de volgende stap afhangt van een oordeel dat je kunt specificeren, maar niet volledig kunt opsommen. Een lead kwalificeren waarvan het formulier een rommeltje is. Een antwoord opstellen dat een genoemde bron moet citeren. Een pull request openen tegen een uitgeschreven acceptatietest. SENSE is hoe je beslist waar dat in de week thuishoort. Scan voor het signaal. Evalueer of het een vast systeem waard is. Navigeer de aanname. Simuleer de goedkope mislukking. Voer alleen uit als een maandagbesluit verandert. AI-agenten voor startupstrategie installeert die laag. Deze pagina vertelt dat niet opnieuw. Als je het maandagbesluit niet kunt benoemen, houd het script. Waar de andere twee boeken zitten STACK is wat er gebeurt nadat je ja zegt. De workflow leeft in de repo, niet in iemands herinnering aan de demo. Regels op één plek. Tools met contracten. MCP is hoe een stap het gebouw mag aanraken. Het is niet de workflow. CHORUS is het coördinatieprotocol wanneer meer dan één medewerker het pad deelt. Charter, Handoff, Orchestrate, Review, Update, Sync. De multi-agent organisatie is het boek. De introductie is dat boek in artikelvorm. Deze pagina gaat eerder: je hebt een model op een rails gezet en het verkeerde zelfstandig naamwoord gebruikt. Een audit van twaalf minuten Kies één pad dat je al agentisch noemt. 1. Teken het verwachte pad in vijf boxen of minder. 2. Omcirkel elke box die een tool kan kiezen die het schema niet noemt. 3. Schrijf het doel in één zin. 4. Schrijf de ene actie die deze box niet mag uitvoeren. 5. Noem de mens die die actie kan stoppen. 6. Wijs naar het bestand waar het commando is geversioneerd. Niet de chat. Het bestand. Als stap 2 leeg is, heb je automatisering. Goed. Stop met het woord agentisch. Als stap 2 cirkels heeft en stappen 3 tot en met 6 leeg zijn, heb je een operator zonder charter in een loop. Vul de regels of neem de tools weg. De woordenschat is de controle.","keyTakeaways":["Automatisering = vast pad. Agentische workflow = doel plus tools plus een volgende stap die kan veranderen.","Als het pad je niet kan verrassen, is het automatisering. Behandel het als een script.","Als het pad je kan verrassen, heeft het een charter, een pakket bij elke overdracht en een benoemde reviewer nodig.","SENSE beslist welke workflows een agent verdienen. STACK versioneert de commando's. CHORUS benoemt de controlepunten. Deze pagina is de splitsing."],"readingMinutes":4,"publishedAt":"2026-08-16T20:35:00.000Z"}},"degree":22},{"id":"article:ai-agent-or-chatbot","type":"article","pillar":"ai-systems","locales":{"en":{"label":"AI agent or chatbot: three tests before you mix the words","summary":"An AI agent is a system that takes a goal, uses tools, and acts across more than one step without a human prompting each one. A chatbot answers a turn. You type, it replies, and the work dies when the tab closes unless you saved it. An automation runs a fixed script. Mix agent and chatbot and the chatbot inherits an API key. Three tests: does it hold a goal, use tools, and continue across steps? If the answer is no, no, no, you have a chatbot. That is a respectable product. It is not an agent. An agent is only accountable with a charter: inputs, outputs, an authority ceiling, and a named reviewer who can fail the work.","url":"/en/blog/ai-agent-or-chatbot/","searchText":"AI agent or chatbot: three tests before you mix the words An AI agent holds a goal, uses tools, and continues across steps under a charter. A chatbot answers a turn. Mixing the words is how a chatbot inherits an API key. If it cannot refuse a tool call, it is not an agent you can run. It is a demo that can spend money. An AI agent is a system that takes a goal, uses tools, and acts across more than one step without a human prompting each one. A chatbot answers a turn. You type, it replies, and the work dies when the tab closes unless you saved it. An automation runs a fixed script. Mix agent and chatbot and the chatbot inherits an API key. Three tests: does it hold a goal, use tools, and continue across steps? If the answer is no, no, no, you have a chatbot. That is a respectable product. It is not an agent. An agent is only accountable with a charter: inputs, outputs, an authority ceiling, and a named reviewer who can fail the work. AI agent or chatbot Chatbot = turn. Automation = script. Agent = goal plus tools plus a ceiling. Three tests. Fail them and stop using the word agent for that system. This page is the comparison. The definition article owns 'what is an AI agent.' No charter, no agent. Loose vocabulary is how a chatbot gets production credentials. ai-agents AI agent A system that holds a goal, uses tools, and acts across steps under a charter. Human in the loop A named person with an authority ceiling and a review gate. People search \"AI agent or chatbot\" because a vendor used both words on the same slide. The products are not the same. Mixing them is how a chatbot inherits an API key. AI agent or chatbot? An agent takes a goal, uses tools, and acts across more than one step without a human prompting each one. A chatbot answers a turn. You type. It replies. The context window is the memory. Close the tab and the work is gone unless you saved it. Useful for drafting. Dangerous the moment you paste its output into a tool it cannot see. The mix-up is not a branding argument. It is a permission argument. The word agent in a ticket is how a chat window gets a mail token, a payment scope, or a repo write. The word chatbot would have kept the same model in a box that only emits text. What is an AI agent? owns the full definition, the refuse test, and the charter. This page owns the collision. Three tests Ask the system in the room these three questions. 1. Does it hold a goal overnight, or only the current prompt? 2. Does it use tools, or only emit text? 3. Does it continue across steps without a human typing each one? If the answer is no, no, no, you have a chatbot. That is a respectable product. It is not an agent. Stop using the word until the tests pass. A third box exists and people skip it. Automation runs a fixed script: when a PDF lands in this folder, extract the total into the sheet. No goal. No tool choice. A path you named. An agentic workflow is not an automation is that comparison. This page is agent versus chatbot. Write the answers out loud. A demo that \"feels agentic\" is not a test result. The three questions are cheap enough to run in the meeting that is about to mint a credential. Partial passes are still not an agent The expensive mix-up is the half-yes. One test passes, the slide still says agent, and someone connects a key. Goal, no tools, no continuation. A chat window with a system prompt that says \"you are the invoice agent.\" It holds a persona. It does not hold a goal overnight. Tomorrow you paste the sheet again. That is a chatbot with a costume. Tools, no goal, no continuation. A plugin that can search mail, but only when you click. You still type the next step. The tool is real. The worker is still you. That is a chatbot with a socket. Goal and tools, no continuation. A wrapper that can draft one reminder and then waits for you to press send, and then waits for you to start the next row. One tool call is not a run. If the work dies when you leave the tab, you have not given it a goal that survives. Continuation without a stop. The dangerous yes. The system keeps calling tools after you closed the laptop. If nobody wrote what it must refuse, you did not hire a worker. You lit a fuse. The definition article owns that refuse test. Do not skip it because the first three answers sounded good. A wrapper around a chat model is still a wrapper. A scheduled script that classifies a ticket is still automation. Calling either an agent does not add a ceiling. It adds permission to connect a tool. Walk one object through the boxes Same object, three boxes. If you cannot put the object in one box, you are not ready to name the system. \"Summarise this PDF in the chat\" is a chatbot. \"When a PDF lands in this folder, extract the invoice total into the sheet\" is automation. \"Chase unpaid invoices this week, using the sheet and the mail tool, and stop if a customer disputes\" is an agent, but only if someone wrote the stop. The stop is the charter: inputs, outputs, an authority ceiling, success criteria, review, escalation. Without those fields you have a demo that can spend money. This page will not restage the template. If you cannot name the stop, you do not have an agent. You have a chatbot you are about to over-permission. A second object, same three boxes. \"Draft a reply to this ticket in the chat\" is a chatbot. \"When a ticket lands with tag refund, post the canned reply\" is automation. \"Resolve refund tickets this week, using the order sheet and the mail tool, and stop if the amount is above the ceiling or the customer is angry\" is an agent, again only if the stop is written. If the vendor demo used the third sentence and shipped the first machine, you are looking at the mix-up. How the word becomes a key The failure mode is vocabulary. It has a sequence. Someone pastes a chatbot transcript into Slack. It looks competent. The ticket is titled \"add the agent.\" Ops wires the same window to mail, because agents use tools. Nobody writes a ceiling, because the demo did not ask for one. The first send that should have been a draft goes to a customer. The post-mortem says the model was too aggressive. The model did what a tool-using chatbot does when you hand it a send scope and no stop. That sequence does not require a new runtime. It requires a wrong noun. The glossary capsule is the short form: chatbot answers a turn, automation runs a script, agent holds a goal under a charter. If you cannot point at the noun that matches the machine in the room, do not mint the credential. Vendors will keep stacking the words. \"Agentic chatbot.\" \"Chat agent.\" \"Autonomous assistant.\" Recite the three tests anyway. Product names change. The tests do not. A literary representative is a different collision; that page is literary agent or AI agent. Do not email a tool hoping it is a person, and do not give a person-shaped prompt a production key. Who can fail the next call The human in the loop is the named person who can fail the next call. If that person is \"the team\" and the fail line is \"looks fine,\" you already decided the chatbot may act. A chatbot does not need that person until you give it a tool. The moment you do, you no longer have a drafting toy. You have a worker with no contract. Name the reviewer before the socket, not after the first send. Write the three tests on a card. Run them before the demo becomes a credential. If the card says chatbot, call it a chatbot in the ticket, the runbook, and the vendor call. AI Agents for Startup Strategy is live. You do not need the hardcover to refuse the word.","keyTakeaways":["Chatbot = turn. Automation = script. Agent = goal plus tools plus a ceiling.","Three tests. Fail them and stop using the word agent for that system.","This page is the comparison. The definition article owns 'what is an AI agent.'","No charter, no agent. Loose vocabulary is how a chatbot gets production credentials."],"readingMinutes":6,"publishedAt":"2026-08-29T07:00:00.000Z"},"nl":{"label":"AI-agent of chatbot: drie tests voordat je de woorden door elkaar haalt","summary":"Een AI-agent is een systeem dat een doel aanneemt, tools gebruikt en over meer dan één stap handelt zonder dat een mens elke stap prompteert. Een chatbot beantwoordt een beurt. Jij typt, hij antwoordt, en het werk sterft wanneer het tabblad sluit tenzij je het hebt opgeslagen. Een automatisering draait een vast script. Meng agent en chatbot en de chatbot erft een API-sleutel. Drie tests: heeft het een doel, gebruikt het tools en gaat het door met stappen? Als het antwoord nee, nee, nee is, heb je een chatbot. Dat is een respectabel product. Het is geen agent. Een agent is alleen verantwoordelijk met een charter: invoer, uitvoer, een bevoegdheidsplafond en een benoemde beoordelaar die het werk kan afkeuren.","url":"/nl/blog/ai-agent-of-chatbot/","searchText":"AI-agent of chatbot: drie tests voordat je de woorden door elkaar haalt Een AI-agent heeft een doel, gebruikt tools en gaat door met stappen onder een charter. Een chatbot beantwoordt een beurt. De woorden door elkaar halen is hoe een chatbot een API-sleutel erft. Als het een tool-aanroep niet kan weigeren, is het geen agent die je kunt draaien. Het is een demo die geld kan uitgeven. Een AI-agent is een systeem dat een doel aanneemt, tools gebruikt en over meer dan één stap handelt zonder dat een mens elke stap prompteert. Een chatbot beantwoordt een beurt. Jij typt, hij antwoordt, en het werk sterft wanneer het tabblad sluit tenzij je het hebt opgeslagen. Een automatisering draait een vast script. Meng agent en chatbot en de chatbot erft een API-sleutel. Drie tests: heeft het een doel, gebruikt het tools en gaat het door met stappen? Als het antwoord nee, nee, nee is, heb je een chatbot. Dat is een respectabel product. Het is geen agent. Een agent is alleen verantwoordelijk met een charter: invoer, uitvoer, een bevoegdheidsplafond en een benoemde beoordelaar die het werk kan afkeuren. AI-agent of chatbot Chatbot = beurt. Automatisering = script. Agent = doel plus tools plus een plafond. Drie tests. Zakt het systeem ervoor, stop dan met het woord agent voor dat systeem. Deze pagina is de vergelijking. Het definitieartikel is eigenaar van 'wat is een AI-agent'. Geen charter, geen agent. Een losse woordenschat is hoe een chatbot productiegegevens bemachtigt. ai-agents AI-agent Een systeem dat een doel vasthoudt, tools gebruikt en in stappen handelt onder een charter. Mens in de lus Een benoemd persoon met een bevoegdheidsplafond en een beoordelingspoort. Mensen zoeken op \"AI-agent of chatbot\" omdat een verkoper beide woorden op dezelfde slide gebruikte. De producten zijn niet hetzelfde. Ze door elkaar halen is hoe een chatbot een API-sleutel erft. AI-agent of chatbot? Een agent neemt een doel aan, gebruikt tools en handelt over meer dan één stap zonder dat een mens elke stap prompteert. Een chatbot beantwoordt een beurt. Jij typt. Hij antwoordt. Het contextvenster is het geheugen. Sluit het tabblad en het werk is weg, tenzij je het hebt opgeslagen. Handig voor het opstellen van tekst. Gevaarlijk zodra je de uitvoer plakt in een gereedschap dat hij niet kan zien. De verwarring is geen merkenruzie. Het is een permissievraag. Het woord agent in een ticket is hoe een chatvenster een mailtoken, een betaalrecht of schrijfrechten op een repo krijgt. Het woord chatbot had hetzelfde model in een doos gehouden die alleen tekst uitstuurt. Wat is een AI-agent? bezit de volledige definitie, de weigertest en het charter. Deze pagina bezit de botsing. Drie tests Stel het systeem in de kamer deze drie vragen. 1. Houdt het een doel een nacht vast, of alleen de huidige prompt? 2. Gebruikt het tools, of stuurt het alleen tekst uit? 3. Gaat het door met stappen zonder dat een mens ze stuk voor stuk typt? Als het antwoord nee, nee, nee is, heb je een chatbot. Dat is een respectabel product. Het is geen agent. Stop met het gebruik van het woord totdat de tests slagen. Er bestaat een derde categorie en mensen slaan deze over. Automatisering draait een vast script: wanneer een pdf in deze map belandt, extraheer het totaal naar de spreadsheet. Geen doel. Geen keuze in tools. Een pad dat jij hebt benoemd. Een agentische workflow is geen automatisering is die vergelijking. Deze pagina gaat over agent versus chatbot. Zeg de antwoorden hardop. Een demo die \"agentisch aanvoelt\" is geen testresultaat. De drie vragen zijn goedkoop genoeg om te draaien in de meeting die op het punt staat een inloggegeven uit te geven. Halve scores zijn nog steeds geen agent De dure verwarring is het halve ja. Eén test slaagt, de slide zegt nog steeds agent, en iemand sluit een sleutel aan. Doel, geen gereedschap, geen doorgaan. Een chatvenster met een systeemprompt die zegt \"jij bent de factuuragent.\" Het houdt een persona vast. Het houdt geen doel een nacht vast. Morgen plak je de spreadsheet opnieuw. Dat is een chatbot in kostuum. Gereedschap, geen doel, geen doorgaan. Een plug-in die mail kan doorzoeken, maar alleen als jij klikt. Jij typt de volgende stap nog. Het gereedschap is echt. De werker ben jij. Dat is een chatbot met een stopcontact. Doel en gereedschap, geen doorgaan. Een schil die één herinnering kan opstellen en dan wacht tot jij op verzenden drukt, en daarna wacht tot jij de volgende rij start. Eén tool-aanroep is geen run. Als het werk sterft wanneer je het tabblad sluit, heb je het geen doel gegeven dat overleeft. Doorgaan zonder stop. Het gevaarlijke ja. Het systeem blijft tools aanroepen nadat jij de laptop dichtklapte. Als niemand heeft opgeschreven wat het moet weigeren, heb je geen werker aangenomen. Je hebt een lont aangestoken. Het definitieartikel bezit die weigertest. Sla hem niet over omdat de eerste drie antwoorden goed klonken. Een schil rond een chatmodel is nog steeds een schil. Een gepland script dat een ticket classificeert is nog steeds automatisering. Het een agent noemen voegt geen plafond toe. Het geeft toestemming om een gereedschap aan te sluiten. Loop met één object door de hokjes Hetzelfde object, drie hokjes. Als je het object niet in één hokje kunt zetten, ben je niet klaar om het systeem te benoemen. \"Vat deze pdf samen in de chat\" is een chatbot. \"Wanneer een pdf in deze map belandt, extraheer het factuurtotaal naar de spreadsheet\" is automatisering. \"Jaag onbetaalde facturen deze week na, met de spreadsheet en het e-mailprogramma, en stop als een klant betwist\" is een agent, maar alleen als iemand de stop heeft geschreven. De stop is het charter: invoer, uitvoer, een bevoegdheidsplafond, succescriteria, beoordeling, escalatie. Zonder die velden heb je een demo die geld kan uitgeven. Deze pagina speelt het sjabloon niet opnieuw. Kun je de stop niet benoemen, dan heb je geen agent. Je hebt een chatbot die je op het punt staat te veel rechten te geven. Een tweede object, dezelfde drie hokjes. \"Stel in de chat een antwoord op dit ticket op\" is een chatbot. \"Wanneer een ticket binnenkomt met tag refund, plaats het standaardantwoord\" is automatisering. \"Los deze week refundtickets op, met de bestellijst en het e-mailprogramma, en stop als het bedrag boven het plafond ligt of de klant boos is\" is een agent, opnieuw alleen als de stop is geschreven. Als de leveranciersdemo de derde zin gebruikte en de eerste machine uitleverde, kijk je naar de verwarring. Hoe het woord een sleutel wordt De faalmodus is woordenschat. Die heeft een volgorde. Iemand plakt een chatbot-transcript in Slack. Het oogt bekwaam. Het ticket heet \"voeg de agent toe.\" Beheer koppelt hetzelfde venster aan mail, omdat agents tools gebruiken. Niemand schrijft een plafond, omdat de demo er niet om vroeg. De eerste verzending die een concept had moeten blijven gaat naar een klant. De nabespreking zegt dat het model te agressief was. Het model deed wat een chatbot met tools doet wanneer je hem verzendrechten geeft en geen stop. Die volgorde vraagt geen nieuwe runtime. Ze vraagt een verkeerd zelfstandig naamwoord. De begrippencapsule is de korte vorm: een chatbot beantwoordt een beurt, automatisering draait een script, een agent houdt een doel vast onder een charter. Kun je niet wijzen naar het zelfstandig naamwoord dat bij de machine in de kamer past, geef dan geen inloggegeven uit. Leveranciers blijven de woorden stapelen. \"Agentic chatbot.\" \"Chat-agent.\" \"Autonome assistent.\" Zeg de drie tests toch. Productnamen veranderen. De tests niet. Een literair vertegenwoordiger is een andere botsing; die pagina is literair agent of AI-agent. Mail geen gereedschap in de hoop dat het een persoon is, en geef een prompt in mensvorm geen productiesleutel. Wie de volgende aanroep kan afkeuren De mens in de lus is de benoemde persoon die de volgende aanroep kan afkeuren. Als die persoon \"het team\" is en de afkeurlijn \"ziet er goed uit\" is, heb je al besloten dat de chatbot mag handelen. Een chatbot heeft die persoon niet nodig totdat je hem een tool geeft. Zodra je dat doet, heb je geen opstel-speelgoed meer. Je hebt een werker zonder contract. Benoem de beoordelaar vóór het stopcontact, niet na de eerste verzending. Schrijf de drie tests op een kaart. Draai ze voordat de demo een inloggegeven wordt. Als de kaart chatbot zegt, noem het een chatbot in het ticket, het runbook en het gesprek met de leverancier. AI-agenten voor startupstrategie is live. Je hebt de hardcover niet nodig om het woord te weigeren.","keyTakeaways":["Chatbot = beurt. Automatisering = script. Agent = doel plus tools plus een plafond.","Drie tests. Zakt het systeem ervoor, stop dan met het woord agent voor dat systeem.","Deze pagina is de vergelijking. Het definitieartikel is eigenaar van 'wat is een AI-agent'.","Geen charter, geen agent. Een losse woordenschat is hoe een chatbot productiegegevens bemachtigt."],"readingMinutes":6,"publishedAt":"2026-08-29T07:05:00.000Z"}},"degree":8},{"id":"article:ai-agents-for-startup-strategy-introduction","type":"article","pillar":"ai-systems","locales":{"en":{"label":"AI Agents for Startup Strategy: Build the Strategic Intelligence Layer","summary":"AI Agents for Startup Strategy teaches founders and operators how to deploy agentic AI as a strategic intelligence layer. Using the SENSE framework, five named agent systems, versioned claims, kill criteria, and a 90-day plan, it turns tactical AI use into governed strategic sensing for startups of roughly five to two hundred people.","url":"/en/blog/ai-agents-for-startup-strategy-introduction/","searchText":"AI Agents for Startup Strategy: Build the Strategic Intelligence Layer Stop renting strategic awareness from luck and late meetings. AI Agents for Startup Strategy installs a governed agent layer with SENSE, five systems, versioned claims, and a 90-day deployment plan. Agents are infrastructure, not toys. This book installs a strategic intelligence layer you can design, govern, and run in ninety days. AI Agents for Startup Strategy teaches founders and operators how to deploy agentic AI as a strategic intelligence layer. Using the SENSE framework, five named agent systems, versioned claims, kill criteria, and a 90-day plan, it turns tactical AI use into governed strategic sensing for startups of roughly five to two hundred people. AI agents for startup strategy Strategic lag is usually a sensing and synthesis problem, not a talent problem. SENSE (Scan, Evaluate, Navigate, Simulate, Execute) is a design grammar with named collapse modes for agent systems. Governance — versioned claims, kill criteria, founder override — is what turns demos into durable operating advantage. ai-agents You are not losing to a better product first. You are losing to a faster read of the field . Monday arrives. A competitor ships what you did not see. A regulator moves while your notes still say “monitor.” A segment quietly churns while the data already sat in your warehouse. The bottleneck is no longer effort. It is sensing speed and synthesis quality . AI Agents for Startup Strategy is for founders done renting strategic awareness from luck, Slack noise, and meetings that land eleven days late. The real gap is not “using AI” Most founders already use AI. They draft faster. They summarize notes. They generate options. Almost none of them run a strategic intelligence layer : named agent systems, a decision cadence, evidence rules, and kill criteria. That layer is the difference between a demo and an operating advantage. The promise, in one breath Stop treating agents as toys. Design them as infrastructure . This book gives you: - the SENSE design grammar - five strategic agent systems you can actually stand up - a written delegation boundary (delegate / augment / reserve) - versioned claims with expiry discipline - a 90-day deployment plan that lands in real meetings, not slideware Not hype. Not code cosplay. Operator doctrine. SENSE: the grammar that prevents pretty failures Most agent projects fail for boring reasons. They scan poorly. They evaluate sloppily. They navigate without owners. They simulate nothing. They execute into a void. SENSE forces the sequence: 1. Scan — what must be sensed continuously? 2. Evaluate — what evidence counts, and what is noise? 3. Navigate — who decides, and on what cadence? 4. Simulate — what breaks before it hits production? 5. Execute — what action lands with an owner? When a system collapses, you can name the phase. Named failure is fixable. Vague disappointment is not. Five systems, one portfolio The book does not hand you one magical agent. It builds a portfolio posture across competitive, market, scenario, customer, and investor intelligence — then wires output into the decision rituals you already run. If an agent cannot feed a real owner and a real cadence, it is orphaned theater. This book kills orphaned theater early. Governance is the product Speed without judgment is panic with better latency. So the book is blunt about: - versioned claims — date it, source it, expire it - kill criteria — retire weak systems on purpose - override doctrine — the founder keeps the hard calls - team fluency — tools do not compound; practiced judgment does That is why serious operators finish this book and actually deploy. Who should buy this now Buy it if you are: - a founder tired of tactical AI while strategy still runs on memory - an operator who owns the Monday decision stack - a platform or studio lead standardizing agent practice across teams - a builder who wants doctrine that outlasts this month’s model names Skip it if you want a prompt pack and a dopamine hit. Get the book. Then run the ninety days. Open the launch page → English editions (Amazon.com) Format Link --- --- Kindle Buy English Kindle Paperback Buy English paperback Hardcover Buy English hardcover Dutch editions (Amazon.nl) Format Link --- --- Kindle Koop Nederlandse Kindle Paperback Koop Nederlandse paperback Hardcover Koop Nederlandse hardcover Need instruments immediately? Use the worksheets. Dutch catalogue page: boeken/ai-agents-for-startup-strategy. Final push Your market is already generating signal. The only question is whether your company can hear it before the meeting that is already too late. Build the layer. Govern the claims. Ship the ninety days.","keyTakeaways":["Strategic lag is usually a sensing and synthesis problem, not a talent problem.","SENSE (Scan, Evaluate, Navigate, Simulate, Execute) is a design grammar with named collapse modes for agent systems.","Governance — versioned claims, kill criteria, founder override — is what turns demos into durable operating advantage."],"readingMinutes":3,"publishedAt":"2026-08-05T11:00:00.000Z"},"nl":{"label":"AI-agenten voor startupstrategie: bouw de strategische intelligentielaag","summary":"AI-agenten voor startupstrategie leert oprichters en operators hoe ze agentic AI inzetten als strategische intelligentielaag. Met het SENSE-framework, vijf benoemde agentsystemen, geversioneerde claims, stopcriteria en een 90-dagenplan wordt tactisch AI-gebruik een bestuurd strategisch waarnemingssysteem voor startups van ongeveer vijf tot tweehonderd mensen.","url":"/nl/blog/ai-agenten-voor-startupstrategie-introductie/","searchText":"AI-agenten voor startupstrategie: bouw de strategische intelligentielaag Stop met strategisch bewustzijn huren van geluk en late meetings. AI-agenten voor startupstrategie geeft oprichters een bestuurde agentlaag met SENSE, vijf systemen, geversioneerde claims en een 90-dagenplan. Agenten zijn infrastructuur, geen speelgoed. Dit boek installeert een strategische intelligentielaag die je in negentig dagen kunt ontwerpen, besturen en draaien. AI-agenten voor startupstrategie leert oprichters en operators hoe ze agentic AI inzetten als strategische intelligentielaag. Met het SENSE-framework, vijf benoemde agentsystemen, geversioneerde claims, stopcriteria en een 90-dagenplan wordt tactisch AI-gebruik een bestuurd strategisch waarnemingssysteem voor startups van ongeveer vijf tot tweehonderd mensen. AI-agenten voor startupstrategie Strategische vertraging is meestal een probleem van waarneming en synthese, geen talentprobleem. SENSE (Scan, Evaluate, Navigate, Simulate, Execute) is een ontwerpgrammatica met benoemde faalwijzen voor agentsystemen. Bestuur (geversioneerde claims, stopcriteria, founder-override) maakt van demo’s duurzaam operationeel voordeel. ai-agents Je verliest niet eerst van een beter product. Je verliest van een sneller beeld van het veld . Maandag komt. Een concurrent levert wat jij niet zag. Een toezichthouder beweegt terwijl je notulen nog “monitoren” zeggen. Een segment loopt stil weg terwijl de data al in je warehouse lag. De bottleneck is geen inzet meer. Het is waarnemingssnelheid en synthesekwaliteit . AI-agenten voor startupstrategie is er voor oprichters die klaar zijn met strategisch bewustzijn huren van geluk, Slack-ruis en meetings die elf dagen te laat landen. De echte kloof is niet “AI gebruiken” De meeste oprichters gebruiken al AI. Ze schrijven sneller. Ze vatten notities samen. Ze genereren opties. Bijna niemand draait een strategische intelligentielaag : benoemde agentsystemen, een beslissingsritme, bewijsregels en stopcriteria. Die laag is het verschil tussen een demo en een operationeel voordeel. De belofte, in één adem Stop met agenten als speelgoed te behandelen. Ontwerp ze als infrastructuur . Dit boek geeft je: - de SENSE -ontwerpgrammatica - vijf strategische agentsystemen die je echt kunt opzetten - een geschreven delegatiegrens (delegeren / versterken / reserveren) - geversioneerde claims met vervaldiscipline - een 90-dagenplan dat in echte meetings landt, niet in presentatieslides Geen hype. Geen codecosplay. Operatordoctrine. SENSE: de grammatica die mooie mislukkingen voorkomt De meeste agentprojecten falen om saaie redenen. Ze scannen slecht. Ze evalueren slordig. Ze navigeren zonder eigenaar. Ze simuleren niets. Ze voeren uit in een leegte. SENSE dwingt de volgorde: 1. Scan : wat moet continu worden waargenomen? 2. Evaluate : welk bewijs telt, en wat is ruis? 3. Navigate : wie beslist, en op welk ritme? 4. Simulate : wat breekt vóór productie? 5. Execute : welke actie landt bij een eigenaar? Als een systeem instort, kun je de fase benoemen. Benoemd falen is te repareren. Vage teleurstelling niet. Vijf systemen, één portfolio Het boek geeft je niet één magische agent. Het bouwt een portfoliopostuur over concurrentie-, markt-, scenario-, klant- en investeerdersintelligentie, en koppelt output aan de beslissingsrituelen die je al draait. Als een agent geen echte eigenaar en geen echt ritme voedt, is het verweesd toneel. Dit boek maakt vroeg een einde aan verweesd toneel. Bestuur is het product Snelheid zonder oordeel is paniek met betere latency. Dus is het boek hard over: - geversioneerde claims : dateer, bron, laat verlopen - stopcriteria : zet zwakke systemen bewust stop - override-doctrine : de oprichter houdt de harde beslissingen - teamvaardigheid : tools stapelen zich niet vanzelf op; geoefend oordeel wel Daarom rollen serieuze operators dit boek ook echt uit. Wie dit nu moet kopen Koop het als je: - een oprichter bent die klaar is met tactische AI terwijl strategie nog op geheugen loopt - een operator bent die de maandagbeslissingsstack bezit - een platform- of studiolead bent die agentpraktijk over teams standaardiseert - een bouwer bent die doctrine wil die de modelnamen van deze maand overleeft Sla het over als je een promptpakket en een dopaminehit wilt. Pak het boek. Draai daarna de negentig dagen. Open de launchpagina → Nederlandse edities (Amazon.nl) Uitvoering Link --- --- Kindle Koop Nederlandse Kindle Paperback Koop Nederlandse paperback Hardcover Koop Nederlandse hardcover Engelse edities (Amazon.com) Uitvoering Link --- --- Kindle Koop Engelse Kindle Paperback Koop Engelse paperback Hardcover Koop Engelse hardcover Instrumenten nodig? Gebruik de werkbladen. Engelse launchpagina: ai-agents-for-startup-strategy. Laatste zet Je markt genereert al signaal. De enige vraag is of je bedrijf het kan horen vóór de meeting die al te laat is. Bouw de laag. Bestuur de claims. Lever de negentig dagen.","keyTakeaways":["Strategische vertraging is meestal een probleem van waarneming en synthese, geen talentprobleem.","SENSE (Scan, Evaluate, Navigate, Simulate, Execute) is een ontwerpgrammatica met benoemde faalwijzen voor agentsystemen.","Bestuur (geversioneerde claims, stopcriteria, founder-override) maakt van demo’s duurzaam operationeel voordeel."],"readingMinutes":3,"publishedAt":"2026-08-05T11:00:00.000Z"}},"degree":8},{"id":"article:answer-engine-citations","type":"article","pillar":"seo-geo-aeo","locales":{"en":{"label":"How Answer Engines Choose Sources","summary":"Search and answer engines can cite a page only when they can access it, understand its subject, extract a relevant answer and trust the supporting evidence. The strongest strategy is therefore excellent technical SEO plus original, well-structured, source-backed content.","url":"/en/blog/how-answer-engines-select-sources/","searchText":"How Answer Engines Choose Sources A verified SEO, GEO and AEO playbook for making content discoverable, understandable, quotable, trustworthy and genuinely worth citing. Citation visibility is not won with an AI hack. It is earned by combining technical eligibility, clear answers, original value and evidence that survives scrutiny. Search and answer engines can cite a page only when they can access it, understand its subject, extract a relevant answer and trust the supporting evidence. The strongest strategy is therefore excellent technical SEO plus original, well-structured, source-backed content. SEO, GEO and AEO source selection Fix crawlability, indexability, canonicalization and snippet eligibility before attempting any GEO or AEO tactic. Publish answer-ready passages with explicit claims and evidence, but never sacrifice depth or human readability to artificial content chunking. Measure discovery, citations, referrals and business outcomes separately; none of them alone proves authority or commercial impact. geo aeo SEO The work of improving a site's technical accessibility, relevance, quality and presentation in search engines. AEO Answer engine optimization; a practical label for making accurate answers easy to retrieve, understand and present in direct-answer experiences. GEO Generative engine optimization; a developing discipline concerned with visibility and citation in AI-generated answers. Grounding Connecting a generated answer to retrieved sources so the response can use current, attributable information. Query fan-out A retrieval technique in which an engine issues multiple related searches to answer different parts of a complex question. Citation readiness An editorial operating model used in this guide to assess whether a page is discoverable, interpretable, extractable, verifiable and worth citing. It is not a search-engine ranking factor. The hard truth: GEO is not a shortcut around SEO The fastest way to waste a GEO budget is to treat generative search as a separate universe with secret rules. It is not. For Google, this is now explicit. Its June 2026 generative-search guidance says that AI Overviews and AI Mode are rooted in Google's existing Search index, ranking systems and quality systems. A page must first be indexed and eligible to appear with a snippet. There is no special AI schema that bypasses those requirements. OpenAI and Microsoft expose different controls and reporting, but the same practical sequence still applies: 1. The system must be able to discover and fetch the page. 2. It must understand what the page and its entities are about. 3. It must find a passage relevant to the question. 4. It must have enough reason to trust and attribute that passage. 5. The passage must add more value than the alternatives. That sequence is the real relationship between SEO, AEO and GEO. - SEO creates technical and editorial eligibility. - AEO makes answers clear enough to retrieve and present. - GEO focuses on whether generative systems select, use and cite the source. The labels differ. The underlying work overlaps heavily. Verified principle: optimize for a useful, crawlable and evidential page. Do not create an inferior page for an imagined robot reader. The Citation Readiness Model I use a five-layer model to turn a vague ambition such as “rank in AI” into work that can actually be audited. Layer The engine's question Your job Typical failure ---------------- ----------------------------------------------------------- ------------------------------------------------------------ --------------------------------------------------------------- 1. Discoverable Can I access and index this URL? Remove technical barriers and expose stable URLs Blocked crawling, noindex , broken rendering or duplicate URLs 2. Interpretable What is this page, who created it and what does it concern? Make topics, entities, authorship and relationships explicit Ambiguous titles, inconsistent entities or misleading schema 3. Extractable Is there a passage that directly resolves the question? Write clear answers inside a coherent article The answer is buried, vague or dependent on missing context 4. Verifiable Can the claims be checked? Add primary evidence, dates, methods and limitations Unsupported statistics, anonymous claims or stale facts 5. Worth citing Does this source contribute something useful and distinct? Publish original experience, analysis, data or synthesis Commodity content that repeats the existing consensus This model is an editorial heuristic, not a disclosed ranking factor. Its value is operational: when visibility is weak, it tells you where to investigate instead of reaching for random “AI optimization” tactics. Layer 1: become technically eligible before polishing prose A brilliant answer on an inaccessible URL is invisible. Check the response, not just the browser For every important article, verify: - The canonical URL returns a stable 200 response. - The complete primary content is present in the rendered HTML without requiring a click, swipe, search or login. - Important CSS, JavaScript and images are not accidentally blocked. - The page is not carrying a noindex directive. - The canonical points to the intended URL. - Internal links use ordinary crawlable links. - The URL appears in the XML sitemap with an accurate modification date after substantive changes. Google can render JavaScript, but its own guidance still notes that JavaScript SEO is more complex. Server-rendered or statically generated primary content removes a class of avoidable failure. Do not confuse crawling with indexing robots.txt manages crawler access. It is not a reliable removal mechanism. If Google cannot crawl a blocked page, it cannot see a noindex directive on that page. The URL may still be known through links and may appear without a useful description. For confidential material, use authentication. For index removal, allow the crawler to see noindex or return the appropriate status. That distinction sounds basic. It is still one of the most expensive technical SEO mistakes. Use the right crawler control for the right objective Control Primary purpose Practical decision ----------------- -------------------------------------------------------------------------------------- --------------------------------------------------------------------------------- Googlebot Google Search, including Search AI features Allow important public pages if you want Google visibility Google-Extended Controls use for specified Gemini training and grounding systems outside Google Search Decide separately from Google Search access OAI-SearchBot Inclusion in ChatGPT search answers Allow if ChatGPT search visibility is desired GPTBot Potential training of OpenAI foundation models Set according to your training-data policy; it is independent of Search ChatGPT-User User-triggered visits and actions Do not treat it as the ChatGPT Search indexing control IndexNow Notifies participating engines that URLs changed Trigger on meaningful additions, updates and deletions; it is not a ranking boost OpenAI's crawler documentation is unusually clear: a publisher can allow OAI-SearchBot while disallowing GPTBot . Search participation does not require a blanket decision about model training. The same separation matters at Google. Googlebot governs Search access. Google-Extended is a separate product token for specified Gemini uses and does not replace Googlebot. Layer 2: make the page interpretable Machines do not need decorative metadata. They need consistent facts. Establish one canonical identity for each thing An article should make these entities unambiguous: - The article itself - The author - The publishing website or organization - The primary topic - Products, organizations, people or places discussed - The language version and its translated counterpart Use the same author name, profile URL and relevant sameAs references across the site. Link the article's author to a substantive profile page. Keep role descriptions and biographies factual rather than inflating them with vague authority language. For bilingual publishing, give each language its own URL and connect equivalents with reciprocal hreflang . Do not canonicalize the Dutch article to the English article: they are localized alternatives, not duplicates to collapse. Use structured data as corroboration Accurate BlogPosting or Article , Person , ProfilePage , WebPage and BreadcrumbList markup can help systems interpret the page. Include supported properties such as: - headline - description - datePublished - dateModified - author - author.url - Representative images - The canonical article URL But the markup must agree with what readers see. Do not invent credentials in JSON-LD, hide marked-up content or add schema for content that is absent from the page. Structured data is a clarification layer, not a citation switch. Google explicitly says correct markup does not guarantee a rich result, and no special structured data is required for its generative Search features. Make updates credible An “updated” date should mean something changed materially. When revising a high-stakes guide: 1. Update inaccurate claims. 2. Recheck outbound evidence. 3. Add a visible modification date. 4. Record a short change summary. 5. Update sitemap lastmod . Changing the date without changing the substance creates freshness theatre, not trust. Layer 3: create answer assets, not answer fragments A direct answer is useful. Artificially chopping every paragraph into tiny “AI chunks” is not. Google now explicitly says that forced chunking is unnecessary. Its systems can understand nuanced pages, and there is no ideal word count. The right unit is the amount of explanation a reader needs. The practical compromise is an answer asset : a passage that can stand on its own while remaining part of a deeper argument. The four-part answer asset For an important question, write: 1. Answer: state the conclusion in one or two sentences. 2. Conditions: explain when the answer applies and when it does not. 3. Evidence: name the source, method, standard or observation. 4. Next action: tell the reader what to do with the information. Example: Does Article schema improve AI citations? It can clarify the page's type, author and publication details, but it does not guarantee citation. Use valid markup that matches visible content, validate it, and judge success through indexing and visibility data rather than assuming the schema caused selection. That paragraph is concise enough to quote and complete enough not to mislead. Match headings to genuine subproblems Google says its AI features may use query fan-out : several related searches are issued to explore the subtopics behind a complex question. The wrong response is producing dozens of thin pages for every imagined prompt variation. Google specifically warns against scaled content created to manipulate rankings. The better response is to cover the natural decision path inside one coherent resource: - What is the concept? - Who is it for? - What must be true first? - How is it implemented? - What can go wrong? - How is it measured? - What are the limitations? Use descriptive headings for those real information needs. Then create a separate page only when a subtopic deserves a distinct search intent, substantial depth and its own internal-link destination. Prefer explicit language over clever ambiguity Write “OAI-SearchBot controls ChatGPT Search crawling” before using “the bot.” Write “the page was updated on June 14, 2026” rather than “recently updated.” Define acronyms once. Clear prose helps readers, translators, search systems and answer engines at the same time. Layer 4: make claims verifiable Generative systems can produce fluent text without reliable provenance. Your competitive advantage is not more fluency. It is auditability. Build every important passage around Claim, Evidence and Entity Use this editorial test: Element Question Strong implementation -------- ----------------------------------- ------------------------------------------------------------------------------- Claim What exactly are we asserting? A bounded statement with conditions, date and scope Evidence How can a reader check it? A primary source, reproducible method or clearly labeled first-hand observation Entity Who or what does the claim concern? An explicit product, organization, standard, person or dataset “Schema helps AI” fails all three columns. “Google states that structured data is not required for its generative Search features, although valid markup can still support rich-result eligibility” is bounded, attributable and tied to a specific platform. Use a source hierarchy For technical recommendations, prefer: 1. Current first-party platform documentation 2. Standards and specifications 3. Peer-reviewed or directly inspectable research 4. Reproducible first-party tests and data 5. Expert analysis 6. Unverified commentary Lower-tier sources can identify questions. They should not silently become evidence for high-confidence claims. Treat research results as research results The original GEO paper found that citations, quotations and statistics improved source visibility in its benchmark, with gains of up to 40% in some experimental settings. That is valuable evidence, but not a universal instruction to stuff every paragraph with numbers. The defensible conclusion is narrower: - Attributable evidence can improve usefulness and citation potential. - Effects differ by domain and engine. - A benchmark result is not a disclosed ranking rule. - Unsupported or irrelevant statistics reduce quality rather than improving it. This is how “cutting-edge” advice remains correct after the headline has aged. Publish limitations before someone else finds them State: - What the evidence covers - What it does not cover - When it was checked - Which platform the recommendation applies to - Whether the conclusion is verified guidance, inference or experiment Limitations do not weaken serious content. They define where it can be trusted. Layer 5: become worth citing Most content is technically acceptable and strategically replaceable. If an answer engine already has 100 summaries of official documentation, summary number 101 has little reason to win. Google calls for non-commodity content : material with a perspective, experience or contribution that is not trivially reproduced. Useful originality can take several forms: - First-hand implementation results - A transparent dataset - A decision framework - A comparison based on explicit criteria - A failure analysis - An expert interpretation of conflicting sources - A maintained reference that reconciles changes over time - A calculator, template, checklist or diagnostic tool The Citation Readiness Model in this article is one example. It does not pretend to be a ranking factor; it converts fragmented platform guidance into an auditable workflow. Add information gain, not word count Before publishing, ask: - What does this page establish that the current top sources do not? - Which decision can a reader make after reading it? - Which claim comes from our own work? - Which claim has become outdated elsewhere? - What could a skeptical expert verify? If the honest answer is “nothing,” adding another 1,000 words will not solve the problem. What not to do in 2026 Several popular tactics are now either disproven, deprecated or routinely overstated. Do not sell llms.txt as a Google ranking requirement Google's June 5, 2026 guidance explicitly says llms.txt and other special AI files are not needed for its generative Search features. Maintaining an llms.txt file can still be an experiment or a convenient map for tools that voluntarily support the convention. Label it that way. Never let it replace crawlable HTML, internal links, sitemaps, canonical tags or standard access controls. Do not promise FAQ rich results Visible FAQs remain useful when they answer real objections or clarify scope. However, Google stopped showing FAQ rich results on May 7, 2026 and is removing related reporting and Rich Results Test support. So publish FAQs for readers and topical completeness, not because someone promises extra Google result real estate. Do not manufacture citations, reviews or mentions Buying inauthentic mentions, adding irrelevant quotations or generating unsupported statistics may create the appearance of authority while making the page less reliable. Search spam systems and human reviewers are not the only risk: answer engines can associate the wrong claim with your brand. Do not mass-produce prompt variations One valuable guide with a clear decision path is stronger than 50 thin pages that swap synonyms. Scaled content without original value can violate spam policies regardless of whether AI helped create it. Do not report visibility as revenue A citation is not a visit. A visit is not a qualified lead. A lead is not a sale. Keep the funnel honest. A 90-minute citation-readiness audit Use this sequence on one commercially or strategically important page. Minutes 0–20: eligibility - Fetch the canonical URL and inspect its status, redirects and HTML. - Confirm indexability, snippet eligibility and canonical consistency. - Check Google Search Console URL Inspection and Bing URL Inspection. - Verify the sitemap contains only the preferred URL and an accurate lastmod . - Confirm important language alternatives are connected with reciprocal hreflang . Minutes 20–40: interpretation - Compare the title, H1, description, byline and structured data. - Confirm the author links to a real profile with relevant credentials and identity references. - Check that the primary entity uses one name consistently. - Validate structured data and remove claims that are not visible on the page. Minutes 40–60: extraction - Write down the five most important questions the page should resolve. - Find the exact passage answering each one. - Rewrite vague openings into complete answers with conditions. - Add descriptive headings where readers currently have to hunt. Minutes 60–75: evidence - Mark every statistic, platform claim and recommendation. - Replace secondary summaries with primary evidence where available. - Add dates and scope to claims that can expire. - State uncertainty where the evidence is incomplete. Minutes 75–90: differentiation - Identify what is genuinely original. - Add one useful artifact: a model, decision table, test, template or worked example. - Remove filler that merely restates the consensus. - Define the business action the article should support. At the end, do not ask “Is this optimized for AI?” Ask: Is it eligible, intelligible, quotable, defensible and distinct? A 30-day implementation roadmap Days 1–3: establish the baseline - Export current organic landing-page data and conversions. - Record indexed URL counts and crawl errors. - Capture existing ChatGPT referrals using utm source=chatgpt.com . - If available, record Bing AI Performance citations, cited pages and grounding queries. - Select five priority pages rather than rewriting the entire site. Days 4–10: repair technical eligibility - Fix accidental crawler blocks, noindex directives and canonical conflicts. - Make primary content available in the initial rendered response. - Correct sitemaps and meaningful modification dates. - Verify language annotations. - Decide separately how to configure search crawlers and training crawlers. Days 11–20: improve editorial evidence - Add direct answers to the priority questions. - Replace generic claims with bounded, sourced claims. - Strengthen author and publication information. - Add original examples, data or decision tools. - Remove stale sections and record substantive changes. Days 21–25: publish and notify - Run schema, link, accessibility and performance validation. - Publish the updated canonical URLs. - Submit or refresh sitemaps. - Use IndexNow for the changed URLs where appropriate. - Request recrawling for a small number of critical Google URLs when justified. Days 26–30: observe, do not overreact - Inspect crawler logs and indexing status. - Check whether grounding queries reveal missing subtopics. - Watch referrals and conversions. - Record citation observations with date, platform, prompt and location. - Avoid rewriting pages based on one unstable AI response. Measure four different outcomes A useful GEO/AEO dashboard separates four layers. Outcome Evidence What it does not prove ------------------- ---------------------------------------------------------- ------------------------------------------ Discovery Crawler logs, sitemap processing, URL inspection That the page was indexed or selected Search visibility Search Console and Bing impressions, queries and positions That an AI answer used the page Citation visibility Bing AI Performance and documented citation observations That users clicked or trusted the citation Business impact Referrals, assisted conversions, leads and revenue That the citation alone caused the outcome Bing's AI Performance public preview is particularly useful because it reports citation counts, cited pages and sampled grounding queries across supported Microsoft AI experiences. Bing warns that citation counts do not indicate ranking, authority or placement. OpenAI provides a cleaner referral signal: links from ChatGPT search include utm source=chatgpt.com . Track it, but remember that zero referrals does not prove zero citations; users do not always click. For every manual citation test, record: - Platform and product - Account state or location where relevant - Exact prompt - Date and time - Whether web search was active - Cited URL - Whether the source materially supported the answer Screenshots without this context are anecdotes, not measurement. The next frontier: websites that agents can operate Citation optimization concerns information retrieval. Agent readiness concerns task completion. They overlap, but they are not the same. Modern browser agents may inspect screenshots, the DOM and the accessibility tree. Google's web.dev guidance therefore recommends stable layouts, semantic structure and clear interactive states. For sites where users ask agents to compare, book, buy or submit: - Use native HTML controls where possible. - Give form fields persistent labels. - Expose button names and states accurately. - Keep critical actions stable across layouts. - Avoid requiring hover-only discovery. - Make errors specific and programmatically associated with fields. - Test keyboard and screen-reader flows. - Require explicit confirmation for consequential actions. This is not a magic GEO tactic. It is sound accessibility and interaction design that also makes delegated browsing more reliable. A practical Citation Readiness Score Score each layer from zero to five. This is an internal prioritization tool, not an engine score. Score Meaning ----- ------------------------------------------------ 0 Missing or actively blocked 1 Serious defects 2 Basic implementation, inconsistent 3 Reliable standard practice 4 Strong, maintained implementation 5 Distinctive, evidenced and continuously measured Rate the page on: 1. Discoverability 2. Interpretability 3. Extractability 4. Verifiability 5. Citation value A page scoring 4 + 4 + 2 + 1 + 1 does not need another technical SEO sprint. It needs clearer answers, stronger evidence and a reason to exist. That is the point of the model: direct investment toward the weakest gate. The durable strategy Nobody outside the platforms can promise a citation. The engines do not disclose complete selection systems, results vary by query and location, and the products continue to change. What you can control is much more useful: - Whether the page is technically eligible - Whether its entities and purpose are clear - Whether important answers are easy to locate - Whether claims can be audited - Whether the work contributes something original - Whether changes are measured honestly Do those things exceptionally well and you are not merely “optimizing for AI.” You are building a better source.","keyTakeaways":["Fix crawlability, indexability, canonicalization and snippet eligibility before attempting any GEO or AEO tactic.","Publish answer-ready passages with explicit claims and evidence, but never sacrifice depth or human readability to artificial content chunking.","Measure discovery, citations, referrals and business outcomes separately; none of them alone proves authority or commercial impact."],"readingMinutes":16,"publishedAt":"2026-06-01T10:00:00.000Z"},"nl":{"label":"Hoe zoek- en antwoordmachines bronnen kiezen","summary":"Zoek- en antwoordmachines kunnen een pagina pas citeren als zij die kunnen bereiken, het onderwerp begrijpen, een relevant antwoord kunnen extraheren en het bewijs vertrouwen. De sterkste aanpak is daarom uitstekende technische SEO plus originele, helder opgebouwde en goed onderbouwde content.","url":"/nl/blog/hoe-antwoordmachines-bronnen-selecteren/","searchText":"Hoe zoek- en antwoordmachines bronnen kiezen Een geverifieerde SEO-, GEO- en AEO-aanpak om content vindbaar, begrijpelijk, citeerbaar, betrouwbaar en werkelijk waardevol te maken. Zichtbaarheid in AI-antwoorden win je niet met een truc. Je verdient haar met technische geschiktheid, heldere antwoorden, eigen waarde en controleerbaar bewijs. Zoek- en antwoordmachines kunnen een pagina pas citeren als zij die kunnen bereiken, het onderwerp begrijpen, een relevant antwoord kunnen extraheren en het bewijs vertrouwen. De sterkste aanpak is daarom uitstekende technische SEO plus originele, helder opgebouwde en goed onderbouwde content. Bronselectie voor SEO, GEO en AEO Los crawlbaarheid, indexeerbaarheid, canonicalisatie en snippetgeschiktheid op voordat je GEO- of AEO-tactieken toepast. Schrijf zelfstandig bruikbare antwoordpassages met expliciete claims en bewijs, zonder diepgang en leesbaarheid op te offeren aan kunstmatige contentfragmentatie. Meet ontdekking, citaties, verwijzingsverkeer en bedrijfsresultaat afzonderlijk; geen van deze cijfers bewijst op zichzelf autoriteit of commercieel effect. geo aeo SEO Het verbeteren van technische toegankelijkheid, relevantie, kwaliteit en presentatie van een website in zoekmachines. AEO Answer engine optimization; een praktische term voor het vindbaar, begrijpelijk en presenteerbaar maken van correcte antwoorden. GEO Generative engine optimization; een vakgebied in ontwikkeling dat zich richt op zichtbaarheid en citaties in generatieve antwoorden. Grounding Het verbinden van een gegenereerd antwoord met opgehaalde bronnen, zodat actuele en herleidbare informatie kan worden gebruikt. Query fan-out Een retrievaltechniek waarbij een machine meerdere gerelateerde zoekopdrachten uitvoert om verschillende delen van een complexe vraag te beantwoorden. Citation readiness Het redactionele werkmodel uit deze gids om te bepalen of een pagina vindbaar, interpreteerbaar, extraheerbaar, verifieerbaar en het citeren waard is. Het is geen rankingfactor. De ongemakkelijke waarheid: GEO is geen sluiproute om SEO heen De snelste manier om GEO-budget te verspillen, is generatief zoeken behandelen als een los universum met geheime regels. Dat is het niet. Voor Google staat dit inmiddels zwart op wit. De richtlijn voor generatief zoeken van juni 2026 zegt dat de AI-overzichten (AI Overviews) en de AI-modus (AI Mode) voortbouwen op de bestaande Search-index, rankingsystemen en kwaliteitssystemen. Een pagina moet eerst geïndexeerd zijn en voor een snippet in aanmerking komen. Er bestaat geen speciaal AI-schema dat deze voorwaarden omzeilt. OpenAI en Microsoft gebruiken andere crawlers, instellingen en rapportages, maar de praktische volgorde blijft hetzelfde: 1. Het systeem moet de pagina kunnen vinden en ophalen. 2. Het moet begrijpen waar de pagina en haar entiteiten over gaan. 3. Het moet een passage vinden die bij de vraag past. 4. Het moet voldoende reden hebben om die passage te vertrouwen en toe te schrijven. 5. De passage moet meer waarde bieden dan de alternatieven. Daar ligt de werkelijke relatie tussen SEO, AEO en GEO. - SEO creëert technische en redactionele geschiktheid. - AEO maakt antwoorden helder genoeg om op te halen en te presenteren. - GEO richt zich op selectie, gebruik en citatie door generatieve systemen. De termen verschillen. Het onderliggende werk overlapt sterk. Geverifieerd uitgangspunt: optimaliseer voor een nuttige, crawlbare en goed onderbouwde pagina. Maak geen slechtere pagina voor een denkbeeldige robotlezer. Het Citation Readiness Model Ik gebruik een model met vijf lagen om een vaag doel als “zichtbaar worden in AI” om te zetten in werk dat je werkelijk kunt controleren. Laag De vraag van de machine Jouw taak Typische fout -------------------- ---------------------------------------------------------- --------------------------------------------------------------- -------------------------------------------------------------------- 1. Vindbaar Kan ik deze URL bereiken en indexeren? Verwijder technische blokkades en bied stabiele URL's Geblokkeerde crawling, noindex , kapotte rendering of dubbele URL's 2. Interpreteerbaar Wat is deze pagina, wie maakte haar en waar gaat zij over? Maak onderwerpen, entiteiten, auteurschap en relaties expliciet Onduidelijke titels, inconsistente entiteiten of misleidend schema 3. Extraheerbaar Staat er een passage die de vraag direct oplost? Schrijf heldere antwoorden binnen een logisch artikel Het antwoord is verstopt, vaag of mist noodzakelijke context 4. Verifieerbaar Zijn de claims controleerbaar? Voeg primaire bronnen, datums, methoden en beperkingen toe Onbewezen cijfers, anonieme beweringen of verouderde feiten 5. Het citeren waard Voegt de bron iets nuttigs en onderscheidends toe? Publiceer eigen ervaring, analyse, data of synthese Inwisselbare content die bestaande informatie herhaalt Dit is een redactioneel hulpmiddel, geen openbaar gemaakte rankingfactor. De waarde is praktisch: bij tegenvallende zichtbaarheid zie je waar je moet zoeken, in plaats van willekeurige “AI-optimalisaties” uit te proberen. Laag 1: word technisch geschikt voordat je de tekst perfectioneert Een briljant antwoord op een onbereikbare URL is onzichtbaar. Controleer de response, niet alleen de browser Verifieer voor ieder belangrijk artikel: - De canonieke URL geeft stabiel een 200 -status terug. - De volledige hoofdcontent staat in de gerenderde HTML zonder klik, swipe, zoekactie of login. - Belangrijke CSS, JavaScript en afbeeldingen zijn niet per ongeluk geblokkeerd. - De pagina bevat geen noindex . - De canonical verwijst naar de bedoelde URL. - Interne links gebruiken normale, crawlbare -links. - De URL staat in de XML-sitemap met een correcte wijzigingsdatum na inhoudelijke updates. Google kan JavaScript renderen, maar zegt zelf dat JavaScript-SEO complexer is. Server-side of statisch gegenereerde hoofdcontent voorkomt een hele categorie vermijdbare fouten. Verwar crawling niet met indexering robots.txt regelt crawlertoegang. Het is geen betrouwbaar verwijderingsmechanisme. Als Google een geblokkeerde pagina niet mag crawlen, kan het de noindex op die pagina ook niet lezen. De URL kan via links nog steeds bekend zijn en zonder bruikbare beschrijving verschijnen. Gebruik authenticatie voor vertrouwelijke informatie. Voor verwijdering uit de index moet de crawler noindex kunnen zien of moet de server de juiste status teruggeven. Dit klinkt elementair. Toch blijft het een van de duurste technische SEO-fouten. Gebruik de juiste crawlerinstelling voor het juiste doel Instelling Hoofdfunctie Praktische keuze ----------------- ------------------------------------------------------------------------------- --------------------------------------------------------------------------------------------- Googlebot Google Search, inclusief AI-functies binnen Search Sta belangrijke publieke pagina's toe als je Google-zichtbaarheid wilt Google-Extended Beheert gebruik voor bepaalde Gemini-training en grounding buiten Google Search Beslis hierover los van Google Search-toegang OAI-SearchBot Opname in zoekantwoorden van ChatGPT Sta toe als ChatGPT Search-zichtbaarheid gewenst is GPTBot Mogelijke training van OpenAI-basismodellen Stem af op je trainingsdatabeleid; staat los van Search ChatGPT-User Door gebruikers gestarte bezoeken en acties Gebruik dit niet als instelling voor ChatGPT Search-indexering IndexNow Meldt gewijzigde URL's aan deelnemende zoekmachines Activeer bij betekenisvolle toevoegingen, updates en verwijderingen; het is geen rankingboost OpenAI's documentatie is opvallend duidelijk: een uitgever kan OAI-SearchBot toestaan en GPTBot blokkeren. Deelname aan Search vereist geen alles-of-nietsbesluit over modeltraining. Dezelfde scheiding geldt bij Google. Googlebot regelt Search-toegang. Google-Extended is een afzonderlijke producttoken voor bepaalde Gemini-toepassingen en vervangt Googlebot niet. Laag 2: maak de pagina interpreteerbaar Machines hebben geen decoratieve metadata nodig. Ze hebben consistente feiten nodig. Geef ieder ding één canonieke identiteit Een artikel moet deze entiteiten ondubbelzinnig maken: - Het artikel zelf - De auteur - De publicerende website of organisatie - Het hoofdonderwerp - Producten, organisaties, personen of plaatsen in de tekst - De taalversie en haar vertaalde tegenhanger Gebruik op de hele site dezelfde auteursnaam, profiel-URL en relevante sameAs -verwijzingen. Link de auteur naar een inhoudelijk profiel. Houd functietitels en biografieën feitelijk; vage autoriteitstaal maakt niemand geloofwaardiger. Geef bij meertalige publicatie iedere taal een eigen URL en verbind equivalenten met wederkerige hreflang . Canonicaliseer de Nederlandse pagina niet naar de Engelse: het zijn gelokaliseerde alternatieven, geen duplicaten die je moet samenvoegen. Gebruik gestructureerde data als bevestiging Correcte markup voor BlogPosting of Article , Person , ProfilePage , WebPage en BreadcrumbList kan systemen helpen de pagina te interpreteren. Gebruik passende eigenschappen zoals: - headline - description - datePublished - dateModified - author - author.url - Representatieve afbeeldingen - De canonieke artikel-URL De markup moet overeenkomen met wat bezoekers zien. Verzin geen kwalificaties in JSON-LD, markeer geen verborgen informatie en voeg geen schema toe voor content die niet op de pagina staat. Gestructureerde data is een verduidelijkingslaag, geen citatieknop. Google zegt expliciet dat correcte markup geen rich result garandeert en dat generatieve Search geen speciale gestructureerde data vereist. Maak updates geloofwaardig Een datum met “bijgewerkt” moet betekenen dat er inhoudelijk iets veranderde. Bij herziening van een belangrijke gids: 1. Corrigeer onjuiste claims. 2. Controleer externe bronnen opnieuw. 3. Toon een zichtbare wijzigingsdatum. 4. Noteer kort wat veranderde. 5. Werk de lastmod in de sitemap bij. Alleen de datum aanpassen is geen actualiteit, maar toneel. Laag 3: maak antwoord-assets, geen antwoordscherven Een direct antwoord is nuttig. Iedere alinea kunstmatig in piepkleine “AI-chunks” hakken is dat niet. Google zegt inmiddels expliciet dat geforceerde fragmentatie niet nodig is. De systemen kunnen genuanceerde pagina's begrijpen en er bestaat geen ideale woordlengte. De juiste lengte is wat een lezer nodig heeft om het onderwerp te doorgronden. De praktische middenweg is een antwoord-asset : een passage die zelfstandig bruikbaar is en tegelijk onderdeel blijft van een dieper verhaal. De antwoord-asset in vier delen Schrijf bij een belangrijke vraag: 1. Antwoord: geef de conclusie in één of twee zinnen. 2. Voorwaarden: leg uit wanneer het antwoord wel en niet geldt. 3. Bewijs: benoem de bron, methode, standaard of waarneming. 4. Actie: vertel wat de lezer met de informatie moet doen. Voorbeeld: Verbetert Article-schema AI-citaties? Het kan paginatype, auteur en publicatiegegevens verduidelijken, maar garandeert geen citatie. Gebruik geldige markup die overeenkomt met de zichtbare content, valideer haar en beoordeel succes via indexerings- en zichtbaarheidsdata. Die passage is kort genoeg om te citeren en volledig genoeg om niet te misleiden. Laat koppen echte deelproblemen beantwoorden Google zegt dat de AI-functies query fan-out kunnen gebruiken: meerdere gerelateerde zoekopdrachten verkennen samen de deelvragen achter een complexe hoofdvraag. De verkeerde reactie is tientallen dunne pagina's maken voor iedere denkbare promptvariant. Google waarschuwt juist tegen opgeschaalde content die rankings probeert te manipuleren. De betere aanpak behandelt het natuurlijke beslistraject in één samenhangende bron: - Wat is het? - Voor wie is het? - Aan welke voorwaarden moet eerst zijn voldaan? - Hoe implementeer je het? - Wat kan misgaan? - Hoe meet je het? - Welke beperkingen zijn er? Gebruik beschrijvende koppen voor deze werkelijke informatiebehoeften. Maak pas een aparte pagina wanneer een deelonderwerp een eigen zoekintentie, voldoende diepgang en een zinvolle interne-linkbestemming verdient. Kies expliciete taal boven slimme vaagheid Schrijf eerst “OAI-SearchBot regelt crawling voor ChatGPT Search” en gebruik daarna eventueel “de bot”. Schrijf “de pagina is op 14 juni 2026 bijgewerkt” in plaats van “onlangs bijgewerkt”. Definieer afkortingen één keer. Heldere taal helpt lezers, vertalers, zoekmachines en antwoordmachines tegelijk. Laag 4: maak claims verifieerbaar Generatieve systemen kunnen vloeiende tekst produceren zonder betrouwbare herkomst. Jouw voordeel is daarom niet nóg meer vloeiendheid, maar controleerbaarheid. Bouw belangrijke passages rond Claim, Bewijs en Entiteit Gebruik deze redactionele test: Element Vraag Sterke uitwerking -------- --------------------------------- ---------------------------------------------------------------------------------- Claim Wat beweren we precies? Een begrensde uitspraak met voorwaarden, datum en reikwijdte Bewijs Hoe kan de lezer dit controleren? Een primaire bron, reproduceerbare methode of duidelijk gelabelde eigen waarneming Entiteit Over wie of wat gaat de claim? Een expliciet product, organisatie, standaard, persoon of dataset “Schema helpt AI” faalt in alle drie de kolommen. “Google stelt dat gestructureerde data niet nodig is voor generatieve Search, hoewel geldige markup nog steeds kan bijdragen aan geschiktheid voor rich results” is begrensd, herleidbaar en gekoppeld aan een specifiek platform. Werk met een bronhiërarchie Gebruik voor technische adviezen bij voorkeur: 1. Actuele documentatie van het platform zelf 2. Standaarden en specificaties 3. Peer-reviewed of direct controleerbaar onderzoek 4. Reproduceerbare eigen tests en data 5. Deskundige analyse 6. Ongeverifieerd commentaar Bronnen onderaan de hiërarchie kunnen goede vragen opleveren. Ze mogen niet ongemerkt het bewijs worden voor claims met hoge zekerheid. Behandel onderzoeksresultaten als onderzoeksresultaten De oorspronkelijke GEO-paper vond dat bronvermeldingen, citaten en statistieken de bronzichtbaarheid op de eigen benchmark konden verbeteren, in sommige experimentele situaties tot 40 procent. Dat is waardevol bewijs, maar geen universele instructie om iedere alinea met cijfers te vullen. De verdedigbare conclusie is smaller: - Herleidbaar bewijs kan bruikbaarheid en citatiepotentieel vergroten. - Effecten verschillen per domein en machine. - Een benchmarkresultaat is geen openbaar gemaakte rankingregel. - Onbewezen of irrelevante cijfers verlagen de kwaliteit. Zo blijft “cutting-edge” advies ook correct wanneer de kop verouderd is. Publiceer beperkingen voordat een ander ze ontdekt Benoem: - Wat het bewijs wel omvat - Wat het niet omvat - Wanneer het is gecontroleerd - Voor welk platform het advies geldt - Of de conclusie richtlijn, gevolgtrekking of experiment is Beperkingen verzwakken serieuze content niet. Ze bepalen waar je haar kunt vertrouwen. Laag 5: word het citeren waard De meeste content is technisch acceptabel en strategisch inwisselbaar. Als een antwoordmachine al honderd samenvattingen van officiële documentatie heeft, is samenvatting nummer 101 zelden de logische winnaar. Google vraagt om non-commodity content : materiaal met een perspectief, ervaring of bijdrage die niet triviaal is te reproduceren. Nuttige originaliteit kan bestaan uit: - Resultaten van een eigen implementatie - Een transparante dataset - Een beslismodel - Een vergelijking op expliciete criteria - Een analyse van mislukkingen - Deskundige duiding van conflicterende bronnen - Een onderhouden naslagwerk dat veranderingen door de tijd verwerkt - Een calculator, template, checklist of diagnosetool Het Citation Readiness Model in dit artikel is een voorbeeld. Het pretendeert geen rankingfactor te zijn; het zet versnipperde platformrichtlijnen om in een controleerbare werkwijze. Voeg informatiewinst toe, geen woordenaantal Vraag voor publicatie: - Wat stelt deze pagina vast dat de huidige topbronnen niet bieden? - Welke beslissing kan een lezer na afloop nemen? - Welke claim komt uit ons eigen werk? - Welke claim is elders inmiddels verouderd? - Wat kan een kritische expert controleren? Als het eerlijke antwoord “niets” is, lossen duizend extra woorden het probleem niet op. Wat je in 2026 niet moet doen Verschillende populaire tactieken zijn inmiddels weerlegd, uitgefaseerd of stelselmatig overdreven. Verkoop llms.txt niet als Google-rankingvoorwaarde Googles richtlijn van 5 juni 2026 zegt expliciet dat llms.txt en andere speciale AI-bestanden niet nodig zijn voor generatieve Search. Je kunt een llms.txt onderhouden als experiment of handige kaart voor tools die de conventie vrijwillig ondersteunen. Benoem het dan ook zo. Laat het nooit crawlbare HTML, interne links, sitemaps, canonicals of standaard toegangsinstellingen vervangen. Beloof geen FAQ-rich-results Zichtbare FAQ's blijven nuttig wanneer zij echte bezwaren beantwoorden of de reikwijdte verduidelijken. Google stopte echter op 7 mei 2026 met FAQ-rich-results en verwijdert de bijbehorende rapportage en ondersteuning in de Rich Results Test. Publiceer FAQ's dus voor lezers en inhoudelijke volledigheid, niet omdat iemand extra ruimte in Google belooft. Fabriceer geen citaties, reviews of vermeldingen Gekochte vermeldingen, irrelevante citaten en verzonnen statistieken kunnen gezag suggereren terwijl zij de pagina minder betrouwbaar maken. Spamdetectie en menselijke beoordeling zijn niet de enige risico's: antwoordmachines kunnen de verkeerde claim aan je merk koppelen. Produceer niet massaal dezelfde promptvariaties Eén waardevolle gids met een duidelijk beslistraject is sterker dan vijftig dunne pagina's die synoniemen verwisselen. Opgeschaalde content zonder eigen waarde kan spambeleid schenden, ongeacht of AI hielp bij de productie. Rapporteer zichtbaarheid niet als omzet Een citatie is geen bezoek. Een bezoek is geen gekwalificeerde lead. Een lead is geen verkoop. Houd de funnel eerlijk. Een citatiegereedheid-audit van 90 minuten Gebruik deze volgorde voor één commercieel of strategisch belangrijke pagina. Minuut 0–20: geschiktheid - Haal de canonieke URL op en controleer status, redirects en HTML. - Bevestig indexeerbaarheid, snippetgeschiktheid en consistente canonicals. - Controleer Google Search Console URL Inspection en Bing URL Inspection. - Verifieer dat de sitemap alleen de voorkeurs-URL en een correcte lastmod bevat. - Controleer wederkerige hreflang tussen belangrijke taalversies. Minuut 20–40: interpretatie - Vergelijk titel, H1, description, byline en gestructureerde data. - Controleer of de auteur linkt naar een echt profiel met relevante kwalificaties en identiteitsverwijzingen. - Controleer of de primaire entiteit overal dezelfde naam heeft. - Valideer gestructureerde data en verwijder claims die niet zichtbaar op de pagina staan. Minuut 40–60: extractie - Noteer de vijf belangrijkste vragen die de pagina moet oplossen. - Zoek voor iedere vraag de exacte antwoordpassage. - Herschrijf vage openingen tot volledige antwoorden met voorwaarden. - Voeg beschrijvende koppen toe waar lezers nu moeten zoeken. Minuut 60–75: bewijs - Markeer iedere statistiek, platformclaim en aanbeveling. - Vervang secundaire samenvattingen waar mogelijk door primaire bronnen. - Voeg datum en reikwijdte toe aan claims die kunnen verouderen. - Benoem onzekerheid wanneer het bewijs onvolledig is. Minuut 75–90: onderscheid - Bepaal wat werkelijk origineel is. - Voeg één nuttig hulpmiddel toe: een model, beslistabel, test, template of uitgewerkt voorbeeld. - Verwijder opvulling die alleen de consensus herhaalt. - Definieer welke zakelijke actie het artikel moet ondersteunen. Vraag aan het einde niet “Is dit geoptimaliseerd voor AI?” Vraag: Is het geschikt, begrijpelijk, citeerbaar, verdedigbaar en onderscheidend? Een implementatieroadmap van 30 dagen Dag 1–3: leg de nulmeting vast - Exporteer organische landingspaginadata en conversies. - Noteer aantallen geïndexeerde URL's en crawlfouten. - Leg bestaande ChatGPT-verwijzingen met utm source=chatgpt.com vast. - Noteer waar beschikbaar Bing AI Performance-citaties, geciteerde pagina's en grounding queries. - Kies vijf prioriteitspagina's in plaats van de hele site ineens te herschrijven. Dag 4–10: herstel technische geschiktheid - Los onbedoelde crawlerblokkades, noindex en canonicalconflicten op. - Lever hoofdcontent in de eerste gerenderde response. - Corrigeer sitemaps en betekenisvolle wijzigingsdatums. - Verifieer taalaanduidingen. - Bepaal afzonderlijk je beleid voor zoekcrawlers en trainingscrawlers. Dag 11–20: versterk inhoud en bewijs - Voeg directe antwoorden op prioriteitsvragen toe. - Vervang algemene beweringen door begrensde, onderbouwde claims. - Versterk auteurs- en publicatie-informatie. - Voeg eigen voorbeelden, data of beslismiddelen toe. - Verwijder verouderde onderdelen en registreer inhoudelijke wijzigingen. Dag 21–25: publiceer en meld wijzigingen - Voer controles uit op schema, links, toegankelijkheid en prestaties. - Publiceer de bijgewerkte canonieke URL's. - Dien sitemaps in of vernieuw ze. - Gebruik IndexNow waar passend voor de gewijzigde URL's. - Vraag voor een klein aantal cruciale Google-URL's hercrawling aan wanneer dat gerechtvaardigd is. Dag 26–30: observeer zonder paniekreacties - Controleer crawlerlogs en indexeringsstatus. - Onderzoek of grounding queries ontbrekende deelonderwerpen tonen. - Volg verwijzingen en conversies. - Registreer citaties met datum, platform, prompt en locatie. - Herschrijf geen pagina op basis van één instabiel AI-antwoord. Meet vier verschillende uitkomsten Een bruikbaar GEO/AEO-dashboard scheidt vier lagen. Uitkomst Bewijs Wat dit niet bewijst -------------------- ---------------------------------------------------------- ------------------------------------------------ Ontdekking Crawlerlogs, sitemapverwerking en URL-inspectie Dat de pagina is geïndexeerd of geselecteerd Zoekzichtbaarheid Search Console- en Bing-impressies, queries en posities Dat een AI-antwoord de pagina gebruikte Citatiezichtbaarheid Bing AI Performance en gedocumenteerde citatiewaarnemingen Dat gebruikers klikten of de bron vertrouwden Bedrijfsimpact Verwijzingen, ondersteunde conversies, leads en omzet Dat alleen de citatie het resultaat veroorzaakte De public preview van Bing AI Performance is bijzonder bruikbaar omdat zij citatieaantallen, geciteerde pagina's en een steekproef van grounding queries rapporteert voor ondersteunde Microsoft AI-ervaringen. Bing waarschuwt dat citatieaantallen geen ranking, autoriteit of positie aangeven. OpenAI biedt een helder verwijzingssignaal: links uit ChatGPT Search bevatten utm source=chatgpt.com . Meet dit, maar bedenk dat nul verwijzingen niet hetzelfde is als nul citaties; gebruikers klikken niet altijd. Registreer bij iedere handmatige citatietest: - Platform en product - Accountstatus of locatie wanneer relevant - Exacte prompt - Datum en tijd - Of web search actief was - Geciteerde URL - Of de bron het antwoord inhoudelijk ondersteunde Screenshots zonder deze context zijn anekdotes, geen meting. De volgende grens: websites die agents kunnen bedienen Citatieoptimalisatie gaat over informatie ophalen. Agent readiness gaat over taken voltooien. Ze overlappen, maar zijn niet hetzelfde. Moderne browseragents kunnen screenshots, de DOM en de accessibility tree analyseren. De richtlijn van Googles web.dev adviseert daarom stabiele layouts, semantische structuur en duidelijke interactieve statussen. Voor sites waar gebruikers agents laten vergelijken, boeken, kopen of indienen: - Gebruik waar mogelijk native HTML-controls. - Geef formuliervelden blijvende labels. - Maak namen en statussen van knoppen correct beschikbaar. - Houd cruciale acties stabiel in verschillende layouts. - Verstop functies niet uitsluitend achter hover. - Koppel specifieke foutmeldingen programmeerbaar aan velden. - Test toetsenbord- en screenreaderflows. - Vraag expliciete bevestiging bij ingrijpende acties. Dit is geen magische GEO-tactiek. Het is degelijke toegankelijkheid en interactie-architectuur die gedelegeerd browsen betrouwbaarder maakt. Een praktische Citation Readiness Score Geef iedere laag nul tot vijf punten. Dit is een intern prioriteringsmodel, geen score van een zoekmachine. Score Betekenis ----- ------------------------------------------------ 0 Ontbreekt of is actief geblokkeerd 1 Ernstige gebreken 2 Basis aanwezig, maar inconsistent 3 Betrouwbare standaardpraktijk 4 Sterke en onderhouden implementatie 5 Onderscheidend, onderbouwd en doorlopend gemeten Beoordeel de pagina op: 1. Vindbaarheid 2. Interpreteerbaarheid 3. Extraheerbaarheid 4. Verifieerbaarheid 5. Citatiewaarde Een pagina met 4 + 4 + 2 + 1 + 1 heeft geen nieuwe technische SEO-sprint nodig. Zij heeft duidelijkere antwoorden, sterker bewijs en een reden van bestaan nodig. Dat is het doel van het model: investeer in de zwakste poort. De duurzame strategie Niemand buiten de platforms kan een citatie beloven. De machines publiceren hun volledige selectiesystemen niet, resultaten verschillen per zoekvraag en locatie, en de producten veranderen voortdurend. Wat je wel kunt beheersen is veel nuttiger: - Of de pagina technisch geschikt is - Of de entiteiten en het doel helder zijn - Of belangrijke antwoorden gemakkelijk te vinden zijn - Of claims controleerbaar zijn - Of het werk iets origineels bijdraagt - Of je veranderingen eerlijk meet Doe dat uitzonderlijk goed en je optimaliseert niet alleen “voor AI”. Je bouwt een betere bron.","keyTakeaways":["Los crawlbaarheid, indexeerbaarheid, canonicalisatie en snippetgeschiktheid op voordat je GEO- of AEO-tactieken toepast.","Schrijf zelfstandig bruikbare antwoordpassages met expliciete claims en bewijs, zonder diepgang en leesbaarheid op te offeren aan kunstmatige contentfragmentatie.","Meet ontdekking, citaties, verwijzingsverkeer en bedrijfsresultaat afzonderlijk; geen van deze cijfers bewijst op zichzelf autoriteit of commercieel effect."],"readingMinutes":15,"publishedAt":"2026-06-01T10:00:00.000Z"}},"degree":16},{"id":"article:answer-engine-optimization","type":"article","pillar":"seo-geo-aeo","locales":{"en":{"label":"Answer engine optimization: the craft, not the acronym","summary":"Answer engine optimization is the craft of writing one public URL so an answer engine can lift a clean capsule from it: a direct answer near the top of the HTML, a person or organisation attached to the claim, visible sources, and no invented FAQ schema. AEO is the acronym. Dutch searchers use antwoordmotor-optimalisatie. GEO is the system around the crawl, not this craft. SEO is ranking in links, not this craft. Google ended FAQ rich results on 7 May 2026. Google Search ignores llms.txt. This page owns the expanded phrase. What AEO means owns the letters. How to get cited by ChatGPT is the week of work.","url":"/en/blog/answer-engine-optimization/","searchText":"Answer engine optimization: the craft, not the acronym Answer engine optimization is writing one URL so an answer engine can lift a clean capsule. AEO is the acronym. The Dutch search is antwoordmotor-optimalisatie. The job is the first screen, not a plugin. The craft fits in the first HTML screen. Everything after it is written for humans. Answer engine optimization is the craft of writing one public URL so an answer engine can lift a clean capsule from it: a direct answer near the top of the HTML, a person or organisation attached to the claim, visible sources, and no invented FAQ schema. AEO is the acronym. Dutch searchers use antwoordmotor-optimalisatie. GEO is the system around the crawl, not this craft. SEO is ranking in links, not this craft. Google ended FAQ rich results on 7 May 2026. Google Search ignores llms.txt. This page owns the expanded phrase. What AEO means owns the letters. How to get cited by ChatGPT is the week of work. answer engine optimization Answer engine optimization = one URL written as a stealable capsule. AEO is the acronym. Antwoordmotor-optimalisatie is the Dutch expansion. Not GEO. Not SEO. Not a schema plugin. This page is the expanded name. The letter page and the how-to stay next door. aeo AEO Writing one URL so an engine can lift a clean capsule. answer engine A system that retrieves, synthesizes, and cites instead of returning ten blue links. People search \"answer engine optimization\" because they do not want another acronym slide. They want the job. The job is smaller than the slide. Answer engine optimization is writing one public URL so an answer engine can lift a clean capsule from it. AEO is the acronym. Same craft. What AEO means owns the letters and the customs collision. This page owns the expanded name. The job, without the letters An answer engine retrieves, synthesizes, and cites. It does not owe you ten blue links. If you want to be the source it names, the first HTML screen has to carry a sentence it can steal: checkable, dated if it moves, with a person or organisation attached. That is this site's page-level heuristic, not a documented rule shared by every answer product. Not a plugin. Not a generated FAQPage. Google ended FAQ rich results on 7 May 2026. Google Search ignores llms.txt . Forced chunking is not required. Do not rewrite the site \"for AI.\" Write a page a human can quote, then stop blocking the crawler that would fetch it. How to get cited by ChatGPT is the week of work when the engine is ChatGPT Search. Use the first-screen check as an internal audit. Do not present it as a law of every pane. What it is not Not SEO. Rankings are a different artefact. AEO vs GEO vs SEO is the comparison. Not GEO. GEO is the system around retrieve, interpret, extract, verify. Optimization of one URL is AEO. Mixing the words is how you buy a crawl report and call it a capsule. The fail Open the URL as HTML. If the stealable sentence is not there, you do not have answer engine optimization. You have a page with a blog about AEO in the sidebar. Write the capsule. Put a name on it. Then measure whether the engine used that name, not whether a dashboard liked your schema.","keyTakeaways":["Answer engine optimization = one URL written as a stealable capsule.","AEO is the acronym. Antwoordmotor-optimalisatie is the Dutch expansion.","Not GEO. Not SEO. Not a schema plugin.","This page is the expanded name. The letter page and the how-to stay next door."],"readingMinutes":2,"publishedAt":"2026-09-17T07:00:00.000Z"},"nl":{"label":"Antwoordmotor-optimalisatie: het vak, niet de afkorting","summary":"Antwoordmotor-optimalisatie is het vak van één publieke URL zo schrijven dat een antwoordmachine er een schone capsule uit kan lichten: een direct antwoord bovenaan in de HTML, een persoon of organisatie op de claim, zichtbare bronnen, geen verzonnen FAQ-schema. AEO is de afkorting. GEO is het systeem rond de crawl, niet dit vak. SEO is ranken in links, niet dit vak. Google stopte FAQ rich results op 7 mei 2026. Google Search negeert llms.txt. Deze pagina behandelt de uitgeschreven Nederlandse term. Wat AEO betekent gaat over de afkorting. Hoe je geciteerd wordt door ChatGPT is de week werk.","url":"/nl/blog/antwoordmotor-optimalisatie/","searchText":"Antwoordmotor-optimalisatie: het vak, niet de afkorting Antwoordmotor-optimalisatie is één URL zo schrijven dat een antwoordmachine er een schone capsule uit kan lichten. AEO is de afkorting. Het vak is het eerste scherm, geen plugin. Het vak past in het eerste HTML-scherm. Alles erna is voor mensen geschreven. Antwoordmotor-optimalisatie is het vak van één publieke URL zo schrijven dat een antwoordmachine er een schone capsule uit kan lichten: een direct antwoord bovenaan in de HTML, een persoon of organisatie op de claim, zichtbare bronnen, geen verzonnen FAQ-schema. AEO is de afkorting. GEO is het systeem rond de crawl, niet dit vak. SEO is ranken in links, niet dit vak. Google stopte FAQ rich results op 7 mei 2026. Google Search negeert llms.txt. Deze pagina behandelt de uitgeschreven Nederlandse term. Wat AEO betekent gaat over de afkorting. Hoe je geciteerd wordt door ChatGPT is de week werk. antwoordmotor-optimalisatie Antwoordmotor-optimalisatie = één URL geschreven als steelbare capsule. AEO is de afkorting. Deze pagina behandelt de uitgeschreven naam. Niet GEO. Niet SEO. Geen schema-plugin. Deze pagina is de uitgeschreven naam. De letterpagina en de how-to blijven ernaast. aeo AEO Eén URL zo schrijven dat een engine er een schone capsule uit kan lichten. antwoordmachine Een systeem dat ophaalt, synthetiseert en citeert in plaats van tien blauwe links terug te geven. Mensen zoeken antwoordmotor-optimalisatie omdat ze geen afkortingsslide willen. Ze willen de klus. De klus is kleiner dan de slide. Antwoordmotor-optimalisatie is één publieke URL zo schrijven dat een antwoordmachine er een schone capsule uit kan lichten. AEO is de afkorting. Antwoordmachine is op deze site het huiswoord. Antwoordmotor is dezelfde klus. Wat AEO betekent behandelt de letters en de douanebotsing. Deze pagina behandelt de uitgeschreven naam. De klus, zonder de letters Een antwoordmachine haalt op, synthetiseert en citeert. Hij is je tien blauwe links niets verschuldigd. Wil je de bron zijn die hij noemt, dan moet het eerste HTML-scherm een zin dragen die hij kan stelen: checkbaar, gedateerd als hij beweegt, met een persoon of organisatie eraan. Dat is de heuristiek op paginaniveau van deze site, geen gedocumenteerde regel van elk antwoordproduct. Geen plugin. Geen gegenereerde FAQPage. Google stopte FAQ rich results op 7 mei 2026. Google Search negeert llms.txt . Gedwongen chunking is niet vereist. Herschrijf de site niet \"voor AI.\" Schrijf een pagina die een mens kan citeren, en blokkeer daarna de crawler niet die hem zou ophalen. Hoe je geciteerd wordt door ChatGPT is de week werk als de engine ChatGPT Search is. Gebruik de eerste-schermcheck als interne audit. Presenteer hem niet als wet van elk paneel. Wat het niet is Niet SEO. Rankings zijn een ander artefact. AEO vs GEO vs SEO is de vergelijking. Niet GEO. GEO is het systeem rond ophalen, interpreteren, extraheren, verifiëren. Optimalisatie van één URL is AEO. Die begrippen door elkaar halen is hoe je een crawlrapport koopt en het een capsule noemt. Wanneer hij zakt Open de URL als HTML. Ontbreekt een helder, toeschrijfbaar antwoord, dan zakt hij voor de audit op paginaniveau van deze site. Dat bewijst niet dat een engine niets elders op de pagina kan gebruiken. Schrijf de capsule. Zet er een naam op. Meet daarna of de engine die naam gebruikte, niet of een dashboard je schema leuk vond.","keyTakeaways":["Antwoordmotor-optimalisatie = één URL geschreven als steelbare capsule.","AEO is de afkorting. Deze pagina behandelt de uitgeschreven naam.","Niet GEO. Niet SEO. Geen schema-plugin.","Deze pagina is de uitgeschreven naam. De letterpagina en de how-to blijven ernaast."],"readingMinutes":2,"publishedAt":"2026-09-17T07:05:00.000Z"}},"degree":5},{"id":"article:answer-first-writing","type":"article","pillar":"seo-geo-aeo","locales":{"en":{"label":"If the answer is in paragraph nine, you did not write a page","summary":"Answer-first writing means the first thing a tired reader can use is the conclusion, with the conditions attached, before the origin story, the market size, or the suspense. It is not a robot voice. Google says you do not need to rewrite for generative AI, you do not need to chop a page into chunks, and there is no ideal length. AEO is this craft on one URL. GEO is the system around it. Write the sentence a skeptic can check. Then earn the right to be long.","url":"/en/blog/answer-first-writing/","searchText":"If the answer is in paragraph nine, you did not write a page Answer-first writing puts a usable conclusion, with its conditions, in the first screen. It is a courtesy to a tired reader. It is not a robot dialect, a chunking trick, or a reason to write a thinner page. The first screen is the page. Everything after it is permission to stay. Answer-first writing means the first thing a tired reader can use is the conclusion, with the conditions attached, before the origin story, the market size, or the suspense. It is not a robot voice. Google says you do not need to rewrite for generative AI, you do not need to chop a page into chunks, and there is no ideal length. AEO is this craft on one URL. GEO is the system around it. Write the sentence a skeptic can check. Then earn the right to be long. answer-first writing First means visible without a click and without four hundred words of throat-clearing. State what is true, when it is not, and where a stranger would check. Then go deep. Do not write a robot dialect. Google says not to rewrite for AI and not to chunk. A manifesto in the first screen is not positioning. It is a page that hid the decision. geo aeo AEO The craft of one URL: a direct answer near the top, named entities, visible sources. GEO Becoming a source an answer engine can retrieve, interpret, extract, and verify. CITATION The eight-move framework from The Findability Engine: Cite, Identify, Triangulate, Anchor, Track, Iterate, Optimize, Normalize. The book is in production and not for sale. The page opens with the founding year. Then the category. Then a paragraph about why the problem is hard. The decision the reader came for is under the fourth heading. They did not get there. An engine that came for the same sentence did not either. The usual diagnosis is \"we need AEO.\" Often you hid the answer on purpose, because a lede that withholds feels like writing. How answer engines select sources is the selection playbook: crawl, understand, extract, trust. This page is the first screen. First means the first screen AEO is the craft of one URL. A direct answer near the top. Named entities. Visible sources. The live capsule is blunt about the failure: GEO and AEO fail together when the first screen is a brand manifesto. First is not \"somewhere above the fold on my monitor.\" First is visible without a click, a tab, an accordion, or four hundred words of how we got here. If the conclusion needs a scroll past the hero, the pricing strip, and a quote from the founder, it is not first. It is decorated. Write the sentence the reader would paste into Slack. Put it where they are standing. What you put in that sentence A sentence that can travel states three things, in ordinary prose, not as a labelled template. What is true. The conclusion. Not the topic. \"An automation repeats a path. An agentic workflow holds a goal and can change the next step.\" That is a conclusion. \"In this article we explore workflows\" is a topic. When it is not. The condition that stops a stranger from applying it wrongly. \"That only works with a charter and a ceiling.\" Without the condition, the sentence is a slogan. Where they would check. A named source, a date, a page, a test. Not \"research shows.\" A skeptic should know what to open next. Then you are allowed to be long. The rest of the page earns the first sentence. It does not replace it. In CITATION, the eight-move framework from The Findability Engine (Cite, Identify, Triangulate, Anchor, Track, Iterate, Optimize, Normalize), this shape belongs to Optimize: a passage a machine can lift whole. This page owns the shape. Eligibility and crawlers are a different job. What answer-first is not It is not a robot dialect. Google's AI optimization guide, last updated 10 July 2026 when I fetched it on 16 August, says you do not need to write in a special way for generative search. Systems can follow synonyms and meaning. You do not owe the page a second draft in \"prompt English.\" It is not chunking. The same guide says there is no requirement to break content into tiny pieces, and there is no ideal page length. Make the page for the audience. A long page with a usable first screen is not a failure. A short page that still hides the conclusion is. It is not a thinner page as a ranking trick. From Google's seat, AEO and GEO work is still SEO. Prioritize that over \"AEO/GEO hacks.\" If you delete the worked example so the answer sits alone, you did not write first. You wrote less. It is not suspense. Withholding the decision until the last section is a narrative habit. It is a bad habit when the reader came with a decision already in their hands. The manifesto problem A first screen that says who you are, what you believe, and why the category is broken has not answered. It has announced. Positioning can wait one screen. The reader who asked \"is this an automation or a workflow\" does not need your origin story first. Give them the split. Then you may tell them how you learned it. If you cannot point at the sentence that owns the claim, you do not have answer-first writing. You have a theme with a nicer typeface. GEO is the system around the page: retrieve, interpret, extract, verify. This page is the extract. The Findability Engine is the book that treats the larger operating system. It is in production, English first. It is not for sale. You do not need the hardcover to move the conclusion above the myth. A fifteen-minute rewrite Pick the page whose first screen you would be ashamed to paste. 1. Write the Slack sentence: what is true, when it is not, where to check. One or two lines. 2. Delete everything above that sentence that is not a title. If the title already says the same thing twice, keep one. 3. Read the next three paragraphs. Each one must earn the first sentence (mechanism, failure, exception). If a paragraph could move below the fourth heading, move it. 4. Circle every \"in this article,\" \"in today's landscape,\" and \"as we all know.\" Cut them. 5. Fetch the live URL. Confirm the Slack sentence is in the HTML without a click. If step 1 or 5 is empty, you are not missing GEO. You are missing a page. Write the sentence. Put it first. Then you may keep every word that still earns it.","keyTakeaways":["First means visible without a click and without four hundred words of throat-clearing.","State what is true, when it is not, and where a stranger would check. Then go deep.","Do not write a robot dialect. Google says not to rewrite for AI and not to chunk.","A manifesto in the first screen is not positioning. It is a page that hid the decision."],"readingMinutes":4,"publishedAt":"2026-08-24T07:00:00.000Z"},"nl":{"label":"Als het antwoord in alinea negen staat, heb je geen pagina geschreven","summary":"Antwoord eerst schrijven betekent dat het eerste wat een vermoeide lezer kan gebruiken de conclusie is, met de voorwaarden eraan vast, vóór het ontstaansverhaal, de marktomvang of de spanning. Het is geen robotstem. Google zegt dat je niet hoeft te herschrijven voor generatieve AI, dat je een pagina niet in stukken hoeft te hakken en dat er geen ideale lengte is. AEO is dit ambacht op één URL. GEO is het systeem eromheen. Schrijf de zin die een scepticus kan controleren. Verdien daarna het recht om lang te zijn.","url":"/nl/blog/antwoord-eerst-schrijven/","searchText":"Als het antwoord in alinea negen staat, heb je geen pagina geschreven Antwoord eerst zetten betekent: een bruikbare conclusie, met de voorwaarden erbij, in het eerste scherm. Dat is beleefd tegenover een vermoeide lezer. Het is geen robotdialect, geen opdeeltruc en geen reden voor een dunnere pagina. Het eerste scherm is de pagina. Alles daarna is toestemming om te blijven. Antwoord eerst schrijven betekent dat het eerste wat een vermoeide lezer kan gebruiken de conclusie is, met de voorwaarden eraan vast, vóór het ontstaansverhaal, de marktomvang of de spanning. Het is geen robotstem. Google zegt dat je niet hoeft te herschrijven voor generatieve AI, dat je een pagina niet in stukken hoeft te hakken en dat er geen ideale lengte is. AEO is dit ambacht op één URL. GEO is het systeem eromheen. Schrijf de zin die een scepticus kan controleren. Verdien daarna het recht om lang te zijn. antwoord eerst schrijven Eerst betekent zichtbaar zonder te klikken en zonder vierhonderd woorden inleiding. Benoem wat waar is, wanneer dat niet zo is, en waar een vreemde het zou controleren. Ga daarna de diepte in. Schrijf geen robotdialect. Google zegt dat je niet hoeft te herschrijven voor AI en niet hoeft op te delen. Een manifest in het eerste scherm is geen positionering. Het is een pagina die de beslissing verborg. geo aeo AEO Het ambacht van één URL: een direct antwoord bovenaan, benoemde entiteiten, zichtbare bronnen. GEO Een bron worden die een antwoordmachine kan ophalen, interpreteren, extraheren en verifiëren. CITATION Het raamwerk van acht stappen uit The findability engine: Citeren, Identificeren, Trianguleren, Verankeren, Traceren, Itereren, Optimaliseren, Normaliseren. Het boek is in productie en niet te koop. De pagina opent met het oprichtingsjaar. Daarna de categorie. Dan een alinea over waarom het probleem lastig is. De beslissing waar de lezer voor kwam, staat onder de vierde kop. Daar komen ze niet. Een machine die voor dezelfde zin kwam ook niet. De gebruikelijke diagnose is \"we hebben AEO nodig.\" Vaak verborg je het antwoord expres, omdat een inleiding die informatie achterhoudt voelt als schrijven. Hoe zoek- en antwoordmachines bronnen kiezen is het selectiedraaiboek: crawlen, begrijpen, extraheren, vertrouwen. Deze pagina is het eerste scherm. Eerst betekent het eerste scherm AEO is het ambacht van één URL. Een direct antwoord bovenaan. Benoemde entiteiten. Zichtbare bronnen. De live capsule is bot over de mislukking: GEO en AEO falen samen wanneer het eerste scherm een merkmanifest is. Eerst is niet \"ergens bovenaan mijn scherm.\" Eerst is zichtbaar zonder klik, tabblad, accordeon of vierhonderd woorden over hoe we hier kwamen. Als de conclusie een scroll vraagt langs de hero, de prijzenstrook en een citaat van de oprichter, is het niet eerst. Het is versierd. Schrijf de zin die de lezer in Slack zou plakken. Zet hem waar ze staan. Wat je in die zin zet Een zin die kan reizen noemt drie dingen, in gewoon proza, niet als een gelabeld sjabloon. Wat waar is. De conclusie. Niet het onderwerp. \"Een automatisering herhaalt een pad. Een agentische workflow heeft een doel en kan de volgende stap veranderen.\" Dat is een conclusie. \"In dit artikel verkennen we workflows\" is een onderwerp. Wanneer het niet zo is. De voorwaarde die voorkomt dat een vreemde het verkeerd toepast. \"Dat werkt alleen met een charter en een plafond.\" Zonder de voorwaarde is de zin een slogan. Waar ze het zouden controleren. Een benoemde bron, een datum, een pagina, een test. Niet \"onderzoek toont aan.\" Een scepticus moet weten wat hij daarna opent. Daarna mag je lang zijn. De rest van de pagina verdient de eerste zin. Hij vervangt hem niet. Binnen CITATION, het raamwerk van acht stappen uit The findability engine (Citeren, Identificeren, Trianguleren, Verankeren, Traceren, Itereren, Optimaliseren, Normaliseren), hoort die vorm bij Optimaliseren: een passage die een machine in zijn geheel kan overnemen. Deze pagina bezit de vorm. Geschiktheid en crawlers zijn een andere klus. Wat antwoord eerst niet is Het is geen robotdialect. De AI-optimalisatiegids van Google, laatst bijgewerkt op 10 juli 2026 toen ik hem op 16 augustus ophaalde, zegt dat je niet op een speciale manier hoeft te schrijven voor generatief zoeken. Systemen volgen synoniemen en betekenis. Je bent de pagina geen tweede versie in \"prompt-Engels\" verschuldigd. Het is niet opdelen. Dezelfde gids zegt dat je content niet in piepkleine stukken hoeft te breken, en dat er geen ideale paginalengte is. Maak de pagina voor het publiek. Een lange pagina met een bruikbaar eerste scherm is geen mislukking. Een korte pagina die de conclusie alsnog verstopt is dat wel. Het is geen dunnere pagina als rankingtruc. Vanuit de stoel van Google is werk aan AEO en GEO nog steeds SEO. Geef dat voorrang boven \"AEO/GEO-hacks.\" Als je het uitgewerkte voorbeeld weghaalt zodat het antwoord alleen staat, heb je niet eerst geschreven. Je schreef minder. Het is geen spanning. De beslissing achterhouden tot de laatste sectie is een verhaalgewoonte. Het is een slechte gewoonte wanneer de lezer al een beslissing in de hand had. Het manifestprobleem Een eerste scherm dat zegt wie je bent, wat je gelooft en waarom de categorie stuk is, heeft niet geantwoord. Het heeft aangekondigd. Positionering kan één scherm wachten. De lezer die vroeg \"is dit een automatisering of een workflow\" heeft jouw ontstaansverhaal niet als eerste nodig. Geef ze de splitsing. Daarna mag je vertellen hoe je het leerde. Als je niet kunt wijzen naar de zin die de claim bezit, heb je geen antwoord-eerst-schrijven. Je hebt een thema met een mooier lettertype. GEO is het systeem rond de pagina: ophalen, interpreteren, extraheren, verifiëren. Deze pagina is het extract. The findability engine is het boek dat het grotere besturingssysteem behandelt. Het is in productie, Engels eerst. Het is niet te koop. Je hebt de hardcover niet nodig om de conclusie boven de mythe te zetten. Een herschrijving van vijftien minuten Kies de pagina waarvan je je zou schamen om het eerste scherm te plakken. 1. Schrijf de Slack-zin: wat is waar, wanneer niet, waar controleer je het. Eén of twee regels. 2. Verwijder alles boven die zin dat geen titel is. Als de titel hetzelfde twee keer zegt, bewaar er één. 3. Lees de volgende drie alinea's. Elk daarvan moet de eerste zin verdienen (mechanisme, falen, uitzondering). Als een alinea onder de vierde kop kan, verhuis hem. 4. Omcirkel elke \"in dit artikel\", \"in het huidige landschap\" en \"zoals we allemaal weten.\" Schrap ze. 5. Haal de live URL op. Bevestig dat de Slack-zin in de HTML staat zonder te klikken. Als stap 1 of 5 leeg is, mis je geen GEO. Je mist een pagina. Schrijf de zin. Zet hem eerst. Daarna mag je elk woord houden dat hem nog verdient.","keyTakeaways":["Eerst betekent zichtbaar zonder te klikken en zonder vierhonderd woorden inleiding.","Benoem wat waar is, wanneer dat niet zo is, en waar een vreemde het zou controleren. Ga daarna de diepte in.","Schrijf geen robotdialect. Google zegt dat je niet hoeft te herschrijven voor AI en niet hoeft op te delen.","Een manifest in het eerste scherm is geen positionering. Het is een pagina die de beslissing verborg."],"readingMinutes":4,"publishedAt":"2026-08-24T07:05:00.000Z"}},"degree":10},{"id":"article:booksos-seven-gates","type":"article","pillar":"ai-systems","locales":{"en":{"label":"What is BooksOS? Seven gates, not a writing CMS","summary":"BooksOS is a gated production system for serious nonfiction written with AI agents. The seven stages are Brief, Bible, Map, Draft, Edit, Package, Launch. Each stage owns one decision and ends at a gate. Agents do specialist work inside the gates. Judgment, voice, and accountability stay human. A fluent draft that cannot survive a fact-check is not a book. It is inventory you will throw away. The operating system is the gates, not the model that drafted the chapter. It is not a commercial CMS and not a generic write-faster-with-AI course. The book that owns the name is The Agentic Author, which is live.","url":"/en/blog/what-is-booksos/","searchText":"What is BooksOS? Seven gates, not a writing CMS BooksOS is a gated production system for serious nonfiction written with AI agents: Brief, Bible, Map, Draft, Edit, Package, Launch. It is not a commercial CMS and not a course in writing faster with AI. Agents draft. Gates decide. A fluent chapter that cannot survive a fact-check is inventory you will throw away. BooksOS is a gated production system for serious nonfiction written with AI agents. The seven stages are Brief, Bible, Map, Draft, Edit, Package, Launch. Each stage owns one decision and ends at a gate. Agents do specialist work inside the gates. Judgment, voice, and accountability stay human. A fluent draft that cannot survive a fact-check is not a book. It is inventory you will throw away. The operating system is the gates, not the model that drafted the chapter. It is not a commercial CMS and not a generic write-faster-with-AI course. The book that owns the name is The Agentic Author, which is live. what is BooksOS BooksOS is seven named stages, each ending at a gate. The model is weather. The gate is the product. Not a CMS. Not a prompt pack. Not a course in speed. Brief, Bible, Map, Draft, Edit, Package, Launch. Skip a gate and you skip the decision it owns. The Agentic Author is live. This page defines the system. It does not replace the book. booksos ai-agents BooksOS A gated production system. Agents draft. Gates decide. Evidence ledger A claim-level register: what was asserted, which source supports it, how strong that source is. BooksOS is a word people search after they have seen it on a cover or a framework page and want the definition, not a sales deck. What is BooksOS? A gated production system for serious nonfiction written with AI agents. Seven stages: Brief, Bible, Map, Draft, Edit, Package, Launch. Each stage owns one decision and ends at a gate. Agents do specialist work inside the gates. Judgment, voice, and the byline stay human. A fluent chapter that cannot survive a fact-check is not a book. It is inventory you will throw away. The operating system is the gates, not the model that drafted the paragraph. The glossary capsule is the short form. This page is the seven names, the tell when you skipped one, and the refusal that keeps a CMS or a speed course from stealing the word. Not a CMS The collision is in the live glossary on purpose. BooksOS is not a commercial content-management system. It is not a course in writing faster with AI. Speed without a gate is how a confident falsehood reaches print. If a chapter cannot name its source, the gate is the product. The evidence ledger is the claim-level register: what was asserted, which source supports it, how strong that source is, and what would retire the claim. The reference list is a rendering. The ledger is the work. A prompt pack is not a production system. A folder of chapters in a drive is not a production system. A model that \"writes 2,000 words an hour\" is weather. When the tool changes, the gate still has to hold. The seven names These are the live framework steps, not a new acronym. Skip a gate and you skip the decision it owns. Brief. Who the book is for, what changes for them, and what it refuses to be. The tell: a draft that could be sold to three audiences and is therefore sold to none. The gate is a written promise you can fail a chapter against. Bible. Terms, voice, cast, and standards written down once so they hold for 300 pages. The tell: chapter four invents a second name for a term chapter one already owned. The gate is a glossary and a voice line that later chapters cannot silently replace. Map. A chapter map with dependencies, so structure fails on paper instead of at 30,000 words. The tell: a concept used in chapter three that is defined in chapter nine. The gate is order you can point at. Draft. Manufacturing against the ledger rather than against memory. The tell: a fluent paragraph with no claim row. Agents may draft. The ledger decides whether the sentence is allowed to stay. Memory is not a source. Edit. Structural, line, and proof passes plus red-team review and claim verification. The tell: \"we'll fact-check in layout.\" Layout will not save a number you invented. The gate is a named reviewer who can fail a claim. Package. One manuscript rendered into ebook, print, and web. Never hand-formatted twice. The tell: three \"final\" files that disagree about a subtitle. The gate is one source of pages. Launch. Positioning, assets, channels, and a measurement loop. Not one announcement. The tell: a publish day with no next observation. The gate is a campaign you can still run on Tuesday. The model you run this quarter is weather. When the tools change, the system still holds. A chapter that would fail the gate An agent drafts a chapter that names a statistic, a framework, and a reader outcome. The prose is clean. Brief is missing, so the chapter could belong to two different books. Bible is missing, so the framework has a new English expansion by paragraph four. Map is missing, so a later skill is used as if the reader already has it. Draft ran against memory: no ledger row for the statistic. Edit is a spellcheck. Package is a Google Doc. Launch is a tweet. That chapter is inventory. Fluency hid the skipped decisions. BooksOS exists so the skip is visible before print. You do not need a throughput number to see it. You need one claim that cannot name its source. Where this sits The Agentic Author is the operator manual. It is live. The introduction is the book page in article form. The framework page is the step table. ASINs live on the book page. This page does not restate them. This page is the search term. If you needed \"BooksOS\" to mean something you can say in one breath: agents draft, gates decide, the byline stays human. STACK versions the repo the agents live in. CHORUS coordinates the humans and agents who share the work. BooksOS is the production system those two do not replace. A versioned repo can still ship a chapter with no ledger. A chartered team can still skip Map. What to do this week Pick one chapter you already have, even a bad one. 1. Name the promise it has to keep (Brief). 2. List the terms it is not allowed to rename (Bible). 3. Point at the chapter that must exist before it (Map). 4. For every number or causal verb, write the ledger row or delete the sentence (Draft / Edit). If step four is empty, you found the gate. Fill it or throw the inventory away. The hardcover can wait. The false sentence cannot.","keyTakeaways":["BooksOS is seven named stages, each ending at a gate. The model is weather. The gate is the product.","Not a CMS. Not a prompt pack. Not a course in speed.","Brief, Bible, Map, Draft, Edit, Package, Launch. Skip a gate and you skip the decision it owns.","The Agentic Author is live. This page defines the system. It does not replace the book."],"readingMinutes":5,"publishedAt":"2026-08-26T22:00:00.000Z"},"nl":{"label":"Wat is BooksOS? Zeven poorten, geen schrijf-CMS","summary":"BooksOS is een productiesysteem met poorten voor serieuze non-fictie geschreven met AI-agents. De zeven fases zijn Brief, Bible, Map, Draft, Edit, Package, Launch. Elke fase is eigenaar van één beslissing en eindigt bij een poort. Agents doen specialistisch werk binnen de poorten. Oordeel, stem en verantwoordelijkheid blijven menselijk. Een vloeiend concept dat geen factcheck overleeft, is geen boek. Het is afval dat je weggooit. Het besturingssysteem is de poorten, niet het model dat het hoofdstuk opstelde. Het is geen commercieel CMS en geen algemene cursus om sneller met AI te schrijven. Het boek dat de naam bezit, is De agentische auteur, dat live is.","url":"/nl/blog/wat-is-booksos/","searchText":"Wat is BooksOS? Zeven poorten, geen schrijf-CMS BooksOS is een productiesysteem met poorten voor serieuze non-fictie geschreven met AI-agents: Brief, Bible, Map, Draft, Edit, Package, Launch. Het is geen commercieel CMS en geen cursus sneller schrijven met AI. Agents schrijven. Poorten beslissen. Een vloeiend hoofdstuk dat een factcheck niet overleeft, is afval dat je weggooit. BooksOS is een productiesysteem met poorten voor serieuze non-fictie geschreven met AI-agents. De zeven fases zijn Brief, Bible, Map, Draft, Edit, Package, Launch. Elke fase is eigenaar van één beslissing en eindigt bij een poort. Agents doen specialistisch werk binnen de poorten. Oordeel, stem en verantwoordelijkheid blijven menselijk. Een vloeiend concept dat geen factcheck overleeft, is geen boek. Het is afval dat je weggooit. Het besturingssysteem is de poorten, niet het model dat het hoofdstuk opstelde. Het is geen commercieel CMS en geen algemene cursus om sneller met AI te schrijven. Het boek dat de naam bezit, is De agentische auteur, dat live is. wat is BooksOS BooksOS bestaat uit zeven benoemde fases, elk eindigend bij een poort. Het model is wisselvallig. De poort is het product. Geen CMS. Geen prompt-pack. Geen cursus in snelheid. Brief, Bible, Map, Draft, Edit, Package, Launch. Sla een poort over en je slaat de beslissing over waar deze eigenaar van is. De agentische auteur is live. Deze pagina definieert het systeem. Het vervangt het boek niet. booksos ai-agents BooksOS Een productiesysteem met poorten. Agents schrijven. Poorten beslissen. Bewijsregister Een register op beweringniveau. Wat werd beweerd, welke bron het ondersteunt en hoe sterk die bron is. BooksOS is een woord waarnaar mensen zoeken nadat ze het op een cover of een frameworkpagina hebben gezien en de definitie willen, geen verkooppraatje. Wat is BooksOS? Een productiesysteem met poorten voor serieuze non-fictie geschreven met AI-agents. Zeven fases: Brief, Bible, Map, Draft, Edit, Package, Launch. Elke fase is eigenaar van één beslissing en eindigt bij een poort. Agents doen specialistisch werk binnen de poorten. Oordeel, stem en auteurschap blijven menselijk. Een vloeiend hoofdstuk dat een factcheck niet overleeft, is geen boek. Het is afval dat je weggooit. Het besturingssysteem is de poorten, niet het model dat de alinea opstelde. De begrippencapsule is de korte vorm. Deze pagina is de zeven namen, het signaal wanneer je er een overslaat, en de weigering die voorkomt dat een CMS of een snelheidscursus het woord steelt. Geen CMS De botsing in de live woordenlijst is met opzet. BooksOS is geen commercieel contentmanagementsysteem. Het is geen cursus om sneller met AI te schrijven. Snelheid zonder een poort is hoe een zelfverzekerde onwaarheid wordt gedrukt. Als een hoofdstuk zijn bron niet kan noemen, is de poort het product. Het bewijsregister is het register op beweringniveau: wat er werd beweerd, welke bron het ondersteunt, hoe sterk die bron is en wat de bewering zou intrekken. De referentielijst is een weergave. Het register is het werk. Een prompt-pack is geen productiesysteem. Een map met hoofdstukken in een drive is geen productiesysteem. Een model dat \"2.000 woorden per uur schrijft\" is een momentopname. Als het gereedschap verandert, moet de poort nog steeds houden. De zeven namen Dit zijn de live frameworkstappen, geen nieuw acroniem. Sla een poort over en je slaat de beslissing over waar deze eigenaar van is. Brief. Voor wie het boek is, wat er voor hen verandert en wat het weigert te zijn. Het signaal: een concept dat je aan drie doelgroepen zou kunnen verkopen en daarom aan geen. De poort is een geschreven belofte waar je een hoofdstuk op kunt laten zakken. Bible. Termen, stem, cast en normen eenmalig opgeschreven zodat ze 300 pagina's lang standhouden. Het signaal: hoofdstuk vier verzint een tweede naam voor een term die hoofdstuk één al bezat. De poort is een woordenlijst en een stemregel die latere hoofdstukken niet stilletjes mogen vervangen. Map. Een hoofdstukkenkaart met afhankelijkheden, zodat de structuur op papier faalt in plaats van bij 30.000 woorden. Het signaal: een begrip in hoofdstuk drie dat pas in hoofdstuk negen wordt gedefinieerd. De poort is volgorde waar je naar kunt wijzen. Draft. Produceren op basis van het register in plaats van uit het geheugen. Het signaal: een vloeiende alinea zonder claimrij. Agents mogen schrijven. Het register beslist of de zin mag blijven. Geheugen is geen bron. Edit. Structurele, zins- en correctierondes plus red-teambeoordeling en verificatie van beweringen. Het signaal: \"we factchecken in de opmaak.\" Opmaak redt geen getal dat je hebt verzonnen. De poort is een benoemde reviewer die een claim kan laten zakken. Package. Eén manuscript verwerkt tot e-book, print en web. Nooit twee keer handmatig opgemaakt. Het signaal: drie \"definitieve\" bestanden die het oneens zijn over een ondertitel. De poort is één bron van pagina's. Launch. Positionering, middelen, kanalen en een meetloop. Niet één enkele aankondiging. Het signaal: een publicatiedag zonder volgende waarneming. De poort is een campagne die je dinsdag nog kunt draaien. Het model dat je dit kwartaal draait, is een momentopname. Wanneer het gereedschap verandert, blijft het systeem overeind. Een hoofdstuk dat voor de poort zou zakken Een agent schrijft een hoofdstuk dat een statistiek, een raamwerk en een lezersuitkomst noemt. Het proza is schoon. Brief ontbreekt, dus het hoofdstuk zou bij twee verschillende boeken kunnen horen. Bible ontbreekt, dus het raamwerk heeft in alinea vier een nieuwe Engelse expansie. Map ontbreekt, dus een latere vaardigheid wordt gebruikt alsof de lezer die al heeft. Draft draaide tegen geheugen: geen registerrij voor de statistiek. Edit is een spellcheck. Package is een Google-document. Launch is een tweet. Dat hoofdstuk is afval. Vloeiendheid verborg de overgeslagen beslissingen. BooksOS bestaat zodat de overslag vóór druk zichtbaar is. Je hebt geen doorvoercijfer nodig om het te zien. Je hebt één claim nodig die zijn bron niet kan noemen. Waar dit past De agentische auteur is de handleiding voor de operator. Het is live. De introductie is de boekpagina in artikelvorm. De frameworkpagina is de stappentabel. ASIN's leven op de boekpagina. Deze pagina herhaalt ze niet. Deze pagina is de zoekterm. Als je wilde dat \"BooksOS\" iets betekende dat je in één adem kunt zeggen: agents schrijven, poorten beslissen, het auteurschap blijft menselijk. STACK versioneert de repo waarin de agents leven. CHORUS coördineert de mensen en agents die het werk delen. BooksOS is het productiesysteem dat die twee niet vervangen. Een geversioneerde repo kan nog steeds een hoofdstuk zonder register de deur uit doen. Een gecharterd team kan Map nog steeds overslaan. Wat je deze week doet Pak één hoofdstuk dat je al hebt, ook een slecht. 1. Noem de belofte die het moet houden (Brief). 2. Zet de termen op een lijst die het niet mag hernoemen (Bible). 3. Wijs naar het hoofdstuk dat ervoor moet bestaan (Map). 4. Schrijf bij elk getal of causaal werkwoord de registerrij, of schrap de zin (Draft / Edit). Is stap vier leeg, dan heb je de poort gevonden. Vul of gooi het afval weg. De hardcover kan wachten. De valse zin niet.","keyTakeaways":["BooksOS bestaat uit zeven benoemde fases, elk eindigend bij een poort. Het model is wisselvallig. De poort is het product.","Geen CMS. Geen prompt-pack. Geen cursus in snelheid.","Brief, Bible, Map, Draft, Edit, Package, Launch. Sla een poort over en je slaat de beslissing over waar deze eigenaar van is.","De agentische auteur is live. Deze pagina definieert het systeem. Het vervangt het boek niet."],"readingMinutes":5,"publishedAt":"2026-08-26T22:05:00.000Z"}},"degree":10},{"id":"article:calibrate-meaning","type":"article","pillar":"founder-performance","locales":{"en":{"label":"What does calibrate mean? Compare, record, then decide: calibration is not adjustment","summary":"To calibrate means to compare what an instrument shows with a reference you trust, record the difference and how sure you are about it, and use that record to read future measurements correctly. Adjustment, changing the instrument so it reads right, is a separate step that needs a calibration first. The International Vocabulary of Metrology, the reference dictionary of measurement science, warns against confusing the two. The same logic applies to judgment: compare your stated confidence with what actually happened before you change how you speak.","url":"/en/blog/calibrate-meaning/","searchText":"What does calibrate mean? Compare, record, then decide: calibration is not adjustment To calibrate means to compare a reading with a trusted reference and record the difference. Adjusting the instrument is a separate step, and here is why. Read the instrument before you turn the screw. The same rule works on your own judgment. To calibrate means to compare what an instrument shows with a reference you trust, record the difference and how sure you are about it, and use that record to read future measurements correctly. Adjustment, changing the instrument so it reads right, is a separate step that needs a calibration first. The International Vocabulary of Metrology, the reference dictionary of measurement science, warns against confusing the two. The same logic applies to judgment: compare your stated confidence with what actually happened before you change how you speak. what does calibrate mean To calibrate is to compare a reading with a trusted reference and write down the difference. Adjustment changes the instrument. The measurement dictionary calls calibration a prerequisite for it. Verification is a third job: the pass or fail check against a requirement. For judgment, the reference is what actually happened across many of your calls. CALIBRATE, from The Calibrated Mind, starts by turning confidence into a number you can check later. founder-resilience calibration Comparing what an instrument indicates with reference values of known quality, and recording the relation so later readings can be interpreted correctly. adjustment Changing an instrument so it shows the prescribed value for a known input. It requires a calibration first and usually a new one afterwards. verification Providing objective evidence that an item meets specified requirements, for example a maximum permitted error. metrology The science of measurement and its application. measurement standard A reference with a known value and a stated uncertainty, used to check other instruments. To calibrate is to compare what an instrument shows with a reference you trust, and write down the difference. What you do about that difference is a separate decision. Turning a screw or pressing a button so the instrument reads \"right\" has its own name: adjustment. That sounds like hair-splitting until you see what the written record protects. Without it, you end up with an instrument that reads differently and no way to tell whether it reads better. What does calibrate mean in plain words? Three moves, in this order. 1. Compare. Put the instrument next to a reference whose value you trust, such as a certified test weight on a scale. 2. Record. Write down what the instrument showed, what the reference was, the difference, and how sure you are about that difference. 3. Decide. Leave it alone, correct your readings using the record, adjust the instrument, or take it out of service. Calibration is moves one and two. Move three uses the calibration. It is not the calibration. What does the official measurement dictionary say? Metrology is the science of measurement and its application. Its reference dictionary is the International Vocabulary of Metrology, known as the VIM. It is maintained by the Joint Committee for Guides in Metrology and published through the BIPM, the International Bureau of Weights and Measures, which looks after the international system of units. The current edition is JCGM 200:2012. The VIM defines calibration in two steps. First, establish the relation between the values given by measurement standards (references with a known value and a stated uncertainty) and what the instrument indicates. Second, use that relation to turn future readings into measurement results. The output can be a statement, a table, a curve, or a simple correction such as \"subtract 2 grams.\" Then it adds a warning: \"Calibration should not be confused with adjustment of a measuring system, often mistakenly called 'self-calibration', nor with verification of calibration.\" Adjustment is the \"set of operations carried out on a measuring system so that it provides prescribed indications corresponding to given values of a quantity to be measured.\" In plain words: you change the instrument so it shows the right number. The note underneath is blunt. Calibration \"is a prerequisite for adjustment,\" and after an adjustment the system usually has to be calibrated again. Verification is a third job: \"provision of objective evidence that a given item fulfils specified requirements.\" That is the pass or fail question. In legal metrology, the part of measurement that the law regulates, verification also means examining the instrument and marking it or issuing a certificate. In the Netherlands, for example, the government inspects the scales shops use and the pumps at fuel stations. Calibration, adjustment, verification: what is the difference? Step The question it answers What you end up with On a kitchen scale (hypothetical) --- --- --- --- Calibration How far off is it, and how sure are we? A record of the difference and its uncertainty A 500 g test weight reads 512 g. You write that down. Adjustment Can we make it read right? A changed instrument, which then needs a fresh calibration You adjust the scale until 500 g reads 500 g, then check it again. Verification Does it meet the requirement? A pass or a fail, sometimes with a mark or certificate Is a 12 g error allowed for what this scale is used for? The order matters. An adjustment made without a calibration is a guess with a screwdriver. The VIM's own annotation calls calibration \"a prerequisite for verification\" too, because a pass or fail needs a measured difference to judge. One practical detail. The VIM lets a calibration take the form of a table or a curve, and a table needs more than one row. A scale that is 12 g high at 500 g could, in principle, be spot on at 100 g and further off at 2 kg. One check point tells you about one point. Why do dictionaries say calibrate means adjust? Because in everyday English it often does. Merriam-Webster lists both senses side by side: \"to standardize (something, such as a measuring instrument) by determining the deviation from a standard so as to ascertain the proper correction factors\" and \"to adjust precisely for a particular function.\" That is fine in conversation. It stops being fine where the word carries weight: on a certificate, in a lab report, in a contract, or on a device labeled \"self-calibrating.\" By the VIM's definitions, a button that makes a device agree with its own internal setting is closer to adjustment. A useful test: ask for the record. If nobody can show what was compared, against what, and how far off it was, something may have been adjusted. It was not calibrated in the measurement sense. What are the everyday meanings of calibrate? Three senses cover most of what people mean. All three start with a comparison. They differ in what counts as the reference. Sense You compare... ...against this reference The record looks like --- --- --- --- Instruments what the device shows a measurement standard of known value a certificate, table or curve Forecasts and judgment how confident you said you were how often you turned out to be right a log of predictions, percentages and outcomes Reading people how someone looks and sounds now how they usually look and sound notes on their normal state Forecasts and judgment. Here calibration means the match between confidence and accuracy. If you are well calibrated, about nine in ten of the things you call \"90% sure\" come true. What calibration means covers this sense in depth. Reading people. In NLP courses (neuro-linguistic programming, a coaching method), calibration \"means detecting differences\" in someone's face, voice or posture compared with how they normally are. This page only records how the word is used there. It does not assess the method. How does the instrument idea apply to judgment? Map the parts one to one. - The instrument is your stated confidence: \"I'm 90% sure.\" - The reference is what actually happened, across many calls. - Calibration is comparing your 90% calls with how often they came true, and writing the result down. - Adjustment is changing how you state confidence next time. Most people skip straight to adjustment. After a painful miss they resolve to \"be more careful,\" which moves the dial without ever reading it. Knowing that overconfidence exists does not tell you how far off your own confidence is on a given day. The Calibrated Mind gives a concrete version of the right order. Suppose your 90% calls come true 75% of the time, and that group holds twenty or more resolved calls, not four. Then the correction is: next time you feel 90%, say 80%, and check whether that reads truer. Compare, record, then decide, applied to a person. What is CALIBRATE? CALIBRATE is a nine-step system for matching how sure you are to what your evidence can carry. It comes from The Calibrated Mind by Len P. van der Hof, available in English and Dutch. You do not need the book to use it. The steps below are enough to start. 1. Calibrate confidence. Turn a feeling of certainty into a number you can check later. 2. Assess assumptions. List the hidden premises under your judgment and test the weakest one. 3. Lean on probabilities. Replace words like \"likely\" with numbers and ranges. 4. Investigate alternatives. Build the strongest case against your own view. 5. Build updating rules. Decide in advance how much new evidence should move you. 6. Record and review. Keep a prediction journal and score it. 7. Act with appropriate uncertainty. Set a threshold for acting instead of waiting for certainty. 8. Teach and extend. Explain your numbers to someone else. The gaps show fast. 9. Evolve your model. Review on a rhythm, because calibration drifts. The CALIBRATE framework page has the book's own one-line summaries. A worked example: step 1 on a supplier promise Step 1 is where the instrument idea starts. The book's quick version has four moves: name the claim, read the temperature, convert it to a number, write it down. Imagine a small company waiting on a supplier. - Name the claim so that reality can settle it: \"The March order arrives by 15 March, judged by our goods-received log.\" - Read the temperature. Warm, not hot. - Convert it to a number with a bet test. Would you risk four to win one on it? That bet only pays off if you are above 80% sure. No. Three to win one, which needs 75%? You hesitate. Call it 70%. - Write it down , with today's date. That line is not yet a calibration. It is one reading. The calibration happens when twenty lines like it have resolved and you compare your 70% calls with how often they came true. Only then do you decide whether to adjust. What is calibration not? - Not adjustment. Adjustment changes the instrument. Calibration reads it. - Not a one-off. The VIM expects a new calibration after an adjustment. Judgment drifts too. - Not the same as being right. A well-calibrated forecaster who says 70% is wrong about three times in ten. That is the number working, not failing. - Not the whole of good judgment. Two people can be equally well calibrated while one is far more useful, because she can tell her 90% cases from her 55% cases. Calibration techniques for founders has five practices that fit a normal week. Try this today: a ten-minute calibration record Pick one number you estimate often: how long a task takes, how many sign-ups a campaign brings, when a supplier delivers. Find five recent cases where you know both the estimate and the outcome. Case What I estimated What happened Difference Decision --- --- --- --- --- 1 2 3 4 5 Fill in the first four columns before you touch the last one. That part is the calibration. Then choose: adjust (change how you estimate), correct (keep estimating the same way and add the margin you found), or accept (the differences are noise). Compare, record, then decide. In that order, on a scale or on yourself.","keyTakeaways":["To calibrate is to compare a reading with a trusted reference and write down the difference.","Adjustment changes the instrument. The measurement dictionary calls calibration a prerequisite for it.","Verification is a third job: the pass or fail check against a requirement.","For judgment, the reference is what actually happened across many of your calls.","CALIBRATE, from The Calibrated Mind, starts by turning confidence into a number you can check later."],"readingMinutes":8,"publishedAt":"2026-10-02T14:00:00.000Z"},"nl":{"label":"Kalibratie of calibratie? De spelling, de betekenis en het verschil met ijken","summary":"De juiste spelling is kalibratie, met een k. De Woordenlijst Nederlandse Taal, de officiële spellinglijst van de Taalunie, kent kalibratie en kalibreren, maar niet calibratie of calibreren. Kalibreren betekent een meetinstrument vergelijken met een betrouwbare referentie en het verschil vastleggen. Het instrument bijstellen heet justeren; dat is een aparte stap. IJken is de wettelijke controle van meetinstrumenten waarmee bijvoorbeeld in de handel wordt gemeten, met een merkteken of certificaat als bewijs.","url":"/nl/blog/kalibratie-of-calibratie/","searchText":"Kalibratie of calibratie? De spelling, de betekenis en het verschil met ijken Je schrijft kalibratie, met een k. Wat kalibreren betekent, waarom het iets anders is dan justeren en hoe het verschilt van ijken, de wettelijke keuring. Eerst vergelijken en vastleggen, dan pas beslissen. Dat geldt voor een weegschaal en voor je eigen oordeel. De juiste spelling is kalibratie, met een k. De Woordenlijst Nederlandse Taal, de officiële spellinglijst van de Taalunie, kent kalibratie en kalibreren, maar niet calibratie of calibreren. Kalibreren betekent een meetinstrument vergelijken met een betrouwbare referentie en het verschil vastleggen. Het instrument bijstellen heet justeren; dat is een aparte stap. IJken is de wettelijke controle van meetinstrumenten waarmee bijvoorbeeld in de handel wordt gemeten, met een merkteken of certificaat als bewijs. kalibratie of calibratie Schrijf kalibratie en kalibreren, met een k. De vormen met een c staan niet in de Woordenlijst. Kalibreren is vergelijken en vastleggen. Bijstellen heet justeren en komt pas daarna. IJken is de wettelijke controle: voldoet het instrument aan de eisen voor zijn gebruik, bijvoorbeeld in de handel? Voor je eigen oordeel is de referentie wat er echt gebeurde, over veel voorspellingen heen. CALIBRATE uit De gekalibreerde geest begint met het omzetten van zekerheid in een getal dat je later kunt toetsen. founder-resilience kalibreren Een meetinstrument vergelijken met een referentie van bekende waarde en het verschil vastleggen, zodat je latere metingen juist kunt interpreteren. justeren Een instrument bijstellen zodat het bij een bekende waarde de juiste aanwijzing geeft. Daarvoor is eerst een kalibratie nodig, en daarna meestal een nieuwe. ijken De wettelijke controle of een meetinstrument voldoet aan de eisen voor zijn gebruik, bijvoorbeeld in de handel, afgesloten met een merkteken of certificaat. metrologie De wetenschap van het meten en de toepassing daarvan. meetstandaard Een referentie met een bekende waarde en een opgegeven onzekerheid, waarmee je andere instrumenten controleert. Het is kalibratie, met een k. De Woordenlijst Nederlandse Taal, de lijst met de officiële spelling die het Instituut voor de Nederlandse Taal bijhoudt in opdracht van de Taalunie, kent kalibratie en kalibreren . Calibratie en calibreren staan er niet in. Kalibreren betekent: een meetinstrument vergelijken met een referentie die je vertrouwt, en het verschil vastleggen. Wat je daarna met dat verschil doet, is een aparte beslissing. En ijken is weer iets anders: dat is de wettelijke controle van instrumenten waarmee je bijvoorbeeld een verkoopprijs bepaalt. Kalibratie of calibratie: welke spelling klopt? Kalibratie. De Woordenlijst geeft het zelfstandig naamwoord als de kalibratie , meervoud kalibraties . Het werkwoord is kalibreren : ik kalibreer, zij kalibreert, het apparaat is gekalibreerd. Zoek je op calibratie , dan vindt de Woordenlijst niets. De twijfel is begrijpelijk. In het Engels heet het calibration , en veel handleidingen, certificaten en menu's op apparaten zijn Engelstalig. In een Nederlandse tekst schrijf je toch een k. Voor overheid en onderwijs is de officiële spelling zelfs verplicht, in Nederland en in Vlaanderen. Onze Taal geeft kalibreren ('naar grootte sorteren'), net als equilibreren , als voorbeeld van een Frans leenwoord op -eren . Wie het woord hardop zegt, heeft twee opties: de Woordenlijst geeft zowel een uitspraak met -tsie als een met -sie aan het eind. Wat betekent kalibreren? Kalibreren is vergelijken en vastleggen. Daarna beslis je. 1. Vergelijken. Je zet het instrument naast een referentie waarvan je de waarde kent, zoals een gecertificeerd gewicht op een weegschaal. 2. Vastleggen. Je noteert wat het instrument aangaf, wat de referentie was, hoe groot het verschil is en hoe zeker je van dat verschil bent. 3. Beslissen. Je laat het zo, je corrigeert je metingen met die gegevens, je stelt het instrument bij of je keurt het af. Stap één en twee vormen samen de kalibratie. Stap drie bouwt erop voort, maar hoort er zelf niet bij. Dat klinkt als haarkloverij, tot je ziet wat de vastlegging beschermt. Zonder vastlegging houd je een instrument over dat anders aanwijst, en kun je niet zien of het nu beter aanwijst. \"Meten is eigenlijk niets anders dan vergelijken\", zegt Fabienne van Booma, CEO van VSL, in een TNO-artikel uit maart 2026. VSL is het Nationaal Metrologisch Instituut in Delft en beheert de Nederlandse meetstandaarden: de officiële referenties voor de kilogram, de meter en de seconde. Geaccrediteerde laboratoria laten hun apparatuur daar kalibreren. Zo loopt er een keten van vergelijkingen van Delft tot aan de weegschaal in de supermarkt. Metrologie, de wetenschap van het meten en de toepassing daarvan, heeft een eigen internationaal woordenboek: de VIM (International Vocabulary of Metrology). Die wordt bijgehouden door het Joint Committee for Guides in Metrology en uitgegeven via het BIPM, het Internationaal Bureau voor Maten en Gewichten, dat het internationale eenhedenstelsel beheert. De huidige editie is JCGM 200:2012. De VIM definieert kalibratie in twee stappen. Eerst leg je het verband vast tussen de waarden van meetstandaarden, met hun onzekerheid, en wat het instrument aanwijst. Daarna gebruik je dat verband om latere aflezingen om te zetten in een meetresultaat. Het resultaat kan een verklaring zijn, een tabel, een curve of een simpele correctie als \"trek er 2 gram af\". De VIM waarschuwt er meteen bij dat je kalibratie niet moet verwarren met het bijstellen van een meetsysteem, en ook niet met de verificatie van een kalibratie. Dat bijstellen wordt volgens de VIM vaak ten onrechte zelfkalibratie genoemd. Kalibratie is juist een voorwaarde voor bijstellen, en na het bijstellen moet je meestal opnieuw kalibreren. In alledaags Engels betekent calibrate vaak gewoon afstellen. Merriam-Webster zet beide betekenissen naast elkaar: 'een meetinstrument standaardiseren door de afwijking van een standaard te bepalen, zodat je de juiste correctiefactoren kent' en 'precies afstellen voor een bepaalde functie'. In een gesprek is dat geen probleem. Waar het woord gewicht heeft, wel: op een certificaat, in een labrapport, in een contract of op een apparaat met het label \"zelfkalibrerend\". Een knop die een apparaat laat overeenstemmen met zijn eigen interne instelling, zit volgens de definities van de VIM dichter bij bijstellen dan bij kalibreren. Een bruikbare toets: vraag naar de vastlegging. Kan niemand laten zien wat er is vergeleken, waarmee en hoeveel het afweek, dan is er misschien iets bijgesteld. Gekalibreerd in de zin van de metrologie is het niet. Kalibreren, justeren of ijken: wat is het verschil? Het bijstellen van een instrument heet in Nederlandse technische teksten vaak justeren ; ook dat woord staat in de Woordenlijst. Meetinstrumentenfabrikant Endress+Hauser omschrijft kalibreren als het vergelijken van de gemeten waarde met de referentiewaarde, en justeren als het instellen van het instrument op de kleinst mogelijke afwijking. IJken is een wettelijk begrip. De oude wet heette niet voor niets de IJkwet. Volgens de memorie van toelichting bij de Metrologiewet, die de IJkwet verving, stamt die naam \"uit een tijd dat de wet beperkt was tot het ijken van meetinstrumenten\". Het woord leeft door: de Rijksoverheid schrijft dat energiebedrijven verplicht zijn \"geijkte (metrologisch gecertificeerde) meters te gebruiken\". In de Woordenlijst betekent het zelfstandig naamwoord ijk gewoon: merkteken. In de taal van de VIM is ijken een vorm van verificatie: objectief bewijs leveren dat een instrument aan gestelde eisen voldoet. In de wettelijke metrologie hoort daar een onderzoek bij, met een merkteken of certificaat. Of een instrument geijkt moet zijn, hangt af van het gebruik. Dezelfde toelichting gaf daar destijds, onder de IJkwet, een helder voorbeeld van: een meetinstrument in een productieproces hoefde niet geijkt te worden, maar gebruikte je hetzelfde instrument in de handel, dan moest het geijkt zijn en een ijkmerk dragen. Tegenwoordig schrijft de RDI (Rijksinspectie Digitale Infrastructuur) over weegschalen dat die \"voor bepaalde toepassingen, bijvoorbeeld commerciële transacties\" aan Europese eisen moeten voldoen, ook als ze al in gebruik zijn. Kalibreren Justeren IJken --- --- --- --- De vraag Hoeveel wijkt het af, en hoe zeker weten we dat? Kunnen we het goed laten aanwijzen? Voldoet het aan de wettelijke eisen voor dit gebruik? Wat je overhoudt De vastgelegde afwijking en onzekerheid Een bijgesteld instrument, dat opnieuw gekalibreerd moet worden Goedkeuring of afkeuring, met merkteken of certificaat Op een weegschaal (hypothetisch) Bij een testgewicht van 500 gram wijst de weegschaal 512 gram aan. Je schrijft het op. Je stelt de weegschaal bij tot die voor het testgewicht 500 gram aangeeft, en controleert opnieuw. Een inspecteur beoordeelt of de weegschaal waarmee je de prijs bepaalt, binnen de toegestane afwijking blijft. De volgorde doet ertoe. Justeren zonder kalibratie is gokken met een schroevendraaier. De VIM noemt kalibratie ook een voorwaarde voor verificatie: wie goed- of afkeurt, heeft een gemeten afwijking nodig om over te oordelen. Nog een praktisch detail. De VIM staat toe dat een kalibratie de vorm van een tabel of curve krijgt, en een tabel heeft meer dan één regel. Een weegschaal die bij 500 gram 12 gram te veel aangeeft, kan in principe bij 100 gram precies kloppen en bij 2 kilo verder afwijken. Eén controlepunt zegt alleen iets over dat ene punt. Wie doet wat? Volgens de Rijksoverheid toetsen vier aangewezen instellingen nieuwe meetinstrumenten voordat ze in de handel komen: Kalibra International, KEMA B.V., NMi Certin en SGS Nederland. De RDI controleert onder meer de weegapparaten in winkels en de pompen bij tankstations. De Inspectie Gezondheidszorg en Jeugd houdt toezicht op weegschalen in de medische praktijk. En VSL beheert de nationale standaarden, het begin van de keten. Wat betekent kalibreren buiten het lab? Bijna elk gebruik van het woord valt onder een van drie betekenissen. Alle drie beginnen met vergelijken; ze verschillen in wat als referentie telt. Betekenis Je vergelijkt... ...met deze referentie Wat je vastlegt --- --- --- --- Meetinstrumenten wat het apparaat aangeeft een meetstandaard van bekende waarde een certificaat, tabel of curve Voorspellingen en oordelen hoe zeker je zei te zijn hoe vaak je gelijk kreeg een logboek met voorspellingen, percentages en uitkomsten Mensen lezen hoe iemand er nu uitziet en klinkt hoe diegene er normaal uitziet en klinkt aantekeningen over iemands normale doen Voorspellingen en oordelen. Hier betekent kalibratie de mate waarin je zekerheid overeenkomt met hoe vaak je gelijk hebt. Ben je goed gekalibreerd, dan komt wat je \"90 procent zeker\" noemt ongeveer negen op de tien keer uit. Wat betekent kalibratie? gaat daar dieper op in. Mensen lezen. In NLP-trainingen (neurolinguïstisch programmeren, een coachingsmethode) staat kalibreren voor het opmerken waar iemands gezicht, stem of houding afwijkt van hoe die persoon normaal overkomt. Deze pagina beschrijft alleen dat gebruik van het woord. Over de methode zelf oordeelt ze niet. Hoe werkt kalibreren voor je eigen oordeel? De onderdelen laten zich één op één vertalen. - Het instrument is de zekerheid die je uitspreekt: \"Ik weet het voor 90 procent zeker.\" - De referentie is wat er werkelijk gebeurde, over veel voorspellingen heen. - Kalibreren is je 90-procentsuitspraken naast de uitkomsten leggen en opschrijven hoe vaak ze klopten. - Justeren is de volgende keer anders zeggen hoe zeker je bent. De meeste mensen slaan het kalibreren over en gaan meteen justeren. Na een pijnlijke misser nemen ze zich voor \"voortaan voorzichtiger te zijn\". Daarmee draai je aan de knop zonder ooit de wijzer af te lezen. Dat je weet dat overmoed bestaat, zegt nog niets over hoever je eigen zekerheid er vandaag naast zit. De gekalibreerde geest maakt de goede volgorde concreet. Stel dat van je 90-procentsuitspraken maar 75 procent uitkomt, en dat die groep twintig of meer afgeronde voorspellingen telt, niet vier. Dan is de correctie: voel je de volgende keer 90 procent, zeg dan 80 procent en kijk of dat beter klopt. Vergelijken, vastleggen, dan beslissen, toegepast op een mens. Wat is CALIBRATE? CALIBRATE is een systeem in negen stappen om je zekerheid af te stemmen op wat je bewijs kan dragen. Het komt uit De gekalibreerde geest van Len P. van der Hof, verkrijgbaar in het Nederlands en het Engels. In de Nederlandse editie heet het systeem KALIBREER. Je hebt het boek niet nodig om ermee te beginnen; de stappen hieronder zijn genoeg. 1. Kalibreer vertrouwen. Zet een gevoel van zekerheid om in een getal dat je later kunt toetsen. 2. Analyseer aannames. Zet de verborgen premissen onder je oordeel op een rij en test de zwakste. 3. Leun op waarschijnlijkheden. Vervang woorden als \"waarschijnlijk\" door getallen en bandbreedtes. 4. Onderzoek alternatieven. Bedenk de sterkste argumenten tegen je eigen standpunt. 5. Bouw bijstellingsregels. Leg vooraf vast hoe ver nieuw bewijs je oordeel mag verschuiven. 6. Registreer en evalueer. Houd een voorspellingsdagboek bij en bereken je score. 7. Handel met passende onzekerheid. Stel een handelingsdrempel vast in plaats van op zekerheid te wachten. 8. Leer anderen en breid uit. Leg je getallen uit aan iemand anders; de gaten worden snel zichtbaar. 9. Ontwikkel je model verder. Evalueer op een vast ritme, want zonder onderhoud glijdt je kalibratie weg. De CALIBRATE-frameworkpagina geeft de samenvattingen uit het boek zelf. Uitgewerkt voorbeeld: stap 1 bij een belofte van een leverancier Bij stap 1 begint het instrumentdenken. De snelle versie in het boek telt vier handelingen: benoem de uitspraak, peil de temperatuur, zet om naar een percentage, noteer. Neem een klein bedrijf dat op een leverancier wacht. - Benoem de uitspraak zo dat de werkelijkheid kan uitmaken of ze klopt: \"De bestelling voor maart is uiterlijk 15 maart binnen, volgens ons ontvangstregister.\" - Peil de temperatuur. Warm, niet heet. - Zet om naar een percentage met de weddenschapstest. Zou je vier euro riskeren om er één te winnen? Die weddenschap loont pas boven 80 procent. Nee. Drie om er één te winnen, dus 75 procent? Je aarzelt. Maak er 70 procent van. - Noteer het , met de datum van vandaag. Die regel is nog geen kalibratie. Het is één aflezing. De kalibratie komt als twintig van zulke regels zijn afgerond en je je 70-procentsuitspraken naast de uitkomsten legt. Pas dan beslis je of je iets bijstelt. Wat is kalibratie niet? - Geen justeren. Justeren verandert het instrument. Kalibreren leest het af. - Geen eenmalige klus. Volgens de VIM hoort na justeren een nieuwe kalibratie. Ook je oordeel verschuift na verloop van tijd. - Niet hetzelfde als gelijk hebben. Wie goed gekalibreerd 70 procent zegt, zit er ongeveer drie op de tien keer naast. Dan doet het getal precies wat het moet doen. - Niet het enige wat telt bij goed oordelen. Twee mensen kunnen even goed gekalibreerd zijn terwijl de een veel nuttiger is, omdat zij haar 90-procentsgevallen kan onderscheiden van haar 55-procentsgevallen. Kalibratietechnieken voor founders geeft vijf oefeningen die in een gewone werkweek passen. Probeer dit vandaag: een kalibratielogboek van tien minuten Kies één getal dat je vaak inschat: hoelang een klus duurt, hoeveel aanmeldingen een campagne oplevert, wanneer een leverancier levert. Zoek vijf recente gevallen waarvan je zowel de schatting als de uitkomst kent. Geval Wat ik schatte Wat er gebeurde Verschil Beslissing --- --- --- --- --- 1 2 3 4 5 Vul de eerste vier kolommen in voordat je aan de laatste begint. Dat deel is de kalibratie. Kies daarna: justeren (anders gaan schatten), corrigeren (hetzelfde blijven schatten en de gevonden marge erbij optellen) of accepteren (de verschillen zijn ruis). Vergelijken, vastleggen, dan beslissen. In die volgorde, op een weegschaal en bij jezelf.","keyTakeaways":["Schrijf kalibratie en kalibreren, met een k. De vormen met een c staan niet in de Woordenlijst.","Kalibreren is vergelijken en vastleggen. Bijstellen heet justeren en komt pas daarna.","IJken is de wettelijke controle: voldoet het instrument aan de eisen voor zijn gebruik, bijvoorbeeld in de handel?","Voor je eigen oordeel is de referentie wat er echt gebeurde, over veel voorspellingen heen.","CALIBRATE uit De gekalibreerde geest begint met het omzetten van zekerheid in een getal dat je later kunt toetsen."],"readingMinutes":10,"publishedAt":"2026-10-02T14:05:00.000Z"}},"degree":5},{"id":"article:calibration-techniques-for-founders","type":"article","pillar":"founder-performance","locales":{"en":{"label":"Calibration techniques for founders: five practices that fit a week","summary":"Calibration techniques for founders are writing habits that force confidence to meet evidence. The meaning of calibration on this site is matching the strength of a judgment to the strength of the evidence, then updating when the facts move. This page is not the nine-skill CALIBRATE expansion. It is five practices you can run this week: write the bet, put the base rate before the story, write what would move you, journal irreversible calls before you act, and separate process from outcome when you review. A loud claim with a thin source is a calibration failure, not conviction. The Calibrated Mind is live in English and Dutch paperback and hardcover. The five practices are already usable.","url":"/en/blog/calibration-techniques-for-founders/","searchText":"Calibration techniques for founders: five practices that fit a week Founder calibration is a set of small writing practices: a three-line bet, a base rate before the story, a disconfirm line, a journal before irreversible calls, and a process-versus-outcome review. You do not need a nine-skill curriculum to stop treating a loud sentence as a probability. Calibration techniques for founders are writing habits that force confidence to meet evidence. The meaning of calibration on this site is matching the strength of a judgment to the strength of the evidence, then updating when the facts move. This page is not the nine-skill CALIBRATE expansion. It is five practices you can run this week: write the bet, put the base rate before the story, write what would move you, journal irreversible calls before you act, and separate process from outcome when you review. A loud claim with a thin source is a calibration failure, not conviction. The Calibrated Mind is live in English and Dutch paperback and hardcover. The five practices are already usable. calibration techniques for founders and operators Calibration here is judgment under uncertainty, not camera profiles and not a personality test. Five practices: the bet, the base rate, the move line, the five-line journal, process versus outcome. Write the number before the room talks. A number written after the discussion is a vote, not a forecast. Bucket comparable calls by confidence and compare them with outcomes. A small sample is a prompt to inspect, not a score. This page does not teach the nine-skill CALIBRATE expansion. The book owns that longer practice. If you cannot write what would change your mind, you do not have a position. You have a mood. ai-agents CALIBRATE Match the strength of a judgment to the strength of the evidence, then update when the facts move. What calibration means is the dictionary entry: match the strength of a judgment to the strength of the evidence, then update when the facts move. Founders ask for techniques because the definition does not tell them what to write on Monday. This page is five practices. It is not the nine-skill expansion in The Calibrated Mind. That book is live in English and Dutch as paperback and hardcover. You do not need it to start the report. 1. Write the bet Three lines, before you argue. 1. The claim, in a sentence a stranger could score. 2. The evidence, named. A file, a number with a date, a conversation you can point at. 3. A percentage you would actually bet. If line two is empty, line one is a mood. If you would not bet the number in line three, it is decoration. Confidence is a report. The feeling of being sure arrives whether the source exists or not. The bet makes the gap visible. Use it on a hire, a forecast, a \"this vendor is safe,\" a model answer you are about to paste into a customer thread. Line one does most of the work. \"The launch goes well\" cannot be scored, so it cannot be wrong, so it will never teach you anything. \"We have ten paying accounts by 31 October\" can be scored by a stranger with a calendar. Write claims that can lose. 2. Put the base rate before the story The story is cheap. A vivid customer, a competitor anecdote, a clean paragraph from a model. Start with the reference class. Of projects like this, how often did the launch slip a quarter? How often did an inbound-only pipeline miss the first ten customers? How often did this kind of hire miss the six-month target? Use the closest defensible reference class you have: your own comparable cases first, then a transparent external base rate if its definitions match. If neither exists, write \"no usable base rate\" rather than invent one. If you cannot name the class, you are already inside the story. The technique is order. Base rate first. Story second. Update the percentage. Do not start at 90 because the narrative was tidy. 3. Write the move line Before the result lands, write one sentence: which obtainable evidence would materially move the number, by how much, and what would retire the claim. If that sentence is blank, you have no update rule. You will defend the feeling when the facts move. The live CALIBRATE capsule is blunt: if nobody can say what evidence would retire the judgment, you do not have a position. The move line has to name evidence you can actually get, and get soon. \"If the market turns out to be smaller than we think\" is not a move line. \"If the next four discovery calls all name a different buyer than the one in our deck\" is. Cheap and dated beats decisive and hypothetical. Keep the move line next to the bet. When the evidence arrives, change the number in public, in the same note. Updating is the practice. Being right on the first draft is not. Walk one: the senior hire Put practices one to three together on a familiar call. The numbers below are invented for the walk. Yours are the only ones that count. Claim. \"This senior seller clears quota by month six.\" Evidence, named. Two reference calls, both arranged by the candidate, both with the same former manager. One deal you actually read the notes on. No data from a segment that looks like yours. Number. You write 75, because the interview was excellent. Base rate, before the story. Of the last four senior sellers you hired, one cleared quota by month six, one left at month five, and two are still ramping past month nine. That is a thin internal reference class, not a transferable benchmark. It still shows that 75 is being driven by one excellent interview, not by your operating record. Revised number. 40. That is a judgmental update, not a formula derived from four hires. Its job is to expose how much work the interview was doing. Move line. \"A recorded call with a prospect in our segment, run by the candidate, moves me 20 points. If they cannot name our buyer's budget owner by week three, the claim retires and the ramp plan changes, starting with who they are actually being pointed at.\" Notice what changed. The hire may still be right. What changed is that you now own a number you can be wrong about in public, a piece of evidence you can go get this week, and a date on which the claim dies. Before the walk, you had an excellent interview and a feeling. 4. Journal the irreversible call before you act The five-line decision journal is already on this site. Write it before Type-3 calls: the ones you cannot cheaply undo. Decision and what it forecloses. What you believed. What you feared. Then leave \"what happened\" and \"next time\" blank until review. An entry after the outcome is a memoir. An entry before it is calibration data. Do not restage the whole resilience chapter here. Use the journal when the bet is not enough because the act will close a door. 5. Score process, not the win After the result, two columns. Process. Did you write the bet? Did you name a base rate? Did you have a move line? Did you journal if the call was irreversible? Outcome. Did the claim resolve as written? A good process can lose. A lucky outcome can hide a mood. Mixing the columns is how founders learn the wrong lesson from a loud quarter. The journal does not guarantee a better decision. It stops hindsight from inventing the one you wish you had made. Once you have ten scored bets at roughly the same confidence, do the arithmetic. For ten calls written at 70, seven hits is the expectation, not a pass mark. Ten hits or four is a reason to inspect the number, not proof that you were underconfident or overconfident. Look for the pattern across more comparable calls. Two honest limits. Ten calls is a direction, not a verdict; the noise at that sample is large. And the buckets only mean something if you wrote the number before the result, which is the whole reason practice one comes first. This is your own arithmetic on your own calls. It is not a score anyone can sell you. A week, not a personality Pick three live claims across shipping, hiring, or spending. Run the bet and the move line on all three. Use the journal on the one you cannot undo. Review Friday against the gauge, not the vibe. One extra move if you decide with other people. Before the discussion, everyone writes their number silently and turns it over. Then compare. A shared 80 after the discussion hides who moved toward the first speaker. The spread recorded before the talking preserves that information. Evaluate the reasoning, not the fluency is the adjacent test when the sentence came from a model. Fluency is a rendering choice. Calibration is whether you were entitled to believe it. If you wanted a camera profile, a reliability diagram, or a psychometric kit, this is the wrong page. If you wanted a report you can update, start the five practices. The hardcover can wait. The blank line two cannot.","keyTakeaways":["Calibration here is judgment under uncertainty, not camera profiles and not a personality test.","Five practices: the bet, the base rate, the move line, the five-line journal, process versus outcome.","Write the number before the room talks. A number written after the discussion is a vote, not a forecast.","Bucket comparable calls by confidence and compare them with outcomes. A small sample is a prompt to inspect, not a score.","This page does not teach the nine-skill CALIBRATE expansion. The book owns that longer practice.","If you cannot write what would change your mind, you do not have a position. You have a mood."],"readingMinutes":6,"publishedAt":"2026-09-13T07:00:00.000Z"},"nl":{"label":"Kalibratietechnieken voor founders: vijf praktijken die in een week passen","summary":"Kalibratietechnieken voor founders zijn schrijfgewoontes die zekerheid dwingen om bewijs te ontmoeten. Kalibratie betekent op deze site: de sterkte van een oordeel afstemmen op de sterkte van het bewijs, en bijstellen zodra de feiten verschuiven. Deze pagina is niet de uitbreiding met negen vaardigheden uit CALIBRATE. Het zijn vijf praktijken die je deze week kunt draaien: schrijf de inzet op, zet het basispercentage vóór het verhaal, schrijf op welk bewijs je zou doen bijstellen, voer een besluitjournaal vóór onomkeerbare keuzes, en scheid proces van uitkomst bij de evaluatie. Een harde claim met een dunne bron is een kalibratiefout, geen overtuiging. De gekalibreerde geest is live in Engelse en Nederlandse paperback en hardcover. De vijf praktijken werken nu al.","url":"/nl/blog/kalibratietechnieken-voor-founders/","searchText":"Kalibratietechnieken voor founders: vijf praktijken die in een week passen Kalibratie voor founders is een set kleine schrijfpraktijken: een inzet van drie regels, een basispercentage vóór het verhaal, een bijstelregel, een besluitjournaal vóór onomkeerbare keuzes, en een evaluatie die proces van uitkomst scheidt. Je hebt geen leergang van negen vaardigheden nodig om te stoppen met een luide zin te behandelen als een waarschijnlijkheid. Kalibratietechnieken voor founders zijn schrijfgewoontes die zekerheid dwingen om bewijs te ontmoeten. Kalibratie betekent op deze site: de sterkte van een oordeel afstemmen op de sterkte van het bewijs, en bijstellen zodra de feiten verschuiven. Deze pagina is niet de uitbreiding met negen vaardigheden uit CALIBRATE. Het zijn vijf praktijken die je deze week kunt draaien: schrijf de inzet op, zet het basispercentage vóór het verhaal, schrijf op welk bewijs je zou doen bijstellen, voer een besluitjournaal vóór onomkeerbare keuzes, en scheid proces van uitkomst bij de evaluatie. Een harde claim met een dunne bron is een kalibratiefout, geen overtuiging. De gekalibreerde geest is live in Engelse en Nederlandse paperback en hardcover. De vijf praktijken werken nu al. kalibratietechnieken voor founders en operators Kalibratie is hier oordeelsvorming onder onzekerheid, geen kleurprofiel voor je camera en geen persoonlijkheidstest. Vijf praktijken: de inzet, het basispercentage, de bijstelregel, het besluitjournaal van vijf regels, proces tegenover uitkomst. Schrijf het getal op voordat de kamer gaat praten. Een getal ná de discussie is een stem, geen voorspelling. Groepeer vergelijkbare keuzes op zekerheid en leg ze naast de uitkomst. Een kleine steekproef is een aanleiding om te kijken, geen cijfer. Deze pagina onderwijst de negen vaardigheden van CALIBRATE niet. Die langere praktijk hoort bij het boek. Kun je niet opschrijven wat je van gedachten zou doen veranderen, dan heb je geen positie. Dan heb je een stemming. ai-agents CALIBRATE Stem de sterkte van een oordeel af op de sterkte van het bewijs, en stel bij wanneer de feiten verschuiven. Wat betekent kalibratie? is de woordenboekregel: stem de sterkte van een oordeel af op de sterkte van het bewijs, en stel bij zodra de feiten verschuiven. Founders vragen om technieken omdat die definitie niet vertelt wat je maandag opschrijft. Deze pagina is vijf praktijken. Het is niet de uitbreiding met negen vaardigheden uit De gekalibreerde geest. Dat boek is live in het Engels en het Nederlands, als paperback en als hardcover. Je hebt het niet nodig om met de rapportage te beginnen. 1. Schrijf de inzet op Drie regels, voordat je gaat discussiëren. 1. De claim, in een zin die een buitenstaander kan scoren. 2. Het bewijs, bij naam. Een bestand, een getal met een datum, een gesprek dat je kunt aanwijzen. 3. Een percentage waar je daadwerkelijk op zou inzetten. Is regel twee leeg, dan is regel één een stemming. Zou je het getal in regel drie niet inzetten, dan is het versiering. Zekerheid is een rapportage. Het gevoel dat je gelijk hebt komt langs of de bron nu bestaat of niet. De inzet maakt dat gat zichtbaar. Gebruik hem op een hire, op een forecast, op een \"deze leverancier is veilig\", en op een modelantwoord dat je in een klantthread wilt plakken. Regel één doet het meeste werk. \"De launch gaat goed\" kun je niet scoren, dus kan het nooit fout zijn, dus leer je er nooit iets van. \"We hebben tien betalende accounts op 31 oktober\" kan een buitenstaander met een kalender scoren. Schrijf claims die kunnen verliezen. 2. Zet het basispercentage vóór het verhaal Het verhaal is goedkoop. Een sprekende klant, een anekdote over een concurrent, een nette alinea uit een model. Begin bij de referentieklasse. Hoe vaak schoof bij dit soort projecten de launch een kwartaal op? Hoe vaak haalde een pipeline die alleen op inbound draait de eerste tien klanten niet? Hoe vaak miste dit type hire het doel na zes maanden? Gebruik de dichtstbijzijnde klasse die je kunt verdedigen: eerst je eigen vergelijkbare gevallen, daarna een transparant extern basispercentage als de definities overeenkomen. Bestaat geen van beide, schrijf dan \"geen bruikbaar basispercentage\" in plaats van er een te verzinnen. Kun je de klasse niet benoemen, dan zit je al in het verhaal. De techniek is de volgorde. Basispercentage eerst. Verhaal daarna. Pas het percentage aan. Begin niet op 90 omdat het verhaal netjes liep. 3. Schrijf de bijstelregel Voordat de uitkomst er is, schrijf je één zin: welk haalbaar bewijs het getal wezenlijk zou verschuiven, met hoeveel, en wat de claim zou intrekken. Blijft die zin leeg, dan heb je geen bijstelregel. Dan verdedig je het gevoel zodra de feiten bewegen. De live CALIBRATE-capsule zegt het zonder omhaal: kan niemand benoemen welk bewijs het oordeel zou ontkrachten, dan heb je geen positie. De bijstelregel moet bewijs noemen dat je werkelijk kunt halen, en snel. \"Als de markt kleiner blijkt dan we denken\" is geen bijstelregel. \"Als de volgende vier discovery-calls allemaal een andere koper noemen dan die in ons deck staat\" wel. Goedkoop en gedateerd wint van beslissend en hypothetisch. Houd de bijstelregel naast de inzet. Komt het bewijs binnen, verander het getal dan in het openbaar, in dezelfde notitie. Bijstellen is de praktijk. Gelijk hebben in de eerste versie is dat niet. Loop er één na: de senior verkoper Zet praktijk één tot en met drie op een bekende keuze. De getallen hieronder zijn verzonnen voor deze doorloop. Alleen die van jou tellen. Claim. \"Deze senior verkoper haalt zijn quota in maand zes.\" Bewijs, bij naam. Twee referentiegesprekken, allebei geregeld door de kandidaat, allebei met dezelfde oud-manager. Eén deal waarvan je de notities echt gelezen hebt. Geen cijfers uit een segment dat op het jouwe lijkt. Getal. Je schrijft 75 op, want het gesprek was uitstekend. Basispercentage, vóór het verhaal. Van je laatste vier senior verkopers haalde er één de quota in maand zes, vertrok er één in maand vijf en zijn er twee voorbij maand negen nog aan het inwerken. Dat is een dunne interne referentieklasse, geen overdraagbare benchmark. Het laat wel zien dat 75 wordt aangedreven door één uitstekend gesprek en niet door je eigen staat van dienst. Bijgesteld getal. 40. Dat is een oordeelsmatige bijstelling, geen formule uit vier hires. De taak van dat getal is zichtbaar maken hoeveel werk dat gesprek deed. Bijstelregel. \"Een opgenomen gesprek met een prospect in ons segment, gevoerd door de kandidaat, schuift mij 20 punten op. Kan hij in week drie de budgethouder bij onze koper niet noemen, dan vervalt de claim en verandert het inwerkplan, te beginnen bij de vraag op wie hij eigenlijk wordt gericht.\" Let op wat er veranderde. De hire kan nog steeds de juiste zijn. Wat veranderde is dat je nu een getal bezit waarover je in het openbaar ongelijk kunt krijgen, een bewijsstuk dat je deze week kunt gaan halen, en een datum waarop de claim doodgaat. Vóór de doorloop had je een uitstekend gesprek en een gevoel. 4. Voer het besluitjournaal vóór de onomkeerbare keuze Het besluitjournaal in vijf regels staat al op deze site. Schrijf het vóór Type 3-keuzes: de keuzes die je niet goedkoop terugdraait. Besluit en wat het afsluit. Wat je geloofde. Wat je vreesde. Laat \"wat gebeurde\" en \"volgende keer\" leeg tot de evaluatie. Een notitie ná de uitkomst is memoires. Een notitie ervoor is kalibratiedata. Zet het hele hoofdstuk hier niet nog eens neer. Pak het journaal erbij wanneer de inzet niet volstaat omdat de handeling een deur dichtdoet. 5. Scoor het proces, niet de winst Na de uitkomst: twee kolommen. Proces. Heb je de inzet opgeschreven? Heb je een basispercentage genoemd? Had je een bijstelregel? Heb je het journaal gevoerd als de keuze onomkeerbaar was? Uitkomst. Is de claim uitgekomen zoals hij was opgeschreven? Een goed proces kan verliezen. Een gelukkige uitkomst kan een stemming verbergen. Die kolommen door elkaar halen is precies hoe founders de verkeerde les leren uit een luid kwartaal. Het journaal garandeert geen beter besluit. Het houdt hindsight tegen om achteraf het besluit te verzinnen dat je gewild had. Heb je tien gescoorde inzetten op ongeveer dezelfde zekerheid, doe dan het rekenwerk. Bij tien keuzes geschreven op 70 zijn zeven treffers de verwachting, geen slaagnorm. Tien treffers of vier is een reden om naar het getal te kijken, geen bewijs dat je te voorzichtig of te stellig was. Zoek het patroon over meer vergelijkbare keuzes. Twee eerlijke grenzen. Tien keuzes geven een richting, geen oordeel; de ruis is bij die steekproef groot. En de groepen betekenen alleen iets als je het getal vóór de uitkomst opschreef, wat precies de reden is dat praktijk één eerst komt. Dit is je eigen rekenwerk op je eigen keuzes. Het is geen score die iemand je kan verkopen. Een week, geen persoonlijkheid Kies drie lopende claims uit shippen, aannemen of uitgeven. Draai de inzet en de bijstelregel op alle drie. Gebruik het besluitjournaal voor de keuze die je niet terugdraait. Evalueer vrijdag tegen de meter, niet tegen het gevoel. Nog één zet als je met anderen beslist. Iedereen schrijft vóór de discussie in stilte een getal op en legt het omgekeerd neer. Vergelijk daarna. Een gedeelde 80 ná de discussie verbergt wie er naar de eerste spreker toe schoof. De spreiding die je vóór het praten vastlegt, houdt die informatie vast. Evalueer de redenering, niet de vloeiendheid is de test ernaast wanneer de zin uit een model komt. Vloeiendheid is een weergavekeuze. Kalibratie is of je het recht had om het te geloven. Wilde je een kleurprofiel voor je camera, een betrouwbaarheidsdiagram of een psychometrische set, dan is dit de verkeerde pagina. Wilde je een rapportage die je kunt bijstellen, begin dan met de vijf praktijken. De hardcover kan wachten. De lege regel twee niet.","keyTakeaways":["Kalibratie is hier oordeelsvorming onder onzekerheid, geen kleurprofiel voor je camera en geen persoonlijkheidstest.","Vijf praktijken: de inzet, het basispercentage, de bijstelregel, het besluitjournaal van vijf regels, proces tegenover uitkomst.","Schrijf het getal op voordat de kamer gaat praten. Een getal ná de discussie is een stem, geen voorspelling.","Groepeer vergelijkbare keuzes op zekerheid en leg ze naast de uitkomst. Een kleine steekproef is een aanleiding om te kijken, geen cijfer.","Deze pagina onderwijst de negen vaardigheden van CALIBRATE niet. Die langere praktijk hoort bij het boek.","Kun je niet opschrijven wat je van gedachten zou doen veranderen, dan heb je geen positie. Dan heb je een stemming."],"readingMinutes":6,"publishedAt":"2026-09-13T07:05:00.000Z"}},"degree":13},{"id":"article:chatgpt-mentions-vs-citations","type":"article","pillar":"seo-geo-aeo","locales":{"en":{"label":"ChatGPT mentions vs citations: a name is not a source","summary":"A ChatGPT mention is your name or brand appearing in the answer text. An unnamed idea is not a mention of you. A citation is a named, checkable source the reader can open. They are not the same event. A mention without a URL cannot be independently checked. A URL without your name on the claim is a link, not a citation of you. Why ChatGPT does not name you is the diagnosis of causes. How to get cited by ChatGPT is the work. This page owns the mix-up: treating a name-drop as a citation.","url":"/en/blog/chatgpt-mentions-vs-citations/","searchText":"ChatGPT mentions vs citations: a name is not a source A ChatGPT mention is your name in the answer. A citation is a checkable source the reader can open. Mixing them is how a vanity search looks like a win and a competitor still owns the sentence. If you cannot click through to the claim with your name on it, you were mentioned. You were not cited. A ChatGPT mention is your name or brand appearing in the answer text. An unnamed idea is not a mention of you. A citation is a named, checkable source the reader can open. They are not the same event. A mention without a URL cannot be independently checked. A URL without your name on the claim is a link, not a citation of you. Why ChatGPT does not name you is the diagnosis of causes. How to get cited by ChatGPT is the work. This page owns the mix-up: treating a name-drop as a citation. ChatGPT mentions vs citations Mention = a name in the answer. Citation = a source the reader can open. A competitor named with a link is a different miss from you being unnamed. One memory-chat run is not a mention report. This page is the distinction. The diagnosis and the how-to stay next door. aeo geo CITATION The eight-move framework from The Findability Engine: Cite, Identify, Triangulate, Anchor, Track, Iterate, Optimize, Normalize. The book is in production and not for sale. mention A name in the answer. It becomes a citation only when the reader can open a source that attaches the claim to that name. People search \"ChatGPT mentions\" after a competitor's name showed up and theirs did not. The panic is the same in both languages. The object usually is not. ChatGPT mentions vs citations. A mention is your name, brand, or idea appearing in the answer. A citation is a source the reader can open and check. Mixing them is how a vanity search looks like a win, and how a real miss gets the wrong fix. The test is one click. If nothing opens onto the claim with your name on it, the answer mentioned you and cited someone else. The mix-up, not the diagnosis Why ChatGPT does not name you already splits named, linked but unnamed, and used without attribution. Log those three columns there. This page only answers the query that treats a name-drop as a win. A fourth miss is still yours: you tested a memory chat. Training recall is not Search. If the reply has no sources, you tested the wrong product. \"Why did it name my competitor?\" is then a Search test you have not run. What a mention cannot do A mention cannot be audited by a third party. A mention cannot be a footnote in a manuscript. A mention cannot replace a row in an evidence ledger: there is no source to grade and nothing that would retire it. The bar on this site is stricter on purpose: discoverable, attributed, answer-shaped, evidenced, and actually used. A name-drop fails attributed and evidenced. In CITATION, the eight-move framework from The Findability Engine, this page serves Track: log where you appear and where you don't. A mention logged as a citation corrupts that log. How to get cited by ChatGPT is the work that makes a URL stealable. This page stops you from celebrating the wrong event. What this page is not It is not a ranking. OpenAI does not publish a ChatGPT citation league table you can buy. It is not a prompt pack for \"mention my brand.\" It is not the robots.txt lesson. The Findability Engine is in production and not for sale. You do not need the hardcover to refuse a dashboard that counts mentions as citations. Write the three columns. Run Search, not memory. If the competitor has a link and a name and you have neither, you do not have a mentions problem. You have a page that cannot be stolen.","keyTakeaways":["Mention = a name in the answer. Citation = a source the reader can open.","A competitor named with a link is a different miss from you being unnamed.","One memory-chat run is not a mention report.","This page is the distinction. The diagnosis and the how-to stay next door."],"readingMinutes":2,"publishedAt":"2026-09-14T14:00:00.000Z"},"nl":{"label":"ChatGPT-vermeldingen versus citaties: een naam is geen bron","summary":"Een ChatGPT-vermelding is jouw naam of merk in de antwoordtekst. Een onbenoemd idee is geen vermelding van jou. Een citatie is een benoemde, controleerbare bron die de lezer kan openen. Het is niet dezelfde gebeurtenis. Een vermelding zonder URL kun je niet zelf checken. Een URL zonder jouw naam op de claim is een link, geen citatie van jou. Waarom word ik niet genoemd in ChatGPT is de diagnose van oorzaken. Hoe je geciteerd wordt is het werk. Deze pagina behandelt de verwarring: een naamsdrop behandelen als citatie.","url":"/nl/blog/chatgpt-vermeldingen/","searchText":"ChatGPT-vermeldingen versus citaties: een naam is geen bron Een ChatGPT-vermelding is jouw naam in het antwoord. Een citatie is een controleerbare bron die de lezer kan openen. Die twee door elkaar halen is hoe een ijdelheidszoekopdracht op een overwinning lijkt. Kun je niet doorklikken naar de claim met jouw naam erop, dan ben je vermeld. Je bent niet geciteerd. Een ChatGPT-vermelding is jouw naam of merk in de antwoordtekst. Een onbenoemd idee is geen vermelding van jou. Een citatie is een benoemde, controleerbare bron die de lezer kan openen. Het is niet dezelfde gebeurtenis. Een vermelding zonder URL kun je niet zelf checken. Een URL zonder jouw naam op de claim is een link, geen citatie van jou. Waarom word ik niet genoemd in ChatGPT is de diagnose van oorzaken. Hoe je geciteerd wordt is het werk. Deze pagina behandelt de verwarring: een naamsdrop behandelen als citatie. ChatGPT-vermeldingen versus citaties Vermelding = een naam in het antwoord. Citatie = een bron die de lezer kan openen. Een concurrent met naam en link is een andere misser dan jij naamloos. Eén geheugenchat is geen vermeldingenrapport. Deze pagina is het onderscheid. Diagnose en how-to blijven ernaast. aeo geo CITATION Het raamwerk van acht stappen uit The findability engine: Citeren, Identificeren, Trianguleren, Verankeren, Traceren, Itereren, Optimaliseren, Normaliseren. Het boek is in productie en niet te koop. vermelding Een naam in het antwoord. Het wordt pas een citatie als de lezer een bron kan openen die de claim aan die naam koppelt. Mensen zoeken op ChatGPT-vermeldingen nadat de naam van een concurrent verscheen en die van hen niet. De paniek is herkenbaar. Het object meestal niet. ChatGPT-vermeldingen versus citaties. Een vermelding is jouw naam of merk in het antwoord. Een citatie is een bron die de lezer kan openen en checken. Die twee door elkaar halen is hoe zoeken op je eigen naam op een overwinning lijkt, en hoe een echte misser de verkeerde fix krijgt. De test is één klik. Kom je nergens uit bij de claim met jouw naam erop, dan heeft het antwoord jou vermeld en iemand anders geciteerd. De verwarring, niet de diagnose Waarom word ik niet genoemd in ChatGPT splitst al genoemd, gelinkt maar naamloos, en gebruikt zonder bron. Log die drie kolommen daar. Deze pagina beantwoordt alleen de zoekopdracht die een naamsdrop als winst ziet. Een vierde misser blijft van jou: je hebt een geheugenchat getest. Wat het model uit training onthoudt, is geen Search. Heeft het antwoord geen bronnen, dan heb je het verkeerde product getest. \"Waarom noemt hij mijn concurrent?\" is dan een Search-test die je nog niet hebt gedraaid. Wat een vermelding niet kan Een vermelding zonder bron kun je niet onafhankelijk checken tegen de onderliggende claim. Je kunt hem niet als voetnoot in een manuscript zetten. Hij kan geen rij in een bewijsregister vervangen: er is geen bron om te graderen en niets dat de claim intrekt. De lat ligt op deze site expres hoger: vindbaar, toegeschreven, antwoordvormig, onderbouwd en daadwerkelijk gebruikt. Een kale naam haalt toegeschreven en onderbouwd niet. Binnen CITATION, het raamwerk van acht stappen uit The findability engine, dient deze pagina de stap Traceren: houd bij waar je verschijnt en waar niet. Een vermelding die je als citatie logt, vervuilt dat logboek. Hoe je geciteerd wordt door ChatGPT is het werk dat een URL steelbaar maakt. Deze pagina voorkomt dat je de verkeerde overwinning viert. Wat deze pagina niet is Geen ranking. OpenAI publiceert geen citatiecompetitie die je kunt kopen. Geen promptpakket voor \"noem mijn merk.\" Geen robots.txt-les. The findability engine is in productie en niet te koop. Je hebt de hardcover niet nodig om een dashboard te weigeren dat vermeldingen telt als citaties. Schrijf de drie kolommen. Draai Search, geen geheugen. Heeft de concurrent een link en een naam en jij geen van beide, dan heb je geen vermeldingenprobleem. Je hebt een waarneembaar gat, nog geen oorzaak. Gebruik de diagnosepagina voordat je een fix toewijst.","keyTakeaways":["Vermelding = een naam in het antwoord. Citatie = een bron die de lezer kan openen.","Een concurrent met naam en link is een andere misser dan jij naamloos.","Eén geheugenchat is geen vermeldingenrapport.","Deze pagina is het onderscheid. Diagnose en how-to blijven ernaast."],"readingMinutes":2,"publishedAt":"2026-09-14T14:05:00.000Z"}},"degree":11},{"id":"article:chorus-name-collision","type":"article","pillar":"ai-systems","locales":{"en":{"label":"CHORUS and Chorus AIDLC: which one do you mean?","summary":"CHORUS, in capitals, is a coordination protocol: six practices (Charter, Handoff, Orchestrate, Review, Update, Sync) that help small teams share work with AI agents without losing it at the handoffs. It comes from the book The Multi-Agent Organization. Chorus from the GitHub organization Chorus-AIDLC is open-source software: an agent harness, a program that hands tasks to AI coding agents, tracks their state and lets people verify what the agents propose. One is a method, the other is a tool, and you can use either without the other.","url":"/en/blog/chorus-name-collision/","searchText":"CHORUS and Chorus AIDLC: which one do you mean? CHORUS vs Chorus harness: CHORUS is a six-step coordination protocol from a book. Chorus from Chorus-AIDLC is open-source agent-harness software. One is a way of working you write down. The other is software you install. CHORUS, in capitals, is a coordination protocol: six practices (Charter, Handoff, Orchestrate, Review, Update, Sync) that help small teams share work with AI agents without losing it at the handoffs. It comes from the book The Multi-Agent Organization. Chorus from the GitHub organization Chorus-AIDLC is open-source software: an agent harness, a program that hands tasks to AI coding agents, tracks their state and lets people verify what the agents propose. One is a method, the other is a tool, and you can use either without the other. CHORUS vs Chorus harness CHORUS (capitals) is a protocol: six practices you write down and can run in any tool. Chorus from Chorus-AIDLC is open-source software, an agent harness for coding agents, licensed AGPL-3.0. Chorus-AIDLC says it is inspired by AI-DLC, a method described on the AWS DevOps blog. It does not present itself as an AWS product. Tell them apart by what the document asks of you: agree on a way of working, or install something. You can run the CHORUS protocol with Chorus-AIDLC as one of your tools. Protocol first, tool second. chorus CHORUS Charter, Handoff, Orchestrate, Review, Update, Sync. A coordination protocol for small teams that share work with AI agents, from The Multi-Agent Organization. agent harness Software wrapped around AI agents that starts them, hands them work, keeps track of their state and recovers from failures. AI-DLC AI-Driven Development Life Cycle, a software development method described on the AWS DevOps blog in which AI proposes plans and people make the critical decisions. MCP Model Context Protocol, an open standard that lets AI applications connect to outside tools and data. task DAG A map of tasks that shows which tasks depend on which, so they run in a valid order. Two things in AI work share one name, and they are not even the same kind of thing. CHORUS, in capitals, is a coordination protocol: six practices a small team writes down so that work shared with AI agents does not get lost at the handoffs. It comes from the book The Multi-Agent Organization . Chorus, from the GitHub organization Chorus-AIDLC, is open-source software: an \"agent harness\" you install, which hands tasks to AI coding agents, tracks what they do, and lets people verify what they propose. One is a method. The other is a tool. You can use either without the other, and you can use them together. A few words first. An AI agent is a program built on a language model that takes several steps toward a goal and uses tools along the way, such as reading files or running code. A coding agent is an agent that writes and changes software, such as Claude Code or OpenAI's Codex. A harness is the software wrapped around agents that starts them, feeds them work, keeps track of their state and recovers when they fail. What is Chorus AIDLC? Chorus is an open-source project published on GitHub by an organization called Chorus-AIDLC (display name \"Chorus AI-DLC\"). The repository's one-line description reads: \"The Agent Harness for AI-Human Collaboration, inspired by the AI-DLC (AI-Driven Development Lifecycle).\" Its website sums up the idea in four words: \"AI proposes, humans verify.\" (GitHub; chorus-ai.dev) According to its README: - You run it yourself. It is a web app you install and start with two commands, or deploy with Docker or on AWS. - Agents plug in through MCP. Coding agents such as Claude Code, Codex, Kiro and OpenCode connect over MCP, the Model Context Protocol, an open standard that lets AI applications talk to outside tools and data. - Work moves through fixed stages. An idea becomes a proposal (a requirements document plus a task DAG , a map of which tasks depend on which), agents execute the tasks, a person verifies, and the work is done. - Each agent gets its own permissions , and a kanban board shows which agent is working on what. - It is licensed AGPL-3.0 , an open-source license. At the time of writing, the latest release was v0.19.0, published on 23 September 2026. AI-DLC is not Chorus's invention. It is a method described in a July 2025 post on the AWS DevOps blog by Raja SP, in which AI \"creates a plan, asks clarifying questions to seek context, and implements solutions only after receiving human validation\" (AWS). The Chorus project says it is inspired by that method. Neither its GitHub page nor its website presents it as an AWS product. What is CHORUS, the protocol? CHORUS is a way of working for teams of about 2 to 15 people who share work with AI agents. Its job is to prevent the most common failure when a team adds agents: work gets slower, because nobody wrote down who owns a task at the boundary, what context travels with it, and who checks the result. The site calls that the coordination gap. It has six steps. The names are fixed; the lines are plain-words versions. 1. Charter. Describe every role, human or agent, in seven fields: purpose, inputs, outputs, authority ceiling (how far it may go on its own), success criteria, review requirement and escalation. 2. Handoff. When a task moves to the next worker, send a short context packet (goal, constraints, inputs, where they came from, acceptance criteria, deadline) so the receiver never has to guess. 3. Orchestrate. Decide the shape of the flow: steps in order, work split across parallel agents, one named place where the results merge, and a named person to escalate to. 4. Review. Output passes a gate only when it meets written acceptance criteria, not because it sounded right. 5. Update. What reviews find flows back into prompts, tools, procedures and charters, so the next run is better. 6. Sync. One shared surface shows who owns what and what is blocked, read in a short weekly check-in. CHORUS comes from The Multi-Agent Organization , a book by the author of this site, which is available now. You do not need the book to use it. The framework page and What is CHORUS? cover the six steps. The book is blunt about software: \"Order matters: protocol first, tool second, always.\" Its reasoning is that \"A charter is a decision about authority, written down.\" You can run all six steps with a shared document and a chat thread. Tools make the steps faster and harder to skip. They do not make them exist. CHORUS vs Chorus: side by side CHORUS Chorus (Chorus-AIDLC) --- --- --- What it is A coordination protocol: six practices Open-source software: an agent harness Who publishes it Len P. van der Hof, in The Multi-Agent Organization The GitHub organization Chorus-AIDLC How it is written All capitals; each letter is a step Capital C only; \"AIDLC\" is part of the organization's name What you get Written charters, handoff packets, review gates, a weekly sync A web app, a task pipeline, agent permissions, a kanban board Where it runs Anywhere: a shared doc, a task board, any software On your own machine or server Who it is for Small teams sharing any kind of work with agents Software teams working with coding agents Core idea Nothing crosses a boundary without its context; nothing ships without a gate \"AI proposes, humans verify\" Do you install it? No Yes Are there other things called Chorus? Yes. Two you may meet near AI and sales work: - Chorus by protolabs42 (chorusprotocol.dev) calls itself a \"Self-hosted shared workspace for agent teams\": shared memory, signals and file handoff for AI agents. - Chorus by ZoomInfo (zoominfo.com) is a conversation-intelligence product that captures and analyzes sales teams' calls, meetings and emails. Neither is related to the CHORUS protocol or to Chorus-AIDLC. How do you tell which one a document means? Five checks, in order. The first one that fires usually settles it. 1. Is there an install step? An install command, a Docker file, an API key, a login screen: that is software. CHORUS has nothing to install. 2. Do the six words appear together? Charter, Handoff, Orchestrate, Review, Update, Sync: that is the protocol. 3. Do these words appear? \"Harness\", \"AI-DLC\", \"proposal\", \"task DAG\", \"daemon\", \"verify\": that is Chorus-AIDLC. 4. Where does the link go? github.com/Chorus-AIDLC or chorus-ai.dev is the harness. lenvanderhof.com or the book is the protocol. chorusprotocol.dev is the protolabs42 workspace. zoominfo.com or chorus.ai is the sales product. 5. Still unsure? Ask one question. \"Is this something we install, or a way we agree to work?\" Can you use both? Yes, and doing so shows the difference clearly. Imagine a hypothetical four-person software company: two developers, a product lead and a founder, plus three coding agents. They install Chorus-AIDLC so the agents can pick up tasks and the founder can verify proposals in one place. The software gives them a pipeline. It does not decide how they work. CHORUS asks the questions no install answers: - Charter. Which agent may draft proposals, and which may never merge to the main branch? Who may approve a proposal? - Handoff. What must the product lead write into an idea before an agent picks it up? - Review. What written line does the person at the verify stage check against? - Update. When a proposal is rejected, where does the lesson go so the next proposal is better? - Sync. Which board do the four people read on Monday, and for how long? Some of the software's features line up with CHORUS steps. The proposal and task DAG are a form of Orchestrate, the verify stage is a Review gate, the kanban board serves Sync, and agent permissions carry part of a Charter. That mapping is this page's reading of the README, not a claim either project makes. The content of a handoff and the habit of updating stay with the team, whatever tool it uses. Why does the name clash matter? Mostly it costs time: a search for one lands you on the other. It costs more when the word travels into a decision. Imagine a hypothetical procurement form that says \"supplier must support CHORUS\". One reader hears \"install this open-source harness\". Another hears \"write charters and review gates\". Both tick the box. They mean different things. The fix is cheap. Write the protocol in capitals with its six words the first time you use it. Link the software to its repository the first time you mention it. Try this today (10 minutes) Search your team's documents and chat for \"chorus\". Run the five checks on every hit and write one word next to it: protocol, harness, workspace, sales or unclear. For each \"unclear\", add a link or the six words so the next reader does not have to guess. If the hits say \"protocol\" but nobody can show you a written charter or a handoff packet, you have the name without the practice. Start with one charter for the agent your team trusts most.","keyTakeaways":["CHORUS (capitals) is a protocol: six practices you write down and can run in any tool.","Chorus from Chorus-AIDLC is open-source software, an agent harness for coding agents, licensed AGPL-3.0.","Chorus-AIDLC says it is inspired by AI-DLC, a method described on the AWS DevOps blog. It does not present itself as an AWS product.","Tell them apart by what the document asks of you: agree on a way of working, or install something.","You can run the CHORUS protocol with Chorus-AIDLC as one of your tools. Protocol first, tool second."],"readingMinutes":7,"publishedAt":"2026-10-01T14:00:00.000Z"},"nl":{"label":"CHORUS en Chorus AIDLC: welke bedoel je?","summary":"CHORUS, in hoofdletters, is een coördinatieprotocol: zes werkafspraken (Charter, Handoff, Orchestrate, Review, Update, Sync) waarmee kleine teams werk delen met AI-agents zonder dat het bij de overdracht zoekraakt. Het komt uit het boek De multi-agent organisatie. Chorus van de GitHub-organisatie Chorus-AIDLC is opensourcesoftware: een agentharness, een programma dat taken uitdeelt aan AI-codeeragents, bijhoudt waar ze staan en mensen laat controleren wat de agents voorstellen. Het ene is een methode, het andere gereedschap, en je kunt ze los van elkaar gebruiken.","url":"/nl/blog/chorus-naamcollision/","searchText":"CHORUS en Chorus AIDLC: welke bedoel je? CHORUS versus Chorus-harness: CHORUS is een coördinatieprotocol van zes stappen uit een boek. Chorus van Chorus-AIDLC is opensourcesoftware, een agentharness. Het ene is een manier van werken die je opschrijft. Het andere is software die je installeert. CHORUS, in hoofdletters, is een coördinatieprotocol: zes werkafspraken (Charter, Handoff, Orchestrate, Review, Update, Sync) waarmee kleine teams werk delen met AI-agents zonder dat het bij de overdracht zoekraakt. Het komt uit het boek De multi-agent organisatie. Chorus van de GitHub-organisatie Chorus-AIDLC is opensourcesoftware: een agentharness, een programma dat taken uitdeelt aan AI-codeeragents, bijhoudt waar ze staan en mensen laat controleren wat de agents voorstellen. Het ene is een methode, het andere gereedschap, en je kunt ze los van elkaar gebruiken. CHORUS vs Chorus-harness CHORUS (hoofdletters) is een protocol: zes werkafspraken die je opschrijft en in elke tool kunt uitvoeren. Chorus van Chorus-AIDLC is opensourcesoftware, een agentharness voor codeeragents, onder de licentie AGPL-3.0. Chorus-AIDLC zegt geïnspireerd te zijn door AI-DLC, een methode die op het DevOps-blog van AWS is beschreven. Het presenteert zichzelf niet als AWS-product. Je herkent het verschil aan wat een document van je vraagt: een werkwijze afspreken of iets installeren. Je kunt het CHORUS-protocol draaien met Chorus-AIDLC als een van je tools. Protocol eerst, tool daarna. chorus CHORUS Charter, Handoff, Orchestrate, Review, Update, Sync. Een coördinatieprotocol voor kleine teams die werk delen met AI-agents, uit De multi-agent organisatie. agentharness Software rond AI-agents die ze opstart, van werk voorziet, bijhoudt waar ze staan en ze opvangt als ze vastlopen. AI-DLC AI-Driven Development Life Cycle, een methode voor softwareontwikkeling, beschreven op het DevOps-blog van AWS, waarin AI plannen voorstelt en mensen de kritieke beslissingen nemen. MCP Model Context Protocol, een open standaard waarmee AI-toepassingen verbinding maken met externe tools en data. taak-DAG Een kaart van taken die laat zien welke taak van welke afhangt, zodat ze in een geldige volgorde lopen. In AI-werk dragen twee dingen dezelfde naam, en ze zijn niet eens van dezelfde soort. CHORUS, in hoofdletters, is een coördinatieprotocol: zes werkafspraken die een klein team opschrijft, zodat werk dat het met AI-agents deelt niet zoekraakt bij de overdracht. Het komt uit het boek De multi-agent organisatie . Chorus, van de GitHub-organisatie Chorus-AIDLC, is opensourcesoftware: een 'agentharness' die je installeert, die taken uitdeelt aan AI-codeeragents, bijhoudt wat ze doen en mensen laat controleren wat ze voorstellen. Het ene is een methode, het andere gereedschap. Je kunt ze los van elkaar gebruiken, en ook samen. Eerst een paar begrippen. Een AI-agent is een programma op basis van een taalmodel dat in meerdere stappen naar een doel toewerkt en onderweg tools gebruikt, bijvoorbeeld om bestanden te lezen of code uit te voeren. Een codeeragent is een agent die software schrijft en aanpast, zoals Claude Code of Codex van OpenAI. Een harness is de software rond agents die ze opstart, van werk voorziet, bijhoudt waar ze staan en ze opvangt als ze vastlopen. Wat is Chorus AIDLC? Chorus is een opensourceproject dat op GitHub verschijnt onder een organisatie met de naam Chorus-AIDLC (weergavenaam 'Chorus AI-DLC'). De repository omschrijft zichzelf in één regel: \"The Agent Harness for AI-Human Collaboration, inspired by the AI-DLC (AI-Driven Development Lifecycle).\" De website vat het idee samen in vier woorden: \"AI proposes, humans verify.\" Oftewel: AI stelt voor, mensen controleren. (GitHub; chorus-ai.dev) Volgens de README werkt het zo: - Je draait het zelf. Het is een webapplicatie die je met twee commando's installeert en start, of die je uitrolt met Docker of op AWS. - Agents sluiten aan via MCP. Codeeragents als Claude Code, Codex, Kiro en OpenCode maken verbinding via MCP, het Model Context Protocol: een open standaard waarmee AI-toepassingen met externe tools en data praten. - Werk doorloopt vaste fasen. Een idee wordt een voorstel (een document met de eisen plus een taak-DAG , een kaart van welke taken van welke afhangen), agents voeren de taken uit, een mens controleert, en dan is het werk af. - Elke agent krijgt eigen rechten , en een kanbanbord laat zien welke agent waaraan werkt. - De licentie is AGPL-3.0 , een opensourcelicentie. Toen dit stuk werd geschreven, was v0.19.0 de nieuwste release, gepubliceerd op 23 september 2026. Chorus heeft AI-DLC niet zelf bedacht. Het is een methode die Raja SP in juli 2025 beschreef op het DevOps-blog van AWS. AI maakt daarin een plan, stelt verduidelijkende vragen en voert pas iets uit na goedkeuring door een mens: \"creates a plan, asks clarifying questions to seek context, and implements solutions only after receiving human validation\" (AWS). Het Chorus-project zegt door die methode geïnspireerd te zijn. De GitHub-pagina en de website presenteren het nergens als product van AWS. Wat is CHORUS, het protocol? CHORUS is een manier van werken voor teams van ongeveer 2 tot 15 mensen die werk delen met AI-agents. Het is bedoeld om de meest voorkomende valkuil bij het toevoegen van agents te vermijden: het werk gaat trager, omdat niemand heeft opgeschreven wie een taak bij de overdracht in handen heeft, welke context meegaat en wie het resultaat controleert. Deze site noemt dat de coördinatiekloof. Het protocol heeft zes stappen. De namen liggen vast; de uitleg erachter staat in gewone woorden. 1. Charter. Beschrijf elke rol, mens of agent, in zeven velden: doel, input, output, bevoegdheidsplafond (hoe ver de rol op eigen houtje mag gaan), succescriteria, reviewvereiste en escalatie. 2. Handoff. Gaat een taak naar de volgende werker, stuur dan een kort contextpakket mee (doel, randvoorwaarden, input, herkomst, acceptatiecriteria, deadline), zodat de ontvanger niet hoeft te raden. 3. Orchestrate. Bepaal hoe het werk stroomt: stappen na elkaar, werk verdeeld over parallelle agents, één aangewezen plek waar de resultaten samenkomen, en één benoemde persoon naar wie je escaleert. 4. Review. Output komt pas door de poort als hij voldoet aan geschreven acceptatiecriteria, niet omdat hij goed klonk. 5. Update. Wat reviews aan het licht brengen, gaat terug naar prompts, tools, procedures en charters, zodat de volgende run beter gaat. 6. Sync. Eén gedeeld overzicht toont wie wat onder zich heeft en wat vastzit, doorgenomen in een kort wekelijks overleg. CHORUS komt uit De multi-agent organisatie , een boek van de auteur van deze site, dat nu verkrijgbaar is. Je hebt het boek niet nodig om ermee te werken. De frameworkpagina en Wat is CHORUS? behandelen de zes stappen. Over software is het boek stellig: \"De volgorde doet ertoe. Protocol eerst, tool daarna, altijd.\" De redenering: \"Een charter is een beslissing over bevoegdheid, opgeschreven.\" Alle zes stappen kun je uitvoeren met een gedeeld document en een chatdraad. Tools maken de stappen sneller en moeilijker over te slaan. Ze zorgen er niet voor dat de stappen er zijn. CHORUS of Chorus: naast elkaar CHORUS Chorus (Chorus-AIDLC) --- --- --- Wat het is Een coördinatieprotocol: zes werkafspraken Opensourcesoftware: een agentharness Van wie het komt Len P. van der Hof, in De multi-agent organisatie De GitHub-organisatie Chorus-AIDLC Hoe je het schrijft Alles in hoofdletters; elke letter is een stap Alleen een hoofdletter C; 'AIDLC' hoort bij de naam van de organisatie Wat je krijgt Geschreven charters, overdrachtspakketten, reviewpoorten, een wekelijkse sync Een webapplicatie, een takenpijplijn, rechten per agent, een kanbanbord Waar het draait Overal: een gedeeld document, een takenbord, welke software ook Op je eigen computer of server Voor wie Kleine teams die allerlei werk met agents delen Softwareteams die met codeeragents werken Kerngedachte Niets gaat een grens over zonder context; niets gaat de deur uit zonder poort \"AI proposes, humans verify\" Installeer je het? Nee Ja Zijn er nog meer dingen die Chorus heten? Ja. Twee kun je tegenkomen rond AI en sales: - Chorus van protolabs42 (chorusprotocol.dev) noemt zichzelf een \"Self-hosted shared workspace for agent teams\": een gedeelde werkruimte met geheugen, signalen en bestandsoverdracht voor AI-agents, die je zelf host. - Chorus van ZoomInfo (zoominfo.com) is een product voor gespreksanalyse dat de klantgesprekken, meetings en e-mails van salesteams vastlegt en analyseert. Geen van beide heeft iets te maken met het CHORUS-protocol of met Chorus-AIDLC. Hoe zie je welke Chorus een document bedoelt? Vijf controles, op volgorde. De eerste die raak is, beslist het meestal. 1. Is er een installatiestap? Een installatiecommando, een Docker-bestand, een API-sleutel, een inlogscherm: dan gaat het om software. CHORUS valt niet te installeren. 2. Staan de zes woorden bij elkaar? Charter, Handoff, Orchestrate, Review, Update, Sync: dan gaat het om het protocol. 3. Komen deze woorden voor? 'Harness', 'AI-DLC', 'proposal', 'task DAG', 'daemon', 'verify': dan is het Chorus-AIDLC. 4. Waar gaat de link naartoe? github.com/Chorus-AIDLC of chorus-ai.dev is de harness. lenvanderhof.com of het boek is het protocol. chorusprotocol.dev is de werkruimte van protolabs42. zoominfo.com of chorus.ai is het salesproduct. 5. Nog steeds twijfel? Stel één vraag. \"Is dit iets wat we installeren, of een manier van werken die we afspreken?\" Kun je ze allebei gebruiken? Ja, en juist dan zie je het verschil goed. Neem een hypothetisch softwarebedrijf van vier mensen: twee ontwikkelaars, een productmanager en een oprichter, plus drie codeeragents. Ze installeren Chorus-AIDLC, zodat de agents taken kunnen oppakken en de oprichter voorstellen op één plek kan controleren. De software geeft ze een pijplijn. Hoe ze werken, beslist die niet. CHORUS stelt de vragen die geen installatie voor ze beantwoordt: - Charter. Welke agent mag voorstellen opstellen, en welke mag nooit naar de hoofdbranch mergen? Wie mag een voorstel goedkeuren? - Handoff. Wat moet de productmanager in een idee zetten voordat een agent het oppakt? - Review. Aan welke geschreven regel toetst de persoon in de controlefase? - Update. Waar komt de les terecht als een voorstel wordt afgewezen, zodat het volgende beter is? - Sync. Welk bord bekijken de vier op maandag, en hoe lang? Sommige functies van de software sluiten aan bij CHORUS-stappen. Het voorstel met de taak-DAG is een vorm van Orchestrate, de controlefase is een Review-poort, het kanbanbord dient Sync, en de rechten per agent dekken een deel van een Charter. Die koppeling is de lezing van deze pagina op basis van de README, geen claim van een van beide projecten. Wat er in een overdracht staat en de gewoonte om bij te werken, blijven bij het team, welke tool het ook gebruikt. Waarom doet die naamsverwarring ertoe? Meestal kost ze tijd: je zoekt het een en belandt bij het ander. Duurder wordt het als het woord in een beslissing terechtkomt. Stel je een hypothetisch inkoopformulier voor met de eis \"leverancier ondersteunt CHORUS\". De ene lezer denkt aan software: installeer die harness. De andere denkt aan werkafspraken: schrijf charters en reviewpoorten. Allebei vinken ze het vakje aan. Ze bedoelen iets anders. De oplossing kost weinig. Schrijf het protocol de eerste keer in hoofdletters en met de zes woorden erbij. Link de software de eerste keer naar de repository. Probeer het vandaag (10 minuten) Zoek in de documenten en chats van je team op \"chorus\". Doe bij elke treffer de vijf controles en zet er één woord naast: protocol, harness, werkruimte, sales of onduidelijk. Voeg bij elk \"onduidelijk\" een link of de zes woorden toe, zodat de volgende lezer niet hoeft te raden. Zeggen de treffers \"protocol\", maar kan niemand je een geschreven charter of overdrachtspakket laten zien? Dan heb je de naam zonder de praktijk. Begin met één charter voor de agent die je team het meest vertrouwt.","keyTakeaways":["CHORUS (hoofdletters) is een protocol: zes werkafspraken die je opschrijft en in elke tool kunt uitvoeren.","Chorus van Chorus-AIDLC is opensourcesoftware, een agentharness voor codeeragents, onder de licentie AGPL-3.0.","Chorus-AIDLC zegt geïnspireerd te zijn door AI-DLC, een methode die op het DevOps-blog van AWS is beschreven. Het presenteert zichzelf niet als AWS-product.","Je herkent het verschil aan wat een document van je vraagt: een werkwijze afspreken of iets installeren.","Je kunt het CHORUS-protocol draaien met Chorus-AIDLC als een van je tools. Protocol eerst, tool daarna."],"readingMinutes":8,"publishedAt":"2026-10-01T14:05:00.000Z"}},"degree":7},{"id":"article:cialdini-in-the-funnel","type":"article","pillar":"venture-building","locales":{"en":{"label":"Cialdini in the funnel: six levers, one honesty test","summary":"Robert Cialdini's Influence (1984) named six principles of persuasion: reciprocation, commitment and consistency, social proof, liking, authority, and scarcity. In Pre-Suasion (2016) and in the expanded Influence (2021) he added Unity: people are more ready to say yes to someone they treat as one of them. A marketing or sales funnel is a sequence of those asks. You benefit by knowing which lever you are pulling on each step, and by using only the ones you can keep when a human answers. A genuine sample is reciprocity. A counter that invents '12 people viewing' is a claim. The published honest-conversion rule still holds: automate the follow-up, not the claim. This page is the map of the levers. It is not a script for pressure.","url":"/en/blog/cialdini-in-the-funnel/","searchText":"Cialdini in the funnel: six levers, one honesty test Robert Cialdini named six principles of influence in 1984, and later a seventh, Unity. In a funnel they show up as favours, commitments, crowds, liking, titles, and limits. The test is whether each lever is still true if the buyer replies. Reciprocity is a real sample. A fake crowd is still a fake crowd. Name the lever, then keep it. Robert Cialdini's Influence (1984) named six principles of persuasion: reciprocation, commitment and consistency, social proof, liking, authority, and scarcity. In Pre-Suasion (2016) and in the expanded Influence (2021) he added Unity: people are more ready to say yes to someone they treat as one of them. A marketing or sales funnel is a sequence of those asks. You benefit by knowing which lever you are pulling on each step, and by using only the ones you can keep when a human answers. A genuine sample is reciprocity. A counter that invents '12 people viewing' is a claim. The published honest-conversion rule still holds: automate the follow-up, not the claim. This page is the map of the levers. It is not a script for pressure. Cialdini persuasion principles in marketing funnels Six principles from 1984, Unity later. Learn the names so you can see them in your own sequence. A funnel step is one ask. Write which lever it uses. If you cannot, the step is fog. Social proof, authority, and scarcity are the usual forgeries. If the crowd, the title, or the limit is not checkable, cut the line. The Founder Sales System and Marketing Without Manipulation are in production. Neither is a Cialdini workbook. marketing Principles of influence Cialdini's named levers. Six in Influence (1984). Unity added later. Not a conversion formula. Funnel A sequence of asks from first look to paid work. Each step should name its lever and survive a reply. A funnel is not a drawing. It is a series of asks: look, try, talk, pay, stay. Robert Cialdini spent Influence (1984) naming why those asks land. The names are useful because they make the ask visible. They are dangerous when they become a costume for a lie. He listed six principles: reciprocation , commitment and consistency , social proof , liking , authority , and scarcity . In Pre-Suasion (2016) he argued that a seventh had been sitting in the data: Unity , the sense that the other person is one of us. The 2021 expanded Influence puts Unity on the list. You do not need all seven on one page. You need to know which one you are using. The six, in a sequence you already run Reciprocation. People repay. A real sample, a useful PDF, a call you did not invoice, a chapter you can read without a card. The lever dies when the \"gift\" is a countdown to a pitch the sample did not earn. Give something the person can keep if they never buy. Commitment and consistency. People like to stay in line with what they already said. A small written yes (\"I'll try the diagnostic\") makes a later yes cheaper. That is why a serious discovery call starts with a real next step, not a vibe. It is also why a checkbox that says \"I agree I am ready to buy\" before they have seen the price is a trap. Write commitments the buyer would repeat out loud. Social proof. People look at what others like them did. Named customers, with permission, on a page the customer can recognise. Invented viewer counts, stock faces, and \"join 10,000 founders\" with no list behind the number are not proof. They are set dressing. If you cannot name how the number was made, delete it. Liking. People say yes more readily to people they like and who seem to like them. In founder sales that is often just being specific and on time. In ads it becomes fake kinship. You can be decent without pretending you grew up on the same street. Authority. Titles, uniforms, and credentials shortcut evaluation. A genuine credential belongs on the page. A white coat you did not earn, a \"as seen in\" strip of logos you paid to rent, a fake professor, do not. If the authority is borrowed, say it is an ad. Scarcity. What is rare looks more valuable. A cohort that actually closes. A print run that is actually numbered. A calendar that is actually full. A timer that resets on refresh is not scarcity. It is a prop. A conversion system that stays honest already banned inventing the deadline. This page will not reopen that door. Unity , the later one. Shared identity: we, not just like us. A community that exists off the landing page can carry it. A \"we\" invented for the headline cannot. Do not cosplay a tribe you do not host. Funnels are sequences of those asks Map one live path: ad or search, landing page, mail or call, checkout, onboarding. On each step write the lever in the margin. \"This mail is reciprocity: the worksheet.\" \"This checkout line is scarcity: the cohort date.\" If two levers fight (authority plus fake crowd plus fake timer), you are not persuading. You are stacking costumes. The Founder Sales System is the longer practice for deals before you have a sales team. It is in production. It is not for sale. SALES is Story, Ask, Listen, Evaluate, Sustain. This page does not teach that motion. It only says: each Ask has a Cialdini name, or it is fog. A call that listens is not \"liking.\" It is work. A sequence that only talks is not a funnel. It is a broadcast with extra steps. Walk a four-step path that does not need software to exist. 1. A stranger finds a page. The only honest lever here is usually authority you can check, or a sample they can keep. Not a crowd you invented. 2. They take the sample. Reciprocity has fired. The next mail can ask for a small yes: a time, a diagnostic, a reply to one question. That is commitment. It is not a cart. 3. A call. Liking is specificity and showing up. Unity is only real if you actually share a practice, a city, a craft. Listen is the feedback. If you cannot shut up, you are not in Cialdini. You are in a monologue. 4. A proposal. Scarcity is the calendar or the cohort if those are true. Social proof is one named peer if they consented. Stacking all six on the last PDF is how a decent process starts to smell. Pre-Suasion, the 2016 book, is about what you attend to before the ask. A room, a first sentence, a question that puts the relevant identity in mind. Used cleanly, it is focus. Used as a trick question that boxes the buyer into a yes, it is still a claim. You can prepare attention without painting them into a corner. Automated funnels fail the same test as live ones, faster. A sequence can remember the sample and the date. It cannot invent the peer, the title, or the last seat. If a step only works because nobody will answer, it is not persuasion. It is hope that the inbox is empty of adults. The honesty test, once per lever Would this sentence survive a reply from the person it describes. - Reciprocity: can they keep the gift if they never pay. - Commitment: did they actually make that small yes, or did a form make it for them. - Social proof: can a stranger check the example. - Liking: would you say the intimacy without the pixel. - Authority: is the title theirs, and is the quote theirs. - Scarcity: is the limit in a system you could show finance. - Unity: is the \"we\" a group that meets, or a font. If the answer is no, the lever is a claim. Claims belong on the honest-conversion page, not in a \"principle.\" Marketing Without Manipulation is in production for the longer ethic. Positioning is a decision is who you will not serve. Who you will not fake a crowd for is part of that refusal. How to benefit this week Do not add a seventh mail that \"applies Cialdini.\" Take one existing step and make its lever true. Replace a viewer counter with one named example, or with nothing. Replace a fake timer with the real next date, or with no date. Replace \"as seen in\" with work you did, or with silence. Give one thing they can keep. Ask for one small yes they could explain to a colleague. That is the benefit. The books on the psychology shelf are maps. The funnel is your house. You do not honour Cialdini by putting his name on a dark pattern. You honour the buyer by leaving them a way to return the ticket.","keyTakeaways":["Six principles from 1984, Unity later. Learn the names so you can see them in your own sequence.","A funnel step is one ask. Write which lever it uses. If you cannot, the step is fog.","Social proof, authority, and scarcity are the usual forgeries. If the crowd, the title, or the limit is not checkable, cut the line.","The Founder Sales System and Marketing Without Manipulation are in production. Neither is a Cialdini workbook."],"readingMinutes":6,"publishedAt":"2026-09-10T01:00:00.000Z"},"nl":{"label":"Cialdini in de funnel: zes hefbomen, één eerlijkheidstest","summary":"In Robert Cialdini's Influence (1984) staan zes principes van overtuigingskracht: wederkerigheid, toewijding en consistentie, sociale bewijskracht, sympathie, autoriteit en schaarste. In Pre-Suasion (2016) en de uitgebreide Influence (2021) voegde hij Unity toe: mensen zeggen sneller ja tegen iemand die ze als een van hen behandelen. Een marketing- of salesfunnel is een reeks van die vragen. Het loont om bij elke stap te weten aan welke hefboom je trekt, en om alleen de hefbomen te gebruiken die je overeind kunt houden als een mens reageert. Een oprecht proefstuk is wederkerigheid. Een teller die verzint dat '12 mensen dit bekijken' is een bewering. De gepubliceerde regel voor eerlijke conversie geldt nog steeds: automatiseer de follow-up, niet de bewering. Deze pagina is de kaart van de hefbomen. Het is geen script voor druk.","url":"/nl/blog/cialdini-in-de-funnel/","searchText":"Cialdini in de funnel: zes hefbomen, één eerlijkheidstest Robert Cialdini benoemde in 1984 zes principes van beïnvloeding, en later een zevende, Unity. In een funnel verschijnen ze als gunsten, toezeggingen, massa's, sympathie, titels en limieten. De test is of elke hefboom nog steeds waar is als de koper antwoordt. Wederkerigheid is een echt proefmonster. Een nepmassa blijft een nepmassa. Benoem de hefboom en behoud hem dan. In Robert Cialdini's Influence (1984) staan zes principes van overtuigingskracht: wederkerigheid, toewijding en consistentie, sociale bewijskracht, sympathie, autoriteit en schaarste. In Pre-Suasion (2016) en de uitgebreide Influence (2021) voegde hij Unity toe: mensen zeggen sneller ja tegen iemand die ze als een van hen behandelen. Een marketing- of salesfunnel is een reeks van die vragen. Het loont om bij elke stap te weten aan welke hefboom je trekt, en om alleen de hefbomen te gebruiken die je overeind kunt houden als een mens reageert. Een oprecht proefstuk is wederkerigheid. Een teller die verzint dat '12 mensen dit bekijken' is een bewering. De gepubliceerde regel voor eerlijke conversie geldt nog steeds: automatiseer de follow-up, niet de bewering. Deze pagina is de kaart van de hefbomen. Het is geen script voor druk. Cialdini beïnvloedingsprincipes in marketing funnels Zes principes uit 1984, Unity kwam later. Leer de namen zodat je ze in je eigen reeks herkent. Een funnelstap is één vraag. Schrijf op welke hefboom die gebruikt. Als dat niet lukt, is de stap mist. Sociale bewijskracht, autoriteit en schaarste zijn de gebruikelijke vervalsingen. Als de menigte, de titel of de limiet niet te controleren is, schrap dan de zin. The founder sales system en Marketing zonder manipulatie zijn in productie. Geen van beide is een werkboek voor Cialdini. marketing Principes van beïnvloeding De door Cialdini benoemde hefbomen. Zes in Influence (1984). Unity werd later toegevoegd. Geen conversieformule. Funnel Een reeks vragen vanaf de eerste blik tot betaald werk. Elke stap hoort zijn hefboom te benoemen en een reactie te overleven. Een funnel is geen tekening. Het is een reeks vragen: kijk, probeer, praat, betaal, blijf. Robert Cialdini besteedde Influence (1984) aan het benoemen waarom die vragen landen. De namen zijn nuttig omdat ze de vraag zichtbaar maken. Ze zijn gevaarlijk wanneer ze een kostuum worden voor een leugen. Hij noemde zes principes: wederkerigheid , toewijding en consistentie , sociale bewijskracht , sympathie , autoriteit en schaarste . In Pre-Suasion (2016) stelde hij dat er een zevende in de data verborgen zat: Unity , het gevoel dat de ander een van ons is. De uitgebreide Influence uit 2021 zet Unity op de lijst. Je hebt niet alle zeven op één pagina nodig. Je moet weten welke je gebruikt. De zes, in een reeks die je al draait Wederkerigheid. Mensen betalen terug. Een echt proefstuk, een nuttige PDF, een gesprek dat je niet gefactureerd hebt, een hoofdstuk dat je zonder kaart kunt lezen. De hefboom sterft wanneer het \"geschenk\" een afteller is naar een pitch die het proefstuk niet heeft verdiend. Geef iets dat de persoon mag houden als diegene nooit iets koopt. Toewijding en consistentie. Mensen blijven graag in lijn met wat ze al gezegd hebben. Een kleine geschreven ja (\"ik probeer de diagnose\") maakt een latere ja goedkoper. Daarom begint een serieus kennismakingsgesprek met een echte volgende stap, niet met een sfeer. Het is ook de reden waarom een vinkje dat zegt \"ik ga akkoord dat ik klaar ben om te kopen\" voordat ze de prijs hebben gezien een valstrik is. Schrijf toezeggingen die de koper hardop zou herhalen. Sociale bewijskracht. Mensen kijken naar wat anderen zoals zij deden. Genoemde klanten, met toestemming, op een pagina die de klant kan herkennen. Verzonnen kijkcijfers, stockfoto's en \"sluit je aan bij 10.000 founders\" zonder een lijst achter het cijfer zijn geen bewijs. Dat is decor. Als je niet kunt benoemen hoe het getal tot stand is gekomen, verwijder het dan. Sympathie. Mensen zeggen makkelijker ja tegen mensen die ze mogen en die hen lijken te mogen. In foundersales is dat vaak simpelweg specifiek en op tijd zijn. In advertenties wordt het neppe verwantschap. Je kunt fatsoenlijk zijn zonder te doen alsof je in dezelfde straat bent opgegroeid. Autoriteit. Titels, uniformen en referenties verkorten de evaluatie. Een oprechte referentie hoort thuis op de pagina. Een witte jas die je niet verdiend hebt, een \"bekend van\" rij logo's die je gehuurd hebt, een nep-professor, horen er niet. Als de autoriteit geleend is, zeg dan dat het een advertentie is. Schaarste. Wat zeldzaam is, lijkt waardevoller. Een cohort dat daadwerkelijk sluit. Een oplage die daadwerkelijk genummerd is. Een agenda die daadwerkelijk vol is. Een timer die reset bij het vernieuwen is geen schaarste. Het is een rekwisiet. Een conversiesysteem dat eerlijk blijft bij automatisering verbood al het verzinnen van een deadline. Deze pagina heropent die deur niet. Unity , de latere. Gedeelde identiteit: wij, niet alleen zoals wij. Een community die buiten de landingspagina bestaat, kan het dragen. Een \"wij\" die verzonnen is voor de kopregel niet. Speel geen rol voor een stam die je niet host. Funnels zijn reeksen van die vragen Breng één actieve route in kaart: advertentie of zoekopdracht, landingspagina, mail of gesprek, afrekenen, onboarding. Schrijf bij elke stap de hefboom in de marge. \"Deze mail is wederkerigheid: het werkblad.\" \"Deze afrekenregel is schaarste: de cohortdatum.\" Als twee hefbomen vechten (autoriteit plus nepmassa plus neptimer), ben je niet aan het overtuigen. Je bent kostuums aan het stapelen. The founder sales system is de langere praktijk voor deals voordat je een salesteam hebt. Het is in productie. Het is niet te koop. SALES is Story, Ask, Listen, Evaluate, Sustain. Deze pagina onderwijst die beweging niet. Ze zegt alleen: elke Ask heeft een Cialdini-naam, of het is mist. Een gesprek dat luistert is geen \"sympathie\". Het is werk. Een reeks die alleen maar praat is geen funnel. Het is een uitzending met extra stappen. Loop een vierstappenroute die geen software nodig heeft om te bestaan. 1. Een vreemde vindt een pagina. De enige eerlijke hefboom hier is meestal autoriteit die je kunt controleren, of een proefstuk dat ze mogen houden. Niet een menigte die je verzonnen hebt. 2. Ze nemen het proefstuk. Wederkerigheid is geactiveerd. De volgende mail kan om een kleine ja vragen: een tijdstip, een diagnose, een antwoord op één vraag. Dat is toewijding. Het is geen winkelwagentje. 3. Een gesprek. Sympathie is specificiteit en komen opdagen. Unity is alleen echt als je daadwerkelijk een praktijk, een stad, een ambacht deelt. Listen is de feedback. Als je niet je mond kunt houden, zit je niet in Cialdini. Je zit in een monoloog. 4. Een voorstel. Schaarste is de agenda of het cohort als die waar zijn. Sociale bewijskracht is één met naam genoemde gelijke als zij toestemming gaven. Alle zes stapelen op de laatste PDF is hoe een fatsoenlijk proces begint te stinken. Pre-Suasion, het boek uit 2016, gaat over waar je aandacht aan besteedt voor de vraag. Een kamer, een eerste zin, een vraag die de relevante identiteit in gedachten brengt. Schoon gebruikt is het focus. Gebruikt als een strikvraag die de koper in een ja drukt, is het nog steeds een bewering. Je kunt de aandacht voorbereiden zonder ze in een hoek te schilderen. Geautomatiseerde funnels falen sneller voor dezelfde test als live funnels. Een reeks kan het proefstuk en de datum onthouden. Ze kan de gelijke, de titel of de laatste stoel niet verzinnen. Als een stap alleen werkt omdat niemand zal antwoorden, is het geen overtuigingskracht. Het is hoop dat de inbox leeg is van volwassenen. De eerlijkheidstest, eenmaal per hefboom Zou deze zin een reactie overleven van de persoon die hij beschrijft. - Wederkerigheid: mogen ze het geschenk houden als ze nooit betalen. - Toewijding: hebben ze die kleine ja daadwerkelijk gegeven, of heeft een formulier dat voor hen gedaan. - Sociale bewijskracht: kan een vreemde het voorbeeld controleren. - Sympathie: zou je de intimiteit uitspreken zonder de pixel. - Autoriteit: is de titel van hen, en is de quote van hen. - Schaarste: zit de limiet in een systeem dat je aan finance zou kunnen tonen. - Unity: is de \"wij\" een groep die samenkomt, of een lettertype. Als het antwoord nee is, is de hefboom een bewering. Beweringen horen thuis op de eerlijke-conversiepagina, niet in een \"principe\". Marketing zonder manipulatie is in productie voor de langere ethiek. Positionering is een besluit is wie je niet zult bedienen. Voor wie je geen menigte verzint, maakt deel uit van die weigering. Hoe je deze week profiteert Voeg geen zevende mail toe die \"Cialdini toepast\". Neem één bestaande stap en maak de hefboom waar. Vervang een kijkcijferteller door één met naam genoemd voorbeeld, of door niets. Vervang een neptimer door de echte volgende datum, of door geen datum. Vervang \"bekend van\" door werk dat je gedaan hebt, of door stilte. Geef één ding dat ze mogen houden. Vraag om één kleine ja die ze aan een collega zouden kunnen uitleggen. Dat is de winst. De boeken op de psychologieplank zijn kaarten. De funnel is jouw huis. Je eert Cialdini niet door zijn naam op een dark pattern te plakken. Je eert de koper door ze een manier te laten om het bonnetje te retourneren.","keyTakeaways":["Zes principes uit 1984, Unity kwam later. Leer de namen zodat je ze in je eigen reeks herkent.","Een funnelstap is één vraag. Schrijf op welke hefboom die gebruikt. Als dat niet lukt, is de stap mist.","Sociale bewijskracht, autoriteit en schaarste zijn de gebruikelijke vervalsingen. Als de menigte, de titel of de limiet niet te controleren is, schrap dan de zin.","The founder sales system en Marketing zonder manipulatie zijn in productie. Geen van beide is een werkboek voor Cialdini."],"readingMinutes":6,"publishedAt":"2026-09-10T01:05:00.000Z"}},"degree":6},{"id":"article:citation-measurement-log","type":"article","pillar":"seo-geo-aeo","locales":{"en":{"label":"How to measure ChatGPT citations: a weekly log, not a screenshot","summary":"To measure ChatGPT citations, keep a log. Ask the same fixed questions in ChatGPT with web search switched on, one new chat per question, and write one row per run: the date, the exact question, whether the answer named you, and whether it linked to your page as a source (a citation). Count only runs that completed. 'Linked in 5 of 14 runs' is a measurement. A screenshot of one good answer is not.","url":"/en/blog/citation-measurement-log/","searchText":"How to measure ChatGPT citations: a weekly log, not a screenshot To measure ChatGPT citations, ask fixed questions with search on and log each run: were you named, were you linked? Template, rules and a worked example. One good answer proves it happened once. A dated row per question, per run, shows how often. To measure ChatGPT citations, keep a log. Ask the same fixed questions in ChatGPT with web search switched on, one new chat per question, and write one row per run: the date, the exact question, whether the answer named you, and whether it linked to your page as a source (a citation). Count only runs that completed. 'Linked in 5 of 14 runs' is a measurement. A screenshot of one good answer is not. how to measure ChatGPT citations One answer proves little. In a 2026 SparkToro study, ChatGPT and Google's AI gave the same brand list twice less than 1 time in 100. Log two separate facts per run: named or not, linked or not. A name is not a citation. A failed run is not a zero. Leave it out of the count and report it separately. GA4, Search Console and Bing count visits, Google impressions and Copilot citations. None of them shows ChatGPT citations. Report a rate with its denominator: which questions, which engine, which dates. aeo geo citation A source link attached to an answer that the reader can click to open your page. The page still has to support the sentence it is attached to. mention Your name or company name in the answer text. Without a source link it is not a citation. run One question asked once, in one new chat, on one engine. The log has one row per run. denominator The number you divide by. In this log: completed runs only, never failed ones. A screenshot proves that ChatGPT cited you once. It cannot tell you whether it will do it again. To measure ChatGPT citations, keep a log: ask the same fixed questions with web search switched on, one new chat per question, and write one row per run. Each row records two separate facts. Did the answer name you? Did it link to your page as a source? After a few weeks you can say \"linked in 5 of 14 runs\". That sentence is a measurement. The screenshot is an anecdote. In this page, a citation is a source link attached to the answer that a reader can click to open your page. A mention is your name in the answer text. They are different events, and ChatGPT mentions vs citations explains why mixing them sends you to the wrong fix. Why is one answer not enough? Because the same question rarely gets the same answer twice. In January 2026, the audience research company SparkToro and Gumshoe.ai had 600 volunteers run 12 recommendation prompts through ChatGPT, Claude and Google's AI a combined 2,961 times. The chance that ChatGPT or Google's AI returned the same list of brands in any two answers was below 1 in 100. The same list in the same order: closer to 1 in 1,000. That study counted brand names in recommendation lists, not source links. The lesson still carries over. Any single answer is one draw from a pool of candidates. What you can measure is how often you appear across repeated runs of the same questions. Rand Fishkin, who led the study, concluded that a visibility percentage \"across dozens to hundreds of prompts run multiple times is a reasonable metric\". A position in one answer is not. What goes in the log? One row per question, per engine, per run. A spreadsheet is enough. These eight columns are the template: Column What to write --- --- Date and time When you got the answer, with the time zone Engine and mode For example: ChatGPT, Search on, temporary chat, personalization off Question The exact text from your fixed list, plus its version (v1) Named yes or no: your person or company name appears in the answer text Linked yes or no: a citation in the answer opens a page on your domain Your URLs Every page of yours that was cited, in full Cited instead The sources the answer used, if they were not you Notes Anything that needs a human: mismatch, sources list only, used not cited, errors Four rules keep the cells honest: 1. Named and linked are separate cells. A page can be linked while the text credits nobody, and your name can appear with no link. Score each on its own. 2. Open every link before you score it. OpenAI's own help page says: \"Open a cited source to check that it supports the answer.\" If your page is linked but does not support the sentence, keep linked as yes and write \"mismatch\" in Notes. 3. Decide once what the Sources list counts for. OpenAI says the Sources button shows \"cited sources and other relevant links\". If your page appears only there, not beside a sentence, write \"sources list only\". Choose, in writing, whether that counts as linked, and keep the rule the same every week. 4. A failed run is not a no. If search did not run, the chat broke off, or you stopped halfway, write \"failed\" and leave both cells empty. Failed runs drop out of the count. One more note belongs in the Notes column: used, not cited . That is an answer that repeats your idea or your number with no name and no link. Copy the sentence. It is a lead worth checking, not a score: the wording may be common, and you cannot see whether the engine read your page. How do you run a session? Keep the conditions the same each time, so that a change in the log is a change in the answers, not in how you asked. - Switch search on. ChatGPT may search on its own, but you can force it: select View all tools, then Search, or type / in the message box and choose Search. An answer without sources tested the model's memory, not ChatGPT search. - Start clean. OpenAI says a temporary chat can still use your existing memories and custom instructions unless you turn personalization off when you start it. Turn it off. Use one new chat per question. - Note where you are. ChatGPT takes a general location from your IP address and may pass it to its search partners. If your market is the Netherlands, run the log from the Netherlands and ask Dutch questions in Dutch. - Save the answer before you score it. Copy the text into the sheet or keep the shared link, so someone else can check your row. - Same list, same slot. Weekly is a workable rhythm for a small business. Run each question two or three times per session. One run of one question is an anecdote. A worked example (hypothetical) Imagine a two-person bookkeeping firm in Haarlem that wants ChatGPT to cite it on small-business tax questions. The owner writes five questions, three in Dutch and two in English, freezes them as version 1, and runs each three times on Monday 14 September. That is 15 runs. Four of the rows: Time Question (v1) Named Linked Notes --- --- --- --- --- 09:10 Hoe vaak moet een zzp'er btw-aangifte doen? no yes Firm's VAT deadlines page cited; firm not named in the text 09:14 Hoe vaak moet een zzp'er btw-aangifte doen? no no Cited the tax authority and two software vendors 09:21 Can a Dutch freelancer reclaim VAT on a laptop? yes yes Named and linked; page supports the sentence 09:30 Wat kost een boekhouder voor een eenmanszaak? (empty) (empty) Failed: search did not run The same question got two different answers four minutes apart. That is normal, and it is why each question runs more than once. At the end of the session the owner counts: 15 runs, 1 failed, so 14 completed. Linked in 5, named in 3. The honest report is one line: linked in 5 of 14 completed runs and named in 3 of 14; question set v1; ChatGPT with search, run from Haarlem; 14 September. Not \"36 percent AI visibility\". The rows already point at work. The VAT deadlines page gets linked without the firm's name in the answer, so the page needs a named person or company beside the claim. The pricing question needs a rerun before anyone concludes anything. How do you turn the log into a number? One rule is worth pinning above the sheet: \"Linked in X of Y completed runs, question set vN, engine and mode, dates.\" Every part of that sentence is required. - The denominator is completed runs only. Report failed runs next to it. - Keep branded questions, the ones that already contain your name, in a separate count. They test whether the engine recognises you, not whether it finds you. - Report the named rate and the linked rate as two numbers. - Do not compare across versions. A reworded question is a new question. - Keep the counts next to any percentage. With 14 runs, a change of two runs can be chance. - A before-and-after change shows that the answers changed. It does not prove that your edit caused it. Can GA4 or Search Console measure this for you? No. They measure neighbouring things, and each is worth reading. None of them records ChatGPT citations. Report What it counts What it cannot tell you --- --- --- GA4, AI Assistant channel (announced 13 May 2026) Visits from sources such as ChatGPT, Gemini, Deepseek, Copilot or Grok Answers that cited you but sent no click. Clicks from Google's AI Overviews and AI Mode count as Organic Search ChatGPT's utm source=chatgpt.com tag (a label ChatGPT adds to its links) Visits that arrived through a link in ChatGPT Anything about answers nobody clicked Search Console, Generative AI performance report (all websites since 31 August 2026) Impressions: how often links to your site were shown in Google's AI Overviews and AI Mode, by page, country, date and device Clicks, the questions people asked, and anything about ChatGPT Bing Webmaster Tools, AI Performance (public preview since 10 February 2026) How often your pages were cited in Microsoft Copilot and Bing's AI summaries Clicks, and anything about ChatGPT OpenAI's publisher FAQ points site owners to referral tracking in analytics tools such as Google Analytics. It describes no citation report. For ChatGPT, the log you keep yourself is the only direct record of citations you will have. What do you do with each result? A log earns its place only if each row changes what you do next. Len's book The Findability Engine, about being cited by answer engines (drafting, English edition first, not for sale yet), calls this sheet the citation log and reads it as a routing table: each result points to a different fix. You do not need the book to use it. Here is that idea applied to the columns above: What the rows show What it usually means Next move --- --- --- Named and linked The page works Leave it alone. Note which URL the engine chose Linked, not named The engine found the page but could not attach a name Put a person or company name next to the claim on that page Named, but linked to a copy elsewhere, or not linked Your idea travelled; your page did not Publish the claim at one permanent URL on your own site Used, not cited Someone else is trusted with your idea, or the wording is common Find where the best version of that sentence lives Absent in every run Wrong question, or no page that answers it Check that people ask it; then write the page that answers it Why ChatGPT does not name you works through those failures in order of cost. If you have not checked the basics yet, the citation-readiness audit tests one URL in fifteen minutes before you start logging. Try this today (20 minutes) 1. Open a spreadsheet and paste in the eight column headings above. 2. Write five questions a customer would type before buying, in their words, not your page titles. Save them as v1 with today's date. 3. Open ChatGPT, start a temporary chat with personalization off, switch Search on, and ask question one. Save the answer and fill the row. 4. Repeat for the other four questions, one new chat each. 5. Put the same slot in your calendar for next week. Five rows will not give you a rate. They give you a baseline, a dated record of where you stand before you change anything, and usually one surprise worth fixing. The log is boring on purpose. Boring is what makes next month comparable with this one.","keyTakeaways":["One answer proves little. In a 2026 SparkToro study, ChatGPT and Google's AI gave the same brand list twice less than 1 time in 100.","Log two separate facts per run: named or not, linked or not. A name is not a citation.","A failed run is not a zero. Leave it out of the count and report it separately.","GA4, Search Console and Bing count visits, Google impressions and Copilot citations. None of them shows ChatGPT citations.","Report a rate with its denominator: which questions, which engine, which dates."],"readingMinutes":9,"publishedAt":"2026-09-29T19:00:00.000Z"},"nl":{"label":"ChatGPT-citaties meten: een wekelijks logboek, geen screenshot","summary":"ChatGPT-citaties meet je met een logboek. Stel dezelfde vaste vragen in ChatGPT, met de zoekfunctie aan en elke vraag in een nieuwe chat, en schrijf per run één regel: de datum, de exacte vraag, of het antwoord je noemde en of het naar je pagina linkte als bron (een citatie). Tel alleen runs die voltooid zijn. 'Gelinkt in 5 van de 14 runs' is een meting. Een screenshot van één goed antwoord is dat niet.","url":"/nl/blog/citatie-meetlog/","searchText":"ChatGPT-citaties meten: een wekelijks logboek, geen screenshot Meet ChatGPT-citaties met vaste vragen, de zoekfunctie aan en per run één regel: genoemd of niet, gelinkt of niet. Met sjabloon, afspraken en rekenvoorbeeld. Eén goed antwoord bewijst dat het één keer gebeurde. Een gedateerde regel per vraag en per run laat zien hoe vaak. ChatGPT-citaties meet je met een logboek. Stel dezelfde vaste vragen in ChatGPT, met de zoekfunctie aan en elke vraag in een nieuwe chat, en schrijf per run één regel: de datum, de exacte vraag, of het antwoord je noemde en of het naar je pagina linkte als bron (een citatie). Tel alleen runs die voltooid zijn. 'Gelinkt in 5 van de 14 runs' is een meting. Een screenshot van één goed antwoord is dat niet. ChatGPT-citaties meten Eén antwoord bewijst weinig. In een onderzoek van SparkToro uit 2026 gaven ChatGPT en de AI van Google in minder dan 1 op de 100 gevallen twee keer dezelfde merkenlijst. Noteer per run twee losse feiten: genoemd of niet, gelinkt of niet. Een naam is geen citatie. Een mislukte run is geen nul. Laat hem buiten de telling en meld hem apart. GA4, Search Console en Bing tellen bezoeken, vertoningen bij Google en citaties in Copilot. Geen van de drie toont citaties in ChatGPT. Noem bij een percentage altijd de noemer: welke vragen, welke machine, welke periode. aeo geo citatie Een bronlink bij een antwoord, waarmee de lezer met één klik je pagina opent. Die pagina moet de zin waar de link bij staat wel onderbouwen. vermelding Je naam of bedrijfsnaam in de tekst van het antwoord. Zonder bronlink is het geen citatie. run Eén vraag, één keer gesteld, in één nieuwe chat, bij één antwoordmachine. Het logboek heeft één regel per run. noemer Het getal waardoor je deelt. In dit logboek: alleen voltooide runs, nooit mislukte. Een screenshot bewijst dat ChatGPT je één keer citeerde. Of dat nog eens gebeurt, zie je er niet aan. ChatGPT-citaties meet je met een logboek: stel dezelfde vaste vragen met de zoekfunctie aan, elke vraag in een nieuwe chat, en noteer per run één regel. Elke regel legt twee losse feiten vast. Noemde het antwoord je? Linkte het naar je pagina als bron? Na een paar weken kun je zeggen: \"gelinkt in 5 van de 14 runs\". Die zin is een meting. De screenshot is een anekdote. Een citatie is op deze pagina een bronlink bij het antwoord, waarmee de lezer met één klik je pagina opent. Een vermelding is je naam in de tekst van het antwoord. Het zijn verschillende gebeurtenissen, en ChatGPT-vermeldingen versus citaties legt uit waarom je de verkeerde oplossing kiest als je ze op één hoop gooit. Waarom is één antwoord niet genoeg? Omdat dezelfde vraag zelden twee keer hetzelfde antwoord krijgt. In januari 2026 lieten SparkToro, een bedrijf voor doelgroeponderzoek, en Gumshoe.ai 600 vrijwilligers twaalf verzoeken om aanbevelingen invoeren in ChatGPT, Claude en de AI van Google, samen 2.961 keer. De kans dat ChatGPT of de AI van Google in twee antwoorden dezelfde lijst merken gaf, lag onder 1 op de 100. Dezelfde lijst in dezelfde volgorde: eerder 1 op de 1.000. Dat onderzoek telde merknamen in aanbevelingslijsten, geen bronlinks. De les geldt toch. Elk los antwoord is één trekking uit een pot met kandidaten. Wat je wél kunt meten, is hoe vaak je opduikt als je dezelfde vragen herhaaldelijk stelt. Rand Fishkin, die het onderzoek leidde, concludeert dat een zichtbaarheidspercentage over tientallen tot honderden vragen die elk meerdere keren zijn gesteld, een redelijke maatstaf is. Een positie in één antwoord is dat niet. Wat staat er in het logboek? Eén regel per vraag, per antwoordmachine, per run. Een spreadsheet volstaat. Deze acht kolommen vormen het sjabloon: Kolom Wat je invult --- --- Datum en tijd Wanneer je het antwoord kreeg, met tijdzone Machine en modus Bijvoorbeeld: ChatGPT, zoeken aan, tijdelijke chat, personalisatie uit Vraag De exacte tekst uit je vaste lijst, met de versie (v1) Genoemd ja of nee: je eigen naam of bedrijfsnaam staat in de tekst van het antwoord Gelinkt ja of nee: een citatie in het antwoord opent een pagina op jouw domein Jouw URL's Elke pagina van jou die geciteerd werd, volledig uitgeschreven In plaats van jou De bronnen die het antwoord wel gebruikte Opmerkingen Alles wat een mens moet bekijken: mismatch, alleen in bronnenlijst, gebruikt zonder bronvermelding, foutmeldingen Vier afspraken houden de cellen eerlijk: 1. Genoemd en gelinkt zijn aparte cellen. Een pagina kan gelinkt zijn terwijl de tekst niemand noemt, en je naam kan opduiken zonder link. Beoordeel ze los van elkaar. 2. Open elke link voordat je een score geeft. OpenAI raadt zelf aan een geciteerde bron te openen en te controleren of die het antwoord onderbouwt. Linkt het antwoord naar je pagina, maar onderbouwt die pagina de zin niet, laat \"gelinkt\" dan op \"ja\" staan en zet \"mismatch\" bij de opmerkingen. 3. Leg één keer vast hoe de bronnenlijst meetelt. Volgens OpenAI toont de knop met bronnen (Sources) zowel geciteerde bronnen als andere relevante links. Staat je pagina alleen in die lijst en niet naast een zin, noteer dan \"alleen in bronnenlijst\". Beslis op papier of dat als gelinkt telt, en verander die afspraak niet van week tot week. 4. Een mislukte run is geen nee. Zocht ChatGPT niet op het web, brak de chat af of stopte je halverwege, schrijf dan \"mislukt\" en laat beide cellen leeg. Mislukte runs vallen buiten de telling. Nog één opmerking hoort in de kolom Opmerkingen thuis: gebruikt zonder bronvermelding . Het antwoord herhaalt dan je idee of je cijfer, zonder naam en zonder link. Kopieer de zin. Het is een spoor om na te lopen, geen score: de formulering kan gangbaar zijn, en je ziet niet of de machine jouw pagina heeft gelezen. Hoe verloopt een meetsessie? Houd de omstandigheden elke keer gelijk. Dan betekent een verandering in het logboek een verandering in de antwoorden, en niet in de manier waarop je vroeg. - Zet zoeken aan. ChatGPT zoekt soms uit zichzelf, maar je kunt het afdwingen: kies in het menu met tools de zoekfunctie (in de Engelse interface: View all tools, dan Search), of typ / in het invoerveld en kies daar de zoekfunctie. Een antwoord zonder bronnen testte het geheugen van het model, niet de zoekfunctie van ChatGPT. - Begin met een schone lei. Volgens OpenAI kan een tijdelijke chat nog steeds je bestaande herinneringen en aangepaste instructies gebruiken, tenzij je personalisatie uitzet bij het starten. Zet die uit. Gebruik per vraag een nieuwe chat. - Noteer waar je zit. ChatGPT leidt een globale locatie af uit je IP-adres en kan die doorgeven aan zijn zoekpartners. Is je markt Nederland, draai het logboek dan vanuit Nederland en stel Nederlandse vragen in het Nederlands. - Bewaar het antwoord voordat je het beoordeelt. Kopieer de tekst naar het blad of bewaar de deellink, zodat een ander je regel kan controleren. - Dezelfde lijst, hetzelfde moment. Wekelijks is een werkbaar ritme voor een klein bedrijf. Stel elke vraag per sessie twee of drie keer. Eén run van één vraag is een anekdote. Een rekenvoorbeeld (verzonnen) Stel: een boekhoudkantoor van twee mensen in Haarlem wil dat ChatGPT het citeert bij belastingvragen van kleine ondernemers. De eigenaar schrijft vijf vragen, drie in het Nederlands en twee in het Engels, legt ze vast als versie 1 en stelt elke vraag drie keer op maandag 14 september. Dat zijn 15 runs. Vier van de regels: Tijd Vraag (v1) Genoemd Gelinkt Opmerkingen --- --- --- --- --- 09.10 Hoe vaak moet een zzp'er btw-aangifte doen? nee ja Pagina met btw-deadlines van het kantoor geciteerd; kantoor niet genoemd in de tekst 09.14 Hoe vaak moet een zzp'er btw-aangifte doen? nee nee Citeerde de Belastingdienst en twee softwareleveranciers 09.21 Can a Dutch freelancer reclaim VAT on a laptop? ja ja Genoemd en gelinkt; de pagina onderbouwt de zin 09.30 Wat kost een boekhouder voor een eenmanszaak? (leeg) (leeg) Mislukt: er werd niet gezocht Dezelfde vraag kreeg binnen vier minuten twee verschillende antwoorden. Dat is normaal, en daarom stel je elke vraag meer dan één keer. Aan het eind van de sessie telt de eigenaar: 15 runs, waarvan 1 mislukt, dus 14 voltooid. Vijf keer gelinkt, drie keer genoemd. Het eerlijke verslag past op één regel: gelinkt in 5 van de 14 voltooide runs en genoemd in 3 van de 14; vragenset v1; ChatGPT met zoeken, gedraaid vanuit Haarlem; 14 september. Niet \"36 procent AI-zichtbaarheid\". De regels laten nu al zien waar werk ligt. De pagina met btw-deadlines wordt gelinkt zonder dat de naam van het kantoor in het antwoord staat, dus die pagina heeft een persoon of bedrijfsnaam naast de bewering nodig. De vraag over tarieven moet eerst opnieuw gesteld worden voordat iemand er iets uit concludeert. Hoe maak je van het logboek een getal? Eén regel verdient een vaste plek bovenaan het blad: \"Gelinkt in X van de Y voltooide runs, vragenset vN, machine en modus, periode.\" Elk onderdeel van die zin is verplicht. - De noemer bestaat alleen uit voltooide runs. Meld de mislukte runs ernaast. - Tel merkvragen, vragen waar je naam al in staat, apart. Die testen of de machine je herkent, niet of hij je vindt. - Rapporteer het percentage genoemd en het percentage gelinkt als twee getallen. - Vergelijk geen versies met elkaar. Een anders geformuleerde vraag is een nieuwe vraag. - Zet de aantallen naast elk percentage. Bij 14 runs kan een verschil van twee runs toeval zijn. - Een verschil tussen voor en na laat zien dat de antwoorden veranderden. Het bewijst niet dat jouw aanpassing de oorzaak was. Kunnen GA4 of Search Console dit voor je meten? Nee. Ze meten iets wat ernaast ligt, en elk rapport is het lezen waard. Geen van alle legt citaties in ChatGPT vast. Rapport Wat het telt Wat het je niet vertelt --- --- --- GA4, kanaal AI-assistent (aangekondigd op 13 mei 2026) Bezoeken via bronnen zoals ChatGPT, Gemini, Deepseek, Copilot of Grok Antwoorden die je citeerden zonder dat iemand klikte. Klikken uit de AI-overzichten en de AI-modus van Google tellen als Organische zoekresultaten De tag utm source=chatgpt.com (een label dat ChatGPT aan zijn links hangt) Bezoeken die via een link in ChatGPT binnenkwamen Alles over antwoorden waarop niemand klikte Search Console, prestatierapport over generatieve AI (sinds 31 augustus 2026 voor alle websites) Vertoningen: hoe vaak links naar je site te zien waren in de AI-overzichten en de AI-modus van Google, per pagina, land, datum en apparaat Klikken, de gestelde vragen en alles over ChatGPT Bing Webmaster Tools, AI Performance (openbare preview sinds 10 februari 2026) Hoe vaak je pagina's werden geciteerd in Microsoft Copilot en de AI-samenvattingen van Bing Klikken en alles over ChatGPT De FAQ van OpenAI voor uitgevers verwijst site-eigenaren naar het meten van verwijzingsverkeer in analysetools zoals Google Analytics. Een citatierapport beschrijft die FAQ niet. Voor ChatGPT is het logboek dat je zelf bijhoudt dus de enige rechtstreekse registratie van citaties die je hebt. Wat doe je met elke uitkomst? Een logboek is alleen de moeite waard als elke regel verandert wat je daarna doet. Len schrijft een boek over geciteerd worden door antwoordmachines: The findability engine (in de schrijffase, Engelse editie eerst, nog niet te koop). Daarin heet dit blad het citatielog, en het boek leest het als een routeringstabel: elke uitkomst wijst naar een andere oplossing. Je hebt het boek niet nodig om het blad te gebruiken. Zo ziet dat idee eruit voor de kolommen hierboven: Wat de regels laten zien Wat het meestal betekent Volgende stap --- --- --- Genoemd en gelinkt De pagina werkt Laat hem met rust. Noteer welke URL de machine koos Gelinkt, niet genoemd De machine vond de pagina, maar kon er geen naam aan koppelen Zet een persoon of bedrijfsnaam naast de bewering op die pagina Genoemd, maar gelinkt naar een kopie elders, of niet gelinkt Je idee reisde mee, je pagina niet Publiceer de bewering op één vaste URL op je eigen site Gebruikt zonder bronvermelding Voor jouw idee vertrouwt de machine op een ander, of de formulering is gangbaar Zoek uit waar de beste versie van die zin staat In geen enkele run aanwezig Verkeerde vraag, of geen pagina die hem beantwoordt Ga na of mensen die vraag stellen; schrijf dan de pagina die hem beantwoordt Waarom word ik niet genoemd in ChatGPT loopt die oorzaken langs, van goedkoop naar duur. Heb je de basis nog niet gecontroleerd, dan test de audit op citatiegereedheid één URL in een kwartier, voordat je begint met loggen. Probeer dit vandaag (20 minuten) 1. Open een spreadsheet en zet de acht kolomkoppen van hierboven erin. 2. Schrijf vijf vragen die een klant zou typen voordat hij koopt, in de woorden van de klant en niet in die van je paginatitels. Sla ze op als v1, met de datum van vandaag. 3. Open ChatGPT, start een tijdelijke chat met personalisatie uit, zet zoeken aan en stel vraag één. Bewaar het antwoord en vul de regel in. 4. Doe hetzelfde met de andere vier vragen, elke vraag in een nieuwe chat. 5. Zet hetzelfde tijdstip voor volgende week in je agenda. Vijf regels leveren nog geen percentage op. Ze leveren wel een nulmeting op, een gedateerd verslag van waar je staat voordat je iets verandert, en meestal één verrassing die het aanpakken waard is. Het logboek is expres saai. Juist daardoor kun je volgende maand met deze maand vergelijken.","keyTakeaways":["Eén antwoord bewijst weinig. In een onderzoek van SparkToro uit 2026 gaven ChatGPT en de AI van Google in minder dan 1 op de 100 gevallen twee keer dezelfde merkenlijst.","Noteer per run twee losse feiten: genoemd of niet, gelinkt of niet. Een naam is geen citatie.","Een mislukte run is geen nul. Laat hem buiten de telling en meld hem apart.","GA4, Search Console en Bing tellen bezoeken, vertoningen bij Google en citaties in Copilot. Geen van de drie toont citaties in ChatGPT.","Noem bij een percentage altijd de noemer: welke vragen, welke machine, welke periode."],"readingMinutes":9,"publishedAt":"2026-09-29T19:05:00.000Z"}},"degree":9},{"id":"article:citation-readiness-audit","type":"article","pillar":"seo-geo-aeo","locales":{"en":{"label":"Citation-readiness audit: eligible is not cited","summary":"A citation-readiness audit is a written fail/pass on one public URL. Four checks, in order: can OAI-SearchBot fetch it, is one checkable claim in the first HTML screen with a person or organisation attached, did you test ChatGPT Search rather than a memory chat, and did you log named / linked / used-not-cited as three different outcomes. A page can be eligible for ChatGPT Search and still never be named. Robots.txt, schema, and llms.txt do not close that gap. Google's generative reports measure Google, not ChatGPT. This page is the card; the how-to and the diagnosis are separate pages.","url":"/en/blog/citation-readiness-audit/","searchText":"Citation-readiness audit: eligible is not cited A citation-readiness audit is a fail/pass card for one URL: Search door open, first HTML screen quoteable, a name the engine can attach, and a log of whether you were actually named. Eligibility is not a citation. If you cannot fail the page in fifteen minutes, you do not have an audit. You have a mood. A citation-readiness audit is a written fail/pass on one public URL. Four checks, in order: can OAI-SearchBot fetch it, is one checkable claim in the first HTML screen with a person or organisation attached, did you test ChatGPT Search rather than a memory chat, and did you log named / linked / used-not-cited as three different outcomes. A page can be eligible for ChatGPT Search and still never be named. Robots.txt, schema, and llms.txt do not close that gap. Google's generative reports measure Google, not ChatGPT. This page is the card; the how-to and the diagnosis are separate pages. citation readiness audit ChatGPT Four checks: door, first screen, named test, three-outcome log. Skip one and you are guessing. Eligible is not cited. A crawl is not a name in the answer. Test ChatGPT Search. A memory chat with no sources is the wrong product. This page is the audit. The how-to owns the week of work. The diagnosis page owns the miss. aeo geo CITATION The eight-move framework from The Findability Engine: Cite, Identify, Triangulate, Anchor, Track, Iterate, Optimize, Normalize. The book is in production and not for sale. AEO Writing one URL so an engine can lift a clean capsule. A citation-readiness audit is the card you run before you buy a GEO retainer. One URL. Four checks. A fail is useful. A vibe is not. What is a citation-readiness audit? A written fail/pass on whether an answer engine could name you from that URL, and whether you actually checked. Eligibility is not a citation. A crawl is not your name in the answer. How to get cited by ChatGPT is the week of work. Why ChatGPT does not name you is the diagnosis after a miss. This page is the card you fill in fifteen minutes. The four checks Run them in order. Stopping early is a result. 1. Door. Can OAI-SearchBot fetch the live URL? OpenAI's crawler docs say that bot surfaces sites in ChatGPT Search. Sites that opt out \"will not be shown in ChatGPT search answers,\" though they can still appear as navigational links. The publishers FAQ is blunter: summaries and snippets require you not to block it. GPTBot is training. ChatGPT-User is a person-triggered fetch and does not decide Search inclusion. If a vendor slide collapses those names, throw the slide out. 2. First screen. Fetch the URL the way a crawler does, not the way a browser paints it. This site's audit heuristic: one checkable claim in the server-delivered HTML, with a person or organisation sitting on that claim. OpenAI does not document a universal \"first screen\" citation rule. Treat client-only copy as unverified for the audit. 3. Named test. Turn Search on. Ask the question you actually want to win. A logged-in memory chat with no sources is the wrong product. One run is not a result. 4. Log. Write three columns: named, linked but unnamed, used without attribution. Absence is a door or discovery miss. A source link without your name is a weak entity cue. Apparent reuse without a name is not proof of copying. If you cannot produce the four answers on paper, you do not have an audit. You have a feeling that the competitor is \"better at GEO.\" What a fail means Fail the door: fix robots.txt and wait. OpenAI says a Search-side robots change can take about 24 hours. Then retest. Fail the first screen: move one dated, sourced sentence above the fold in the HTML. Attach a name. Do not add a fake FAQPage. Google ended FAQ rich results on 7 May 2026. Fail the named test: you tested the wrong product, or the page is eligible and still not the capsule. That is the diagnosis page, not a schema plugin. Fail the log: you cannot tell which miss you have. Start logging before you change copy. Google's generative reports in Search Console measure Google. They do not measure ChatGPT. llms.txt is ignored by Google Search. Do not treat a green GSC tile as a citation. What this page is not It is not a ranking guarantee. It is not a ChatGPT algorithm. It is not the nine-step how-to and not the full CITATION expansion. The Findability Engine owns that expansion. The book is in production and not for sale. You can already fail a URL. Write the four answers on a card. Run them on the URL you think should win. If the card is empty, you are not ready to complain that ChatGPT named someone else.","keyTakeaways":["Four checks: door, first screen, named test, three-outcome log. Skip one and you are guessing.","Eligible is not cited. A crawl is not a name in the answer.","Test ChatGPT Search. A memory chat with no sources is the wrong product.","This page is the audit. The how-to owns the week of work. The diagnosis page owns the miss."],"readingMinutes":3,"publishedAt":"2026-09-02T07:00:00.000Z"},"nl":{"label":"Citatiegereedheid-audit: geschikt is niet geciteerd","summary":"Een citatiegereedheid-audit is een geschreven slaag-of-zak-test op één publieke URL. Vier checks, in die volgorde: kan OAI-SearchBot hem ophalen, staat er één controleerbare claim in de server-HTML met een persoon of organisatie erop, testte je ChatGPT Search en geen geheugenchat, en logde je genoemd / gelinkt maar naamloos / gebruikt-zonder-bron als drie uitkomsten. Een pagina kan geschikt zijn voor ChatGPT Search en toch nooit genoemd worden. Robots.txt, schema en llms.txt dichten dat gat niet. De generatieve rapporten van Google meten Google, niet ChatGPT. Deze pagina is de kaart. Hoe je geciteerd wordt door ChatGPT is de langere werkinstructie. Waarom word ik niet genoemd in ChatGPT is de diagnose als de kaart zakt.","url":"/nl/blog/citatiegereedheid-audit/","searchText":"Citatiegereedheid-audit: geschikt is niet geciteerd Een citatiegereedheid-audit is een afvinklijst voor één URL: Search-deur open, eerste HTML-scherm citeerbaar, een naam die de engine eraan kan hangen, en een log of je echt genoemd bent. Geschiktheid is geen citatie. Kun je de pagina in een kwartier afkeuren, dan heb je een audit. Anders heb je een onderbuikgevoel. Een citatiegereedheid-audit is een geschreven slaag-of-zak-test op één publieke URL. Vier checks, in die volgorde: kan OAI-SearchBot hem ophalen, staat er één controleerbare claim in de server-HTML met een persoon of organisatie erop, testte je ChatGPT Search en geen geheugenchat, en logde je genoemd / gelinkt maar naamloos / gebruikt-zonder-bron als drie uitkomsten. Een pagina kan geschikt zijn voor ChatGPT Search en toch nooit genoemd worden. Robots.txt, schema en llms.txt dichten dat gat niet. De generatieve rapporten van Google meten Google, niet ChatGPT. Deze pagina is de kaart. Hoe je geciteerd wordt door ChatGPT is de langere werkinstructie. Waarom word ik niet genoemd in ChatGPT is de diagnose als de kaart zakt. citatiegereedheid-audit ChatGPT Vier checks: deur, eerste scherm, benoemde test, log met drie kolommen. Sla er één over en je raadt. Geschikt is niet geciteerd. Een crawl is geen naam in het antwoord. Test ChatGPT Search. Een geheugenchat zonder bronnen is het verkeerde product. Deze pagina is de audit. De how-to bevat de week werk. De diagnosepagina behandelt de misser. aeo geo CITATION Het raamwerk van acht stappen uit The findability engine: Citeren, Identificeren, Trianguleren, Verankeren, Traceren, Itereren, Optimaliseren, Normaliseren. Het boek is in productie en niet te koop. AEO Eén URL zo schrijven dat een engine er een schone capsule uit kan lichten. Een citatiegereedheid-audit is de kaart die je draait voordat je een GEO-retainer koopt. Eén URL. Vier checks. Zakken is nuttig. Een gevoel niet. Wat is een citatiegereedheid-audit? Een geschreven slaag-of-zak-test of een antwoordmachine jou zou kunnen noemen vanaf die URL, en of je dat zelf hebt nagekeken. Geschiktheid is geen citatie. Een crawl is geen naam in het antwoord. Hoe je geciteerd wordt door ChatGPT is de week werk. Waarom word ik niet genoemd in ChatGPT is de diagnose na een misser. Deze pagina is de kaart die je in een kwartier doorloopt. De vier checks In die volgorde. Eerder stoppen is ook een resultaat. 1. Deur. Kan OAI-SearchBot de live URL ophalen? De crawlerdocs van OpenAI zeggen dat die bot sites in ChatGPT Search toont. Sites die zich afmelden \"will not be shown in ChatGPT search answers,\" al kunnen ze nog als navigatielink verschijnen. De publishers FAQ is harder: samenvattingen en snippets vereisen dat je hem niet blokkeert. GPTBot is training. ChatGPT-User is een ophaalactie die een mens start. Hij zegt niets over Search. Als een leveranciersslide die namen op één hoop gooit, gooi de slide weg. 2. Eerste scherm. Haal de URL op zoals een crawler, niet zoals een browser hem weergeeft. Heuristiek van deze site: één controleerbare claim in de server-HTML, met een persoon of organisatie op die claim. OpenAI documenteert geen universele \"eerste scherm\"-citatie-regel. Behandel copy die alleen client-side bestaat als onbevestigd voor de audit. 3. Benoemde test. Zet Search aan. Stel de vraag die je wilt winnen. Een ingelogde geheugenchat zonder bronnen is het verkeerde product. Eén run is geen resultaat. 4. Log. Drie kolommen: genoemd, gelinkt maar naamloos, gebruikt zonder bron. Noteer afwezigheid als waarneming, niet meteen als oorzaak. Een bronlink zonder jouw naam is een observatie. Schijnbaar hergebruik zonder naam is geen bewijs van overschrijven. Kun je de vier antwoorden niet op papier zetten, dan heb je geen audit. Je hebt het gevoel dat de concurrent \"beter is in GEO.\" Wat een onvoldoende betekent Gezakt op de deur: als OAI-SearchBot geblokkeerd is, pas robots.txt aan en wacht. OpenAI zegt dat een Search-wijziging ongeveer 24 uur kan duren. Daarna opnieuw testen. Staat hij al open, kijk dan naar statuscodes, toegang, noindex en logs voordat je copy wijzigt. Gezakt op de HTML-check: zet één gedateerde, brongebonden zin in de server-HTML, met een naam eraan. Geen nep-FAQPage. Google stopte FAQ rich results op 7 mei 2026. Gezakt op de benoemde test: je hebt het verkeerde product getest, of de pagina is geschikt en nog steeds niet de capsule. Dat is de diagnosepagina, geen schema-plugin. Gezakt op het log: je kunt de missers niet uit elkaar houden. Begin met loggen voordat je zinnen herschrijft. De generatieve rapporten in Search Console meten Google. Ze meten ChatGPT niet. llms.txt wordt door Google Search genegeerd. Behandel een groen GSC-tegeltje niet als citatie. Wat deze pagina niet is Geen rankinggarantie. Geen ChatGPT-algoritme. Geen week van negen stappen en geen volledige CITATION-expansie. The findability engine bezit die expansie. Het boek is in productie en niet te koop. Je kunt een URL nu al laten zakken. Schrijf de vier antwoorden op een kaart. Draai ze op de URL waarvan je denkt dat hij moet winnen. Is de kaart leeg, dan ben je nog niet klaar om te klagen dat ChatGPT iemand anders noemde.","keyTakeaways":["Vier checks: deur, eerste scherm, benoemde test, log met drie kolommen. Sla er één over en je raadt.","Geschikt is niet geciteerd. Een crawl is geen naam in het antwoord.","Test ChatGPT Search. Een geheugenchat zonder bronnen is het verkeerde product.","Deze pagina is de audit. De how-to bevat de week werk. De diagnosepagina behandelt de misser."],"readingMinutes":3,"publishedAt":"2026-09-02T07:05:00.000Z"}},"degree":12},{"id":"article:cobra-effect","type":"article","pillar":"venture-building","locales":{"en":{"label":"The cobra story is unverified. Hanoi's rat bounty is documented.","summary":"The cobra effect is an incentive that makes the problem it pays to fix worse. The familiar Delhi version, in which people bred cobras to collect a bounty, lacks contemporary documentation in the sources reviewed here. Naturalists consulted in Bombay in 1887 judged breeding for rewards highly improbable. Hanoi's 1902 rat-tail bounty has stronger support: historian Michael G. Vann, working from French colonial archives, describes tailless rats, rat farms, and rats brought into the city. The practical distinction is between the measure you reward and the outcome you want.","url":"/en/blog/cobra-effect/","searchText":"The cobra story is unverified. Hanoi's rat bounty is documented. The cobra effect: a reward that worsens the problem it pays to fix. Weigh Delhi's unverified story against Hanoi's rat-tail bounty, then test your incentives. Pay for rat tails and you get rat tails. Whether you get fewer rats is a separate question. The cobra effect is an incentive that makes the problem it pays to fix worse. The familiar Delhi version, in which people bred cobras to collect a bounty, lacks contemporary documentation in the sources reviewed here. Naturalists consulted in Bombay in 1887 judged breeding for rewards highly improbable. Hanoi's 1902 rat-tail bounty has stronger support: historian Michael G. Vann, working from French colonial archives, describes tailless rats, rat farms, and rats brought into the city. The practical distinction is between the measure you reward and the outcome you want. cobra effect The cobra effect is a reward that makes the problem it targets worse. A plausible mechanism does not prove that a story happened. The sources reviewed here do not document the Delhi cobra farms. Naturalists consulted in Bombay in 1887 judged breeding for rewards highly improbable. Historian Michael G. Vann documents Hanoi's 1902 rat-tail bounty from French colonial archives. This article relies on his published accounts, not on the archive. Separate the measure you reward from the outcome you want, then ask how someone could earn the payment without delivering that outcome. Test the reward rule on paper, then check real outcomes. A loophole is a reason to look, not proof that anyone has used it. downstream-effects cobra effect An incentive that makes the problem it pays to fix worse. The name comes from a colonial cobra-bounty story that the sources reviewed here do not document. perverse incentive A reward that encourages behavior that works against the intended goal. bounty A fixed payment per accepted unit of evidence, such as a dead snake or a rat tail. proxy Something you can count that stands in for the outcome you actually want. LEVEL A five-step check for how hard to lean on a claim: Locate, Estimate, Value, Expose, Lean. From The Evidence-Aware Life. A reward can make a problem worse when keeping the problem alive pays better than ending it. That is the cobra effect. The distinction that does the work is between the measure you pay for and the outcome you want. Rat tails handed in can be counted. Fewer live rats is the goal. In the familiar story, British officials in colonial Delhi paid for dead cobras, people bred snakes to collect the bounty, and the snakes were released when the payments stopped. The sources reviewed here do not document those farms. Hanoi's 1902 rat-tail bounty has a stronger paper trail, including accounts of rat farming. Both stories illustrate the same incentive problem. They do not deserve the same confidence as history. What does \"cobra effect\" mean? A perverse incentive rewards behavior that works against the goal it was meant to serve. The cobra effect is the case in which that behavior makes the original problem worse. A bounty pays a fixed amount per unit of evidence, such as a dead snake or a rat tail. The tail stands in for the outcome the payer wants, which makes it a proxy . A KPI, or key performance indicator, is a proxy too, and it carries the same risk once pay depends on it. The risk is that someone can improve the rewarded number while the underlying problem stays the same or gets worse. Where does the cobra story come from? The name is commonly credited to the German economist Horst Siebert and his 2001 book Der Kobra-Effekt . A catalog record confirms the book; its text was not consulted for this article. A 2012 episode of Freakonomics Radio retells the Delhi version, with people farming cobras to collect a bounty. A retelling shows that a story travels. It does not show that the story happened. For that, you need records closer to the alleged events. What do the records actually show? Snake bounties were real. In 1887 the Government of Bombay asked the Bombay Natural History Society about the rewards it paid for killing venomous snakes in Satara and Ratnagiri, and about rumors that people bred snakes to turn them in. The Society's honorary secretary, H. M. Phipson, replied on 8 June 1887 that \"such a thing is highly improbable\". To his knowledge, cobras had never been known to breed in captivity. That was his judgment at the time. Phipson offered a duller explanation for the rumors. People collected wild snake eggs and kept them until they hatched, then claimed the reward if the young were venomous. He thought that practice \"should be encouraged\". Hatching collected eggs is not the same as breeding snakes for a bounty, and his reply kept the two apart. A report by the Friends of Snakes Society, an Indian snake conservation group, traces the breeding rumor to an 1873 newspaper allegation about a snake bounty in the Madras Presidency. It also discusses an 1877 Bombay government resolution that predicted breeding without documenting a case, and an 1891 note in which Sir Joseph Fayrer dismissed the objection that bounties would encourage breeding. The report says its search found no contemporary documentation of cobra-breeding operations and no prosecutions. The breeding rumors it traces come from Madras, Bengal, and Bombay. None comes from Delhi. Read the report as an advocacy source: it argues for retiring the story. Of the historical documents it cites, only the 1887 journal page was checked independently for this article. And missing records do not prove that nobody ever bred a snake for a reward. The claim the evidence supports is narrower than the legend: bounties existed, breeding rumors existed, the naturalists consulted in 1887 doubted the rumors, and the familiar Delhi version remains unverified. What happened in Hanoi in 1902? Here the paper trail is stronger. Historian Michael G. Vann describes finding forms in the French archives that recorded rats reported killed in Hanoi from April to July 1902. He published the episode in the journal French Colonial History in 2003, and later as The Great Hanoi Rat Hunt , a graphic history with illustrator Liz Clarke. This article relies on his published essay and interview, not on the archive itself. Vann's accounts describe this sequence: 1. The sewers the French had built gave rats shelter. As plague spread, rats were coming up through toilets in the French quarter. 2. When workers refused to hunt them, officials offered a bounty. They soon accepted tails alone, to avoid handling possibly infected carcasses. 3. The tail counts looked like success. But they recorded what was handed in, not how many live rats remained. 4. In July an official reported a tailless rat in the suburbs. Investigations turned up rat farms and a network bringing rats into Hanoi. Vann describes people cutting off tails and releasing the rats to breed. 5. Officials abandoned the bounty. Vann also describes the quarantines that followed and the burning of sick people's homes and belongings, measures that angered the Vietnamese community. The evidence supports an account of people gaming the bounty. On its own, it does not tell us the scheme's net effect on the rat population. A tail on the counter was weak proof of a dead rat, and weaker proof still of fewer rats in the city. How do you grade a famous story before you repeat it? Stories need the same separation. An explanation of how an incentive could backfire does not establish that it did. LEVEL is a five-step check for deciding how hard to lean on a claim. It comes from The Evidence-Aware Life. - Locate: name the claim in one sentence, including what supposedly caused what. If you cannot, you are grading packaging. - Estimate: set the bar by what being wrong would cost, not by how badly you want the claim to be true. - Value: name the rung the support actually sits on, then check its quality, independence, and relevance. The book's Evidence Ladder has seven rungs: assertion, anecdote, authority, mechanism, study, convergence, and your own test. They are kinds of support, not a quality scale. - Expose: state the gap between the support you hold and what the decision requires. - Lean: choose a proportionate next step: a bounded action, the right help, or a justified deferral. For a story, that includes how firmly you word it. Here are both stories through the LEVEL check: Step Delhi cobra story Hanoi rat bounty, 1902 --- --- --- Locate A Delhi cobra bounty led people to breed cobras; ending it led them to release the snakes. A tail bounty led people to keep, breed, and bring in rats. Estimate Low stakes as an aside. Higher if you teach it as history or use it to justify a policy. The same. Value Mostly retellings, plus a plausible mechanism. Contemporary records show bounties and rumors, and naturalists doubting the breeding claim. Vann's published accounts of archival forms and official investigations. Expose No direct support for the Delhi farms in the sources reviewed here. Missing records cannot rule them out. One historian's published accounts, not the archive itself. They do not establish the net effect on the rat population. Lean Present it as an unverified parable. Cite Vann for the documented gaming of the bounty. If your team uses either story in a deck, record the source and its limitation beside the claim. An evidence ledger keeps those qualifications attached when the story gets reused. What do both stories teach about paying for a proxy? Hanoi's bounty paid for tails delivered to officials, not for fewer rats in the sewers. Once a tail earned money, a rat released without its tail could keep breeding rats that had tails. The count could rise while the source of future payments stayed in business. The cobra story runs on the same mechanism, which is why it feels true. A plausible mechanism still cannot supply missing records. Consider a hypothetical software company that pays its support team a bonus per ticket closed. The proxy is a closed ticket; the goal is a customer whose problem is solved. If a reopened ticket earns another bonus when it is closed again, closing tickets early could pay repeatedly without solving anything. Whether that can happen depends on the payment rules. It is a loophole to test, not a claim about how support staff behave. The cost can also land outside the rewarded number. In this example, customers could spend more time chasing help while the team records more closures. That would be a downstream effect: a cost that arrives later, lands outside the measure you optimized, and had no owner when the bonus was designed. Checking the outcome means looking past the count that sets the bonus. The four-line check before you set a bounty, bonus, or KPI Line Question Hanoi, 1902 --- --- --- 1 What do I reward, and what outcome do I want? Tails handed in; fewer live rats. 2 How could someone earn the reward without delivering that outcome? Hand in a tail and release the rat, as Vann describes. 3 Could keeping the problem alive earn future payments? Breeding rats could supply more tails. Vann reports rat farms. 4 What evidence could show that the rewarded count is misleading? The reported tailless rat: a tail handed in need not mean a dead rat. If line 2 has an easy answer, or line 3 is a yes, revise the rules before launch. Decide in advance how you will check the real outcome and what happens when payments stop. Ending a reward does not necessarily remove what people built to earn it. Try this today (10 minutes) Pick one bonus, commission, referral reward, or KPI that is tied to pay. Write the actual reward rule beside the outcome you want, then fill in the four lines. Run one hypothetical case through the rule. For the support example, take a ticket that is closed, reopened, and closed again. Would it earn a second bonus while the customer's problem stays unsolved? Check the written rule or the calculation instead of guessing. Then pull one recent rewarded case and look for evidence of the outcome itself. Was the customer's problem actually solved? Write down what you can establish, what remains unknown, and the rule or check you would change. A loophole on paper does not prove anyone has used it, and one clean case does not prove the system is sound. For decisions that are not about pay, use the second-order thinking audit. The question to keep beside any reward is simple: could we pay more while the problem stays the same or gets worse?","keyTakeaways":["The cobra effect is a reward that makes the problem it targets worse. A plausible mechanism does not prove that a story happened.","The sources reviewed here do not document the Delhi cobra farms. Naturalists consulted in Bombay in 1887 judged breeding for rewards highly improbable.","Historian Michael G. Vann documents Hanoi's 1902 rat-tail bounty from French colonial archives. This article relies on his published accounts, not on the archive.","Separate the measure you reward from the outcome you want, then ask how someone could earn the payment without delivering that outcome.","Test the reward rule on paper, then check real outcomes. A loophole is a reason to look, not proof that anyone has used it."],"readingMinutes":9,"publishedAt":"2026-10-14T19:00:00.000Z"},"nl":{"label":"Het cobraverhaal is onbevestigd. De rattenpremie van Hanoi is gedocumenteerd.","summary":"Het cobra-effect is een prikkel die het probleem verergert dat hij moet oplossen. De bekende versie uit Delhi, waarin mensen cobra's fokten om een premie te innen, wordt in de hier geraadpleegde bronnen niet gestaafd met documenten uit die tijd. Natuuronderzoekers die in 1887 in Bombay om advies werden gevraagd, noemden fokken voor een premie hoogst onwaarschijnlijk. De rattenpremie van Hanoi uit 1902 is beter onderbouwd: historicus Michael G. Vann beschrijft op basis van Franse koloniale archieven ratten zonder staart, rattenkwekerijen en ratten die de stad binnen werden gebracht. Het praktische onderscheid ligt tussen de maatstaf die je beloont en de uitkomst die je wilt.","url":"/nl/blog/cobra-effect/","searchText":"Het cobraverhaal is onbevestigd. De rattenpremie van Hanoi is gedocumenteerd. Het cobra-effect: een beloning die het op te lossen probleem verergert. Zet het onbevestigde verhaal uit Delhi naast de rattenpremie van Hanoi en test je prikkels. Betaal voor rattenstaarten en je krijgt rattenstaarten. Of je ook minder ratten krijgt, is een andere vraag. Het cobra-effect is een prikkel die het probleem verergert dat hij moet oplossen. De bekende versie uit Delhi, waarin mensen cobra's fokten om een premie te innen, wordt in de hier geraadpleegde bronnen niet gestaafd met documenten uit die tijd. Natuuronderzoekers die in 1887 in Bombay om advies werden gevraagd, noemden fokken voor een premie hoogst onwaarschijnlijk. De rattenpremie van Hanoi uit 1902 is beter onderbouwd: historicus Michael G. Vann beschrijft op basis van Franse koloniale archieven ratten zonder staart, rattenkwekerijen en ratten die de stad binnen werden gebracht. Het praktische onderscheid ligt tussen de maatstaf die je beloont en de uitkomst die je wilt. cobra-effect Het cobra-effect is een beloning die het probleem verergert waarop ze is gericht. Een aannemelijk mechanisme bewijst niet dat een verhaal echt is gebeurd. De hier geraadpleegde bronnen documenteren de cobrakwekerijen in Delhi niet. Natuuronderzoekers die in 1887 in Bombay om advies werden gevraagd, noemden fokken voor een premie hoogst onwaarschijnlijk. Historicus Michael G. Vann documenteert de rattenpremie van Hanoi uit 1902 op basis van Franse koloniale archieven. Dit artikel steunt op zijn gepubliceerde verslagen, niet op het archief. Scheid de maatstaf die je beloont van de uitkomst die je wilt, en vraag je dan af hoe iemand de beloning kan verdienen zonder die uitkomst te leveren. Test de voorwaarden van de beloning eerst op papier en controleer daarna de echte uitkomsten. Een maas in de regeling is een reden om te gaan kijken, geen bewijs dat iemand erdoor is geglipt. downstream-effects cobra-effect Een prikkel die het probleem verergert dat hij moet oplossen. De naam komt van een koloniaal verhaal over een cobrapremie dat de hier geraadpleegde bronnen niet documenteren. perverse prikkel Een beloning die gedrag aanmoedigt dat tegen het beoogde doel ingaat. premie Een vast bedrag per geaccepteerd bewijsstuk, zoals een dode slang of een rattenstaart. proxy Iets wat je kunt tellen en dat staat voor de uitkomst die je eigenlijk wilt. LEVEL Een check in vijf stappen om te bepalen hoe zwaar je op een claim leunt: Locate, Estimate, Value, Expose, Lean. Uit Het bewijsbewuste leven. Een beloning kan een probleem verergeren als het meer oplevert om het probleem in stand te houden dan om het op te lossen. Dat is het cobra-effect. Het onderscheid waar alles om draait, is dat tussen de maatstaf waarvoor je betaalt en de uitkomst die je wilt. Ingeleverde rattenstaarten kun je tellen. Het doel is minder levende ratten. In het bekende verhaal betaalden Britse bestuurders in koloniaal Delhi voor dode cobra's, gingen mensen slangen fokken om de premie te innen en werden de slangen vrijgelaten toen de betalingen stopten. De hier geraadpleegde bronnen documenteren die kwekerijen niet. Voor de rattenpremie van Hanoi uit 1902 ligt er een sterker papieren spoor, met verslagen over rattenkwekerijen. Beide verhalen tonen hetzelfde probleem met prikkels. Als geschiedenis verdienen ze niet hetzelfde vertrouwen. Wat is het cobra-effect? Een perverse prikkel beloont gedrag dat ingaat tegen het doel dat de beloning moest dienen. Het cobra-effect is het geval waarin dat gedrag het oorspronkelijke probleem verergert. Een premie betaalt een vast bedrag per bewijsstuk, zoals een dode slang of een rattenstaart. De staart staat voor de uitkomst die de betaler wil, en is daarmee een proxy . Een KPI, een kritieke prestatie-indicator, is ook een proxy, met hetzelfde risico zodra er een beloning aan hangt. Dat risico: iemand kan het beloonde getal verbeteren terwijl het onderliggende probleem gelijk blijft of erger wordt. Waar komt het cobraverhaal vandaan? De naam wordt meestal toegeschreven aan de Duitse econoom Horst Siebert en zijn boek Der Kobra-Effekt uit 2001. Een catalogusvermelding bevestigt dat het boek bestaat; de tekst zelf is voor dit artikel niet geraadpleegd. Een aflevering van Freakonomics Radio uit 2012 vertelt de versie uit Delhi na, met mensen die cobra's kweekten om een premie te innen. Een navertelling laat zien dat een verhaal reist. Ze laat niet zien dat het ook echt is gebeurd. Daarvoor heb je documenten nodig die dichter bij de vermeende gebeurtenissen staan. Wat laten de documenten echt zien? Premies op slangen bestonden echt. In 1887 vroeg het bestuur van Bombay de Bombay Natural History Society om advies over de premies die het betaalde voor gedode giftige slangen in Satara en Ratnagiri, en over geruchten dat mensen slangen fokten om ze in te leveren. De eresecretaris van het genootschap, H. M. Phipson, antwoordde op 8 juni 1887 dat \"such a thing is highly improbable\": zoiets was hoogst onwaarschijnlijk. Voor zover hij wist, had een cobra zich nog nooit in gevangenschap voortgeplant. Dat was zijn oordeel op dat moment. Phipson had een saaiere verklaring voor de geruchten. Mensen raapten in het wild slangeneieren op en bewaarden die tot ze uitkwamen; bleken de jongen giftig, dan claimden ze de premie. Die praktijk moest volgens Phipson juist worden aangemoedigd (\"should be encouraged\"). Opgeraapte eieren laten uitkomen is iets anders dan slangen fokken voor een premie, en zijn antwoord hield die twee uit elkaar. Een rapport van de Friends of Snakes Society, een Indiase organisatie voor slangenbescherming, herleidt het fokgerucht tot een krantenbewering uit 1873 over een slangenpremie in het presidentschap Madras. Het bespreekt ook een besluit van het bestuur van Bombay uit 1877 dat fokken voorspelde zonder één geval aan te wijzen, en een notitie uit 1891 waarin Sir Joseph Fayrer het bezwaar afwees dat premies tot fokken zouden leiden. Volgens het rapport leverde de zoektocht geen enkel document uit die tijd op over cobrakwekerijen, en geen enkele vervolging. De fokgeruchten die het natrekt, komen uit Madras, Bengalen en Bombay. Geen daarvan komt uit Delhi. Lees het rapport als belangenbron: het wil het verhaal uit de roulatie halen. Van de historische documenten die het aanhaalt, is voor dit artikel alleen de tijdschriftpagina uit 1887 zelf gecontroleerd. En ontbrekende documenten bewijzen niet dat nooit iemand een slang voor een premie heeft gefokt. De claim die het bewijs draagt, is bescheidener dan de legende: premies bestonden, fokgeruchten bestonden, de natuuronderzoekers die in 1887 werden geraadpleegd, twijfelden aan die geruchten, en de bekende versie uit Delhi blijft onbevestigd. Wat gebeurde er in 1902 in Hanoi? Hier is het papieren spoor sterker. Historicus Michael G. Vann beschrijft hoe hij in de Franse archieven formulieren vond waarop werd bijgehouden hoeveel ratten er in Hanoi als gedood waren gemeld, van april tot juli 1902. Hij publiceerde de episode in 2003 in het tijdschrift French Colonial History , en later als The Great Hanoi Rat Hunt , een geschiedenis in stripvorm met illustrator Liz Clarke. Dit artikel steunt op zijn gepubliceerde essay en interview, niet op het archief zelf. Volgens Vann verliep het zo: 1. De riolen die de Fransen hadden aangelegd, boden ratten onderdak. Terwijl de pest om zich heen greep, kwamen er in de Franse wijk ratten via de wc naar boven. 2. Toen arbeiders weigerden op de ratten te jagen, loofde het bestuur een premie uit. Al snel nam het alleen nog staarten aan, om geen mogelijk besmette kadavers in handen te krijgen. 3. De staarttellingen zagen eruit als succes. Maar ze registreerden wat er werd ingeleverd, niet hoeveel levende ratten er nog waren. 4. In juli meldde een ambtenaar een rat zonder staart in een buitenwijk. Onderzoek bracht rattenkwekerijen aan het licht, en een netwerk dat ratten Hanoi binnenbracht. Vann beschrijft hoe mensen ratten de staart afsneden en ze vrijlieten om te fokken. 5. Het bestuur schafte de premie af. Vann beschrijft ook de quarantaines die volgden en het verbranden van huizen en bezittingen van zieken, maatregelen die woede wekten bij de Vietnamese bevolking. Het bewijs ondersteunt het beeld van mensen die misbruik maakten van de premie. Op zichzelf zegt het niet wat de regeling per saldo met het aantal ratten deed. Een staart op de balie was zwak bewijs voor een dode rat, en nog zwakker bewijs voor minder ratten in de stad. Hoe beoordeel je een beroemd verhaal voordat je het doorvertelt? Verhalen vragen om hetzelfde onderscheid. Een verklaring van hoe een prikkel averechts kan werken, bewijst niet dat het ook zo is gegaan. LEVEL is een check in vijf stappen om te bepalen hoe zwaar je op een claim kunt leunen. De check komt uit Het bewijsbewuste leven. - Locate: benoem de claim in één zin, met de veronderstelde oorzaak en het gevolg. Lukt dat niet, dan beoordeel je verpakking. - Estimate: leg de lat bij wat ongelijk hebben zou kosten, niet bij hoe graag je wilt dat de claim klopt. - Value: benoem de sport waar het bewijs echt op staat, en toets binnen die sport de kwaliteit, onafhankelijkheid en relevantie. De Bewijsladder uit het boek telt zeven sporten: bewering, anekdote, autoriteit, mechanisme, studie, convergentie en je eigen test. Het zijn soorten onderbouwing, geen kwaliteitsschaal. - Expose: leg de kloof bloot tussen het bewijs dat je hebt en wat de beslissing vraagt. - Lean: kies een passende volgende stap: een afgebakende actie, gepaste hulp of een gerechtvaardigd uitstel. Bij een verhaal gaat het daarbij ook om hoe stellig je het vertelt. Zo zien beide verhalen eruit als je ze door de LEVEL-check haalt: Stap Cobraverhaal uit Delhi Rattenpremie in Hanoi, 1902 --- --- --- Locate Een cobrapremie in Delhi bracht mensen ertoe cobra's te fokken; toen de premie verdween, lieten ze de slangen vrij. Een premie per staart bracht mensen ertoe ratten te houden, te fokken en de stad in te brengen. Estimate Weinig op het spel als terloopse anekdote. Meer als je het als geschiedenis onderwijst of er beleid mee rechtvaardigt. Hetzelfde. Value Vooral navertellingen, plus een aannemelijk mechanisme. Documenten uit die tijd tonen premies en geruchten, en natuuronderzoekers die aan het fokken twijfelden. De gepubliceerde verslagen van Vann over archiefformulieren en ambtelijk onderzoek. Expose Geen direct bewijs voor de kwekerijen in Delhi in de hier geraadpleegde bronnen. Ontbrekende documenten sluiten ze niet uit. De gepubliceerde verslagen van één historicus, niet het archief zelf. Ze stellen niet vast wat de premie per saldo met het aantal ratten deed. Lean Vertel het als onbevestigde parabel. Noem Vann als bron voor het gedocumenteerde misbruik van de premie. Gebruikt je team een van beide verhalen in een presentatie? Zet de bron en de beperking dan naast de claim. Een bewijsregister houdt die kanttekeningen aan het verhaal vast wanneer het opnieuw wordt gebruikt. Wat leren beide verhalen over betalen voor een proxy? De premie in Hanoi betaalde voor staarten die bij ambtenaren werden ingeleverd, niet voor minder ratten in het riool. Zodra een staart geld opleverde, kon een rat die zonder staart werd vrijgelaten gewoon ratten mét staart blijven voortbrengen. De telling kon dus stijgen terwijl de bron van toekomstige betalingen in bedrijf bleef. Het cobraverhaal draait op hetzelfde mechanisme, en daarom klinkt het waar. Maar een aannemelijk mechanisme kan ontbrekende documenten niet vervangen. Neem een hypothetisch softwarebedrijf dat zijn supportteam een bonus per gesloten ticket betaalt. De proxy is een gesloten ticket; het doel is een klant wiens probleem is opgelost. Levert een heropend ticket opnieuw een bonus op zodra het weer wordt gesloten, dan kan voortijdig sluiten keer op keer lonen zonder dat er iets wordt opgelost. Of dat kan, hangt af van de uitbetalingsvoorwaarden. Het is een mogelijke maas in de regeling, iets om te testen, geen uitspraak over hoe supportmedewerkers zich gedragen. De kosten kunnen ook buiten het beloonde getal terechtkomen. In dit voorbeeld zijn klanten misschien meer tijd kwijt aan het zoeken naar hulp, terwijl het team meer gesloten tickets noteert. Dat zou een stroomafwaarts effect zijn: een kostenpost die later opduikt, terechtkomt buiten de maatstaf die je optimaliseerde, en bij het ontwerp van de bonus geen eigenaar had. De uitkomst controleren betekent verder kijken dan de telling waarop de bonus wordt berekend. De vierregelcheck voordat je een premie, bonus of KPI instelt Regel Vraag Hanoi, 1902 --- --- --- 1 Wat beloon ik, en welke uitkomst wil ik? Ingeleverde staarten; minder levende ratten. 2 Hoe kan iemand de beloning verdienen zonder die uitkomst te leveren? Een staart inleveren en de rat vrijlaten, zoals Vann beschrijft. 3 Kan het in stand houden van het probleem toekomstige betalingen opleveren? Fokkende ratten konden meer staarten leveren. Vann meldt rattenkwekerijen. 4 Welk bewijs zou laten zien dat de beloonde telling misleidt? De gemelde rat zonder staart: een ingeleverde staart hoefde geen dode rat te betekenen. Heeft regel 2 een makkelijk antwoord, of is het antwoord op regel 3 ja? Pas de regeling dan aan vóór de start. Bepaal vooraf hoe je de echte uitkomst controleert en wat er gebeurt als de betalingen stoppen. Een beloning afschaffen ruimt niet vanzelf op wat mensen hebben opgebouwd om haar te verdienen. Probeer dit vandaag (tien minuten) Kies één bonus, provisie, aanbrengpremie of KPI waar geld aan hangt. Zet de precieze voorwaarden van de beloning naast de uitkomst die je wilt, en vul daarna de vier regels van de check in. Haal één hypothetisch geval door de regeling. Neem voor het supportvoorbeeld een ticket dat wordt gesloten, heropend en opnieuw gesloten. Levert dat een tweede bonus op terwijl het probleem van de klant blijft bestaan? Kijk het na in de geschreven voorwaarden of de berekening, in plaats van te gokken. Pak daarna één recent beloond geval en zoek bewijs voor de uitkomst zelf. Is het probleem van de klant echt opgelost? Noteer wat je kunt vaststellen, wat onbekend blijft en welke voorwaarde of controle je zou aanpassen. Een maas in de regeling bewijst niet dat iemand erdoor is geglipt, en één geval zonder misbruik bewijst niet dat het systeem deugt. Voor besluiten die niet over beloning gaan, gebruik je de tweede-orde-denken-audit. De vraag die je naast elke beloning legt, is eenvoudig: kunnen we meer gaan betalen terwijl het probleem gelijk blijft of erger wordt?","keyTakeaways":["Het cobra-effect is een beloning die het probleem verergert waarop ze is gericht. Een aannemelijk mechanisme bewijst niet dat een verhaal echt is gebeurd.","De hier geraadpleegde bronnen documenteren de cobrakwekerijen in Delhi niet. Natuuronderzoekers die in 1887 in Bombay om advies werden gevraagd, noemden fokken voor een premie hoogst onwaarschijnlijk.","Historicus Michael G. Vann documenteert de rattenpremie van Hanoi uit 1902 op basis van Franse koloniale archieven. Dit artikel steunt op zijn gepubliceerde verslagen, niet op het archief.","Scheid de maatstaf die je beloont van de uitkomst die je wilt, en vraag je dan af hoe iemand de beloning kan verdienen zonder die uitkomst te leveren.","Test de voorwaarden van de beloning eerst op papier en controleer daarna de echte uitkomsten. Een maas in de regeling is een reden om te gaan kijken, geen bewijs dat iemand erdoor is geglipt."],"readingMinutes":9,"publishedAt":"2026-10-14T19:05:00.000Z"}},"degree":6},{"id":"article:content-architecture-answer-engines","type":"article","pillar":"seo-geo-aeo","locales":{"en":{"label":"Content architecture that answer engines can lift","summary":"Content architecture for answer engines is not a schema trick. An engine can lift a page only when the claim is stated once, on one URL, attached to a named person or organization it can verify, and backed by evidence it can see. GEO is the system. AEO is the page. The standard is a page that is discoverable, attributed, answer-shaped, evidenced, and actually used. Structured data can name the entity. It does not guarantee a citation. FAQPage is not a current rich-result tactic. If the same idea lives in six half-pages, the engine will quote someone who wrote it once.","url":"/en/blog/content-architecture-for-answer-engines/","searchText":"Content architecture that answer engines can lift Answer engines lift a clean capsule: one claim per URL, named entities, visible sources. Structured data can clarify that. It does not guarantee a citation. FAQPage will not save a smeared claim. One claim per URL, named entities, and structured data a machine can quote without inventing you. Content architecture for answer engines is not a schema trick. An engine can lift a page only when the claim is stated once, on one URL, attached to a named person or organization it can verify, and backed by evidence it can see. GEO is the system. AEO is the page. The standard is a page that is discoverable, attributed, answer-shaped, evidenced, and actually used. Structured data can name the entity. It does not guarantee a citation. FAQPage is not a current rich-result tactic. If the same idea lives in six half-pages, the engine will quote someone who wrote it once. content architecture for answer engines One claim, one URL. If you cannot point at the sentence, the engine cannot either. Name the entity. sameAs and DefinedTerm help a machine not invent you. Schema clarifies. It does not guarantee a lift. Do not ship FAQPage for rich results. How engines choose sources is a different article. This page is the architecture of the page they would lift. geo aeo CITATION The eight-move framework from The Findability Engine: Cite, Identify, Triangulate, Anchor, Track, Iterate, Optimize, Normalize. The book is in production and not for sale. GEO Becoming a source an answer engine can retrieve, interpret, extract, and verify. AEO Writing one URL so an engine can lift a clean capsule. A page can rank and still never appear in an answer. The usual diagnosis is \"we need more GEO.\" Often the claim is smeared: a half-definition on the homepage, a metaphor in a newsletter, a third version on a book page, none of them a sentence a machine can lift without inventing you. How answer engines select sources is the selection article: crawl, understand, extract, trust. This page is the architecture of the thing they would extract. One claim, one URL AEO is the craft of one URL. A direct answer near the top. Named entities. Visible sources. No invented FAQ schema. If you cannot point at the sentence that owns the claim, you do not have a page. You have a theme. Write the claim in one line. Put it on one address. Link the rest of the site to that address. Do not rewrite it six times in six tones and hope the engine picks the least wrong one. That is also the first move in CITATION, the eight-move framework from The Findability Engine: Cite , make every claim attributable, named, and citable. Identify, Triangulate, Anchor, Track, Iterate, Optimize, and Normalize follow. Search eligibility is not enough. The engine lifts the first clean capsule it can verify. A smeared claim, then one owner Suppose the claim is: an AI agent holds a goal, uses tools, and continues across steps under a charter. Smeared, it lives as a slogan on the homepage, a looser paragraph in a newsletter, and a third wording on a book page. None of them is the sentence. An engine that quotes you has to invent the short form. Owned, it lives on What is an AI agent?. The homepage links there. The newsletter links there. The book page links there. The glossary capsule agrees. One URL. One first screen. The rest of the site is a path, not a remix. That is architecture. Selection is a different job, already written. Name the entity, do not make the machine guess Attribution fails when the machine cannot tell who you are. Give the person and the organization stable names. Repeat them. Point sameAs at the profiles you actually control. If you define a term, give it a DefinedTerm page with one definition, not a slogan. Structured data can carry that identity. Google is explicit that markup does not guarantee a rich result and is not required for generative search. Use it to stop the engine inventing a second you. Do not use it as a citation spell. Do not ship FAQPage for rich results. Ordinary FAQ rich results ended on 7 May 2026. A visible question-and-answer block can still help a reader. It is not a current rich-result tactic. The selection article already sources that. llms.txt is a convenience file. It does not replace crawlable HTML. Do not treat it as a ranking lever. The first screen is the capsule A tired reader, and a machine, should be able to use the page without a scroll of throat-clearing. - One sentence that states the claim, with its conditions. - The named person or organization. - The source a stranger could check. - Then depth. Length is allowed. Hiding the claim in paragraph nine is not. If the first screen is a brand manifesto, you asked the engine to write your definition for you. Gates before lift A capsule that cannot survive a fact-check is not architecture. It is a faster way to be wrong in someone else's answer. BooksOS is the live production system in The Agentic Author: evidence, quotation, voice, figures, bilingual parity, typesetting, and a refusal to ship below threshold. Agents draft. Gates decide. If a claim would fail those gates, do not put it in the first screen and call it AEO. The Findability Engine is the book that treats this as an operating system: identity, evidence, retrieval-ready content, proof assets. It is in production, English first. It is not for sale. The standard is already how this site is built: one glossary row, one framework URL, one person sameAs list, no manuscript books in the sitemap. GEO is the system around the page. This article is the page. A fifteen-minute audit Pick the claim you most want cited. Step Pass looks like Fail looks like --- --- --- 1. One sentence You can read it aloud A theme, a vibe, three versions 2. One URL You paste a single address You need two tabs 3. Named entity sameAs resolves 404, or a nickname the rest of the web does not use 4. Checkable source A stranger can open it “Leading study,” no link 5. Schema honesty Identity markup, no FAQPage for a dead rich result FAQ schema as a citation spell If step 2 or 4 is blank, stop buying \"GEO retainers.\" Fix the page. The engine cannot lift what you refused to state once.","keyTakeaways":["One claim, one URL. If you cannot point at the sentence, the engine cannot either.","Name the entity. sameAs and DefinedTerm help a machine not invent you.","Schema clarifies. It does not guarantee a lift. Do not ship FAQPage for rich results.","How engines choose sources is a different article. This page is the architecture of the page they would lift."],"readingMinutes":4,"publishedAt":"2026-08-22T09:00:00.000Z"},"nl":{"label":"Contentarchitectuur die antwoordmachines kunnen citeren","summary":"Contentarchitectuur voor antwoordmachines is geen truc met schema's. Een machine kan een pagina alleen citeren wanneer de claim eenmalig wordt gesteld, op één URL, gekoppeld aan een benoemd persoon of organisatie die hij kan verifiëren en onderbouwd door bewijs dat hij kan zien. GEO is het systeem. AEO is de pagina. De lat ligt bij een pagina die vindbaar, toegeschreven, antwoordvormig, onderbouwd en daadwerkelijk gebruikt is. Gestructureerde data kan de entiteit benoemen. Ze garandeert geen citatie. FAQPage is geen actuele tactiek voor rich results. Als hetzelfde idee op zes halve pagina's leeft, citeert de machine iemand die het één keer heeft opgeschreven.","url":"/nl/blog/contentarchitectuur-voor-antwoordmachines/","searchText":"Contentarchitectuur die antwoordmachines kunnen citeren Antwoordmachines citeren een schone capsule: één claim per URL, benoemde entiteiten, zichtbare bronnen. Gestructureerde data kan dat verduidelijken. Ze garandeert geen citatie. FAQPage redt een uitgesmeerde claim niet. Eén claim per URL, benoemde entiteiten en gestructureerde data die een machine kan citeren zonder jou te verzinnen. Contentarchitectuur voor antwoordmachines is geen truc met schema's. Een machine kan een pagina alleen citeren wanneer de claim eenmalig wordt gesteld, op één URL, gekoppeld aan een benoemd persoon of organisatie die hij kan verifiëren en onderbouwd door bewijs dat hij kan zien. GEO is het systeem. AEO is de pagina. De lat ligt bij een pagina die vindbaar, toegeschreven, antwoordvormig, onderbouwd en daadwerkelijk gebruikt is. Gestructureerde data kan de entiteit benoemen. Ze garandeert geen citatie. FAQPage is geen actuele tactiek voor rich results. Als hetzelfde idee op zes halve pagina's leeft, citeert de machine iemand die het één keer heeft opgeschreven. contentarchitectuur voor antwoordmachines Eén claim, één URL. Als jij niet naar de zin kunt wijzen, kan de machine dat ook niet. Benoem de entiteit. sameAs en DefinedTerm helpen een machine om jou niet te verzinnen. Schema verduidelijkt. Het garandeert geen citatie. Gebruik geen FAQPage voor rich results. Hoe machines bronnen selecteren is een ander artikel. Deze pagina gaat over de architectuur van de pagina die ze zouden citeren. geo aeo CITATION Het raamwerk van acht stappen uit The findability engine: Citeren, Identificeren, Trianguleren, Verankeren, Traceren, Itereren, Optimaliseren, Normaliseren. Het boek is in productie en niet te koop. GEO Een bron worden die een antwoordmachine kan ophalen, interpreteren, extraheren en verifiëren. AEO Eén URL zo schrijven dat een machine een schone capsule kan citeren. Een pagina kan hoog ranken en toch nooit in een antwoord verschijnen. De standaarddiagnose is dan: \"we hebben meer GEO nodig.\" Maar vaak is de claim simpelweg versnipperd: een halve definitie op de homepage, een metafoor in een nieuwsbrief en een derde variant op een boekpagina. Geen van alle is een heldere zin die een machine kan citeren zonder een nieuwe versie van jou te hoeven bedenken. Hoe zoek- en antwoordmachines bronnen kiezen is het artikel over selectie: crawlen, begrijpen, extraheren, vertrouwen. Deze pagina gaat over de architectuur van de content die ze daadwerkelijk zouden extraheren. Eén claim, één URL AEO is het ambacht van die ene URL. Een direct antwoord bovenaan de pagina. Benoemde entiteiten. Zichtbare bronnen. Geen verzonnen FAQ-schema. Als je niet de exacte zin kunt aanwijzen die de claim bezit, heb je geen pagina. Dan heb je een thema. Schrijf de claim in één regel. Plaats deze op één adres. Link de rest van je site naar dat adres. Schrijf hem niet zes keer opnieuw in zes verschillende toonaarden, in de hoop dat de engine de minst slechte variant kiest. Dat is ook de eerste stap van CITATION, het raamwerk van acht stappen uit The findability engine: Citeren , maak elke claim toeschrijfbaar, benoemd en citeerbaar. Daarna volgen Identificeren, Trianguleren, Verankeren, Traceren, Itereren, Optimaliseren en Normaliseren. Alleen in aanmerking komen voor search is niet genoeg. De engine citeert de eerste zuivere capsule die hij kan verifiëren. Een versnipperde claim, en dan één eigenaar Stel de claim is: een AI-agent heeft een doel, gebruikt tools en voert meerdere stappen uit onder een charter. Versnipperd leeft deze claim als een slogan op je homepage, een wat lossere alinea in een nieuwsbrief en een derde formulering op een boekpagina. Geen van deze is dé zin. Een engine die jou wil citeren, moet daardoor zelf maar een korte versie bedenken. In eigendom leeft hij op Wat is een AI-agent?. De homepage linkt daarnaar. De nieuwsbrief linkt daarnaar. De boekpagina linkt daarnaar. De capsule in de begrippenlijst sluit hierbij aan. Eén URL. Eén eerste scherm. De rest van je site is een pad ernaartoe, geen remix. Dat is architectuur. Selectie is een andere taak, en daar is al over geschreven. Benoem de entiteit, laat de machine niet raden Attributie faalt wanneer de machine niet kan vaststellen wie je bent. Geef de persoon en de organisatie stabiele namen. Herhaal deze. Wijs met sameAs naar de profielen die je daadwerkelijk beheert. Als je een term definieert, geef deze dan een DefinedTerm-pagina met één strakke definitie, niet een slogan. Gestructureerde data kan die identiteit dragen. Google is er expliciet over dat markup geen garantie biedt voor een rich result en ook niet vereist is voor generatief zoeken. Gebruik ze om te voorkomen dat de engine een tweede versie van jou verzint. Gebruik ze niet als een magische truc voor een citatie. Plaats geen FAQPage puur voor rich results. Reguliere FAQ rich results zijn op 7 mei 2026 beëindigd. Een zichtbaar vraag-en-antwoordblok kan een lezer nog steeds helpen, maar het is geen actuele tactiek meer voor rich results. Het selectie-artikel onderbouwt dit al. Een llms.txt is een handig hulpmiddel. Het vervangt geen crawlbare HTML. Behandel het niet als een knop om je ranking te beïnvloeden. Het eerste scherm is de capsule Een vermoeide lezer, en een machine, moeten je pagina kunnen gebruiken zonder eerst door een ellenlange aanloop te hoeven scrollen. - Eén zin die de claim stelt, inclusief de voorwaarden. - De benoemde persoon of organisatie. - De bron die een buitenstaander kan controleren. - Daarna pas de diepte in. Lengte is toegestaan. Je claim verstoppen in alinea negen is dat niet. Als je eerste scherm een merkmanifest is, heb je de engine in feite gevraagd om de definitie voor jou te schrijven. Gates voor citeren Een capsule die een factcheck niet overleeft, is geen architectuur. Het is gewoon een snellere manier om ongelijk te hebben in het antwoord van iemand anders. BooksOS is het live productiesysteem in De agentische auteur: bewijsvoering, citaten, voice, figuren, tweetalige pariteit, typografie en een absolute weigering om te shippen als het niet aan de drempelwaarde voldoet. Agents maken de opzet. Gates beslissen. Als een claim die gates niet zou overleven, zet hem dan niet in het eerste scherm om het vervolgens AEO te noemen. The findability engine is het boek dat dit benadert als een besturingssysteem: identiteit, bewijs, retrieval-ready content, proof assets. Het is in productie, eerst in het Engels. Het is niet te koop. De standaard is hoe deze site nu al is gebouwd: één begrippenrij, één framework-URL, één sameAs -lijst voor een persoon, geen manuscripten in de sitemap. GEO is het systeem rondom de pagina. Dit artikel is de pagina zelf. Een audit van vijftien minuten Kies de claim die je het liefst geciteerd ziet worden. Stap Pass ziet er zo uit Fail ziet er zo uit --- --- --- 1. Eén zin Je kunt het hardop voorlezen Een thema, een vibe, drie versies 2. Eén URL Je plakt een enkel adres Je hebt twee tabbladen nodig 3. Benoemde entiteit sameAs linkt correct 404, of een bijnaam die de rest van het web niet gebruikt 4. Controleerbare bron Een buitenstaander kan het openen \"Toonaangevende studie,\" zonder link 5. Eerlijk schema Identiteits-markup, geen FAQPage voor een dood rich result FAQ-schema als magische truc voor citaties Als stap 2 of 4 leeg is, stop dan met het inkopen van \"GEO-retainers\". Fix de pagina. De engine kan niet citeren wat jij weigert om minstens één keer helder te formuleren.","keyTakeaways":["Eén claim, één URL. Als jij niet naar de zin kunt wijzen, kan de machine dat ook niet.","Benoem de entiteit. sameAs en DefinedTerm helpen een machine om jou niet te verzinnen.","Schema verduidelijkt. Het garandeert geen citatie. Gebruik geen FAQPage voor rich results.","Hoe machines bronnen selecteren is een ander artikel. Deze pagina gaat over de architectuur van de pagina die ze zouden citeren."],"readingMinutes":5,"publishedAt":"2026-08-22T09:05:00.000Z"}},"degree":14},{"id":"article:do-90-percent-of-startups-fail","type":"article","pillar":"founder-performance","locales":{"en":{"label":"Do 90% of startups fail? How to fact-check a viral statistic in ten minutes","summary":"No, not in the sense most posts mean. US government data show that 34.7% of private-sector business locations opened in the year to March 2015 were still operating in March 2025, so about two in three had closed after ten years, not nine in ten. In the Netherlands, 64.7% of businesses founded in 2015 still existed five years later. A 90 to 95% figure does exist, but Harvard's Shikhar Ghosh used it for start-ups that fall short of their own projections, not for companies that close.","url":"/en/blog/do-90-percent-of-startups-fail/","searchText":"Do 90% of startups fail? How to fact-check a viral statistic in ten minutes Do 90% of startups fail? US and Dutch government data say no. Where the number comes from, what 'fail' means, and a ten-minute method to check any statistic. The 90% figure does exist somewhere. It just measures something other than what the post says. No, not in the sense most posts mean. US government data show that 34.7% of private-sector business locations opened in the year to March 2015 were still operating in March 2025, so about two in three had closed after ten years, not nine in ten. In the Netherlands, 64.7% of businesses founded in 2015 still existed five years later. A 90 to 95% figure does exist, but Harvard's Shikhar Ghosh used it for start-ups that fall short of their own projections, not for companies that close. do 90% of startups fail US data: 34.7% of business locations opened in the year to March 2015 were still operating ten years later. About two in three closed, not nine in ten. Dutch data: 64.7% of businesses founded in 2015 still existed in 2020. The 90 to 95% figure that does exist counts start-ups that missed their own projections, not start-ups that shut down. Which companies, what event, over what time: change one of the three and the answer moves from about 20% to about 95%. founder-resilience establishment The US Bureau of Labor Statistics' unit for one business location. A chain that opens a new branch adds a new establishment. survival rate The share of businesses that opened in a given year and are still operating a set number of years later. primary source The original table, dataset or paper that produced a number, as opposed to an article or post that repeats it. LEVEL A five-step check from The Evidence-Aware Life for deciding how much weight a claim can bear: Locate, Estimate, Value, Expose, Lean. No, not in the sense most posts mean. Official US data show that about a third of new business locations are still operating ten years after they open. So roughly two in three closed, not nine in ten. And the best-known 90% figure measures something else: start-ups that fell short of their own projections, not start-ups that shut down. The real question is what \"fail\" means, which companies are counted, and over how many years. Change any one of the three and the answer moves from about 20% to about 95%. This page shows where the numbers come from, then gives you a ten-minute method for the next viral statistic. Where does \"90% of startups fail\" come from? We could not find a dataset behind the round number. The oldest dated document we could open that states it is a 2011 Startup Genome report on \"premature scaling\" (growing faster than the business can support), edited in March 2012. Its introduction says: \"More than 90% of startups fail, due primarily to self-destruction rather than competition.\" That sentence has no source attached, no time period and no definition of \"fail\". The report's own data came from more than 3,200 high-growth technology startups, and it studied why they scale too early, not how many close. Since then the line has been repeated in thousands of posts. Repetition is not evidence. The Evidence-Aware Life has a phrase for it: one source in twenty coats. What does the official data show? The US Bureau of Labor Statistics (BLS) follows private-sector business locations that report employees, through its Business Employment Dynamics program. Its Table 7 tracks each year's new openings over time; \"still operating\" here means the location still reports employees. From the table as published, with data through March 2025: Opened in the year to Still operating in March 2025 Years later --- --- --- March 2024 77.9% 1 March 2020 51.4% 5 March 2015 34.7% 10 March 1994 12.6% 31 So roughly one in five new locations closes within a year, about half within five years, and about two in three within ten. That is a real, checkable pattern. It is not 90%. The Netherlands tells a similar story. Statistics Netherlands (CBS) reported in November 2022 that of the roughly 153,000 businesses founded in 2015, almost 96% still existed a year later and 64.7% in 2020. Among new employers (businesses hiring staff for the first time), 48.6% were still employers five years later. Why does the definition change the answer? Three things carry the whole statistic: which companies , what counts as failing , and by when . The table below puts six versions side by side. For the BLS and CBS rows, the failure share is 100 minus the published survival rate. If \"fail\" means Who is counted Share that \"failed\" Source --- --- --- --- Location stopped operating within 1 year US private-sector locations opened in the year to March 2024 22.1% BLS Table 7 Same, within 10 years Opened in the year to March 2015 65.3% BLS Table 7 Business no longer exists after 5 years Dutch businesses founded in 2015 35.3% CBS Assets liquidated, investors lose most or all their money Start-ups, in Ghosh's estimate 30-40% HBS Working Knowledge, 2011 Did not deliver the projected return Same 70-80% Same Declared a projection, then fell short of it Same 90-95% Same The last three rows come from Shikhar Ghosh, a senior lecturer at Harvard Business School, as reported by the school's Working Knowledge site in 2011. The article does not describe his underlying sample, so treat them as an expert's estimates, not a published table. Look at what the 90-95% row actually measures. Ghosh put it plainly: \"Very few companies achieve their initial projections. Failure is the norm.\" Missing your own forecast is common. It is not the same event as closing down. Two more traps sit inside the definitions: - A business is not a startup. The BLS and CBS figures cover every kind of new business: restaurants, plumbers, consultancies, shops. They are not startup-only figures, and a venture-funded tech company is a small, different group. - Closed is not the same as failed. The BLS counts locations, not companies. Its own FAQ gives the example: when a chain opens a new branch, that counts as a new opening. A chain that shuts one branch adds a closure even if the company is doing well. The table records that a location stopped reporting employees; it does not record why. How LEVEL grades the claim LEVEL is a five-step check for deciding how much weight a claim can bear before you act on it. It comes from The Evidence-Aware Life, which is available now. You do not need the book to use it. Here it is, applied to \"90% of startups fail\": 1. Locate: say the claim in one sentence that could be checked. \"Nine out of ten new businesses close within X years.\" If you cannot fill in the X and the kind of business, you are judging the packaging, not a claim. 2. Estimate: decide what being wrong would cost. Quoting it in a pitch deck to an investor who knows the BLS table costs credibility. Using it to talk yourself out of, or into, a big decision can cost far more. Higher stakes need better evidence. 3. Value: place the evidence on the book's Evidence Ladder, seven kinds of support: assertion, anecdote, authority, mechanism, study, convergence and your own test. The book treats these as kinds, not a ranking, so you still check quality within each. The Startup Genome sentence is an assertion. Ghosh's estimates are authority: an expert's judgment without a published table. The BLS and CBS tables are systematic measurement. 4. Expose: state the strongest case against the claim before you use it. Against \"90% close\": the BLS table shows about 65% after ten years. For the claim: if \"fail\" means missing your own projections, Ghosh's 90-95% supports it. 5. Lean: act only as firmly as the evidence and the stakes allow. Use the version you can defend: \"About a third of new US business locations are still operating ten years after opening (BLS).\" The LEVEL framework page has the full method. The ten-minute method For the next viral statistic, set a timer. Minutes Do this --- --- 0-2 Rewrite the claim with three blanks filled in: who is counted, what event, over what time. 2-5 Trace it. Search the exact number plus \"report\" or \"data\". Open the oldest document you can find. Does it show a table, or only state the number? 5-8 Find the primary source for the same definition: your national statistics office, a regulator, or the original paper. 8-9 Compare definitions. Same population, same event, same time window? 9-10 Keep, rewrite or drop. Write the version you can defend, with its source and date. If step 2 ends in a blog that cites a blog, stop: you have found an assertion. Record the result in an evidence ledger (one row per claim, with its source and what would retire it), so you never check the same number twice. The same habit of starting from real frequencies runs through Calibration techniques for founders. Try this today (10 minutes) Open the last deck, post or report you wrote that contains a statistic. Run the ten-minute method on the one number your argument depends on. If you cannot fill in who, what and when, rewrite the sentence or delete it.","keyTakeaways":["US data: 34.7% of business locations opened in the year to March 2015 were still operating ten years later. About two in three closed, not nine in ten.","Dutch data: 64.7% of businesses founded in 2015 still existed in 2020.","The 90 to 95% figure that does exist counts start-ups that missed their own projections, not start-ups that shut down.","Which companies, what event, over what time: change one of the three and the answer moves from about 20% to about 95%."],"readingMinutes":6,"publishedAt":"2026-10-06T19:00:00.000Z"},"nl":{"label":"Faalt 90% van de startups? Zo check je een viraal cijfer in tien minuten","summary":"Nee, niet zoals de meeste posts het bedoelen. Volgens het CBS bestond 64,7% van de Nederlandse bedrijven die in 2015 werden opgericht, vijf jaar later nog. Amerikaanse overheidscijfers laten zien dat 34,7% van de private bedrijfsvestigingen die in het jaar tot maart 2015 opengingen, in maart 2025 nog actief was: na tien jaar was ongeveer twee derde gesloten, geen negen op de tien. Een cijfer van 90 tot 95% bestaat wel, maar dat gebruikte Shikhar Ghosh (Harvard) voor startups die hun eigen prognoses niet halen, niet voor bedrijven die sluiten.","url":"/nl/blog/faalt-90-procent-van-startups/","searchText":"Faalt 90% van de startups? Zo check je een viraal cijfer in tien minuten Faalt 90% van de startups? Cijfers van CBS en BLS zeggen van niet. Waar het getal vandaan komt, wat falen betekent en een check van tien minuten. Ergens bestaat het cijfer van 90% echt. Alleen meet het iets anders dan de post beweert. Nee, niet zoals de meeste posts het bedoelen. Volgens het CBS bestond 64,7% van de Nederlandse bedrijven die in 2015 werden opgericht, vijf jaar later nog. Amerikaanse overheidscijfers laten zien dat 34,7% van de private bedrijfsvestigingen die in het jaar tot maart 2015 opengingen, in maart 2025 nog actief was: na tien jaar was ongeveer twee derde gesloten, geen negen op de tien. Een cijfer van 90 tot 95% bestaat wel, maar dat gebruikte Shikhar Ghosh (Harvard) voor startups die hun eigen prognoses niet halen, niet voor bedrijven die sluiten. faalt 90% van de startups CBS: 64,7% van de Nederlandse bedrijven die in 2015 werden opgericht, bestond in 2020 nog. VS: 34,7% van de vestigingen die in het jaar tot maart 2015 opengingen, was tien jaar later nog actief. Ongeveer twee derde sloot, geen negen op de tien. Het cijfer van 90 tot 95% dat wel bestaat, telt startups die hun eigen prognoses niet haalden, niet startups die stopten. Welke bedrijven, welke gebeurtenis, over welke periode: verander er één en de uitkomst schuift van ongeveer 20% naar ongeveer 95%. founder-resilience vestiging De eenheid die het Amerikaanse Bureau of Labor Statistics telt: één bedrijfslocatie (establishment). Opent een keten een nieuw filiaal, dan komt er een vestiging bij. overlevingspercentage Het deel van de bedrijven dat in een bepaald jaar begon en een vast aantal jaren later nog bestaat. primaire bron De oorspronkelijke tabel, dataset of studie waaruit een getal komt, in tegenstelling tot een artikel of post die het herhaalt. LEVEL Een check in vijf stappen uit Het bewijsbewuste leven om te bepalen hoeveel gewicht een bewering kan dragen: Locate, Estimate, Value, Expose, Lean. Nee, niet zoals de meeste posts het bedoelen. Van de Nederlandse bedrijven die in 2015 werden opgericht, bestond volgens het CBS vijf jaar later nog bijna twee derde. Amerikaanse overheidscijfers laten zien dat na tien jaar ongeveer een derde van de nieuwe vestigingen nog actief is. Ongeveer twee derde sloot dus, geen negen op de tien. En het bekendste cijfer van 90% meet iets anders: startups die hun eigen prognoses niet haalden, niet startups die ermee stopten. De echte vraag is wat \"falen\" betekent, welke bedrijven meetellen en over hoeveel jaar. Verander één van die drie en de uitkomst schuift van ongeveer 20% naar ongeveer 95%. Hieronder zie je waar de cijfers vandaan komen, en daarna een methode van tien minuten voor het volgende virale cijfer. Waar komt \"90% van de startups faalt\" vandaan? Een dataset achter het ronde getal hebben we niet gevonden. Het oudste gedateerde document dat we konden openen en dat het cijfer noemt, is een rapport van Startup Genome uit 2011 over \"premature scaling\" (sneller groeien dan het bedrijf aankan), bewerkt in maart 2012. In de inleiding staat: \"More than 90% of startups fail, due primarily to self-destruction rather than competition.\" Oftewel: meer dan 90% van de startups faalt, vooral door eigen toedoen en niet door de concurrentie. Die zin heeft geen bron, geen periode en geen definitie van falen. De eigen gegevens van het rapport kwamen van ruim 3.200 snelgroeiende techstartups, en het onderzocht waarom die te vroeg opschalen, niet hoeveel er stoppen. Sindsdien is de zin in duizenden posts herhaald. Herhaling is geen bewijs. Het bewijsbewuste leven heeft er een beeld voor: één bron in twintig jassen. Wat zeggen de officiële cijfers? Het Centraal Bureau voor de Statistiek (CBS) meldde in november 2022 dat van de ongeveer 153.000 bedrijven die in 2015 werden opgericht, een jaar later nog bijna 96% bestond en in 2020 nog 64,7%. Van de nieuwe werkgevers (bedrijven die voor het eerst personeel aannamen) was vijf jaar later 48,6% nog steeds werkgever. Het Amerikaanse Bureau of Labor Statistics (BLS) volgt vestigingen van private bedrijven die personeel melden, via het programma Business Employment Dynamics. Tabel 7 volgt de nieuwe vestigingen van elk openingsjaar in de jaren daarna; \"nog actief\" betekent daar dat de vestiging nog personeel meldt. Dit staat in de gepubliceerde tabel, met gegevens tot en met maart 2025: Geopend in het jaar tot Nog actief in maart 2025 Jaren later --- --- --- maart 2024 77,9% 1 maart 2020 51,4% 5 maart 2015 34,7% 10 maart 1994 12,6% 31 Ongeveer één op de vijf nieuwe vestigingen sluit dus binnen een jaar, ongeveer de helft binnen vijf jaar en ongeveer twee derde binnen tien jaar. Dat is een echt, controleerbaar patroon. Het is geen 90%. Waarom verandert de definitie de uitkomst? Het hele cijfer hangt af van drie dingen: welke bedrijven , wat telt als falen , en binnen welke tijd . De tabel zet zes versies naast elkaar. Bij de rijen van het CBS en het BLS is het faalpercentage 100 min het gepubliceerde overlevingspercentage. Als \"falen\" betekent Wie meetelt Aandeel dat \"faalde\" Bron --- --- --- --- Vestiging binnen 1 jaar niet meer actief Amerikaanse private vestigingen, geopend in het jaar tot maart 2024 22,1% BLS, tabel 7 Hetzelfde, binnen 10 jaar Geopend in het jaar tot maart 2015 65,3% BLS, tabel 7 Bedrijf bestaat na 5 jaar niet meer Nederlandse bedrijven opgericht in 2015 35,3% CBS Bedrijf geliquideerd, investeerders verliezen het grootste deel van hun geld of alles Startups, volgens een schatting van Ghosh 30-40% HBS Working Knowledge, 2011 Niet het verwachte rendement opgeleverd Idem 70-80% Idem Een prognose afgegeven en die niet gehaald Idem 90-95% Idem De laatste drie rijen komen van Shikhar Ghosh, senior lecturer aan Harvard Business School, zoals de Working Knowledge-site van de school ze in 2011 weergaf. Het artikel beschrijft zijn onderliggende steekproef niet. Zie ze dus als inschattingen van een deskundige, niet als een gepubliceerde tabel. Kijk goed wat de rij met 90-95% meet. Ghosh zegt het zelf zonder omhaal: heel weinig bedrijven halen hun oorspronkelijke prognoses, falen is de norm. Je eigen prognose niet halen komt veel voor. Het is niet hetzelfde als de deuren sluiten. In de definities zitten nog twee valkuilen: - Een bedrijf is geen startup. De cijfers van het CBS en het BLS gaan over elk soort nieuw bedrijf: restaurants, loodgieters, adviesbureaus, winkels. Het zijn geen startupcijfers, en een techbedrijf met durfkapitaal hoort bij een kleine groep apart. - Gesloten is niet hetzelfde als mislukt. Het BLS telt vestigingen, geen bedrijven. De eigen FAQ van het bureau geeft het voorbeeld: opent een keten een nieuw filiaal, dan telt dat als nieuwe vestiging. Sluit die keten één filiaal, dan telt dat als sluiting, ook als het bedrijf het prima doet. De tabel legt vast dat een vestiging geen personeel meer meldt, niet waarom. Hoe LEVEL de bewering beoordeelt LEVEL is een check in vijf stappen om te bepalen hoeveel gewicht een bewering kan dragen voordat je erop handelt. Hij komt uit Het bewijsbewuste leven, dat nu verkrijgbaar is. Je hebt het boek niet nodig om hem te gebruiken. Zo pas je hem toe op \"90% van de startups faalt\": 1. Locate: formuleer de bewering in één toetsbare zin. \"Negen op de tien nieuwe bedrijven stoppen binnen X jaar.\" Kun je die X en het soort bedrijf niet invullen, dan beoordeel je de verpakking en niet de bewering. 2. Estimate: bepaal wat ongelijk hebben kost. Het cijfer in een pitchdeck zetten voor een investeerder die de BLS-tabel kent, kost geloofwaardigheid. Het gebruiken om jezelf een grote beslissing aan te praten of uit het hoofd te praten, kan veel meer kosten. Hoe hoger de inzet, hoe beter het bewijs moet zijn. 3. Value: zet het bewijs op de Bewijsladder uit het boek, zeven soorten onderbouwing: bewering, anekdote, autoriteit, mechanisme, studie, convergentie en je eigen test. Het boek behandelt ze als soorten, niet als rangorde, dus ook binnen elke soort check je de kwaliteit. De zin van Startup Genome is een bewering. De schattingen van Ghosh zijn autoriteit: het oordeel van een deskundige zonder gepubliceerde tabel. De tabellen van het BLS en het CBS zijn systematische metingen. 4. Expose: benoem het sterkste argument tegen de bewering voordat je haar gebruikt. Tegen \"90% stopt\": volgens het BLS is na tien jaar ongeveer 65% gesloten. Vóór de bewering: als falen betekent dat je je eigen prognoses niet haalt, dan steunt de 90-95% van Ghosh haar wel. 5. Lean: handel alleen zo stellig als het bewijs en de inzet toelaten. Gebruik de versie die je kunt verdedigen: \"Bijna twee derde van de Nederlandse bedrijven die in 2015 werden opgericht, bestond vijf jaar later nog (CBS).\" Op de LEVEL-pagina staat de volledige methode. De methode van tien minuten Zet voor het volgende virale cijfer een timer. Minuten Doe dit --- --- 0-2 Herschrijf de bewering en vul drie dingen in: wie meetelt, welke gebeurtenis, over welke periode. 2-5 Spoor de herkomst op. Zoek het exacte getal plus \"rapport\" of \"data\". Open het oudste document dat je kunt vinden. Staat er een tabel in, of alleen het getal? 5-8 Zoek de primaire bron met dezelfde definitie: het CBS of een ander statistiekbureau, een toezichthouder, of de oorspronkelijke studie. 8-9 Vergelijk de definities. Dezelfde groep, dezelfde gebeurtenis, dezelfde periode? 9-10 Houden, herschrijven of schrappen. Schrijf de versie op die je kunt verdedigen, met bron en datum. Eindigt stap 2 bij een blog dat een ander blog citeert, stop dan: je hebt een bewering gevonden. Leg de uitkomst vast in een bewijsregister (één regel per bewering, met bron en wat haar zou weerleggen), zodat je hetzelfde getal nooit twee keer hoeft te checken. Dezelfde gewoonte om bij echte frequenties te beginnen vind je in Kalibratietechnieken voor founders. Probeer dit vandaag (10 minuten) Open het laatste deck, de laatste post of het laatste rapport dat je schreef met een cijfer erin. Doe de check van tien minuten op het ene getal waar je argument op leunt. Kun je niet invullen wie, wat en wanneer, herschrijf de zin dan of haal hem weg.","keyTakeaways":["CBS: 64,7% van de Nederlandse bedrijven die in 2015 werden opgericht, bestond in 2020 nog.","VS: 34,7% van de vestigingen die in het jaar tot maart 2015 opengingen, was tien jaar later nog actief. Ongeveer twee derde sloot, geen negen op de tien.","Het cijfer van 90 tot 95% dat wel bestaat, telt startups die hun eigen prognoses niet haalden, niet startups die stopten.","Welke bedrijven, welke gebeurtenis, over welke periode: verander er één en de uitkomst schuift van ongeveer 20% naar ongeveer 95%."],"readingMinutes":7,"publishedAt":"2026-10-06T19:05:00.000Z"}},"degree":6},{"id":"article:do-you-need-a-literary-agent","type":"article","pillar":"venture-building","locales":{"en":{"label":"Do you need a literary agent for nonfiction? What agents do, what they cost, and when to publish yourself","summary":"You need a literary agent for nonfiction mainly if you want a large traditional publisher and your book can command a sizable advance. An agent sells your book to publishers, negotiates the deal, and takes a commission: in the US generally 15% on domestic deals and 20% on foreign deals that use a sub-agent. Nonfiction is often sold on a proposal before it is written. For niche expert books you may sell the project yourself, and in the Netherlands agents are a younger profession. Self-publishing is the third route.","url":"/en/blog/do-you-need-a-literary-agent/","searchText":"Do you need a literary agent for nonfiction? What agents do, what they cost, and when to publish yourself Do you need a literary agent for nonfiction? What agents do, the usual 15% and 20% commissions, the Dutch market, and what self-publishing asks of you. An agent is a door to large publishers. If you are not going through that door, you need a production system instead. You need a literary agent for nonfiction mainly if you want a large traditional publisher and your book can command a sizable advance. An agent sells your book to publishers, negotiates the deal, and takes a commission: in the US generally 15% on domestic deals and 20% on foreign deals that use a sub-agent. Nonfiction is often sold on a proposal before it is written. For niche expert books you may sell the project yourself, and in the Netherlands agents are a younger profession. Self-publishing is the third route. do you need a literary agent for nonfiction An agent sells your book to publishers and negotiates the deal. They are paid from your earnings, not upfront. US norm per the Authors Guild: 15% on domestic deals, 20% on foreign deals through a sub-agent. A legitimate agent does not charge a reading fee. The AALA's code of ethics bans it for its members. Nonfiction is often sold on a proposal, and your platform can matter as much as your prose. Self-publishing hands you every production stage: editing, design, formats, ISBN, price, and launch. booksos literary agent A person or agency that represents an author, sells the rights to a book to publishers, and negotiates the contract, for a commission. advance Money a publisher pays an author upfront, set against the royalties the book later earns. royalty The author's share of the money from each copy sold, usually a percentage. book proposal A document that argues why a nonfiction book should exist and will sell, used to win a contract before the book is fully written. imprint The publisher name attached to a book and its ISBN. BooksOS The seven-stage book production system from The Agentic Author: Brief, Bible, Map, Draft, Edit, Package, Launch. You need a literary agent for nonfiction if you want a large traditional publisher and your book can command a sizable advance. Otherwise, you often do not. An agent's job is to sell your book to publishers and negotiate the deal, for a commission taken from what you earn. If you write an expert book for a niche, or publish in the Netherlands, you have two other routes: approach publishers yourself, or publish the book yourself and run its production like a small business. One clarification first: this website is not a literary agency and does not represent authors. (If you arrived looking for software agents, that is a different job.) What does a literary agent actually do? A literary agent represents you to publishers. According to the Authors Guild, the US authors' organization, an agency agreement normally makes the agent your exclusive agent to sell, license, or negotiate the rights to your book, meaning the permission to publish it in a given format, language, or country. An agent may also appoint sub-agents abroad for rights it cannot handle itself, such as foreign-language rights. Money flows through them. Most agreements say the publisher pays your advance (money upfront, set against future royalties) and your royalties (your share of each sale) to the agency, which deducts its commission and sends you the rest. The Authors Guild adds that an agent has a fiduciary duty: a legal obligation to put your interests above its own. Jane Friedman, a publishing-industry commentator, sums up the value: agents know which editors buy which kinds of books, negotiate the best deal, make sure you are paid accurately, and handle friction between you and the publisher. She also notes that most New York publishers do not accept submissions that come without an agent. What does an agent cost? In the US, the Authors Guild describes commissions as generally 15% of what you are paid on domestic deals, and 20% on foreign deals that use a sub-agent. Friedman gives the same 15% and adds the key point: agents traditionally get paid only when they sell your work. That gives you the first red flag. The Association of American Literary Agents' Canon of Ethics states: \"Members may not charge any reading fees for evaluating work for possible representation.\" A hypothetical example: a publisher offers a €10,000 advance. At 15%, the agent receives €1,500 and you receive €8,500, before tax. If a German publisher later buys translation rights through a sub-agent, the commission on that deal would typically be 20%. Route Who pays the production costs Who decides cover, title, price What you do yourself --- --- --- --- Agent plus large publisher The publisher The publisher Proposal and writing Publisher, no agent The publisher The publisher Proposal or manuscript, negotiating, writing Self-publishing You You Everything, from editing to launch The first two rows follow Friedman: in a traditional deal, \"publishers assume all costs and pay you an advance and royalties,\" and the publisher \"gets to decide the cover, the title, the design, the format, the price, etc.\" Why is nonfiction sold differently from novels? Because the book often does not exist yet. \"Book proposals are used to sell nonfiction books to publishers,\" Friedman writes. A proposal is a business case for the book: an overview, the target readers, comparable titles, a marketing plan, an author bio, a chapter outline, and sample chapters. If a publisher is convinced, it contracts you and pays you to write the book. Novels, by contrast, are usually finished before an agent sees them. The catch is platform: the audience and credibility you already have. Friedman writes that \"a sizable platform and expertise is typically required to successfully sell a nonfiction book to a major publisher, especially for competitive categories such as business, cooking, health, self-help, or parenting.\" She is equally direct about the other end. If your project cannot command an advance of at least five figures, you may not be worth an agent's time, and you will have to sell it on your own. She names niche, academic, and literary work as cases where you might not need an agent at all. How is the Dutch market different? Agents for Dutch authors are a younger profession. In a 2017 feature for the trade magazine Boekblad, journalist Maarten Dessing reported that the first agency for Dutch authors opened in 1998, according to its founder. Almost all of the agents he described ran their agency alongside other work, because the 15% they took from their authors' royalties did not pay enough to live on. One of them noted that some publishers still found the extra link in the chain complicated, and that there will always be authors who do not need an agent because they can stand up for themselves. The Auteursbond, the Dutch association for writers and translators, confirms that a writer can be represented by a literary agent and that it does not act as one itself. What it does offer is a model contract for original Dutch literary work, negotiated with the literary publishers' group of the Dutch general publishers' association (GAU). It guarantees minimum terms for things like royalties, the advance, and electronic rights, and you are free to negotiate better. Members can ask the Auteursbond's lawyers for legal and business advice, including on contracts. One Dutch rule applies whichever route you take. With some exceptions, every new printed book in Dutch or Frisian falls under the fixed book price law (Wet op de vaste boekenprijs), self-published or not: you set a fixed retail price and report it to the Commissariaat voor de Media, the regulator. E-books are excluded. What does self-publishing make your job? Self-publishing means you become the publisher. You pay the costs, make every decision, and keep a larger share of each sale. Amazon's Kindle Direct Publishing (KDP) is one such platform; its help pages spell out the terms. - E-books. You choose a 35% or a 70% royalty. The 70% option applies only within a price band (since 7 July 2026, $2.99 to $12.99 on Amazon.com and €2.69 to €12.99 in euro stores), minus a small delivery cost, and only for buyers in eligible countries. Other sales pay 35%. - Paperbacks. On Amazon's euro stores you get 60% of the list price from €9.99 upward (50% below that), minus the printing cost. KDP's own example: a $15, 333-page black-and-white paperback with a $5.00 printing cost earns $4.00 per copy on Amazon.com, or $1.00 through KDP's Expanded Distribution channels. - ISBN and imprint. A free KDP ISBN (the book's international ID number) works only on KDP, and your publisher name then shows as \"Independently published.\" To publish under your own imprint, you buy your own ISBN; in the Netherlands that runs through isbn.nl. - AI disclosure. KDP requires you to tell it about AI-generated text, images, or translations. Content you wrote yourself and only edited or checked with AI tools counts as AI-assisted, which you do not have to disclose. Friedman's warning belongs here too: self-publishing \"rarely leads to your physical book reaching bookstore shelves,\" and it \"requires significant and persistent effort into marketing and promotion.\" Len takes this route for his own nonfiction. He publishes it himself through KDP, under his company LPH98.ventures, and produces the books with the system described below. That is a choice about control and speed, not proof that it beats a traditional deal. BooksOS: the seven stages you now own BooksOS is the book production system from Len's book The Agentic Author, which is available. It splits making a book into seven stages, each owning one decision and producing one document the next stage depends on. You do not need the book to use it. With a publisher, several stages sit with the publisher's team; when you self-publish, all seven are yours. Stage What it decides What it means when you self-publish --- --- --- Brief Who the book is for, what changes for them, what it refuses to be One page. If you ever pitch a publisher, it is the heart of your proposal Bible Terms, voice, and standards, written down once Your own style sheet, because no house editor keeps it for you Map Chapter order and dependencies Structure fails on paper, not at 30,000 words Draft The pages, written against an evidence ledger (a list of every claim and its source) Nobody fact-checks you later unless you plan it Edit Structural, line, and proof passes, plus a hostile review and claim checks You hire or recruit the editors Package One manuscript rendered into e-book, print, and web ISBN, imprint, cover, print files, price (and the Dutch fixed price) Launch Positioning, assets, channels, and a measurement loop Every reader you reach, you reach yourself The BooksOS framework page and What is BooksOS? go deeper on each gate. A hypothetical example. A Dutch procurement consultant wants to write a practical book for purchasing managers. The market is real but narrow, so a five-figure advance is unlikely and an agent probably will not bite. She writes the Brief in three sentences, which becomes her proposal if a specialist publisher shows interest. If none does, she buys her own ISBN so her firm's name appears as imprint, registers the fixed price for the Dutch paperback, and plans the Launch around the newsletter her clients already read. Try this today: the route test (20 minutes) Answer five questions in writing: 1. Brief. Who is the reader, what changes for them, and what will the book refuse to be? Three sentences. 2. Shelves. Do you need your book in physical bookstores? 3. Advance. Could this realistically command a five-figure advance? 4. Platform. Do you already have an audience that listens to you on this topic? 5. Ownership. Will you pay for, and personally run, editing, packaging, and launch? Yes to 2, 3, and 4: write a proposal and query agents. Mostly no, but a publisher serves your niche: approach that publisher directly, and in the Netherlands compare the offer with the Auteursbond model contract. No to 2 and 3, yes to 5: self-publish, and run it as a production system with gates, not as a single upload.","keyTakeaways":["An agent sells your book to publishers and negotiates the deal. They are paid from your earnings, not upfront.","US norm per the Authors Guild: 15% on domestic deals, 20% on foreign deals through a sub-agent.","A legitimate agent does not charge a reading fee. The AALA's code of ethics bans it for its members.","Nonfiction is often sold on a proposal, and your platform can matter as much as your prose.","Self-publishing hands you every production stage: editing, design, formats, ISBN, price, and launch."],"readingMinutes":8,"publishedAt":"2026-10-07T07:00:00.000Z"},"nl":{"label":"Heb je een literair agent nodig voor non-fictie? Wat een agent doet, wat het kost en wanneer je zelf uitgeeft","summary":"Een literair agent heb je voor non-fictie vooral nodig als je bij een grote uitgever wilt uitkomen en je boek een flink voorschot waard is. Een agent verkoopt je boek aan uitgevers, onderhandelt over het contract en krijgt een commissie uit jouw inkomsten: in de Verenigde Staten meestal 15% bij binnenlandse deals en 20% bij buitenlandse deals via een subagent. Non-fictie wordt vaak verkocht op basis van een boekvoorstel, voordat het boek geschreven is. Een vakboek voor een niche kun je ook zelf aan een uitgever verkopen, en in Nederland is het beroep van literair agent relatief jong. De derde route is uitgeven in eigen beheer.","url":"/nl/blog/literair-agent-nodig-voor-non-fictie/","searchText":"Heb je een literair agent nodig voor non-fictie? Wat een agent doet, wat het kost en wanneer je zelf uitgeeft Heb je een literair agent nodig voor non-fictie? Wat een agent doet, de gangbare commissie van 15% en 20%, de Nederlandse markt en wat zelf uitgeven vraagt. Een agent is een deur naar grote uitgevers. Ga je niet door die deur, dan heb je een productiesysteem nodig. Een literair agent heb je voor non-fictie vooral nodig als je bij een grote uitgever wilt uitkomen en je boek een flink voorschot waard is. Een agent verkoopt je boek aan uitgevers, onderhandelt over het contract en krijgt een commissie uit jouw inkomsten: in de Verenigde Staten meestal 15% bij binnenlandse deals en 20% bij buitenlandse deals via een subagent. Non-fictie wordt vaak verkocht op basis van een boekvoorstel, voordat het boek geschreven is. Een vakboek voor een niche kun je ook zelf aan een uitgever verkopen, en in Nederland is het beroep van literair agent relatief jong. De derde route is uitgeven in eigen beheer. literair agent non-fictie Een agent verkoopt je boek aan uitgevers en onderhandelt over de deal. De agent wordt betaald uit jouw inkomsten, niet vooraf. Amerikaanse norm volgens de Authors Guild: 15% bij binnenlandse deals, 20% bij buitenlandse deals via een subagent. Een betrouwbare agent vraagt geen leesgeld. De ethische code van de AALA verbiedt het haar leden. Non-fictie wordt vaak verkocht op basis van een boekvoorstel, en je bereik telt soms net zo zwaar als je stijl. In eigen beheer uitgeven maakt elke productiefase jouw werk: redactie, ontwerp, formaten, ISBN, prijs en lancering. booksos literair agent Een persoon of bureau dat een auteur vertegenwoordigt, de rechten op een boek aan uitgevers verkoopt en over het contract onderhandelt, tegen een commissie. voorschot Geld dat een uitgever vooraf aan een auteur betaalt en later verrekent met de royalty's die het boek oplevert. royalty Het deel van de opbrengst per verkocht exemplaar dat naar de auteur gaat, meestal een percentage. boekvoorstel Een document dat onderbouwt waarom een non-fictieboek er moet komen en zal verkopen, bedoeld om een contract te krijgen voordat het boek af is. imprint De uitgeversnaam die aan een boek en het ISBN gekoppeld is. BooksOS Het productiesysteem in zeven fases uit De agentische auteur: Brief, Bible, Map, Draft, Edit, Package, Launch. Een literair agent heb je voor non-fictie vooral nodig als je bij een grote uitgever wilt uitkomen en je boek een flink voorschot waard is. In andere gevallen vaak niet. Een agent verkoopt je boek aan uitgevers en onderhandelt over de deal, tegen een commissie uit wat jij verdient. Schrijf je een vakboek voor een niche, of publiceer je in Nederland, dan heb je nog twee routes: zelf een uitgever benaderen, of het boek in eigen beheer uitgeven en de productie runnen als een klein bedrijf. Eerst één ding: deze website is geen literair agentschap en vertegenwoordigt geen auteurs. (Zocht je softwareagents, dan is dat een ander beroep.) Wat doet een literair agent? Een literair agent vertegenwoordigt je bij uitgevers. Volgens de Authors Guild, de Amerikaanse auteursorganisatie, maakt een agentschapscontract de agent meestal je exclusieve vertegenwoordiger om de rechten op je boek te verkopen, in licentie te geven of erover te onderhandelen: de toestemming om het in een bepaald formaat, een bepaalde taal of een bepaald land uit te geven. Een agent kan ook subagenten in het buitenland inschakelen voor rechten die hij zelf niet kan afhandelen, zoals vertaalrechten. Het geld loopt via de agent. In de meeste contracten betaalt de uitgever je voorschot (geld vooraf, verrekend met latere royalty's) en je royalty's (jouw deel van elke verkoop) aan het agentschap. Het agentschap houdt zijn commissie in en maakt de rest aan jou over. De Authors Guild wijst er ook op dat een agent een fiduciaire plicht heeft: de wettelijke plicht om jouw belang boven het eigen belang te stellen. Jane Friedman, commentator over de uitgeefwereld, vat samen wat een agent oplevert: agenten weten welke redacteuren welk soort boeken kopen, onderhandelen de beste deal uit, zorgen dat je correct wordt betaald en vangen wrijving tussen jou en de uitgever op. Ze merkt ook op dat de meeste New Yorkse uitgevers geen manuscripten zonder agent aannemen. Wat kost een literair agent? In de Verenigde Staten noemt de Authors Guild een commissie van doorgaans 15% van wat je ontvangt bij binnenlandse deals, en 20% bij buitenlandse deals via een subagent. Friedman noemt dezelfde 15% en voegt het belangrijkste toe: agenten worden traditioneel pas betaald als ze je werk verkopen. Daarmee heb je meteen het eerste waarschuwingssignaal. De ethische code van de Association of American Literary Agents zegt het letterlijk: \"Members may not charge any reading fees for evaluating work for possible representation.\" Vraagt een agent geld om je manuscript te lezen, dan moeten alle alarmbellen afgaan. Een hypothetisch voorbeeld: een uitgever biedt een voorschot van € 10.000. Bij 15% krijgt de agent € 1.500 en jij € 8.500, vóór belasting. Koopt een Duitse uitgever later de vertaalrechten via een subagent, dan is de commissie op die deal doorgaans 20%. Route Wie betaalt de productie Wie beslist over omslag, titel en prijs Wat je zelf doet --- --- --- --- Agent plus grote uitgever De uitgever De uitgever Boekvoorstel en schrijven Uitgever zonder agent De uitgever De uitgever Voorstel of manuscript, onderhandelen, schrijven In eigen beheer Jij Jij Alles, van redactie tot lancering De eerste twee rijen volgen Friedman: bij een traditionele uitgever draagt de uitgever alle kosten en betaalt hij je een voorschot en royalty's, en beslist hij over omslag, titel, vormgeving, formaat en prijs. Hoe werkt het in Nederland? Literair agent voor Nederlandse auteurs is een relatief jong beroep. Journalist Maarten Dessing schreef in 2017 in vakblad Boekblad dat het eerste agentschap voor Nederlandse auteurs volgens de oprichter zelf in 1998 begon. Bijna alle agenten die hij beschreef, deden het werk naast iets anders, omdat de 15% die ze van de royalty's van hun auteurs kregen, niet genoeg opleverde om van te leven. Een van hen merkte op dat sommige uitgevers die extra schakel nog \"ingewikkeld\" vonden, en dat er altijd auteurs zullen blijven die geen agent nodig hebben omdat ze prima voor zichzelf opkomen. De Auteursbond, de vereniging voor schrijvers en vertalers, bevestigt dat je je als schrijver kunt laten vertegenwoordigen door een literair agent, en dat de bond zelf niet als agentschap optreedt. Wel is er een modelcontract voor oorspronkelijk Nederlandstalig literair werk, opgesteld met de Literaire Uitgevers Groep van de Groep Algemene Uitgevers (GAU). Dat garandeert een minimum aan voorwaarden, onder meer rond royalty's, voorschot en elektronische rechten, en je mag altijd betere afspraken maken. De bond noemt het zelf \"een modelcontract, geen harnas\". Leden kunnen voor juridisch en zakelijk advies terecht bij de juristen van de Auteursbond, ook over contracten. Eén Nederlandse regel geldt voor elke route. Op een paar uitzonderingen na valt elk nieuw gedrukt boek in het Nederlands of Fries onder de Wet op de vaste boekenprijs, ook als je het in eigen beheer uitgeeft: je stelt een vaste verkoopprijs vast en meldt die bij het Commissariaat voor de Media, de toezichthouder. E-books vallen er niet onder. Waarom wordt non-fictie anders verkocht dan een roman? Omdat het boek vaak nog niet bestaat. Friedman zegt het zonder omwegen: non-fictie verkoop je aan uitgevers met een boekvoorstel. Zo'n voorstel is een businesscase voor je boek: een overzicht, de doellezers, vergelijkbare titels, een marketingplan, een auteursbio, een hoofdstukindeling en proefhoofdstukken. Overtuigt het voorstel een uitgever, dan krijg je een contract en word je betaald om het boek te schrijven. Een roman is meestal al af voordat een agent hem ziet. Het addertje onder het gras is je bereik: het publiek en de geloofwaardigheid die je al hebt. Volgens Friedman is een flink bereik plus aantoonbare expertise doorgaans nodig om non-fictie aan een grote uitgever te verkopen, zeker in drukke categorieën als zakelijke boeken, koken, gezondheid, zelfhulp en opvoeding. Ze is net zo direct over de andere kant. Is je project geen voorschot van minstens vijf cijfers waard, dan ben je voor een agent mogelijk de moeite niet waard, en moet je het zelf verkopen. Ze noemt werk voor een niche, academisch werk en literair werk als gevallen waarin je misschien helemaal geen agent nodig hebt. Friedman beschrijft de Amerikaanse markt; vraag een Nederlandse uitgever gewoon wat die wil zien voordat je het hele boek schrijft. Wat moet je zelf doen als je in eigen beheer uitgeeft? In eigen beheer uitgeven betekent dat jij de uitgever bent. Jij betaalt de kosten, jij neemt elk besluit, en je houdt per verkocht exemplaar een groter deel over. Kindle Direct Publishing (KDP) van Amazon is een van de platforms; de helppagina's leggen de voorwaarden uit. - E-books. Je kiest tussen 35% en 70% royalty. De 70% geldt alleen binnen een prijsband (sinds 7 juli 2026 € 2,69 tot € 12,99 op de Amazon-marktplaatsen in euro en $ 2,99 tot $ 12,99 op Amazon.com), min een klein bedrag aan leveringskosten, en alleen voor kopers in landen die daarvoor in aanmerking komen. Andere verkopen leveren 35% op. - Paperbacks. Op de Amazon-marktplaatsen in euro krijg je 60% van de verkoopprijs vanaf € 9,99 (daaronder 50%), min de drukkosten. Het eigen rekenvoorbeeld van KDP: een paperback van $ 15 met 333 zwart-witpagina's en $ 5,00 drukkosten levert $ 4,00 per exemplaar op via Amazon.com, of $ 1,00 via de Expanded Distribution-kanalen van KDP. - ISBN en imprint. Een gratis ISBN van KDP (het internationale nummer van je boek) werkt alleen binnen KDP, en als uitgever staat er dan \"Independently published\". Wil je onder je eigen uitgeversnaam publiceren, dan koop je zelf een ISBN; in Nederland vraag je dat aan via isbn.nl. - AI-melding. KDP verplicht je om door AI gegenereerde tekst, beelden of vertalingen te melden. Tekst die je zelf hebt geschreven en alleen met AI-tools hebt bewerkt of gecontroleerd, telt als AI-ondersteund en hoef je niet te melden. Friedmans waarschuwing hoort hier ook bij: zelf uitgeven leidt zelden tot een fysiek boek in de schappen van de boekhandel, en marketing en promotie vragen een grote, langdurige inspanning. Len kiest zelf deze route voor zijn non-fictie. Hij geeft zijn boeken zelf uit via KDP, vanuit zijn bedrijf LPH98.ventures, en maakt ze met het systeem hieronder. Dat is een keuze voor controle en snelheid, geen bewijs dat het beter is dan een traditionele uitgever. BooksOS: de zeven fases die dan van jou zijn BooksOS is het productiesysteem voor boeken uit het boek van Len, De agentische auteur, dat verkrijgbaar is. Het verdeelt het maken van een boek in zeven fases. Elke fase neemt één besluit en levert één document op waar de volgende fase op bouwt. Je hebt het boek niet nodig om het te gebruiken. Bij een uitgever liggen meerdere fases bij het team van de uitgever; geef je zelf uit, dan zijn ze alle zeven van jou. Fase Wat de fase beslist Wat het betekent als je zelf uitgeeft --- --- --- Brief Voor wie het boek is, wat er voor die lezer verandert en wat het weigert te zijn Eén pagina. Benader je ooit een uitgever, dan is dit de kern van je boekvoorstel Bible Termen, stem en standaarden, één keer vastgelegd Je eigen stijlgids, want geen huisredacteur bewaakt die voor je Map De volgorde van hoofdstukken en hun afhankelijkheden Structuurfouten komen op papier aan het licht, niet pas bij 30.000 woorden Draft De pagina's, geschreven aan de hand van een bewijsregister (een lijst van elke bewering met haar bron) Niemand checkt je feiten achteraf, tenzij je dat inplant Edit Structuur-, tekst- en correctierondes, plus een kritische review en controle van beweringen Jij huurt de redacteuren in of werft ze zelf Package Eén manuscript omgezet naar e-book, druk en web ISBN, imprint, omslag, drukbestanden en prijs, inclusief de vaste boekenprijs Launch Positionering, materiaal, kanalen en een meetlus Elke lezer die je bereikt, bereik je zelf De BooksOS-frameworkpagina en Wat is BooksOS? gaan dieper in op elke poort. Een hypothetisch voorbeeld. Een inkoopadviseur uit Utrecht wil een praktisch boek schrijven voor inkoopmanagers. De markt bestaat echt, maar is smal: een vijfcijferig voorschot is onwaarschijnlijk, en een agent zal vermoedelijk niet toehappen. Ze schrijft de Brief in drie zinnen, en die wordt haar boekvoorstel als een gespecialiseerde uitgever interesse toont. Doet niemand dat, dan koopt ze via isbn.nl een eigen ISBN zodat de naam van haar bureau als uitgever verschijnt, meldt ze de vaste prijs van de Nederlandse paperback aan, en bouwt ze de Launch rond de nieuwsbrief die haar klanten al lezen. Probeer het vandaag: de routetest (20 minuten) Beantwoord vijf vragen op papier: 1. Brief. Wie is de lezer, wat verandert er voor die lezer, en wat weigert het boek te zijn? Drie zinnen. 2. Schap. Moet je boek fysiek in de boekhandel liggen? 3. Voorschot. Is dit realistisch gezien een voorschot van vijf cijfers waard? 4. Bereik. Heb je al een publiek dat naar je luistert over dit onderwerp? 5. Eigenaarschap. Ben je bereid redactie, productie en lancering zelf te betalen en te trekken? Ja op 2, 3 en 4: schrijf een boekvoorstel en benader agenten. Overwegend nee, maar er is een uitgever die jouw niche bedient: benader die uitgever rechtstreeks en leg het aanbod naast het modelcontract van de Auteursbond. Nee op 2 en 3, ja op 5: geef het boek in eigen beheer uit, en behandel het als een productiesysteem met poorten, niet als één upload.","keyTakeaways":["Een agent verkoopt je boek aan uitgevers en onderhandelt over de deal. De agent wordt betaald uit jouw inkomsten, niet vooraf.","Amerikaanse norm volgens de Authors Guild: 15% bij binnenlandse deals, 20% bij buitenlandse deals via een subagent.","Een betrouwbare agent vraagt geen leesgeld. De ethische code van de AALA verbiedt het haar leden.","Non-fictie wordt vaak verkocht op basis van een boekvoorstel, en je bereik telt soms net zo zwaar als je stijl.","In eigen beheer uitgeven maakt elke productiefase jouw werk: redactie, ontwerp, formaten, ISBN, prijs en lancering."],"readingMinutes":9,"publishedAt":"2026-10-07T07:05:00.000Z"}},"degree":5},{"id":"article:downstream-effects","type":"article","pillar":"venture-building","locales":{"en":{"label":"Downstream effects: why the real cost of a decision lands later, and somewhere else","summary":"Affect is the verb. Effect is the noun. A downstream effect is the cost that arrives after the decision, on a surface the room was not watching, with no owner in the meeting. Downstream consequences names the same cost. You do not need to predict every consequence. You need to name the next bend before you commit.","url":"/en/blog/downstream-effects/","searchText":"Downstream effects: why the real cost of a decision lands later, and somewhere else Affect is the verb. Effect is the noun. A downstream effect is the later cost of a decision, on a surface the room was not watching, with no owner in the meeting. Every choice starts a river. Most teams only watch the first bend. This is the operator definition of downstream effects, and a method you can run this week. Affect is the verb. Effect is the noun. A downstream effect is the cost that arrives after the decision, on a surface the room was not watching, with no owner in the meeting. Downstream consequences names the same cost. You do not need to predict every consequence. You need to name the next bend before you commit. downstream effects and downstream consequences A downstream effect is delayed, displaced, and unowned at decision time. The first-order metric can be genuinely green. Every expensive surprise has four parts: decision, latency, landing surface, discovery. Each part is a separate place to catch it. Run a twenty-minute audit on your last five material decisions. Ask and then what three times. Reshaped it is the useful answer. downstream-effects downstream effect A delayed, displaced, previously unowned consequence of an operational decision. downstream consequences The same river as downstream effects, named with slightly wider language. landing surface The place the cost actually arrives, usually not the metric the room optimized. latency The gap between commitment and recognition, set by other people's cycles rather than your dashboard. The meeting stopped at the first bend. A mid-size company moves supplier payment terms from 30 days to 60. Cash improves within a quarter. Finance books the win. The working-capital number the room came to move turns green. Nobody in that meeting is lying. The decision did what it was designed to do. Then suppliers adjust. Large ones absorb the change and reprice it into the next renewal. Small ones, who live month to month, start protecting themselves. They deprioritize your orders when capacity is tight. They ask for deposits on custom work. A couple start talking to a competitor who still pays in 30. None of that shows up in your warehouse. Supplier behavior was never instrumented. What shows up is lead times drifting out by a week, which operations files under \"market conditions.\" Eighteen months later, effective input costs are higher than before the change. Procurement is running a dual-sourcing project because the suppliers who used to pick up the phone first no longer do. The cash you gained in quarter one now sits against a slower, costlier, more brittle supply base. That later, elsewhere, unowned cost is a downstream effect . People also search for it as a downstream consequence , or type downstream affects when they mean the noun. Same river. Different words. What a downstream effect actually is A downstream effect is a consequence of a decision that is: 1. Delayed. It travels at the speed of someone else's accounting cycle, complaint, or renewal, not at the speed of your dashboard refresh. 2. Displaced. It lands on a different surface than the metric you optimized: a partner's margin, a regulator's queue, an agent network's cash float, a customer's renewal. 3. Unowned at decision time. The people who will carry the cost were not in the room, and nothing in the room was pointed at them. It is not \"something unexpected.\" Unexpected is the story the organization tells after the cheap responses have expired. The first-order effect can be real. Payment terms really did free cash. A route rule really can cut delivery time. A feature really can get adopted in the pilot. That is what makes these surprises durable. The post-mortem keeps finding a good decision at the origin and stalls there. Downstream consequences is the same object with slightly wider language. Use whichever phrase your team will actually say out loud. The unit that matters is singular: one decision, one later bend, one landing surface. Affect is the verb. A pricing change affects partner margins. Effect is the noun: the downstream effect is the margin collapse. If you typed \"downstream affects\" into a search box, you almost certainly wanted the noun cluster. You are in the right place. Four parts of a surprise Every expensive downstream surprise that lands on an operator's desk has the same four-part structure. Naming the parts matters, because each part is a separate place where the surprise could have been caught. Decision. A small group commits, optimized against the variables that group chose to model. The decision is often locally correct. Latency. Downstream effects travel at the speed of other people's month-end, not your standup. During the latency window the decision looks like a pure win, which is exactly when the organization stops watching. Landing surface. The effect does not return to the metric you moved. It arrives on a partner P&L, an inquiry queue, a support load, a works-council agenda, a cash-float reconciliation. The owners of that surface usually hear about the decision as a consequence, not as a proposal. Discovery. It is almost never gentle. A termination notice. A letter. A churn spike. A resignation. By the time the room recognizes the form, the affected party has already acted. Decision, latency, landing surface, discovery. Hold that sequence. Detection shortens the list of unmodeled surfaces. Observation collapses the latency. Weighing changes the decision itself. Review turns each discovery into cheaper detection next time. Why another dashboard will not save you Most teams respond to a downstream surprise by buying more charts. Instrumentation follows the room's old questions. Every chart in your stack exists because someone once asked a question and paid an engineer to answer it continuously. Your telemetry is a map of what the organization has already thought to worry about. The stakeholders who carry your second-order effects emit no data into your systems until they act. A partner absorbing margin damage generates zero warehouse events. A regulator forming a view of your data flows generates zero events. An agent network quietly routing customers to a competitor generates a slow drift that looks like seasonality until it does not. If a stakeholder can appear in your data only by leaving, your dashboard is a lagging indicator of the second bend. You need a human channel to that stakeholder before the next material decision, not after. More resolution on the first bend will never substitute. The fix is coverage of the surfaces you do not watch. The office stops being the protocol At thirty people, downstream effects are still felt in the body. The person who changes pricing also answers the partner's angry email. The engineer who ships the feature sits within earshot of support. The signal arrives raw, in the injured party's own words, usually within days. At two hundred people the same decision crosses five layers. Each layer delays it by a reporting cycle and translates it into softer language. \"They are furious and losing money\" becomes \"some pushback on the new terms,\" which becomes \"partner sentiment is mixed.\" By the time the committee that could act hears it, the calendar has moved two quarters. Decision quality often improves with scale. There are more models, more review, more expertise in the room. What degrades is transmission. Somewhere between 25 and 70 people, the office stops being the protocol. By 120 to 300, the second-order effect is routinely felt by a person, a company, or an agency the decision-maker has never met. Caution without a map is just slowness. The teams that still move at scale are not the ones that stopped worrying. They built machinery to see the river early, so worry became a checklist item instead of a board agenda item. A twenty-minute audit Take the last five material operational decisions. For each one, ask \"and then what?\" three times. Write what you can now see. Mark whether seeing the later bend would have changed the original call. The payment-terms case, filled in: Decision First-order effect (seen) Second-order (round 2) Third-order (round 3) Would it have changed the call? --- --- --- --- --- Extend supplier terms 30 → 60 days Cash and working capital improve in-quarter Small suppliers deprioritize you; large ones reprice at renewal; lead times drift 18 months later: higher input costs, dual-sourcing project, spent relationship capital Reshaped it: staged rollout, small suppliers exempted, named owner on lead times Blank table for you: Decision First-order effect (seen) Second-order (round 2) Third-order (round 3) Would it have changed the call? --- --- --- --- --- yes / no / reshaped it Be honest in the last column. Reshaped it is the most common truthful answer, and the most useful one. Seeing round three would probably not have killed the payment-terms change. It would have changed its shape. Then write one sentence for the decision whose next bend is already forming: the effect, the surface it will land on, and the person outside the room who will feel it first. Name one question you will ask before the next similar decision. That question is the first line of a detection checklist. Operators who run this honestly usually find one decision in five whose later bend would have changed the call. Treat that as a working observation, not a benchmark. What this is not This is not a request to predict every consequence. Material effects, not all effects. This is not \"think more.\" Thinking more without a landing surface, an owner, and a time horizon is how rooms perform seriousness. This is not a recap of Thinking in Systems , useful as Meadows is. Operators do not fail because they have never heard of feedback loops. They fail because the loop lives in a partner contract, a regulator's inbox, or an agent network, and the protocol for seeing it was never installed. This is not generic risk management. Risk registers catch named, owned, already-imagined threats. Downstream work is about the surfaces nobody put on the register because they were not in the room. It is also not the same as second-order thinking in your own head. That cognitive layer is the companion book, The Second-Order Thinker . Downstream work lives in the product, the org chart, the partner contracts, and the regulator's inbox. The two are companions, not duplicates. The book, still in production I am writing The Downstream Effects as the operational protocol behind this diagnostic. The memorable name is DOWNSTREAM. You do not need the full acronym to start. Three moves are enough to preview: - Detect before the organization commits. Ask who is not in the room and which surface they own. - Trace the actual chain after the fact, through product, partner, technical network, and regulator, and mark the one link that was not in the original model. - Mitigate with five elements, all required: effect, action, owner, trigger, test. \"We'll watch it\" is not a mitigation. DOWNSTREAM is an operating heuristic, not a validated risk instrument. Use it as a lens. Keep what survives contact with your own operations. The book is still in production and not published yet. The chapter map, the notify-me list, and the longer protocol live on the book page: The Downstream Effects → Dutch edition page: De stroomafwaartse effecten. If you only do one thing this week, run the audit. The river is already moving. The question is whether anyone in the building is pointed at the next bend.","keyTakeaways":["A downstream effect is delayed, displaced, and unowned at decision time. The first-order metric can be genuinely green.","Every expensive surprise has four parts: decision, latency, landing surface, discovery. Each part is a separate place to catch it.","Run a twenty-minute audit on your last five material decisions. Ask and then what three times. Reshaped it is the useful answer."],"readingMinutes":8,"publishedAt":"2026-08-15T15:00:00.000Z"},"nl":{"label":"Stroomafwaartse effecten: de rekening die later en ergens anders binnenkomt","summary":"Affect is het werkwoord. Effect is het zelfstandig naamwoord. Een stroomafwaarts effect is de rekening die na het besluit aankomt, op een plek die de kamer niet bekeek, zonder eigenaar in de vergadering. Stroomafwaartse gevolgen is dezelfde rekening. Je hoeft niet elk gevolg te voorspellen. Je benoemt de volgende bocht voordat je je vastlegt.","url":"/nl/blog/stroomafwaartse-effecten/","searchText":"Stroomafwaartse effecten: de rekening die later en ergens anders binnenkomt Affect is het werkwoord. Effect is het zelfstandig naamwoord. Een stroomafwaarts effect is de rekening die na het besluit aankomt, op een plek die de kamer niet bekeek. Elke beslissing start een rivier, maar de meeste teams kijken alleen naar de eerste bocht. Dit is de definitie voor operators van stroomafwaartse effecten, inclusief een audit die je direct kunt inzetten. Affect is het werkwoord. Effect is het zelfstandig naamwoord. Een stroomafwaarts effect is de rekening die na het besluit aankomt, op een plek die de kamer niet bekeek, zonder eigenaar in de vergadering. Stroomafwaartse gevolgen is dezelfde rekening. Je hoeft niet elk gevolg te voorspellen. Je benoemt de volgende bocht voordat je je vastlegt. stroomafwaartse effecten Een stroomafwaarts effect is vertraagd, verplaatst, en zonder eigenaar op het moment van beslissen. De eerste-ordemetriek kan oprecht groen zijn. Elke dure verrassing bestaat uit vier delen: beslissing, latentie, landingsvlak, ontdekking. Elk deel is een aparte plek om de schade voor te zijn. Draai een audit van twintig minuten op je laatste vijf zware beslissingen en vraag drie keer 'en wat dan?'. Herschikt is het meest waardevolle antwoord. downstream-effects stroomafwaarts effect Een vertraagd, verplaatst, eerder onbeheerd gevolg van een operationele beslissing. Ook gebruikt als meervoud: stroomafwaartse effecten. downstream effect De Engelse alias; exact hetzelfde object. Ook gebruikt als meervoud: downstream effects. stroomafwaartse gevolgen Een alternatieve term voor dezelfde rivier met iets bredere woorden. de rivier De constante stroom van operationele gevolgen die door een organisatie vloeit na een beslissing. De vergadering stopte bij de eerste bocht Een middelgroot bedrijf rekt de betaaltermijn voor leveranciers op van dertig naar zestig dagen. De kasstroom verbetert binnen een kwartaal. Finance boekt de winst in. Het werkkapitaal dat de vergadering wilde verbeteren, kleurt groen. Niemand in die vergadering liegt of manipuleert cijfers. De beslissing deed precies waarvoor ze was ontworpen. Daarna passen leveranciers zich aan. Grote spelers absorberen de wijziging en rekenen het verlies door bij de volgende contractverlenging. MKB-leveranciers, die afhankelijk zijn van snelle betalingen, beginnen zichzelf in te dekken. Ze geven jouw bestellingen een lagere prioriteit zodra de capaciteit krap is. Ze vragen plotseling om voorschotten voor maatwerk. Een enkeling verplaatst de capaciteit naar een concurrent die nog wel in dertig dagen betaalt. Niets van dat alles verschijnt in je systemen. Het gedrag van leveranciers werd nooit gemeten. Wat wel zichtbaar wordt, zijn levertijden die met een week oplopen, iets wat operations argeloos afdoet als marktomstandigheden. Achttien maanden later zijn de effectieve inkoopkosten hoger dan voor de wijziging. Inkoop draait een dual-sourcingproject omdat de leveranciers die vroeger als eerste de telefoon opnamen, dat simpelweg niet meer doen. De extra cash uit kwartaal één staat nu tegenover een tragere, duurdere en kwetsbaardere toeleveringsketen. Die latere, verplaatste, onbeheerde rekening is een stroomafwaarts effect . Operators zoeken dit concept regelmatig in het Engels op als een downstream effect , of als downstream consequences in meervoud. Soms typen ze downstream affects in de zoekbalk wanneer ze feitelijk de rekening zelf, het zelfstandig naamwoord, bedoelen. In het Nederlands spreken we geregeld over stroomafwaartse gevolgen . Al deze termen beschrijven precies dezelfde dynamiek. We hebben het over de rivier van consequenties. Wat een stroomafwaarts effect daadwerkelijk is Een stroomafwaarts effect is een gevolg van een beslissing dat aan drie vaste kenmerken voldoet. 1. Vertraagd. Het reist met de snelheid van andermans boekhoudcyclus, andermans klacht of andermans contractverlenging. Het volgt nooit de verversingssnelheid van jouw interne dashboard. 2. Verplaatst. Het landt op een ander landingsvlak dan de metriek die je optimaliseerde. Dit kan de marge van een partner-ecosysteem zijn. Het kan een ogenschijnlijk schone feature op je scherm zijn die in de praktijk een vervuilde datastroom creëert en een AVG-onderzoek door de Autoriteit Persoonsgegevens triggert. 3. Onbeheerd op het beslismoment. De partijen die de uiteindelijke kosten dragen, zoals een ondernemingsraad (OR) of een toezichthouder in een regelgevende cascade van AVG, AI Act en DORA, zaten simpelweg niet in de ruimte. Dit type rekening is niet per definitie \"onverwacht\". Onverwacht is vaak de handige verhaallijn die een organisatie achteraf hanteert zodra de makkelijke excuses op zijn. Bovendien is het eerste-orde-effect vrijwel altijd reëel. De langere betaaltermijnen maakten echt kapitaal vrij. Een routing-aanpassing kan levertijden werkelijk verkorten. Dat maakt de verrassingen verraderlijk taai. Een interne post-mortem ontdekt dat de initiële beslissing prima was en stopt vervolgens met kijken. De vier delen van een verrassing Elke stevige verrassing die maanden later de operatie raakt, heeft dezelfde vierdelige anatomie. Door deze delen scherp te benoemen, zie je direct waar je de rekening had kunnen onderscheppen. Beslissing. Een kleine groep legt zich vast, geoptimaliseerd voor de variabelen die ze zelf belangrijk vonden om te modelleren. Lokaal is de uitkomst correct. Latentie. Stroomafwaartse effecten vloeien met de snelheid van andermans tijdslijn. Tijdens deze latentie lijkt de beslissing een pure overwinning. Dat is tevens het moment waarop iedereen in het kantoor stopt met controleren. Landingsvlak. Het effect kaatst niet terug naar je eigen doelstelling. Het landt in de agenda van een toezichthouder, in het verloop van een agent-netwerk , of in het kasboek van je leverancier. De eigenaren van dat vlak horen de plannen steevast als voldongen feit. Ontdekking. De ontdekking gebeurt vrijwel nooit subtiel. Een opzegging. Een brief. Een piek in churn. Een vertrek. Voordat jouw team de patronen registreert, heeft de externe partij al lang ingegrepen. Beslissing, latentie, landingsvlak, ontdekking. Houd die reeks intact. Detectie maakt de blinde vlakken kleiner. Actieve observatie verkort de latentie. Echte afweging stuurt de beslissing bij de bron. Iedere ontdekking maakt de volgende cyclus goedkoper. Waarom een dashboard je niet redt De vaste reflex na een misrekening is het bijkopen van dashboards en software. Instrumentatie beantwoordt louter oude vragen. Elke lijngrafiek bestaat omdat een afdeling ooit schrok en een engineer opdracht gaf de parameter voortaan te meten. Je complete telemetrie is een archief van zorgen die de organisatie al kende. De stakeholders die jouw tweede-orde-effect verwerken, leveren geen data aan jouw systemen totdat ze actie ondernemen. Een kleinere leverancier die pijn lijdt, vuurt nul events af richting je datawarehouse. Een inspecteur die een dossier aanlegt, verschijnt niet in een applicatielog. Als een belanghebbende zich pas toont in je data op de dag van vertrek of crisis, dan loopt het dashboard per definitie achter de feiten aan. De remedie is een actief, menselijk communicatiekanaal naar de ongedekte vlakken vóórdat de beslissing definitief is. Nog gedetailleerder meten op de eerste bocht lost het structurele probleem niet op. Het kantoor is niet langer het protocol Bij dertig medewerkers functioneert het kantoor zelf als meetinstrument. Degene die de voorwaarden wijzigt, vangt direct de klachten op. Een engineer die een rammelende update uitrolt, zit fysiek naast de supportafdeling. Het signaal bereikt de bron ongefilterd, binnen enkele uren. Groeit een bedrijf voorbij de tweehonderd medewerkers, dan passeert datzelfde signaal vijf managementlagen. Elke afdeling voegt rapportagecycli toe en polijst de woorden. Een externe relatie die structureel geld verliest, muteert in de notulen tot \"weerstand in de markt\" en bereikt de directie als \"gemengd sentiment\". Tegen de tijd dat een commissie kan ingrijpen, is er een half jaar verdampt. Besluitvorming verbetert vaak met schaal door meer expertise en strakkere modellen. Wat breekt, is de pure transmissie. Rond de drempel van 25 tot 70 medewerkers verliest het kantoor de functie van protocol. Bereik je de omvang van 120 tot 300 werknemers, dan wordt de tweede bocht routineus afgewenteld op partijen die de beslisser nog nooit de hand heeft geschud. Blinde voorzichtigheid levert enkel vertraging op. De teams die op deze schaal nog altijd tempo maken, hebben instrumenten gebouwd om de rivier vroeg te scannen. Wat ooit op de boardagenda stond, is nu een checklist. Een audit van twintig minuten Selecteer de laatste vijf materiële operationele beslissingen van je team. Vraag voor elke ingreep simpelweg drie keer: \"en wat dan?\". Noteer wat zichtbaar wordt. Beoordeel hard of het waarnemen van de latere bochten de beslissing bij de start had veranderd. De uitgewerkte casus van de betaaltermijnen: Beslissing Eerste-orde-effect (gezien) Tweede orde (ronde 2) Derde orde (ronde 3) Had dit de beslissing veranderd? --- --- --- --- --- Betaaltermijn 30 → 60 dagen Cash en werkkapitaal verbeteren in eerste kwartaal MKB-leveranciers dekken zich in; grote leveranciers rekenen het door; levertijden stijgen 18 maanden later: structureel hogere inkoopkosten, dual-sourcing verplicht, relatiekapitaal verbrand Herschikt: gefaseerde uitrol, MKB uitgezonderd, benoemde interne eigenaar voor levertijd-metrics Een leeg canvas voor je eigen team: Beslissing Eerste-orde-effect (gezien) Tweede orde (ronde 2) Derde orde (ronde 3) Had dit de beslissing veranderd? --- --- --- --- --- ja / nee / herschikt Wees meedogenloos eerlijk in de laatste kolom. Herschikt is veruit het nuttigste, meest voorkomende antwoord. Een scherp zicht op ronde drie had de wijziging in betaaltermijnen hoogstwaarschijnlijk niet afgeschoten. Het had de vorm herschikt. Schrijf daarna in één harde zin de beslissing op waarvan de volgende bocht zich nu in stilte aan het vormen is. Welk effect komt eraan, op welk extern oppervlak gaat het inslaan, en wie buiten de ruimte zal de impact als eerste incasseren? Ontwerp tot slot één gerichte vraag voor de volgende complexe vergadering. Die ene vraag vormt de basis van je nieuwe detectiestructuur. Operators die deze audit onverbloemd invullen, ontdekken steevast dat bij één op de vijf beslissingen het latere zichtpunt de koers wezenlijk had aangepast. Hanteer dit als werkende observatie in de operatie, niet als een of andere onwrikbare benchmark. Wat dit absoluut niet is Dit is geen pleidooi om alwetendheid na te jagen. Je hoeft niet alle effecten af te vangen, alleen de wezenlijke verstoringen. Eindeloos speculeren is overbodig. Zonder een benoemd vlak, een actieve eigenaar en een vaste termijn simuleert een vergaderzaal vooral de illusie van gewicht, geen slagkracht. Je hebt geen academische opfriscursus in Thinking in Systems nodig, hoezeer de principes van Meadows ook kloppen. Operators struikelen doorgaans niet door theoriegebrek. Ze falen omdat de onzichtbare lus die ze raakt verstopt zit in een inkoopcontract of in de structuur van een OR. Dit wijkt sterk af van generiek risicomanagement. Klassieke registers noteren risico's die de vergaderzaal al kende en kon benoemen. Stroomafwaarts werk dekt de blinde flanken af die volstrekt buiten het gezichtsveld van de interne directie vielen. Cognitief tweede-orde-denken is eveneens iets anders. Het analyseren van effecten puur in het hoofd is het terrein van het begeleidende boek De tweede-orde-denker . Stroomafwaarts werk verankert zich fundamenteel in je product, je organogram en je contracten. Beide disciplines versterken elkaar zonder te overlappen. Het boek, nog in productie Ik ben De stroomafwaartse effecten aan het schrijven als het operationele protocol achter deze diagnose. De heuristiek draagt de overkoepelende naam DOWNSTREAM . Je hebt niet de volledige uitwerking nodig om morgen te beginnen. Drie concrete bewegingen volstaan: - Detecteer vroegtijdig. Vraag expliciet wie niet in de vergadering is aangesloten en wie welk risico absorbeert zodra de handtekening staat. - Traceer het pad retrospectief. Loop een oud besluit na door de code, de partners, het toezicht en het netwerk, en isoleer exact de schakel die je oorspronkelijk gemist had. - Mitigeer met vijf dwingende componenten: benoem het effect, de actie, de verantwoordelijke eigenaar, de trigger en de test. De stelling \"we houden het scherp in de gaten\" is geen mitigatie. DOWNSTREAM is een operationele heuristiek, geen gevalideerd risico-instrument. Hanteer het als een filter. Het boek is nog in productie en momenteel niet gepubliceerd. De exacte hoofdstukstructuur, de verdere protocollen en de aanmeldlijst voor updates staan op de boekenpagina. The Downstream Effects → Nederlandse boekenpagina: De stroomafwaartse effecten. Voer deze week op zijn minst die audit van twintig minuten uit. De stroom is allang op gang gekomen. De werkelijke vraag is of jouw organisatie in staat is de volgende bocht te zien aankomen.","keyTakeaways":["Een stroomafwaarts effect is vertraagd, verplaatst, en zonder eigenaar op het moment van beslissen. De eerste-ordemetriek kan oprecht groen zijn.","Elke dure verrassing bestaat uit vier delen: beslissing, latentie, landingsvlak, ontdekking. Elk deel is een aparte plek om de schade voor te zijn.","Draai een audit van twintig minuten op je laatste vijf zware beslissingen en vraag drie keer 'en wat dan?'. Herschikt is het meest waardevolle antwoord."],"readingMinutes":8,"publishedAt":"2026-08-15T15:00:00.000Z"}},"degree":8},{"id":"article:downstream-effects-or-affects","type":"article","pillar":"venture-building","locales":{"en":{"label":"Downstream effects or affects? The one-line rule, and the two exceptions","summary":"Write downstream effects. Effect is usually a noun: the result, the thing that shows up later. Affect is usually a verb: to influence or change something. So a pricing change affects your partners, and the downstream effect is what they feel later. There are two exceptions. Effect can be a formal verb meaning to bring about (effect change), and affect is a psychology noun for the emotion a person visibly shows (flat affect).","url":"/en/blog/downstream-effects-or-affects/","searchText":"Downstream effects or affects? The one-line rule, and the two exceptions Downstream effects or affects? Effect is the noun, affect is the verb. The one-line rule, the two real exceptions, and a five-sentence quiz. Affect is what a decision does. Effect is what it leaves behind. Write downstream effects. Effect is usually a noun: the result, the thing that shows up later. Affect is usually a verb: to influence or change something. So a pricing change affects your partners, and the downstream effect is what they feel later. There are two exceptions. Effect can be a formal verb meaning to bring about (effect change), and affect is a psychology noun for the emotion a person visibly shows (flat affect). downstream effects or affects Downstream effects is the phrase you want: effect is the noun, affect is the verb. Swap test: if influence fits, write affect. If result fits, write effect. Exception one: to effect change means to bring change about. It does not mean to influence. Exception two: affect is a psychology noun for visible emotion, stressed on the first syllable. A downstream effect is a result that turns up later and further along the chain, often on someone else's desk. downstream-effects affect (verb) To influence something or cause it to change. The pricing change affected our partners. effect (noun) The result of an influence. The downstream effect was a loss of partner margin. effect (verb) A formal verb meaning to bring about or achieve. The new COO wants to effect a change. affect (noun) A psychology term for the emotion a person visibly shows, stressed on the first syllable. downstream effect A result of a decision that shows up later and further along the chain than the decision itself, often on someone else's desk. Write \"downstream effects\". Affect is what a decision does; effect is what it leaves behind. A pricing change affects your partners. The downstream effect is the margin they lose later. That one line covers almost every sentence you will write at work. Merriam-Webster's usage guide says the same thing: \"If you think of affect as the verb and effect as the noun, most of the time you'll be using the word you want.\" The rest of this page gives you a test you can run in two seconds, the two real exceptions, a five-sentence quiz, and a plain explanation of what a downstream effect is. What is the rule? Affect is a verb. Cambridge Dictionary defines it as to \"influence or cause someone or something to change\". Rain affects the harvest. The outage affected every team that uses the data. Effect is a noun. Cambridge defines it as \"the result of an influence\". The effect of the outage was a week of manual reports. How do I check it in two seconds? Use the swap test. Replace the word with influence (a verb) or result (a noun). - \"The new terms will our suppliers.\" Influence fits, result does not. Write affect . - \"We did not see the downstream .\" Result fits. Write effect . A second check: if you can put the , an or a directly in front of the word, you almost always want effect . The only common exception is the psychology noun below. A memory hook, if you like one: A for action, E for end result. Why do people mix them up? Because they sound almost the same. Cambridge gives the same American pronunciation for both words, /əˈfekt/. In British English, Cambridge lists effect as /ɪˈfekt/ and affect as /əˈfekt/: one short vowel apart. A spelling checker cannot help, because both are correctly spelled words. Only the grammar of the sentence tells you which one you need. What are the two exceptions? 1. Effect as a verb means \"to bring about\". Merriam-Webster: \"Sometimes effect is used as a verb meaning 'to cause or bring about' or 'to accomplish.'\" Its example is \"policies that can effect change\". Cambridge marks this use as formal. This is where the mistake gets expensive. \"The reorganization will effect our margins\" does not say the reorganization will change your margins. It says the reorganization will create them. You meant \"affect\". 2. Affect as a noun is a psychology term. Merriam-Webster describes it as a noun \"that refers to an observable emotional response\", pronounced with the stress on the first syllable (AF-fect). Its example is \"notes detailing the patient's affect\". Psychologists and clinicians use \"flat affect\" for a person who shows very little outward emotion. Medical News Today describes it as \"reduced expression and displays of emotion\". Unless you write case notes or research, you will rarely need this noun. One footnote, so nobody catches you out: affect has a second verb meaning, to put on or pretend. Cambridge's example: \"At university he affected an upper-class accent.\" It is still a verb, so the rule holds. Five sentences: right or wrong? Cover the last two columns and test yourself. Sentence Verdict Why --- --- --- --- 1 The new payment terms had a downstream effect on our smallest suppliers. Right Noun after \"a\". Swap in \"result\". 2 Nobody modeled the downstream affects. Wrong: effects Noun after \"the\". 3 The API change affected every downstream team. Right Verb. Swap in \"influenced\". 4 Removing the review step effected quality downstream. Wrong: affected \"Effected\" would mean it created quality. 5 The new COO wants to effect a change in how downstream costs are reported. Right \"Effect a change\" means bring one about. One trap in the other direction: the string \"downstream affects\" is not always wrong. \"A delay downstream affects revenue\" is fine. There, affects is the verb of the sentence and downstream tells you where the delay sits. So what is a downstream effect? \"Downstream\" means further along a flow. Cambridge gives the river sense, \"in the direction a river or stream is flowing\", and a business sense: \"something that happens later in a process or series of events\". A downstream effect is a result of a decision that shows up later and further along the chain than the decision itself, often on someone else's desk. On this site the working definition has three tests: the effect is delayed, it lands somewhere other than the number you were trying to improve, and nobody who would carry it was in the meeting when the decision was made. What are downstream effects? explains the three tests in full. Imagine a hypothetical café chain that switches to thinner paper cups to cut costs. The first result is cheaper cups. The downstream effect arrives later and elsewhere: more leaks, more cleaning for staff, and complaints that land with shop managers who were never in the purchasing meeting. The switch affected the managers. The complaints are the downstream effect . If you want the full method, the operator guide Downstream effects: why the real cost of a decision lands later, and somewhere else walks through a common pattern (longer supplier payment terms) and a twenty-minute audit. The idea also gets a whole book, The Downstream Effects, which is in production and not for sale yet. You do not need it to fix your grammar or to ask who pays later. Try this today (five minutes) 1. Open the last report, memo or long email you sent. 2. Search for \"affect\" and \"effect\", including \"affects\", \"affected\", \"effects\" and \"effected\". 3. Run the swap test on each hit: influence or result ? Fix every one that fails. 4. Then write one sentence about a decision you made this month, using both words: \"[The decision] affected [who]; the downstream effect was [what, and where].\" If you cannot fill in the second half of that sentence, the grammar was never the hard part. You have not looked downstream yet.","keyTakeaways":["Downstream effects is the phrase you want: effect is the noun, affect is the verb.","Swap test: if influence fits, write affect. If result fits, write effect.","Exception one: to effect change means to bring change about. It does not mean to influence.","Exception two: affect is a psychology noun for visible emotion, stressed on the first syllable.","A downstream effect is a result that turns up later and further along the chain, often on someone else's desk."],"readingMinutes":5,"publishedAt":"2026-10-05T19:00:00.000Z"},"nl":{"label":"Downstream effects of affects? De regel in één zin, plus twee uitzonderingen","summary":"Schrijf downstream effects. In het Engels is effect meestal een zelfstandig naamwoord: het gevolg, wat er later gebeurt. Affect is meestal een werkwoord: beïnvloeden of raken. Je schrijft dus 'the pricing change affects our partners', en wat die partners later merken, is 'the downstream effect'. Er zijn twee uitzonderingen. Effect kan een formeel werkwoord zijn voor teweegbrengen (effect change), en affect is in de psychologie een zelfstandig naamwoord voor de emotie die iemand zichtbaar toont (flat affect).","url":"/nl/blog/downstream-effects-of-affects/","searchText":"Downstream effects of affects? De regel in één zin, plus twee uitzonderingen Downstream effects of affects? Effect is het zelfstandig naamwoord, affect het werkwoord. De regel, de twee uitzonderingen en een quiz van vijf zinnen. Affect is wat een besluit doet. Effect is wat het achterlaat. Schrijf downstream effects. In het Engels is effect meestal een zelfstandig naamwoord: het gevolg, wat er later gebeurt. Affect is meestal een werkwoord: beïnvloeden of raken. Je schrijft dus 'the pricing change affects our partners', en wat die partners later merken, is 'the downstream effect'. Er zijn twee uitzonderingen. Effect kan een formeel werkwoord zijn voor teweegbrengen (effect change), en affect is in de psychologie een zelfstandig naamwoord voor de emotie die iemand zichtbaar toont (flat affect). downstream effects of affects Downstream effects is de juiste vorm: effect is het zelfstandig naamwoord, affect het werkwoord. Vervangtest in het Nederlands: past beïnvloeden of raken, schrijf dan affect. Past gevolg, schrijf dan effect. Nederlandse valkuil: ons affect is een zelfstandig naamwoord (gemoedsaandoening), het Engelse affect bijna altijd een werkwoord. Eerste uitzondering: to effect change betekent verandering teweegbrengen, net als ons effectueren. Het betekent niet beïnvloeden. Tweede uitzondering: affect is in de psychologie een zelfstandig naamwoord voor zichtbare emotie, met de klemtoon op de eerste lettergreep. Een downstream effect is een gevolg dat later en verderop in de keten opduikt, vaak bij iemand anders. downstream-effects affect (Engels werkwoord) Beïnvloeden, raken, van invloed zijn op. The pricing change affected our partners. effect (Engels zelfstandig naamwoord) Het gevolg van een invloed. The downstream effect was a loss of partner margin. effect (Engels werkwoord) Formeel voor teweegbrengen of verwezenlijken, vergelijkbaar met effectueren. The new COO wants to effect a change. affect (Engels zelfstandig naamwoord) Psychologische term voor de emotie die iemand zichtbaar toont, met de klemtoon op de eerste lettergreep. In het Nederlands bestaat hetzelfde woord. downstream effect Een stroomafwaarts effect. Een gevolg van een besluit dat later en verderop in de keten opduikt dan het besluit zelf, vaak bij iemand anders. Schrijf \"downstream effects\". Affect is wat een besluit doet; effect is wat het achterlaat. In een Engelse zin wordt dat: the pricing change affects our partners , en the downstream effect is de marge die zij later kwijtraken. Dit stuk is voor iedereen die op het werk in het Engels schrijft: een memo voor de directie, een bericht aan een internationaal team, een rapport. De regel is kort, de twee uitzonderingen bestaan echt, en voor Nederlandstaligen zit er een extra valkuil in. Wat is de regel? Affect is een werkwoord. Cambridge Dictionary omschrijft het als \"influence or cause someone or something to change\": beïnvloeden, iemand of iets laten veranderen. Het Engels-Nederlandse woordenboek op de site van Cambridge vertaalt het met \"van invloed zijn op\" en \"treffen\". Effect is een zelfstandig naamwoord. Volgens Cambridge is het \"the result of an influence\", het resultaat van een invloed. De Nederlandse vertaling die Cambridge geeft is \"gevolg\". Merriam-Webster vat het samen in één zin: \"If you think of affect as the verb and effect as the noun, most of the time you'll be using the word you want.\" Met die ene regel zit je goed bij bijna elke zin die je op je werk schrijft. Hoe check je het in twee seconden? Doe de vervangtest, en doe hem gewoon in het Nederlands. - Past beïnvloeden , raken of van invloed zijn op ? Dan schrijf je affect . \"The new terms will our suppliers\": de nieuwe voorwaarden raken onze leveranciers. Dus affect . - Past gevolg of resultaat ? Dan schrijf je effect . \"We did not see the downstream \": we zagen het latere gevolg niet. Dus effect . Een tweede check: staat er the , an of a direct voor, dan is het bijna altijd effect . De enige gangbare uitzondering is het psychologische woord verderop. Wil je een ezelsbruggetje? A van actie, E van eindresultaat. Waarom struikelen Nederlanders er extra makkelijk over? Eerst het algemene probleem: de woorden klinken bijna hetzelfde. Cambridge geeft voor allebei dezelfde Amerikaanse uitspraak, /əˈfekt/. In het Brits-Engels scheelt het één korte klinker: effect is /ɪˈfekt/, affect /əˈfekt/. Een spellingcontrole helpt niet, want beide woorden zijn correct gespeld. Alleen de grammatica van de zin bepaalt welk woord je nodig hebt. Dan de Nederlandse valkuil. Effect is bij ons een alledaags woord, dus je vingers typen het vanzelf. En affect bestaat in het Nederlands ook, maar alleen als zelfstandig naamwoord: het etymologisch woordenboek van Van Dale omschrijft het als \"gemoedsaandoening\". Je taalgevoel zegt dus dat affect een ding is. In het Engels is het bijna altijd een handeling. Zo ontstaat een zin als \"This will effect our margins\". Voor een Nederlands oor klinkt dat logisch. Een Engelstalige lezer leest iets heel anders, zoals je hieronder ziet. Wat zijn de twee uitzonderingen? 1. Effect als werkwoord betekent teweegbrengen. Merriam-Webster: \"Sometimes effect is used as a verb meaning 'to cause or bring about' or 'to accomplish.'\" Het voorbeeld daar is \"policies that can effect change\". Cambridge noemt dit gebruik formeel en vertaalt het met \"teweegbrengen\". Handig: het Nederlands heeft een eigen tegenhanger. Effectueren betekent volgens hetzelfde etymologisch woordenboek \"verwezenlijken\" en komt via het Franse effectuer uit het middeleeuws Latijn. Zou je in het Nederlands effectueren of teweegbrengen zeggen, dan is het Engelse werkwoord effect . Zeg je beïnvloeden of raken , dan is het affect . Daarom is \"The reorganization will effect our margins\" zo'n pijnlijke fout. Er staat niet dat de reorganisatie je marges verandert. Er staat dat de reorganisatie je marges tot stand brengt. Je bedoelde affect . 2. Affect als zelfstandig naamwoord hoort bij de psychologie. Merriam-Webster omschrijft het als een woord \"that refers to an observable emotional response\", met de klemtoon op de eerste lettergreep (AF-fect). Het voorbeeld daar is \"notes detailing the patient's affect\". Hier klopt je Nederlandse taalgevoel juist wel: het is hetzelfde woord als ons affect . Psychologen en behandelaars spreken van \"flat affect\" als iemand heel weinig emotie naar buiten laat zien. Medical News Today omschrijft het als \"reduced expression and displays of emotion\". Tenzij je patiëntverslagen of onderzoek schrijft, heb je dit zelfstandig naamwoord zelden nodig. Nog een voetnoot, voor de volledigheid: affect heeft in het Engels een tweede werkwoordsbetekenis, namelijk zich iets aanmeten of iets veinzen. Cambridge geeft als voorbeeld \"At university he affected an upper-class accent.\" Het is nog steeds een werkwoord, dus de regel blijft overeind. Vijf zinnen: goed of fout? Dek de laatste twee kolommen af en test jezelf. Zin Oordeel Waarom --- --- --- --- 1 The new payment terms had a downstream effect on our smallest suppliers. Goed Zelfstandig naamwoord na \"a\". Vervang door \"gevolg\". 2 Nobody modeled the downstream affects. Fout: effects Zelfstandig naamwoord na \"the\". 3 The API change affected every downstream team. Goed Werkwoord: de wijziging raakte elk team. 4 Removing the review step effected quality downstream. Fout: affected \"Effected\" zou betekenen dat het schrappen van de stap kwaliteit tot stand bracht. 5 The new COO wants to effect a change in how downstream costs are reported. Goed \"Effect a change\" betekent een verandering teweegbrengen. Let ook op de omgekeerde val: de woordcombinatie \"downstream affects\" is niet altijd fout. \"A delay downstream affects revenue\" klopt. Affects is daar het werkwoord van de zin, en downstream zegt waar de vertraging zit. Wat is een downstream effect eigenlijk? Downstream betekent verderop in een stroom, oftewel stroomafwaarts. Cambridge geeft naast de rivierbetekenis (\"in the direction a river or stream is flowing\") ook een zakelijke: \"something that happens later in a process or series of events\". Een downstream effect , in het Nederlands een stroomafwaarts effect, is een gevolg van een besluit dat later en verderop in de keten opduikt dan het besluit zelf, vaak op het bureau van iemand anders. Deze site hanteert drie toetsen: het effect komt later, het landt ergens anders dan bij het getal dat je wilde verbeteren, en wie het moet dragen zat niet aan tafel toen het besluit viel. Wat zijn stroomafwaartse effecten? werkt die drie toetsen uit. Neem een verzonnen koffieketen die overstapt op dunnere papieren bekers om kosten te besparen. Het eerste resultaat: goedkopere bekers. Het stroomafwaartse effect komt later en ergens anders: meer lekkende bekers, meer schoonmaakwerk voor het personeel en klachten bij filiaalmanagers die nooit bij het inkoopoverleg zaten. De overstap affected de managers. De klachten zijn het downstream effect . Wil je de volledige methode, lees dan de operatorgids Stroomafwaartse effecten: de rekening die later en ergens anders binnenkomt. Die werkt een veelvoorkomend patroon uit (langere betaaltermijnen voor leveranciers) en geeft een audit van twintig minuten. Het idee krijgt ook een eigen boek, De stroomafwaartse effecten. Dat is in productie en nog niet te koop. Voor je grammatica, en voor de vraag wie er later betaalt, heb je het niet nodig. Probeer dit vandaag (vijf minuten) 1. Open het laatste Engelstalige rapport, memo of lange mail die je hebt verstuurd. 2. Zoek op \"affect\" en \"effect\", en ook op \"affects\", \"affected\", \"effects\" en \"effected\". 3. Doe bij elke treffer de vervangtest: past beïnvloeden of past gevolg ? Verbeter wat niet klopt. 4. Schrijf daarna één zin over een besluit dat je deze maand hebt genomen, met beide woorden: \"[The decision] affected [wie]; the downstream effect was [wat, en waar].\" Lukt de tweede helft van die zin niet, dan was de grammatica nooit het echte probleem. Dan heb je nog niet stroomafwaarts gekeken.","keyTakeaways":["Downstream effects is de juiste vorm: effect is het zelfstandig naamwoord, affect het werkwoord.","Vervangtest in het Nederlands: past beïnvloeden of raken, schrijf dan affect. Past gevolg, schrijf dan effect.","Nederlandse valkuil: ons affect is een zelfstandig naamwoord (gemoedsaandoening), het Engelse affect bijna altijd een werkwoord.","Eerste uitzondering: to effect change betekent verandering teweegbrengen, net als ons effectueren. Het betekent niet beïnvloeden.","Tweede uitzondering: affect is in de psychologie een zelfstandig naamwoord voor zichtbare emotie, met de klemtoon op de eerste lettergreep.","Een downstream effect is een gevolg dat later en verderop in de keten opduikt, vaak bij iemand anders."],"readingMinutes":6,"publishedAt":"2026-10-05T19:05:00.000Z"}},"degree":4},{"id":"article:downstream-impact-meaning","type":"article","pillar":"venture-building","locales":{"en":{"label":"Downstream impact, consequence, implication, outcome, effect: five words, five jobs","summary":"Downstream impact means a strong effect that shows up later in a chain, away from the decision that caused it. Downstream means further along a flow. The nearby words have different jobs: an outcome is the result you score at the end; an effect is any change a cause produces; an impact is a forceful effect; a consequence is a result someone has to live with, often an unwelcome one; an implication is a possible future effect, or what something means for a later decision.","url":"/en/blog/downstream-impact-meaning/","searchText":"Downstream impact, consequence, implication, outcome, effect: five words, five jobs Downstream impact meaning in plain words: how impact, consequence, implication, outcome and effect differ, with one decision traced through all five. Pick the word by the question it answers: what came out, how hard it hit, who has to live with it, what it means next. Downstream impact means a strong effect that shows up later in a chain, away from the decision that caused it. Downstream means further along a flow. The nearby words have different jobs: an outcome is the result you score at the end; an effect is any change a cause produces; an impact is a forceful effect; a consequence is a result someone has to live with, often an unwelcome one; an implication is a possible future effect, or what something means for a later decision. downstream impact meaning Downstream impact is a strong effect that arrives later in the chain, away from its cause. Outcome answers what came out. Impact answers how hard it hit, and whom. Consequence answers who has to live with it. Implication answers what it means for the next decision. Effect is the neutral default when you only mean that one thing changed because of another. If a link in your chain has no precise word yet, you have not traced it. downstream-effects downstream Further along a flow; later in a process or series of events than the thing you are looking at. outcome The result of a process at the moment you look at it and score it. effect Any change or state of affairs that a cause produces. The neutral default. impact A strong or significant effect. Use it when size matters. consequence A result that follows from an action, often an unwelcome one, that someone has to deal with. implication A possible future effect, or what something means for a decision still to come. Also a hint. CASCADE A personal habit for tracing the chain of consequences of a decision before you commit, from The Second-Order Thinker (in production, not for sale). Downstream impact is a strong effect that turns up later in a chain, away from the decision that caused it. The other words here are not spare synonyms. An outcome is what came out when you scored it. An impact is how hard something hit. A consequence is what someone has to live with afterwards. An implication is what it means for the next decision. Plain effect is the neutral default for any change something causes. Choose the word by the question you are answering, and your status update gets shorter and harder to misread. What does \"downstream\" add? \"Downstream\" means further along a flow. Cambridge Dictionary gives a business sense, \"used to describe something that happens later in a process or series of events\", and uses the phrase in its own example: \"All too often, we pay no attention to the downstream impact of our products.\" So a downstream impact arrives later and further along the chain: at a partner, a customer, another team. What exactly you are claiming depends on which of the five words you pick. For what makes something downstream in the first place, see What are downstream effects? What does each word do? Outcome: what came out Merriam-Webster defines an outcome as \"something that follows as a result or consequence\". Cambridge's examples are telling: the outcome of a meeting, of an election. An outcome is the result of a process at the moment you look at it and score it. Use it for the result you measured. \"The outcome of the pilot\" is clear. \"The downstream outcome\" usually is not: say what you measured, and when. Effect: any change a cause produces Merriam-Webster: \"an event, condition, or state of affairs that is produced by a cause\". Cambridge: \"the result of a particular influence\". The word says nothing about size, timing or blame, which makes it the safest default. Use it when you only need to say that one thing changed because of another. Impact: a strong effect Merriam-Webster: \"the strong influence of one thing on another : a significant or major effect\". Cambridge: \"a powerful effect that something, especially something new, has on a situation or person\". The first dictionary sense of the word is a physical collision, and it still carries that force. Use it when size matters. If everything in a memo has an impact, nothing does. As a verb (\"this will impact renewals\"), Merriam-Webster notes that some readers object to it when it means \"to directly affect\", even though the verb is older than the noun. If your reader is picky, write \"affect\". Consequence: what someone has to live with Cambridge: \"a result of a particular action or situation, often one that is bad or not convenient\". Look at the phrases it keeps company with in that entry: serious consequences, face the consequences, unintended consequence. A consequence follows from an action, and somebody carries it. Use it when you want to name who pays. \"The consequences for the account team\" is a sentence someone can act on. Implication: what it means for next time Merriam-Webster: \"a possible significance or future effect\", usually in the plural. Cambridge: \"the effect that an action or decision will have on something else in the future\". The word has a second sense too, a hint: something suggested without being said. Use it before the fact, when you reason forward to a decision you have not made yet. \"The implications for pricing\" invites a decision. \"Downstream implications\" with no named decision is a way to sound careful without committing to anything. Which word should I use? The table Word Question it answers When Typical phrase --- --- --- --- Outcome What came out? When you score it the outcome of the pilot Effect What changed because of it? Any time the effect on reply times Impact How hard did it hit, and whom? Any time; implies force a big impact on renewals Consequence Who has to live with it? Afterwards the consequences for the account team Implication What does it mean for the next decision? Before, looking forward the implications for next year's pricing What does that look like on one decision? Here is a hypothetical, so you can see all five words on one choice. A mid-size software company moves customer support from phone to chat only, to cut costs. - Outcome. At the end of the pilot, cost per ticket is down. The pilot is declared a success. - Effect. Complex problems take longer to solve, because they are slow to explain in a chat window. - Impact. The hit is hardest on the largest customers, who used the phone line during outages. - Consequence. At renewal, several large customers ask for a named contact. The account team, not support, has to deal with it. - Implication. For next year's pricing, urgent phone access probably becomes a paid tier rather than something you can quietly remove. Read it back in one breath: the outcome was good, the effects were mixed, the impact fell on the biggest accounts, the consequences sat with the account team, and the implication is a pricing decision nobody has made yet. All five sit downstream of the same cost-cutting choice. What does \"troubling downstream effect\" mean? You will find the phrase in news and opinion writing. A clear example is a 2018 opinion piece in The Guardian by reading researcher Maryanne Wolf: \"Multiple studies show that digital screen use may be causing a variety of troubling downstream effects on reading comprehension in older high school and college students.\" The same sentence appears in an IELTS academic reading practice passage called \"Changes in reading habits\", so you may have met it while preparing for an exam. Take it apart. Troubling means worrying. Downstream means later in the chain, away from the cause. Effects are the results. The cause is a habit (reading on screens); the worrying results show up later and elsewhere, in how well older students understand what they read. Notice the hedge: \"may be causing\". The phrase names a worry that the author backs with the studies she cites; it is not a settled measurement. The same article also calls the shift in reading \"a change with implications for everyone from the pre-reading toddler to the expert adult\". That is implication in its forward-looking sense. Is there a habit that picks the word for me? Most wrong-word problems are thinking problems. You write \"impact\" because you have not traced the chain far enough to know which link you mean. CASCADE is a habit for tracing that chain in your own head before you commit to a decision. It comes from The Second-Order Thinker , a book by Len van der Hof that is in production and not for sale yet. You do not need the book to use it. The seven letters are the book's seven moves: 1. Consequences have consequences. The first effect is never the only one; think in chains, not single results. 2. Anticipate before you act. Ask \"and then what?\" in writing before you sign, at more than one time horizon. 3. Second-order is where the pain lives. The effect of the effect is usually where the real cost sits. 4. Cascade analysis as practice. Turn the tracing into a short written method you can run alone on any serious decision. 5. Analyze the full tree. Draw the branches you would rather not draw, and weigh them by how bad they would be before how likely they are. 6. Decide with the cascade in view. Set your criteria and your threshold for \"yes\" before anyone starts arguing for an option. 7. Evaluate after the fact. Compare what happened with what you predicted, and update your criteria for next time. Apply move 2 to the support decision above. Before signing, write \"and then what?\" three times and label each answer with one of the five words: - And then what? Cost per ticket falls. That is the outcome you will score. - And then what? Complex cases wait longer, worst for the biggest accounts. Those are the effect and its impact. - And then what? The account team faces pushback at renewal. That is the consequence, and now it has an owner. The implication follows on its own: decide now whether urgent phone access is a paid tier. If a link in your chain has no word yet, you have not traced it. The published second-order thinking audit turns the same pause into a four-check card, and the CASCADE glossary entry explains how the habit relates to the company-level protocol. The book page is The Second-Order Thinker. Try this today (ten minutes) 1. Open your last status update, board memo or project review. 2. Find every \"impact\" (noun or verb) and every \"implications\". 3. For each one, ask the question from the table. Do you mean the result you scored (outcome), the size of the hit (impact), who has to live with it (consequence), or what it means for a decision still to come (implication)? 4. Replace at least three with the precise word. 5. Add one sentence that names a consequence and the person who carries it. The memo gets shorter. It also gets harder to agree with by accident, which is the point.","keyTakeaways":["Downstream impact is a strong effect that arrives later in the chain, away from its cause.","Outcome answers what came out. Impact answers how hard it hit, and whom.","Consequence answers who has to live with it. Implication answers what it means for the next decision.","Effect is the neutral default when you only mean that one thing changed because of another.","If a link in your chain has no precise word yet, you have not traced it."],"readingMinutes":8,"publishedAt":"2026-10-02T16:00:00.000Z"},"nl":{"label":"Downstream impact, consequentie, implicatie, uitkomst, effect: vijf woorden, vijf taken","summary":"Downstream impact is een sterk effect dat later en verderop in een keten opduikt, ver van het besluit dat het veroorzaakte. Downstream betekent stroomafwaarts: verderop in een stroom. De verwante woorden hebben elk een eigen taak: een uitkomst (outcome) is het resultaat dat je aan het eind meet; een effect is elke verandering die een oorzaak teweegbrengt; impact is een krachtig effect; een consequentie of gevolg is iets waar iemand mee moet leven, vaak ongewenst; een implicatie is een mogelijk toekomstig effect, of wat iets betekent voor een later besluit.","url":"/nl/blog/downstream-impact-betekenis/","searchText":"Downstream impact, consequentie, implicatie, uitkomst, effect: vijf woorden, vijf taken Wat downstream impact betekent, in gewone taal: het verschil tussen impact, consequentie, implicatie, uitkomst en effect, toegepast op één besluit. Kies het woord bij de vraag die het beantwoordt: wat kwam eruit, hoe hard kwam het aan, wie moet ermee leven, wat betekent het voor straks. Downstream impact is een sterk effect dat later en verderop in een keten opduikt, ver van het besluit dat het veroorzaakte. Downstream betekent stroomafwaarts: verderop in een stroom. De verwante woorden hebben elk een eigen taak: een uitkomst (outcome) is het resultaat dat je aan het eind meet; een effect is elke verandering die een oorzaak teweegbrengt; impact is een krachtig effect; een consequentie of gevolg is iets waar iemand mee moet leven, vaak ongewenst; een implicatie is een mogelijk toekomstig effect, of wat iets betekent voor een later besluit. downstream impact betekenis Downstream impact is een sterk effect dat later en verderop in de keten aankomt, ver van de oorzaak. Uitkomst beantwoordt wat eruit kwam. Impact beantwoordt hoe hard het aankwam, en bij wie. Gevolg of consequentie beantwoordt wie ermee moet leven. Implicatie beantwoordt wat het betekent voor het volgende besluit. Effect is de neutrale standaardkeuze als je alleen bedoelt dat het ene veranderde door het andere. Schrijf je Nederlands, kies dan in de regel de Nederlandse vorm; downstream impact dwingt je lezer tot vertalen. Heeft een schakel in je keten nog geen precies woord, dan heb je hem nog niet gevolgd. downstream-effects downstream (stroomafwaarts) Verderop in een stroom; later in een proces of een reeks gebeurtenissen dan het punt waar je naar kijkt. uitkomst (outcome) Het resultaat van een proces op het moment dat je ernaar kijkt en het meet. effect Elke verandering of toestand die een oorzaak teweegbrengt. De neutrale standaardkeuze. impact Een krachtig of groot effect. Gebruik het als de omvang ertoe doet. gevolg of consequentie (consequence) Iets wat voortvloeit uit een handeling, vaak ongewenst, waar iemand mee moet leven. implicatie (implication) Een mogelijk toekomstig effect, of wat iets betekent voor een besluit dat nog komt. Ook een hint. CASCADE Een persoonlijke gewoonte om de keten van gevolgen van een besluit te volgen voordat je je erop vastlegt, uit De tweede-orde-denker (in productie, nog niet te koop). Downstream impact is een sterk effect dat later en verderop in een keten opduikt, ver van het besluit dat het veroorzaakte. In gewoon Nederlands: grote gevolgen stroomafwaarts. De andere woorden in de titel zijn geen inwisselbare synoniemen. Een uitkomst is wat eruit kwam op het moment dat je het meet. Impact zegt hoe hard iets aankwam. Een consequentie of gevolg is wat iemand achteraf moet dragen. Een implicatie is wat iets betekent voor het volgende besluit. En gewoon effect is de neutrale standaardkeuze voor elke verandering die iets veroorzaakt. Kies het woord bij de vraag die je beantwoordt, in het Engels en in het Nederlands. Je statusupdate wordt er korter van, en minder snel verkeerd gelezen. Wat voegt 'downstream' toe? Downstream betekent verderop in een stroom. Het Engels-Nederlandse woordenboek op de site van Cambridge vertaalt het met \"stroomafwaarts\". In zakelijk Engels beschrijft het volgens Cambridge \"something that happens later in a process or series of events\". Het woordenboek gebruikt de combinatie zelfs in een eigen voorbeeldzin: \"All too often, we pay no attention to the downstream impact of our products.\" Een downstream impact komt dus later en verderop aan: bij een partner, een klant, een ander team. Wat je precies beweert, hangt af van welk van de vijf woorden je kiest. Wat iets überhaupt stroomafwaarts maakt, lees je in Wat zijn stroomafwaartse effecten? Wat doet elk woord? Outcome, uitkomst: wat eruit kwam Merriam-Webster omschrijft outcome als \"something that follows as a result or consequence\". De voorbeelden van Cambridge zeggen genoeg: de uitkomst van een vergadering, van een verkiezing. Een uitkomst is het resultaat van een proces op het moment dat je kijkt en de balans opmaakt. Cambridge vertaalt outcome met \"resultaat\"; in het Nederlands zeg je ook uitkomst . Gebruik het voor wat je gemeten hebt. \"De uitkomst van de pilot\" is helder. \"De downstream outcome\" meestal niet: zeg wat je gemeten hebt, en wanneer. Effect: elke verandering die een oorzaak teweegbrengt Merriam-Webster: \"an event, condition, or state of affairs that is produced by a cause\". Cambridge: \"the result of a particular influence\", in het Nederlands \"gevolg\". Het woord zegt niets over omvang, timing of schuld, en is daardoor de veiligste standaardkeuze. Gebruik het als je alleen wilt zeggen dat het ene veranderde door het andere. Impact: een sterk effect Merriam-Webster: \"the strong influence of one thing on another : a significant or major effect\". Cambridge: \"a powerful effect that something, especially something new, has on a situation or person\", in het Nederlands \"krachtige invloed\". De eerste betekenis in het Engels is letterlijk een botsing, en die kracht zit er nog altijd in. Het Nederlands heeft het woord uit het Engels geleend. Volgens het Etymologisch Woordenboek van het Nederlands stamt de vroegste vindplaats die het noemt uit 1966, uit het blad Hitweek, over de Rolling Stones. Het Nederlands nam alleen de figuurlijke betekenis over. Wie impact liever vermijdt, heeft keus genoeg: de Woordenlijst Overbodig Engels (Vindpunt) stelt onder meer invloed , effect , uitwerking en weerslag voor. Gebruik het als de omvang ertoe doet. Heeft alles in je memo impact, dan valt niets meer op. Het Engelse werkwoord (\"this will impact renewals\") ligt gevoelig: Merriam-Webster meldt dat sommige lezers bezwaar maken tegen de betekenis \"to directly affect\", al is het werkwoord ouder dan het zelfstandig naamwoord. Schrijf je voor een kritische lezer, gebruik dan \"affect\". Consequence, consequentie: wat iemand moet dragen Cambridge: \"a result of a particular action or situation, often one that is bad or not convenient\". Kijk naar de vaste verbindingen in dat artikel: serious consequences, face the consequences, unintended consequence. Een consequentie volgt uit een handeling, en iemand draagt die. Cambridge vertaalt het met \"gevolg\"; consequentie is de formelere Nederlandse vorm. Gebruik het als je wilt benoemen wie betaalt. \"De gevolgen voor het accountteam\" is een zin waar iemand iets mee kan. Implication, implicatie: wat het betekent voor de volgende keer Merriam-Webster: \"a possible significance or future effect\", meestal in het meervoud. Cambridge: \"the effect that an action or decision will have on something else in the future\". Het woord heeft ook een tweede betekenis: een hint, iets wat je suggereert zonder het te zeggen. De Nederlandse vertaling is implicatie . Gebruik het vooraf, als je vooruit redeneert naar een besluit dat nog genomen moet worden. \"De implicaties voor de prijsstelling\" vraagt om een besluit. \"Downstream implications\" zonder benoemd besluit is een manier om zorgvuldig te klinken zonder je ergens aan te binden. Welk woord kies je? Engels Nederlands Welke vraag beantwoordt het? Wanneer Voorbeeld --- --- --- --- --- Outcome uitkomst, resultaat Wat kwam eruit? Op het moment dat je meet de uitkomst van de pilot Effect effect, gevolg, uitwerking Wat veranderde erdoor? Altijd het effect op de reactietijd Impact impact, grote invloed, weerslag Hoe hard kwam het aan, en bij wie? Altijd; suggereert kracht een flinke weerslag op verlengingen Consequence gevolg, consequentie Wie moet ermee leven? Achteraf de gevolgen voor het accountteam Implication implicatie, gevolgen voor Wat betekent het voor het volgende besluit? Vooraf, vooruitkijkend de implicaties voor de prijzen van volgend jaar Hoe ziet dat eruit bij één besluit? Een verzonnen voorbeeld, zodat je alle vijf woorden bij één keuze ziet. Een middelgroot softwarebedrijf stapt met zijn klantenservice over van telefoon op alleen chat, om kosten te besparen. - Uitkomst. Aan het eind van de pilot zijn de kosten per ticket gedaald. De pilot wordt geslaagd verklaard. - Effect. Ingewikkelde problemen kosten meer tijd, omdat het lang duurt om ze in een chatvenster uit te leggen. - Impact. De grootste klanten, die bij storingen belden, merken het het hardst. - Gevolg. Bij de verlenging vragen meerdere grote klanten om een vaste contactpersoon. Het accountteam, niet de klantenservice, moet dat oplossen. - Implicatie. Voor de prijzen van volgend jaar wordt telefonische hulp bij spoed waarschijnlijk een betaald pakket, geen dienst die je stilletjes kunt schrappen. In één adem: de uitkomst was goed, de effecten waren gemengd, de impact kwam terecht bij de grootste klanten, de gevolgen lagen bij het accountteam, en de implicatie is een prijsbesluit dat nog niemand heeft genomen. Alle vijf liggen stroomafwaarts van dezelfde bezuiniging. Wat betekent 'troubling downstream effect'? Je komt de uitdrukking tegen in nieuws- en opiniestukken. Een helder voorbeeld staat in een opiniestuk van leesonderzoeker Maryanne Wolf, in 2018 verschenen in The Guardian: \"Multiple studies show that digital screen use may be causing a variety of troubling downstream effects on reading comprehension in older high school and college students.\" Dezelfde zin staat in een IELTS-oefentekst voor academisch lezen, \"Changes in reading habits\". Wie voor dat examen oefent, kan hem dus tegenkomen. Ontleed hem. Troubling is zorgwekkend. Downstream is later in de keten, verder van de oorzaak. Effects zijn de gevolgen. De oorzaak is een gewoonte (lezen op schermen); de zorgwekkende gevolgen duiken later en elders op, in hoe goed oudere scholieren en studenten begrijpen wat ze lezen. In gewoon Nederlands: zorgwekkende gevolgen verderop in de keten. Let op het voorbehoud: \"may be causing\". De uitdrukking benoemt een zorg die de auteur onderbouwt met de studies die ze aanhaalt; het is geen vaststaande meting. Hetzelfde artikel noemt de verschuiving in het lezen \"a change with implications for everyone from the pre-reading toddler to the expert adult\". Dat is implicatie in de vooruitkijkende betekenis. Wanneer houd je het Engels aan? Schrijf je in het Engels, gebruik dan de Engelse woorden volgens de tabel hierboven. Schrijf je Nederlands, kies dan in de regel de Nederlandse vorm. \"Downstream impact\" midden in een Nederlandse zin dwingt je lezer om te vertalen, terwijl \"grote gevolgen verderop in de keten\" of \"stroomafwaartse effecten\" meteen aankomt. De uitzondering is vakjargon dat je lezers zelf ook in het Engels gebruiken. Daar maakt een vertaling de tekst eerder vager dan duidelijker. Is er een gewoonte die het woord voor je kiest? De meeste woordkeuzeproblemen zijn denkproblemen. Je schrijft \"impact\" omdat je de keten nog niet ver genoeg hebt gevolgd om te weten welke schakel je bedoelt. CASCADE is een gewoonte om die keten in je eigen hoofd te volgen voordat je je op een besluit vastlegt. Het komt uit De tweede-orde-denker (Engelse titel The Second-Order Thinker ), een boek van Len van der Hof dat in productie en nog niet te koop is. Je hebt het boek niet nodig om ermee te werken. De zeven letters staan voor de zeven zetten uit het boek; de Engelse namen vormen het acroniem: 1. Consequences have consequences (gevolgen hebben gevolgen). Het eerste effect is nooit het enige; denk in ketens, niet in losse resultaten. 2. Anticipate before you act (anticipeer voordat je handelt). Vraag op papier \"en wat dan?\" voordat je tekent, op meer dan één tijdshorizon. 3. Second-order is where the pain lives (de tweede orde is waar de pijn zit). De echte kosten zitten meestal in het effect van het effect. 4. Cascade analysis as practice (cascade-analyse als praktijk). Maak van het volgen van de keten een korte, schriftelijke methode die je in je eentje kunt toepassen op elk serieus besluit. 5. Analyze the full tree (analyseer de volledige boom). Teken ook de takken die je liever niet tekent, en weeg ze eerst naar hoe erg ze zouden zijn, pas daarna naar hoe waarschijnlijk ze zijn. 6. Decide with the cascade in view (beslis met de cascade in beeld). Leg je criteria en je drempel voor \"ja\" vast voordat iemand voor een optie gaat pleiten. 7. Evaluate after the fact (evalueer achteraf). Vergelijk wat er gebeurde met wat je voorspelde, en stel je criteria bij voor de volgende keer. Pas zet 2 toe op het klantenservicebesluit hierboven. Schrijf voordat je tekent drie keer \"en wat dan?\" op en zet bij elk antwoord een van de vijf woorden: - En wat dan? De kosten per ticket dalen. Dat is de uitkomst die je gaat meten. - En wat dan? Ingewikkelde gevallen wachten langer, het ergst bij de grootste klanten. Dat zijn het effect en de impact ervan. - En wat dan? Het accountteam stuit bij de verlenging op weerstand. Dat is het gevolg, en nu heeft het een eigenaar. De implicatie volgt vanzelf: besluit nu of telefonische hulp bij spoed een betaald pakket wordt. Heeft een schakel in je keten nog geen woord, dan heb je hem nog niet gevolgd. De gepubliceerde tweede-orde-denken-audit maakt van dezelfde pauze een kaart met vier checks, en het begrip CASCADE legt uit hoe de gewoonte zich verhoudt tot het protocol op bedrijfsniveau. De boekpagina is De tweede-orde-denker. Probeer dit vandaag (tien minuten) 1. Open je laatste statusupdate, directiememo of projectevaluatie. 2. Zoek elke \"impact\" (als zelfstandig naamwoord of als werkwoord) en elke \"implicatie\" (of \"implications\"). 3. Stel bij elke treffer de vraag uit de tabel. Bedoel je het gemeten resultaat (uitkomst), de omvang van de klap (impact), wie ermee moet leven (gevolg), of wat het betekent voor een besluit dat nog komt (implicatie)? 4. Vervang er minstens drie door het precieze woord. 5. Voeg één zin toe die een gevolg benoemt en de persoon die het draagt. De memo wordt korter, en het wordt moeilijker om het er per ongeluk mee eens te zijn. Daar gaat het om.","keyTakeaways":["Downstream impact is een sterk effect dat later en verderop in de keten aankomt, ver van de oorzaak.","Uitkomst beantwoordt wat eruit kwam. Impact beantwoordt hoe hard het aankwam, en bij wie.","Gevolg of consequentie beantwoordt wie ermee moet leven. Implicatie beantwoordt wat het betekent voor het volgende besluit.","Effect is de neutrale standaardkeuze als je alleen bedoelt dat het ene veranderde door het andere.","Schrijf je Nederlands, kies dan in de regel de Nederlandse vorm; downstream impact dwingt je lezer tot vertalen.","Heeft een schakel in je keten nog geen precies woord, dan heb je hem nog niet gevolgd."],"readingMinutes":9,"publishedAt":"2026-10-02T16:05:00.000Z"}},"degree":7},{"id":"article:dutch-costs-more-tokens","type":"article","pillar":"ai-systems","locales":{"en":{"label":"Dutch costs 20% more GPT tokens than English. We measured it on 78 article pairs","summary":"Dutch needs more tokens than English for the same content. We counted all 78 English and Dutch article pairs on lenvanderhof.com with tiktoken, OpenAI's open-source token counter. With o200k_base, the encoding tiktoken assigns to GPT-4o through GPT-5, Dutch needed 20% more tokens (109,235 against 90,765). With cl100k_base, which OpenAI names for its text-embedding-3 models, Dutch needed 49% more. A token is the chunk of text an AI model reads, and the unit you pay for, so per-token prices hit Dutch harder.","url":"/en/blog/dutch-costs-more-tokens/","searchText":"Dutch costs 20% more GPT tokens than English. We measured it on 78 article pairs Dutch vs English token count, measured on 78 article pairs with OpenAI's tokenizer: Dutch needed 20% more tokens, and 49% more for embeddings. Same content, same author, two languages. The Dutch version was 2% longer in words and 20% longer in tokens. Dutch needs more tokens than English for the same content. We counted all 78 English and Dutch article pairs on lenvanderhof.com with tiktoken, OpenAI's open-source token counter. With o200k base, the encoding tiktoken assigns to GPT-4o through GPT-5, Dutch needed 20% more tokens (109,235 against 90,765). With cl100k base, which OpenAI names for its text-embedding-3 models, Dutch needed 49% more. A token is the chunk of text an AI model reads, and the unit you pay for, so per-token prices hit Dutch harder. dutch vs english token count Across 78 article pairs, Dutch needed 1.20 times the tokens of English on o200k base and 1.49 times on cl100k base. The Dutch articles were only 2% longer in words. The gap comes from how Dutch words are cut into tokens. All 78 pairs cost more in Dutch. A public benchmark, FLORES-200, gave a slightly larger gap: 1.24 and 1.60. Embedding a Dutch archive for RAG on text-embedding-3 takes about 49% more tokens than the same archive in English. Measure your own ratio before you budget: other vendors' tokenizers count differently. undominated token The chunk of text an AI model reads or writes, and the unit you pay for, such as a short word or a piece of a longer one. tokenizer The program that cuts text into tokens using a fixed list of pieces learned from training text. encoding A tokenizer's fixed list of pieces. o200k base and cl100k base are two of OpenAI's encodings. embedding A list of numbers that represents a piece of text, used by search systems to find passages with similar meaning. ROUTE Register, Objective typing, Utilize policy, Track, Evolve. The model-management discipline from The Model Portfolio. Dutch needed 20% more tokens than English to say the same thing. A token is the chunk of text an AI model reads, and the unit you pay for: a short word, or a piece of a longer one. We counted all 78 English and Dutch article pairs published on this site with the tokenizer (the program that cuts text into tokens) that OpenAI's own counting library assigns to GPT-4o through GPT-5. English came to 90,765 tokens, Dutch to 109,235. AI services charge per token, so the same work in Dutch costs about a fifth more. On the older tokenizer that OpenAI names for its text-embedding-3 models, the gap was 49%. What exactly did we measure? On 24 September 2026 we took every article on lenvanderhof.com that is published in both English and Dutch: 78 pairs. Each Dutch version is a native rewrite of the same content by the same author, not a word-for-word translation. We kept only the article body. We removed the metadata header and the web addresses inside links, but kept the link text. Then we counted with tiktoken 0.14.0, OpenAI's open-source token counter, using two encodings (an encoding is a tokenizer's fixed list of pieces): - o200k base , which tiktoken assigns to GPT-4o, GPT-4.1, GPT-5 and the o1, o3 and o4-mini models. - cl100k base , which tiktoken assigns to GPT-4 and GPT-3.5-turbo, and which OpenAI's embeddings guide names for its text-embedding-3 models. All 78 pairs English Dutch Dutch ÷ English --- --- --- --- Words 70,543 72,071 1.02 Characters 408,399 456,723 1.12 Tokens, o200k base 90,765 109,235 1.20 Tokens, cl100k base 91,259 135,540 1.49 Tokens per word, o200k base 1.29 1.52 Tokens per word, cl100k base 1.29 1.88 The Dutch articles were only 2% longer in words. Almost the whole gap comes from how the words get cut up. It was not a few outliers. All 78 pairs cost more in Dutch. On o200k base the ratio per pair ran from 1.11 to 1.39, with a median (the middle value) of 1.19. On cl100k base it ran from 1.28 to 1.74, median 1.47. Why does Dutch split into more pieces? A tokenizer learns its pieces from a large pile of training text. Pieces that appear often get their own token. Everything else is built from smaller parts. If the pile holds far more English than Dutch, English words are more likely to be whole pieces. Aleksandar Petrov and colleagues at the University of Oxford measured this across 200 languages, in a study for the NeurIPS 2023 research conference. The same text translated into different languages can differ in token length \"up to 15 times\", they found, and tokenizers \"are heavily influenced by the biases of the corpus source\", meaning the text they learned from. Dutch adds its own twist: compounds. Dutch glues words together where English keeps them apart. Here is what the two encodings did with a few words in our own test: Word o200k base cl100k base --- --- --- hospital 1 token 1 token ziekenhuis (hospital) 1 token 4 tokens disability insurance 2 tokens 2 tokens arbeidsongeschiktheidsverzekering (disability insurance) 7 tokens 10 tokens Each word was counted with a leading space, the way it appears mid-sentence. The newer encoding learned \"ziekenhuis\" as one piece. The long compound still breaks into seven. OpenAI pointed in the same direction when it launched GPT-4o in 2024. Its new tokenizer used fewer tokens for all 20 example languages it showed; a German sentence dropped from 34 to 29 tokens, an English one from 27 to 24. Dutch was not on that list. Our numbers show the same move: the Dutch gap shrank from 49% on the old encoding to 20% on the new one. Is the 20% just our writing style? Our Dutch articles are rewrites, and one author wrote all of them. So we cross-checked on a public benchmark. FLORES-200 is a set of 3,001 sentences from 842 web articles, translated by humans into 200 languages. It was built by Meta's NLLB research team, and Petrov's study used it too. We took the 2,009 sentences in its public dev and devtest sets, in English and Dutch, and counted them the same way. FLORES-200, 2,009 sentences English Dutch Dutch ÷ English --- --- --- --- Tokens, o200k base 52,409 65,174 1.24 Tokens, cl100k base 52,983 84,599 1.60 On cl100k base we got 1.60. Petrov's published figure for Dutch on the same encoding is 1.59, so the counting method holds up. On the newer o200k base, literal translations came out 24% dearer in Dutch, a little worse than our rewrites. If anything, our 20% headline is on the low side. What does 20% mean in euros? Hypothetical arithmetic for a Dutch business that runs its AI work in Dutch: If the same work in English would cost In Dutch, at +20% Extra per year --- --- --- €500 a month €600 a month €1,200 €5,000 a month €6,000 a month €12,000 €50,000 a month €60,000 a month €120,000 This assumes you pay per token and your model's tokenizer behaves like o200k base. If the model also answers in Dutch, the output grows too, and output is usually the most expensive line on the bill. The price per token itself differs widely between models; Undominated.ai is the index I built to compare those prices. There is a second cost that is not money. Every model has a context window: the maximum number of tokens it can read at once. At our averages, 100,000 tokens hold about 77,700 words of English but only about 66,000 words of Dutch. The same window fits less Dutch. What about RAG and embeddings? RAG (retrieval-augmented generation) is the setup where an AI looks up passages in your own documents before it answers. To find the right passages, the documents are first turned into embeddings: lists of numbers that let a search system find text with a similar meaning. OpenAI's embeddings guide says to count tokens for its text-embedding-3 models with cl100k base, and that \"Usage is priced per input token.\" On that encoding our Dutch text needed 49% more tokens. So embedding a Dutch document library takes about one and a half times the tokens of the same library in English. If you cut documents into chunks of a fixed number of tokens, you also get about 49% more chunks to store and search. The same guide lists a maximum input of 8,192 tokens per embedding. At our averages, that is about 6,300 words of English or about 4,400 words of Dutch. What is RAG? explains the rest of the setup. What this measurement does not show - Rewrites, not translations. Our Dutch articles are native rewrites. The FLORES-200 check suggests literal translation gives a slightly larger gap, not a smaller one. - One tokenizer family. We measured OpenAI's encodings through tiktoken. Other vendors cut text differently. Anthropic's pricing page says its newer Claude models use a tokenizer that \"produces approximately 30% more tokens for the same text\" than its previous one. Tokenizers vary even inside one company, so measure the model you actually use. - A site, not a benchmark. These are 78 article pairs about AI, search and founders, by one author. A legal archive or a chat log could land elsewhere. - Newer models. tiktoken 0.14.0 maps model names up to GPT-5. It does not tell you which encoding a newer model uses. - Text only. We counted article text. Real API calls add tokens for message formatting, tools and files. Where does ROUTE fit? Language is a cost setting, so manage it like one. That is where ROUTE helps. ROUTE is the framework from my book The Model Portfolio, which is available now. It is for running several AI models like an investment portfolio: each task goes to a named model for a named reason, and its cost is measured. The five steps: 1. R · Register. List every model you use with its purpose, cost class, privacy class and retirement status. 2. O · Objective typing. Write down what each task needs (depth of reasoning, format, speed, quality, privacy) before you pick a model. 3. U · Utilize policy. Write the rules that send each request to a model, with backups. 4. T · Track. Measure cost, speed and quality per route, meaning per type of task, so waste shows up before the invoice. 5. E · Evolve. Promote, demote and retire models on a schedule. You do not need the book to use this. Applied to Dutch, two steps do the work. Objective typing: add language to the task description. A Dutch support route and an English one have different token budgets, even with the same model and the same prompt. The book also recommends tagging each model with what it handles well and badly, and calls a documented failure on non-English input \"essential for any team routing multilingual traffic.\" Track: log tokens per task, per language. If Dutch tasks cost about a fifth more, that matches this measurement. If they cost far more than your own measured ratio, find out why before you scale. Try this today (15 minutes) Measure your own gap. You need Python and five documents you have in both English and Dutch. This is the method we used, cut down to one script. It expects Markdown files with a metadata header; for plain text, delete the line that drops the header. python pip install tiktoken==0.14.0 import re, tiktoken def body(path): text = open(path, encoding=\"utf-8\").read() text = re.split(r\"^---\\s $\", text, maxsplit=2, flags=re.M)[2] drop the header return re.sub(r\"\\]\\([^)] \\)\", \"]\", text) keep link text, drop URLs pairs = [(\"en/page.md\", \"nl/pagina.md\")] add your own English/Dutch pairs for name in [\"o200k base\", \"cl100k base\"]: enc = tiktoken.get encoding(name) en = sum(len(enc.encode(body(e))) for e, in pairs) nl = sum(len(enc.encode(body(n))) for , n in pairs) print(name, en, nl, round(nl / en, 3)) 1. Install the counter with pip install tiktoken==0.14.0 . (2 minutes) 2. Put your pairs in the list and run the script. It prints the English tokens, the Dutch tokens and the ratio for both encodings. (8 minutes) 3. Write the ratio next to every AI task you run in Dutch, and multiply that task's token budget by it. (5 minutes) If your ratio sits near 1.2, your documents behave like ours. If it is much higher, you have just found where part of your AI budget goes.","keyTakeaways":["Across 78 article pairs, Dutch needed 1.20 times the tokens of English on o200k_base and 1.49 times on cl100k_base.","The Dutch articles were only 2% longer in words. The gap comes from how Dutch words are cut into tokens.","All 78 pairs cost more in Dutch. A public benchmark, FLORES-200, gave a slightly larger gap: 1.24 and 1.60.","Embedding a Dutch archive for RAG on text-embedding-3 takes about 49% more tokens than the same archive in English.","Measure your own ratio before you budget: other vendors' tokenizers count differently."],"readingMinutes":8,"publishedAt":"2026-10-09T07:00:00.000Z"},"nl":{"label":"Nederlands kost 20% meer GPT-tokens dan Engels. We maten het in 78 artikelparen","summary":"Nederlands heeft voor dezelfde inhoud meer tokens nodig dan Engels. We telden alle 78 Engels-Nederlandse artikelparen op lenvanderhof.com met tiktoken, de opensource-tokenteller van OpenAI. Met o200k_base, de encoding die tiktoken koppelt aan GPT-4o tot en met GPT-5, had Nederlands 20% meer tokens nodig (109.235 tegen 90.765). Met cl100k_base, die OpenAI noemt voor zijn text-embedding-3-modellen, was dat 49%. Een token is het stukje tekst waarin een AI-model leest en schrijft, en waarvoor je betaalt; prijzen per token treffen Nederlands dus harder.","url":"/nl/blog/nederlands-kost-meer-tokens/","searchText":"Nederlands kost 20% meer GPT-tokens dan Engels. We maten het in 78 artikelparen Nederlands kost meer tokens dan Engels: in 78 artikelparen had Nederlands 20% meer tokens nodig bij de tokenizer van OpenAI, en 49% meer voor embeddings. Dezelfde inhoud, dezelfde auteur, twee talen. De Nederlandse versie was 2% langer in woorden en 20% langer in tokens. Nederlands heeft voor dezelfde inhoud meer tokens nodig dan Engels. We telden alle 78 Engels-Nederlandse artikelparen op lenvanderhof.com met tiktoken, de opensource-tokenteller van OpenAI. Met o200k base, de encoding die tiktoken koppelt aan GPT-4o tot en met GPT-5, had Nederlands 20% meer tokens nodig (109.235 tegen 90.765). Met cl100k base, die OpenAI noemt voor zijn text-embedding-3-modellen, was dat 49%. Een token is het stukje tekst waarin een AI-model leest en schrijft, en waarvoor je betaalt; prijzen per token treffen Nederlands dus harder. Nederlands kost meer tokens Opgeteld over 78 artikelparen had Nederlands 1,20 keer zoveel tokens nodig als Engels bij o200k base, en 1,49 keer bij cl100k base. De Nederlandse artikelen waren maar 2% langer in woorden. Het verschil zit in de manier waarop Nederlandse woorden in tokens worden geknipt. Alle 78 paren waren in het Nederlands duurder. De openbare benchmark FLORES-200 gaf een iets groter verschil: 1,24 en 1,60. Een Nederlands archief omzetten in embeddings voor RAG kost bij text-embedding-3 zo'n 49% meer tokens dan hetzelfde archief in het Engels. Meet je eigen verhouding voordat je begroot: de tokenizers van andere aanbieders tellen anders. undominated token Het stukje tekst waarin een AI-model leest en schrijft, en waarvoor je betaalt, zoals een kort woord of een deel van een langer woord. tokenizer Het programma dat tekst in tokens knipt, met een vaste lijst stukjes die uit trainingstekst is geleerd. encoding De vaste lijst stukjes van een tokenizer. o200k base en cl100k base zijn twee encodings van OpenAI. embedding Een reeks getallen die een stuk tekst weergeeft, zodat een zoeksysteem passages met een vergelijkbare betekenis kan vinden. ROUTE Register, Doel-typering, Uitvoeringsbeleid, Tracken, Evolueren. De discipline voor modelbeheer uit Het model-portfolio. Nederlands had 20% meer tokens nodig dan Engels om hetzelfde te zeggen. Een token is het stukje tekst waarin een AI-model leest en schrijft, en waarvoor je betaalt: een kort woord, of een deel van een langer woord. We telden alle 78 Engels-Nederlandse artikelparen op deze site met de tokenizer (het programma dat tekst in tokens knipt) die in de eigen telbibliotheek van OpenAI is gekoppeld aan GPT-4o tot en met GPT-5. Engels kwam uit op 90.765 tokens, Nederlands op 109.235. AI-diensten rekenen per token, dus hetzelfde werk kost in het Nederlands ongeveer een vijfde meer. Met de oudere tokenizer die OpenAI noemt voor zijn text-embedding-3-modellen was het verschil 49%. Wat hebben we precies gemeten? Op 24 september 2026 namen we elk artikel op lenvanderhof.com dat zowel in het Engels als in het Nederlands is gepubliceerd: 78 paren. Elke Nederlandse versie is een zelfstandige bewerking van dezelfde inhoud door dezelfde auteur, geen vertaling woord voor woord. We hielden alleen de hoofdtekst over. De metadata bovenaan en de webadressen in links haalden we weg; de linktekst bleef staan. Daarna telden we met tiktoken 0.14.0, de opensource-tokenteller van OpenAI, in twee encodings (een encoding is de vaste lijst stukjes van een tokenizer): - o200k base , die tiktoken koppelt aan GPT-4o, GPT-4.1, GPT-5 en de modellen o1, o3 en o4-mini. - cl100k base , die tiktoken koppelt aan GPT-4 en GPT-3.5-turbo, en die OpenAI in zijn handleiding noemt voor de text-embedding-3-modellen. Alle 78 paren Engels Nederlands Nederlands ÷ Engels --- --- --- --- Woorden 70.543 72.071 1,02 Tekens 408.399 456.723 1,12 Tokens, o200k base 90.765 109.235 1,20 Tokens, cl100k base 91.259 135.540 1,49 Tokens per woord, o200k base 1,29 1,52 Tokens per woord, cl100k base 1,29 1,88 De Nederlandse artikelen waren maar 2% langer in woorden. Bijna het hele verschil zit in de manier waarop de woorden in stukken worden geknipt. Het lag niet aan een paar uitschieters. Alle 78 paren waren in het Nederlands duurder. Bij o200k base liep de verhouding per paar van 1,11 tot 1,39, met een mediaan (de middelste waarde) van 1,19. Bij cl100k base liep ze van 1,28 tot 1,74, met een mediaan van 1,47. Waarom valt Nederlands in meer stukken uiteen? Een tokenizer leert zijn stukjes uit een grote berg trainingstekst. Stukjes die vaak voorkomen, krijgen een eigen token. De rest wordt uit kleinere delen opgebouwd. Bevat die berg veel meer Engels dan Nederlands, dan is een Engels woord eerder één geheel. Aleksandar Petrov en collega's van de Universiteit van Oxford maten dit voor 200 talen, in een studie voor het congres NeurIPS 2023. Dezelfde tekst kan na vertaling tot vijftien keer zoveel tokens tellen, vonden ze, en tokenizers worden sterk gekleurd door de tekstverzameling waaruit ze hebben geleerd. Het Nederlands heeft er een eigen probleem bij: samenstellingen. Waar het Engels losse woorden gebruikt, plakt het Nederlands ze aan elkaar. Dit deden de twee encodings in onze eigen test met een paar woorden: Woord o200k base cl100k base --- --- --- hospital 1 token 1 token ziekenhuis 1 token 4 tokens disability insurance 2 tokens 2 tokens arbeidsongeschiktheidsverzekering 7 tokens 10 tokens We telden elk woord met een spatie ervoor, zoals het midden in een zin staat. De nieuwere encoding kent 'ziekenhuis' als één stuk. De lange samenstelling valt nog altijd in zeven stukken uiteen. OpenAI wees in dezelfde richting toen het in 2024 GPT-4o lanceerde. De nieuwe tokenizer had minder tokens nodig voor alle twintig voorbeeldtalen op de lanceringspagina; een Duitse zin ging van 34 naar 29 tokens, een Engelse van 27 naar 24. Nederlands stond niet in die lijst. Onze cijfers laten dezelfde beweging zien: het Nederlandse verschil kromp van 49% bij de oude encoding naar 20% bij de nieuwe. Komt die 20% door onze schrijfstijl? Onze Nederlandse artikelen zijn bewerkingen, en één auteur schreef ze allemaal. Daarom controleerden we de uitkomst met een openbare benchmark. FLORES-200 is een verzameling van 3.001 zinnen uit 842 webartikelen, door mensen vertaald in 200 talen. Het NLLB-onderzoeksteam van Meta stelde de set samen, en ook Petrov gebruikte hem. We namen de 2.009 zinnen uit de openbare dev- en devtest-sets, in het Engels en het Nederlands, en telden ze op dezelfde manier. FLORES-200, 2.009 zinnen Engels Nederlands Nederlands ÷ Engels --- --- --- --- Tokens, o200k base 52.409 65.174 1,24 Tokens, cl100k base 52.983 84.599 1,60 Bij cl100k base kwamen we uit op 1,60. Petrov publiceerde voor Nederlands bij dezelfde encoding 1,59, dus onze telmethode houdt stand. Bij de nieuwere o200k base waren letterlijke vertalingen in het Nederlands 24% duurder, iets meer dan bij onze bewerkingen. De 20% in onze kop zit dus eerder aan de voorzichtige kant. Wat betekent 20% in euro's? Een hypothetisch rekenvoorbeeld voor een Nederlands bedrijf dat zijn AI-werk in het Nederlands doet: Als hetzelfde werk in het Engels kost In het Nederlands, bij +20% Extra per jaar --- --- --- € 500 per maand € 600 per maand € 1.200 € 5.000 per maand € 6.000 per maand € 12.000 € 50.000 per maand € 60.000 per maand € 120.000 Dit gaat ervan uit dat je per token betaalt en dat de tokenizer van je model zich gedraagt als o200k base. Antwoordt het model ook in het Nederlands, dan groeit de output mee, en output is meestal de duurste regel op de rekening. De prijs per token zelf verschilt sterk per model; Undominated.ai is de index die ik bouwde om die prijzen te vergelijken. Er is nog een tweede kostenpost, en die druk je niet in geld uit. Elk model heeft een contextvenster: het maximale aantal tokens dat het in één keer kan lezen. Met onze gemiddelden passen in 100.000 tokens ongeveer 77.700 Engelse woorden, maar slechts zo'n 66.000 Nederlandse. In hetzelfde venster past minder Nederlands. Wat betekent dit voor RAG en embeddings? RAG (retrieval-augmented generation) is de opzet waarbij een AI eerst passages in je eigen documenten opzoekt en pas daarna antwoordt. Om de juiste passages te vinden, worden de documenten vooraf omgezet in embeddings: reeksen getallen waarmee een zoeksysteem tekst met een vergelijkbare betekenis terugvindt. De handleiding van OpenAI zegt dat je de tokens voor de text-embedding-3-modellen telt met cl100k base, en dat je per inputtoken betaalt. Bij die encoding had onze Nederlandse tekst 49% meer tokens nodig. Een Nederlandse documentenverzameling omzetten kost dus ongeveer anderhalf keer zoveel tokens als dezelfde verzameling in het Engels. Knip je documenten in stukken met een vast aantal tokens, dan krijg je ook zo'n 49% meer stukken om op te slaan en te doorzoeken. Volgens dezelfde handleiding is de maximale input 8.192 tokens per embedding. Met onze gemiddelden is dat ongeveer 6.300 Engelse woorden, of ongeveer 4.400 Nederlandse. Wat is RAG? legt de rest van de opzet uit. Wat laat deze meting niet zien? - Bewerkingen, geen vertalingen. Onze Nederlandse artikelen zijn eigen bewerkingen. De controle met FLORES-200 wijst erop dat letterlijk vertalen een iets groter verschil geeft, geen kleiner. - Eén familie tokenizers. We maten de encodings van OpenAI via tiktoken. Andere aanbieders knippen tekst anders. Anthropic meldt op zijn prijspagina dat de nieuwere Claude-modellen een tokenizer gebruiken die voor dezelfde tekst ongeveer 30% meer tokens oplevert dan de vorige. Tokenizers verschillen zelfs binnen één bedrijf, dus meet het model dat je echt gebruikt. - Eén site, geen benchmark. Het gaat om 78 artikelparen over AI, vindbaarheid en ondernemerschap, van één auteur. Een juridisch archief of een verzameling chatgesprekken kan anders uitvallen. - Nieuwere modellen. De koppeling in tiktoken 0.14.0 loopt tot en met GPT-5. Welke encoding een nieuwer model gebruikt, staat er niet in. - Alleen tekst. We telden artikeltekst. Echte API-aanroepen voegen tokens toe voor de opmaak van berichten, tools en bestanden. Hoe past ROUTE hierin? Taal is een kosteninstelling, dus beheer haar ook zo. Daar helpt ROUTE bij. ROUTE is het framework uit mijn boek Het model-portfolio, dat nu verkrijgbaar is. Het helpt je meerdere AI-modellen te beheren als een beleggingsportefeuille: elke taak gaat om een vastgelegde reden naar een aangewezen model, en je meet wat die taak kost. De letters volgen de Engelse namen van de vijf stappen: 1. R · Register. Zet elk model dat je gebruikt op een lijst, met doel, kostenklasse, privacyklasse en uitfaseringsstatus. 2. O · Doel-typering (Objective typing). Schrijf per taak op wat die nodig heeft (redeneerdiepte, formaat, snelheid, kwaliteit, vertrouwelijkheid) voordat je een model kiest. 3. U · Uitvoeringsbeleid (Utilize policy). Leg de regels vast die elk verzoek naar een model sturen, met reservemodellen. 4. T · Tracken (Track). Meet kosten, snelheid en kwaliteit per route, dus per soort taak, zodat verspilling zichtbaar wordt vóór de factuur. 5. E · Evolueren (Evolve). Promoveer, degradeer en faseer modellen uit volgens een vast schema. Je hebt het boek niet nodig om dit toe te passen. Voor Nederlands doen twee stappen het werk. Doel-typering: zet de taal in de taakomschrijving. Een Nederlandse klantenserviceroute en een Engelse hebben een ander tokenbudget, ook met hetzelfde model en dezelfde prompt. Het boek raadt daarnaast aan elk model te labelen met wat het goed en slecht doet. Weten dat een model een vastgelegde zwakte heeft bij niet-Engelse invoer, is volgens het boek \"essentieel voor elk team dat meertalig verkeer routeert\". Tracken: leg per taak en per taal vast hoeveel tokens er opgaan. Kosten Nederlandse taken ongeveer een vijfde meer, dan klopt dat met deze meting. Kosten ze veel meer dan je eigen gemeten verhouding, zoek dan uit waarom voordat je opschaalt. Probeer dit vandaag (15 minuten) Meet je eigen verschil. Je hebt Python nodig en vijf documenten die je zowel in het Engels als in het Nederlands hebt. Dit is onze methode, teruggebracht tot één script. Het verwacht Markdown-bestanden met metadata bovenaan; werk je met platte tekst, haal dan de regel weg die de metadata verwijdert. python pip install tiktoken==0.14.0 import re, tiktoken def body(path): text = open(path, encoding=\"utf-8\").read() text = re.split(r\"^---\\s $\", text, maxsplit=2, flags=re.M)[2] metadata weg return re.sub(r\"\\]\\([^)] \\)\", \"]\", text) linktekst blijft, URL's gaan eruit pairs = [(\"en/page.md\", \"nl/pagina.md\")] vul je eigen Engels-Nederlandse paren in for name in [\"o200k base\", \"cl100k base\"]: enc = tiktoken.get encoding(name) en = sum(len(enc.encode(body(e))) for e, in pairs) nl = sum(len(enc.encode(body(n))) for , n in pairs) print(name, en, nl, round(nl / en, 3)) 1. Installeer de teller met pip install tiktoken==0.14.0 . (2 minuten) 2. Zet je paren in de lijst en draai het script. Het toont de Engelse tokens, de Nederlandse tokens en de verhouding, voor beide encodings. (8 minuten) 3. Zet de verhouding naast elke AI-taak die je in het Nederlands draait, en vermenigvuldig het tokenbudget van die taak ermee. (5 minuten) Zit je verhouding rond 1,2, dan gedragen je documenten zich als de onze. Ligt ze veel hoger, dan weet je nu waar een deel van je AI-budget blijft.","keyTakeaways":["Opgeteld over 78 artikelparen had Nederlands 1,20 keer zoveel tokens nodig als Engels bij o200k_base, en 1,49 keer bij cl100k_base.","De Nederlandse artikelen waren maar 2% langer in woorden. Het verschil zit in de manier waarop Nederlandse woorden in tokens worden geknipt.","Alle 78 paren waren in het Nederlands duurder. De openbare benchmark FLORES-200 gaf een iets groter verschil: 1,24 en 1,60.","Een Nederlands archief omzetten in embeddings voor RAG kost bij text-embedding-3 zo'n 49% meer tokens dan hetzelfde archief in het Engels.","Meet je eigen verhouding voordat je begroot: de tokenizers van andere aanbieders tellen anders."],"readingMinutes":9,"publishedAt":"2026-10-09T07:05:00.000Z"}},"degree":6},{"id":"article:evaluate-reasoning-not-fluency","type":"article","pillar":"ai-systems","locales":{"en":{"label":"Evaluate the reasoning, not the fluency","summary":"Fluency is not evidence. A language model can return a clean paragraph that invented a number, cited a blog as a study, or retrieved the wrong chunk with a straight face. Evaluating the reasoning means scoring the trace: which sources were gathered, whether you can name the passage, what assumption is load-bearing, and how strong the claim is allowed to be. CALIBRATE is that match of confidence to evidence. GRAIN is the retrieval loop that keeps an answer tied to a chunk you can point at. If you cannot inspect either, you do not have evaluation. You have a vibe.","url":"/en/blog/evaluate-reasoning-not-fluency/","searchText":"Evaluate the reasoning, not the fluency A fluent answer is the cheapest thing a model produces. Score the trace: what was retrieved, what was assumed, and how sure you are entitled to be before you paste it into a decision. A fluent answer is not a graded one. Score the trace before you trust the sentence. Fluency is not evidence. A language model can return a clean paragraph that invented a number, cited a blog as a study, or retrieved the wrong chunk with a straight face. Evaluating the reasoning means scoring the trace: which sources were gathered, whether you can name the passage, what assumption is load-bearing, and how strong the claim is allowed to be. CALIBRATE is that match of confidence to evidence. GRAIN is the retrieval loop that keeps an answer tied to a chunk you can point at. If you cannot inspect either, you do not have evaluation. You have a vibe. evaluating LLM reasoning Score the chain, not the prose. If you cannot replay the steps, you cannot grade the answer. CALIBRATE: confidence is a report against evidence, not a tone of voice. GRAIN: if you cannot name the chunk, you have a fluent guess, not retrieval. The Calibrated Mind is live. The RAG Engineer is live. The loops are already usable. This page is not a product claim for ReasonKit. ai-agents CALIBRATE Match the strength of a judgment to the strength of the evidence, then update when the facts move. GRAIN A retrieval loop that keeps an answer tied to a named chunk. RAG The model must fetch named passages before it answers. If you cannot inspect the chunk, you do not have RAG. You ask the model to size the market, check a rule, or summarise a paper. Back comes a clean paragraph. You paste it into the deck. Three weeks later a number was invented, a \"leading study\" was a blog post, and a deal moved on evidence that was never there. The output was not researched. It was fluent. Fluency is now the cheapest thing a model produces. Score the trace Evaluating reasoning is not asking \"does this sound right?\" That question grades the prose. The prose is the last mile. A scored trace answers four cheaper questions. 1. What was gathered? Named sources, or a vibe from pretraining. 2. What was retrieved? A passage you can point at, or extra context stuffed in a prompt. 3. What was assumed? The load-bearing premise. If it is false, the paragraph collapses. 4. How sure are you entitled to be? A number you would defend, not a tone of voice. If you cannot replay those four, you cannot grade the answer. You can only like it. This is the same split as an agent versus an automation. A script fails on a node you named. A fluent guess fails in a sentence you admired. Do not confuse this Evaluate with the Evaluate move in SENSE. SENSE Evaluate turns a market signal into a sourced claim for Monday. This page scores a model’s chain before you let that claim into the register. A fluent miss you can replay The paragraph said: “Enterprise adoption is already above 70 percent, per a recent leading study.” It scanned. It even had a comma. The trace, if anyone had asked: - Gathered: nothing you can name. No URL. No PDF. No table. - Retrieved: none. There was no chunk. - Assumed: that a round number plus “leading study” is a citation. - Entitled confidence: zero, once the second line is blank. The repair is not a better adjective. Write the claim, the evidence, the percentage you would bet. If line two is empty, the sentence does not ship. That is CALIBRATE applied to a paste, not a personality lecture. CALIBRATE: confidence is a report CALIBRATE is the practice of matching the strength of a judgment to the strength of the evidence, then updating when the facts move. Confidence is a report, not a personality trait. Apply it to the model and to yourself. The model will sound certain. That is a rendering choice. It is not a probability. You will feel certain because the paragraph is tidy. That feeling is the certainty trap: a binary yes wearing a complete sentence. The Calibrated Mind is the book that trains the human side of this. English and Dutch editions are available now. The test on this page is already usable. Write the claim in one line. Write the evidence in one line. Write a percentage you would actually bet. If you cannot write the second line, the first line is not a judgment. It is a mood. A prediction journal is the scorecard that does not lie. Memory will defend the feeling. The journal will not. GRAIN: name the chunk If the answer depended on your files, your web, or a corpus, fluency is the wrong instrument. RAG means the model must fetch named passages before it answers. The retrieval is the product. The generation is the last mile. If you cannot inspect which chunk was used, you do not have RAG. You have a language model with extra context. GRAIN is the loop: Gather, Rank, Assemble, Inspect, Navigate. An answer stays tied to a chunk you can name. The RAG Engineer is the book. It is available now. The loop is already the test. Ask the person who \"added RAG\" to walk one bad answer. - Which passage was gathered? - Why did it rank? - What was assembled around it? - Did anyone inspect a failure, or only a demo? - What would you navigate to next? If those lines are blank, stop arguing about embeddings. You are tuning a symptom. What the other two books are for ML for Strategic Founders is the adjacent literacy: how to scope and audit a model that touches revenue or reputation without becoming a data scientist. SIGNAL is that loop. It is in production. Use it when the question is \"is this model allowed to sit on this decision,\" not \"did the paragraph scan.\" The Judgement Gym is the training side. REPS is a protocol for keeping your own conclusion first when analysis got cheaper. It is in design. Use it when the temptation is to delegate the judgment because the prose arrived in four seconds. None of this is a ReasonKit benchmark. This site will not invent one. A ten-minute audit Take the last model answer you trusted. Underline Source or “unknown” Chunk in eight words Entitled confidence What would move it 20 points --- --- --- --- --- first number first causal verb first proper name Unknowns that still shipped are the defect. Fluency hid them. The next answer you keep is the one that survives this list. CALIBRATE and GRAIN are the names. The audit is the work. The books will catch up.","keyTakeaways":["Score the chain, not the prose. If you cannot replay the steps, you cannot grade the answer.","CALIBRATE: confidence is a report against evidence, not a tone of voice.","GRAIN: if you cannot name the chunk, you have a fluent guess, not retrieval.","The Calibrated Mind is live. The RAG Engineer is live. The loops are already usable. This page is not a product claim for ReasonKit."],"readingMinutes":4,"publishedAt":"2026-08-21T09:00:00.000Z"},"nl":{"label":"Evalueer de redenering, niet de vloeiendheid","summary":"Vloeiendheid is geen bewijs. Een taalmodel kan een keurige alinea teruggeven met een verzonnen getal, een blogpost die als onderzoek wordt geciteerd, of met een stalen gezicht de verkeerde chunk ophalen. De redenering evalueren betekent het spoor beoordelen: welke bronnen zijn verzameld, of je de passage kunt benoemen, welke aanname dragend is, en hoe sterk de bewering mag zijn. CALIBRATE is die afstemming van zekerheid op bewijs. GRAIN is de retrieval-lus die een antwoord vasthoudt aan een chunk die je kunt aanwijzen. Als je beide niet kunt inspecteren, heb je geen evaluatie. Je hebt een sfeerbeeld.","url":"/nl/blog/evalueer-de-redenering-niet-de-vloeiendheid/","searchText":"Evalueer de redenering, niet de vloeiendheid Een vloeiend antwoord is het goedkoopste wat een model produceert. Beoordeel het spoor: wat is er opgehaald, wat is er aangenomen, en hoe zeker mag je zijn voordat je het in een besluit plakt. Een vloeiend antwoord is geen beoordeeld antwoord. Beoordeel het spoor voordat je de zin vertrouwt. Vloeiendheid is geen bewijs. Een taalmodel kan een keurige alinea teruggeven met een verzonnen getal, een blogpost die als onderzoek wordt geciteerd, of met een stalen gezicht de verkeerde chunk ophalen. De redenering evalueren betekent het spoor beoordelen: welke bronnen zijn verzameld, of je de passage kunt benoemen, welke aanname dragend is, en hoe sterk de bewering mag zijn. CALIBRATE is die afstemming van zekerheid op bewijs. GRAIN is de retrieval-lus die een antwoord vasthoudt aan een chunk die je kunt aanwijzen. Als je beide niet kunt inspecteren, heb je geen evaluatie. Je hebt een sfeerbeeld. evaluatie van LLM-redenering Beoordeel de keten, niet het proza. Als je de stappen niet kunt afspelen, kun je het antwoord niet cijferen. CALIBRATE: zekerheid is een rapport tegenover bewijs, geen toon. GRAIN: als je de chunk niet kunt benoemen, heb je een vloeiende gok, geen retrieval. De gekalibreerde geest is live. De RAG-engineer is live. De lussen zijn al bruikbaar. Deze pagina is geen productclaim voor ReasonKit. ai-agents CALIBRATE Stem de sterkte van een oordeel af op de sterkte van het bewijs, en stel bij als de feiten bewegen. GRAIN Een retrieval-lus die een antwoord vasthoudt aan een benoemde chunk. RAG Het model moet benoemde passages ophalen voordat het antwoordt. Kun je de chunk niet inspecteren, dan heb je geen RAG. Je vraagt het model om de marktomvang te bepalen, een regel te checken of een paper samen te vatten. Wat je terugkrijgt is een strakke alinea. Je plakt hem direct in je deck. Drie weken later blijkt een cijfer verzonnen, was een \"toonaangevende studie\" slechts een blogpost, en schoof een deal op basis van bewijs dat nooit heeft bestaan. De output was niet onderzocht. Het was gewoon vloeiend. Vloeiendheid is tegenwoordig het allergoedkoopste wat een model kan produceren. Score de trace Redeneringen evalueren betekent niet vragen: \"Klinkt dit logisch?\" Met die vraag beoordeel je puur het proza. En het proza is slechts de laatste mijl. Een gescoorde trace beantwoordt vier goedkopere vragen. 1. Wat is er verzameld? Benoemde bronnen, of een vibe uit de pretraining. 2. Wat is er opgehaald? Een passage waar je letterlijk naar kunt wijzen, of extra context die simpelweg in een prompt is gepropt. 3. Wat is er aangenomen? De dragende aanname. Als die onjuist is, stort de hele alinea in. 4. Hoe zeker mag je eigenlijk zijn? Een getal dat je bereid bent te verdedigen, niet zomaar een tone of voice. Als je die vier stappen niet kunt naspelen, kun je het antwoord niet beoordelen. Je kunt het hooguit mooi geformuleerd vinden. Dit is dezelfde scheidslijn als die tussen een agent versus een automatisering. Een script loopt stuk op een specifieke node die jij hebt aangewezen. Een vloeiende gok faalt midden in een zin die je zojuist nog bewonderde. Verwar deze Evaluate niet met de Evaluate-stap in SENSE. SENSE Evaluate transformeert een marktsignaal in een onderbouwde claim voor de maandagmeeting. Deze pagina scoort puur de keten van een model, lang voordat je die claim überhaupt in het register toelaat. Een vloeiende misser die je kunt naspelen De alinea luidde: \"De enterprise-adoptie ligt al boven de 70 procent, volgens een recente toonaangevende studie.\" Het las vlot. Er stond zelfs een perfect geplaatste komma in. De trace, mocht iemand de moeite hebben genomen om ernaar te vragen: - Verzameld: niets wat je hard kunt maken. Geen URL. Geen PDF. Geen tabel. - Opgehaald: niets. Er was helemaal geen chunk. - Aangenomen: dat een rond getal plus het label \"toonaangevende studie\" telt als een bronvermelding. - Gerechtvaardigde zekerheid: nul, aangezien de tweede regel leeg is. De fix is hier niet het zoeken naar een beter bijvoeglijk naamwoord. Schrijf de claim op, het bewijs, en het percentage dat je zou inzetten. Als de tweede regel leeg blijft, gaat de zin simpelweg niet live. Dat is de essentie van CALIBRATE, toegepast op een copy-paste-actie, niet als een of andere les in persoonlijkheid. CALIBRATE: zekerheid is een rapportage CALIBRATE is de praktijk waarbij je de hardheid van een oordeel direct koppelt aan de hardheid van het bewijs, om je standpunt vervolgens te updaten zodra de feiten verschuiven. Zekerheid is een rapportage, geen karaktertrek. Pas dit meedogenloos toe op het model en op jezelf. Het model zal altijd heel zeker overkomen. Dat is een weergavekeuze. Het is geen waarschijnlijkheid. Jij zult je ook zeker voelen, simpelweg omdat de alinea zo strak in elkaar zit. Dat gevoel is de zekerheidsvalkuil: een binaire 'ja' verkleed als een volzin. De gekalibreerde geest is het boek dat juist de menselijke kant hiervan traint. De Engelse en de Nederlandse editie zijn nu verkrijgbaar. De test op deze pagina kun je nu al inzetten. Schrijf de claim op één regel. Schrijf het bewijs op één regel. Noteer een percentage dat je er echt onder zou durven verwedden. Kun je die tweede regel niet invullen, dan is de eerste regel geen oordeel. Dan is het slechts een stemming. Een voorspellingslogboek is de scorecard die weigert te liegen. Je geheugen zal dat gevoel van zekerheid achteraf altijd verdedigen. Je logboek doet dat niet. GRAIN: benoem de chunk Als het antwoord afhing van jouw eigen bestanden, jouw web of een corpus, dan is vloeiendheid het verkeerde instrument. RAG houdt in dat het model specifieke, benoemde passages moet ophalen voordat het überhaupt een antwoord formuleert. De retrieval is het daadwerkelijke product. De generatie is slechts de laatste mijl. Als je niet kunt inspecteren welke chunk is gebruikt, draai je geen RAG. Dan heb je simpelweg een taalmodel met extra context. GRAIN vormt de loop: Gather, Rank, Assemble, Inspect, Navigate. Een antwoord blijft onlosmakelijk verbonden aan een chunk die je bij naam kunt noemen. De RAG-engineer is het boek hierover. Het is nu verkrijgbaar. De loop zelf is nu al de test. Vraag degene die \"even RAG heeft toegevoegd\" maar eens om één slecht antwoord met je door te lopen. - Welke passage werd er verzameld? - Waarom scoorde deze hoog in de ranking? - Wat is er precies omheen geassembleerd? - Heeft iemand een foute output geïnspecteerd, of keken we alleen naar een demo? - Waarnaar zou je als volgende stap navigeren? Als deze regels leeg blijven, stop dan direct met discussiëren over embeddings. Je bent simpelweg een symptoom aan het finetunen. Waar de andere twee boeken voor zijn ML voor strategische oprichters draait om de aangrenzende basiskennis: hoe je een model dat directe impact heeft op omzet of reputatie strak afbakent en audit, zonder dat je zelf moet transformeren tot data scientist. SIGNAL is die specifieke loop. Het is in productie. Gebruik het wanneer de hamvraag luidt \"mag dit model wel aan het stuur zitten bij deze beslissing\", in plaats van \"las die alinea een beetje lekker\". De oordeels-gym vertegenwoordigt de trainingskant. REPS is een protocol om keihard vast te houden aan je eigen conclusie, in een tijd waarin analyse steeds goedkoper wordt. Het is in ontwerp. Zet het in wanneer de verleiding ontstaat om de beoordeling te delegeren, puur omdat het proza in vier seconden op je scherm stond. Niets van dit alles is een ReasonKit-benchmark. Deze site gaat er ook geen verzinnen. Een audit van tien minuten Neem het laatste antwoord van een model dat je vol overtuiging hebt vertrouwd. Onderstreep Bron of “onbekend” Chunk in acht woorden Gerechtvaardigde zekerheid Wat zou dit 20 punten laten verschuiven --- --- --- --- --- eerste getal eerste causale werkwoord eerste eigennaam Onbekende variabelen die alsnog de eindstreep hebben gehaald, vormen je defect. Vloeiendheid was het rookgordijn dat ze verborg. Het volgende antwoord dat je daadwerkelijk behoudt, is degene die deze lijst overleeft. CALIBRATE en GRAIN zijn de namen. De audit is het harde werk. De boeken volgen vanzelf.","keyTakeaways":["Beoordeel de keten, niet het proza. Als je de stappen niet kunt afspelen, kun je het antwoord niet cijferen.","CALIBRATE: zekerheid is een rapport tegenover bewijs, geen toon.","GRAIN: als je de chunk niet kunt benoemen, heb je een vloeiende gok, geen retrieval.","De gekalibreerde geest is live. De RAG-engineer is live. De lussen zijn al bruikbaar. Deze pagina is geen productclaim voor ReasonKit."],"readingMinutes":5,"publishedAt":"2026-08-21T09:05:00.000Z"}},"degree":30},{"id":"article:fake-urgency","type":"article","pillar":"venture-building","locales":{"en":{"label":"Fake urgency: how to tell honest scarcity from a false deadline","summary":"Fake urgency invents a reason a buyer must decide now: a countdown that restarts, a 'limited time' offer that never ends, or an invented stock count. Honest scarcity describes a real limit. EU consumer law bans, in all circumstances, falsely claiming that a product is available only for a very limited time in order to elicit an immediate decision and deny buyers time for an informed choice. False stock claims can be misleading too. The Dutch regulator ACM says timers and stock messages must be true. The test: check what happens when the timer reaches zero.","url":"/en/blog/fake-urgency/","searchText":"Fake urgency: how to tell honest scarcity from a false deadline Fake urgency is a false deadline or stock claim. EU law blacklists false 'very limited time' claims; the Dutch ACM says timers and stock counts must be true. Honest scarcity and fake urgency can look identical on the page. The difference shows when the timer reaches zero. Fake urgency invents a reason a buyer must decide now: a countdown that restarts, a 'limited time' offer that never ends, or an invented stock count. Honest scarcity describes a real limit. EU consumer law bans, in all circumstances, falsely claiming that a product is available only for a very limited time in order to elicit an immediate decision and deny buyers time for an informed choice. False stock claims can be misleading too. The Dutch regulator ACM says timers and stock messages must be true. The test: check what happens when the timer reaches zero. fake urgency A countdown timer is not banned in itself. The ACM says a timer is misleading if the offer carries on after zero. The EU blacklist covers falsely claiming that a product is available only for a very limited time, to elicit an immediate decision and deny buyers time for an informed choice. 'Only 3 left' must match real stock and say which stock: this website, this size, this date. EU screenings found fake countdown timers on 42 of 399 online shops, and misleading pressure selling in a Black Friday check. In 2023 the ACM reported 41 cases where an offer stayed available after its timer ran out, or a new timer started. The test: what happens when the timer hits zero? If nothing changes, remove the timer. marketing fake urgency A false claim that a buyer must decide now, such as a timer whose offer continues after zero or an invented stock count. scarcity principle Robert Cialdini's name for the pull of rare things: people want more of what they can have less of. Unfair Commercial Practices Directive The EU directive (2005/29/EC) that bans misleading and aggressive business-to-consumer practices. Its Annex I lists practices banned in all circumstances. ACM Autoriteit Consument & Markt, the Dutch consumer and competition regulator. TRUST Transparency, Respect, Utility, Selectivity, Time. A five-part pre-publication test from Marketing Without Manipulation, a book still in production and not for sale yet. Honest scarcity describes a real limit; fake urgency invents one to rush a buyer's decision. One test separates them: what happens when the timer hits zero? If the advertised offer ends, the deadline was real. If the same offer carries on, or a new clock starts, the buyer never had to decide before zero. The Dutch consumer regulator, the ACM, calls such timers misleading. Run the same test on stock. \"Only 3 left\" has to describe what is actually available: this item, in this size, through this sales channel. A number someone typed into the template describes nothing. The law treats the two claims differently: a false deadline can fall under the EU blacklist, while a false stock count is judged under the general rule against misleading claims. Why does scarcity persuade? Robert Cialdini calls it the scarcity principle. Influence at Work, his firm, sums it up on its site in one line: \"Simply put, people want more of those things they can have less of.\" The site's own example is honest scarcity. When British Airways announced in 2003 that it would stop flying Concorde between London and New York, the site says, sales took off the next day. The plane was no faster and the fare no lower. The only thing that had changed was that the flight was going away. Fake urgency borrows that pull without the real limit behind it. A real limit tells buyers something true about their options. A false one pushes them to decide before they have compared. Cialdini in the funnel maps all the levers; this page asks a single question: does the limit you advertise exist? What does the law say about fake urgency? This is not legal advice. It covers sales to consumers in the EU and the Netherlands, based on the sources as they stood on 24 September 2026. 1. The EU blacklist. Annex I of the Unfair Commercial Practices Directive (2005/29/EC, the UCPD) lists practices that are unfair \"in all circumstances\". If a practice fits a listed description, there is no separate case-by-case test of how it affected a buyer's decision. Point 7 reads: \"Falsely stating that a product will only be available for a very limited time, or that it will only be available on particular terms for a very limited time, in order to elicit an immediate decision and deprive consumers of sufficient opportunity or time to make an informed choice.\" A countdown whose offer carries on after zero can be exactly this kind of false claim. Directive (EU) 2024/825 adds new points to Annex I but leaves point 7 unchanged. In the Netherlands, the ban sits in the Civil Code as article 6:193g(g). 2. Misleading claims about availability. False stock claims, such as \"only 3 left\" when there are 40, can fall under Article 6, the UCPD's general rule on misleading actions. It expressly names a product's \"availability\" among the main characteristics a trader must not mislead about. The rule applies when the claim causes, or is likely to cause, the average consumer to take a transactional decision they would not otherwise have taken. In the Netherlands, this rule sits in article 6:193c(1)(b) of the Civil Code. 3. What the ACM says. Chapter 14 of the ACM's Leidraad Bescherming Online Consument (its guidelines for protecting online consumers, May 2024) allows scarcity and urgency messages only if they are true, and they must also be complete. A timer must show the real remaining time; do not use one if the offer continues after it runs out. Do not present a permanent price as a sale. If the last three rooms are only the last three on your website, say so. The guidance includes an example worth keeping next to your screen. An agency builds an algorithm that shows \"Almost sold out!\" on any product viewed more than 200 times a day for longer than 20 seconds but sold fewer than five times. In the A/B test, sales rise. The ACM's verdict: the message is not based on real availability, so it is misleading and not allowed. This is the ACM's own illustration, not a named enforcement case. What about the Digital Services Act? Article 25 bars providers of online platforms, such as marketplaces, from deceptive interface design, often called dark patterns. Paragraph 2 excludes practices covered by the UCPD. For a timer in your own consumer shop, look to the UCPD, which the Netherlands has written into its Civil Code. How common is fake urgency? Common enough to turn up in every check below. The findings describe the shops that were checked, not online retail as a whole. The dates are publication dates; the Commission releases do not say in which year the screening took place. When Who checked What they found --- --- --- Published January 2023 Consumer authorities of 23 EU countries, Norway and Iceland: 399 online shops 42 used fake countdown timers; 148 had at least one of three manipulative designs Published June 2023 ACM, automated check of thousands of Dutch-facing shops Hundreds of timers; in 41 cases the offer stayed available at the same price after zero, or a new timer started with the same or a better offer Black Friday and Cyber Monday sales, published March 2026 Consumer authorities of 23 EU countries, Iceland and Norway (the Netherlands did not take part): 314 online traders 18% used pressure selling such as \"running out\" claims or countdown timers; more than half of those cases were misleading The ACM's consumer director, Edwin van Houten, put the rule in one sentence in 2023: \"Online stores are allowed to persuade consumers into buying their products, but they cannot mislead them.\" The zero test: honest scarcity or fake urgency? On the page Honest scarcity if Fake urgency if --- --- --- \"Offer ends in 03:59:12\" The offer or price really ends at zero The offer continues, or a fresh timer starts \"Only 3 left\" Your stock system says 3 for the item and channel shown The number is invented, or it is 3 on this site while you imply 3 in total \"Almost sold out!\" Real stock levels drive it Page views drive it, as in the ACM's algorithm example \"Sale ends Sunday\" The price really goes back up on Monday The \"sale\" price is the normal price all year \"Limited edition\" The run is fixed and you can say how large it is You plan to make more of the same edition once these sell How to show honest scarcity Real limits persuade on their own. Show them with enough detail that a buyer could check them. - Name the deadline and the reason. \"Enrollment closes on [date] because the cohort starts on [date].\" Then close it on that date. - Pull counts straight from the source. Seats from the booking tool, stock from inventory, never a number typed into the copy. Keep the count on the page current. - Say what the count covers. \"Last 3 in this size on our site\" is more precise than \"last 3\", provided the count is right. - Prefer a date where a ticking clock adds nothing. A date is easy to check, and the ACM notes that seconds counting down can create a strong urge to buy on the spot. - If you extend, say so. The ACM allows extending an offer when stock remains, as long as it does not become a habit. Announce the extension; do not quietly restart the timer. - Give a reason to act that helps the buyer. A real order-by date for delivery before a holiday tells buyers whether their order will arrive in time. Marketing nudges are choice architecture covers how the choice itself is arranged; this list is only about deadlines and stock. Would your timer pass the TRUST test? TRUST is a five-part test for any piece of marketing before it goes out. It comes from Marketing Without Manipulation, a book that is still in production and not for sale yet. You do not need the book to use the test. - Transparency: would a skeptical first-time buyer come away with an accurate picture of what they get and what it costs? - Respect: does it inform the buyer's decision, or rush it? - Utility: does it give value even to people who never buy? - Selectivity: does it attract the right customers and let the wrong ones rule themselves out? - Time: if everything you did looked like this piece, what would your customer relationships look like in three years? The book scores each pillar from 0 to 2 and treats a single zero as a red flag, whatever the total. Its Respect rubric scores false urgency or manufactured scarcity as a zero outright. Take a hypothetical Dutch webshop that shows \"Only 3 left!\" on a winter coat. If the 3 comes from the warehouse feed for that size, the urgency is genuine, and the book allows mild, genuine urgency under Respect. If the 3 is hard-coded into the page template, Respect scores 0: a red flag, however well the message converts. TRUST is an editorial test, not legal clearance. A conversion system that stays honest uses it as the pre-send test for automated sequences. Run the zero test today 1. Open your shop or sales page in a private browser window. List every timer, stock count and deadline claim. 2. For each claim, write down where the number comes from (the stock system, the booking system or someone's keyboard) and what it covers: which item, size, date and channel. 3. Pick one timer. Save the offer, the price and the end time, and come back after zero. Has the offer ended, stayed available, or restarted under a new clock? Check from a fresh private window too: a timer that starts over for a new visitor fails the same test. If the timer runs for days, put the check in your calendar now. 4. Remove or correct every claim you cannot back up today. Replace it only with a real limit you can keep accurate. If nothing changes when the timer hits zero, it was never a deadline. Remove the timer.","keyTakeaways":["A countdown timer is not banned in itself. The ACM says a timer is misleading if the offer carries on after zero.","The EU blacklist covers falsely claiming that a product is available only for a very limited time, to elicit an immediate decision and deny buyers time for an informed choice.","'Only 3 left' must match real stock and say which stock: this website, this size, this date.","EU screenings found fake countdown timers on 42 of 399 online shops, and misleading pressure selling in a Black Friday check.","In 2023 the ACM reported 41 cases where an offer stayed available after its timer ran out, or a new timer started.","The test: what happens when the timer hits zero? If nothing changes, remove the timer."],"readingMinutes":8,"publishedAt":"2026-10-16T07:00:00.000Z"},"nl":{"label":"Nepurgentie: zo onderscheid je eerlijke schaarste van een valse deadline","summary":"Nepurgentie verzint een reden waarom een koper nu moet beslissen: een afteltimer die opnieuw begint, een 'tijdelijke' aanbieding die nooit afloopt, of een verzonnen voorraadgetal. Eerlijke schaarste beschrijft een echte grens. Het Europese consumentenrecht verbiedt onder alle omstandigheden om bedrieglijk te beweren dat een product maar zeer beperkte tijd beschikbaar is, met als doel de koper meteen te laten beslissen zonder tijd voor een geïnformeerde keuze. Ook valse voorraadclaims kunnen misleidend zijn. Volgens de ACM moeten timers en voorraadmeldingen kloppen. De test: kijk wat er gebeurt als de timer op nul staat.","url":"/nl/blog/nepurgentie/","searchText":"Nepurgentie: zo onderscheid je eerlijke schaarste van een valse deadline Nepurgentie is een valse deadline of voorraadclaim. De EU verbiedt valse 'zeer beperkte tijd'-claims; volgens de ACM moeten timers en voorraadmeldingen kloppen. Eerlijke schaarste en nepurgentie kunnen er op de pagina precies hetzelfde uitzien. Het verschil zie je als de timer op nul staat. Nepurgentie verzint een reden waarom een koper nu moet beslissen: een afteltimer die opnieuw begint, een 'tijdelijke' aanbieding die nooit afloopt, of een verzonnen voorraadgetal. Eerlijke schaarste beschrijft een echte grens. Het Europese consumentenrecht verbiedt onder alle omstandigheden om bedrieglijk te beweren dat een product maar zeer beperkte tijd beschikbaar is, met als doel de koper meteen te laten beslissen zonder tijd voor een geïnformeerde keuze. Ook valse voorraadclaims kunnen misleidend zijn. Volgens de ACM moeten timers en voorraadmeldingen kloppen. De test: kijk wat er gebeurt als de timer op nul staat. nepurgentie Een afteltimer is op zichzelf niet verboden. Volgens de ACM is een timer misleidend als de aanbieding na nul gewoon doorloopt. De Europese zwarte lijst verbiedt de valse bewering dat een product maar zeer beperkte tijd beschikbaar is, bedoeld om de koper meteen te laten beslissen zonder tijd voor een geïnformeerde keuze. 'Nog maar 3 over' moet kloppen met de echte voorraad en zeggen welke voorraad: deze website, deze maat, deze datum. EU-screenings vonden nepafteltimers bij 42 van 399 webshops, en misleidende verkoopdruk bij een controle rond Black Friday. In 2023 meldde de ACM 41 gevallen waarin een aanbieding na afloop van de timer bleef staan, of een nieuwe timer startte. De test: wat gebeurt er als de timer op nul staat? Verandert er niets, haal de timer dan weg. marketing nepurgentie Een valse bewering dat een koper nu moet beslissen, zoals een timer waarvan de aanbieding na nul doorloopt, of een verzonnen voorraadgetal. schaarsteprincipe De naam die Robert Cialdini geeft aan de aantrekkingskracht van zeldzame dingen: mensen willen meer van wat ze minder kunnen krijgen. Richtlijn oneerlijke handelspraktijken De EU-richtlijn 2005/29/EG tegen misleidende en agressieve handelspraktijken tegenover consumenten. Bijlage I is de zwarte lijst van praktijken die onder alle omstandigheden verboden zijn. ACM Autoriteit Consument & Markt, de Nederlandse toezichthouder op consumentenbescherming en mededinging. TRUST Transparantie, Respect, Nut, Selectiviteit, Tijd. Een toets in vijf delen voordat marketing de deur uitgaat, uit Marketing zonder manipulatie, een boek dat nog in productie en nog niet te koop is. Eerlijke schaarste beschrijft een echte grens; nepurgentie verzint er een om de koper sneller te laten beslissen. Met één test houd je ze uit elkaar: wat gebeurt er als de timer op nul staat? Stopt de aanbieding, dan was de deadline echt. Loopt dezelfde aanbieding gewoon door, of start er een nieuwe timer, dan hoefde de koper helemaal niet vóór nul te beslissen. De Autoriteit Consument & Markt (ACM) noemt zulke timers misleidend. Doe dezelfde test met voorraad. \"Nog maar 3 over\" moet kloppen met wat er echt beschikbaar is: dit artikel, in deze maat, via dit verkoopkanaal. Een getal dat iemand in het sjabloon heeft getikt, zegt niets. De wet maakt onderscheid tussen de twee claims: een valse deadline kan onder de Europese zwarte lijst vallen, terwijl een vals voorraadgetal wordt beoordeeld volgens de algemene regel tegen misleiding. Waarom werkt schaarste? Robert Cialdini noemt dit het schaarsteprincipe. Influence at Work, het bedrijf van Cialdini, vat het op de eigen site in één zin samen: \"Simply put, people want more of those things they can have less of.\" Oftewel: mensen willen meer van de dingen waarvan ze minder kunnen krijgen. Het voorbeeld op die site is eerlijke schaarste. Toen British Airways in 2003 aankondigde dat het de Concorde niet langer tussen Londen en New York zou laten vliegen, schoot de verkoop volgens de site de dag erna omhoog. Het toestel was niet sneller geworden en het ticket niet goedkoper. Er was maar één ding veranderd: de vlucht ging verdwijnen. Nepurgentie teert op die aantrekkingskracht, zonder de echte grens die erachter hoort te zitten. Een echte grens vertelt kopers iets wat klopt over hun opties. Een valse grens drijft ze tot een besluit voordat ze hebben kunnen vergelijken. Cialdini in de funnel brengt alle hefbomen in kaart; deze pagina stelt één vraag: bestaat de grens waarmee je adverteert? Wat zegt de wet over nepurgentie? Dit is geen juridisch advies. Het gaat over verkoop aan consumenten in de EU en Nederland, op basis van de bronnen zoals die op 24 september 2026 luidden. 1. De Europese zwarte lijst. Bijlage I van de Richtlijn oneerlijke handelspraktijken (2005/29/EG) somt praktijken op die onder alle omstandigheden oneerlijk zijn. Valt een praktijk onder een van die beschrijvingen, dan hoeft niemand nog per geval te toetsen wat ze met het besluit van de koper deed. In het Nederlandse recht staat punt 7 van die lijst in artikel 6:193g onder g van het Burgerlijk Wetboek (BW), als handelspraktijk die onder alle omstandigheden misleidend is: \"bedrieglijk beweren dat het product slechts gedurende een zeer beperkte tijd beschikbaar zal zijn of dat het slechts onder speciale voorwaarden gedurende een zeer beperkte tijd beschikbaar zal zijn om de consument onmiddellijk te doen beslissen en hem geen kans of onvoldoende tijd te geven een geïnformeerd besluit te nemen\" Een afteltimer waarvan de aanbieding na nul doorloopt, kan precies zo'n valse claim zijn. Richtlijn (EU) 2024/825 voegt nieuwe punten toe aan bijlage I, maar laat punt 7 ongemoeid. 2. Misleiden over beschikbaarheid. Valse voorraadclaims, zoals \"nog maar 3 over\" terwijl er 40 liggen, kunnen vallen onder artikel 6 van de richtlijn, de algemene regel tegen misleidende handelspraktijken. Dat artikel noemt de beschikbaarheid van een product uitdrukkelijk als een van de voornaamste kenmerken waarover een handelaar niet mag misleiden. De regel geldt als de claim de gemiddelde consument tot een besluit over een overeenkomst brengt, of kan brengen, dat hij anders niet had genomen. In Nederland staat die regel in artikel 6:193c lid 1 onder b BW. 3. Wat de ACM zegt. Hoofdstuk 14 van de Leidraad Bescherming Online Consument van de ACM (mei 2024) staat meldingen over schaarste en urgentie toe, maar: \"Dat mag alleen als ze waar zijn.\" Ze moeten bovendien volledig zijn. Een timer moet de echte resterende tijd tonen; gebruik er geen als de aanbieding na afloop gewoon doorloopt. Presenteer een vaste prijs niet als uitverkoop. En zijn het alleen op jouw website de laatste drie kamers, zeg dat dan. De leidraad geeft een voorbeeld dat je naast je beeldscherm kunt hangen. Een bureau bouwt een algoritme dat \"Bijna uitverkocht!\" toont bij elk product dat meer dan 200 keer per dag en langer dan 20 seconden wordt bekeken, maar minder dan vijf keer wordt verkocht. In de A/B-test stijgt de verkoop. Het oordeel van de ACM: de melding is niet gebaseerd op de echte beschikbaarheid, dus misleidend en niet toegestaan. Het is een illustratie van de ACM zelf, geen concrete handhavingszaak. En de digitaledienstenverordening (DSA)? Artikel 25 verbiedt aanbieders van onlineplatforms, zoals marktplaatsen, misleidend interfaceontwerp, vaak dark patterns genoemd. Lid 2 sluit praktijken uit die onder de Richtlijn oneerlijke handelspraktijken vallen. Gaat het om een timer in je eigen webshop, kijk dan naar die richtlijn, die in Nederland via het Burgerlijk Wetboek geldt. Hoe vaak komt nepurgentie voor? Vaak genoeg om bij elke controle hieronder op te duiken. De bevindingen gaan over de gecontroleerde webshops, niet over de hele onlinehandel. De datums zijn publicatiedatums; de persberichten van de Commissie zeggen niet in welk jaar de screening plaatsvond. Wanneer Wie controleerde Wat ze vonden --- --- --- Gepubliceerd in januari 2023 Consumententoezichthouders uit 23 EU-landen, Noorwegen en IJsland: 399 webshops 42 gebruikten nepafteltimers; 148 hadden minstens één van drie manipulatieve ontwerpen Gepubliceerd in juni 2023 ACM, geautomatiseerde controle van duizenden webshops gericht op Nederland Honderden timers; in 41 gevallen bleef de aanbieding na nul voor dezelfde prijs staan, of startte een nieuwe timer met dezelfde of een betere aanbieding Black Friday en Cyber Monday, gepubliceerd in maart 2026 Consumententoezichthouders uit 23 EU-landen, IJsland en Noorwegen (Nederland deed niet mee): 314 onlinehandelaren 18% zette kopers onder druk met bijvoorbeeld \"bijna op\"-claims of afteltimers; in meer dan de helft van die gevallen was dat misleidend Edwin van Houten, directeur Consumenten van de ACM, vatte de regel in 2023 in één zin samen: \"Webshops mogen consumenten verleiden, maar niet misleiden.\" De nultest: eerlijke schaarste of nepurgentie? Op de pagina Eerlijke schaarste als Nepurgentie als --- --- --- \"Aanbieding eindigt over 03:59:12\" De aanbieding of prijs echt stopt bij nul De aanbieding doorloopt, of er een nieuwe timer start \"Nog maar 3 over\" Je voorraadsysteem 3 aangeeft voor het artikel en het kanaal op de pagina Het getal verzonnen is, of er op deze site 3 zijn terwijl je suggereert dat het er in totaal 3 zijn \"Bijna uitverkocht!\" Echte voorraad de melding aanstuurt Paginaweergaven de melding aansturen, zoals in het algoritmevoorbeeld van de ACM \"Uitverkoop tot zondag\" De prijs maandag echt weer omhooggaat De \"uitverkoopprijs\" het hele jaar de gewone prijs is \"Beperkte oplage\" De oplage vastligt en je die kunt noemen Je van dezelfde editie meer gaat maken zodra deze op zijn Zo maak je eerlijke schaarste zichtbaar Echte grenzen overtuigen vanzelf. Laat ze zo concreet zien dat een koper ze kan controleren. - Noem de deadline en de reden. \"Inschrijven kan tot [datum], want de groep start op [datum].\" Sluit de inschrijving dan ook echt op die dag. - Haal getallen rechtstreeks uit de bron. Plekken uit het boekingssysteem, voorraad uit het voorraadbeheer, nooit een getal dat iemand in de tekst heeft getikt. Houd het getal op de pagina actueel. - Zeg waarvoor het getal geldt. \"Nog 3 in deze maat in onze webshop\" is preciezer dan \"nog 3\", als het getal klopt. - Kies een datum als een tikkende klok niets toevoegt. Een datum is makkelijk te controleren, en volgens de ACM kunnen terugtellende seconden een sterke drang oproepen om meteen te kopen. - Verleng je, zeg het dan. De ACM staat verlengen toe als er nog voorraad is, zolang het geen gewoonte wordt. Kondig de verlenging aan; start de timer niet stilletjes opnieuw. - Geef een reden om te handelen die de koper helpt. Een echte laatste besteldag voor levering vóór Sinterklaas vertelt de koper of de bestelling op tijd binnen is. Marketingnudges zijn keuze-architectuur gaat over de inrichting van de keuze zelf; dit lijstje gaat alleen over deadlines en voorraad. Doorstaat je timer de TRUST-toets? TRUST is een toets in vijf delen voor elk stuk marketing, voordat het de deur uitgaat. Hij komt uit Marketing zonder manipulatie, een boek dat nog in productie en nog niet te koop is. Je hebt het boek niet nodig om de toets te gebruiken. - Transparantie: krijgt een sceptische klant die voor het eerst bij je koopt, een juist beeld van wat die krijgt en wat het kost? - Respect: helpt het kopers beslissen, of jaagt het ze op? - Nut: levert het iets op, ook voor wie nooit koopt? - Selectiviteit: trekt het de juiste klanten aan, en kunnen de verkeerde zichzelf uitsluiten? - Tijd: als alles wat je doet eruitzag als dit stuk, hoe zouden je klantrelaties er over drie jaar voor staan? Het boek geeft elke pijler een score van 0 tot 2 en ziet één nul als rode vlag, wat het totaal ook is. Onder Respect levert valse urgentie of kunstmatige schaarste direct een nul op. Neem een fictieve Nederlandse webshop die \"Nog maar 3 over!\" toont bij een winterjas. Komt die 3 uit de voorraadkoppeling van het magazijn voor die maat, dan is de urgentie echt, en milde, echte urgentie staat het boek onder Respect toe. Staat de 3 vast in het paginasjabloon, dan scoort Respect een 0: een rode vlag, hoe goed de melding ook converteert. TRUST is een redactionele toets, geen juridische vrijbrief. Een conversiesysteem dat eerlijk blijft bij automatisering gebruikt TRUST als de test voor verzending in een geautomatiseerde sequentie. Doe vandaag de nultest 1. Open je webshop of verkooppagina in een privévenster. Noteer elke timer, elk voorraadgetal en elke deadline. 2. Schrijf bij elke claim op waar het getal vandaan komt (het voorraadsysteem, het boekingssysteem of iemands toetsenbord) en waarvoor het geldt: welk artikel, welke maat, welke datum en welk kanaal. 3. Kies één timer. Leg de aanbieding, de prijs en de eindtijd vast en kijk na nul opnieuw. Is de aanbieding voorbij, staat die er nog, of loopt er een nieuwe timer? Kijk ook in een nieuw privévenster: een timer die voor een nieuwe bezoeker opnieuw begint, zakt voor dezelfde test. Loopt de timer pas over een paar dagen af, zet de controle dan nu in je agenda. 4. Schrap of herstel elke claim die je vandaag niet kunt onderbouwen. Vervang die alleen door een echte grens die je actueel kunt houden. Verandert er niets als de timer op nul staat, dan was het nooit een deadline. Haal de timer weg.","keyTakeaways":["Een afteltimer is op zichzelf niet verboden. Volgens de ACM is een timer misleidend als de aanbieding na nul gewoon doorloopt.","De Europese zwarte lijst verbiedt de valse bewering dat een product maar zeer beperkte tijd beschikbaar is, bedoeld om de koper meteen te laten beslissen zonder tijd voor een geïnformeerde keuze.","'Nog maar 3 over' moet kloppen met de echte voorraad en zeggen welke voorraad: deze website, deze maat, deze datum.","EU-screenings vonden nepafteltimers bij 42 van 399 webshops, en misleidende verkoopdruk bij een controle rond Black Friday.","In 2023 meldde de ACM 41 gevallen waarin een aanbieding na afloop van de timer bleef staan, of een nieuwe timer startte.","De test: wat gebeurt er als de timer op nul staat? Verandert er niets, haal de timer dan weg."],"readingMinutes":8,"publishedAt":"2026-10-16T07:05:00.000Z"}},"degree":5},{"id":"article:five-line-decision-journal","type":"article","pillar":"founder-performance","locales":{"en":{"label":"Write the five lines before you act","summary":"A five-line decision journal is Artifact 3 in The Psychology of Founder Resilience. Write it before you act. The live lines are: Decision (what you choose and what it forecloses), What I believed, What I feared, What happened (fill at review), Next time (one process adjustment). An entry after the result is compromised, because hindsight rewrites what you knew. The book's own evidence note is honest: a journal does not guarantee better decisions. It separates process from outcome so later-you can score the call. CALIBRATE is the practice of matching the strength of a judgment to the strength of the evidence. The Calibrated Mind is live in English and Dutch. The five lines are already usable.","url":"/en/blog/five-line-decision-journal/","searchText":"Write the five lines before you act A five-line decision journal is written before you act: what you choose and what it forecloses, what you believed, what you feared. What happened and next time wait for review. After the result, you have a story. Before it, you have calibration data. An entry after the outcome is a memoir. An entry before it is a record. A five-line decision journal is Artifact 3 in The Psychology of Founder Resilience. Write it before you act. The live lines are: Decision (what you choose and what it forecloses), What I believed, What I feared, What happened (fill at review), Next time (one process adjustment). An entry after the result is compromised, because hindsight rewrites what you knew. The book's own evidence note is honest: a journal does not guarantee better decisions. It separates process from outcome so later-you can score the call. CALIBRATE is the practice of matching the strength of a judgment to the strength of the evidence. The Calibrated Mind is live in English and Dutch. The five lines are already usable. five-line decision journal Write the first three lines before you act. The last two wait for review. If you cannot name what the choice forecloses, you are not ready to commit. A journal does not guarantee a better decision. It stops hindsight from inventing the one you wish you had made. Confidence is a report. The Calibrated Mind is live in English and Dutch. The five lines already give you something to update. founder-resilience RESILIENT Nine trainable capacities on an authorial dashboard. Capacity is infrastructure you train and budget. CALIBRATE Match the strength of a judgment to the strength of the evidence, then update when the facts move. The board asked why you hired. You have a clean story. It is the story that exists now, after the hire worked, or after it failed. The story that existed in the room is gone. The usual diagnosis is \"we should write things down more.\" Often you wrote them down after the result, which is when they stop being a record. The Psychology of Founder Resilience already ships this instrument. Chapter 6 calls it Artifact 3. This page is the instrument, not the book introduction and not a second weekly-review article. Write it before you act The live table is five lines. Decision. What you choose, and what it forecloses. If you cannot name the option you are closing, you are not ready. What I believed. The core assumptions. Not the mood. The claims you are betting. What I feared. The regret you are optimizing against. Fear of looking weak. Fear of being late. Fear of being the person who killed the hire you just announced. What happened. Leave it blank. Fill it at review. Next time. One process adjustment. Also blank until review. The first three lines are a pre-commitment. The last two are a score. Swap that order and you have a memoir. The chapter is explicit: an entry written after the result is compromised. Hindsight rewrites what you knew and expected. You keep the outcome data. You lose the signal. A journal is not a better decision The book's own evidence note is the honest one. Process quality and outcome quality are related and not the same. Good outcomes follow bad reasoning. Bad outcomes follow sound ones. A journal written first lets later-you score the call against what you actually believed. It does not prove you will decide better. The evidence behind that note is moderate and indirect, from judgment literature, not founder-only trials. Anyone selling \"five lines, better Q3\" is selling a hope. What the five lines do give you is CALIBRATE in miniature: match the strength of the judgment to the strength of the evidence, then update when the facts move. Confidence is a report, not a personality trait. The Calibrated Mind owns the longer practice. The book is available now in English and Dutch. You do not need the hardcover to write the three lines before the meeting ends. Not every call earns five lines The live chapter sorts calls before it journals them. Type 1 is reversible and cheap: decide fast. Type 2 is reversible and costly: sleep on it. Type 3 is effectively irreversible: pre-mortem, dissent, and the five lines. The chapter names Jeff Bezos's one-way and two-way doors as the ancestor, then splits the two-way door. This page does not teach the full tree. It names the bound. If the call can be undone in a month at low cost, do not perform a journal so you can feel rigorous. If it cannot, do not skip the three lines because the room is moving. RESILIENT is the dashboard around the call. This page is the card in the wallet. The worksheets already print Artifact 3. Do not invent a sixth line so the five feel like a product. A fifteen-minute card Pick the next Type 3 call. Not last quarter's. 1. Write the decision in one sentence. Write what it forecloses in the next. If the second sentence is blank, stop. 2. Write what you believe. One assumption you would be embarrassed to see in six months. 3. Write what you fear. The regret, not the market narrative. 4. Leave \"what happened\" and \"next time\" empty. Date the card. 5. Put the card where the meeting cannot end without it. Wallet, printed Artifact 3, the top of the doc. Not a notes app you will open after. If step 1 or 4 is already filled with the outcome, you do not have a journal. You have a story. Write the three lines before the act. Then later-you has something to update besides your character.","keyTakeaways":["Write the first three lines before you act. The last two wait for review.","If you cannot name what the choice forecloses, you are not ready to commit.","A journal does not guarantee a better decision. It stops hindsight from inventing the one you wish you had made.","Confidence is a report. The Calibrated Mind is live in English and Dutch. The five lines already give you something to update."],"readingMinutes":4,"publishedAt":"2026-08-26T07:00:00.000Z"},"nl":{"label":"Schrijf de vijf regels voordat je handelt","summary":"Een besluitjournaal in vijf regels is Artefact 3 in De psychologie van oprichtersveerkracht. Je schrijft het voordat je handelt. De live regels zijn: Besluit (wat je kiest en wat het afsluit), Wat ik geloof, Wat ik vrees, Wat gebeurde (invullen bij evaluatie), Volgende keer (één procesaanpassing). Een notitie na de uitkomst is gecompromitteerd, omdat hindsight herschrijft wat je wist. De bewijsnotitie in het boek is eerlijk: een journaal garandeert geen betere besluiten. Het scheidt proces van uitkomst, zodat een latere jij de keuze kan scoren. CALIBRATE is de praktijk waarbij je de hardheid van een oordeel laat aansluiten op de sterkte van het bewijs. De gekalibreerde geest is live in het Engels en het Nederlands. De vijf regels kun je nu al gebruiken.","url":"/nl/blog/beslissingsdagboek-in-vijf-regels/","searchText":"Schrijf de vijf regels voordat je handelt Een besluitjournaal in vijf regels schrijf je voordat je handelt: wat je kiest en wat dat afsluit, wat je geloofde, wat je vreesde. Wat gebeurde en volgende keer wachten op de evaluatie. Na de uitkomst heb je een verhaal. Ervoor heb je kalibratiedata. Een notitie na de uitkomst is memoires. Een notitie ervoor is een dossier. Een besluitjournaal in vijf regels is Artefact 3 in De psychologie van oprichtersveerkracht. Je schrijft het voordat je handelt. De live regels zijn: Besluit (wat je kiest en wat het afsluit), Wat ik geloof, Wat ik vrees, Wat gebeurde (invullen bij evaluatie), Volgende keer (één procesaanpassing). Een notitie na de uitkomst is gecompromitteerd, omdat hindsight herschrijft wat je wist. De bewijsnotitie in het boek is eerlijk: een journaal garandeert geen betere besluiten. Het scheidt proces van uitkomst, zodat een latere jij de keuze kan scoren. CALIBRATE is de praktijk waarbij je de hardheid van een oordeel laat aansluiten op de sterkte van het bewijs. De gekalibreerde geest is live in het Engels en het Nederlands. De vijf regels kun je nu al gebruiken. besluitjournaal in vijf regels Schrijf de eerste drie regels voordat je handelt. De laatste twee wachten op de evaluatie. Als je niet kunt benoemen wat de keuze afsluit, ben je niet klaar om te committeren. Een journaal garandeert geen beter besluit. Het voorkomt dat hindsight de keuze verzint die je had willen maken. Zekerheid is een rapport. CALIBRATE hoort bij De gekalibreerde geest, nu live in het Engels en het Nederlands. De vijf regels geven je al iets om bij te stellen. founder-resilience RESILIENT Negen trainbare capaciteiten op een dashboard van de auteur. Capaciteit is infrastructuur die je traint en begroot. CALIBRATE Laat de hardheid van een oordeel aansluiten op de sterkte van het bewijs, en stel bij als de feiten bewegen. De board vroeg waarom je die kandidaat hebt aangenomen. Je hebt een strak verhaal. Dat is het verhaal dat nu bestaat, nadat de hire werkte, of nadat hij faalde. Het verhaal dat in de kamer bestond is weg. De gebruikelijke diagnose is \"we moeten meer opschrijven.\" Vaak schreef je het op na de uitkomst. Dan is het geen dossier meer. De psychologie van oprichtersveerkracht levert dit instrument al. Hoofdstuk 6 noemt het Artefact 3. Deze pagina is het instrument, niet de boekintroductie en geen tweede artikel over wekelijkse review. Schrijf het voordat je handelt De live tabel is vijf regels. Besluit. Wat je kiest, en wat het afsluit. Als je de optie die je dichtdoet niet kunt noemen, ben je er niet klaar voor. Wat ik geloof. De kernaannames. Niet de stemming. De claims waar je op wedt. Wat ik vrees. De spijt waar je tegen optimaliseert. Bang om zwak te lijken. Bang om te laat te zijn. Bang om degene te zijn die de hire terugdraait die je net aankondigde. Wat gebeurde. Laat leeg. Vul in bij de evaluatie. Volgende keer. Eén procesaanpassing. Ook leeg tot de evaluatie. De eerste drie regels zijn een vooraf vastgelegde inzet. De laatste twee zijn de score. Draai die volgorde om en je hebt memoires. Het hoofdstuk is bot: een notitie na het resultaat is gecompromitteerd. Hindsight herschrijft wat je wist en verwachtte. Je houdt de uitkomstdata. Je verliest het signaal. Een journaal is geen beter besluit De bewijsnotitie van het boek is de eerlijke. Proceskwaliteit en uitkomstkwaliteit zijn verwant en niet hetzelfde. Goede uitkomsten volgen op slechte redeneringen. Slechte uitkomsten volgen op gegronde. Een journaal vooraf laat een latere jij de keuze scoren tegen wat je werkelijk geloofde. Het bewijst niet dat je beter gaat beslissen. Het bewijs achter die notitie is gematigd en indirect, uit de oordeelsliteratuur, geen trials alleen onder oprichters. Wie \"vijf regels, beter Q3\" verkoopt, verkoopt hoop. Wat de vijf regels wél geven is CALIBRATE in het klein: laat de hardheid van het oordeel aansluiten op de sterkte van het bewijs, en stel bij als de feiten bewegen. Zekerheid is een rapport, geen karaktereigenschap. De gekalibreerde geest bezit de langere praktijk. Het boek is nu verkrijgbaar in het Engels en het Nederlands. Je hebt die hardcover niet nodig om de drie regels te schrijven voordat de meeting eindigt. Niet elke keuze verdient vijf regels Het live hoofdstuk sorteert eerst. Type 1 is omkeerbaar en goedkoop: beslis snel. Type 2 is omkeerbaar en duur: slaap er een nacht over. Type 3 is effectief onomkeerbaar: pre-mortem, tegenspraak en de vijf regels. Het hoofdstuk noemt Jeff Bezos' one-way en two-way doors als voorouder, en splitst daarna de two-way door. Deze pagina onderwijst niet de hele boom. Ze noemt de grens. Als de keuze in een maand tegen lage kosten terug te draaien is, voer geen journaal om rigoureus te lijken. Als dat niet kan, sla de drie regels niet over omdat de kamer beweegt. RESILIENT is het dashboard rond de keuze. Deze pagina is de kaart in je portemonnee. De werkbladen printen Artefact 3 al. Verzin geen zesde regel om van de vijf een product te maken. Een kaart van vijftien minuten Kies de volgende Type 3-keuze. Niet die van vorig kwartaal. 1. Schrijf het besluit in één zin. Schrijf in de volgende wat het afsluit. Als de tweede zin leeg is, stop. 2. Schrijf wat je gelooft. Eén aanname die je over zes maanden liever niet terugleest. 3. Schrijf wat je vreest. De spijt, niet het marktnarratief. 4. Laat \"wat gebeurde\" en \"volgende keer\" leeg. Dateer de kaart. 5. Leg de kaart waar de meeting niet zonder kan eindigen. Portemonnee, geprint Artefact 3, boven aan het doc. Niet in een notitie-app die je erna opent. Als stap 1 of 4 al de uitkomst bevat, heb je geen journaal. Je hebt een verhaal. Schrijf de drie regels voor de handeling. Dan heeft een latere jij iets om bij te stellen behalve je karakter.","keyTakeaways":["Schrijf de eerste drie regels voordat je handelt. De laatste twee wachten op de evaluatie.","Als je niet kunt benoemen wat de keuze afsluit, ben je niet klaar om te committeren.","Een journaal garandeert geen beter besluit. Het voorkomt dat hindsight de keuze verzint die je had willen maken.","Zekerheid is een rapport. CALIBRATE hoort bij De gekalibreerde geest, nu live in het Engels en het Nederlands. De vijf regels geven je al iets om bij te stellen."],"readingMinutes":4,"publishedAt":"2026-08-26T07:05:00.000Z"}},"degree":12},{"id":"article:flow-is-a-condition-of-work","type":"article","pillar":"founder-performance","locales":{"en":{"label":"Flow is a condition of work, not a brand mood","summary":"Flow, as Mihaly Csikszentmihalyi described it, is a state of deep involvement in an activity: challenge and skill in balance, clear goals, immediate feedback, and the work done for its own sake as well as for the outcome. He wrote Flow in 1990 after earlier work in Beyond Boredom and Anxiety (1975). In business it is not a vibe for the brand film. It is a condition you can design for in how people work, how a product teaches the next step, how a sales conversation is a craft, and how a founder day is sequenced. If the task is far too hard, you get anxiety. If it is far too easy, you get boredom. Marketing that promises 'flow' and then interrupts every twelve seconds is selling the word and blocking the state.","url":"/en/blog/flow-is-a-condition-of-work/","searchText":"Flow is a condition of work, not a brand mood Mihaly Csikszentmihalyi described flow as deep involvement when challenge and skill are in balance, with clear goals and immediate feedback. You can design work, products, and sales conversations for that condition. You cannot print it on a tote. Boredom is too easy. Anxiety is too hard. Flow sits between, and it has to be built. Flow, as Mihaly Csikszentmihalyi described it, is a state of deep involvement in an activity: challenge and skill in balance, clear goals, immediate feedback, and the work done for its own sake as well as for the outcome. He wrote Flow in 1990 after earlier work in Beyond Boredom and Anxiety (1975). In business it is not a vibe for the brand film. It is a condition you can design for in how people work, how a product teaches the next step, how a sales conversation is a craft, and how a founder day is sequenced. If the task is far too hard, you get anxiety. If it is far too easy, you get boredom. Marketing that promises 'flow' and then interrupts every twelve seconds is selling the word and blocking the state. Csikszentmihalyi flow in business productivity marketing Flow needs a match of challenge and skill, plus a goal and feedback you can feel in the work itself. Use it to design jobs, products, and conversations. Do not use it as a mood board. Founder days that only context-switch are a flow design failure, not a personality failure. The Attention Architect is in production. This page does not teach PACE. It names the condition PACE would protect. marketing founder-resilience Flow Deep involvement when perceived challenge and skill are in balance, with clear goals and immediate feedback. Not a brand adjective. Autotelic Done for its own sake. Flow work is often autotelic as well as useful. Brands like the word flow . It sounds like ease. Mihaly Csikszentmihalyi used it for something harder. He studied people who got lost, in the good sense, in rock, music, surgery, craft. In Beyond Boredom and Anxiety (1975) and then in Flow (1990) he described a state of deep involvement: you know what you are trying to do, you can tell immediately how you are doing, the challenge stretches the skill without drowning it, self-consciousness drops, and the activity is worth doing for itself as well as for the result. He called that last part autotelic . Boredom is the work sitting below your skill. Anxiety is the work sitting far above it. Flow is the moving middle. It is a condition of the task, the feedback, and the person in it. It is not a colour palette. What has to be true You do not need a lab. You need four checks on the thing in front of you. A goal you can state in one sentence. Not a quarterly theme. The next cut, the next closed question, the next passing test. Feedback in the work. The wood tells you. The customer tells you. The compile tells you. A dashboard you open tomorrow is not immediate. Challenge against skill, today. A founder doing invoices they could have templated last year is bored. A founder improvising a legal position they have never held is anxious. Neither is flow. Change the task or change the skill. Protection from random interruption. Flow is fragile. A Slack that can grab you every time a stranger pings is not a culture of high performance. It is a culture of fragments. If those four are missing, stop saying the team should \"get into flow.\" Fix the work. Work and productivity A day of twelve tools and thirty context switches will not produce flow by motivation. Founder systems you can run when willpower is gone is the adjacent cadence. This page is the condition inside a block of that cadence. Sequence the day so one hard thing gets a protected window. Put the matching skill in the room: the file, the person, the quiet. Write the done-test before you start. That is flow design. It is not a personality upgrade. The Attention Architect treats distraction as architecture. PACE is Pipeline, AI Triage, Curation, Execution. The book is in production. This page does not teach PACE. It names what PACE would be for: a stretch of work that can actually complete. Hire and assign so people spend hours at the edge of their skill, not in a queue of tiny tasks no one owns. If everything is a ticket, no one is in the channel. If everything is a heroic unknown, everyone is anxious. The middle is a management job. Entrepreneurship Early companies confuse motion with involvement. A founder who only takes meetings is not in flow. They are in a corridor. The craft of the company (the product, the deal, the sentence) has to have a block on the calendar that looks like the violin: one object, one next cut, feedback from the object. The first ten customers, if you still sell yourself, can be flow if the conversation has a goal and you can hear in the room whether you are closer. They cannot be flow if you are reading a deck they can smell. Anxiety in a raise, a launch, or a lawsuit is not a moral failing. It is a challenge-skill mismatch. Get help or shrink the next step until it is stretch, not freeze. Boredom after product-market fit is the other failure: you are still doing the intern's work because it is familiar. Marketing, sales, branding A product that teaches the next action, shows the result, and then offers a slightly harder action is using flow as interface design. Onboarding that dumps every feature on day one is anxiety. Onboarding that never asks for a real action is boredom. A sales conversation that is a craft (a clear point, listening as feedback, a next step both people can see) can be flow for both sides. A pitch that never pauses is a broadcast. The Founder Sales System is in production for that motion. Do not relabel a script as flow because it felt intense. Intensity can be anxiety. Branding that claims \"we create flow\" and then uses interrupting ads, fake urgency, and a maze to cancel is using the word against the state. A conversion system that stays honest is the send rule. Interruption is a claim about respect. Flow in the buyer's work is something you get by staying out of the way once they have started. If you sell a tool for makers, the test is whether a competent user can enter a stretch of work inside your product without your UI tapping them on the shoulder. If you cannot pass that test, do not put flow in the headline. Branding that wants to feel like flow should look like a workshop: one object in light, tools that imply a next action, no shouting. Branding that looks like a nightclub and talks like a monastery is a mismatch of challenge and costume. Customers notice. So do hires. In a team, rituals can protect the channel: a start time, a done-test, a closed door. Rituals can also become theatre: stand-ups that narrate anxiety without changing the work. If the ritual does not alter challenge, skill, goal, or feedback, it is not a flow practice. It is a meeting. A one-hour pass Pick one: a personal block, a product path, or a sales call. 1. Write the one-sentence goal. 2. Name the feedback that arrives inside the hour, not in next week's review. 3. Say whether the person is bored, anxious, or stretched. Change the task until stretched is honest. 4. Cut one interruption you control. 5. Do not add the word flow to the page until steps 1 to 4 exist without it. Csikszentmihalyi's point, used without incense, is that the best hours are usually made. They are not found in a slogan. Build the bench, the lamp, and the next cut. Leave the clock a little unread.","keyTakeaways":["Flow needs a match of challenge and skill, plus a goal and feedback you can feel in the work itself.","Use it to design jobs, products, and conversations. Do not use it as a mood board.","Founder days that only context-switch are a flow design failure, not a personality failure.","The Attention Architect is in production. This page does not teach PACE. It names the condition PACE would protect."],"readingMinutes":5,"publishedAt":"2026-09-11T07:00:00.000Z"},"nl":{"label":"Flow is een werkconditie, geen merksfeer","summary":"Flow, zoals Mihaly Csikszentmihalyi het beschreef, is een staat van diepe betrokkenheid bij een activiteit: uitdaging en vaardigheid in balans, duidelijke doelen, directe feedback, en het werk dat gedaan wordt omwille van zichzelf evenals voor het resultaat. Hij schreef Flow in 1990 na eerder werk in Beyond Boredom and Anxiety (1975). In business is het geen vibe voor de merkfilm. Het is een conditie waar je voor kunt ontwerpen in hoe mensen werken, hoe een product de volgende stap aanleert, hoe een verkoopgesprek een ambacht is, en hoe een foundersdag is gestructureerd. Als de taak veel te moeilijk is, krijg je angst. Als ze veel te makkelijk is, krijg je verveling. Marketing die 'flow' belooft en je vervolgens elke twaalf seconden onderbreekt, verkoopt het woord en blokkeert de staat.","url":"/nl/blog/flow-is-een-werkconditie/","searchText":"Flow is een werkconditie, geen merksfeer Mihaly Csikszentmihalyi beschreef flow als diepe betrokkenheid wanneer uitdaging en vaardigheid in balans zijn, met duidelijke doelen en directe feedback. Je kunt werk, producten en verkoopgesprekken ontwerpen voor die conditie. Je kunt het niet op een tas printen. Verveling is te makkelijk. Angst is te moeilijk. Flow zit ertussenin, en je moet het bouwen. Flow, zoals Mihaly Csikszentmihalyi het beschreef, is een staat van diepe betrokkenheid bij een activiteit: uitdaging en vaardigheid in balans, duidelijke doelen, directe feedback, en het werk dat gedaan wordt omwille van zichzelf evenals voor het resultaat. Hij schreef Flow in 1990 na eerder werk in Beyond Boredom and Anxiety (1975). In business is het geen vibe voor de merkfilm. Het is een conditie waar je voor kunt ontwerpen in hoe mensen werken, hoe een product de volgende stap aanleert, hoe een verkoopgesprek een ambacht is, en hoe een foundersdag is gestructureerd. Als de taak veel te moeilijk is, krijg je angst. Als ze veel te makkelijk is, krijg je verveling. Marketing die 'flow' belooft en je vervolgens elke twaalf seconden onderbreekt, verkoopt het woord en blokkeert de staat. Csikszentmihalyi flow in business productivity marketing Flow vereist een match van uitdaging en vaardigheid, plus een doel en feedback die je in het werk zelf voelt. Gebruik het om banen, producten en gesprekken te ontwerpen. Gebruik het niet als moodboard. Foundersdagen die alleen maar van context wisselen zijn een ontwerpfout van flow, geen tekortkoming in persoonlijkheid. De aandachtsarchitect is in productie. Deze pagina doceert geen PACE. Ze benoemt de conditie die PACE zou beschermen. marketing founder-resilience Flow Diepe betrokkenheid wanneer de waargenomen uitdaging en vaardigheid in balans zijn, met duidelijke doelen en directe feedback. Geen bijvoeglijk naamwoord voor een merk. Autotelisch Gedaan omwille van zichzelf. Flow-werk is vaak autotelisch en tegelijkertijd nuttig. Merken houden van het woord flow . Het klinkt als gemak. Mihaly Csikszentmihalyi gebruikte het voor iets moeilijkers. Hij bestudeerde mensen die zichzelf verloren, in de goede zin, in rotsklimmen, muziek, chirurgie, ambacht. In Beyond Boredom and Anxiety (1975) en daarna in Flow (1990) beschreef hij een staat van diepe betrokkenheid: je weet wat je probeert te doen, je kunt meteen zien hoe je het doet, de uitdaging rekt de vaardigheid op zonder deze te verdrinken, zelfbewustzijn verdwijnt, en de activiteit is het waard om voor zichzelf te doen, net als voor het resultaat. Dat laatste noemde hij autotelisch . Verveling is werk dat onder je vaardigheidsniveau ligt. Angst is werk dat daar ver boven ligt. Flow is het bewegende midden. Het is een conditie van de taak, de feedback en de persoon daarin. Het is geen kleurenpalet. Wat waar moet zijn Je hebt geen lab nodig. Je hebt vier checks nodig voor datgene wat voor je ligt. Een doel dat je in één zin kunt formuleren. Geen kwartaalthema. De volgende snede, de volgende gesloten vraag, de volgende geslaagde test. Feedback in het werk. Het hout vertelt het je. De klant vertelt het je. De compile vertelt het je. Een dashboard dat je morgen opent, is niet direct. Uitdaging tegenover vaardigheid, vandaag. Een founder die facturen doet die ze vorig jaar in een template had kunnen gieten, verveelt zich. Een founder die een juridische positie improviseert die ze nog nooit heeft verdedigd, is angstig. Geen van beide is flow. Verander de taak of verander de vaardigheid. Bescherming tegen willekeurige onderbrekingen. Flow is kwetsbaar. Een Slack die je aandacht kan opeisen telkens wanneer een vreemde je pingt, is geen cultuur van hoge prestaties. Het is een cultuur van fragmenten. Als die vier ontbreken, stop dan met zeggen dat het team \"in een flow moet komen\". Repareer het werk. Werk en productiviteit Een dag met twaalf tools en dertig contextwisselingen zal geen flow opleveren door motivatie. Foundersystemen die blijven draaien als de wilskracht op is is de aangrenzende cadans. Deze pagina gaat over de conditie binnen een blok van die cadans. Deel de dag zo in dat één moeilijk ding een beschermd tijdvak krijgt. Zet de bijpassende vaardigheid in de kamer: het bestand, de persoon, de stilte. Schrijf de klaar-test voordat je begint. Dat is flow-ontwerp. Het is geen persoonlijkheidsupgrade. De aandachtsarchitect behandelt afleiding als architectuur. PACE is Pipeline, AI Triage, Curation, Execution. Het boek is in productie. Deze pagina doceert geen PACE. Ze benoemt waar PACE voor zou dienen: een stuk werk dat daadwerkelijk afgerond kan worden. Neem mensen aan en wijs taken toe zodat ze uren op de grens van hun kunnen doorbrengen, niet in een wachtrij van kleine taken die van niemand zijn. Als alles een ticket is, bevindt niemand zich in het kanaal. Als alles een heroïsch onbekende is, is iedereen angstig. Het midden is een managementtaak. Ondernemerschap Vroege bedrijven verwarren beweging met betrokkenheid. Een founder die alleen maar meetings doet, is niet in flow. Die staat op een gang. Het ambacht van het bedrijf (het product, de deal, de zin) moet een blok in de agenda hebben dat lijkt op de viool: één object, één volgende snede, feedback van het object. De eerste tien klanten, als je nog steeds zelf verkoopt, kunnen flow zijn als het gesprek een doel heeft en je in de kamer kunt horen of je dichterbij bent. Ze kunnen geen flow zijn als je een deck voorleest dat ze van een afstand doorhebben. Angst bij een investeringsronde, een lancering, of een rechtszaak is geen moreel falen. Het is een mismatch tussen uitdaging en vaardigheid. Haal hulp of verklein de volgende stap totdat het oprekken is, niet bevriezen. Verveling na product-market fit is de andere tekortkoming: je doet nog steeds het werk van de stagiair omdat het vertrouwd is. Marketing, sales, branding Een product dat de volgende actie aanleert, het resultaat toont en vervolgens een iets moeilijkere actie aanbiedt, gebruikt flow als interface-ontwerp. Onboarding die op de eerste dag elke feature dumpt, is angst. Onboarding die nooit om een echte actie vraagt, is verveling. Een verkoopgesprek dat een ambacht is (een duidelijk punt, luisteren als feedback, een volgende stap die beide mensen kunnen zien) kan voor beide kanten flow zijn. Een pitch die nooit pauzeert, is een uitzending. The founder sales system is in productie voor die beweging. Herlabel een script niet als flow omdat het intens aanvoelde. Intensiteit kan angst zijn. Branding die claimt \"wij creëren flow\" en vervolgens onderbrekende advertenties, neppe urgentie en een doolhof om op te zeggen gebruikt, zet het woord in tegen de staat. Een conversiesysteem dat eerlijk blijft is de verzendregel. Onderbreking is een statement over respect. Flow in het werk van de koper is iets dat je bereikt door uit de weg te blijven zodra ze zijn begonnen. Als je een tool voor makers verkoopt, is de test of een competente gebruiker een stuk werk in je product kan volbrengen zonder dat je UI hem op de schouder tikt. Als je die test niet haalt, zet flow dan niet in de kop. Branding die wil voelen als flow moet eruitzien als een werkplaats: één object in het licht, gereedschap dat een volgende actie impliceert, geen geschreeuw. Branding die eruitziet als een nachtclub en praat als een klooster is een mismatch van uitdaging en kostuum. Klanten merken dat. Nieuwe medewerkers ook. In een team kunnen rituelen het kanaal beschermen: een starttijd, een klaar-test, een gesloten deur. Rituelen kunnen ook theater worden: stand-ups die angst vertellen zonder het werk te veranderen. Als het ritueel de uitdaging, vaardigheid, het doel of de feedback niet wijzigt, is het geen flow-praktijk. Het is een meeting. Een oefening van één uur Kies er één: een persoonlijk blok, een productpad, of een verkoopgesprek. 1. Schrijf het doel in één zin op. 2. Benoem de feedback die binnen het uur arriveert, niet in de beoordeling van volgende week. 3. Bepaal of de persoon zich verveelt, angstig is, of uitgedaagd wordt. Verander de taak totdat uitgedaagd eerlijk is. 4. Snijd één onderbreking weg waar je controle over hebt. 5. Voeg het woord flow niet toe aan de pagina totdat stappen 1 tot en met 4 bestaan zonder dat woord. Het punt van Csikszentmihalyi, gebruikt zonder wierook, is dat de beste uren meestal worden gemaakt. Ze zijn niet te vinden in een slogan. Bouw de werkbank, de lamp, en de volgende snede. Laat de klok nog even ongelezen.","keyTakeaways":["Flow vereist een match van uitdaging en vaardigheid, plus een doel en feedback die je in het werk zelf voelt.","Gebruik het om banen, producten en gesprekken te ontwerpen. Gebruik het niet als moodboard.","Foundersdagen die alleen maar van context wisselen zijn een ontwerpfout van flow, geen tekortkoming in persoonlijkheid.","De aandachtsarchitect is in productie. Deze pagina doceert geen PACE. Ze benoemt de conditie die PACE zou beschermen."],"readingMinutes":5,"publishedAt":"2026-09-11T07:05:00.000Z"}},"degree":6},{"id":"article:founder-capacity-is-infrastructure","type":"article","pillar":"founder-performance","locales":{"en":{"label":"A holiday is not a refill protocol","summary":"Founder capacity is infrastructure you train and budget, not a mood that returns after a holiday. The live RESILIENT capsule names the work: sleep, recovery, decision quality, and the social cover that lets a founder tell the truth. Treat those four with the same seriousness as the cap table. RESILIENT is an authorial dashboard, proposed and applied, not a validated clinical scale. The Psychology of Founder Resilience is live. This page is the spec, not the book introduction and not a second weekly-review article.","url":"/en/blog/founder-capacity-is-infrastructure/","searchText":"A holiday is not a refill protocol Founder capacity is infrastructure you train and budget: sleep, recovery, decision quality, and the social cover that lets you tell the truth. A holiday is not the refill. Running at one hundred percent is not a virtue. Infrastructure has a spec, slack, and an owner. A mood after two weeks off is none of those. Founder capacity is infrastructure you train and budget, not a mood that returns after a holiday. The live RESILIENT capsule names the work: sleep, recovery, decision quality, and the social cover that lets a founder tell the truth. Treat those four with the same seriousness as the cap table. RESILIENT is an authorial dashboard, proposed and applied, not a validated clinical scale. The Psychology of Founder Resilience is live. This page is the spec, not the book introduction and not a second weekly-review article. founder capacity as infrastructure Infrastructure has a spec. The public four are sleep, recovery, decision quality, and social cover. Slack is a design choice. Running at one hundred percent is not a virtue. A holiday is not a refill protocol. If the spec is empty on Monday, the week already failed. RESILIENT is an authorial dashboard. It is not a clinical instrument and not medical advice. founder-resilience RESILIENT Nine trainable capacities on an authorial dashboard. Capacity is infrastructure you train and budget, not a mood. The week ends. You book two weeks off. You come back empty on Monday and call it a mystery. The usual diagnosis is that you did not rest hard enough. Often the company never had a spec for the thing that ran out. The Psychology of Founder Resilience already named the phrase on its introduction: capacity is infrastructure. That page sells the book. This page is the spec. Infrastructure has named parts RESILIENT is blunt. Capacity is treated as infrastructure you train and budget, not as a mood that returns after a holiday. The work it names in public is specific: sleep, recovery, decision quality, and the social cover that lets a founder tell the truth. Those four are load-bearing. A company that tracks runway and ignores them is flying with one panel missing. You do not need the nine-letter walkthrough to start. The framework page has the dashboard. This page asks whether the four have a spec at all. A spec says what \"good enough\" is, what slack you keep, and who notices when it is gone. \"I will sleep more\" is not a spec. \"Consequential calls do not land after a short night\" is. Slack is a design choice Infrastructure that runs at one hundred percent is not impressive. It is one incident from a crack. The book treats capacity with the same seriousness as the cap table and hiring. You would not run cash at zero on purpose and call it commitment. You would not hire the last person the company can survive losing and call it lean. Sleep, recovery, decision quality, and the one person who can hear the truth without a performance are the same class. Slack is unused on purpose. An empty hour after a hard call. A person who does not need a metric. A night that is not a recovery project. If every hour is already sold, you did not budget capacity. You sold it. The live book is also blunt about machines. AI does not need to recover. You do. Matching uptime is not a founder virtue. It is a way to break the biology that still has to direct the system. A holiday is not the protocol A holiday can help. It is not a refill protocol. If the only time the four parts refill is when the company is forced to stop, you do not have infrastructure. You have an outage. The mood that returns in week two of August is not a system. It is weather. Recovery, in the live book, is not what you earn by finishing. It is what lets you finish. Get the order wrong and you spend years blaming the instrument. This is an operator claim, not a lab result. RESILIENT is an authorial dashboard: proposed and applied. It is not a validated clinical scale. Full, low, and empty are metaphors. They are still useful if you refuse to treat them as lab readings. This is not medical advice. If judgment is impaired, or the distress is clinical, the next step is professional care, not a tighter spec. Who owns the spec Infrastructure has an owner. If the four parts belong to \"whenever I can,\" they belong to nobody. Write the owner. It can be you. It cannot be a mood. Put the last inspection date next to each part. If you cannot name the date, the part is already uninspected. The worksheets already exist. Do not invent a second dashboard so you can avoid looking at the first. A fifteen-minute spec Pick this week, not the week you wish you were having. 1. Write the four parts: sleep, recovery, decision quality, social cover. One line each on what \"good enough\" is. 2. Circle the part with no slack. If you cannot choose, they are all sold. 3. Write the owner and the last inspection date. \"Whenever\" is not a date. 4. Write one booking you will refuse this week because that part is already red. 5. Write the person who can hear the truth without a performance. If the line is blank, social cover is not infrastructure. It is a hope. If step 2 or 3 is empty, you do not have a holiday problem. You have an unowned spec. Write it. Then the week has something to fail against besides your character.","keyTakeaways":["Infrastructure has a spec. The public four are sleep, recovery, decision quality, and social cover.","Slack is a design choice. Running at one hundred percent is not a virtue.","A holiday is not a refill protocol. If the spec is empty on Monday, the week already failed.","RESILIENT is an authorial dashboard. It is not a clinical instrument and not medical advice."],"readingMinutes":4,"publishedAt":"2026-08-25T07:00:00.000Z"},"nl":{"label":"Een vakantie is geen protocol om bij te tanken","summary":"Capaciteit van de oprichter is infrastructuur die je traint en begroot, niet een stemming die terugkomt na een vakantie. De live RESILIENT-capsule benoemt het werk: slaap, herstel, besluitkwaliteit en de sociale dekking waardoor een oprichter de waarheid kan vertellen. Behandel die vier met dezelfde ernst als de cap table. RESILIENT is een dashboard van de auteur, voorgesteld en toegepast, geen gevalideerde klinische schaal. De psychologie van oprichtersveerkracht is live. Deze pagina is de specificatie, niet de boekintroductie en geen tweede artikel over de wekelijkse review.","url":"/nl/blog/founder-capaciteit-is-infrastructuur/","searchText":"Een vakantie is geen protocol om bij te tanken Capaciteit van de oprichter is infrastructuur die je traint en begroot: slaap, herstel, besluitkwaliteit en de sociale dekking waardoor je de waarheid kunt vertellen. Een vakantie is geen protocol om bij te tanken. Op honderd procent draaien is geen deugd. Infrastructuur heeft een specificatie, speling en een eigenaar. Een stemming na twee weken vrij is geen van die drie. Capaciteit van de oprichter is infrastructuur die je traint en begroot, niet een stemming die terugkomt na een vakantie. De live RESILIENT-capsule benoemt het werk: slaap, herstel, besluitkwaliteit en de sociale dekking waardoor een oprichter de waarheid kan vertellen. Behandel die vier met dezelfde ernst als de cap table. RESILIENT is een dashboard van de auteur, voorgesteld en toegepast, geen gevalideerde klinische schaal. De psychologie van oprichtersveerkracht is live. Deze pagina is de specificatie, niet de boekintroductie en geen tweede artikel over de wekelijkse review. founder-capaciteit als infrastructuur Infrastructuur heeft een specificatie. De publieke vier zijn slaap, herstel, besluitkwaliteit en sociale dekking. Speling is een ontwerpkeuze. Op honderd procent draaien is geen deugd. Een vakantie is geen protocol om bij te tanken. Als de specificatie op maandag leeg is, is de week al mislukt. RESILIENT is een dashboard van de auteur. Het is geen klinisch instrument en geen medisch advies. founder-resilience RESILIENT Negen trainbare capaciteiten op een dashboard van de auteur. Capaciteit is infrastructuur die je traint en begroot, geen stemming. De week eindigt. Je boekt twee weken vrij. Je komt op maandag leeg terug en noemt het een raadsel. De gebruikelijke diagnose is dat je niet hard genoeg hebt gerust. Vaak had het bedrijf nooit een specificatie voor wat opraakte. De psychologie van oprichtersveerkracht benoemde de zin al in de introductie: capaciteit is infrastructuur. Die pagina verkoopt het boek. Deze pagina is de specificatie. Infrastructuur heeft benoemde onderdelen RESILIENT is bot. Capaciteit behandel je als infrastructuur die je traint en begroot, niet als een stemming die na een vakantie terugkomt. Het werk dat het in het openbaar noemt, is specifiek: slaap, herstel, besluitkwaliteit en de sociale dekking waardoor een oprichter de waarheid kan vertellen. Die vier zijn dragend. Een bedrijf dat de runway bijhoudt en ze negeert, vliegt met één paneel te weinig. Je hebt de walkthrough van negen letters niet nodig om te beginnen. De frameworkpagina heeft het dashboard. Deze pagina vraagt of de vier überhaupt een specificatie hebben. Een specificatie zegt wat \"goed genoeg\" is, welke speling je aanhoudt en wie het merkt als die weg is. \"Ik ga meer slapen\" is geen specificatie. \"Zware besluiten landen niet na een korte nacht\" wel. Speling is een ontwerpkeuze Infrastructuur die op honderd procent draait is niet indrukwekkend. Ze is één incident verwijderd van een scheur. Het boek behandelt capaciteit met dezelfde ernst als de cap table en hiring. Je zou de kas niet expres op nul zetten en dat toewijding noemen. Je zou niet de laatste persoon aannemen die het bedrijf kan missen en dat lean noemen. Slaap, herstel, besluitkwaliteit en die ene persoon die de waarheid aankan zonder een optreden, horen bij dezelfde klasse. Speling is met opzet ongebruikt. Een leeg uur na een zwaar gesprek. Iemand die geen metriek nodig heeft. Een nacht die geen herstelproject is. Als elk uur al is verkocht, heb je capaciteit niet begroot. Je hebt haar verkocht. Het live boek is ook bot over machines. AI hoeft niet te herstellen. Jij wel. Uptime evenaren is geen founderdeugd. Het is een manier om de biologie te breken die het systeem nog moet sturen. Een vakantie is niet het protocol Een vakantie kan helpen. Het is geen protocol om bij te tanken. Als de vier onderdelen alleen vollopen wanneer het bedrijf gedwongen stilvalt, heb je geen infrastructuur. Je hebt een storing. De stemming die in de tweede week van augustus terugkomt is geen systeem. Het is een opklaring. Herstel is in het live boek niet wat je verdient door te finishen. Het is wat je laat finishen. Draai de volgorde om en je geeft jaren het instrument de schuld. Dit is een operatorclaim, geen labresultaat. RESILIENT is een dashboard van de auteur: voorgesteld en toegepast. Het is geen gevalideerde klinische schaal. Vol, laag en leeg zijn metaforen. Ze blijven nuttig als je weigert ze als labwaarden te behandelen. Dit is geen medisch advies. Als het oordeel is aangetast, of de klachten klinisch zijn, is de volgende stap professionele zorg, geen strakkere specificatie. Wie de specificatie bezit Infrastructuur heeft een eigenaar. Als de vier onderdelen van \"wanneer ik kan\" zijn, zijn ze van niemand. Schrijf de eigenaar op. Jij mag dat zijn. Een stemming mag dat niet. Zet de laatste inspectiedatum naast elk onderdeel. Als je de datum niet kunt noemen, is het onderdeel al ongeïnspecteerd. De werkbladen bestaan al. Bedenk geen tweede dashboard om het eerste te ontwijken. Een specificatie van vijftien minuten Kies deze week, niet de week die je zou willen hebben. 1. Schrijf de vier onderdelen: slaap, herstel, besluitkwaliteit, sociale dekking. Per onderdeel één regel over wat \"goed genoeg\" is. 2. Omcirkel het onderdeel zonder speling. Als je niet kunt kiezen, zijn ze allemaal verkocht. 3. Schrijf de eigenaar en de laatste inspectiedatum op. \"Wanneer dan ook\" is geen datum. 4. Schrijf één afspraak die je deze week weigert omdat dat onderdeel al rood staat. 5. Schrijf de persoon op die de waarheid aankan zonder een optreden. Als de regel leeg is, is sociale dekking geen infrastructuur. Het is hoop. Als stap 2 of 3 leeg is, heb je geen vakantieprobleem. Je hebt een specificatie zonder eigenaar. Schrijf hem. Dan heeft de week iets om tegenaan te lopen behalve jouw karakter.","keyTakeaways":["Infrastructuur heeft een specificatie. De publieke vier zijn slaap, herstel, besluitkwaliteit en sociale dekking.","Speling is een ontwerpkeuze. Op honderd procent draaien is geen deugd.","Een vakantie is geen protocol om bij te tanken. Als de specificatie op maandag leeg is, is de week al mislukt.","RESILIENT is een dashboard van de auteur. Het is geen klinisch instrument en geen medisch advies."],"readingMinutes":4,"publishedAt":"2026-08-25T07:05:00.000Z"}},"degree":5},{"id":"article:founder-systems-without-willpower","type":"article","pillar":"founder-performance","locales":{"en":{"label":"Founder systems you can run when willpower is gone","summary":"A founder system you can run when willpower is gone does not ask you to try harder on a Tuesday at 23:00. The Psychology of Founder Resilience treats willpower as a folk model, not the instrument. The live replacement is a dashboard you read and a weekly review you do not skip: which RESILIENT gauge is empty, and what decision should be deferred. RESILIENT is an authorial dashboard, not a validated clinical scale. Leadership Under Load treats prolonged pressure as a design condition; reducing the load is a valid answer. The Attention Architect treats the inbox as architecture, not a sort you do with leftover grit. The first book is live. The other two are in production and not for sale. The cadence is already usable.","url":"/en/blog/founder-systems-when-willpower-is-gone/","searchText":"Founder systems you can run when willpower is gone When the week is empty, trying harder is not a protocol. A founder system is a cadence that still runs: one immovable review, the lowest gauge, one protective action. Willpower is not the instrument. A weekly cadence that does not ask you to want it more is. A founder system you can run when willpower is gone does not ask you to try harder on a Tuesday at 23:00. The Psychology of Founder Resilience treats willpower as a folk model, not the instrument. The live replacement is a dashboard you read and a weekly review you do not skip: which RESILIENT gauge is empty, and what decision should be deferred. RESILIENT is an authorial dashboard, not a validated clinical scale. Leadership Under Load treats prolonged pressure as a design condition; reducing the load is a valid answer. The Attention Architect treats the inbox as architecture, not a sort you do with leftover grit. The first book is live. The other two are in production and not for sale. The cadence is already usable. founder systems without willpower If the protocol requires you to want it more, it will vanish the week you need it. Read the lowest gauge. One protective action. Emergency: which capacity is empty, and what decision waits. Load is a design condition. Reducing it is a valid answer, not a character failure. The inbox is architecture. Willpower is not a sort function. founder-resilience RESILIENT Nine trainable capacities on a dashboard you read. An authorial heuristic, not a clinical scale. Willpower The folk model of trying harder. The live book refuses it as the instrument. Tuesday, 23:00. The only protocol left is \"try harder.\" That protocol is already gone. The usual diagnosis is a character test. Often the week did not fail because you wanted it less. The week failed because the system required a mood you no longer had. Willpower is not the instrument The Psychology of Founder Resilience is the live book. Its glossary is blunt: willpower is a folk model. The book does not run on it. The replacement is implementation intentions and a cadence small enough to repeat when you are tired. This page is not the book introduction. That page already said capacity is infrastructure. This page is smaller. What still runs when you cannot want it more? A system that requires you to feel committed will vanish the week you need it. A system that requires a 90-minute Sunday ritual will vanish too. The live protocol's emergency version is two questions: which capacity is empty, and what decision should be deferred. That is already a founder system. Read the gauge, do not perform grit RESILIENT is nine trainable capacities on a dashboard: reappraisal, emotional granularity, somatic regulation, identity flexibility, learning orientation, interpersonal support, executive function, narrative integration, titrated exposure. It is an authorial heuristic. It is not a clinical scale. Full, low, and empty are metaphors, not lab readings. You do not complete the nine. You read which two are lowest and pick one protective action. Sleep, a deferred decision, a call with the person who does not need a performance. \"Get some rest\" is a category. The dashboard asks which tank. The weekly review is the heartbeat. The live book puts it on an immovable block, not on \"whenever Friday afternoon is free.\" Stack it onto something the company will not skip. If the review is optional, it is a wish. The worksheets already exist. Do not invent a second dashboard. Load is a design condition Leadership Under Load treats prolonged pressure as something you design around, not a test you pass by wanting more. The book is in active development. It is not for sale. The useful claim is already public: observe the load, protect decision quality, and recognise when the responsible move is to reduce it or leave it. When willpower is gone, the load is still there. Trying harder adds a second load: the performance of endurance. Reducing the first load is not a character failure. It is the decision the empty gauge was for. This is not medical advice. If judgment is impaired, or the distress is clinical, the protocol is professional care, not a tighter calendar. The inbox is not a character test The Attention Architect treats distraction as architecture. PACE is Pipeline, AI Triage, Curation, Execution. The book is in active development. It is not for sale. You do not sort an unmanaged inbox with leftover grit. You close doors. You decide which channel may reach you. A model can triage. You still own the judgment. If the last hour of the day is spent being a sort function, the system already spent the willpower you do not have. A fifteen-minute audit Pick the week you would least like a journalist to sit through. 1. Write the protocol you actually ran after 21:00. Not the one in the doc. 2. Circle the two RESILIENT gauges that were empty. If you cannot name them, they were empty. 3. Write the decision you should have deferred and did not. 4. Write the immovable block where next week's review lives. If it is \"when I have time,\" it does not exist. 5. Write one door in the inbox you will close. If step 4 is blank, stop buying another morning routine. You do not have a motivation problem. You have a cadence that only runs when you already feel like a founder. Put the review where the company cannot skip it. Then the empty week has somewhere to land.","keyTakeaways":["If the protocol requires you to want it more, it will vanish the week you need it.","Read the lowest gauge. One protective action. Emergency: which capacity is empty, and what decision waits.","Load is a design condition. Reducing it is a valid answer, not a character failure.","The inbox is architecture. Willpower is not a sort function."],"readingMinutes":3,"publishedAt":"2026-08-22T13:00:00.000Z"},"nl":{"label":"Foundersystemen die blijven draaien als de wilskracht op is","summary":"Een foundersysteem dat je kunt draaien als de wilskracht op is, vraagt je niet om op dinsdag om 23:00 uur harder te proberen. De psychologie van oprichtersveerkracht behandelt wilskracht als een volksmodel, niet als het instrument. De werkende vervanging is een dashboard dat je afleest en een wekelijkse review die je niet overslaat: welke RESILIENT-meter is leeg, en welke beslissing moet worden uitgesteld. RESILIENT is een auteursdashboard, geen gevalideerde klinische schaal. Leiderschap onder belasting behandelt langdurige druk als een ontwerpconditie; de belasting verminderen is een geldig antwoord. De aandachtsarchitect behandelt de inbox als architectuur, niet als een sorteeractie die je doet met overgebleven doorzettingsvermogen. Het eerste boek is live. De andere twee zijn in productie en niet te koop. De cadans is nu al bruikbaar.","url":"/nl/blog/foundersystemen-zonder-wilskracht/","searchText":"Foundersystemen die blijven draaien als de wilskracht op is Als de week leeg is, is harder proberen geen protocol. Een foundersysteem is een cadans die blijft draaien: één onverplaatsbare review, de laagste meter, één beschermende actie. Wilskracht is niet het instrument. Een wekelijkse cadans die niet van je vraagt om het liever te willen, is dat wel. Een foundersysteem dat je kunt draaien als de wilskracht op is, vraagt je niet om op dinsdag om 23:00 uur harder te proberen. De psychologie van oprichtersveerkracht behandelt wilskracht als een volksmodel, niet als het instrument. De werkende vervanging is een dashboard dat je afleest en een wekelijkse review die je niet overslaat: welke RESILIENT-meter is leeg, en welke beslissing moet worden uitgesteld. RESILIENT is een auteursdashboard, geen gevalideerde klinische schaal. Leiderschap onder belasting behandelt langdurige druk als een ontwerpconditie; de belasting verminderen is een geldig antwoord. De aandachtsarchitect behandelt de inbox als architectuur, niet als een sorteeractie die je doet met overgebleven doorzettingsvermogen. Het eerste boek is live. De andere twee zijn in productie en niet te koop. De cadans is nu al bruikbaar. foundersystemen zonder wilskracht Als het protocol vereist dat je het liever wilt, verdwijnt het in de week dat je het nodig hebt. Lees de laagste meter af. Eén beschermende actie. Noodgeval: welke capaciteit is leeg, en welke beslissing wacht. Belasting is een ontwerpconditie. Het verminderen ervan is een geldig antwoord, geen karakterfout. De inbox is architectuur. Wilskracht is geen sorteerfunctie. founder-resilience RESILIENT Negen trainbare vermogens op een dashboard dat je afleest. Een auteursheuristiek, geen klinische schaal. Wilskracht Het volksmodel van harder proberen. Het live boek weigert het als instrument. Dinsdag, 23:00 uur. Het enige protocol dat over is, is \"harder proberen\". Dat protocol is al verdwenen. De gebruikelijke diagnose is een karaktertest. Vaak mislukte de week niet omdat je het minder wilde. De week mislukte omdat het systeem een stemming vereiste die je niet meer had. Wilskracht is niet het instrument De psychologie van oprichtersveerkracht is het live boek. De begrippenlijst is bot: wilskracht is een volksmodel. Het boek draait er niet op. De vervanging is implementatie-intenties en een cadans die klein genoeg is om te herhalen als je moe bent. Deze pagina is niet de introductie van het boek. Die pagina zei al dat capaciteit infrastructuur is. Deze pagina is kleiner. Wat blijft er draaien als je het niet liever meer kunt willen? Een systeem dat vereist dat je je toegewijd voelt, verdwijnt in de week dat je het nodig hebt. Een systeem dat een zondagsritueel van negentig minuten vereist, verdwijnt ook. De noodversie van het werkende protocol bestaat uit twee vragen: welke capaciteit is leeg, en welke beslissing moet worden uitgesteld. Dat is al een foundersysteem. Lees de meter af, voer geen doorzettingsvermogen op RESILIENT bestaat uit negen trainbare vermogens op een dashboard: reappraisal, emotional granularity, somatic regulation, identity flexibility, learning orientation, interpersonal support, executive function, narrative integration, en titrated exposure. Het is een heuristiek van de auteur. Het is geen klinische schaal. Vol, laag en leeg zijn metaforen, geen laboratoriumwaarden. Je vult ze niet alle negen in. Je kijkt welke twee het laagst zijn en kiest één beschermende actie. Slaap, een uitgestelde beslissing, een gesprek met de persoon die geen prestatie verwacht. \"Neem wat rust\" is een categorie. Het dashboard vraagt welke tank. De wekelijkse review is de hartslag. Het boek plaatst dit in een onverplaatsbaar blok, niet op \"wanneer vrijdagmiddag vrij is\". Koppel het aan iets dat het bedrijf niet zal overslaan. Als de review optioneel is, is het een wens. De werkbladen bestaan al. Bedenk geen tweede dashboard. Belasting is een ontwerpconditie Leiderschap onder belasting behandelt langdurige druk als iets waar je omheen ontwerpt, niet als een test die je haalt door het liever te willen. Het boek is in actieve ontwikkeling. Het is niet te koop. De bruikbare claim is al openbaar: observeer de belasting, bescherm de besluitkwaliteit en erken wanneer het verlagen of verlaten ervan de verantwoorde zet is. Als de wilskracht op is, is de belasting er nog steeds. Harder proberen voegt een tweede belasting toe: de prestatie van het uithoudingsvermogen. Het verminderen van de eerste belasting is geen karakterfout. Het is de beslissing waar de lege meter voor diende. Dit is geen medisch advies. Als het oordeel is aangetast, of de nood klinisch is, is het protocol professionele zorg, geen strakkere agenda. De inbox is geen karaktertest De aandachtsarchitect behandelt afleiding als architectuur. PACE staat voor Pipeline, AI Triage, Curation, Execution. Het boek is in actieve ontwikkeling. Het is niet te koop. Je sorteert geen onbeheerde inbox met overgebleven doorzettingsvermogen. Je sluit deuren. Jij beslist welk kanaal jou mag bereiken. Een model kan triëren. Jij blijft eigenaar van het oordeel. Als het laatste uur van de dag opgaat aan het zijn van een sorteerfunctie, heeft het systeem de wilskracht die je niet hebt al uitgegeven. Een audit van vijftien minuten Kies de week waar je het minst graag een journalist bij zou willen hebben. 1. Schrijf het protocol op dat je daadwerkelijk uitvoerde na 21:00 uur. Niet het protocol uit het document. 2. Omcirkel de twee RESILIENT-meters die leeg waren. Als je ze niet kunt benoemen, waren ze leeg. 3. Schrijf de beslissing op die je had moeten uitstellen en niet hebt gedaan. 4. Schrijf het onverplaatsbare blok op waar de review van volgende week plaatsvindt. Als het \"wanneer ik tijd heb\" is, bestaat het niet. 5. Schrijf één deur in de inbox op die je gaat sluiten. Als stap 4 leeg is, stop dan met het kopen van de zoveelste ochtendroutine. Je hebt geen motivatieprobleem. Je hebt een cadans die alleen draait als je je al een founder voelt. Zet de review op een plek waar het bedrijf hem niet kan overslaan. Dan heeft de lege week een plek om te landen.","keyTakeaways":["Als het protocol vereist dat je het liever wilt, verdwijnt het in de week dat je het nodig hebt.","Lees de laagste meter af. Eén beschermende actie. Noodgeval: welke capaciteit is leeg, en welke beslissing wacht.","Belasting is een ontwerpconditie. Het verminderen ervan is een geldig antwoord, geen karakterfout.","De inbox is architectuur. Wilskracht is geen sorteerfunctie."],"readingMinutes":4,"publishedAt":"2026-08-22T13:05:00.000Z"}},"degree":9},{"id":"article:frontier-vs-workhorse-vs-local","type":"article","pillar":"ai-systems","locales":{"en":{"label":"Frontier, workhorse, or local: three classes, not a religious war","summary":"Frontier, workhorse, and local are three classes of language-model work from The Model Portfolio. Frontier is the scarce, expensive tier, rationed for tasks that fail on anything cheaper. Workhorse is the default-capable tier where volume is meant to live. Local is a placement decision: the model runs on infrastructure you control because privacy, latency, sovereignty, or volume says it must. Frontier and workhorse are capability tiers. Local is about where the model runs, and a local model can serve a workhorse route or even a frontier route if your own evaluation says so. The book also names a fourth archetype, specialist, for narrow domains. A private, high-volume, easy task is not a frontier job. The Model Portfolio is live. This page is the split, not the routing policy.","url":"/en/blog/frontier-vs-workhorse-vs-local/","searchText":"Frontier, workhorse, or local: three classes, not a religious war Frontier, workhorse, and local are operating classes for language-model work. Frontier is rationed for jobs that need it, workhorse carries the bulk, local is where the data must stay. The task and its privacy class pick the class. The vendor keynote does not. The forum fight is cloud versus local. The operator question is which class owns this task. Frontier, workhorse, and local are three classes of language-model work from The Model Portfolio. Frontier is the scarce, expensive tier, rationed for tasks that fail on anything cheaper. Workhorse is the default-capable tier where volume is meant to live. Local is a placement decision: the model runs on infrastructure you control because privacy, latency, sovereignty, or volume says it must. Frontier and workhorse are capability tiers. Local is about where the model runs, and a local model can serve a workhorse route or even a frontier route if your own evaluation says so. The book also names a fourth archetype, specialist, for narrow domains. A private, high-volume, easy task is not a frontier job. The Model Portfolio is live. This page is the split, not the routing policy. frontier vs workhorse vs local LLM Class follows the task and its privacy class, not the vendor keynote. Frontier is rationed. If everything is frontier, nothing is. Local is a placement decided by who controls the infrastructure, not a moral stance. This page is the split. Model routing is the policy that uses it. ai-agents ROUTE Register, Objective typing, Utilize policy, Track, Evolve. local model A model you run on infrastructure you control, because privacy, latency, or volume requires it. Search \"local LLM vs API\" and you get a forum fight. One camp treats the cloud as betrayal. The other treats a local model as a hobby. Neither is an operating split. Frontier, workhorse, or local? Three classes. The task picks the class. The brand does not. Frontier is the scarce tier. Deep reasoning, messy ambiguity, long-context synthesis, jobs where a cheaper miss costs more than the token bill. You ration it. The moment frontier becomes the default destination, the invoice starts explaining your architecture. Workhorse is the default-capable tier. Bulk extraction, classification, summaries, drafts a human will actually read. This is where volume is meant to live. If the class is empty, every task inflates to frontier. Local is a placement, not a capability rank. A model is local when control of the infrastructure it runs on is part of its mandate: on-premise, a private VPC, an edge device, a developer laptop. Privacy class \"never leaves\", a latency budget inside the room, or a volume that would turn the API into a tax. A local model can clear the bar of a workhorse route, or a frontier route, if your own evaluation says so. Not a cloud religion, not a leaderboard row \"Open versus closed\" is a procurement argument. A closed workhorse and an open workhorse can share a mandate. A leaderboard rank does not know the privacy class of your prompt. If the prompt carries customer data you promised not to export, the class is local or the call does not happen. The Model Portfolio names a fourth archetype, the specialist : a model fine-tuned or built for one narrow domain such as code, legal extraction, or a single language pair. It earns a place only when a general model at any tier fails a well-defined task, and the task is frequent enough to pay for the maintenance. This page keeps to the three most people search for. How to choose this week Write the task in one sentence. Then score three things, in this order. Privacy. May this text leave the building? If not, local. Stop scoring. Difficulty. Does a cheaper miss cost more than the tokens you save? If yes, frontier. If no, workhorse. Volume. Will it run thousands of times a day? Then workhorse or local, never frontier by default. Write the answer next to the task, so next week's hire does not reverse it in a chat window. A vendor SKU is not a class. You assign the class, and the same hosted model can be workhorse on Tuesday and a forbidden privacy miss on Wednesday. Two pages What is model routing? is the policy that uses these classes. This page is the split. The Model Portfolio is live. You do not need the hardcover to stop sending private bulk to the flagship.","keyTakeaways":["Class follows the task and its privacy class, not the vendor keynote.","Frontier is rationed. If everything is frontier, nothing is.","Local is a placement decided by who controls the infrastructure, not a moral stance.","This page is the split. Model routing is the policy that uses it."],"readingMinutes":3,"publishedAt":"2026-09-24T14:00:00.000Z"},"nl":{"label":"Frontier, workhorse of lokaal: drie klassen, geen geloofsoorlog","summary":"Frontier, workhorse en lokaal zijn drie klassen voor werk met taalmodellen, uit Het model-portfolio. Frontier is de schaarse, dure laag die je reserveert voor taken die op alles wat goedkoper is mislukken. Workhorse is de standaard capabele laag waar het volume hoort te zitten. Lokaal is een plaatsingsbesluit: het model draait op infrastructuur die jij beheert, omdat privacy, latentie, soevereiniteit of volume dat afdwingt. Frontier en workhorse zijn capaciteitslagen. Lokaal gaat over waar het model draait, en een lokaal model kan een workhorse-route of zelfs een frontier-route bedienen als je eigen evaluatie dat aantoont. Het boek benoemt ook een vierde archetype, de specialist, voor smalle domeinen. Een taak die privé, hoogvolume en makkelijk is, is geen frontierklus. Het model-portfolio is live. Deze pagina is de indeling, niet het routeringsbeleid.","url":"/nl/blog/frontier-workhorse-of-lokaal/","searchText":"Frontier, workhorse of lokaal: drie klassen, geen geloofsoorlog Frontier, workhorse en lokaal zijn werkklassen voor taalmodellen. Frontier rantsoeneer je voor werk dat het echt nodig heeft, workhorse draagt de bulk, lokaal is waar de data moet blijven. De taak en de privacyklasse kiezen de klasse. De keynote van de leverancier niet. Het forumgevecht gaat over cloud versus lokaal. De operatorvraag is welke klasse deze taak draagt. Frontier, workhorse en lokaal zijn drie klassen voor werk met taalmodellen, uit Het model-portfolio. Frontier is de schaarse, dure laag die je reserveert voor taken die op alles wat goedkoper is mislukken. Workhorse is de standaard capabele laag waar het volume hoort te zitten. Lokaal is een plaatsingsbesluit: het model draait op infrastructuur die jij beheert, omdat privacy, latentie, soevereiniteit of volume dat afdwingt. Frontier en workhorse zijn capaciteitslagen. Lokaal gaat over waar het model draait, en een lokaal model kan een workhorse-route of zelfs een frontier-route bedienen als je eigen evaluatie dat aantoont. Het boek benoemt ook een vierde archetype, de specialist, voor smalle domeinen. Een taak die privé, hoogvolume en makkelijk is, is geen frontierklus. Het model-portfolio is live. Deze pagina is de indeling, niet het routeringsbeleid. frontier vs workhorse vs lokaal LLM De klasse volgt de taak en de privacyklasse, niet de keynote van de leverancier. Frontier is gerantsoeneerd. Als alles frontier is, is niets het. Lokaal is een plaatsing, bepaald door wie de infrastructuur beheert. Geen moreel standpunt. Deze pagina is de indeling. Modelroutering is het beleid dat ermee werkt. ai-agents ROUTE Register, Doel-typering, Uitvoeringsbeleid, Tracken, Evolueren. lokaal model Een model dat je draait op infrastructuur die je zelf beheert, omdat privacy, latentie of volume dat vereist. Zoek op \"local LLM vs API\" en je belandt in een forumgevecht. Het ene kamp ziet de cloud als verraad. Het andere ziet een lokaal model als hobby. Geen van beide is een werkbare indeling. Frontier, workhorse of lokaal? Drie klassen. De taak kiest de klasse. Het merk niet. Frontier is de schaarse laag. Diep redeneren, rommelige ambiguïteit, synthese over lange context, klussen waarbij een goedkopere misser meer kost dan de tokens. Die laag rantsoeneer je. Zodra frontier de standaardbestemming wordt, gaat de factuur je architectuur uitleggen. Workhorse is de standaard capabele laag. Bulkextractie, classificatie, samenvattingen, concepten die een mens echt gaat lezen. Hier hoort het volume te zitten. Is deze klasse leeg, dan zwelt elke taak op tot frontier. Lokaal is een plaatsing, geen capaciteitsrang. Een model is lokaal wanneer het beheer van de infrastructuur waarop het draait onderdeel is van zijn mandaat: on-premise, een eigen VPC, een edge-apparaat, de laptop van een developer. Privacyklasse \"verlaat het gebouw nooit\", een latentiebudget dat binnen de muren moet blijven, of een volume dat de API tot een belasting zou maken. Een lokaal model kan de lat van een workhorse-route halen, of die van een frontier-route, als je eigen evaluatie dat laat zien. Geen cloudreligie, geen regel op een leaderboard \"Open versus gesloten\" is een inkoopargument. Een gesloten workhorse en een open workhorse kunnen hetzelfde mandaat delen. Een positie op een leaderboard kent de privacyklasse van jouw prompt niet. Bevat de prompt klantdata die je hebt beloofd niet te exporteren, dan is de klasse lokaal, of de aanroep gaat niet door. Het model-portfolio benoemt een vierde archetype, de specialist : een model dat is bijgetraind of gebouwd voor één smal domein, zoals code, juridische extractie of één talenpaar. Die verdient pas een plek als een algemeen model op geen enkele laag een goed omschreven taak aankan, en de taak vaak genoeg voorkomt om het onderhoud te betalen. Deze pagina houdt het bij de drie waar de meeste mensen naar zoeken. Zo kies je deze week Schrijf de taak in één zin op. Scoor daarna drie dingen, in deze volgorde. Privacy. Mag deze tekst het gebouw uit? Zo niet: lokaal, en stop met scoren. Moeilijkheid. Kost een goedkopere misser meer dan de tokens die je bespaart? Zo ja: frontier. Zo nee: workhorse. Volume. Draait dit duizenden keren per dag? Dan workhorse of lokaal, nooit standaard frontier. Zet het antwoord naast de taak, zodat de nieuwe collega het volgende week niet in een chatvenster omdraait. Een SKU van een leverancier is geen klasse. Jij wijst de klasse toe, en hetzelfde gehoste model kan op dinsdag workhorse zijn en op woensdag een verboden privacymisser. Twee pagina's Wat is modelroutering? is het beleid dat deze klassen gebruikt. Deze pagina is de indeling. Het model-portfolio is live. Je hebt de hardcover niet nodig om geen privébulk meer naar het vlaggenschip te sturen.","keyTakeaways":["De klasse volgt de taak en de privacyklasse, niet de keynote van de leverancier.","Frontier is gerantsoeneerd. Als alles frontier is, is niets het.","Lokaal is een plaatsing, bepaald door wie de infrastructuur beheert. Geen moreel standpunt.","Deze pagina is de indeling. Modelroutering is het beleid dat ermee werkt."],"readingMinutes":3,"publishedAt":"2026-09-24T14:02:33.000Z"}},"degree":7},{"id":"article:geo-examples","type":"article","pillar":"seo-geo-aeo","locales":{"en":{"label":"GEO examples: six before-and-after edits that make a page easier for AI to quote","summary":"GEO (generative engine optimization) is the work of making a page easy for AI answer tools such as ChatGPT search, Perplexity and Google's AI Overviews to find, quote correctly and credit. In practice it is mostly editing: put the answer first, replace vague claims with sourced numbers, name things instead of writing 'it', turn image tables into text, write headings as questions, and show a date and a named author. None of these edits guarantees a citation.","url":"/en/blog/geo-examples/","searchText":"GEO examples: six before-and-after edits that make a page easier for AI to quote Six GEO examples, each with a before and an after: small edits that make a page easier for ChatGPT, Perplexity and Google's AI answers to find and quote. Most GEO is plain editing. Here is what it looks like on one page. GEO (generative engine optimization) is the work of making a page easy for AI answer tools such as ChatGPT search, Perplexity and Google's AI Overviews to find, quote correctly and credit. In practice it is mostly editing: put the answer first, replace vague claims with sourced numbers, name things instead of writing 'it', turn image tables into text, write headings as questions, and show a date and a named author. None of these edits guarantees a citation. GEO examples GEO is mostly editing, not a secret technique. AI tools lift pieces of a page, so each piece must make sense on its own. A number with a source and a date is worth quoting. A platitude is not. Text beats images, questions beat slogans, names beat pronouns. No edit guarantees a citation. Google says even a page that meets every requirement may not be shown. geo aeo GEO Generative engine optimization. Making pages easy for AI answer tools to find, quote correctly, and credit. retrieval The step where an AI tool looks up the pieces of text most likely to answer a question before it writes. chunk A slice of text that a retrieval system stores and searches separately from the rest of the page. commodity content Google's term for content based on common knowledge that adds little a reader could not find anywhere else. GEO, short for generative engine optimization, is the work of making your pages easy for AI answer tools to find, quote correctly, and credit. Those tools include ChatGPT search, Perplexity, and Google's AI Overviews (the AI-written summaries at the top of many Google results). The term comes from a 2023 research paper by Pranjal Aggarwal and colleagues, published at the KDD 2024 conference. In practice, most GEO is plain editing. The six before-and-after examples below show what that editing looks like on one page. GEO meaning covers the definition in more depth. This page is the examples. Why do small edits matter to an AI answer tool? Before an AI tool writes an answer from the web, it runs retrieval: it looks up the pieces of text most likely to answer the question, then writes from those pieces. Often it works with pieces rather than your whole page. Google, for example, says its systems can understand a page with several topics and \"show the relevant piece to users.\" That is why every edit below works on a piece: a paragraph that answers on its own, a sentence that names its subject, a heading that says what follows. Each after-version is easier to match to a question and to lift without losing its meaning. One rule before the examples: none of these edits guarantees a citation. Google states that even a page meeting all its requirements may not be crawled (read by Google's crawler, the program that fetches pages), indexed (stored for search), or shown. The example page All six examples use one hypothetical business: Kade Cycles, a made-up e-bike repair shop in Utrecht. Its prices, numbers, and staff are invented for illustration. The page being edited is its \"E-bike service\" page. 1. Buried answer, then answer first Before Since 2011, Kade Cycles has been the place in Utrecht for people who love to ride. We believe every bike tells a story, and our mechanics treat each one like their own. (Three more paragraphs.) Our standard service is €89. After A standard e-bike service at Kade Cycles costs €89 and usually takes one working day. It covers brakes, gears, tires, chain, and a software check of the motor. Parts and battery repairs are charged separately. Why it helps. The question people ask is \"how much does an e-bike service cost?\" In the before-version, the price sits three paragraphs away from any words about servicing an e-bike. In the after-version, the question's words and the answer share two sentences, with the condition (parts are extra) attached. Answer-first writing goes deeper on this edit. 2. Vague claim, then a sourced number Before E-bike batteries last a long time if you treat them well. After Of the 212 e-bike batteries we replaced in 2025, half were more than four years old (Kade Cycles workshop log, January 2026). Your battery's manual states its rated life in charge cycles, so check that first. Why it helps. The before-sentence could sit on any bike site, so there is no reason to quote this one. The after-sentence holds something only this shop knows, with its source and date attached. Google's guide to AI features asks for \"non-commodity\" content, meaning content that goes beyond common knowledge, and points to first-hand experience as one way to get there. The GEO paper tested this kind of edit in a lab. Adding statistics, quotations, and citations to credible sources increased a source's share of the AI answer by roughly 30 to 40% on the paper's headline measure, Position-Adjusted Word Count. Stuffing in extra keywords did little or nothing. The study used a simulated answer engine, so read it as a direction, not a promise. 3. Pronoun soup, then named things Before It works with most of them. We can also do it the same day if you book before ten. After The Kade Cycles battery health check works on mid-drive and rear-hub e-bikes. Book before 10:00 and you get the result the same day. Why it helps. A passage travels without the paragraph above it. Once lifted, \"it\" and \"them\" point at nothing. My book The RAG Engineer (available now) calls this chunk anonymity, a chunk being a slice of text that a retrieval system stores on its own. Its example is a chunk that reports revenue growth for \"the company\" without naming the company or the quarter, so no search that names either can find it. Put the product, what it works on, and the business in the sentence itself. 4. A price list as an image, then a real table Before: a designed image of the price list, with the prices baked into the picture. After: Service Price Time --- --- --- Standard e-bike service €89 1 working day Battery health check €35 Same day if booked before 10:00 Brake pads, front and rear €45 plus parts While you wait Why it helps. A picture of a price list is a picture. A table in text is text: a crawler can read it, a screen reader can read it aloud, and each cell can be matched to a question and quoted. Google's page on AI features lists keeping important content available in text form among the basics. If the design needs the image, keep it, and put the same table in text next to it. 5. A marketing heading, then a question heading Before: a section headed \"Passion meets precision\". After: the same section headed \"How long does an e-bike service take?\" Why it helps. A heading is a label on the section below it. Retrieval systems built the way The RAG Engineer recommends cut pages at their headings and keep the heading attached to each piece, because a heading is the author's own signal that a new topic starts. \"Passion meets precision\" labels nothing. A question heading tells the reader, and any system that splits the page, which question the next paragraph answers. Google makes the human version of the same point: organize pages into sections with headings that give a clear structure. 6. Undated and anonymous, then dated with a named author Before Posted by admin After By [first and last name], head mechanic at Kade Cycles since 2016. Last updated: 24 September 2026. Why it helps. A reader deciding whether to trust a page wants to know who wrote it and how old it is. Google's guidance asks for both. Its helpful-content checklist asks: \"Is it self-evident to your visitors who authored your content?\" Its page on dates says: \"Add a user-visible date to the page and feature it prominently.\" A named author also gives an answer engine a person to attach the claim to. Person entity SEO covers that side. All six on one card Before After Why it is easier to quote --- --- --- --- 1 Answer in paragraph five Answer in the first two sentences Question words and answer sit in one passage 2 \"Batteries last a long time\" A number, its source, its date Specific and checkable, so worth quoting 3 \"It works with most of them\" Product and scope named in the sentence The passage still makes sense when lifted alone 4 Price list as an image Price list as a text table Text can be read, matched, and quoted cell by cell 5 \"Passion meets precision\" \"How long does an e-bike service take?\" The heading labels the answer below it 6 \"Posted by admin\" Named author, visible date Readers can see who stands behind it and how old it is What these examples do not promise No edit here buys a citation. Google says a page can meet every requirement and still not be shown, and the publisher pages from Google, OpenAI, and Perplexity checked for this article contain no formula for choosing sources. GEO is also not a bag of tricks. Google says you do not need special AI text files such as llms.txt (a proposed file that lists a site's key pages for AI tools), or special schema markup (code that labels facts on a page for machines), to appear in its AI features. The GEO paper found keyword stuffing did little. The edits above are the same ones that help a hurried human reader, which is the point. And if an engine cannot read the page at all, no edit matters. How to get cited by ChatGPT covers crawler access. Try this today (20 minutes) 1. Pick the one page you most want quoted. Write the question it should answer at the top of a blank note. 2. Edit 1 (5 minutes): move the answer into the first two sentences, with its main condition. 3. Edit 5 (5 minutes): rewrite each heading as the question its section answers. 4. Edit 3 (5 minutes): find paragraphs that start with \"it\", \"this\", or \"they\", and name the thing instead. 5. Edit 6 (5 minutes): add a named author and a visible \"last updated\" date. Then copy the first paragraph into an empty document. If it still answers the question on its own, the page is easier to quote than it was twenty minutes ago. Once each page is clean, content architecture for answer engines is the next step: one claim, one URL.","keyTakeaways":["GEO is mostly editing, not a secret technique.","AI tools lift pieces of a page, so each piece must make sense on its own.","A number with a source and a date is worth quoting. A platitude is not.","Text beats images, questions beat slogans, names beat pronouns.","No edit guarantees a citation. Google says even a page that meets every requirement may not be shown."],"readingMinutes":7,"publishedAt":"2026-10-12T07:00:00.000Z"},"nl":{"label":"GEO-voorbeelden: zes voor-en-na-aanpassingen die je pagina voor AI beter citeerbaar maken","summary":"GEO (generative engine optimization) is het werk om een pagina zo te maken dat AI-antwoordmachines als ChatGPT, Perplexity en de AI-overzichten van Google haar makkelijk vinden, correct citeren en als bron noemen. In de praktijk is het vooral redigeren: zet het antwoord vooraan, vervang vage beweringen door getallen met een bron, noem dingen bij naam in plaats van 'het', zet tabellen uit afbeeldingen om in tekst, schrijf koppen als vragen en toon een datum en een auteur met naam. Geen van deze aanpassingen garandeert een citatie.","url":"/nl/blog/geo-voorbeelden/","searchText":"GEO-voorbeelden: zes voor-en-na-aanpassingen die je pagina voor AI beter citeerbaar maken Zes GEO-voorbeelden met een voor- en een na-versie: kleine aanpassingen waardoor ChatGPT, Perplexity en Google je pagina makkelijker vinden en citeren. GEO is vooral gewoon redigeren. Zo ziet dat eruit op één pagina. GEO (generative engine optimization) is het werk om een pagina zo te maken dat AI-antwoordmachines als ChatGPT, Perplexity en de AI-overzichten van Google haar makkelijk vinden, correct citeren en als bron noemen. In de praktijk is het vooral redigeren: zet het antwoord vooraan, vervang vage beweringen door getallen met een bron, noem dingen bij naam in plaats van 'het', zet tabellen uit afbeeldingen om in tekst, schrijf koppen als vragen en toon een datum en een auteur met naam. Geen van deze aanpassingen garandeert een citatie. GEO-voorbeelden GEO is vooral redigeren, geen geheime techniek. AI-tools nemen stukken van een pagina over, dus elk stuk moet op zichzelf kloppen. Een getal met bron en datum is het citeren waard. Een gemeenplaats niet. Tekst wint van afbeeldingen, vragen van slogans, namen van verwijswoorden. Geen aanpassing garandeert een citatie. Volgens Google kan zelfs een pagina die aan alle eisen voldoet, onzichtbaar blijven. geo aeo GEO Generative engine optimization. Pagina's zo maken dat AI-antwoordmachines ze makkelijk vinden, correct citeren en als bron noemen. retrieval De stap waarin een AI-tool de stukken tekst opzoekt die een vraag het best beantwoorden, voordat hij gaat schrijven. chunk Een blok tekst dat een retrievalsysteem apart van de rest van de pagina opslaat en doorzoekt. commodity content Googles term voor content die op algemene kennis leunt en weinig toevoegt wat een lezer niet overal kan vinden. GEO, de afkorting van generative engine optimization, is het werk om je pagina's zo te maken dat AI-antwoordmachines ze makkelijk vinden, correct citeren en als bron noemen. Denk aan zoeken in ChatGPT, Perplexity en de AI-overzichten van Google (de door AI geschreven samenvattingen boven veel zoekresultaten). De term komt uit een onderzoeksartikel uit 2023 van Pranjal Aggarwal en collega's, gepubliceerd op het congres KDD 2024. In de praktijk is GEO vooral gewoon redigeren. De zes voorbeelden hieronder laten zien hoe dat eruitziet op één pagina, telkens met een versie ervoor en erna. GEO-betekenis gaat dieper in op de definitie. Deze pagina draait om de voorbeelden. Waarom maken kleine aanpassingen verschil voor een AI-tool? Voordat een AI-tool een antwoord uit webbronnen samenstelt, zoekt hij eerst informatie op. Die stap heet retrieval: de tool haalt de stukken tekst op die de vraag waarschijnlijk het best beantwoorden, en schrijft zijn antwoord op basis van die stukken. Vaak werkt hij met stukken in plaats van met je hele pagina. Google zegt bijvoorbeeld dat zijn systemen een pagina met meerdere onderwerpen begrijpen en gebruikers het relevante stuk laten zien. Daarom richt elke aanpassing hieronder zich op een stuk: een alinea die op zichzelf antwoord geeft, een zin die zijn onderwerp noemt, een kop die zegt wat erna komt. Elke na-versie is makkelijker aan een vraag te koppelen en over te nemen zonder dat de betekenis wegvalt. Eén ding vooraf: geen van deze aanpassingen garandeert een citatie. Google schrijft dat zelfs een pagina die aan alle eisen voldoet, misschien niet gecrawld (gelezen door de crawler van Google, het programma dat pagina's ophaalt), geïndexeerd (opgeslagen voor zoeken) of getoond wordt. De voorbeeldpagina Alle zes de voorbeelden gebruiken één fictief bedrijf: Kade Cycles, een verzonnen reparatiewerkplaats voor e-bikes in Utrecht. Prijzen, aantallen en medewerkers zijn verzonnen ter illustratie. We bewerken de pagina \"Onderhoud e-bike\". 1. Van verstopt antwoord naar antwoord eerst Ervoor Sinds 2011 is Kade Cycles in Utrecht dé plek voor mensen die van fietsen houden. Wij geloven dat elke fiets een verhaal vertelt, en onze monteurs behandelen elke fiets alsof hij van henzelf is. (Nog drie alinea's.) Een standaard onderhoudsbeurt kost € 89. Erna Een standaard onderhoudsbeurt voor je e-bike kost bij Kade Cycles € 89 en duurt meestal één werkdag. We controleren remmen, versnellingen, banden en ketting, en doen een softwarecheck van de motor. Onderdelen en accureparaties rekenen we apart. Waarom dit helpt. Mensen vragen: \"Wat kost een onderhoudsbeurt voor een e-bike?\" In de eerste versie staat de prijs drie alinea's verwijderd van alles wat over e-bikeonderhoud gaat. In de tweede versie staan de woorden uit de vraag en het antwoord in dezelfde twee zinnen, met de voorwaarde (onderdelen komen erbij) eraan vast. Antwoord eerst schrijven gaat dieper op deze aanpassing in. 2. Van vage bewering naar getal met bron Ervoor Een e-bikeaccu gaat lang mee als je er goed voor zorgt. Erna Van de 212 e-bikeaccu's die we in 2025 vervingen, was de helft meer dan vier jaar oud (werkplaatslogboek Kade Cycles, januari 2026). In de handleiding van je accu staat de verwachte levensduur in laadcycli. Kijk daar eerst in. Waarom dit helpt. De eerste zin kan op elke fietssite staan, dus er is geen reden om juist deze te citeren. De tweede versie bevat iets wat alleen deze werkplaats weet, met bron en datum erbij. Googles gids over AI-functies vraagt om non-commodity content, content die verder gaat dan algemene kennis, en noemt eigen ervaring als een manier om daar te komen. Het GEO-artikel testte dit soort aanpassingen in een laboratoriumopstelling. Statistieken, citaten en verwijzingen naar betrouwbare bronnen toevoegen vergrootte het aandeel van een bron in het AI-antwoord met ruwweg 30 tot 40 procent op de hoofdmaatstaf van het artikel, Position-Adjusted Word Count. Extra zoekwoorden erin proppen leverde weinig tot niets op. Het onderzoek gebruikte een gesimuleerde antwoordmachine: lees het als richting, niet als belofte. 3. Van verwijswoorden zonder houvast naar namen Ervoor Het werkt met de meeste. We kunnen het ook dezelfde dag doen als je voor tienen boekt. Erna De accucheck van Kade Cycles werkt voor e-bikes met een middenmotor en met een achterwielmotor. Boek je voor 10.00 uur, dan heb je de uitslag dezelfde dag. Waarom dit helpt. Een passage reist zonder de alinea erboven. Eenmaal overgenomen wijzen \"het\" en \"de meeste\" nergens meer naar. Mijn boek De RAG-engineer (nu verkrijgbaar) noemt dit chunk-anonimiteit. Een chunk is een blok tekst dat een retrievalsysteem apart opslaat. Het voorbeeld in het boek is een chunk die omzetgroei meldt voor \"het bedrijf\", zonder het bedrijf of het kwartaal te noemen: een zoekopdracht die een van beide noemt, vindt hem dan niet. Zet het product, de toepassing en de naam van het bedrijf in de zin zelf. 4. Van prijslijst als afbeelding naar echte tabel Ervoor: een vormgegeven afbeelding van de prijslijst, met de prijzen in het plaatje zelf. Erna: Dienst Prijs Tijd --- --- --- Standaard onderhoudsbeurt e-bike € 89 1 werkdag Accucheck € 35 Dezelfde dag bij boeking voor 10.00 uur Remblokken voor en achter € 45 plus onderdelen Terwijl je wacht Waarom dit helpt. Een plaatje van een prijslijst is een plaatje. Een tabel in tekst is tekst: een crawler kan hem lezen, een schermlezer kan hem voorlezen, en elke cel is aan een vraag te koppelen en te citeren. Google vermeldt op zijn pagina over AI-functies bij de basisregels dat belangrijke content in tekstvorm beschikbaar moet zijn. Heeft het ontwerp de afbeelding nodig, houd haar dan, en zet dezelfde tabel als tekst ernaast. 5. Van marketingkop naar vraagkop Ervoor: een sectie met de kop \"Passie ontmoet precisie\". Erna: dezelfde sectie met de kop \"Hoe lang duurt een onderhoudsbeurt voor je e-bike?\" Waarom dit helpt. Een kop is een etiket op de sectie eronder. Retrievalsystemen die gebouwd zijn zoals De RAG-engineer aanraadt, knippen pagina's op bij de koppen en geven elk stuk zijn kop mee, omdat een kop het eigen signaal van de schrijver is dat er een nieuw onderwerp begint. \"Passie ontmoet precisie\" is een etiket op niets. Een vraagkop vertelt de lezer, en elk systeem dat de pagina opknipt, welke vraag de volgende alinea beantwoordt. Google zegt hetzelfde, maar dan voor menselijke lezers: deel pagina's op in secties met koppen die een duidelijke structuur geven. 6. Van anoniem en ongedateerd naar datum en auteur Ervoor Geplaatst door admin Erna Door [voor- en achternaam], hoofdmonteur bij Kade Cycles sinds 2016. Laatst bijgewerkt: 24 september 2026. Waarom dit helpt. Een lezer die moet beslissen of hij een pagina vertrouwt, wil weten wie haar schreef en hoe oud ze is. Google vraagt om allebei. In zijn checklist voor behulpzame content vraagt Google of het voor bezoekers vanzelf duidelijk is wie de content heeft geschreven. In de uitleg over datums staat dat je een zichtbare datum op de pagina hoort te zetten, op een opvallende plek. Een auteur met naam geeft een antwoordmachine bovendien een persoon om de bewering aan te koppelen. Entity-SEO voor een persoon behandelt die kant. Alle zes in één overzicht Ervoor Erna Waarom het makkelijker te citeren is --- --- --- --- 1 Antwoord in alinea vijf Antwoord in de eerste twee zinnen Vraagwoorden en antwoord staan in één passage 2 \"Een accu gaat lang mee\" Een getal, de bron, de datum Specifiek en controleerbaar, dus het citeren waard 3 \"Het werkt met de meeste\" Product en toepassing in de zin benoemd De passage klopt ook als ze los wordt overgenomen 4 Prijslijst als afbeelding Prijslijst als teksttabel Tekst is te lezen, te koppelen en per cel te citeren 5 \"Passie ontmoet precisie\" \"Hoe lang duurt een onderhoudsbeurt voor je e-bike?\" De kop benoemt het antwoord eronder 6 \"Geplaatst door admin\" Auteur met naam, zichtbare datum Lezers zien wie erachter staat en hoe oud het is Wat deze voorbeelden niet beloven Geen enkele aanpassing hier dwingt een citatie af. Google zegt dat een pagina aan alle eisen kan voldoen en toch niet getoond wordt, en de uitgeverspagina's van Google, OpenAI en Perplexity die voor dit artikel zijn gecontroleerd, bevatten geen formule voor het kiezen van bronnen. GEO is ook geen trukendoos. Google zegt dat je geen speciale AI-tekstbestanden zoals llms.txt (een voorgesteld bestand dat de belangrijkste pagina's van een site voor AI-tools opsomt) en geen speciale schema-opmaak (code die feiten op een pagina voor machines labelt) nodig hebt om in zijn AI-functies te verschijnen. Het GEO-artikel vond dat keyword stuffing weinig opleverde. De aanpassingen hierboven helpen net zo goed een haastige menselijke lezer. Daar gaat het om. En als een antwoordmachine de pagina helemaal niet kan lezen, maakt geen enkele aanpassing uit. Hoe je geciteerd wordt door ChatGPT gaat over toegang voor crawlers. Probeer dit vandaag (twintig minuten) 1. Kies de pagina die je het liefst geciteerd ziet. Schrijf bovenaan een leeg notitieblok de vraag die ze moet beantwoorden. 2. Aanpassing 1 (vijf minuten): zet het antwoord in de eerste twee zinnen, met de voornaamste voorwaarde erbij. 3. Aanpassing 5 (vijf minuten): herschrijf elke kop als de vraag die de sectie beantwoordt. 4. Aanpassing 3 (vijf minuten): zoek alinea's die beginnen met \"het\", \"dit\" of \"ze\", en noem het ding bij naam. 5. Aanpassing 6 (vijf minuten): voeg een auteur met naam en een zichtbare datum \"laatst bijgewerkt\" toe. Kopieer daarna de eerste alinea naar een leeg document. Beantwoordt ze de vraag nog steeds op zichzelf, dan is de pagina makkelijker te citeren dan twintig minuten geleden. Is elke pagina op orde, dan is contentarchitectuur voor antwoordmachines de volgende stap: één bewering, één URL.","keyTakeaways":["GEO is vooral redigeren, geen geheime techniek.","AI-tools nemen stukken van een pagina over, dus elk stuk moet op zichzelf kloppen.","Een getal met bron en datum is het citeren waard. Een gemeenplaats niet.","Tekst wint van afbeeldingen, vragen van slogans, namen van verwijswoorden.","Geen aanpassing garandeert een citatie. Volgens Google kan zelfs een pagina die aan alle eisen voldoet, onzichtbaar blijven."],"readingMinutes":8,"publishedAt":"2026-10-12T07:05:00.000Z"}},"degree":8},{"id":"article:geo-meaning","type":"article","pillar":"seo-geo-aeo","locales":{"en":{"label":"GEO meaning: generative engine optimization, not geography","summary":"GEO, generative engine optimization, is the work of becoming a source that answer engines can retrieve, interpret, extract, and verify. It is not geographic SEO. Ranking in ten blue links is a different job. Eligibility, an extractable answer, original value, and evidence that survives scrutiny are the levers. Google does not require schema, chunking, or an llms.txt file for AI Overviews. A page that cannot be quoted cleanly will not be cited, even if it ranks.","url":"/en/blog/what-geo-means/","searchText":"GEO meaning: generative engine optimization, not geography GEO means generative engine optimization: becoming a source an answer engine can retrieve, interpret, extract, and verify. It is not geographic SEO and not a bag of hidden prompts. The globe is the wrong object. GEO is whether a machine can quote you without inventing you. GEO, generative engine optimization, is the work of becoming a source that answer engines can retrieve, interpret, extract, and verify. It is not geographic SEO. Ranking in ten blue links is a different job. Eligibility, an extractable answer, original value, and evidence that survives scrutiny are the levers. Google does not require schema, chunking, or an llms.txt file for AI Overviews. A page that cannot be quoted cleanly will not be cited, even if it ranks. GEO meaning generative engine optimization GEO is generative, not geography. If the first meaning in the room is a map, you are answering the wrong query. GEO is the system around the page. AEO is the craft of one URL. They fail together when the first screen is a manifesto. Crawlers fetching you is eligibility. Being named in the answer is citability. Do not mix those two numbers. No invented FAQ schema. Google ended FAQ rich results on 2026-05-07. geo aeo GEO Becoming a source an answer engine can retrieve, interpret, extract, and verify. AEO Writing one URL so an engine can lift a clean capsule. CITATION The eight-move framework from The Findability Engine: Cite, Identify, Triangulate, Anchor, Track, Iterate, Optimize, Normalize. The book is in production and not for sale. People type \"GEO meaning\" and get a weather map, a GIS course, or a slide that says \"optimize for ChatGPT.\" Two of those are geography. One is a retainer. None of them is the operator definition. GEO means generative engine optimization . The job is to become a source an answer engine can retrieve, interpret, extract, and verify. If a machine cannot quote a sentence from your URL without inventing you, you do not have GEO. You have a page that ranks, or a page that hopes. Not geography In Dutch, geo betekenis is even more of a trap. Geo still means earth. Geographic SEO is a real practice: city pages, Google Business Profile, a radius. That is not this page. If your first association is a map, stop. The collision is in the live glossary on purpose: generative, not geography. Not ten blue links SEO is still the index. GEO is what happens when the answer is assembled before the click. Ranking in ten blue links is a different job. You can win one and lose the other. You can lose both by writing a manifesto in the first screen. The public test of the page is plain: discoverable, attributed, answer-shaped, evidenced, used. GEO is the system around that test. AEO is the craft of one URL. They fail together when the opening is a brand paragraph. CITATION is a different object: the eight-move framework in The Findability Engine (Cite, Identify, Triangulate, Anchor, Track, Iterate, Optimize, Normalize). Four levers, not a trick bag The live capsule names four. Eligibility. Can the crawler fetch the URL? If you blocked OAI-SearchBot, ChatGPT Search will not summarise you. That is a door, not a ranking. How to get cited by ChatGPT is the door article. Extractable answer. Is there one checkable claim in the first HTML screen, with a name attached? If the claim only appears after a widget hydrates, the engine never saw it. Original value. Commodity paraphrase does not get named. Google's own AI-optimization guide is blunt: people-first, unique content. Forced chunking and llms.txt are not required for Google generative features. Evidence that survives scrutiny. A number without a source is a vibe. A source you cannot point at is a costume. None of this is a hidden prompt in a footer. Hidden prompts are not a strategy. They are a hope that the model is more gullible than the reader. What this page is not This page is not how answer engines select sources. That article is the selection loop. This page is not the ChatGPT how-to. That article is the crawler door and the measurement. This page is not content architecture for answer engines. That article is one claim per URL and structured data after the sentence exists. GEO is the name of the system. If you cannot say which lever you are turning, you are buying a synonym. A five-minute check Open the live URL as HTML, not as a screenshot. 1. Can a crawler fetch it? 2. Is the claim in the first screen, in the HTML? 3. Can you name the person or organisation the machine should attach? 4. Is the evidence on the same URL? 5. Would you bet the sentence if someone asked for the source? If line two is empty, rewrite the opening before you touch schema. The Findability Engine is the book that treats this as an operating system. It is in production. It is not for sale. You do not need the hardcover to put one checkable sentence at the top of the page.","keyTakeaways":["GEO is generative, not geography. If the first meaning in the room is a map, you are answering the wrong query.","GEO is the system around the page. AEO is the craft of one URL. They fail together when the first screen is a manifesto.","Crawlers fetching you is eligibility. Being named in the answer is citability. Do not mix those two numbers.","No invented FAQ schema. Google ended FAQ rich results on 2026-05-07."],"readingMinutes":3,"publishedAt":"2026-08-22T15:00:00.000Z"},"nl":{"label":"GEO-betekenis: generative engine optimization, geen geografie","summary":"GEO, generative engine optimization, is het werk om een bron te worden die antwoordmachines kunnen ophalen, interpreteren, extraheren en verifiëren. Het is geen geografische SEO. Ranken in tien blauwe links is ander werk. Geschiktheid, een extraheerbaar antwoord, originele waarde en bewijs dat de toets der kritiek doorstaat, zijn de knoppen. Google vereist geen schema, chunking of een llms.txt-bestand voor de AI-overzichten (AI Overviews). Een pagina die niet zuiver geciteerd kan worden, zal niet genoemd worden, zelfs niet als deze rankt.","url":"/nl/blog/geo-betekenis/","searchText":"GEO-betekenis: generative engine optimization, geen geografie GEO betekent generative engine optimization: een bron worden die een antwoordmachine kan ophalen, interpreteren, extraheren en verifiëren. Het is geen geografische SEO en geen trucendoos met verborgen prompts. De wereldbol is het verkeerde object. GEO is of een machine je kan citeren zonder je te verzinnen. GEO, generative engine optimization, is het werk om een bron te worden die antwoordmachines kunnen ophalen, interpreteren, extraheren en verifiëren. Het is geen geografische SEO. Ranken in tien blauwe links is ander werk. Geschiktheid, een extraheerbaar antwoord, originele waarde en bewijs dat de toets der kritiek doorstaat, zijn de knoppen. Google vereist geen schema, chunking of een llms.txt-bestand voor de AI-overzichten (AI Overviews). Een pagina die niet zuiver geciteerd kan worden, zal niet genoemd worden, zelfs niet als deze rankt. GEO-betekenis generative engine optimization GEO is generatief, niet geografisch. Als de eerste associatie in de kamer een landkaart is, beantwoord je de verkeerde zoekopdracht. GEO is het systeem rondom de pagina. AEO is het vakmanschap van één URL. Ze falen samen wanneer het eerste scherm een manifest is. Crawlers die je ophalen is geschiktheid. Genoemd worden in het antwoord is citeerbaarheid. Haal die twee getallen niet door elkaar. Geen verzonnen FAQ-schema. Google is op 2026-05-07 gestopt met FAQ rich results. geo aeo GEO Een bron worden die een antwoordmachine kan ophalen, interpreteren, extraheren en verifiëren. AEO Eén URL zo schrijven dat een engine er een schone capsule uit kan lichten. CITATION Het raamwerk van acht stappen uit The findability engine: Citeren, Identificeren, Trianguleren, Verankeren, Traceren, Itereren, Optimaliseren, Normaliseren. Het boek is in productie en niet te koop. Mensen typen \"GEO betekenis\" en krijgen een weerkaart, een cursus aardrijkskunde of een slide met de tekst \"optimaliseer voor ChatGPT\". Twee daarvan zijn geografie. Eén is een retainer. Geen van alle is de definitie van een operator. GEO betekent generative engine optimization . De taak is om een bron te worden die een antwoordmachine kan ophalen, interpreteren, extraheren en verifiëren. Als een machine geen zin van je URL kan citeren zonder je te verzinnen, heb je geen GEO. Je hebt een pagina die rankt, of een pagina die hoopt. Geen geografie In het Nederlands is GEO betekenis een nog grotere valkuil. Geo betekent nog steeds aarde. Geografische SEO is een echte praktijk: stadspagina's, Google Bedrijfsprofiel, een straal. Dat is deze pagina niet. Als je eerste associatie een landkaart is, stop dan. De botsing in de live begrippenlijst is met opzet: generatief, geen geografie. Geen tien blauwe links SEO is nog steeds de index. GEO is wat er gebeurt als het antwoord voor de klik wordt samengesteld. Ranken in tien blauwe links is ander werk. Je kunt de ene winnen en de andere verliezen. Je kunt ze allebei verliezen door een manifest op het eerste scherm te schrijven. De publieke test van de pagina is eenvoudig: vindbaar, toegeschreven, antwoordvormig, onderbouwd, gebruikt. GEO is het systeem rondom die test. AEO is het vakmanschap van één URL. Ze falen samen wanneer de opening een merkparagraaf is. CITATION is iets anders: het raamwerk van acht stappen uit The findability engine (Citeren, Identificeren, Trianguleren, Verankeren, Traceren, Itereren, Optimaliseren, Normaliseren). Vier knoppen, geen trucendoos De live capsule noemt er vier. Geschiktheid. Kan de crawler de URL ophalen? Als je OAI-SearchBot hebt geblokkeerd, zal ChatGPT Search je niet samenvatten. Dat is een deur, geen ranking. Hoe je geciteerd wordt door ChatGPT is het artikel over die deur. Extraheerbaar antwoord. Is er één controleerbare claim in het eerste HTML-scherm, met een naam eraan verbonden? Als de claim pas verschijnt nadat een widget is geladen, heeft de engine deze nooit gezien. Originele waarde. Een geparafraseerd basisartikel wordt niet bij naam genoemd. Googles eigen AI-optimalisatiegids is direct: mensen eerst, unieke content. Geforceerde chunking en llms.txt zijn niet vereist voor generatieve Google-functies. Bewijs dat de toets der kritiek doorstaat. Een getal zonder bron is een gevoel. Een bron waarnaar je niet kunt wijzen is een kostuum. Niets hiervan is een verborgen prompt in een footer. Verborgen prompts zijn geen strategie. Het is de hoop dat het model goedgeloviger is dan de lezer. Wat deze pagina niet is Deze pagina is niet hoe zoek- en antwoordmachines bronnen kiezen. Dat artikel gaat over de selectielus. Deze pagina is niet de ChatGPT-handleiding. Dat artikel gaat over de deuren van de crawler en de meting. Deze pagina is niet contentarchitectuur die antwoordmachines kunnen citeren. Dat artikel gaat over één claim per URL en gestructureerde data nadat de zin bestaat. GEO is de naam van het systeem. Als je niet kunt vertellen aan welke knop je draait, koop je een synoniem. Een controle van vijf minuten Open de live URL als HTML, niet als een screenshot. 1. Kan een crawler de URL ophalen? 2. Staat de claim in het eerste scherm, in de HTML? 3. Kun je de persoon of organisatie noemen die de machine moet koppelen? 4. Staat het bewijs op dezelfde URL? 5. Zou je geld inzetten op de zin als iemand om de bron vroeg? Als regel twee leeg is, herschrijf dan de opening voordat je schema aanraakt. The findability engine is het boek dat dit behandelt als een besturingssysteem. Het is in productie. Het is niet te koop. Je hebt de hardcover niet nodig om één controleerbare zin bovenaan de pagina te zetten.","keyTakeaways":["GEO is generatief, niet geografisch. Als de eerste associatie in de kamer een landkaart is, beantwoord je de verkeerde zoekopdracht.","GEO is het systeem rondom de pagina. AEO is het vakmanschap van één URL. Ze falen samen wanneer het eerste scherm een manifest is.","Crawlers die je ophalen is geschiktheid. Genoemd worden in het antwoord is citeerbaarheid. Haal die twee getallen niet door elkaar.","Geen verzonnen FAQ-schema. Google is op 2026-05-07 gestopt met FAQ rich results."],"readingMinutes":3,"publishedAt":"2026-08-22T15:05:00.000Z"}},"degree":15},{"id":"article:governed-agent-memory","type":"article","pillar":"ai-systems","locales":{"en":{"label":"Governed agent memory: what may persist, and who may write it","summary":"Agent memory is what an AI agent keeps between runs, such as notes, preferences, facts and lessons, and reads back in later tasks. Governed agent memory means four written rules: what may be written, who may write it, when each entry expires, and how you see and undo any entry. Without them, stale facts, instructions planted by outsiders, and personal data pile up and quietly steer later work. The model does not enforce these rules; the software around it must.","url":"/en/blog/governed-agent-memory/","searchText":"Governed agent memory: what may persist, and who may write it Governed agent memory explained: what an AI agent keeps between runs, why unmanaged memory goes stale or gets poisoned, and a one-page memory policy. An agent's memory is a database that the agent writes itself. Give it the rules you would give any other database. Agent memory is what an AI agent keeps between runs, such as notes, preferences, facts and lessons, and reads back in later tasks. Governed agent memory means four written rules: what may be written, who may write it, when each entry expires, and how you see and undo any entry. Without them, stale facts, instructions planted by outsiders, and personal data pile up and quietly steer later work. The model does not enforce these rules; the software around it must. governed agent memory A language model does not remember on its own. Memory is a store that software writes to and reads back. Ungoverned memory fails three ways: stale facts, poisoned entries, and personal data kept too long. Decide what may enter memory, and never let text from email, web pages or other tools write to it directly. Every entry needs a source label and an expiry. A deletion you have never tested does not exist. Anthropic's own memory tool documentation puts these safeguards on the developer, not the model. agent-ops agent memory Information an AI agent stores during one run and reads back in later runs, such as preferences, facts, notes or lessons. run One task an agent performs from start to finish. memory poisoning Getting false or malicious content into an agent's memory so that it steers later runs. provenance tag A label on a memory entry that records where the entry came from. tombstone A deletion record that revokes one entry everywhere it was copied, so it cannot come back on the next rebuild. GRAIN Gather, Rank, Assemble, Inspect, Navigate. A five-step method for running retrieval as a product, from The RAG Engineer. Agent memory is whatever an AI agent keeps between runs (notes, preferences, facts, lessons) and reads back in later tasks. Governed agent memory means you decide four things in writing: what may be written, who may write it, when each entry expires, and how you can see and undo any entry. Without those rules, memory becomes a place where stale facts, planted instructions and personal data pile up and quietly steer the next run. A run is one task from start to finish. An AI agent is software that uses a language model to plan and take actions with tools, not only to chat. If you want the longer definition, see what is an AI agent. What is agent memory, in plain words? A language model does not remember anything between calls. Each call starts from the text it is given. Anything that \"carries over\" was stored somewhere by software and fed back in. Anthropic's documentation for its memory tool shows the mechanics plainly. With the tool switched on, the model \"can create, read, update, and delete files that persist between sessions\". Those files live with you, not with the model: \"The memory tool operates client-side\", meaning your own application stores them and runs every file operation (Anthropic). That makes memory a database the agent writes to itself. In The RAG Engineer , Len treats it exactly that way: memory is \"RAG's write-path problem made first-class\". RAG (retrieval-augmented generation) means looking up stored passages before the model answers. With memory, the agent also writes the passages. The book says the genuinely new part is a write policy : what gets extracted from an interaction, when a new fact replaces an old one, and who, or what, decides. Why is ungoverned memory a risk? It fails in three ways, and none of them shows up on the day you switch memory on. 1. Stale facts. An entry that was true in March steers a decision in September. The agent does not know the fact aged; it only knows the fact is in memory. 2. Poisoned entries. Memory poisoning means getting false or malicious content into an agent's memory so that it steers later runs. The OWASP GenAI Security Project, a community security effort with hundreds of contributors, lists \"Memory & Context Poisoning\" as entry ASI06 in its Top 10 for Agentic Applications, published December 2025. Its launch post puts the danger in one line: \"Memory poisoning reshaped behaviour long after the initial interaction\" (OWASP). The RAG Engineer makes the same point in engineering terms: any memory write fed by outside content (email, web pages, tool output, another agent's output) is a place where someone else can write into your agent's future. And the write is durable. A trick that would have lasted one conversation now lasts until someone deletes it. 3. Personal data kept too long. The EU's data protection law (GDPR) says personal data should be kept identifiable \"for no longer than is necessary for the purposes for which the personal data are processed\" (Article 5(1)(e), EUR-Lex). A memory store with no expiry works against that principle by default. This is not legal advice; your data protection officer or counsel decides what applies to you. Notice who carries the load. Anthropic's page is blunt: \"Your application executes every file operation Claude requests, so these safeguards are your responsibility\". It then lists sensitive information, file size, expiry and path checks as things the developer must handle. GRAIN: the framework behind the policy GRAIN is a five-step method for running retrieval (the lookup step that feeds an AI its context) as a product with service levels, instead of a demo. It comes from The RAG Engineer , which is available now. The five steps: 1. Gather. Choose sources, set permissions and versions, and write the corpus contract: the rule for what belongs in the index at all. 2. Rank. Find candidate passages, then reorder them so the best ones come first. 3. Assemble. Fit the chosen passages into the model's limited space, in a sensible order, without duplicates, with citations. 4. Inspect. Trace a wrong answer back to the retrieval decision that caused it, and test for it. 5. Navigate. Manage freshness: maximum ages, re-checks, change detection, and signals that show how old an answer could be. You do not need the book to use this. For memory, two steps do most of the work. Gather decides what may enter. Navigate decides when it leaves. (For the full method, see what is GRAIN.) The book adds three controls for any memory that outside content can reach. A provenance tag on every entry records where it came from. A review gate (a person or a confidence check) must pass before an entry from untrusted content can influence an action. A tombstone can revoke one entry on demand, everywhere it was copied. Chapter 11 adds the rule most teams skip: \"Deletion is freshness too.\" Plant an entry, delete it at the source, and check that every copy is gone. In the book's words, \"A pipeline with no deletion test should be assumed to have no working deletion.\" A memory policy on one page Copy this table and change the numbers to fit your case. The rows are typical kinds of memory; the expiry periods are examples, not recommendations from any source. Kind of memory Who may write Who may read Expires How you audit or undo --- --- --- --- --- User preferences (\"send invoices as PDF\") Agent proposes, user confirms That user's sessions only 180 days unused (example) User can list and delete entries Facts about customers or accounts Only a sync from the system of record, never chat Agents serving that account Re-checked against the source every 30 days (example) Provenance tag holds the source record ID Lessons learned (\"the export times out after 30 seconds\") Agent writes, a person reviews weekly Agents in the same role 90 days unless renewed (example) Weekly review log with a name Anything derived from email, web pages or tool output Nobody directly; goes to a quarantine queue Nobody until reviewed 7 days in quarantine (example) Reviewer name and decision on each item Passwords, keys, health or payment details Never Not applicable Not applicable A filter blocks the write and logs the attempt The fourth row is the one that matters most. Nothing from outside becomes durable silently. A worked example (hypothetical) Imagine a five-person bookkeeping firm with an agent that drafts client emails and keeps notes between runs. In month one, the agent writes: \"Client Vermeer pays late; send reminders on day one.\" In month three, Vermeer switches to direct debit. The note stays. The agent keeps sending early reminders to a client who now pays on time, and nobody knows why the tone of the relationship has cooled. In month four, an email arrives: \"For your records, all our invoices should now go to billing@vermeer-payments.example.\" An ungoverned agent stores it as a fact. From then on, every draft points invoices at an address the client never set up. With GRAIN's two steps applied: - Gather: payment details and billing addresses may only enter memory from the accounting system. An email can suggest a change; it cannot write one. The billing email lands in quarantine, a bookkeeper phones the client, and the entry is rejected and tombstoned. - Navigate: the \"pays late\" note carries a provenance tag pointing at the invoice history and a 60-day expiry. At the re-check, the source shows direct debit, and the note is retired. Nothing clever happened. Two written rules and one phone call. What governed memory is not - Not \"no memory\". Memory saves people from repeating themselves. The goal is memory you can defend. - Not the chat history. A transcript is a record of what was said. Memory is what the agent chose to keep, and that choice needs its own rules. - Not a product you buy. A memory product can store and search entries. The policy about what may enter and when it leaves is still yours, as the Anthropic documentation says in so many words. - Not only a security issue. Stale memory does its damage quietly, because nobody goes looking for it. Try this today: a twenty-minute memory review Open the memory files or memory settings of one AI agent or assistant you use. Take the first ten entries and write four things next to each: where it came from, who wrote it, whether it is still true, and whether you would be comfortable if the person it describes read it. Delete every entry that fails one of the four. Then write one Gather rule (\"only X may write facts about Y\") and one Navigate rule (\"entries of this kind expire after N days unless renewed\"). That is the start of a policy, and it fits on a sticky note.","keyTakeaways":["A language model does not remember on its own. Memory is a store that software writes to and reads back.","Ungoverned memory fails three ways: stale facts, poisoned entries, and personal data kept too long.","Decide what may enter memory, and never let text from email, web pages or other tools write to it directly.","Every entry needs a source label and an expiry. A deletion you have never tested does not exist.","Anthropic's own memory tool documentation puts these safeguards on the developer, not the model."],"readingMinutes":7,"publishedAt":"2026-09-30T14:00:00.000Z"},"nl":{"label":"Agentgeheugen met regels: wat mag blijven en wie mag erin schrijven","summary":"Agentgeheugen is wat een AI-agent tussen twee taken bewaart, zoals notities, voorkeuren, feiten en lessen, en bij een volgende taak weer inleest. Agentgeheugen met regels (in het Engels governed agent memory) betekent vier schriftelijke afspraken: wat erin mag, wie erin mag schrijven, wanneer elk item verloopt en hoe je elk item kunt inzien en terugdraaien. Zonder die afspraken stapelen verouderde feiten, door buitenstaanders geplante instructies en persoonsgegevens zich op, en sturen ze ongemerkt het volgende werk. Het model bewaakt die regels niet; de software eromheen moet dat doen.","url":"/nl/blog/bestuurde-agent-memory/","searchText":"Agentgeheugen met regels: wat mag blijven en wie mag erin schrijven Agentgeheugen met regels: wat een AI-agent tussen taken bewaart, waarom geheugen zonder regels veroudert of vergiftigd raakt, en een beleid op één pagina. Het geheugen van een agent is een database die de agent zelf vult. Geef die dezelfde regels als elke andere database. Agentgeheugen is wat een AI-agent tussen twee taken bewaart, zoals notities, voorkeuren, feiten en lessen, en bij een volgende taak weer inleest. Agentgeheugen met regels (in het Engels governed agent memory) betekent vier schriftelijke afspraken: wat erin mag, wie erin mag schrijven, wanneer elk item verloopt en hoe je elk item kunt inzien en terugdraaien. Zonder die afspraken stapelen verouderde feiten, door buitenstaanders geplante instructies en persoonsgegevens zich op, en sturen ze ongemerkt het volgende werk. Het model bewaakt die regels niet; de software eromheen moet dat doen. agentgeheugen met regels Een taalmodel onthoudt zelf niets. Geheugen is opslag waar software in schrijft en weer uit leest. Geheugen zonder regels faalt op drie manieren: verouderde feiten, vergiftigde items en persoonsgegevens die te lang blijven. Bepaal wat het geheugen in mag, en laat tekst uit e-mail, webpagina's of andere tools er nooit rechtstreeks in terechtkomen. Elk item heeft een herkomstlabel en een vervaldatum nodig. Een verwijdering die je nooit hebt getest, bestaat niet. De documentatie van Anthropic over zijn memory tool legt deze waarborgen bij de ontwikkelaar, niet bij het model. agent-ops agentgeheugen Informatie die een AI-agent tijdens de ene taak opslaat en bij latere taken weer inleest, zoals voorkeuren, feiten, notities of lessen. taak Eén klus die een agent van begin tot eind uitvoert. In het Engels vaak een run genoemd. geheugenvergiftiging Valse of kwaadaardige inhoud in het geheugen van een agent krijgen, zodat die latere taken stuurt. herkomstlabel Een label bij een geheugenitem dat vastlegt waar het item vandaan komt. tombstone Een verwijderregistratie die één item overal intrekt waar het naartoe is gekopieerd, zodat het bij de volgende herbouw niet terugkomt. GRAIN Gather, Rank, Assemble, Inspect, Navigate. Een methode in vijf stappen om retrieval als product te beheren, uit De RAG-engineer. Agentgeheugen is alles wat een AI-agent tussen twee taken bewaart (notities, voorkeuren, feiten, lessen) en bij een volgende taak weer inleest. Agentgeheugen met regels betekent dat je vier dingen op papier vastlegt: wat erin mag, wie erin mag schrijven, wanneer elk item verloopt en hoe je elk item kunt inzien en terugdraaien. Zonder die regels wordt het geheugen een plek waar verouderde feiten, geplante instructies en persoonsgegevens zich opstapelen en ongemerkt de volgende taak sturen. In het Engels heet dit governed agent memory . Een AI-agent is software die met een taalmodel plant en met tools handelt, niet alleen chat. Wil je de uitgebreide definitie, lees dan wat een AI-agent is. Wat is agentgeheugen, in gewone woorden? Een taalmodel onthoudt niets tussen twee aanroepen. Elke aanroep begint bij de tekst die het model op dat moment krijgt. Alles wat \"blijft hangen\", heeft software ergens opgeslagen en later weer aangereikt. De documentatie van Anthropic over zijn memory tool laat zien hoe dat werkt. Staat de tool aan, dan kan het model bestanden aanmaken, lezen, bijwerken en verwijderen die tussen sessies blijven bestaan. Die bestanden staan bij jou, niet bij het model: de tool werkt aan de kant van de client, dus jouw eigen applicatie bewaart ze en voert elke bestandsbewerking uit (Anthropic). Geheugen is dus een database die de agent zelf vult. In De RAG-engineer behandelt Len het precies zo: als het schrijfpad van RAG, niet als een aparte technologie. RAG (retrieval-augmented generation) betekent dat de software eerst opgeslagen passages opzoekt voordat het model antwoordt. Bij geheugen schrijft de agent die passages ook zelf. Het echt nieuwe, zegt het boek, is een schrijfbeleid : wat er uit een gesprek wordt vastgelegd, wanneer een nieuw feit een oud feit vervangt, en wie of wat dat beslist. Waarom is geheugen zonder regels een risico? Het gaat op drie manieren mis, en geen daarvan zie je op de dag dat je het geheugen aanzet. 1. Verouderde feiten. Een item dat in maart klopte, stuurt in september een besluit. De agent weet niet dat het feit oud is; hij weet alleen dat het in het geheugen staat. 2. Vergiftigde items. Geheugenvergiftiging betekent dat iemand valse of kwaadaardige inhoud in het geheugen van een agent krijgt, zodat die latere taken stuurt. Het OWASP GenAI Security Project, een beveiligingsinitiatief met honderden bijdragers, neemt \"Memory & Context Poisoning\" op als onderdeel ASI06 van zijn Top 10 for Agentic Applications, gepubliceerd in december 2025. Volgens de lanceringstekst veranderde geheugenvergiftiging het gedrag van agents nog lang na de eerste interactie (OWASP). De RAG-engineer zegt hetzelfde in technische termen: elk schrijfpad naar het geheugen dat inhoud van buiten verwerkt (e-mail, webpagina's, tooloutput, de output van een andere agent), is een plek waar een ander in de toekomst van jouw agent kan schrijven. En die schrijfactie is blijvend. Een truc die anders één gesprek had geduurd, blijft nu staan tot iemand hem verwijdert. 3. Persoonsgegevens die te lang blijven. De Algemene verordening gegevensbescherming (AVG) zegt dat persoonsgegevens moeten worden bewaard in een vorm die het mogelijk maakt de betrokkenen \"niet langer te identificeren dan voor de doeleinden waarvoor de persoonsgegevens worden verwerkt noodzakelijk is\" (artikel 5, lid 1, onder e, EUR-Lex). Een geheugen zonder vervaldatum werkt standaard tegen dat principe in. Dit is geen juridisch advies; je functionaris gegevensbescherming of jurist beslist wat voor jou geldt. Let op wie de last draagt. Anthropic zegt zonder omwegen dat jouw applicatie elke bestandsbewerking uitvoert die het model vraagt, en dat de waarborgen daarom jouw verantwoordelijkheid zijn. Daarna noemt de pagina gevoelige informatie, bestandsgrootte, vervaldatum en controle van bestandspaden als punten die de ontwikkelaar zelf moet regelen. GRAIN: het framework achter het beleid GRAIN is een methode in vijf stappen om retrieval (de opzoekstap die een AI van context voorziet) als product met serviceniveaus te beheren in plaats van als demo. Het komt uit De RAG-engineer , dat nu verkrijgbaar is. De vijf stappen houden hun Engelse namen: 1. Gather. Kies bronnen, regel rechten en versies, en schrijf het corpuscontract: de regel voor wat überhaupt in de index hoort. 2. Rank. Zoek kandidaat-passages en zet ze daarna zo op volgorde dat de beste bovenaan staan. 3. Assemble. Pas de gekozen passages in de beperkte ruimte van het model, in een logische volgorde, zonder dubbelingen, met bronvermelding. 4. Inspect. Herleid een fout antwoord tot de retrievalbeslissing die het veroorzaakte, en test daarop. 5. Navigate. Bewaak de actualiteit: maximale leeftijd, hercontroles, wijzigingsdetectie en signalen die tonen hoe oud een antwoord kan zijn. Je hebt het boek niet nodig om dit te gebruiken. Bij geheugen doen twee stappen het meeste werk. Gather bepaalt wat erin mag. Navigate bepaalt wanneer het eruit gaat. (De volledige methode staat in wat is GRAIN.) Voor elk geheugen waar inhoud van buiten in terecht kan komen, voegt het boek drie controles toe. Een herkomstlabel bij elk item legt vast waar het vandaan komt. Een reviewpoort (een persoon of een betrouwbaarheidsdrempel) moet eerst groen licht geven voordat een item uit onbetrouwbare inhoud een handeling mag beïnvloeden. Een tombstone trekt één item op verzoek in, overal waar het naartoe is gekopieerd. Hoofdstuk 11 voegt de regel toe die de meeste teams overslaan: verwijderen is ook actualiteit. Voeg een testitem toe, verwijder het bij de bron en controleer of elke kopie weg is. In de woorden van het boek: \"Een pipeline zonder verwijdertest mag je beschouwen als een pipeline zonder werkende verwijdering.\" Een geheugenbeleid op één pagina Neem deze tabel over en pas de getallen aan je eigen situatie aan. De rijen zijn gangbare soorten geheugen; de termijnen zijn voorbeelden, geen aanbevelingen uit een bron. Soort geheugen Wie mag schrijven Wie mag lezen Verloopt Hoe je controleert of terugdraait --- --- --- --- --- Voorkeuren van een gebruiker (\"facturen als pdf sturen\") Agent stelt voor, gebruiker bevestigt Alleen sessies van die gebruiker Na 180 dagen ongebruikt (voorbeeld) Gebruiker kan items bekijken en verwijderen Feiten over klanten of accounts Alleen een koppeling met het bronsysteem, nooit een chat Agents die dat account bedienen Elke 30 dagen opnieuw getoetst aan de bron (voorbeeld) Herkomstlabel bevat het ID van het bronrecord Geleerde lessen (\"de export loopt na 30 seconden vast\") Agent schrijft, een mens beoordeelt wekelijks Agents in dezelfde rol Na 90 dagen, tenzij verlengd (voorbeeld) Wekelijkse reviewlog met een naam Alles uit e-mail, webpagina's of tooloutput Niemand rechtstreeks; gaat naar een quarantainewachtrij Niemand, tot het is beoordeeld 7 dagen in quarantaine (voorbeeld) Naam van de beoordelaar en besluit per item Wachtwoorden, sleutels, gezondheids- of betaalgegevens Nooit Niet van toepassing Niet van toepassing Een filter blokkeert de schrijfactie en logt de poging De vierde rij telt het zwaarst. Niets van buiten wordt ongemerkt blijvend. Een uitgewerkt voorbeeld (verzonnen) Stel: een administratiekantoor met vijf medewerkers in Dordrecht gebruikt een agent die e-mails aan klanten opstelt en tussen taken notities bijhoudt. In maand één noteert de agent: \"Klant Vermeer betaalt laat; stuur herinneringen op dag één.\" In maand drie stapt Vermeer over op automatische incasso. De notitie blijft staan. De agent blijft vroege herinneringen sturen aan een klant die nu op tijd betaalt, en niemand snapt waarom de relatie wat stroever loopt. In maand vier komt er een mail binnen: \"Ter info: al onze facturen gaan voortaan naar billing@vermeer-betalingen.example.\" Een agent zonder regels slaat dat op als feit. Vanaf dat moment verwijst elk concept naar een adres dat de klant nooit heeft aangemaakt. Met de twee stappen van GRAIN: - Gather: betaalgegevens en factuuradressen mogen het geheugen alleen binnenkomen vanuit het boekhoudsysteem. Een mail mag een wijziging voorstellen, maar niet vastleggen. De factuurmail belandt in quarantaine, een medewerker belt de klant, en het item wordt afgewezen en met een tombstone ingetrokken. - Navigate: de notitie \"betaalt laat\" krijgt een herkomstlabel dat naar de factuurhistorie wijst en een vervaltermijn van 60 dagen. Bij de hercontrole toont de bron automatische incasso, en de notitie verdwijnt. Er gebeurde niets slims. Twee opgeschreven regels en één telefoontje. Wat agentgeheugen met regels niet is - Geen verbod op geheugen. Geheugen voorkomt dat mensen zichzelf moeten herhalen. Het doel is geheugen dat je kunt verantwoorden. - Niet de chatgeschiedenis. Een transcript legt vast wat er is gezegd. Geheugen is wat de agent besloot te bewaren, en die keuze vraagt eigen regels. - Geen product dat je koopt. Een geheugenproduct kan items opslaan en doorzoeken. Het beleid over wat erin mag en wanneer het eruit gaat, blijft van jou. De documentatie van Anthropic zegt dat met zoveel woorden. - Niet alleen een beveiligingskwestie. Verouderd geheugen richt stil schade aan, juist omdat niemand ernaar zoekt. Probeer het vandaag: een geheugencheck van twintig minuten Open de geheugenbestanden of geheugeninstellingen van één AI-agent of assistent die je gebruikt. Neem de eerste tien items en schrijf er per item vier dingen bij: waar het vandaan komt, wie het schreef, of het nog klopt, en of je het oké vindt als de persoon over wie het gaat het leest. Verwijder elk item dat op een van de vier punten niet deugt. Schrijf daarna één Gather-regel (\"alleen X mag feiten over Y vastleggen\") en één Navigate-regel (\"items van deze soort verlopen na N dagen, tenzij iemand ze verlengt\"). Dat is het begin van een beleid, en het past op een geeltje.","keyTakeaways":["Een taalmodel onthoudt zelf niets. Geheugen is opslag waar software in schrijft en weer uit leest.","Geheugen zonder regels faalt op drie manieren: verouderde feiten, vergiftigde items en persoonsgegevens die te lang blijven.","Bepaal wat het geheugen in mag, en laat tekst uit e-mail, webpagina's of andere tools er nooit rechtstreeks in terechtkomen.","Elk item heeft een herkomstlabel en een vervaldatum nodig. Een verwijdering die je nooit hebt getest, bestaat niet.","De documentatie van Anthropic over zijn memory tool legt deze waarborgen bij de ontwikkelaar, niet bij het model."],"readingMinutes":7,"publishedAt":"2026-09-30T14:05:00.000Z"}},"degree":7},{"id":"article:gptbot-vs-oai-searchbot","type":"article","pillar":"seo-geo-aeo","locales":{"en":{"label":"GPTBot vs OAI-SearchBot vs ChatGPT-User: three bots, three jobs","summary":"GPTBot, OAI-SearchBot, and ChatGPT-User do different jobs for OpenAI. GPTBot crawls content that may be used to train OpenAI's foundation models; disallowing it signals that your content should not be used for that training. OAI-SearchBot surfaces websites in ChatGPT's search features; disallowing it keeps your content out of ChatGPT search answers, although a navigational link can still appear. ChatGPT-User fetches a page when a person asks ChatGPT or a Custom GPT to look at it. OpenAI says robots.txt rules may not apply to those user-initiated actions and that this agent is not used to decide Search inclusion. The GPTBot and OAI-SearchBot settings are independent, and OpenAI says its Search systems can take about 24 hours to reflect a robots.txt change.","url":"/en/blog/gptbot-vs-oai-searchbot/","searchText":"GPTBot vs OAI-SearchBot vs ChatGPT-User: three bots, three jobs Three OpenAI user-agents, three controls. GPTBot is the training-use signal. OAI-SearchBot decides eligibility for ChatGPT search answers. ChatGPT-User fetches on a person's request and is not the Search opt-out. One vendor name hides three decisions: training, Search, and a fetch that a person started. GPTBot, OAI-SearchBot, and ChatGPT-User do different jobs for OpenAI. GPTBot crawls content that may be used to train OpenAI's foundation models; disallowing it signals that your content should not be used for that training. OAI-SearchBot surfaces websites in ChatGPT's search features; disallowing it keeps your content out of ChatGPT search answers, although a navigational link can still appear. ChatGPT-User fetches a page when a person asks ChatGPT or a Custom GPT to look at it. OpenAI says robots.txt rules may not apply to those user-initiated actions and that this agent is not used to decide Search inclusion. The GPTBot and OAI-SearchBot settings are independent, and OpenAI says its Search systems can take about 24 hours to reflect a robots.txt change. GPTBot vs OAI-SearchBot robots.txt GPTBot governs a signal about training use. OAI-SearchBot governs inclusion in ChatGPT search answers. They are separate switches. ChatGPT-User is a person-triggered fetch. A log line from it proves nothing about Search indexing, and blocking it is not the Search opt-out. OpenAI says the two crawl settings are independent and that one crawl may serve both purposes when both are allowed. A correct robots.txt sets eligibility. It does not buy a citation, and it does not undo training that already happened. aeo geo CITATION The eight-move framework from The Findability Engine: Cite, Identify, Triangulate, Anchor, Track, Iterate, Optimize, Normalize. The book is in production and not for sale. AEO Designing a page so an answer engine can retrieve and use a clear, supported answer. Blocking \"the OpenAI bot\" is not a policy. It is an unresolved choice hidden inside a singular noun. Three OpenAI user-agents sit behind that noun, and each answers a different question. GPTBot crawls content that may be used to train OpenAI's foundation models; disallowing it tells OpenAI your content should not be used for that training. OAI-SearchBot decides whether your pages can surface in ChatGPT search answers. ChatGPT-User fetches a page because a person asked ChatGPT or a Custom GPT to look at it. The names rhyme. The controls do not. If you want ChatGPT Search to find your public pages while keeping them out of future training, you need two separate instructions. If you want the reverse, write the reverse pair. A rule for ChatGPT-User settles neither question. The comparison User-agent What starts the visit Published purpose What a robots.txt disallow does --- --- --- --- GPTBot Automatic crawling Content that may be used to make OpenAI's generative AI foundation models more useful and safe Signals that your content should not be used in training those models OAI-SearchBot Automatic crawling for Search Surfacing websites in ChatGPT's search features Keeps your content out of ChatGPT search answers; a navigational link may still appear ChatGPT-User A person's request in ChatGPT or a Custom GPT Visiting a page to fulfil that request Little, on OpenAI's own account: robots.txt rules may not apply, and this agent plays no part in Search inclusion OpenAI says the GPTBot and OAI-SearchBot settings are independent. It also says that when both are allowed, it may use one crawl for both purposes. Shared fetching does not merge the permissions. You still decide twice. The same crawler page lists a fourth agent, OAI-AdsBot , which validates landing pages submitted as ChatGPT ads. That is a separate job, and it stays outside this comparison. Two robots.txt policies Search on, training off: text User-agent: GPTBot Disallow: / User-agent: OAI-SearchBot Allow: / Training on, Search off: text User-agent: GPTBot Allow: / User-agent: OAI-SearchBot Disallow: / Neither block is safe to paste blind. Under the robots.txt standard, a crawler follows the group that names it most specifically and falls back to User-agent: only when no group does. A path rule, a second matching group, a CDN bot setting, or a firewall rule can change the effective answer. Test representative URLs against the whole file, not against the stanza you added. OpenAI publishes IP ranges for each agent. Use them when you need to tell a declared user-agent from an impersonator. There is no Search opt-out hidden inside ChatGPT-User. OpenAI assigns that job to OAI-SearchBot. If a page must stay unreachable even when a person asks a tool to fetch it, put it behind access control. robots.txt is an instruction to crawlers, not a lock. What each change does not do Disallowing GPTBot does not remove a page from ChatGPT Search. It also does not establish that anything fetched before the change has left a trained model. The control is a forward signal about training use. It is not a retroactive eraser. Disallowing OAI-SearchBot keeps your content out of ChatGPT search answers, on OpenAI's stated policy. A title and a link can still surface as navigation. If that residue matters to you, read the current publisher guidance before treating robots.txt as a removal mechanism. A ChatGPT-User line in your access log proves one thing: that user-agent requested that URL. It does not prove that OAI-SearchBot indexed the page, that the page ranked, or that an answer cited it. Then let the change settle. OpenAI says its Search systems can take about 24 hours to adjust after a robots.txt update. A test ten minutes later measures your patience, not your policy. The operator check Write three answers before you open the file: 1. May this public content be considered for foundation-model training? 2. May it be surfaced inside ChatGPT search answers? 3. Does the page need real access control when a person asks a tool to fetch it? The first answer maps to GPTBot, the second to OAI-SearchBot, the third to your authentication design. Then test representative URLs against the complete robots.txt, and read the access log a day later. None of this buys a citation. The citation-readiness audit tests whether one eligible page can be extracted and checked. How to get cited by ChatGPT covers the wider source work. If the door is open and the name still does not appear, Why am I not mentioned in ChatGPT? is the diagnosis. The Findability Engine owns the longer treatment; the book is in production and not for sale. The crawler policy only decides which door stands open.","keyTakeaways":["GPTBot governs a signal about training use. OAI-SearchBot governs inclusion in ChatGPT search answers. They are separate switches.","ChatGPT-User is a person-triggered fetch. A log line from it proves nothing about Search indexing, and blocking it is not the Search opt-out.","OpenAI says the two crawl settings are independent and that one crawl may serve both purposes when both are allowed.","A correct robots.txt sets eligibility. It does not buy a citation, and it does not undo training that already happened."],"readingMinutes":4,"publishedAt":"2026-09-21T12:00:00.000Z"},"nl":{"label":"GPTBot versus OAI-SearchBot versus ChatGPT-User: drie bots, drie klussen","summary":"GPTBot, OAI-SearchBot en ChatGPT-User doen verschillende dingen voor OpenAI. GPTBot crawlt content die gebruikt kan worden om de basismodellen van OpenAI te trainen; wie hem weert, geeft aan dat de content niet voor die training gebruikt mag worden. OAI-SearchBot toont websites in de zoekfuncties van ChatGPT; wie hem weert, houdt de content buiten zoekantwoorden van ChatGPT, al kan er nog een navigatielink verschijnen. ChatGPT-User haalt een pagina op wanneer iemand ChatGPT of een Custom GPT vraagt ernaar te kijken. Volgens OpenAI gelden robots.txt-regels mogelijk niet voor zulke door een gebruiker gestarte acties, en bepaalt deze agent niet of content in Search komt. De instellingen voor GPTBot en OAI-SearchBot staan los van elkaar, en OpenAI zegt dat zijn zoeksystemen ongeveer 24 uur nodig kunnen hebben om een wijziging in robots.txt te verwerken.","url":"/nl/blog/gptbot-versus-oai-searchbot/","searchText":"GPTBot versus OAI-SearchBot versus ChatGPT-User: drie bots, drie klussen Drie user-agents van OpenAI, drie instellingen. GPTBot is het signaal over trainingsgebruik. OAI-SearchBot bepaalt of je pagina's in zoekantwoorden van ChatGPT mogen verschijnen. ChatGPT-User haalt een pagina op omdat iemand erom vroeg en is geen afmelding voor Search. Achter één leveranciersnaam schuilen drie besluiten: training, Search en een pagina die op verzoek van een mens wordt opgehaald. GPTBot, OAI-SearchBot en ChatGPT-User doen verschillende dingen voor OpenAI. GPTBot crawlt content die gebruikt kan worden om de basismodellen van OpenAI te trainen; wie hem weert, geeft aan dat de content niet voor die training gebruikt mag worden. OAI-SearchBot toont websites in de zoekfuncties van ChatGPT; wie hem weert, houdt de content buiten zoekantwoorden van ChatGPT, al kan er nog een navigatielink verschijnen. ChatGPT-User haalt een pagina op wanneer iemand ChatGPT of een Custom GPT vraagt ernaar te kijken. Volgens OpenAI gelden robots.txt-regels mogelijk niet voor zulke door een gebruiker gestarte acties, en bepaalt deze agent niet of content in Search komt. De instellingen voor GPTBot en OAI-SearchBot staan los van elkaar, en OpenAI zegt dat zijn zoeksystemen ongeveer 24 uur nodig kunnen hebben om een wijziging in robots.txt te verwerken. GPTBot versus OAI-SearchBot robots.txt GPTBot regelt een signaal over trainingsgebruik. OAI-SearchBot regelt opname in zoekantwoorden van ChatGPT. Het zijn twee aparte schakelaars. ChatGPT-User haalt een pagina op omdat een mens erom vroeg. Een regel in je log bewijst niets over indexering in Search, en hem blokkeren is geen afmelding voor Search. OpenAI zegt dat de twee crawlinstellingen onafhankelijk zijn en dat één crawl voor beide doelen kan dienen als beide zijn toegestaan. Een kloppende robots.txt regelt geschiktheid. Het koopt geen citatie en het maakt eerdere training niet ongedaan. aeo geo CITATION Het raamwerk van acht stappen uit The findability engine: Citeren, Identificeren, Trianguleren, Verankeren, Traceren, Itereren, Optimaliseren, Normaliseren. Het boek is in productie en niet te koop. AEO Een pagina zo inrichten dat een antwoordmachine er een helder en onderbouwd antwoord uit kan halen. \"De OpenAI-bot\" blokkeren is geen beleid. Het is een onbesliste keuze, verstopt in een enkelvoud. Achter dat enkelvoud zitten drie user-agents van OpenAI, en elk beantwoordt een andere vraag. GPTBot crawlt content die gebruikt kan worden om de basismodellen van OpenAI te trainen; wie hem weert, geeft aan dat de site niet voor die training gebruikt mag worden. OAI-SearchBot bepaalt of je pagina's in zoekantwoorden van ChatGPT kunnen verschijnen. ChatGPT-User haalt een pagina op omdat iemand ChatGPT of een Custom GPT vroeg ernaar te kijken. De namen rijmen. De instellingen niet. Wil je dat ChatGPT Search je openbare pagina's vindt, maar wil je ze buiten toekomstige training houden? Dan heb je twee aparte instructies nodig. Wil je het omgekeerde, dan schrijf je het omgekeerde paar. Een regel voor ChatGPT-User beslist geen van beide vragen. De vergelijking User-agent Wat het bezoek start Gepubliceerd doel Wat een disallow in robots.txt doet --- --- --- --- GPTBot Automatische crawl Content die gebruikt kan worden om de generatieve basismodellen van OpenAI nuttiger en veiliger te maken Geeft aan dat je content niet gebruikt mag worden om die modellen te trainen OAI-SearchBot Automatische crawl voor Search Websites tonen in de zoekfuncties van ChatGPT Houdt je content buiten zoekantwoorden van ChatGPT; een navigatielink kan nog verschijnen ChatGPT-User Een verzoek van een mens in ChatGPT of een Custom GPT Een pagina bezoeken om dat verzoek uit te voeren Weinig, zegt OpenAI zelf: robots.txt-regels gelden mogelijk niet, en deze agent speelt geen rol bij opname in Search OpenAI zegt dat de instellingen voor GPTBot en OAI-SearchBot los van elkaar staan. Zijn beide toegestaan, dan kan OpenAI één crawl voor beide doelen gebruiken. Gedeeld ophalen voegt de toestemmingen niet samen. Jij beslist nog steeds twee keer. Dezelfde crawlerpagina noemt een vierde agent, OAI-AdsBot , die landingspagina's controleert die als ChatGPT-advertentie zijn ingediend. Dat is een aparte taak, en die blijft buiten deze vergelijking. Twee robots.txt-configuraties Search aan, training uit: text User-agent: GPTBot Disallow: / User-agent: OAI-SearchBot Allow: / Training aan, Search uit: text User-agent: GPTBot Allow: / User-agent: OAI-SearchBot Disallow: / Geen van beide blokken plak je blind. Volgens de robots.txt-standaard volgt een crawler de groep die hem het specifiekst noemt, en valt hij alleen terug op User-agent: als geen enkele groep dat doet. Een padregel, een tweede groep die ook van toepassing is, een botinstelling in je CDN of een firewallregel kan de uitkomst veranderen. Test representatieve URL's tegen het hele bestand, niet tegen het blok dat je net toevoegde. OpenAI publiceert per agent IP-reeksen. Gebruik die als je een opgegeven user-agent van een imitator wilt onderscheiden. In ChatGPT-User zit geen verborgen afmelding voor Search. Die taak legt OpenAI bij OAI-SearchBot. Moet een pagina onbereikbaar blijven, ook als iemand een tool vraagt die op te halen? Zet die pagina dan achter toegangscontrole. robots.txt is een instructie voor crawlers, geen slot. Wat elke wijziging niet doet GPTBot weren haalt een pagina niet uit ChatGPT Search. Het bewijst ook niet dat wat vóór de wijziging is opgehaald, uit een getraind model is verdwenen. De instelling is een signaal voor de toekomst over trainingsgebruik. Het is geen gum die met terugwerkende kracht wist. OAI-SearchBot weren houdt je content buiten zoekantwoorden van ChatGPT, volgens het beleid dat OpenAI publiceert. Een titel en een link kunnen nog als navigatie opduiken. Doet dat restje ertoe, lees dan de actuele richtlijnen voor uitgevers voordat je robots.txt als verwijdermechanisme behandelt. Een regel van ChatGPT-User in je toegangslog bewijst één ding: die user-agent heeft die URL opgevraagd. Het bewijst niet dat OAI-SearchBot de pagina heeft geïndexeerd, dat de pagina ergens rankt of dat een antwoord de pagina citeerde. Geef de wijziging daarna tijd. OpenAI zegt dat zijn zoeksystemen ongeveer 24 uur nodig kunnen hebben om een update van robots.txt te verwerken. Een test na tien minuten meet je geduld, niet je beleid. Drie antwoorden vooraf Schrijf drie antwoorden op voordat je het bestand opent: 1. Mag deze openbare content meetellen voor de training van basismodellen? 2. Mag ze in zoekantwoorden van ChatGPT verschijnen? 3. Heeft de pagina echte toegangscontrole nodig als iemand een tool vraagt die op te halen? Het eerste antwoord hoort bij GPTBot, het tweede bij OAI-SearchBot, het derde bij je authenticatieontwerp. Test daarna representatieve URL's tegen de complete robots.txt, en lees een dag later je toegangslog. Een citatie koop je hier niet mee. De citatiegereedheid-audit toetst of één geschikte pagina kan worden uitgelezen en gecontroleerd. Hoe je geciteerd wordt door ChatGPT behandelt het bredere bronwerk. Staat de deur open en valt je naam nog steeds niet, dan is Waarom word ik niet genoemd in ChatGPT de diagnose. The findability engine bezit de langere uitwerking; het boek is in productie en niet te koop. Het crawlerbeleid bepaalt alleen welke deur openstaat.","keyTakeaways":["GPTBot regelt een signaal over trainingsgebruik. OAI-SearchBot regelt opname in zoekantwoorden van ChatGPT. Het zijn twee aparte schakelaars.","ChatGPT-User haalt een pagina op omdat een mens erom vroeg. Een regel in je log bewijst niets over indexering in Search, en hem blokkeren is geen afmelding voor Search.","OpenAI zegt dat de twee crawlinstellingen onafhankelijk zijn en dat één crawl voor beide doelen kan dienen als beide zijn toegestaan.","Een kloppende robots.txt regelt geschiktheid. Het koopt geen citatie en het maakt eerdere training niet ongedaan."],"readingMinutes":4,"publishedAt":"2026-09-21T12:05:00.000Z"}},"degree":13},{"id":"article:gtm-survives-ten-customers","type":"article","pillar":"venture-building","locales":{"en":{"label":"A go-to-market system that survives the first ten customers","summary":"A go-to-market system that survives the first ten customers treats those customers as evidence, not as trophies. Ten is the working set The Founder Sales System uses for deals closed on instinct. It is not a statistical threshold. If you have four, audit four. Write one sourced claim per customer: who they are, why they bought, what they use, what would make them leave. SENSE is how that claim enters a standing layer: Scan, Evaluate, Navigate, Simulate, Execute. PREDICT is how you keep the prior visible so the tenth customer cannot rewrite what you believed before they paid. AI Agents for Startup Strategy is live. The other two books are in production and not for sale. None of this is a vendor CAC story.","url":"/en/blog/gtm-that-survives-ten-customers/","searchText":"A go-to-market system that survives the first ten customers Early go-to-market is an evidence loop from the customers you can still name, not a forty-slide deck. Ten is a working set. It is not a sample-size law. The deck is a prior. The first customers are the reality-test. Write one sourced claim per name. A go-to-market system that survives the first ten customers treats those customers as evidence, not as trophies. Ten is the working set The Founder Sales System uses for deals closed on instinct. It is not a statistical threshold. If you have four, audit four. Write one sourced claim per customer: who they are, why they bought, what they use, what would make them leave. SENSE is how that claim enters a standing layer: Scan, Evaluate, Navigate, Simulate, Execute. PREDICT is how you keep the prior visible so the tenth customer cannot rewrite what you believed before they paid. AI Agents for Startup Strategy is live. The other two books are in production and not for sale. None of this is a vendor CAC story. go-to-market evidence loop Ten is a working set, not a law. Audit the customers you can still describe. One sourced claim per customer. If you cannot write why they bought in their words, you have a deck, not a system. SENSE here is the claim, not the 90-day install. GTM is a test bed because the work repeats and you already measure something. Write the prior before the outcome. PREDICT is a practice. It is not a validated training effect. ai-agents SENSE Five-move strategic intelligence layer. Scan, Evaluate, Navigate, Simulate, Execute. PREDICT Prior, Reality-test, Evidence, Decide, Iterate, Calibrate, Track. An authorial practice, not a validated bundle. The deck has forty slides. The pipeline has three names who already knew you. The usual diagnosis is \"we need more top of funnel.\" Often the first customers never became evidence. They became a story you tell about the deck. Ten is a working set, not a law The Founder Sales System uses the first ten instinct-closed deals as the moment luck stops being a method. The live back copy is careful: conviction and warm introductions may get you to ten customers. They will not tell you which opportunity deserves time, why a discovery call worked, or what next quarter is likely to produce. That \"ten\" is a working set. It is not a sample-size law, and it is not a surveyed success rate. If you have four customers you can still describe, audit four. If you have fourteen, take the last ten you can still describe without opening the CRM for the name. The book is drafting English first. It is not for sale. Its public catalogue and its manuscript currently disagree on the acronym that organizes the motion. This page does not pick that fight. The shared claim is enough: a deal you cannot repeat is not a system. Discovery before the demo is part of that claim. So is a forecast that can name its evidence, and a weekly review that turns a lost deal into a change you can point at. You do not need the acronym to write those three things down. One sourced claim per customer SENSE is the live protocol in AI Agents for Startup Strategy: Scan, Evaluate, Navigate, Simulate, Execute. The 90-day install of a standing layer is a different page. This page is smaller. Each early customer is one claim that should change a watchlist, an assumption register, or a Monday decision. Scan. What did they actually buy, and what did they ignore? Evaluate. What evidence counts: signed, used, expanded, left. A compliment in a call is not evidence. Navigate. Who owns the GTM bet, and on what cadence does a killed claim die? Simulate. If the next ten look like these ten, what breaks: price, segment, channel, or the promise? Execute. One change with an owner. A slide that \"we should revisit positioning\" is not a change. If you cannot write the claim in one line, you do not have a customer in the system. You have a name in a deck. An agent can help gather the raw material. It cannot own the claim. The unit of work is still one sentence with a confidence grade, not another unread summary. A test bed, not a vendor number The live book is explicit about this surface. Go-to-market can be a strong first test bed because the work repeats, feedback arrives, and you already measure something. That is why it is a useful place to instrument a loop. It is not a promise that customer-acquisition cost will fall. Writing-task studies do not validate go-to-market outcomes. Vendor case studies without controls are hypotheses. Measure against your own baseline, never against a number you were given in a demo. The chapter that says this also refuses the \"highest-return first deployment\" headline. The test-bed argument is enough. If you put a model on outreach before you can state your own cost per acquired customer and your own reply rate, you did not install a loop. You installed a faster way to chase a proxy. Keep the prior visible The Predictive Founder treats judgment as something you can inspect. PREDICT is Prior, Reality-test, Evidence, Decide, Iterate, Calibrate, Track. The book is in active development. It is not for sale. The bible is explicit: the seven-letter bundle is an authorial practice. It has not been validated end to end as a training effect. Use it anyway as a hygiene rule. Write what you believed before the tenth customer paid. Segment, price, channel, the sentence that was supposed to close. If you only write the story after the invoice, you are calibrating on a memory. The prior is gone. Do not confuse ten customers with ten forecasts. That book uses \"first ten eligible forecasts\" as a different working set, under a predeclared inclusion rule. This page is the customer set. A GTM deck is a prior. The customers are the reality-test. If you cannot match a name to the deck without forcing it, the deck is not describing that customer. Count the misses. That count is the prior's score. Kill the claim the misses falsify. Do not hire a slide to defend it. A fifteen-minute audit Pick the customers you would least like a journalist to sit with. 1. List the last ten you can still name, or fewer if that is all you have. 2. For each, write why they bought, in their words. One line. 3. Circle the ones that match the deck's ICP. If you need the deck to force the match, it is not a match. 4. Write the claim you would kill if the next three look like the mismatches. 5. Write whose name owns that kill, and the date it dies if the evidence does not arrive. If step 2 is blank, you do not have a go-to-market system. You have a deck that has not met a customer. Write the claims. Then the next ten have somewhere to land.","keyTakeaways":["Ten is a working set, not a law. Audit the customers you can still describe.","One sourced claim per customer. If you cannot write why they bought in their words, you have a deck, not a system.","SENSE here is the claim, not the 90-day install. GTM is a test bed because the work repeats and you already measure something.","Write the prior before the outcome. PREDICT is a practice. It is not a validated training effect."],"readingMinutes":5,"publishedAt":"2026-08-20T09:00:00.000Z"},"nl":{"label":"Een go-to-market-systeem dat de eerste tien klanten overleeft","summary":"Een go-to-market-systeem dat de eerste tien klanten overleeft, behandelt die klanten als bewijs, niet als trofeeën. Tien is de werkset die The founder sales system gebruikt voor deals die op instinct zijn gesloten. Het is geen statistische drempelwaarde. Als je er vier hebt, licht er dan vier door. Schrijf één onderbouwde claim per klant op: wie ze zijn, waarom ze kochten, wat ze gebruiken, wat hen zou doen vertrekken. SENSE is hoe die claim in een vaste laag belandt: Scan, Evaluate, Navigate, Simulate, Execute. PREDICT is hoe je de prior zichtbaar houdt zodat de tiende klant niet kan herschrijven wat je geloofde voordat die betaalde. AI-agenten voor startupstrategie is live. De andere twee boeken zijn in productie en niet te koop. Niets hiervan is een leveranciersverhaal over CAC.","url":"/nl/blog/go-to-market-dat-de-eerste-tien-klanten-overleeft/","searchText":"Een go-to-market-systeem dat de eerste tien klanten overleeft Vroege go-to-market is een bewijslus van de klanten die je nog bij naam kent, geen deck van veertig slides. Tien is een werkset. Het is geen wet voor steekproefgrootte. Het deck is een prior. De eerste klanten zijn de realiteitstest. Schrijf één onderbouwde claim per naam. Een go-to-market-systeem dat de eerste tien klanten overleeft, behandelt die klanten als bewijs, niet als trofeeën. Tien is de werkset die The founder sales system gebruikt voor deals die op instinct zijn gesloten. Het is geen statistische drempelwaarde. Als je er vier hebt, licht er dan vier door. Schrijf één onderbouwde claim per klant op: wie ze zijn, waarom ze kochten, wat ze gebruiken, wat hen zou doen vertrekken. SENSE is hoe die claim in een vaste laag belandt: Scan, Evaluate, Navigate, Simulate, Execute. PREDICT is hoe je de prior zichtbaar houdt zodat de tiende klant niet kan herschrijven wat je geloofde voordat die betaalde. AI-agenten voor startupstrategie is live. De andere twee boeken zijn in productie en niet te koop. Niets hiervan is een leveranciersverhaal over CAC. go-to-market als bewijslus Tien is een werkset, geen wet. Licht de klanten door die je nog kunt beschrijven. Eén onderbouwde claim per klant. Als je niet in hun eigen woorden kunt opschrijven waarom ze kochten, heb je een deck en geen systeem. SENSE is hier de claim, niet de 90-dagen-installatie. GTM is een testomgeving omdat het werk zich herhaalt en je al iets meet. Schrijf de prior op vóór de uitkomst. PREDICT is een praktijk. Het is geen gevalideerd trainingseffect. ai-agents SENSE Strategische intelligentielaag in vijf stappen. Scan, Evaluate, Navigate, Simulate, Execute. PREDICT Prior, Reality-test, Evidence, Decide, Iterate, Calibrate, Track. Een auteurspraktijk, geen gevalideerde bundel. Het deck heeft veertig slides. De pijplijn bevat drie namen die je al kende. De gebruikelijke diagnose luidt dat er meer 'top of funnel' nodig is. Vaak zijn de eerste klanten echter nooit bewijs geworden. Ze werden een verhaal dat je over het deck vertelt. Tien is een werkset, geen wet The founder sales system gebruikt de eerste tien op instinct gesloten deals als het moment waarop geluk ophoudt een methode te zijn. De actuele achterflaptekst is voorzichtig: overtuiging en warme introducties kunnen je misschien aan tien klanten helpen. Ze vertellen je niet welke kans tijd verdient, waarom een discoverygesprek werkte, of wat het volgende kwartaal waarschijnlijk gaat opleveren. Die tien is een werkset. Het is geen wet voor steekproefgrootte, en het is geen onderzocht slagingspercentage. Als je vier klanten hebt die je nog kunt beschrijven, licht er dan vier door. Als je er veertien hebt, neem dan de laatste tien die je kunt beschrijven zonder het CRM te openen voor hun naam. Het boek wordt eerst in het Engels opgesteld. Het is niet te koop. De openbare catalogus en het manuscript spreken elkaar tegen over het acroniem dat de beweging structureert. Deze pagina mengt zich niet in die discussie. De gedeelde claim is voldoende: een deal die je niet kunt herhalen, is geen systeem. Discovery voorafgaand aan de demo maakt deel uit van die claim. Dat geldt ook voor een forecast die zijn bewijs kan benoemen, en een wekelijkse review die een verloren deal omzet in een aanpassing die je kunt aanwijzen. Je hebt het acroniem niet nodig om die drie dingen op te schrijven. Eén onderbouwde claim per klant SENSE is het actieve protocol in AI-agenten voor startupstrategie: Scan, Evaluate, Navigate, Simulate, Execute. De 90-dagen-installatie van een vaste laag is een andere pagina. Deze pagina is kleiner. Elke vroege klant is één claim die een watchlist, een aannameregister of een maandagbesluit zou moeten veranderen. Scan. Wat hebben ze daadwerkelijk gekocht, en wat hebben ze genegeerd? Evaluate. Welk bewijs telt: getekend, gebruikt, uitgebreid, vertrokken. Een compliment tijdens een gesprek is geen bewijs. Navigate. Wie is eigenaar van de GTM-inzet, en in welk ritme sterft een afgewezen claim? Simulate. Als de volgende tien op deze tien lijken, wat gaat er dan stuk: de prijs, het segment, het kanaal of de belofte? Execute. Eén verandering met een eigenaar. Een slide met de tekst \"we moeten de positionering herzien\" is geen verandering. Als je de claim niet in één regel kunt opschrijven, heb je geen klant in het systeem. Je hebt een naam in een deck. Een agent kan helpen bij het verzamelen van het ruwe materiaal. Die kan geen eigenaar zijn van de claim. De werkeenheid is nog steeds één zin met een zekerheidsgraad, geen zoveelste ongelezen samenvatting. Een testomgeving, geen leveranciersgetal Het live boek is expliciet over dit vlak. Go-to-market kan een sterke eerste testomgeving zijn omdat het werk zich herhaalt, er feedback binnenkomt en je al iets meet. Daarom is het een nuttige plek om een lus te instrumenteren. Het is geen belofte dat de CAC zal dalen. Studies naar schrijftaken valideren geen go-to-market-uitkomsten. Casestudies van leveranciers zonder controlegroepen zijn hypothesen. Meet tegen je eigen basislijn, nooit tegen een getal dat je in een demo hebt gekregen. Het hoofdstuk dat dit stelt, weigert ook de kop 'hoogste opbrengst bij eerste inzet'. Het argument van de testomgeving is voldoende. Als je een model loslaat op outreach voordat je je eigen kosten per verworven klant en je eigen responspercentage kunt benoemen, heb je geen lus geïnstalleerd. Je hebt een snellere manier geïnstalleerd om een proxy na te jagen. Houd de prior zichtbaar De voorspellende ondernemer behandelt oordeel als iets dat je kunt inspecteren. PREDICT is Prior, Reality-test, Evidence, Decide, Iterate, Calibrate, Track. Het boek is in actieve ontwikkeling. Het is niet te koop. Het boek zelf is expliciet: de bundel van zeven letters is een werkwijze van de auteur. Die is niet van begin tot eind gevalideerd als trainingseffect. Gebruik hem desondanks als hygiëneregel. Schrijf op wat je geloofde voordat de tiende klant betaalde. Het segment, de prijs, het kanaal, de zin die de deal moest sluiten. Als je het verhaal pas na de factuur opschrijft, kalibreer je op een herinnering. De prior is verdwenen. Verwar tien klanten niet met tien forecasts. Dat boek hanteert \"eerste tien in aanmerking komende forecasts\" als een andere werkset, onder een vooraf vastgelegde inclusieregel. Deze pagina gaat over de klantenset. Een GTM-deck is een prior. De klanten zijn de realiteitstest. Als je een naam niet aan het deck kunt koppelen zonder te forceren, beschrijft het deck die klant niet. Tel de missers. Die telling is de score van de prior. Schrap de claim die de missers falsifiëren. Huur geen slide in om die claim te verdedigen. Een audit van vijftien minuten Kies de klanten met wie je het minst graag een journalist zou laten praten. 1. Maak een lijst van de laatste tien die je nog bij naam kent, of minder als dat alles is wat je hebt. 2. Schrijf voor elk van hen op waarom ze kochten, in hun eigen woorden. Eén regel. 3. Omcirkel degenen die overeenkomen met de ICP van het deck. Als je het deck nodig hebt om de match te forceren, is het geen match. 4. Schrijf de claim op die je zou schrappen als de volgende drie op de mismatches lijken. 5. Schrijf op wiens naam die schrapping staat, en de datum waarop de claim sterft als het bewijs niet arriveert. Als stap 2 leeg blijft, heb je geen go-to-market-systeem. Je hebt een deck dat nog geen klant heeft ontmoet. Schrijf de claims op. Dan hebben de volgende tien een plek om te landen.","keyTakeaways":["Tien is een werkset, geen wet. Licht de klanten door die je nog kunt beschrijven.","Eén onderbouwde claim per klant. Als je niet in hun eigen woorden kunt opschrijven waarom ze kochten, heb je een deck en geen systeem.","SENSE is hier de claim, niet de 90-dagen-installatie. GTM is een testomgeving omdat het werk zich herhaalt en je al iets meet.","Schrijf de prior op vóór de uitkomst. PREDICT is een praktijk. Het is geen gevalideerd trainingseffect."],"readingMinutes":5,"publishedAt":"2026-08-20T09:05:00.000Z"}},"degree":9},{"id":"article:hiring-an-aeo-agency","type":"article","pillar":"seo-geo-aeo","locales":{"en":{"label":"Hiring an AEO agency? Seven questions to ask before you sign","summary":"No AEO agency can guarantee a citation; OpenAI itself says placement in ChatGPT search is not guaranteed. What you can buy is the work and a record of what changed. Before you sign, get seven answers in writing: which questions the agency will measure and against what baseline, what it checks before touching the writing, what it will change and why, what it will not promise, which advice comes from official documentation and which from its own tests, how it reports mentions, citations, and clicks separately, and who checks the facts. AEO, answer engine optimization, is the work of helping AI answer engines find, understand, and cite your pages.","url":"/en/blog/hiring-an-aeo-agency/","searchText":"Hiring an AEO agency? Seven questions to ask before you sign Seven questions to ask before you hire an AEO agency, what good and bad answers look like, the red flags, and the deliverables to put in the contract. No agency can guarantee a citation. You can buy the work, and a record of what changed. No AEO agency can guarantee a citation; OpenAI itself says placement in ChatGPT search is not guaranteed. What you can buy is the work and a record of what changed. Before you sign, get seven answers in writing: which questions the agency will measure and against what baseline, what it checks before touching the writing, what it will change and why, what it will not promise, which advice comes from official documentation and which from its own tests, how it reports mentions, citations, and clicks separately, and who checks the facts. AEO, answer engine optimization, is the work of helping AI answer engines find, understand, and cite your pages. hiring an AEO agency See the baseline before anything changes. Every later report needs a dated starting point. Access comes before writing: check each crawler, then indexing, then the page. A guaranteed citation is a promise the engines themselves do not make. Demand a change log, the prompt set, and a report that keeps mentions, citations, and clicks apart. aeo AEO Answer engine optimization. Making pages easy for AI answer engines to find, understand, and quote with a link back to the source. answer engine An AI system that answers a question in its own words and can link to its sources, such as ChatGPT search, Perplexity, or Google AI Overviews. crawler The program a company sends to read web pages. Each has a name that site owners can allow or block in a file called robots.txt. baseline A dated record of how your pages appear in answer engines before any work starts, so later changes can be compared against it. No AEO agency can sell you a guaranteed citation. What you can buy is work that helps answer engines find, understand, and cite your pages, and a record of what changed. Read the proposal, the contract, and every monthly report with that distinction in mind. AEO stands for answer engine optimization. Answer engines such as ChatGPT search, Perplexity, Google's AI Overviews, and Microsoft Copilot write their own answers and can link to the sources behind them. An agency can improve your pages. It cannot decide which sources an engine selects. OpenAI's search guidance puts it in four words: \"Placement is not guaranteed.\" Before you sign, get seven answers in writing. What does an AEO agency actually do? The work has three parts. Access: checking that each engine's crawler, the program it sends to read web pages, can reach your content, and that your pages can be indexed. Content: putting a clear answer, with its source, where a reader and a machine can both find it. Measurement: recording, with dates, what appeared, where, and for which question. None of this is secret. Google, OpenAI, Perplexity, Anthropic, and Microsoft publish guidance on their crawlers, features, and reports. An agency earns its fee by applying that guidance to your site, doing the work, and showing you what it did. Because the guidance is public, you can check an agency's advice against the source. Google's hiring advice already names AEO Google's \"Do you need an SEO?\" page, last updated in June 2026, names AEO and GEO services directly. It tells you to ask whether a provider's advice on optimizing for AI experiences matches Google Search's official guidance on generative AI features. It is blunt about guarantees: \"No one can guarantee a 1 ranking on Google.\" And it puts the responsibility on you: you answer for the actions of any company you hire. The seven questions below apply the same discipline to the other engines. Each should produce something you can inspect before you grant access or approve a page. The seven questions Question A good answer A red flag --- --- --- 1. Which questions will you measure, on which engines, and can I see the baseline first? An agreed list of buyer questions, the engines named, and dated answers saved before anything changes. A proprietary visibility score with no answers underneath. 2. What do you check before you touch the writing? Crawler access, then indexing and snippet eligibility, then the page itself. An llms.txt file as the first fix, before anyone has checked access. 3. What will you change, and will I see the reason? A change log: what, where, why, and the evidence behind each recommendation. A request for admin access without a written scope. 4. What will you not promise? No guaranteed citations, rankings, or traffic, and a plain account of what the agency does control. Guaranteed placement in ChatGPT by a set date. 5. Which advice comes from official documentation, and which from your own tests? Linked guidance, with the agency's own tests and data marked as such. Claimed inside knowledge of how models choose sources. 6. How will you report mentions, citations, and clicks? Three separate measures, with coverage and gaps stated. One AI share-of-voice number with no breakdown. 7. Who writes the content, and who checks the facts? A named editor, a source for every factual claim, and your approval before publication. Page volume offered in place of an editorial process. 1. Measurement and baseline A baseline is a dated record of how you appear before the work starts. Ask for the record itself, not a summary: the prompt set with the exact wording of each question, the engines, the dates, and the saved answers. Agree how the checks will be repeated, so every later report compares like with like. A single answer is an observation, not a trend. Even a clean before-and-after comparison does not, on its own, show that the agency caused the change. 2. Access before writing Check each engine separately. OpenAI names OAI-SearchBot as its search crawler. Perplexity uses PerplexityBot, and Anthropic uses Claude-SearchBot for search. Google's AI features guidance says a page must be indexed and eligible to show with a snippet before it can appear as a supporting link in AI Overviews or AI Mode. Then ask how the agency finds and fixes a blocked crawler. For ChatGPT search, OpenAI says to allow OAI-SearchBot and to let through traffic from its published searchbot IP addresses. Its crawler documentation says its systems can take about 24 hours to adjust to a robots.txt change. That is a processing time, not a citation deadline. GPTBot vs OAI-SearchBot explains which OpenAI bot does what. 3. Changes and access rights One of Google's hiring questions asks whether a provider will share every change it makes to your site and explain the reasoning behind its recommendations. If the provider offers an audit, Google advises granting only read access to Search Console, Google's dashboard for your site's search performance, and no write access at that stage. Agree the scope in writing before you widen access, and keep a record of every change you approve. 4. What they will not promise OpenAI does not guarantee placement. Google says indexing and serving are not guaranteed for its AI features, and its hiring page tells you to find someone else if a provider guarantees first place in search results. No agency can guarantee what the engines themselves do not. Ask the agency to commit to what it controls: the work, the dates, and the reporting. A guaranteed citation is a reason to reject the proposal. 5. Documentation versus their own tests Both can inform a recommendation, but they support different claims. Official documentation tells you what the platform says. An agency's test tells you what happened under its test conditions, so ask for those conditions and the data before you accept a broader claim. If a recommendation has neither a link nor test data behind it, treat it as opinion. Google's AI guide also says that no third-party tool has access to its internal ranking or AI systems. 6. Three numbers, not one A mention is your name in an answer. A citation is a link to your page as a source. A click is someone following that link. Keep them in separate columns. ChatGPT mentions vs citations explains why a name is not a source. Microsoft's Bing AI Performance announcement describes a public preview that reports citations across supported experiences, including Copilot and Bing's AI summaries. Microsoft adds that its cited-pages figure does not indicate ranking, authority, or a page's role in an individual answer. OpenAI's publisher guidance describes the utm source=chatgpt.com tag in referral URLs. Google's July 2026 guide points to a Generative AI performance report in Search Console. Each report covers part of the picture, so ask what it counts and what it leaves out. Mentions are the gap: record them with the agreed prompt set, because referral visits and citation counts do not show how often your name comes up. 7. Content and facts Ask who checks the sources, who edits the draft, and who approves publication. Google's content guidance says that using automation, including AI generation, to produce content primarily to manipulate search rankings violates its spam policies. In May 2026, Google clarified that its spam policies also apply to generative AI responses. A proposal built on page volume still has to explain how each page helps a reader. Which red flags end the conversation? - Guaranteed citations or rankings. No agency can make an engine select your page. - Claimed inside access. Google says no third-party tool has access to its internal ranking or AI systems. - llms.txt sold as a ranking switch. Google says Google Search ignores these files, and that creating one will neither help nor harm your visibility there. See what llms.txt is. - FAQ markup sold for Google rich results. Google's changelog says FAQ rich results no longer appear in Google Search as of 7 May 2026. Its structured data rules also prohibit marking up content readers cannot see. - Inauthentic mentions or fake reviews. Google's AI guide says chasing inauthentic mentions across the web is not as helpful as it might seem. The same structured data rules prohibit marking up fake reviews. - Write access on day one. For an audit, Google's advice is read access to Search Console. Wider permissions should follow a written task and scope. A hypothetical: two proposals for one firm Imagine a 12-person accounting firm that gets two proposals. Proposal A promises \"top-three visibility in ChatGPT within 60 days,\" an llms.txt file, and 200 AI-written FAQ pages. It asks for admin access to the website. Proposal B starts with a baseline on 25 questions the firm's clients actually ask, across three engines, plus a crawler access check. In month two it rewrites five existing pages so the answer comes first, with a source for every figure. It includes a change log and a monthly report with mentions, citations, and clicks in separate columns. It says, in writing, that citations cannot be guaranteed. Proposal A raises four red flags before anyone asks a question: the placement guarantee, an llms.txt file with no access check, admin access with no written scope, and page volume with no editorial process. The guarantee alone is reason to decline. Proposal B may still come from the wrong agency, and it promises no citations. But everything in it is work you can inspect. What deliverables should the contract name? 1. The prompt set and the dated baseline, with the raw answers saved. 2. An access report per crawler: robots.txt rules, firewall settings, response codes. 3. A change log: every change, the reason, and the source for the reason. 4. A monthly report with mentions, citations, and clicks in separate columns, plus what could not be measured. 5. For any content: a source for each factual claim, and your approval before publication. To check one page yourself first, the citation-readiness audit is a fifteen-minute pass or fail on one URL. Try this today (15 minutes) 1. Open yoursite.com/robots.txt . Note any rules for OAI-SearchBot, PerplexityBot, Claude-SearchBot, and Googlebot, and read the general User-agent: group too. Flag anything that looks like a block. A clean file does not prove access: a firewall or your host can still turn a crawler away. 2. Put five of your customers' real questions to ChatGPT with search on, and to Perplexity. Save the exact prompt, the answer, the engine, and the date. 3. For each answer, note whether you were named, linked, or absent. Keep names and links in separate columns. This exercise does not measure clicks. That page of notes is a first baseline, not a trend. Show it to any agency you are considering and ask what it would check next, what it would change, and how you would see the result. An answer about work and a record is something you can hold an agency to. A promise of placement is not.","keyTakeaways":["See the baseline before anything changes. Every later report needs a dated starting point.","Access comes before writing: check each crawler, then indexing, then the page.","A guaranteed citation is a promise the engines themselves do not make.","Demand a change log, the prompt set, and a report that keeps mentions, citations, and clicks apart."],"readingMinutes":9,"publishedAt":"2026-10-15T19:00:00.000Z"},"nl":{"label":"Een AEO-bureau inhuren? Zeven vragen voordat je tekent","summary":"Geen AEO-bureau kan je een citatie garanderen; OpenAI zegt zelf dat een plek in ChatGPT search niet gegarandeerd is. Wat je wel kunt kopen: het werk en een verslag van wat er veranderde. Laat het bureau zeven vragen schriftelijk beantwoorden voordat je tekent: welke vragen het meet en ten opzichte van welke nulmeting, wat het controleert voordat het aan de tekst komt, wat het verandert en waarom, wat het niet belooft, welk advies uit officiële documentatie komt en welk uit eigen tests, hoe het vermeldingen, citaties en klikken apart rapporteert, en wie de feiten controleert. AEO, answer engine optimization, is het werk dat AI-antwoordmachines helpt je pagina's te vinden, te begrijpen en te citeren.","url":"/nl/blog/aeo-bureau-inhuren/","searchText":"Een AEO-bureau inhuren? Zeven vragen voordat je tekent Zeven vragen voordat je een AEO-bureau inhuurt: hoe goede en slechte antwoorden eruitzien, de alarmsignalen en wat het contract moet vastleggen. Geen bureau kan je een citatie garanderen. Wat je wel kunt kopen: het werk en een verslag van wat er veranderde. Geen AEO-bureau kan je een citatie garanderen; OpenAI zegt zelf dat een plek in ChatGPT search niet gegarandeerd is. Wat je wel kunt kopen: het werk en een verslag van wat er veranderde. Laat het bureau zeven vragen schriftelijk beantwoorden voordat je tekent: welke vragen het meet en ten opzichte van welke nulmeting, wat het controleert voordat het aan de tekst komt, wat het verandert en waarom, wat het niet belooft, welk advies uit officiële documentatie komt en welk uit eigen tests, hoe het vermeldingen, citaties en klikken apart rapporteert, en wie de feiten controleert. AEO, answer engine optimization, is het werk dat AI-antwoordmachines helpt je pagina's te vinden, te begrijpen en te citeren. AEO-bureau inhuren Zorg dat je de nulmeting ziet voordat er iets verandert. Elk later rapport heeft een gedateerd vertrekpunt nodig. Toegang gaat voor tekst: eerst elke crawler, dan de indexering, dan de pagina. Een gegarandeerde citatie is een belofte die de machines zelf niet doen. Eis een wijzigingslogboek, de vragenset en een rapport dat vermeldingen, citaties en klikken gescheiden houdt. aeo AEO Answer engine optimization, in het Nederlands ook antwoordmotor-optimalisatie. Pagina's zo maken dat AI-antwoordmachines ze vinden, begrijpen en met een link naar de bron citeren. antwoordmachine Een AI-systeem dat een vraag in eigen woorden beantwoordt en naar zijn bronnen kan linken, zoals ChatGPT search, Perplexity of de AI-overzichten van Google. crawler Het programma dat een bedrijf erop uitstuurt om webpagina's te lezen. Elke crawler heeft een naam die je in het bestand robots.txt kunt toelaten of blokkeren. nulmeting Een gedateerd overzicht van hoe je pagina's in antwoordmachines verschijnen voordat het werk begint, zodat je latere veranderingen ertegen kunt afzetten. Geen AEO-bureau kan je een gegarandeerde citatie verkopen. Wat je wel kunt kopen, is werk dat antwoordmachines helpt je pagina's te vinden, te begrijpen en te citeren, plus een verslag van wat er veranderde. Leg de offerte, het contract en elk maandrapport langs die lat. AEO staat voor answer engine optimization, ook wel antwoordmotor-optimalisatie genoemd. Antwoordmachines zoals ChatGPT search, Perplexity, de AI-overzichten van Google en Microsoft Copilot schrijven zelf een antwoord en kunnen naar de bronnen daarachter linken. Een bureau kan je pagina's verbeteren. Welke bronnen een machine kiest, bepaalt het bureau niet. De helppagina van OpenAI over zoeken zegt het in vier woorden: \"Placement is not guaranteed.\" Een plek in de antwoorden is niet gegarandeerd. Zorg dus dat je zeven antwoorden op papier hebt voordat je tekent. Wat doet een AEO-bureau eigenlijk? Het werk bestaat uit drie delen. Toegang: nagaan of de crawler van elke machine, het programma dat webpagina's leest, bij je content kan komen, en of je pagina's geïndexeerd kunnen worden. Content: een helder antwoord met bron neerzetten op een plek waar een lezer en een machine het allebei vinden. Meten: met datums vastleggen wat er verscheen, waar, en bij welke vraag. Niets daarvan is geheim. Google, OpenAI, Perplexity, Anthropic en Microsoft publiceren richtlijnen over hun crawlers, functies en rapporten. Een bureau is zijn geld waard als het die richtlijnen op jouw site toepast, het werk doet en laat zien wat het heeft gedaan. En omdat die richtlijnen openbaar zijn, kun je het advies van een bureau aan de bron toetsen. Google noemt AEO al in zijn advies over inhuren De pagina \"Do you need an SEO?\" van Google, voor het laatst bijgewerkt in juni 2026, noemt AEO- en GEO-diensten bij naam. Google raadt je aan om te vragen of het advies van een dienstverlener over optimalisatie voor AI-ervaringen aansluit bij de officiële richtlijnen van Google Search voor generatieve AI-functies. Over garanties spreekt de pagina klare taal: \"No one can guarantee a 1 ranking on Google.\" Niemand kan je een eerste plek in Google garanderen. En Google legt de verantwoordelijkheid bij jou: voor wat een ingehuurd bedrijf doet, sta je zelf in. De zeven vragen hieronder trekken die lijn door naar de andere machines. Elke vraag hoort iets op te leveren wat je kunt controleren voordat je toegang geeft of een pagina goedkeurt. De zeven vragen Vraag Een goed antwoord Een alarmsignaal --- --- --- 1. Welke vragen meten jullie, op welke machines, en mag ik de nulmeting eerst zien? Een afgesproken lijst vragen die je klanten stellen, de machines bij naam, en gedateerde antwoorden die bewaard zijn voordat er iets verandert. Een eigen zichtbaarheidsscore waar geen antwoorden onder liggen. 2. Wat controleren jullie voordat jullie aan de teksten komen? Eerst de toegang van de crawlers, dan de indexering en de geschiktheid voor snippets, dan de pagina zelf. Een llms.txt-bestand als eerste oplossing, voordat iemand de toegang heeft gecontroleerd. 3. Wat veranderen jullie, en zie ik waarom? Een wijzigingslogboek: wat, waar, waarom, en de onderbouwing van elke aanbeveling. Een verzoek om beheerderstoegang zonder schriftelijke afbakening. 4. Wat beloven jullie niet? Geen gegarandeerde citaties, posities of verkeer, en een helder overzicht van wat het bureau wel in de hand heeft. Een gegarandeerde plek in ChatGPT, uiterlijk op een vaste datum. 5. Welk advies komt uit officiële documentatie en welk uit jullie eigen tests? Gelinkte richtlijnen, met de eigen tests en data van het bureau apart benoemd. Zogenaamde kennis van binnenuit over hoe modellen bronnen kiezen. 6. Hoe rapporteren jullie vermeldingen, citaties en klikken? Drie aparte cijfers, met de dekking en de blinde vlekken erbij. Eén cijfer voor je AI-zichtbaarheid, zonder uitsplitsing. 7. Wie schrijft de content, en wie controleert de feiten? Een eindredacteur met naam en toenaam, een bron bij elke feitelijke claim en jouw akkoord vóór publicatie. Paginavolume in plaats van een redactieproces. 1. Meten en nulmeting Een nulmeting is een gedateerd overzicht van hoe je ervoor staat voordat het werk begint. Vraag om dat overzicht zelf, niet om een samenvatting: de vragenset met de exacte formulering van elke vraag, de machines, de datums en de bewaarde antwoorden. Spreek af hoe de metingen worden herhaald, zodat elk later rapport appels met appels vergelijkt. Eén antwoord is een waarneming, geen trend. Zelfs een nette voor- en nameting bewijst op zichzelf niet dat het bureau de verandering heeft veroorzaakt. 2. Toegang vóór tekst Controleer elke machine apart. De zoekcrawler van OpenAI heet OAI-SearchBot. Perplexity gebruikt PerplexityBot, en Anthropic zet voor zoeken Claude-SearchBot in. Volgens de richtlijnen van Google over AI-functies moet een pagina geïndexeerd zijn en met een snippet kunnen verschijnen voordat ze als ondersteunende link in de AI-overzichten of de AI-modus kan opduiken. Vraag daarna hoe het bureau een geblokkeerde crawler opspoort en weer binnenlaat. Voor ChatGPT search zegt OpenAI dat je OAI-SearchBot moet toelaten en verkeer van de gepubliceerde IP-adressen van zijn searchbot moet doorlaten. Volgens de crawlerdocumentatie van OpenAI kan het ongeveer 24 uur duren voordat zijn systemen een wijziging in robots.txt hebben verwerkt. Dat is een verwerkingstijd, geen deadline voor een citatie. GPTBot versus OAI-SearchBot legt uit welke bot van OpenAI wat doet. 3. Wijzigingen en toegangsrechten Een van de vragen die Google voorstelt: deelt de dienstverlener elke wijziging aan je site met je, en legt hij de redenering achter zijn aanbevelingen uit? Biedt een dienstverlener een audit aan, geef hem dan volgens Google in dat stadium alleen leestoegang tot Search Console, het dashboard van Google voor de zoekprestaties van je site, en nog geen schrijfrechten. Leg de afbakening schriftelijk vast voordat je meer toegang geeft, en houd bij welke wijzigingen je goedkeurt. 4. Wat ze niet beloven OpenAI garandeert geen plek. Google zegt dat indexering en weergave voor zijn AI-functies niet gegarandeerd zijn, en op zijn pagina over inhuren staat: garandeert een dienstverlener je de eerste plek in de zoekresultaten, zoek dan iemand anders. Wat de machines zelf niet garanderen, kan geen bureau garanderen. Laat het bureau zich vastleggen op wat het wel in de hand heeft: het werk, de termijnen en de rapportage. Een gegarandeerde citatie is een reden om de offerte af te wijzen. 5. Documentatie tegenover eigen tests Allebei kunnen ze een aanbeveling onderbouwen, maar ze bewijzen iets anders. Officiële documentatie vertelt je wat het platform zegt. Een test van het bureau vertelt wat er onder de omstandigheden van die test gebeurde. Vraag dus naar die omstandigheden en naar de data voordat je een bredere bewering aanneemt. Een aanbeveling zonder link en zonder testdata behandel je als een mening. De AI-gids van Google zegt bovendien dat geen enkele externe tool toegang heeft tot de interne ranking- of AI-systemen van Google. 6. Drie getallen, niet één Een vermelding is je naam in een antwoord. Een citatie is een link naar je pagina als bron. Een klik is een bezoeker die de link volgt. Houd ze in aparte kolommen. ChatGPT-vermeldingen versus citaties legt uit waarom een naam geen bron is. De aankondiging van Bing AI Performance beschrijft een openbare preview die citaties rapporteert in ondersteunde AI-ervaringen, waaronder Copilot en de AI-samenvattingen van Bing. Microsoft tekent erbij aan dat het aantal geciteerde pagina's niets zegt over positie, autoriteit of de rol van een pagina binnen een afzonderlijk antwoord. De richtlijnen van OpenAI voor uitgevers beschrijven de tag utm source=chatgpt.com in verwijzings-URL's. En de gids van Google uit juli 2026 wijst op een prestatierapport voor generatieve AI in Search Console. Elk rapport laat een deel van het beeld zien, dus vraag wat het telt en wat erbuiten valt. Het gat zit bij vermeldingen: die leg je vast met de afgesproken vragenset, want verwijzingsbezoeken en citatietellingen laten niet zien hoe vaak je naam valt. 7. Content en feiten Vraag wie de bronnen controleert, wie het concept redigeert en wie publicatie goedkeurt. Volgens de contentrichtlijnen van Google overtreed je het spambeleid als je automatisering inzet, AI-generatie inbegrepen, om content te maken met als hoofddoel de posities in de zoekresultaten te manipuleren. In mei 2026 verduidelijkte Google dat het spambeleid ook voor generatieve AI-antwoorden geldt. Een offerte die op paginavolume leunt, moet nog steeds uitleggen hoe elke pagina een lezer helpt. Bij welke alarmsignalen stop je het gesprek? - Gegarandeerde citaties of posities. Geen bureau kan een machine dwingen jouw pagina te kiezen. - Zogenaamde toegang van binnenuit. Volgens Google heeft geen enkele externe tool toegang tot zijn interne ranking- of AI-systemen. - llms.txt verkocht als rankingknop. Volgens Google negeert Google Search deze bestanden: zo'n bestand maken helpt noch schaadt je zichtbaarheid daar. Zie wat llms.txt is. - FAQ-markup verkocht voor rich results in Google. Volgens het overzicht van documentatie-updates van Google verschijnen FAQ rich results sinds 7 mei 2026 niet meer in Google Search. De regels voor gestructureerde gegevens verbieden bovendien markup voor content die lezers niet kunnen zien. - Onechte vermeldingen of nepreviews. Volgens de AI-gids van Google levert het najagen van onechte vermeldingen op het web minder op dan het lijkt. Dezelfde regels voor gestructureerde gegevens verbieden markup voor nepreviews. - Schrijftoegang vanaf dag één. Voor een audit adviseert Google leestoegang tot Search Console. Ruimere rechten komen pas na een schriftelijk vastgelegde taak en afbakening. Een hypothetisch voorbeeld: twee offertes voor één kantoor Stel: een accountantskantoor met twaalf medewerkers krijgt twee offertes. Offerte A belooft \"binnen 60 dagen zichtbaar in de top drie van ChatGPT\", een llms.txt-bestand en 200 door AI geschreven FAQ-pagina's. Het bureau vraagt beheerderstoegang tot de website. Offerte B opent met een nulmeting van 25 vragen die klanten van het kantoor echt stellen, op drie machines, plus een controle van de crawlertoegang. In maand twee herschrijft het bureau vijf bestaande pagina's zodat het antwoord vooraan staat, met een bron bij elk cijfer. Er hoort een wijzigingslogboek bij en een maandrapport met vermeldingen, citaties en klikken in aparte kolommen. En er staat zwart op wit dat citaties niet te garanderen zijn. Offerte A vertoont vier alarmsignalen nog voordat er één vraag is gesteld: de garantie op een plek, een llms.txt-bestand zonder toegangscontrole, beheerderstoegang zonder schriftelijke afbakening en paginavolume zonder redactieproces. Die garantie alleen is al reden om nee te zeggen. Offerte B kan nog steeds van het verkeerde bureau komen, en ze belooft geen citaties. Maar alles erin is werk dat je kunt controleren. Wat moet het bureau volgens het contract opleveren? 1. De vragenset en de gedateerde nulmeting, inclusief de ruwe antwoorden. 2. Een toegangsrapport per crawler: regels in robots.txt, firewallinstellingen, statuscodes. 3. Een wijzigingslogboek: elke wijziging, de reden en de bron voor die reden. 4. Een maandrapport met vermeldingen, citaties en klikken in aparte kolommen, plus wat niet te meten viel. 5. Bij alle content: een bron bij elke feitelijke claim, en jouw akkoord vóór publicatie. Wil je eerst zelf één pagina controleren, dan is de citatiegereedheid-audit een slaag-of-zak-test van een kwartier op één URL. Probeer dit vandaag (15 minuten) 1. Open jouwsite.nl/robots.txt . Noteer alle regels voor OAI-SearchBot, PerplexityBot, Claude-SearchBot en Googlebot, en lees ook de algemene groep User-agent: . Markeer alles wat op een blokkade lijkt. Een schoon bestand bewijst nog geen toegang: een firewall of je hostingpartij kan een crawler alsnog tegenhouden. 2. Stel ChatGPT (met zoeken aan) en Perplexity vijf echte vragen van je klanten. Bewaar de exacte vraag, het antwoord, de machine en de datum. 3. Noteer bij elk antwoord of je werd genoemd, gelinkt of ontbrak. Houd namen en links in aparte kolommen. Klikken meet je hiermee niet. Dat vel aantekeningen is een eerste nulmeting, geen trend. Leg het voor aan elk bureau dat je overweegt en vraag wat het daarna zou controleren, wat het zou veranderen en hoe jij het resultaat te zien krijgt. Aan een antwoord over het werk en het verslag kun je een bureau houden. Aan een beloofde plek niet.","keyTakeaways":["Zorg dat je de nulmeting ziet voordat er iets verandert. Elk later rapport heeft een gedateerd vertrekpunt nodig.","Toegang gaat voor tekst: eerst elke crawler, dan de indexering, dan de pagina.","Een gegarandeerde citatie is een belofte die de machines zelf niet doen.","Eis een wijzigingslogboek, de vragenset en een rapport dat vermeldingen, citaties en klikken gescheiden houdt."],"readingMinutes":9,"publishedAt":"2026-10-15T19:05:00.000Z"}},"degree":6},{"id":"article:hitl-in-ai-workflows","type":"article","pillar":"ai-systems","locales":{"en":{"label":"HITL in AI workflows: put the named person on the irreversible step","summary":"Applying human in the loop to an AI workflow means a named person sits on the irreversible step with a written fail line. Charter the agent. Write the override doctrine. Put the reviewer on send, spend, delete, and speak-as-the-company. Show that reviewer the exact payload, target, reason for action, and reversal cost on one screen, with a deny that stops the call. For a new write tool, inspect the first ten attempted writes end to end. That startup review does not retire permanent gates: sends, spend above the ceiling, deletes, and company speech still require the named person. If the output can leave while that person is offline, the loop is broken. A dashboard after the send is archaeology.","url":"/en/blog/hitl-in-ai-workflows/","searchText":"HITL in AI workflows: put the named person on the irreversible step Human in the loop in an AI workflow is a named person on the irreversible step: send, spend, delete, speak as the company. A dashboard after the fact is archaeology. If the model can ship while the reviewer is on a plane, you did not apply HITL. You labelled a spectator. Applying human in the loop to an AI workflow means a named person sits on the irreversible step with a written fail line. Charter the agent. Write the override doctrine. Put the reviewer on send, spend, delete, and speak-as-the-company. Show that reviewer the exact payload, target, reason for action, and reversal cost on one screen, with a deny that stops the call. For a new write tool, inspect the first ten attempted writes end to end. That startup review does not retire permanent gates: sends, spend above the ceiling, deletes, and company speech still require the named person. If the output can leave while that person is offline, the loop is broken. A dashboard after the send is archaeology. applying human in the loop in AI workflows HITL is not a workflow stage named Review. It is a person on the step that cannot be undone. Wire four objects: charter, override doctrine, named reviewer, log. Send, spend, delete, and speak-as-the-company are the default gates. Everything else can wait. An approval screen that hides the payload, the target, and the reversal cost is a rubber stamp with a button. If reviewers cannot read each payload before it expires, narrow the tool. Do not hide overload behind more approvers. The first ten attempted writes calibrate a new gate. Logs may later review lower-risk calls; permanent gates stay human. ai-agents Human in the loop A named person with an authority ceiling and a review gate. Override doctrine The written list of decisions an agent may never take. MCP A contract for how a model calls tools. Visibility, mutation, log. Human in the loop is a named person, a ceiling, and a fail line. Teams paste the letters onto a workflow diagram and call the last box Review. That box is where the send already happened. This page is the wiring. If you needed the definition, use the meaning article. If you are about to give an agent a tool that can leave the building, stay here. Four objects, then the gate LLM integration is operating design names four seats: model, prompt, tools, review. HITL is the review seat filled with a person who can fail the work. Filling it in an AI workflow takes four written objects. Charter. What the agent is for, what good looks like, what it must hand back. Without a charter the reviewer is marking a mood. Override doctrine. The refuse-list: spend above a ceiling, speak as the company, change production data, close a judgment you still own. The reviewer enforces the list. The list is not the reviewer. Named reviewer. One person on duty, not a function, not human-review . Write the fail line in a sentence the person can use at 23:00. \"Looks fine\" is not a fail line. Log. Who called which tool, the arguments or a safe summary, the reviewer decision, result class, timestamp, and correlation ID. If you cannot reconstruct Tuesday, you cannot review. MCP is how the tool is allowed to touch the building. HITL is who may let it. Do not confuse the contract with the person. MCP explained for founders is the permission page. This page is the gate. Put the person on the irreversible step A workflow has many steps. HITL does not belong on all of them. It belongs on the step you cannot undo cheaply. Default gates: 1. Send. Mail, Slack to a customer, a public post, a ticket the other party will read as the company. 2. Spend. A refund, a vendor payment, a cloud quota that invoices. 3. Delete. Production data, a repo, a customer record. 4. Speak as the company. Anything that will be quoted as you. Drafting, summarising, ranking, and fetching can run without a human in the loop if the output cannot leave. The moment a tool can send, the named person sits on that call. A weekly steering committee after the mail went out is incident review, not HITL. Walk one send An agent watches contracts and drafts a renewal reminder for an account whose term ends in ten days. Drafting is not HITL. Nothing has left. The same agent then calls send email . That call is the gate, and the gate is only real if the screen carries five things. 1. The payload as it will ship. Final subject, final body, final attachments. Not a summary of the mail. Not \"renewal reminder to Acme.\" A summary is a different artefact from the thing that leaves. 2. The target. Recipient address, the from-address, the thread it lands in. Read this line first. The right text at the wrong address is still a failed send. 3. The reversal cost. One sentence, written in advance: \"Once the receiving server accepts this, it cannot be recalled.\" Without that cost, the reviewer cannot price the approval. 4. Why the agent wants to send. The clause, record, or ticket the draft is built on. If the agent cannot name the source, that alone is a fail line. 5. A deny that stops the call. Not a comment. Not a reaction emoji. A button that returns an error to the tool and writes the refusal to the log. If read and write share one unbounded credential, you lost the ceiling before the screen exists. Separate their permissions. If they stay on one server, give the write its own scoped credential and allowlist: recipients already on the account, spend under a named cap, deletes never. Then put the name on the write. The gate is not free, so make it small The first objection is speed. It is a fair objection and it has a wiring answer. Watch queue depth and age. If reviewers approve by pattern because they cannot read each payload, the tool is too broad. Narrow it: fewer recipients on the allowlist, a spend cap that removes routine cases from the queue, a dry-run mode for anything that only needs to be seen once. Give the queue a clock. If the named person has not acted within the written window, the call expires and the agent has to ask again. A stale approval must not execute merely because the tab stayed open. Batch what is genuinely alike. Twelve renewal reminders to twelve known accounts can be one screen with twelve payloads and twelve deny buttons. One refund to a customer who threatened to leave is its own screen. Batching is a formatting choice. It is not permission to approve a class you did not read. Calibrate the first ten writes; keep permanent gates For a new write tool, inspect the first ten attempted writes end to end: request, payload, approval or denial, execution result, and log entry. Ten is a startup checklist, not proof that the tool is safe. After that, ask for Tuesday. If nobody can show every send between 09:00 and 18:00, keep the tool read-only. Logs may replace live approval only for lower-risk calls that the override doctrine already permits. Permanent gates do not graduate: money above the cap, anything a customer will read as the company, anything that deletes. Those keep the person. Lower-risk calls can move to sampled log review with a written rate, owner, and review date. The offline rule still binds. If the send ships while the named person is on a plane, you decided the loop was optional. Write what happens when they are unreachable: queue, refuse, or escalate to a named deputy. \"Ship anyway\" is a decision. Record it as one. What this is not It is not a dashboard. Grafana after the fact does not fail the call. It is not eval theatre. Scoring fluency of the paragraph is a different page. HITL scores whether the irreversible step was allowed. It is not a committee. Five people with a Slack emoji are not a ceiling. It is not the book. The Human-in-the-Loop Life is the personal side of the same question. It is an early draft. It is not for sale. You can still name the person on the send. A card per write tool The meaning page carries the card for the person: name, ceiling, fail line, offline rule. This is the card for the tool. One per thing that can write. Pin it next to the server config. Tool. The exact call, not the workflow. send email , not \"outreach.\" Gate. Send, spend, delete, or speak. Payload shown. What the reviewer sees before they decide. If this line says \"a summary,\" fix it before you ship. Allowlist and cap. Which targets, which ceiling. Blank means unbounded. Expiry. How long an unanswered request lives, and what happens then. Log. Where Tuesday lives. If this line is blank, the tool stays read-only. Six lines. If you cannot fill them, you are not ready to apply HITL to this tool. Remove the write. The letters on the architecture slide can wait.","keyTakeaways":["HITL is not a workflow stage named Review. It is a person on the step that cannot be undone.","Wire four objects: charter, override doctrine, named reviewer, log.","Send, spend, delete, and speak-as-the-company are the default gates. Everything else can wait.","An approval screen that hides the payload, the target, and the reversal cost is a rubber stamp with a button.","If reviewers cannot read each payload before it expires, narrow the tool. Do not hide overload behind more approvers.","The first ten attempted writes calibrate a new gate. Logs may later review lower-risk calls; permanent gates stay human."],"readingMinutes":6,"publishedAt":"2026-09-11T14:00:00.000Z"},"nl":{"label":"HITL in AI-workflows: zet de benoemde persoon op de onomkeerbare stap","summary":"Mens in de lus toepassen op een AI-workflow betekent dat een benoemde persoon op de onomkeerbare stap zit, met een uitgeschreven faallijn. Charter de agent. Schrijf de override-doctrine. Zet de beoordelaar op verzenden, uitgeven, verwijderen en spreken namens het bedrijf. Laat die beoordelaar op één scherm zien wat er precies vertrekt, naar wie, waarom de agent het wil en wat het kost om het terug te draaien, met een weigerknop die de aanroep echt stopt. Bij een nieuwe schrijf-tool inspecteer je de eerste tien pogingen van begin tot eind. Die opstartcontrole heft de vaste poorten niet op: verzendingen, uitgaven boven het plafond, verwijderingen en spreken namens het bedrijf houden de benoemde persoon. Kan de output vertrekken terwijl die persoon offline is, dan is de lus gebroken. Een dashboard ná de verzending is archeologie.","url":"/nl/blog/hitl-toepassen-in-ai-workflows/","searchText":"HITL in AI-workflows: zet de benoemde persoon op de onomkeerbare stap Mens in de lus in een AI-workflow is een benoemde persoon op de onomkeerbare stap: verzenden, uitgeven, verwijderen, spreken namens het bedrijf. Een dashboard achteraf is archeologie. Kan het model verzenden terwijl de beoordelaar in het vliegtuig zit, dan heb je geen HITL toegepast. Dan heb je een toeschouwer een label gegeven. Mens in de lus toepassen op een AI-workflow betekent dat een benoemde persoon op de onomkeerbare stap zit, met een uitgeschreven faallijn. Charter de agent. Schrijf de override-doctrine. Zet de beoordelaar op verzenden, uitgeven, verwijderen en spreken namens het bedrijf. Laat die beoordelaar op één scherm zien wat er precies vertrekt, naar wie, waarom de agent het wil en wat het kost om het terug te draaien, met een weigerknop die de aanroep echt stopt. Bij een nieuwe schrijf-tool inspecteer je de eerste tien pogingen van begin tot eind. Die opstartcontrole heft de vaste poorten niet op: verzendingen, uitgaven boven het plafond, verwijderingen en spreken namens het bedrijf houden de benoemde persoon. Kan de output vertrekken terwijl die persoon offline is, dan is de lus gebroken. Een dashboard ná de verzending is archeologie. mens in de lus toepassen in AI-workflows HITL is geen processtap met het bordje Review. Het is een persoon op de stap die je niet terugdraait. Vier objecten liggen vast op papier: charter, override-doctrine, benoemde beoordelaar, log. Verzenden, uitgeven, verwijderen en namens het bedrijf spreken zijn de standaardpoorten. De rest kan wachten. Een goedkeurscherm dat de inhoud, de ontvanger en de terugdraaikosten verstopt, is een stempel met een knop. Kunnen beoordelaars niet elke zending lezen voordat die verloopt, versmal dan de tool. Verstop overbelasting niet achter meer goedkeurders. De eerste tien schrijfpogingen ijken een nieuwe poort. Logs mogen later risicoarme aanroepen dekken; de vaste poorten blijven menselijk. ai-agents Mens in de lus Een benoemde persoon met een bevoegdheidsplafond en een reviewpoort. Override-doctrine De uitgeschreven lijst van besluiten die een agent nooit mag nemen. MCP Een contract voor hoe een model tools aanroept. Zichtbaarheid, mutatie, log. Mens in de lus is een benoemde persoon, een plafond en een faallijn. Teams plakken de letters op een workflowdiagram en noemen het laatste blok Review. In dat blok is de verzending meestal al gebeurd. Deze pagina is de bedrading. Zoek je de definitie, ga dan naar het betekenisartikel. Sta je op het punt een agent een tool te geven waarmee hij het gebouw uit kan, blijf dan hier. Vier objecten, dan pas de poort LLM-integratie is een operationeel ontwerpprobleem benoemt vier stoelen: model, prompt, tools, review. HITL is de reviewstoel, bezet door iemand die het werk kan afkeuren. Die stoel vullen in een AI-workflow kost vier uitgeschreven objecten. Charter. Waar de agent voor is, hoe goed eruitziet, wat hij moet teruggeven. Zonder charter beoordeelt jouw reviewer een stemming. Override-doctrine. De weigerlijst: uitgeven boven een plafond, spreken namens het bedrijf, productiedata wijzigen, een oordeel afsluiten dat van jou blijft. De beoordelaar handhaaft de lijst. De lijst is niet de beoordelaar. Benoemde beoordelaar. Eén persoon met dienst, geen functie, geen human-review . Schrijf de faallijn in een zin die om 23:00 nog werkt. \"Ziet er prima uit\" is geen faallijn. Log. Wie welke tool aanriep, met welke argumenten of een veilige samenvatting daarvan, wat de beoordelaar besloot, welke uitkomstklasse eruit kwam, het tijdstip en een correlatie-ID. Kun je dinsdag niet reconstrueren, dan kun je niet beoordelen. MCP regelt hoe een tool het gebouw mag aanraken. HITL regelt wie hem daarvoor toestemming geeft. Haal het contract en de persoon niet door elkaar. MCP uitgelegd voor ondernemers gaat over die permissie. Deze pagina gaat over de poort. Zet de persoon op de stap die je niet terugdraait Een workflow heeft veel stappen. HITL hoort niet op alle. Hij hoort op de stap die je niet goedkoop ongedaan maakt. Standaardpoorten: 1. Verzenden. Mail, een Slack-bericht aan een klant, een openbare post, een ticket dat de ander leest als het bedrijf. 2. Uitgeven. Een terugbetaling, een leveranciersbetaling, een cloudquotum dat factureert. 3. Verwijderen. Productiedata, een repository, een klantrecord. 4. Namens het bedrijf spreken. Alles wat later als jouw woorden wordt geciteerd. Concepten schrijven, samenvatten, ranken en ophalen mag zonder mens in de lus draaien zolang de output het gebouw niet uit kan. Zodra een tool kan verzenden, gaat de benoemde persoon op die aanroep zitten. Een wekelijkse stuurgroep nadat de mail vertrok is incidentevaluatie, geen HITL. Loop één verzending na Een agent bewaakt contracten en schrijft een verlengingsherinnering voor een account waarvan de termijn over tien dagen afloopt. Dat concept is geen HITL. Er is niets vertrokken. Daarna roept diezelfde agent send email aan. Die aanroep is de poort, en de poort bestaat alleen als het scherm vijf dingen draagt. 1. De zending zoals die vertrekt. Definitief onderwerp, definitieve tekst, definitieve bijlagen. Geen samenvatting van de mail. Niet \"verlengingsherinnering aan Acme\". Een samenvatting is een ander artefact dan het ding dat weggaat. 2. De ontvanger. Het adres, het afzenderadres, de thread waarin het landt. Lees die regel als eerste. De juiste tekst naar het verkeerde adres blijft een mislukte verzending. 3. Wat het kost om terug te draaien. Eén zin, vooraf geschreven: \"Zodra de ontvangende server dit accepteert, kun je het niet terughalen.\" Zonder die zin kan de beoordelaar de goedkeuring niet beprijzen. 4. Waarom de agent wil verzenden. De clausule, het record of het ticket waar het concept op rust. Kan de agent de bron niet noemen, dan is dat op zichzelf een faallijn. 5. Een weigerknop die de aanroep stopt. Geen opmerking. Geen emoji-reactie. Een knop die een fout teruggeeft aan de tool en de weigering wegschrijft in de log. Delen lezen en schrijven één ongelimiteerde credential, dan was je het plafond al kwijt voordat dat scherm bestond. Scheid hun rechten. Blijven ze op één server, geef het schrijven dan een eigen credential met een beperkte scope en een allowlist: alleen ontvangers die al op het account staan, uitgaven onder een benoemd maximum, verwijderen nooit. Zet daarna de naam op het schrijven. De poort kost tijd, dus maak hem klein Het eerste bezwaar gaat over snelheid. Dat is een terecht bezwaar en het antwoord zit in de bedrading. Kijk naar de diepte en de leeftijd van de wachtrij. Keuren beoordelaars op patroon goed omdat ze niet elke zending kunnen lezen, dan is de tool te breed. Versmal hem: minder ontvangers op de allowlist, een uitgavenplafond dat routinegevallen uit de rij haalt, een proefmodus voor alles wat maar één keer bekeken hoeft te worden. Geef de wachtrij een klok. Handelt de benoemde persoon niet binnen het geschreven venster, dan vervalt de aanroep en moet de agent opnieuw vragen. Een verlopen goedkeuring mag niet alsnog uitvoeren omdat het tabblad open bleef staan. Bundel wat werkelijk op elkaar lijkt. Twaalf verlengingsherinneringen aan twaalf bekende accounts kunnen één scherm zijn met twaalf zendingen en twaalf weigerknoppen. Eén terugbetaling aan een klant die dreigde te vertrekken krijgt een eigen scherm. Bundelen is een opmaakkeuze. Het is geen toestemming om een categorie goed te keuren die je niet gelezen hebt. IJk de eerste tien schrijfacties, houd de vaste poorten Bij een nieuwe schrijf-tool inspecteer je de eerste tien pogingen van begin tot eind: aanvraag, zending, goedkeuring of weigering, uitvoeringsresultaat en logregel. Tien is een opstartchecklist, geen bewijs dat de tool veilig is. Vraag daarna om dinsdag. Kan niemand elke verzending tussen 09:00 en 18:00 tonen, houd de tool dan alleen-lezen. Logs mogen live goedkeuring alleen vervangen voor risicoarme aanroepen die de override-doctrine al toestaat. Vaste poorten studeren niet af: geld boven het plafond, alles wat een klant leest als het bedrijf, alles wat verwijdert. Daar blijft de persoon zitten. Risicoarme aanroepen mogen naar steekproefsgewijze logreview, met een geschreven frequentie, een eigenaar en een herzieningsdatum. De offline regel blijft gelden. Vertrekt de verzending terwijl de benoemde persoon in het vliegtuig zit, dan heb je besloten dat de lus optioneel was. Schrijf op wat er gebeurt als die persoon onbereikbaar is: in de wachtrij houden, weigeren, of escaleren naar een benoemde plaatsvervanger. \"Toch verzenden\" is ook een besluit. Leg het dan als besluit vast. Wat dit niet is Het is geen dashboard. Grafana achteraf kan de aanroep niet laten falen. Het is geen evaluatietheater. De vloeiendheid van een alinea scoren gebeurt op een andere pagina. HITL scoort of de onomkeerbare stap was toegestaan. Het is geen commissie. Vijf mensen met een emoji in Slack vormen geen plafond. Het is niet het boek. Het mens-in-de-lus leven behandelt de persoonlijke kant van dezelfde vraag. Het is een vroege draft. Het is niet te koop. Je kunt nu al de naam op de verzending zetten. Eén kaart per schrijf-tool Het betekenisartikel draagt de kaart voor de persoon: naam, plafond, faallijn, offline regel. Dit is de kaart voor de tool. Eén per ding dat kan schrijven. Hang hem naast de serverconfiguratie. Tool. De exacte aanroep, niet de workflow. send email , niet \"outreach\". Poort. Verzenden, uitgeven, verwijderen of spreken. Wat het scherm toont. Wat de beoordelaar ziet voordat die beslist. Staat hier \"een samenvatting\", repareer dat dan voordat je live gaat. Allowlist en plafond. Welke doelen, welk maximum. Leeg betekent ongelimiteerd. Vervaltermijn. Hoe lang een onbeantwoorde aanvraag leeft, en wat er daarna gebeurt. Log. Waar dinsdag staat. Blijft die regel leeg, dan blijft de tool alleen-lezen. Zes regels. Kun je ze niet invullen, dan ben je niet klaar om HITL op deze tool toe te passen. Haal het schrijven eruit. De letters op de architectuurslide kunnen wachten.","keyTakeaways":["HITL is geen processtap met het bordje Review. Het is een persoon op de stap die je niet terugdraait.","Vier objecten liggen vast op papier: charter, override-doctrine, benoemde beoordelaar, log.","Verzenden, uitgeven, verwijderen en namens het bedrijf spreken zijn de standaardpoorten. De rest kan wachten.","Een goedkeurscherm dat de inhoud, de ontvanger en de terugdraaikosten verstopt, is een stempel met een knop.","Kunnen beoordelaars niet elke zending lezen voordat die verloopt, versmal dan de tool. Verstop overbelasting niet achter meer goedkeurders.","De eerste tien schrijfpogingen ijken een nieuwe poort. Logs mogen later risicoarme aanroepen dekken; de vaste poorten blijven menselijk."],"readingMinutes":6,"publishedAt":"2026-09-11T14:05:00.000Z"}},"degree":15},{"id":"article:honest-conversion-systems","type":"article","pillar":"seo-geo-aeo","locales":{"en":{"label":"A conversion system that stays honest when you automate it","summary":"A conversion system that stays honest when you automate it treats the sequence as a clerk, not a closer. Automate the follow-up: the reminder, the unanswered question, the date you already named. Do not automate the claim. Fake countdown timers, manufactured scarcity, shame in the subject line, and a testimonial the customer did not write are not 'lifecycle marketing.' They are a faster way to spend trust. TRUST is the pre-send test from Marketing Without Manipulation: Transparency, Respect, Utility, Selectivity, Time. PRICE is the honesty of the number and the frame. VOICE is whose name the from-line still carries when a model wrote the email. All three books are in production. None is for sale. The send rule is already usable.","url":"/en/blog/conversion-systems-that-stay-honest/","searchText":"A conversion system that stays honest when you automate it Automate the follow-up, not the claim. A sequence may remember, schedule, and send. It may not invent scarcity, a testimonial, or a deadline the page cannot keep. A conversion system is allowed to remember. It is not allowed to invent the reason to buy. A conversion system that stays honest when you automate it treats the sequence as a clerk, not a closer. Automate the follow-up: the reminder, the unanswered question, the date you already named. Do not automate the claim. Fake countdown timers, manufactured scarcity, shame in the subject line, and a testimonial the customer did not write are not 'lifecycle marketing.' They are a faster way to spend trust. TRUST is the pre-send test from Marketing Without Manipulation: Transparency, Respect, Utility, Selectivity, Time. PRICE is the honesty of the number and the frame. VOICE is whose name the from-line still carries when a model wrote the email. All three books are in production. None is for sale. The send rule is already usable. honest conversion systems Automate the follow-up, not the claim. If the step cannot be true at 03:00 with no one watching, do not put it on a timer. TRUST is a five-question send, not a slogan: price and limit, pressure, usefulness if they never buy, who you refuse, and the promise in year two. PRICE is why the number and the frame have to survive the same test. A decoy that exists only to make the middle look cheap is a claim. VOICE: the from-line still has a name. Verify the fact and the voice before a model mails it. geo aeo TRUST A five-pillar send test. Transparency, Respect, Utility, Selectivity, Time. Not The Trust Architect's expansion. PRICE Five factors of how a buyer experiences a price. Perceive, Reference, Irrational, Context, Endow. VOICE Verify, Own, Identity anchors, Constrain, Exhibit. The from-line still owns the sentence. A founder wires a sequence and calls it a conversion system. The first mail is fine. The fourth invents a countdown. The seventh implies three seats left. The subject line learns shame. The usual diagnosis is \"we need more automation.\" Often the claim is what cannot survive a reply. Automate the follow-up, not the claim A conversion system is allowed to remember, schedule, and send. The unanswered question. The date you already named. The file they asked for. That is clerk work. Clerk work should be automatic. It is not allowed to invent the reason to buy. A timer that is not attached to a real close is a claim. \"Only three spots\" is a claim. A testimonial the customer did not write is a claim. A discount that exists only in the subject line is a claim. If the step cannot be true at 03:00 with no one watching, do not put it on a timer. An agentic workflow can change the next step. That makes the problem sharper, not smaller. A script that repeats a lie is bad. A model that paraphrases the lie in a new tone is worse, because it sounds like a person. The operating question still applies: whose name does the from-line carry? A five-question send Marketing Without Manipulation treats trust as architecture, not a mood. The operating system is TRUST: Transparency, Respect, Utility, Selectivity, Time. The book is in design. It is not for sale. The five questions are already the right pre-send. Transparency. Would the price, the scope, and the limit survive the first reply? Fine print that cannot survive a question is a promise that the offer cannot. Respect. Are you informing a decision or manufacturing one? Follow-up is allowed. Coercion is a different verb. Fake urgency, manufactured scarcity, and shame are how a sequence stops treating the buyer as an adult. Utility. Does this mail help if they never buy? If the only value is the pressure, you did not send a useful thing. You sent a prod. Selectivity. Who should this sequence refuse? A conversion system that cannot name the wrong customer will close them, then spend a year regretting it. Time. Is the promise one you can still keep in year two? A tactic that works once and poisons the well is not a system. This is a decision procedure you can run in two minutes on any step. It is not a slogan. It is also not a claim that \"ethical marketing outperforms.\" That number is not on this page. Do not confuse this TRUST with another book's expansion. Here the letters are Transparency, Respect, Utility, Selectivity, Time. The number has to survive the same test The Pricing Mind is the book that treats the price as an experience, not a naked figure. PRICE is Perceive, Reference, Irrational, Context, Endow. The book is drafting English first. It is not for sale. The ethics chapter is the one that matters on a sequence: the line between designing the experience and hiding the fact. A fake countdown is Context used as a lie. A decoy tier that exists only to make the middle look cheap is a claim about the set. Free that hides the later bill is a zero that rearranges the choice. None of those belong on a timer. You do not need the book to delete a countdown that is not attached to a date. You need the book if you want the full map. This page is the delete. The from-line still has a name The Authentic Operator turns authenticity into infrastructure when a model writes with you. VOICE is Verify, Own, Identity anchors, Constrain, Exhibit. The book is in design. It is not for sale. If a model drafted the sequence, the name on the from-line still owns the sentence. Verify the fact and the voice before it sends. Own the decision to mail it. Do not let a template invent a story you would not tell on a call. Exhibit the full voice where the buyer is deciding, not in every nudge. Synthetic polish is not a conversion tactic. It is how a careful buyer decides you are interchangeable. A fifteen-minute audit Pick the live sequence you would least like a journalist to print. 1. Paste the claim the sequence repeats. 2. Write the evidence a stranger could check without emailing you. 3. Circle every countdown, \"last chance\", and implied scarcity. If it is not true at 03:00, delete it. 4. Write the customer this sequence should refuse. 5. Write whose name last week's worst mail carried. If step 2 or 3 is blank, you do not have a conversion system. You have a faster way to spend trust. Automate the clerk. Keep the claim in a room where a person can still fail it.","keyTakeaways":["Automate the follow-up, not the claim. If the step cannot be true at 03:00 with no one watching, do not put it on a timer.","TRUST is a five-question send, not a slogan: price and limit, pressure, usefulness if they never buy, who you refuse, and the promise in year two.","PRICE is why the number and the frame have to survive the same test. A decoy that exists only to make the middle look cheap is a claim.","VOICE: the from-line still has a name. Verify the fact and the voice before a model mails it."],"readingMinutes":4,"publishedAt":"2026-08-22T12:00:00.000Z"},"nl":{"label":"Een conversiesysteem dat eerlijk blijft bij automatisering","summary":"Een conversiesysteem dat eerlijk blijft wanneer je het automatiseert, behandelt de sequentie als een klerk, niet als een verkoper. Automatiseer de opvolging: de herinnering, de onbeantwoorde vraag, de datum die je al noemde. Automatiseer niet de claim. Neppe aftelklokken, verzonnen schaarste, schuldgevoel in de onderwerpregel en een testimonial die de klant niet schreef, zijn geen 'lifecycle marketing'. Ze zijn een snellere manier om vertrouwen te verbranden. TRUST is de test voor verzending uit Marketing zonder manipulatie: Transparency, Respect, Utility, Selectivity, Time. PRICE is de eerlijkheid van het getal en het kader. VOICE gaat over wiens naam de afzenderregel nog steeds draagt wanneer een model de e-mail schreef. Alle drie de boeken zijn in productie. Geen enkele is te koop. De verzendregel is al direct bruikbaar.","url":"/nl/blog/conversiesystemen-die-eerlijk-blijven/","searchText":"Een conversiesysteem dat eerlijk blijft bij automatisering Automatiseer de opvolging, niet de belofte. Een sequentie mag onthouden, inplannen en verzenden. Ze mag geen schaarste, een testimonial of een deadline verzinnen die de pagina niet kan waarmaken. Een conversiesysteem mag onthouden. Het mag niet de reden verzinnen om te kopen. Een conversiesysteem dat eerlijk blijft wanneer je het automatiseert, behandelt de sequentie als een klerk, niet als een verkoper. Automatiseer de opvolging: de herinnering, de onbeantwoorde vraag, de datum die je al noemde. Automatiseer niet de claim. Neppe aftelklokken, verzonnen schaarste, schuldgevoel in de onderwerpregel en een testimonial die de klant niet schreef, zijn geen 'lifecycle marketing'. Ze zijn een snellere manier om vertrouwen te verbranden. TRUST is de test voor verzending uit Marketing zonder manipulatie: Transparency, Respect, Utility, Selectivity, Time. PRICE is de eerlijkheid van het getal en het kader. VOICE gaat over wiens naam de afzenderregel nog steeds draagt wanneer een model de e-mail schreef. Alle drie de boeken zijn in productie. Geen enkele is te koop. De verzendregel is al direct bruikbaar. eerlijke conversiesystemen Automatiseer de opvolging, niet de belofte. Als de stap om 03:00 uur 's nachts zonder toeschouwers niet waar kan zijn, zet hem dan niet op een timer. TRUST is een verzendtest van vijf vragen, geen slogan: prijs en limiet, druk, nut als ze nooit kopen, wie je weigert, en de belofte in het tweede jaar. PRICE is waarom het getal en het kader dezelfde test moeten doorstaan. Een decoy die alleen bestaat om de middelste optie goedkoop te laten lijken, is een claim. VOICE: de afzenderregel heeft nog steeds een naam. Verifieer het feit en de stem voordat een model het verstuurt. geo aeo TRUST Een verzendtest met vijf pijlers. Transparency, Respect, Utility, Selectivity, Time. Niet de expansie van The Trust Architect. PRICE Vijf factoren in hoe een koper een prijs ervaart. Perceive, Reference, Irrational, Context, Endow. VOICE Verify, Own, Identity anchors, Constrain, Exhibit. De afzenderregel blijft eigenaar van de zin. Een oprichter bouwt een sequentie en noemt het een conversiesysteem. De eerste mail is prima. De vierde verzint een aftelklok. De zevende suggereert dat er nog drie plekken over zijn. De onderwerpregel leert schuldgevoel aan. De gebruikelijke diagnose is \"we hebben meer automatisering nodig\". Vaak is de claim wat een antwoord niet kan overleven. Automatiseer de opvolging, niet de belofte Een conversiesysteem mag onthouden, inplannen en verzenden. De onbeantwoorde vraag. De datum die je al noemde. Het bestand waar ze om vroegen. Dat is klerkenwerk. Klerkenwerk hoort automatisch te zijn. Het mag niet de reden verzinnen om te kopen. Een timer die niet gekoppeld is aan een echte sluiting, is een claim. \"Nog maar drie plekken\" is een claim. Een testimonial die de klant niet schreef, is een claim. Een korting die alleen in de onderwerpregel bestaat, is een claim. Als de stap om 03:00 uur 's nachts zonder toeschouwers niet waar kan zijn, zet hem dan niet op een timer. Een agentische workflow kan de volgende stap veranderen. Dat maakt het probleem scherper, niet kleiner. Een script dat een leugen herhaalt, is slecht. Een model dat de leugen in een nieuwe toon herformuleert, is erger, omdat het klinkt als een mens. De operationele vraag blijft gelden: wiens naam staat er in de afzenderregel? Een verzendtest van vijf vragen Marketing zonder manipulatie behandelt vertrouwen als architectuur, niet als een sfeer. Het besturingssysteem is TRUST: Transparantie, Respect, Nut, Selectiviteit, Tijd. Het boek is in de ontwerpfase. Het is niet te koop. De vijf vragen zijn nu al de juiste test voor verzending. Transparantie. Zouden de prijs, de omvang en de limiet het eerste antwoord overleven? Kleine lettertjes die een vraag niet overleven, vormen een belofte die het aanbod niet kan waarmaken. Respect. Informeer je een beslissing of fabriceer je er een? Opvolging is toegestaan. Dwang is een ander werkwoord. Neppe urgentie, verzonnen schaarste en schuldgevoel zijn hoe een sequentie de koper niet langer als volwassene behandelt. Nut. Helpt deze e-mail als ze nooit kopen? Als de enige waarde de druk is, heb je niets nuttigs gestuurd. Je hebt een prik uitgedeeld. Selectiviteit. Wie zou deze sequentie moeten weigeren? Een conversiesysteem dat de verkeerde klant niet kan benoemen, zal ze binnenhalen en er vervolgens een jaar lang spijt van hebben. Tijd. Is de belofte er een die je in het tweede jaar nog steeds kunt nakomen? Een tactiek die één keer werkt en daarna de bron vergiftigt, is geen systeem. Dit is een beslissingsprocedure die je in twee minuten op elke stap kunt loslaten. Het is geen slogan. Het is ook geen claim dat \"ethische marketing beter presteert\". Dat getal staat niet op deze pagina. Verwar deze TRUST niet met de uitwerking uit een ander boek. Hier zijn de letters Transparency, Respect, Utility, Selectivity, Time. Het getal moet dezelfde test doorstaan De prijspsychologie is het boek dat de prijs behandelt als een ervaring, niet als een naakt getal. PRICE is Perceive, Reference, Irrational, Context, Endow. Het boek wordt eerst in het Engels opgesteld. Het is niet te koop. Het hoofdstuk over ethiek is wat telt bij een sequentie: de grens tussen het ontwerpen van de ervaring en het verbergen van het feit. Een neppe aftelklok is Context gebruikt als een leugen. Een decoy-niveau dat alleen bestaat om de middelste optie goedkoop te laten lijken, is een claim over het aanbod. Een nulprijs die de latere rekening verbergt, is een nul die de keuze herschikt. Geen van deze horen thuis op een timer. Je hebt het boek niet nodig om een aftelklok te verwijderen die niet gekoppeld is aan een datum. Je hebt het boek nodig als je de volledige kaart wilt. Deze pagina is de verwijdering. De afzenderregel heeft nog steeds een naam De authentieke operator verandert authenticiteit in infrastructuur wanneer een model met je meeschrijft. VOICE is Verify, Own, Identity anchors, Constrain, Exhibit. Het boek is in de ontwerpfase. Het is niet te koop. Als een model de sequentie heeft opgesteld, is de naam in de afzenderregel nog steeds eigenaar van de zin. Verifieer het feit en de stem voordat het verzendt. Neem eigenaarschap over de beslissing om het te mailen. Laat een template geen verhaal verzinnen dat je in een gesprek niet zou vertellen. Stel de volledige stem selectief tentoon waar de koper beslist, niet bij elke aansporing. Synthetische glans is geen conversietactiek. Het is de manier waarop een zorgvuldige koper besluit dat je inwisselbaar bent. Een audit van vijftien minuten Kies de live sequentie die je het minst graag door een journalist afgedrukt zou zien. 1. Plak de claim die de sequentie herhaalt. 2. Schrijf het bewijs op dat een vreemde kan controleren zonder je te e-mailen. 3. Omcirkel elke aftelklok, \"laatste kans\" en gesuggereerde schaarste. Als het om 03:00 uur 's nachts niet waar is, verwijder het dan. 4. Schrijf de klant op die deze sequentie zou moeten weigeren. 5. Schrijf op wiens naam de slechtste e-mail van vorige week droeg. Als stap 2 of 3 leeg is, heb je geen conversiesysteem. Je hebt een snellere manier om vertrouwen te verbranden. Automatiseer de klerk. Houd de claim in een kamer waar een mens deze nog steeds kan afkeuren.","keyTakeaways":["Automatiseer de opvolging, niet de belofte. Als de stap om 03:00 uur 's nachts zonder toeschouwers niet waar kan zijn, zet hem dan niet op een timer.","TRUST is een verzendtest van vijf vragen, geen slogan: prijs en limiet, druk, nut als ze nooit kopen, wie je weigert, en de belofte in het tweede jaar.","PRICE is waarom het getal en het kader dezelfde test moeten doorstaan. Een decoy die alleen bestaat om de middelste optie goedkoop te laten lijken, is een claim.","VOICE: de afzenderregel heeft nog steeds een naam. Verifieer het feit en de stem voordat een model het verstuurt."],"readingMinutes":4,"publishedAt":"2026-08-22T12:05:00.000Z"}},"degree":16},{"id":"article:how-to-get-cited-2026","type":"article","pillar":"seo-geo-aeo","locales":{"en":{"label":"How to get cited by ChatGPT","summary":"There is no published ChatGPT citation ranking. OpenAI's publisher FAQ says any public site can appear in ChatGPT Search, and that summaries and snippets require you not to block OAI-SearchBot. That is eligibility. To be the source named in the answer, put one checkable claim in the first HTML screen, attach a person or organisation the machine can identify, and keep the evidence on the same URL. GPTBot is a separate training switch. ChatGPT-User is a person-triggered fetch and does not decide Search inclusion. Measure appearances, chatgpt.com referrals, and conversions as three numbers.","url":"/en/blog/how-to-get-cited-2026/","searchText":"How to get cited by ChatGPT Eight checks you can run on a page, then the week of work. Allow OAI-SearchBot, keep the URL public, put one checkable claim in the first HTML screen with your name on it, and log whether ChatGPT says that name. Open the Search door. Write a sentence a machine can steal. Then check if your name appeared. There is no published ChatGPT citation ranking. OpenAI's publisher FAQ says any public site can appear in ChatGPT Search, and that summaries and snippets require you not to block OAI-SearchBot. That is eligibility. To be the source named in the answer, put one checkable claim in the first HTML screen, attach a person or organisation the machine can identify, and keep the evidence on the same URL. GPTBot is a separate training switch. ChatGPT-User is a person-triggered fetch and does not decide Search inclusion. Measure appearances, chatgpt.com referrals, and conversions as three numbers. how to get cited by ChatGPT If ChatGPT Search is the goal, allow OAI-SearchBot on that URL. Set GPTBot on purpose. OpenAI says a Search-side robots.txt change can take about 24 hours. Fetch the live URL. If the claim is not in the first HTML response, ChatGPT Search cannot quote it from that page. Win among eligible pages with a unique, dated, sourced sentence and a name the machine can attach. Do not wait for a GEO retainer. Log the prompt, whether your name appeared, and utm source=chatgpt.com separately. Google's generative report measures Google. Test ChatGPT Search, not a memory chat. Log named, linked, and used-not-cited as three different results. geo aeo CITATION The eight-move framework from The Findability Engine: Cite, Identify, Triangulate, Anchor, Track, Iterate, Optimize, Normalize. The book is in production and not for sale. GEO Becoming a source an answer engine can retrieve, interpret, extract, and verify. AEO Writing one URL so an engine can lift a clean capsule. Someone asked ChatGPT who to read on your topic. A competitor appeared. You did not. The usual spend is a GEO retainer, an llms.txt , and a schema plugin. The usual miss is simpler: the Search crawler is blocked, the claim is not in the HTML, or nobody on the page has a name a machine can attach. There is still no published ChatGPT ranking you can buy. How answer engines select sources is the selection playbook. This page is the work: what to change this week so ChatGPT Search can fetch you, quote you, and name you. 1. Name the citation you want OpenAI documents three agents. They are not aliases. Pick the job before you touch robots.txt . ChatGPT Search is the thing most founders mean by \"get cited.\" OpenAI's crawler docs say OAI-SearchBot surfaces websites in ChatGPT Search. Sites that opt out \"will not be shown in ChatGPT search answers,\" though they can still appear as navigational links. The publishers FAQ is blunter: for your content to be included in summaries and snippets, do not block OAI-SearchBot . Training is GPTBot . Disallow it if you do not want the page used to train OpenAI foundation models. It is a separate switch. You can allow Search and refuse training. A person-triggered fetch is ChatGPT-User . OpenAI says it is not an automatic crawl, that robots.txt may not apply, and that it is not used to decide Search inclusion. A hit in your logs from ChatGPT-User is not proof you are in Search. There is a fourth agent, OAI-AdsBot . It only visits landing pages you submitted as ads. It is not Search. Ignore it unless you buy ChatGPT ads. If a vendor slide collapses those names into one \"ChatGPT bot,\" throw the slide out. Test Search, not memory. A logged-in chat that answers from training is not ChatGPT Search. If the reply has no sources, you tested the wrong product. Turn search on and ask again. A citation you cannot point at in the answer is not a citation. 2. Open the Search door Paste this if ChatGPT Search is the goal: txt User-agent: OAI-SearchBot Allow: / Set training on purpose, not by accident: txt User-agent: GPTBot Disallow: / or Allow: / if that is your training policy. Then read the rest of the file. A later Disallow: /blog/ under User-agent: can still hide the URL you care about. OpenAI also recommends allowing requests from the published Search IP ranges at openai.com/searchbot.json. A Search-side robots.txt change can take about 24 hours. Check the live file, not the repo: bash curl -sS https://your-domain/robots.txt Search access logs for OAI-SearchBot after a day. No fetch means the door is still closed, the IP range is blocked, or the change has not propagated. If robots.txt already allows SearchBot, look at the firewall next. Cloudflare Bot Fight Mode, a WAF rule on datacentre ASNs, or a block on the IPs in searchbot.json will drop the crawler before it reads your Allow . OpenAI cannot cite a 403 . Two traps from the publishers FAQ: - Blocking SearchBot does not always hide the URL. If OpenAI gets the address from a third-party search provider or by crawling other pages, it may still show the link and title in ChatGPT Atlas. If you do not want even that, use noindex . The crawler has to be allowed to read the tag. - noindex on a URL you do want cited is a self-own. Fetch the HTML and look for it. This site allows OAI-SearchBot , GPTBot , and ChatGPT-User on public pages, and closes /admin/ and the preview. That is a policy, not a ranking trick. 3. Make the URL fetchable A crawler cannot quote a page it cannot open. On the URL you want named: 1. curl -sI https://your-canonical-url/ returns 200 . Not a chain of soft-404s. 2. The canonical in the HTML is that URL. 3. There is no noindex unless you meant it. 4. The sentence you want quoted is in the first HTML response. Not behind a \"Read more.\" Not only after JavaScript runs. If you ship a JS app, follow ordinary JavaScript SEO: the claim has to exist in what a fetcher can see. 5. The URL is in the sitemap and linked from a public page. An orphan URL is a rumour. 6. No login wall, no \"give us your email\" gate, in front of the claim. bash curl -sS https://your-canonical-url/ grep -n \"the sentence you think you published\" If grep is silent, ChatGPT Search has nothing to steal. Google's AI optimization guide (last updated 10 July 2026) says the same thing in its own house: generative features stay rooted in the core Search index. A page has to be indexed and eligible to appear with a snippet. Check Search Console's Search generative AI control while you are there. The default is include. If someone excluded the property, you are out of AI Overviews and AI Mode. Google says the control reached all websites worldwide on 31 August 2026. That is Google, not ChatGPT. Still check it. 4. Write a sentence ChatGPT can steal Eligibility gets you in the room. The sentence gets you named. Bad first screen: In today's rapidly evolving AI landscape, brands need a holistic GEO strategy to remain competitive in answer engines. Nothing there is checkable. Nobody is named. A machine that wants a source will skip you for a page that already answered the question. Better: Allowing OAI-SearchBot makes a public page eligible for ChatGPT Search answers. It does not make you the named source. OpenAI documents that in its crawler docs and its publishers FAQ. I re-read both on 19 August 2026. That sentence has a claim, a condition, a source, a date, and a speaker. Do this on the page you want cited: - Put the answer in the first two or three sentences. AEO is that craft. One URL, one claim. - Name the person or the firm in the same screen. \"The team\" is not an entity. - Attach the exception in the same breath. \"Allow SearchBot. That is not a citation.\" - Date the evidence. \"Recently\" is not a date. - Write something a peer could not paste from the ten other GEO posts this week. Google's own guide says unique, non-commodity, people-first content matters more than GEO hacks: first-hand review beats a summary of summaries. \"Seven tips for first-time homebuyers\" is commodity. \"Why we waived the inspection and what the sewer camera actually showed\" is not. Use that standard on your topic. - Put your name and the claim in the same sentence. \"We recommend allowing SearchBot\" credits nobody. A sentence that starts with the person or the firm can be lifted with a speaker attached. - Do not open with a story. A fetch that takes the first screen will quote the anecdote and skip the method. The plain test for this page: is it discoverable, attributed, answer-shaped, evidenced, and used? CITATION is the larger frame, the eight-move framework in The Findability Engine: Cite, Identify, Triangulate, Anchor, Track, Iterate, Optimize, Normalize. What you just did is its first move, Cite: make every claim attributable, named, and citable. The book is in production (drafting, English first) and not for sale. Do not wait for the hardcover to write the sentence. 5. Put a name the machine can attach If the page is anonymous, ChatGPT will credit a page that is not. On the same URL: - One person name, spelled the same way as on your About page. - One organisation name. - A link to an About or author page that confirms the same string. - sameAs only to profiles you control. Follow one. If it 404s, delete it. You do not need a new schema type for ChatGPT Search. Google says structured data is not required for generative Search and does not guarantee a rich result. Use it to clarify an entity you already named in the prose. Do not ship FAQPage as a citation tactic. Ordinary FAQ rich results stopped on 7 May 2026. Visible Q&A can still help a reader. 6. Put evidence where the crawler can see it A claim without a source is a slogan. A source behind a form is not a source. On the same URL: - The primary document, as a normal link. - The date you fetched it. - The limitation. \"This is OpenAI's Search crawler, not a ranking function\" is a limitation. \"Trust us\" is not. If the proof lives in a PDF that needs an email, the machine will quote the competitor who put the number in HTML. 7. Skip this week Do not spend Monday on work the platforms already told you to ignore. - llms.txt will not get you cited in Google. Google Search does not use it. Keeping one for other tools neither helps nor harms Google visibility. It does not replace crawlable HTML. OpenAI has not published llms.txt as a ChatGPT Search ranking file either. - Do not chunk the page for a robot. Google says there is no ideal page length and no requirement to break content into tiny pieces. - Do not rewrite the page \"for AI.\" Google says you do not need a special dialect. - Do not buy mentions. Inauthentic mention-chasing is on Google's ignore list. A fake quote with your name is a faster way to be wrong in someone else's answer. - Do not buy a \"we will get you cited in ChatGPT this quarter\" retainer until robots.txt and the first-screen sentence are done. Nobody outside OpenAI has the ranking function. 8. Check whether it worked A citation is not a visit. A visit is not a conversion. Appearances. Keep a log: date, prompt, whether your name was in the answer, whether your URL was linked. Do this weekly on the three questions you most want to own. ChatGPT Search does not give you a Search Console clone. Run prompts that name the job your page owns. Vague \"best GEO tools 2026\" will cite roundup sites. Better: - \"Who should I read on [your topic]?\" - \"What is [your named method], and who defined it?\" - \"How do I [the job on the page]? Cite sources.\" - Ask in the language of the page. Log three different results separately: 1. Named. Your person or firm is in the prose. 2. Linked. Your URL is a source. That is a citation of the page, even if the prose does not say your name. 3. Used, not cited. The answer paraphrases you with no name and no link. You were a silent source. That is not the win. A week of \"neither\" after a confirmed fetch is information. It is not a ranking you can buy your way out of this afternoon. Visits. OpenAI's publishers FAQ says ChatGPT adds utm source=chatgpt.com on referral URLs. Track it. Zero clicks do not prove zero citations. People do not always click a source they already read. Google, separately. Search Console's Generative AI performance report launched on 3 June 2026 and, Google says, reached all websites worldwide as of 31 August 2026. It counts links shown in AI Overviews and AI Mode. It can still stay empty if your site has too few impressions in those features. It is not ChatGPT. Bing, if you have it. Bing Webmaster Tools announced an AI Performance preview in February 2026. Treat it as another surface, not as a ChatGPT dashboard. 9. A one-hour pass on the page you most want named Output, not a mood. Minute Work Done when --- --- --- 0–10 Read live robots.txt . Confirm OAI-SearchBot is allowed on this URL. Confirm GPTBot is a decision. You can paste the two stanzas. 10–20 curl -sI the canonical URL. curl -sS and find the claim. Status 200 , claim in the HTML, no surprise noindex . 20–35 Rewrite the first screen so the claim, the exception, the name, and the date are in the first three sentences. You can paste those sentences from the live page. 35–45 Follow one sameAs or About link. Fix or delete it. It returns 200 and repeats the same name. 45–55 Add the primary source and the fetched-on date next to the claim. A skeptic can open the source without a form. 55–60 Run three prompts in ChatGPT Search. Log name / URL / neither. The log exists, even if all three lines say \"neither.\" If the first two rows fail, you do not have a citation problem. You have a door problem. Fix the door before you hire anyone to \"do GEO.\" Permission is not a name. Write the sentence. Let OAI-SearchBot fetch it. Then look at the answer and see whether you are in it.","keyTakeaways":["If ChatGPT Search is the goal, allow OAI-SearchBot on that URL. Set GPTBot on purpose. OpenAI says a Search-side robots.txt change can take about 24 hours.","Fetch the live URL. If the claim is not in the first HTML response, ChatGPT Search cannot quote it from that page.","Win among eligible pages with a unique, dated, sourced sentence and a name the machine can attach. Do not wait for a GEO retainer.","Log the prompt, whether your name appeared, and utm_source=chatgpt.com separately. Google's generative report measures Google.","Test ChatGPT Search, not a memory chat. Log named, linked, and used-not-cited as three different results."],"readingMinutes":10,"publishedAt":"2026-08-19T09:00:00.000Z"},"nl":{"label":"Hoe je geciteerd wordt door ChatGPT","summary":"Er is geen gepubliceerde ChatGPT-citatieranking. De publishers-FAQ van OpenAI zegt dat elke openbare site in ChatGPT Search kan verschijnen, en dat samenvattingen en snippets vereisen dat je OAI-SearchBot niet blokkeert. Dat is geschiktheid. Om de bron te zijn die in het antwoord wordt genoemd, zet je één controleerbare claim in het eerste HTML-scherm, koppel je een persoon of organisatie die de machine kan herkennen, en houd je het bewijs op dezelfde URL. GPTBot is een aparte trainingsknop. ChatGPT-User is een fetch die een persoon activeert en bepaalt niet of je in Search zit. Meet weergaven, chatgpt.com-verwijzingen en conversies als drie getallen.","url":"/nl/blog/hoe-je-geciteerd-wordt-2026/","searchText":"Hoe je geciteerd wordt door ChatGPT Acht controles die je op een pagina kunt draaien, en daarna de week werk. Laat OAI-SearchBot toe, houd de URL openbaar, zet één controleerbare claim in het eerste HTML-scherm met je naam erbij, en log of ChatGPT die naam zegt. Zet de zoekdeur open. Schrijf een zin die een machine kan overnemen. Kijk daarna of jouw naam in het antwoord staat. Er is geen gepubliceerde ChatGPT-citatieranking. De publishers-FAQ van OpenAI zegt dat elke openbare site in ChatGPT Search kan verschijnen, en dat samenvattingen en snippets vereisen dat je OAI-SearchBot niet blokkeert. Dat is geschiktheid. Om de bron te zijn die in het antwoord wordt genoemd, zet je één controleerbare claim in het eerste HTML-scherm, koppel je een persoon of organisatie die de machine kan herkennen, en houd je het bewijs op dezelfde URL. GPTBot is een aparte trainingsknop. ChatGPT-User is een fetch die een persoon activeert en bepaalt niet of je in Search zit. Meet weergaven, chatgpt.com-verwijzingen en conversies als drie getallen. hoe je geciteerd wordt door ChatGPT Als ChatGPT Search het doel is, sta OAI-SearchBot toe op die URL. Zet GPTBot bewust. OpenAI zegt dat een wijziging aan de zoekkant ongeveer 24 uur kan duren. Haal de live URL op. Staat de claim niet in de eerste HTML-respons, dan kan ChatGPT Search hem van die pagina niet citeren. Win het van andere geschikte pagina's met een unieke, gedateerde, onderbouwde zin en een naam die de machine kan koppelen. Wacht daarvoor niet op een GEO-retainer. Log de prompt, of je naam verscheen, en utm source=chatgpt.com apart. Het generatieve rapport van Google meet Google. Test ChatGPT Search, niet een chat uit het geheugen. Log benoemd, gelinkt en gebruikt-niet-geciteerd als drie verschillende uitkomsten. geo aeo CITATION Het raamwerk van acht stappen uit The findability engine: Citeren, Identificeren, Trianguleren, Verankeren, Traceren, Itereren, Optimaliseren, Normaliseren. Het boek is in productie en niet te koop. GEO Een bron worden die een antwoordmachine kan ophalen, interpreteren, extraheren en verifiëren. AEO Eén URL zo schrijven dat een machine een schone capsule kan citeren. Iemand vroeg ChatGPT wie ze moeten lezen over jouw vakgebied. Een concurrent verscheen in beeld. Jij niet. De standaardreflex is een GEO-retainer, een llms.txt en een schema-plugin inkopen. De werkelijke fout is vaak simpeler: de crawler wordt geblokkeerd, de claim ontbreekt in de HTML of de pagina bevat geen naam die een machine eraan kan koppelen. Er is nog steeds geen gepubliceerde ChatGPT-ranking die je kunt inkopen. Hoe zoek- en antwoordmachines bronnen kiezen is het draaiboek voor die selectie. Deze pagina is de uitvoering: wat je deze week moet aanpassen zodat ChatGPT Search je kan ophalen, citeren en bij naam noemen. 1. Bepaal welke citatie je wilt OpenAI documenteert drie agents. Het zijn geen aliassen. Kies het doel voordat je robots.txt aanraakt. ChatGPT Search is wat de meeste oprichters bedoelen met geciteerd worden. De crawlerdocumentatie van OpenAI stelt dat OAI-SearchBot websites naar boven haalt in ChatGPT Search. Sites die zich afmelden worden volgens die documentatie niet getoond in de zoekantwoorden, al kunnen ze nog wel opduiken als navigatielinks. De FAQ voor uitgevers is directer: blokkeer OAI-SearchBot niet als je wilt dat jouw content wordt opgenomen in samenvattingen en fragmenten. Training verloopt via GPTBot . Blokkeer deze als je niet wilt dat de pagina wordt gebruikt om de foundation models van OpenAI te trainen. Het is een aparte schakelaar. Je kunt Search toestaan en training weigeren. Een handmatige actie door een gebruiker is ChatGPT-User . Volgens OpenAI gaat het hier niet om een automatische crawl, is robots.txt mogelijk niet van toepassing en bepaalt deze agent niet of je in Search belandt. Een regel in je logbestanden van ChatGPT-User bewijst dus niet dat je vindbaar bent. Er is nog een vierde agent: OAI-AdsBot . Deze bezoekt uitsluitend landingspagina's die je als advertentie hebt ingediend. Dit heeft niets met Search te maken. Negeer deze bot tenzij je ChatGPT-advertenties inkoopt. Als de presentatie van een bureau al die namen samenvoegt tot één \"ChatGPT-bot\", gooi die slide dan direct weg. Test Search, niet het geheugen. Een ingelogde sessie die antwoordt vanuit de trainingsdata is geen ChatGPT Search. Als de reactie geen bronnen bevat, heb je het verkeerde product getest. Zet de zoekfunctie aan en stel de vraag opnieuw. Een citatie die je niet kunt aanwijzen in het antwoord, telt simpelweg niet. 2. Zet de deur voor Search open Plak dit als ChatGPT Search het doel is: txt User-agent: OAI-SearchBot Allow: / Stel training bewust in, niet per ongeluk: txt User-agent: GPTBot Disallow: / of kies Allow: / als dat je beleid voor training is. Lees daarna de rest van het bestand. Een latere Disallow: /blog/ onder User-agent: kan de URL die je belangrijk vindt alsnog verbergen. OpenAI adviseert tevens om verzoeken toe te staan vanuit de gepubliceerde IP-reeksen voor Search op openai.com/searchbot.json. Een wijziging aan de kant van Search kan ongeveer 24 uur duren. Controleer het livebestand, niet de repository: bash curl -sS https://your-domain/robots.txt Zoek na een dag in je logbestanden naar OAI-SearchBot . Geen activiteit betekent dat de deur nog steeds dicht is, de IP-reeks wordt geblokkeerd of de wijziging nog niet is verwerkt. Als robots.txt SearchBot al toestaat, kijk dan naar de firewall. Cloudflare Bot Fight Mode, een WAF-regel voor datacenter-ASN's of een blokkade op de IP-adressen in searchbot.json weert de crawler voordat deze je Allow leest. OpenAI kan geen 403 citeren. Twee valkuilen uit de FAQ voor uitgevers: - SearchBot blokkeren verbergt de URL niet altijd. Als OpenAI het adres verkrijgt via een externe zoekmachine of door andere pagina's te crawlen, kan het de link en de titel alsnog in ChatGPT Atlas tonen. Gebruik noindex als je zelfs dat wilt voorkomen. De crawler moet die tag dan wel mogen lezen. - Een noindex op een URL die je wel geciteerd wilt hebben is een klassiek eigen doelpunt. Haal de HTML op en controleer het. Deze site staat OAI-SearchBot , GPTBot en ChatGPT-User toe op openbare pagina's en sluit /admin/ en de preview-omgeving af. Dat is een vastgelegd beleid, geen truc voor een betere ranking. 3. Zorg dat de URL opvraagbaar is Een crawler kan geen pagina citeren die hij niet kan openen. Op de URL die je bij naam genoemd wilt hebben: 1. curl -sI https://your-canonical-url/ retourneert 200 . Geen keten van soft-404's. 2. De canonical in de HTML is die exacte URL. 3. Er is geen noindex aanwezig tenzij je dat bewust zo hebt ingesteld. 4. De zin die je geciteerd wilt hebben, staat in de eerste HTML-respons. Niet weggestopt achter een lees-meer-knop. Niet pas nadat JavaScript heeft gedraaid. Als je een JavaScript-applicatie levert, volg dan de reguliere JavaScript SEO: de claim moet aanwezig zijn in wat een ophaalsysteem direct kan zien. 5. De URL staat in de sitemap en krijgt een link vanaf een openbare pagina. Een zwevende URL zonder inkomende links is slechts een gerucht. 6. Er staat geen inlogmuur of formulier voor een e-mailadres voor de claim. bash curl -sS https://your-canonical-url/ grep -n \"the sentence you think you published\" Als grep stil blijft, heeft ChatGPT Search niets om over te nemen. De gids voor AI-optimalisatie van Google (laatst bijgewerkt op 10 juli 2026) zegt in de basis hetzelfde: generatieve functies blijven geworteld in de kernindex van Search. Een pagina moet geïndexeerd zijn en de juiste geschiktheid bezitten om met een fragment te verschijnen. Controleer direct de instelling voor generatieve AI in Search Console nu je er toch bent. De standaardinstelling staat op opnemen. Als iemand de property heeft uitgesloten, doe je niet mee in de AI-overzichten (AI Overviews) en de AI-modus (AI Mode). Volgens Google is die instelling sinds 31 augustus 2026 voor alle websites wereldwijd beschikbaar. Dat gaat over Google, niet over ChatGPT. Controleer het alsnog. 4. Schrijf een zin die ChatGPT kan overnemen Geschiktheid brengt je in de kamer. De zin zorgt ervoor dat je naam wordt genoemd. Slecht eerste scherm: In het snel evoluerende AI-landschap van vandaag hebben merken een holistische GEO-strategie nodig om concurrerend te blijven in antwoordmachines. Niets daarvan valt te controleren. Er wordt niemand genoemd. Een machine die een bron zoekt, slaat je over en kiest een pagina die de vraag wel al heeft beantwoord. Beter: Het toestaan van OAI-SearchBot geeft een openbare pagina de benodigde geschiktheid voor antwoorden in ChatGPT Search. Het maakt je nog niet de benoemde bron. OpenAI beschrijft dat in de documentatie voor hun crawler en de FAQ voor uitgevers. Ik heb beide op 19 augustus 2026 opnieuw gelezen. Die formulering bevat een claim, een voorwaarde, een bron, een datum en een afzender. Doe het volgende op de pagina die je geciteerd wilt hebben: - Zet het antwoord in de eerste twee of drie zinnen. AEO is exact dat ambacht. Eén URL, één claim. - Noem de persoon of het bedrijf in hetzelfde scherm. \"Het team\" telt niet als entiteit. - Benoem de uitzondering in dezelfde ademhaling. \"Sta SearchBot toe. Dat is nog geen citatie.\" - Koppel een datum aan het bewijs. \"Onlangs\" is geen datum. - Schrijf iets dat een vakgenoot niet zomaar uit de tien andere GEO-artikelen van deze week kan kopiëren. De eigen gids van Google stelt dat unieke, mensgerichte content meer gewicht in de schaal legt dan vluchtige GEO-trucs. Een beoordeling uit de eerste hand verslaat een samenvatting van samenvattingen. \"Zeven tips voor starters op de woningmarkt\" is inwisselbaar. \"Waarom we afzagen van de bouwkundige keuring en wat de rioolcamera werkelijk liet zien\" is dat allerminst. Hanteer die standaard voor jouw vakgebied. - Verwerk je naam en de claim in één zin. \"Wij raden aan om SearchBot toe te staan\" schrijft niemand de eer toe. Een zin die begint met de persoon of de firma kan door een machine in zijn geheel worden overgenomen inclusief de afzender. - Begin niet met een verhaal. Een systeem dat het eerste scherm ophaalt, citeert dan de anekdote en negeert de methode. De eenvoudige toets voor deze pagina: is ze vindbaar, toegeschreven, in de vorm van een antwoord, onderbouwd en daadwerkelijk gebruikt? CITATION is het grotere kader. Dat is het raamwerk van acht stappen uit The findability engine: Citeren, Identificeren, Trianguleren, Verankeren, Traceren, Itereren, Optimaliseren, Normaliseren. Wat je hierboven doet, is de eerste stap, Citeren: maak elke claim toeschrijfbaar, benoemd en citeerbaar. Het boek is in productie (eerst in het Engels) en niet te koop. Wacht niet op de hardcover om de juiste zin te schrijven. 5. Geef een naam die de machine kan koppelen Als de pagina anoniem is, schrijft ChatGPT de eer toe aan een pagina die dat niet is. Op dezelfde URL: - Eén persoonsnaam, exact zo gespeld als op je Over-pagina. - Eén organisatienaam. - Een link naar een Over of auteurspagina die exact diezelfde naam bevestigt. - sameAs uitsluitend naar profielen die je zelf beheert. Volg er eens een. Als die een 404 oplevert, verwijder hem dan. Je hebt geen nieuw schema-type nodig voor ChatGPT Search. Google geeft aan dat gestructureerde data geen vereiste is voor generatief zoeken en geen garanties biedt op een uitgebreid resultaat. Gebruik ze om een entiteit te verduidelijken die je in de lopende tekst al hebt genoemd. Rol FAQPage niet uit als een tactiek voor citaties. Reguliere uitgebreide resultaten voor FAQ's zijn gestopt op 7 mei 2026. Een zichtbare Q&A kan een lezer nog helpen. 6. Plaats bewijs waar de crawler het kan zien Een claim zonder bron is een slogan. Een bron achter een formulier is geen bron. Op dezelfde URL: - Het primaire document, via een doodnormale link. - De datum waarop je het hebt geraadpleegd. - De beperking. \"Dit is de Search-crawler van OpenAI, geen ranking-functie\" is een beperking. \"Geloof ons\" valt daar niet onder. Als het bewijs in een PDF staat waarvoor een e-mailadres vereist is, citeert de machine domweg de concurrent die de cijfers direct in de HTML heeft gezet. 7. Sla dit over deze week Besteed je maandag niet aan werk waarvan de platforms al hebben aangegeven dat je het kunt negeren. - llms.txt levert je geen citatie op in Google. Google Search gebruikt dit bestand niet. Het bijhouden ervan voor andere tools helpt de zichtbaarheid in Google niet, al schaadt het ook niet. Het vervangt geen doorzoekbare HTML. OpenAI heeft llms.txt overigens evenmin gepubliceerd als een weegfactor voor ChatGPT Search. - Breek de pagina niet in stukken op voor een robot. Google zegt duidelijk dat er geen ideale paginalengte bestaat en dat het niet nodig is om content in kleine blokjes op te hakken. - Herschrijf de pagina niet \"voor AI\". Volgens Google is er echt geen speciaal dialect nodig. - Koop geen vermeldingen. Geforceerd jagen op vermeldingen staat op de negeerlijst van Google. Een verzonnen citaat met jouw naam is simpelweg een snellere manier om het fout te hebben in het antwoord van een ander. - Neem geen \"wij zorgen dat je dit kwartaal in ChatGPT belandt\"-retainer af totdat robots.txt en die cruciale zin in het eerste scherm op orde zijn. Niemand buiten OpenAI bezit de ranking-functie. 8. Controleer of het heeft gewerkt Een citatie is geen bezoek. Een bezoek is geen conversie. Weergaven. Houd een logboek bij met daarin de datum, de prompt, of je naam in het antwoord stond en of er naar je URL werd gelinkt. Doe dit wekelijks voor de drie vragen die je het liefst wilt claimen. ChatGPT Search biedt immers geen kloon van Search Console. Voer prompts in die exact de behoefte benoemen die jouw pagina oplost. Een vage vraag als \"beste GEO tools 2026\" leidt slechts tot verzamellijstjes. Dit werkt beter: - \"Wie moet ik lezen over [jouw vakgebied]?\" - \"Wat is [jouw benoemde methode] en wie heeft deze gedefinieerd?\" - \"Hoe doe ik [de taak op de pagina]? Citeer bronnen.\" - Stel de vraag in de taal van de pagina. Registreer drie verschillende uitkomsten afzonderlijk: 1. Benoemd. Je persoon of firma staat duidelijk in de lopende tekst. 2. Gelinkt. Je URL is gebruikt als bron. Dat geldt als een citatie van de pagina, zelfs als je naam niet letterlijk in de tekst voorkomt. 3. Gebruikt, maar niet geciteerd. Het antwoord parafraseert jouw tekst, maar zonder naam en zonder link. Je was slechts een stille bron. Dat telt niet als winst. Een week lang \"geen van beide\" scoren na een bevestigde crawl is ook gewoon informatie. Het is geen rankingprobleem dat je vanmiddag zomaar kunt afkopen. Bezoeken. De FAQ voor uitgevers van OpenAI vermeldt dat ChatGPT utm source=chatgpt.com toevoegt aan verwijzende URL's. Meet dit. Nul klikken bewijzen nog geen nul citaties. Mensen klikken nu eenmaal niet altijd op een bron die ze in de tekst al hebben gelezen. Google, apart bekeken. Het prestatierapport voor generatieve AI in Search Console is gelanceerd op 3 juni 2026 en staat volgens Google sinds 31 augustus 2026 voor alle websites wereldwijd open. Het telt de links die worden getoond in de AI-overzichten en de AI-modus. Het rapport kan nog steeds leeg blijven als je site te weinig vertoningen in die functies heeft. Dit is Google, niet ChatGPT. Bing, mocht je dat gebruiken. Bing Webmaster Tools kondigde in februari 2026 een preview aan voor AI-prestaties. Behandel dit als een op zichzelf staand platform, niet als een dashboard voor ChatGPT. 9. Een sessie van één uur voor de pagina die je het liefst genoemd ziet Resultaat, geen stemming. Minuut Taak Klaar wanneer --- --- --- 0–10 Lees de live robots.txt . Bevestig dat OAI-SearchBot wordt toegestaan op deze URL. Bevestig dat er een besluit ligt over GPTBot . Je kunt de twee blokken direct plakken. 10–20 Voer curl -sI uit op de canonical URL. Gebruik curl -sS en zoek de claim op. Status 200 , de claim staat in de HTML en er is geen onverwachte noindex . 20–35 Herschrijf het eerste scherm zodat de claim, de uitzondering, de naam en de datum in de eerste drie zinnen staan. Je kunt die zinnen vanaf de live pagina plakken. 35–45 Volg één sameAs - of Over-link. Repareer of verwijder deze. De link retourneert 200 en herhaalt exact dezelfde naam. 45–55 Plaats de primaire bron en de geraadpleegde datum direct naast de claim. Een scepticus kan de bron openen zonder een formulier in te vullen. 55–60 Draai drie prompts in ChatGPT Search. Noteer naam / URL / geen van beide. Het logboek bestaat, zelfs als op alle drie de regels \"geen van beide\" staat. Als de eerste twee rijen falen, heb je geen probleem met citaties. Je hebt een gesloten deur. Repareer die deur voordat je iemand inhuurt om \"GEO te doen\". Toestemming is nog geen naam. Schrijf de zin. Laat OAI-SearchBot hem ophalen. Bekijk daarna het antwoord en beoordeel zelf of je erin staat.","keyTakeaways":["Als ChatGPT Search het doel is, sta OAI-SearchBot toe op die URL. Zet GPTBot bewust. OpenAI zegt dat een wijziging aan de zoekkant ongeveer 24 uur kan duren.","Haal de live URL op. Staat de claim niet in de eerste HTML-respons, dan kan ChatGPT Search hem van die pagina niet citeren.","Win het van andere geschikte pagina's met een unieke, gedateerde, onderbouwde zin en een naam die de machine kan koppelen. Wacht daarvoor niet op een GEO-retainer.","Log de prompt, of je naam verscheen, en utm_source=chatgpt.com apart. Het generatieve rapport van Google meet Google.","Test ChatGPT Search, niet een chat uit het geheugen. Log benoemd, gelinkt en gebruikt-niet-geciteerd als drie verschillende uitkomsten."],"readingMinutes":11,"publishedAt":"2026-08-19T09:05:00.000Z"}},"degree":21},{"id":"article:how-to-run-a-pre-mortem","type":"article","pillar":"founder-performance","locales":{"en":{"label":"How to run a pre-mortem in 20 minutes","summary":"A pre-mortem is a short meeting before you commit to a plan: the team assumes the plan has already failed and explains why. Gary Klein described the method in Harvard Business Review in 2007. This 20-minute version keeps his sequence of briefing, declared failure, silent writing and one reason per turn, then gives three priority risks an owner and a response. Use it to surface risks; the evidence reviewed here does not show that it makes decisions more accurate.","url":"/en/blog/how-to-run-a-pre-mortem/","searchText":"How to run a pre-mortem in 20 minutes Run a 20-minute pre-mortem: assume the plan has already failed and explain why. Copy the agenda, give each risk an owner, and see where the evidence stops. Asking \"what could go wrong?\" turns every doubt into a challenge to the plan. Declaring \"it has failed\" makes explaining the failure the task. The result is a list of risks, not proof of a better decision. A pre-mortem is a short meeting before you commit to a plan: the team assumes the plan has already failed and explains why. Gary Klein described the method in Harvard Business Review in 2007. This 20-minute version keeps his sequence of briefing, declared failure, silent writing and one reason per turn, then gives three priority risks an owner and a response. Use it to surface risks; the evidence reviewed here does not show that it makes decisions more accurate. how to run a pre-mortem Declaring that the plan has failed makes explaining it the task, so raising a doubt is part of the job. The framing alone does not guarantee candour. Write in silence before anyone speaks, then share one reason per person per turn, starting with the decision owner. Give each priority risk an owner and a response: prevent, monitor or accept. For a monitored risk, name the warning sign and the threshold that reopens the plan. The popular '30% better' claim overstates the evidence reviewed here. The 1989 study's abstract reports longer, more episodic, past-tense explanations; it does not report accuracy. founder-resilience pre-mortem A meeting held before committing to a plan, in which the team assumes the plan has already failed and explains why. prospective hindsight Imagining that a future event has already happened and then explaining it, as if looking back. post-mortem A review after something has failed, asking what went wrong. A pre-mortem does not ask what could go wrong; it declares that the plan has failed and asks why. Asking what could go wrong keeps failure hypothetical, so every doubt reads as an argument against a plan the group already backs. Declaring failure makes it the premise, so explaining it becomes the task. The decision researcher Gary Klein described the method in Harvard Business Review in 2007. The name reverses the post-mortem, the review held after something has failed: you run a pre-mortem before you commit, while the plan can still change. The format below adapts Klein's procedure into a 20-minute meeting for a small team. Use it to surface risks and decide what to do about them. A longer risk list does not, by itself, prove a better decision. What changes when you declare \"it has failed\"? Klein's diagnosis is blunt: \"Projects fail at a spectacular rate,\" partly because \"too many people are reluctant to speak up about their reservations during the all-important planning phase.\" In a pre-mortem, everyone explains the same imagined failure, so a doubt is an answer, not an objection. The wording alone cannot make people feel safe enough to speak, though; how the decision owner reacts to the first uncomfortable reason still matters. Keep the distinction clear as you facilitate. Failure is certain inside the exercise . The causes people propose remain possibilities to examine. What one pre-mortem surfaced Klein's article describes a pre-mortem on a project to give military air-campaign planners advanced computer algorithms. A team member who had said nothing during the kickoff meeting pointed out that one algorithm would not fit easily on the laptops used in the field: the software would take hours to run when users needed quick answers. It turned out that the algorithm developers already had a shortcut, which they had been reluctant to mention. It went into the plan, and Klein reports that the project was highly successful. The example shows the intended sequence: a quiet reservation becomes explicit, and the plan changes. As one reported case, it does not show how much the pre-mortem contributed to the outcome. What does the research actually show? Klein cites a 1989 study by Deborah Mitchell, J. Edward Russo and Nancy Pennington, and writes that prospective hindsight, imagining that an event has already happened, \"increases the ability to correctly identify reasons for future outcomes by 30%.\" The study's abstract reports something narrower. Explanations of outcomes framed as certain \"tended to be longer, to contain a higher proportion of episodic reasons, and to be expressed in past tense.\" Those are differences in the explanations, not a reported measure of accuracy. Jason Collins's course notes on the pre-mortem state that the study \"did not assess the quality of the reasons.\" This page draws on that abstract and Collins's commentary; the full paper was not reviewed. Neither supports reading the popular \"30% better\" claim as a demonstrated gain in decision accuracy. Chapter 6 of The Calibrated Mind keeps the same boundary. It treats the pre-mortem as strong for surfacing risks but cites no randomized trial isolating its effect on decision accuracy. Whether the exercise improves the final decision remains open on the evidence reviewed here. The 20-minute script Choose a real plan that everyone attending already knows. Share it before the meeting, so the first two minutes are a recap, not a pitch. Assign three roles: - Decision owner: accountable for the plan and the follow-up. Listens without defending the plan during the read-out. - Facilitator: keeps time and holds discussion until every reason is collected. Ideally someone other than the decision owner. - Scribe: records the reasons where everyone can see them. In a small team, the facilitator can do this too. Minutes Step What happens --- --- --- 0-2 Frame The decision owner recaps the plan in one sentence, with a date. No new proposals. 2-3 Declare failure The facilitator says: \"It is one year from today. This plan failed badly. Not might have. Did.\" 3-8 Write alone In silence, everyone writes down every reason they can think of for the failure, including reservations they would normally keep to themselves. 8-14 Read out One reason per person per turn, starting with the decision owner. No debate, no defence. At minute 14, collect any reasons not yet read out. 14-17 Group Merge overlaps. Choose three risks that are plausible and costly. A serious cause raised by only one person can make the three. 17-20 Assign Give each risk an owner and a response: prevent, monitor or accept. For a monitored risk, name the warning sign and the threshold that reopens the plan. The first four steps follow Klein, whose read-out starts with the project manager and continues until every reason is recorded. The timings, roles and grouping are this page's practical design, not a tested protocol, and the prevent / monitor / accept rule comes from The Calibrated Mind. If time runs out, keep the unread reasons for the decision owner's review rather than treating the spoken list as complete. Copy-paste agenda text PRE-MORTEM (20 min) Before the meeting: share the plan with everyone attending. Plan: by (date): Decision owner: Facilitator: Scribe: 00-02 Frame: owner recaps the plan in one sentence, with a date 02-03 Declare: \"It is one year from today. This plan failed badly. Not might have. Did.\" 03-08 Write alone, in silence: every reason it failed 08-14 Read out: one reason per person per turn, owner first, no debate At minute 14, collect any reasons not yet read out. 14-17 Group overlaps; choose 3 plausible, costly risks 17-20 Assign each risk an owner and a response: prevent / monitor / accept For monitor: warning sign + threshold that reopens the plan For each of the 3 risks: Risk: Owner: Response: prevent / monitor / accept Action, or reason for accepting: If monitoring, warning sign and threshold: Follow-up: owner reviews the full list; check responses at the first milestone. Plan changed? Y / N. If not, why not? Turn the list into decisions After the session, the decision owner reviews the full list for ways to strengthen the plan, as in Klein's procedure. The three priorities focus the immediate work; they are not permission to discard everything else. A concern that came up several times deserves attention, but repetition is not a measure of likelihood, so examine serious causes that only one person noticed, too. An unchanged plan is not automatically a failed exercise. Record why the risks are already covered or worth accepting. The useful test is whether each serious concern received an explicit response. Keep the risks in the project plan and, for a decision that is hard to undo, in a five-line decision journal. Check the responses at the first milestone. How does a pre-mortem go wrong? It becomes a complaint session. Require each reason to explain how this plan failed, in the past tense, with a cause. \"Management never backs us\" names no cause. \"The launch slipped because legal review took six weeks and nobody booked it\" does. Ask for the missing cause before moving on. It becomes a vote. An imagined failure is not evidence that you should abandon the plan. Review the causes and what you could do about them first, then decide whether to proceed. One voice takes over. Keep the writing silent and independent. During the read-out, take one reason per person per turn and stop anyone from defending the plan. It becomes routine overhead. Reserve the session for consequential plans that are expensive to reverse. For a cheap, reversible choice, trying it may be the more useful test. The solo version (10 minutes) Working alone? Write a paragraph in the past tense: \"It is a year from now and this failed. Here is what happened.\" Underline three causes and give each a response: prevent, monitor or accept. You lose other people's knowledge and objections, so treat the result as one person's account of how the plan could fail. Use it to decide what to check before you commit. Where this sits in CALIBRATE CALIBRATE is the nine-step method in The Calibrated Mind for matching confidence to evidence. You do not need the book to run this session. The pre-mortem belongs in step 4, Investigate alternatives : test a belief against the strongest competing explanation. Here the belief is that the plan will work, and the competing explanation is a specific story of how it failed. Consider a hypothetical five-person software company planning to move every customer to a new billing system in the third quarter. Its failure story is specific: \"It failed because customers on old annual contracts could not be moved automatically, support was flooded in week one, and nobody had been assigned to fix contracts by hand.\" That story gives the team a risk (old contracts), an owner (the finance lead) and something to monitor (manual billing tickets). More than ten in the first week is an illustrative threshold for reopening the plan, not a research-backed benchmark. The CALIBRATE framework page sets out all nine steps. Calibration techniques for founders covers the habits around it. Try this today (20 minutes) Pick a plan you expect to commit to in the next month. Share it with two or three people who know the work, and paste the agenda above into the invitation. After 20 minutes, check the output: three risks, an owner and a response for each, and a warning sign and threshold for anything you will monitor. Record what changed, or why nothing needed to. That is the test you can run today. Whether it led to a better decision is a separate question, and one meeting cannot answer it.","keyTakeaways":["Declaring that the plan has failed makes explaining it the task, so raising a doubt is part of the job. The framing alone does not guarantee candour.","Write in silence before anyone speaks, then share one reason per person per turn, starting with the decision owner.","Give each priority risk an owner and a response: prevent, monitor or accept. For a monitored risk, name the warning sign and the threshold that reopens the plan.","The popular '30% better' claim overstates the evidence reviewed here. The 1989 study's abstract reports longer, more episodic, past-tense explanations; it does not report accuracy."],"readingMinutes":8,"publishedAt":"2026-10-16T14:00:00.000Z"},"nl":{"label":"Zo houd je een pre-mortem in 20 minuten","summary":"Een pre-mortem is een korte bijeenkomst voordat je je aan een plan vastlegt: het team gaat ervan uit dat het plan al mislukt is en legt uit waarom. Gary Klein beschreef de methode in 2007 in Harvard Business Review. Deze versie van 20 minuten volgt zijn volgorde van briefing, aangekondigde mislukking, stil schrijven en één reden per beurt, en geeft daarna drie prioritaire risico's een eigenaar en een aanpak. Gebruik de methode om risico's boven tafel te krijgen; het bewijs dat hier is bekeken, laat niet zien dat besluiten er juister door worden.","url":"/nl/blog/pre-mortem-in-20-minuten/","searchText":"Zo houd je een pre-mortem in 20 minuten Houd een pre-mortem van 20 minuten: ga ervan uit dat het plan al mislukt is en leg uit waarom. Kopieer de agenda, geef elk risico een eigenaar en lees waar het bewijs ophoudt. De vraag \"wat kan er misgaan?\" maakt van elke twijfel een bezwaar tegen het plan. De mededeling \"het is mislukt\" maakt het verklaren van die mislukking tot de opdracht. Het resultaat is een lijst met risico's, geen bewijs van een beter besluit. Een pre-mortem is een korte bijeenkomst voordat je je aan een plan vastlegt: het team gaat ervan uit dat het plan al mislukt is en legt uit waarom. Gary Klein beschreef de methode in 2007 in Harvard Business Review. Deze versie van 20 minuten volgt zijn volgorde van briefing, aangekondigde mislukking, stil schrijven en één reden per beurt, en geeft daarna drie prioritaire risico's een eigenaar en een aanpak. Gebruik de methode om risico's boven tafel te krijgen; het bewijs dat hier is bekeken, laat niet zien dat besluiten er juister door worden. pre-mortem houden Wie vaststelt dat het plan mislukt is, maakt verklaren tot de opdracht, en twijfel uiten hoort dan bij het werk. Openheid is daarmee nog niet gegarandeerd. Schrijf eerst in stilte, voordat iemand iets zegt. Deel daarna om de beurt één reden per persoon, te beginnen bij de beslissingseigenaar. Geef elk prioritair risico een eigenaar en een aanpak: voorkomen, bewaken of accepteren. Bewaak je een risico, benoem dan het waarschuwingssignaal en de drempel waarbij het plan weer op tafel komt. De populaire claim '30% beter' gaat verder dan het hier bekeken bewijs. De samenvatting van het onderzoek uit 1989 meldt langere, meer episodische verklaringen in de verleden tijd; over juistheid zegt ze niets. founder-resilience pre-mortem Een bijeenkomst voordat je je aan een plan vastlegt, waarin het team ervan uitgaat dat het plan al mislukt is en uitlegt waarom. terugblik vanuit de toekomst Je voorstellen dat een toekomstige gebeurtenis al heeft plaatsgevonden en die dan verklaren, alsof je terugkijkt. In het Engels prospective hindsight. post-mortem Een evaluatie nadat iets mislukt is, waarin je vraagt wat er fout ging. Een pre-mortem vraagt niet wat er mis kan gaan, maar stelt vast dat het plan mislukt is en vraagt waarom. Wie vraagt wat er mis kan gaan, houdt de mislukking hypothetisch: elke twijfel klinkt dan als een bezwaar tegen een plan waar de groep al achter staat. Wie vaststelt dat het plan mislukt is, maakt van die mislukking het uitgangspunt, en verklaren wordt de opdracht. Besluitvormingsonderzoeker Gary Klein beschreef de methode in 2007 in Harvard Business Review. De naam is het spiegelbeeld van de post-mortem, de evaluatie nadat iets mislukt is: een pre-mortem houd je voordat je je vastlegt, zolang het plan nog kan veranderen. Het format hieronder giet Kleins werkwijze in een bijeenkomst van 20 minuten voor een klein team. Gebruik het om risico's boven tafel te krijgen en te beslissen wat je ermee doet. Een langere risicolijst bewijst op zichzelf nog geen beter besluit. Wat verandert er als je de mislukking vaststelt? Kleins diagnose is onomwonden: projecten mislukken schrikbarend vaak, onder meer omdat te veel mensen hun bedenkingen in de allesbepalende planningsfase voor zich houden. In een pre-mortem verklaart iedereen dezelfde denkbeeldige mislukking, dus is een twijfel een antwoord en geen bezwaar. De formulering alleen zorgt er nog niet voor dat mensen zich veilig genoeg voelen om iets te zeggen; hoe de beslissingseigenaar reageert op de eerste ongemakkelijke reden, blijft ertoe doen. Houd het onderscheid scherp terwijl je de sessie leidt. Binnen de oefening staat de mislukking vast. De oorzaken die mensen aandragen, blijven mogelijkheden om te onderzoeken. Wat één pre-mortem boven tafel bracht Klein beschrijft een pre-mortem bij een project om planners van militaire luchtcampagnes geavanceerde computeralgoritmen te geven. Een teamlid dat tijdens de kick-off niets had gezegd, wees erop dat een van de algoritmen niet makkelijk op de laptops in het veld zou passen: de software zou er uren over doen, terwijl gebruikers snel antwoord nodig hadden. De ontwikkelaars van het algoritme bleken al een kortere weg te hebben, die ze uit terughoudendheid niet hadden genoemd. Die kwam in het plan, en volgens Klein werd het project een groot succes. Het voorbeeld laat de bedoelde volgorde zien: een stille bedenking wordt uitgesproken, en het plan verandert. Het blijft één gerapporteerd geval: hoeveel de pre-mortem aan de uitkomst bijdroeg, blijkt er niet uit. Wat laat het onderzoek eigenlijk zien? Klein verwijst naar een onderzoek uit 1989 van Deborah Mitchell, J. Edward Russo en Nancy Pennington. Volgens hem vergroot een terugblik vanuit de toekomst (je voorstellen dat iets al gebeurd is) met 30% het vermogen om de redenen voor toekomstige uitkomsten correct te benoemen. De samenvatting van het onderzoek zelf meldt iets bescheideners. Werd een uitkomst als zeker gepresenteerd, dan waren de verklaringen doorgaans langer, bevatten ze naar verhouding meer episodische redenen en stonden ze in de verleden tijd. Dat zijn verschillen in de verklaringen, geen gerapporteerde maat voor juistheid. Volgens de cursusnotities van Jason Collins over de pre-mortem heeft het onderzoek de kwaliteit van de redenen niet beoordeeld. Deze pagina steunt op die samenvatting en op het commentaar van Collins; het volledige artikel is niet ingezien. Geen van beide rechtvaardigt het om de populaire claim \"30% beter\" te lezen als aangetoonde winst in de juistheid van besluiten. Hoofdstuk 6 van De gekalibreerde geest houdt dezelfde grens aan. Het boek behandelt de pre-mortem als sterk in het blootleggen van risico's, maar noemt geen gerandomiseerd onderzoek dat het effect op de juistheid van besluiten isoleert. Of de oefening het uiteindelijke besluit beter maakt, blijft op basis van het hier bekeken bewijs een open vraag. Het script van 20 minuten Kies een echt plan dat iedereen die aanschuift al kent. Deel het vóór de bijeenkomst, zodat de eerste twee minuten een samenvatting zijn en geen pitch. Verdeel drie rollen: - Beslissingseigenaar: verantwoordelijk voor het plan en de opvolging. Luistert tijdens het voorlezen zonder het plan te verdedigen. - Gespreksleider: bewaakt de tijd en stelt discussie uit tot alle redenen verzameld zijn. Liefst iemand anders dan de beslissingseigenaar. - Notulist: schrijft de redenen op waar iedereen ze kan zien. In een klein team kan de gespreksleider dat erbij doen. Minuten Stap Wat er gebeurt --- --- --- 0-2 Samenvatten De beslissingseigenaar vat het plan samen in één zin, met een datum. Geen nieuwe voorstellen. 2-3 Mislukking aankondigen De gespreksleider zegt: \"Het is een jaar later. Dit plan is jammerlijk mislukt. Niet misschien: het is gebeurd.\" 3-8 Stil schrijven In stilte schrijven alle deelnemers zoveel mogelijk redenen voor de mislukking op, ook bedenkingen die ze normaal voor zich houden. 8-14 Voorlezen Om de beurt één reden per persoon, te beginnen bij de beslissingseigenaar. Geen discussie, geen verdediging. Haal bij minuut 14 de redenen op die nog niet zijn voorgelezen. 14-17 Groeperen Voeg overlap samen. Kies drie risico's die aannemelijk én kostbaar zijn. Een serieuze oorzaak die maar één persoon noemde, kan bij die drie horen. 17-20 Toewijzen Geef elk risico een eigenaar en een aanpak: voorkomen, bewaken of accepteren. Bewaak je een risico, benoem dan het waarschuwingssignaal en de drempel waarbij het plan weer op tafel komt. De eerste vier stappen volgen Klein, bij wie het voorlezen begint bij de projectmanager en doorgaat tot alle redenen genoteerd zijn. De tijden, de rollen en het groeperen zijn het praktische ontwerp van deze pagina, geen getest protocol, en de regel voorkomen / bewaken / accepteren komt uit De gekalibreerde geest. Is de tijd op, bewaar dan de niet-voorgelezen redenen voor de beslissingseigenaar en behandel de uitgesproken lijst niet als volledig. Agenda om te kopiëren text PRE-MORTEM (20 min) Vooraf: deel het plan met iedereen die aanschuift. Plan: uiterlijk (datum): Beslissingseigenaar: Gespreksleider: Notulist: 00-02 Samenvatten: eigenaar vat het plan samen in één zin, met datum 02-03 Aankondigen: \"Het is een jaar later. Dit plan is jammerlijk mislukt. Niet misschien: het is gebeurd.\" 03-08 Stil schrijven, ieder voor zich: elke reden waarom het mislukte 08-14 Voorlezen: één reden per persoon per beurt, eigenaar eerst, geen discussie Haal bij minuut 14 de nog niet voorgelezen redenen op. 14-17 Overlap samenvoegen; 3 aannemelijke, kostbare risico's kiezen 17-20 Elk risico een eigenaar en een aanpak: voorkomen / bewaken / accepteren Bij bewaken: waarschuwingssignaal + drempel waarbij het plan weer op tafel komt Voor elk van de 3 risico's: Risico: Eigenaar: Aanpak: voorkomen / bewaken / accepteren Actie, of reden om te accepteren: Bij bewaken, waarschuwingssignaal en drempel: Opvolging: eigenaar loopt de volledige lijst na; aanpak controleren bij de eerste mijlpaal. Plan aangepast? J / N. Zo nee, waarom niet? Maak van de lijst besluiten Na de sessie loopt de beslissingseigenaar de volledige lijst na op manieren om het plan sterker te maken, zoals in Kleins werkwijze. De drie prioriteiten sturen het werk van nu; ze zijn geen vrijbrief om de rest weg te gooien. Een zorg die vaker terugkwam, verdient aandacht, maar herhaling is geen maat voor waarschijnlijkheid. Bekijk dus ook de serieuze oorzaken die maar één persoon zag. Een ongewijzigd plan betekent niet automatisch dat de oefening mislukt is. Noteer waarom de risico's al gedekt zijn of het accepteren waard. De bruikbare toets is of elke serieuze zorg een expliciet antwoord heeft gekregen. Zet de risico's in de projectplanning en, bij een besluit dat moeilijk terug te draaien is, in een besluitjournaal in vijf regels. Loop de aanpak bij de eerste mijlpaal opnieuw na. Hoe gaat een pre-mortem mis? Het wordt een klaagsessie. Eis dat elke reden uitlegt hoe dit plan mislukte, in de verleden tijd, met een oorzaak. \"Het management steunt ons nooit\" noemt geen oorzaak. \"De lancering liep uit omdat de juridische toets zes weken duurde en niemand die had ingepland\" wel. Vraag door naar de ontbrekende oorzaak voordat je verdergaat. Het wordt een stemming. Een denkbeeldige mislukking is geen bewijs dat je het plan moet schrappen. Bekijk eerst de oorzaken en wat je eraan kunt doen, en beslis daarna of je doorgaat. Eén stem neemt het over. Houd het schrijven stil en zelfstandig. Neem tijdens het voorlezen één reden per persoon per beurt, en laat niemand het plan verdedigen. Het wordt een verplicht nummer. Bewaar de sessie voor belangrijke plannen die duur zijn om terug te draaien. Bij een goedkope, omkeerbare keuze kan gewoon proberen de nuttigere test zijn. De soloversie (10 minuten) Werk je alleen? Schrijf een alinea in de verleden tijd: \"Het is een jaar later en dit is mislukt. Dit is er gebeurd.\" Onderstreep drie oorzaken en geef elke oorzaak een aanpak: voorkomen, bewaken of accepteren. Je mist de kennis en de tegenwerpingen van anderen, dus behandel het resultaat als het verhaal van één persoon over hoe het plan kan mislukken. Gebruik het om te bepalen wat je moet controleren voordat je je vastlegt. Waar dit past in CALIBRATE CALIBRATE is de methode in negen stappen uit De gekalibreerde geest om je zekerheid af te stemmen op het bewijs. Voor deze sessie heb je het boek niet nodig. De pre-mortem hoort bij stap 4, Onderzoek alternatieven : toets een overtuiging aan de sterkste concurrerende verklaring. Hier is de overtuiging dat het plan gaat werken, en de concurrerende verklaring een concreet verhaal over hoe het mislukte. Neem een hypothetisch softwarebedrijf met vijf mensen dat in het derde kwartaal alle klanten wil overzetten naar een nieuw facturatiesysteem. Het mislukkingsverhaal is concreet: \"Het mislukte omdat klanten met oude jaarcontracten niet automatisch over te zetten waren, de klantenservice in week één werd overspoeld en niemand was aangewezen om contracten met de hand te corrigeren.\" Dat verhaal geeft het team een risico (oude contracten), een eigenaar (de financieel verantwoordelijke) en iets om te bewaken (handmatige facturatietickets). Meer dan tien in de eerste week is een illustratieve drempel om het plan weer op tafel te leggen, geen door onderzoek onderbouwde norm. Op de CALIBRATE-pagina staan alle negen stappen. Kalibratietechnieken voor founders behandelt de gewoontes eromheen. Probeer dit vandaag (20 minuten) Kies een plan waarover je de komende maand de knoop doorhakt. Deel het met twee of drie mensen die het werk kennen, en plak de agenda hierboven in de uitnodiging. Controleer na 20 minuten wat eruit kwam: drie risico's, voor elk een eigenaar en een aanpak, en voor alles wat je bewaakt een waarschuwingssignaal en een drempel. Noteer wat er veranderde, of waarom niets hoefde te veranderen. Dat is de test die je vandaag kunt doen. Of het tot een beter besluit leidde, is een andere vraag, en die beantwoordt één bijeenkomst niet.","keyTakeaways":["Wie vaststelt dat het plan mislukt is, maakt verklaren tot de opdracht, en twijfel uiten hoort dan bij het werk. Openheid is daarmee nog niet gegarandeerd.","Schrijf eerst in stilte, voordat iemand iets zegt. Deel daarna om de beurt één reden per persoon, te beginnen bij de beslissingseigenaar.","Geef elk prioritair risico een eigenaar en een aanpak: voorkomen, bewaken of accepteren. Bewaak je een risico, benoem dan het waarschuwingssignaal en de drempel waarbij het plan weer op tafel komt.","De populaire claim '30% beter' gaat verder dan het hier bekeken bewijs. De samenvatting van het onderzoek uit 1989 meldt langere, meer episodische verklaringen in de verleden tijd; over juistheid zegt ze niets."],"readingMinutes":8,"publishedAt":"2026-10-16T14:05:00.000Z"}},"degree":6},{"id":"article:human-in-the-loop-meaning","type":"article","pillar":"ai-systems","locales":{"en":{"label":"Human in the loop meaning: a named person who can fail the work","summary":"Human in the loop means a named person holds an authority ceiling and a review gate. That person charters the work, can stop a tool call, and owns the outcome. It is not a human glancing at a dashboard. If no one can fail the output against written criteria, the loop is decorative. A vendor slide that says HITL without a named reviewer is a slogan. The name, the ceiling, and the fail criteria have to live in the runbook, not in the deck.","url":"/en/blog/human-in-the-loop-meaning/","searchText":"Human in the loop meaning: a named person who can fail the work Human in the loop means a named person holds an authority ceiling and a review gate. It is not a glance at a dashboard, not a weekly committee, and not a vendor slide that says HITL. If nobody can fail the output against written criteria, the loop is decorative. Human in the loop means a named person holds an authority ceiling and a review gate. That person charters the work, can stop a tool call, and owns the outcome. It is not a human glancing at a dashboard. If no one can fail the output against written criteria, the loop is decorative. A vendor slide that says HITL without a named reviewer is a slogan. The name, the ceiling, and the fail criteria have to live in the runbook, not in the deck. human in the loop meaning HITL is a named person, a ceiling, and a fail line. Missing any one of those, you have theatre. A dashboard watcher is not a loop. A weekly steering committee is not a loop. If the output can ship while that person is offline, the loop is already broken. A charter says what the agent does. Override doctrine says what it must refuse. HITL is who can stop it. ai-agents Human in the loop A named person with an authority ceiling and a review gate. Override doctrine The written list of decisions an agent may never take. AI agent A system that holds a goal, uses tools, and acts across steps under a charter. Human in the loop is a phrase vendors print on a slide and operators forget to staff. The live meaning on this site is narrower, and it is the one that survives a Monday. Human in the loop meaning: a named person holds an authority ceiling and a review gate. That person charters the work, can stop a tool call, and owns the outcome. If nobody can fail the output against written criteria, you do not have a loop. You have a spectator. The verb is fail. Not \"look at.\" Not \"be informed.\" Not \"keep an eye on the dashboard.\" Fail means the work does not leave the building. The glossary capsule says the same thing without decoration. This page is the test you run when a slide already used the letters HITL. Not a dashboard A glance at Grafana is not HITL. A weekly steering committee is not HITL. A Slack channel called human-review is not HITL if the message can age out while the send still goes. A function is not a name. \"Ops\" cannot fail a payload. \"The team\" cannot fail a payload. A rotating on-call is a name only for the hours that person is named. If the runbook says \"reviewer: platform,\" you wrote a department, not a loop. Near-100% approval is not a quality system. If that person has never failed an output this month, they are decorating the path. Either the work is so tightly chartered that fail almost never triggers, and you can show the last fail anyway, or they are signing because the queue is the job. The test is ugly and cheap. 1. Write the person's name. 2. Write the ceiling: spend, send, delete, speak as the company. 3. Write the fail line: the sentence that stops the work. 4. Ask whether the output can ship while that person is on a plane. If line four is yes, the loop is already broken. The live glossary says it without decoration: if the output can ship while that person is offline, you do not have HITL. You have a slogan. What fail looks like on a real payload Take an overdue-invoice worker. The founder is named. The ceiling is draft only: no send, no new discount, no promise of legal action. The fail line is written: fail any draft that invents a fee, changes a due date, or treats a disputed row as collectable. The offline rule is a hold. The queue waits. Nothing leaves. That is a loop. You can point at a person, a ceiling, a sentence, and a hold. Now break it in the usual ways. The name becomes \"finance.\" Three people glance. Nobody owns the fail. The send still goes. The ceiling is \"use judgment.\" Judgment is not a ceiling. A ceiling is a verb the tool may not conjugate: send, spend, delete, speak as the company. The fail line is \"looks fine.\" That sentence cannot reject a wrong amount. It can only bless tone. The offline rule is \"ship anyway, we will catch it in the morning.\" You already decided the loop is optional. Morning is archaeology. If you cannot fill those four lines for the next irreversible call, do not print HITL on the architecture diagram. Print \"unattended send\" and live with the honesty. Not a substitute for a refuse-list A named reviewer is not override doctrine. The doctrine is the written list of decisions the agent may never take. The loop is who enforces the list before the irreversible act. If the agent already sent the email, the loop is archaeology. Write the refuse-list before the first tool that can send, spend, or delete. Then name the human who can fail the call. The doctrine has to hold at 03:00 when the named person is asleep. That is why it is a list, not a vibe in the prompt. HITL is the person on the step that still needs a human. The list is what the worker must refuse even when that person is not in the room. Different objects. Both required the moment a tool can leave the building. Watching the next run after this one shipped is a weaker seat. On this site that seat is not HITL. Do not rename a gallery view as a fail gate. Not every chatbot An AI agent holds a goal, uses tools, and continues across steps under a charter. A chatbot answers a turn. Mixing the words is how a chatbot inherits an API key. HITL is the person who still has a key of their own: the authority to stop the next call. A chatbot that only emits text into a window you control does not need a production reviewer. The moment you paste that text into mail, or you give the window a send tool, you created the irreversible step. Name the person on that step, or admit there isn't one. LLM integration is operating design is the longer seat map: ownership, permission, review. This page is only the definition of the reviewer. A card you can keep in the runbook Four lines. Not a framework expansion. Name. One person, not a function. First name and last name, or a unique handle the org already treats as a person. If two people can \"cover,\" write who covers when, and write that the output waits. Ceiling. What they may approve. What they may never approve. Spend, send, delete, speak as the company are the default four. If your tool cannot do those, you may not need this card yet. If it can, and the ceiling is blank, the tool already has more authority than the human. Fail line. The written criterion. \"Looks fine\" is not a criterion. A fail line names a fact that must be true, or a fact that must not be true, in the payload. Invoice number matches the sheet. Amount matches the sheet. Customer is not on the dispute list. The reviewer can point at the false sentence and stop the call. Offline rule. What happens when they are unreachable. If the answer is \"ship anyway,\" you already decided the loop is optional. A hold is a loop. A timeout that auto-approves is a fuse with a calendar. Run the card on one live tool this week. If any line is blank, the letters HITL on the slide are doing sales work. Fill the line or disconnect the tool. The Human-in-the-Loop Life is the personal side of that question: where you stand in the cycle, at which level, and whether you are actually there. It is an early draft. It is not for sale. The four lines are already usable.","keyTakeaways":["HITL is a named person, a ceiling, and a fail line. Missing any one of those, you have theatre.","A dashboard watcher is not a loop. A weekly steering committee is not a loop.","If the output can ship while that person is offline, the loop is already broken.","A charter says what the agent does. Override doctrine says what it must refuse. HITL is who can stop it."],"readingMinutes":6,"publishedAt":"2026-08-27T03:00:00.000Z"},"nl":{"label":"Wat betekent mens in de lus? Een benoemde persoon die het werk kan afkeuren","summary":"Mens in de lus betekent dat een benoemde persoon een autoriteitsplafond en een beoordelingspoort heeft. Die persoon chartert het werk, kan een toolaanroep stoppen en is eigenaar van de uitkomst. Het is geen mens die naar een dashboard kijkt. Als niemand de output kan afkeuren tegen geschreven criteria, is de lus decoratief. Een slide van een leverancier met HITL en zonder benoemde beoordelaar is een slogan. De naam, het plafond en de faalcriteria moeten in het runbook leven, niet in het deck.","url":"/nl/blog/mens-in-de-lus-betekenis/","searchText":"Wat betekent mens in de lus? Een benoemde persoon die het werk kan afkeuren Mens in de lus betekent dat een benoemde persoon een autoriteitsplafond en een beoordelingspoort heeft. Het is geen blik op een dashboard, geen wekelijkse commissie en geen slide van een leverancier waarop HITL staat. Als niemand de output kan afkeuren op basis van geschreven criteria, is de lus decoratief. Mens in de lus betekent dat een benoemde persoon een autoriteitsplafond en een beoordelingspoort heeft. Die persoon chartert het werk, kan een toolaanroep stoppen en is eigenaar van de uitkomst. Het is geen mens die naar een dashboard kijkt. Als niemand de output kan afkeuren tegen geschreven criteria, is de lus decoratief. Een slide van een leverancier met HITL en zonder benoemde beoordelaar is een slogan. De naam, het plafond en de faalcriteria moeten in het runbook leven, niet in het deck. betekenis van mens in de lus HITL is een benoemde persoon, een plafond en een faallijn. Ontbreekt er één, dan heb je theater. Een dashboardkijker is geen lus. Een wekelijkse stuurgroep is geen lus. Als de output kan worden verzonden terwijl die persoon offline is, is de lus al verbroken. Een charter zegt wat de agent doet. De override-doctrine zegt wat hij moet weigeren. HITL is wie hem kan stoppen. ai-agents Mens in de lus Een benoemde persoon met een autoriteitsplafond en een beoordelingspoort. Override-doctrine De geschreven lijst van beslissingen die een agent nooit mag nemen. AI-agent Een systeem dat een doel heeft, tools gebruikt en over stappen heen handelt onder een charter. Mens in de lus is een zin die leveranciers op een slide zetten en operators vergeten te bemannen. De live betekenis op deze site is smaller, en het is degene die een maandag overleeft. Wat mens in de lus hier betekent: een benoemde persoon heeft een autoriteitsplafond en een beoordelingspoort. Die persoon chartert het werk, kan een toolaanroep stoppen en is eigenaar van de uitkomst. Als niemand de output kan afkeuren op basis van geschreven criteria, heb je geen lus. Je hebt een toeschouwer. Het werkwoord is afkeuren. Niet \"bekijken.\" Niet \"op de hoogte zijn.\" Niet \"een oogje op het dashboard houden.\" Afkeuren betekent: het werk verlaat het gebouw niet. De begrippencapsule zegt hetzelfde zonder opsmuk. Deze pagina is de test die je draait wanneer een slide de letters HITL al heeft gebruikt. Geen dashboard Een blik op Grafana is geen HITL. Een wekelijkse stuurgroep is geen HITL. Een Slack-kanaal genaamd human-review is geen HITL als het bericht kan verouderen terwijl de verzending toch doorgaat. Een functie is geen naam. \"Operations\" kan geen zending afkeuren. \"Het team\" kan geen zending afkeuren. Een wisselende piketdienst is alleen een naam in de uren dat die persoon is benoemd. Als het runbook zegt \"beoordelaar: platform,\" heb je een afdeling geschreven, geen lus. Bijna honderd procent goedkeuring is geen kwaliteitssysteem. Als die persoon deze maand nog geen output heeft afgekeurd, siert hij het pad. Of het werk is zo strak gecharterd dat afkeuren bijna nooit triggert, en je kunt de laatste afkeuring tóch laten zien, of hij tekent omdat de wachtrij het werk is. De test is lelijk en goedkoop. 1. Schrijf de naam van de persoon op. 2. Schrijf het plafond op: uitgeven, verzenden, verwijderen, spreken namens het bedrijf. 3. Schrijf de faallijn op: de zin die het werk stopt. 4. Vraag of de output verzonden kan worden terwijl die persoon in het vliegtuig zit. Als regel vier ja is, is de lus al verbroken. De live begrippenlijst zegt het zonder opsmuk: als de output verzonden kan worden terwijl die persoon offline is, heb je geen HITL. Je hebt een slogan. Hoe afkeuren eruitziet op een echte payload Neem een werker voor achterstallige facturen. De oprichter is benoemd. Het plafond is alleen concept: geen verzenden, geen nieuwe korting, geen belofte van juridische stappen. De faallijn is geschreven: keur elk concept af dat een toeslag verzint, een vervaldatum wijzigt of een betwiste rij als invorderbaar behandelt. De offlineregel is een wachtstand. De wachtrij wacht. Er gaat niets de deur uit. Dat is een lus. Je kunt wijzen naar een persoon, een plafond, een zin en een wachtstand. Breek hem nu op de gebruikelijke manieren. De naam wordt \"financiën.\" Drie mensen kijken. Niemand is eigenaar van de afkeuring. De verzending gaat toch. Het plafond is \"gebruik je oordeel.\" Oordeel is geen plafond. Een plafond is een werkwoord dat het gereedschap niet mag vervoegen: verzenden, uitgeven, verwijderen, spreken namens het bedrijf. De faallijn is \"ziet er goed uit.\" Die zin kan een verkeerd bedrag niet afwijzen. Hij kan alleen toon zegenen. De offlineregel is \"toch verzenden, we vangen het 's ochtends wel.\" Je hebt al besloten dat de lus optioneel is. Ochtend is archeologie. Kun je die vier regels niet vullen voor de volgende onomkeerbare aanroep, print HITL dan niet op het architectuurplaatje. Print \"onbewaakte verzending\" en leef met de eerlijkheid. Geen vervanging voor een weigerlijst Een benoemde beoordelaar is geen override-doctrine. De doctrine is de geschreven lijst met beslissingen die de agent nooit mag nemen. De lus is wie de lijst afdwingt vóór de onomkeerbare handeling. Als de agent de e-mail al heeft verzonden, is de lus archeologie. Schrijf de weigerlijst vóór het eerste gereedschap dat kan verzenden, uitgeven of verwijderen. Benoem daarna de mens die de aanroep kan afkeuren. De doctrine moet om 03:00 standhouden wanneer de benoemde persoon slaapt. Daarom is het een lijst, geen sfeer in de prompt. HITL is de persoon op de stap die nog een mens nodig heeft. De lijst is wat de werker moet weigeren ook als die persoon niet in de kamer is. Andere objecten. Allebei nodig zodra een gereedschap het gebouw kan verlaten. De volgende run nákijken nadat deze is vertrokken is een zwakkere stoel. Op deze site is die stoel geen HITL. Hernoem een galerijzicht niet tot afkeurpoort. Niet elke chatbot Een AI-agent heeft een doel, gebruikt gereedschappen en gaat over stappen heen onder een handvest. Een chatbot beantwoordt een beurt. De woorden door elkaar halen is hoe een chatbot een API-sleutel erft. HITL is de persoon die nog een eigen sleutel heeft: de bevoegdheid om de volgende aanroep te stoppen. Een chatbot die alleen tekst uitstuurt naar een venster dat jij beheert, heeft geen productiebeoordelaar nodig. Zodra je die tekst in de mail plakt, of het venster een verzendgereedschap geeft, heb je de onomkeerbare stap gemaakt. Benoem de persoon op die stap, of geef toe dat die er niet is. LLM-integratie is een operationeel ontwerpprobleem is de langere stoelindeling: eigenaarschap, toestemming, beoordeling. Deze pagina is alleen de definitie van de beoordelaar. Een kaart die je in het runbook kunt bewaren Vier regels. Geen uitbreiding van een framework. Naam. Eén persoon, geen functie. Voornaam en achternaam, of een unieke accountnaam die de organisatie al als persoon behandelt. Als twee mensen \"kunnen waarnemen,\" schrijf wie wanneer waarneemt, en schrijf dat de output wacht. Plafond. Wat die persoon mag goedkeuren. Wat die persoon nooit mag goedkeuren. Uitgeven, verzenden, verwijderen, spreken namens het bedrijf zijn de standaardvier. Kan jouw gereedschap dat niet, dan heb je deze kaart misschien nog niet nodig. Kan het dat wel, en is het plafond leeg, dan heeft het gereedschap al meer bevoegdheid dan de mens. Faallijn. Het geschreven criterium. \"Ziet er prima uit\" is geen criterium. Een faallijn noemt een feit dat waar moet zijn, of een feit dat niet waar mag zijn, in de zending. Factuurnummer komt overeen met de spreadsheet. Bedrag komt overeen met de spreadsheet. Klant staat niet op de betwistingslijst. De beoordelaar kan naar de valse zin wijzen en de aanroep stoppen. Offlineregel. Wat er gebeurt als die persoon onbereikbaar is. Als het antwoord \"toch verzenden\" is, heb je al besloten dat de lus optioneel is. Een wachtstand is een lus. Een tijdslimiet die automatisch goedkeurt is een lont met een kalender. Draai de kaart deze week op één live gereedschap. Is een regel leeg, dan doen de letters HITL op de slide verkoopwerk. Vul de regel of koppel het gereedschap los. Het mens-in-de-lus leven is de persoonlijke kant van die vraag: waar je staat in de cyclus, op welk niveau, en of je er werkelijk bent. Het is een vroege draft. Het is niet te koop. De vier regels zijn al bruikbaar.","keyTakeaways":["HITL is een benoemde persoon, een plafond en een faallijn. Ontbreekt er één, dan heb je theater.","Een dashboardkijker is geen lus. Een wekelijkse stuurgroep is geen lus.","Als de output kan worden verzonden terwijl die persoon offline is, is de lus al verbroken.","Een charter zegt wat de agent doet. De override-doctrine zegt wat hij moet weigeren. HITL is wie hem kan stoppen."],"readingMinutes":6,"publishedAt":"2026-08-27T03:05:00.000Z"}},"degree":14},{"id":"article:human-on-the-loop","type":"article","pillar":"ai-systems","locales":{"en":{"label":"Human on the loop: watching is not a fail gate","summary":"On this site, human on the loop is a named monitor who can stop a later run after observing the current one. Human in the loop is a named reviewer who can fail the current run before it ships. The difference is intervention timing, not job title. This split is house usage, not an IEEE or ISO standard. Human in the loop meaning owns the in-the-loop definition; this page owns the current-run versus next-run distinction.","url":"/en/blog/human-on-the-loop/","searchText":"Human on the loop: watching is not a fail gate Human on the loop, on this site, means a named person who can stop the next run after watching this one. Human in the loop means a named person who can fail this run. Mixing them is how a dashboard becomes a slogan. If the work can ship while the watcher is on the gallery, the loop is already the wrong loop. On this site, human on the loop is a named monitor who can stop a later run after observing the current one. Human in the loop is a named reviewer who can fail the current run before it ships. The difference is intervention timing, not job title. This split is house usage, not an IEEE or ISO standard. Human in the loop meaning owns the in-the-loop definition; this page owns the current-run versus next-run distinction. human on the loop vs in the loop On the loop = can stop the next run. In the loop = can fail this run. Classify the role by intervention timing, not by the label on its dashboard. This is this site's split, not a standards document. This page is the collision. The HITL meaning page stays next door. ai-agents Human in the loop A named person with an authority ceiling and a review gate. Human on the loop A named monitor who can stop the next run, not this one. The useful distinction is temporal: can the named person fail the current run before it ships, or only change what happens next? This page uses human in the loop for the first and human on the loop for the second. Human on the loop , on this site, is a named monitor who can stop the next run after watching this one. Human in the loop is a named person who can fail this run before it ships. Human in the loop meaning owns the in-the-loop definition. This page owns the current-run versus next-run distinction. This split is house usage. It is not an IEEE standard. If a vendor slide uses the phrases the other way, ask which run the person can actually fail. The reach test Stand in the room and ask: can this person stop the sheet that is printing now ? If yes, with written criteria and a name, you have in-the-loop. If they can only pull a lever after the sheet is stacked, you have on-the-loop. If nobody is named, you have neither. Classify the role by intervention timing, not by the dashboard it watches. If the current output can ship before that person acts, the person is not in this run's gate; they may still govern the next run. Collision control Not a synonym. HITL on this site is in-the-loop. On-the-loop is the weaker monitor. Not override doctrine. Override doctrine is what the agent may never do. The loop is who can stop it. Different objects. Not the agent. What is an AI agent? owns the worker. What this page is not It is not a standards brief. It is not a vendor glossary. It is not the full HITL craft. Write which run the named person can fail. If the answer is \"the next one,\" you are on the loop. Stop calling that in the loop.","keyTakeaways":["On the loop = can stop the next run. In the loop = can fail this run.","Classify the role by intervention timing, not by the label on its dashboard.","This is this site's split, not a standards document.","This page is the collision. The HITL meaning page stays next door."],"readingMinutes":2,"publishedAt":"2026-09-20T14:00:00.000Z"},"nl":{"label":"Mens op de lus: kijken is geen afkeurpoort","summary":"Op deze site is mens op de lus een benoemde monitor die een latere run kan stoppen nadat hij de huidige heeft gezien. Mens in de lus is een benoemde reviewer die de huidige run kan afkeuren voordat die de deur uit gaat. Het verschil is het moment van ingrijpen, niet de functietitel. Deze splitsing is huisgebruik, geen IEEE- of ISO-standaard. De pagina over wat mens in de lus betekent, behandelt de in-de-lus-definitie; deze pagina behandelt het onderscheid huidige run versus volgende run.","url":"/nl/blog/mens-op-de-lus/","searchText":"Mens op de lus: kijken is geen afkeurpoort Mens op de lus betekent op deze site een benoemde persoon die de volgende run kan stoppen nadat hij deze heeft gezien. Mens in de lus betekent een benoemde persoon die deze run kan afkeuren. Die twee door elkaar halen is de reden dat een dashboard een slogan wordt. Kan het werk de deur uit terwijl de kijker op de galerij staat, dan is de lus al de verkeerde lus. Op deze site is mens op de lus een benoemde monitor die een latere run kan stoppen nadat hij de huidige heeft gezien. Mens in de lus is een benoemde reviewer die de huidige run kan afkeuren voordat die de deur uit gaat. Het verschil is het moment van ingrijpen, niet de functietitel. Deze splitsing is huisgebruik, geen IEEE- of ISO-standaard. De pagina over wat mens in de lus betekent, behandelt de in-de-lus-definitie; deze pagina behandelt het onderscheid huidige run versus volgende run. mens op de lus versus in de lus Op de lus = kan de volgende run stoppen. In de lus = kan deze run afkeuren. Classificeer de rol op het moment van ingrijpen, niet op het label van het dashboard. Dit is de splitsing van deze site, geen standaarddocument. Deze pagina is de botsing. De HITL-betekenispagina blijft ernaast. ai-agents Mens in de lus Een benoemd persoon met een autoriteitsplafond en een beoordelingspoort. Mens op de lus Een benoemde monitor die de volgende run kan stoppen, niet deze. Het nuttige onderscheid is temporeel: kan de benoemde persoon de huidige run afkeuren voordat die de deur uit gaat, of alleen veranderen wat daarna gebeurt? Deze pagina gebruikt mens in de lus voor het eerste en mens op de lus voor het tweede. Mens op de lus is op deze site een benoemde monitor die de volgende run kan stoppen nadat hij deze heeft gezien. Mens in de lus is een benoemd persoon die deze run kan afkeuren voordat die vertrekt. Wat betekent mens in de lus? behandelt de in-de-lus-definitie. Deze pagina behandelt het onderscheid huidige run versus volgende run. Deze splitsing is huisgebruik. Het is geen IEEE-standaard. Gebruikt een leveranciersslide de zinnen andersom, vraag welke run de persoon echt kan afkeuren. De grijptest Sta in de kamer en vraag: kan deze persoon het vel stoppen dat nu wordt gedrukt? Zo ja, met geschreven criteria en een naam, dan heb je in-de-lus. Kan hij alleen een hendel overhalen nadat het vel is gestapeld, dan heb je op-de-lus. Is niemand benoemd, dan heb je geen van beide. Classificeer de rol op het moment van ingrijpen, niet op het dashboard dat hij bewaakt. Kan de huidige uitvoer de deur uit voordat die persoon handelt, dan zit hij niet in de poort van deze run; hij kan nog wel de volgende run sturen. Botsingsbeheer Geen synoniem. HITL is op deze site in-de-lus. Op-de-lus is de zwakkere monitor. Geen override-doctrine. De override-doctrine is wat de agent nooit mag. De lus is wie het kan stoppen. Andere objecten. Niet de agent. Wat is een AI-agent? behandelt de werker. Wat deze pagina niet is Geen standaardbrief. Geen leveranciersbegrippenlijst. Niet het volledige HITL-vak. Schrijf welke run de benoemde persoon kan afkeuren. Is het antwoord \"de volgende\", dan zit je op de lus. Noem dat geen in de lus meer.","keyTakeaways":["Op de lus = kan de volgende run stoppen. In de lus = kan deze run afkeuren.","Classificeer de rol op het moment van ingrijpen, niet op het label van het dashboard.","Dit is de splitsing van deze site, geen standaarddocument.","Deze pagina is de botsing. De HITL-betekenispagina blijft ernaast."],"readingMinutes":2,"publishedAt":"2026-09-20T14:05:00.000Z"}},"degree":6},{"id":"article:ideal-word-count-for-ai-citations","type":"article","pillar":"seo-geo-aeo","locales":{"en":{"label":"Is there an ideal word count for AI citations?","summary":"No word-count target appears in the guidance reviewed here. Google says there is no ideal page length and no requirement to break content into tiny pieces, and the OpenAI and Perplexity documents checked set no word count. Edit the passage that answers the question instead: can it stand alone with its subject, main qualification, and evidence intact? The passage test checks that. It does not predict whether a page will be cited.","url":"/en/blog/ideal-word-count-for-ai-citations/","searchText":"Is there an ideal word count for AI citations? Google says there is no ideal page length. What the GEO study's 'Word Count' measures, and a passage test you can run on any page today. Your page has a length. The passage that answers the question has to make sense without the rest of it. No word-count target appears in the guidance reviewed here. Google says there is no ideal page length and no requirement to break content into tiny pieces, and the OpenAI and Perplexity documents checked set no word count. Edit the passage that answers the question instead: can it stand alone with its subject, main qualification, and evidence intact? The passage test checks that. It does not predict whether a page will be cited. ideal word count for getting cited by ChatGPT The Google, OpenAI and Perplexity guidance reviewed here sets no word-count target. Google says there is no ideal page length. In Pew's sample of Google searches made in March 2025, the median AI summary was 67 words. That is the length of an answer, not a target for your page. Edit for a clear answer with its qualification and evidence beside it, plus sections for useful follow-up questions. Let length follow from those decisions. The GEO study's 'Word Count' measures your share of the AI answer, not the length of your page. Test the passage, not the page: copy it out alone and check that it still stands. aeo geo passage A paragraph or short section of a page that a search or AI system can find and show on its own. chunk A slice of text that a retrieval system stores and searches separately from the rest of the document. retrieval The step where an AI tool looks up the pieces of text most likely to answer a question before it writes. crawler The program a search or AI company sends to read web pages. GRAIN Gather, Rank, Assemble, Inspect, Navigate. A framework for building and checking a retrieval system, from The RAG Engineer. GEO Generative engine optimization. Making pages easier for AI answer tools to find, quote, and credit. The Google, OpenAI and Perplexity guidance checked for this article sets no word-count target for AI citations. Google says outright that there is no ideal page length. The useful distinction is between the length of your page and the passage that answers the question. An AI answer may quote or summarize that passage without the rest of the page, so the passage is what you edit. A long page can hold a clear, self-contained answer. A short page can leave out the condition that makes its answer true. So judge the answering passage on its own: does it name its subject, state the answer, and carry the qualification and evidence a reader needs? Then decide what the rest of the page has to explain. What do the engines actually say about length? Google's guide to generative AI features in Search (last updated 10 July 2026) states: \"There's no ideal page length, and in the end, make pages for your audience, not just for generative AI search.\" The same guide adds: \"There's no requirement to break your content into tiny pieces for AI to better understand it.\" Its guidance on helpful content asks writers a self-check question and answers it in the same line: \"Are you writing to a particular word count because you've heard or read that Google has a preferred word count? (No, we don't.)\" OpenAI's publishers FAQ, as checked on 24 September 2026, covered access and tracking. It told publishers who want ChatGPT to summarize their content not to block OAI-SearchBot, the crawler OpenAI uses for ChatGPT search. Neither that FAQ nor the OpenAI and Perplexity crawler documentation gave a word count. The conclusion is narrow: these documents give you no number to write toward. That does not prove length never matters to any system or query. But if someone hands you a target, ask where it came from. Not from these documents. Page length versus the passage an answer uses Retrieval is the lookup step before an AI tool writes an answer from web sources. A system can retrieve a page and use only part of it. That is why the distinction matters when you edit: a reader may meet one claim from your page without the explanation around it. Google describes a passage ranking system that identifies \"individual sections or 'passages' of a web page to better understand how relevant a page is to a search.\" Its AI guide adds that Google's systems \"are able to understand the nuance of multiple topics on a page and show the relevant piece to users.\" Neither statement gives a passage length. Research offers a concrete example. In the 2020 paper that introduced RAG models (retrieval-augmented generation: look up a source, then write), Patrick Lewis and colleagues split a 2018 copy of Wikipedia into 100-word chunks, 21 million of them. A chunk is a slice of text that is stored and searched on its own. Those chunks were the study's unit of retrieval, not a recommended length for your pages or paragraphs. Pew Research Center analyzed Google searches made by 900 US adults in March 2025. In that sample, the median AI summary was 67 words long, and 88% of summaries cited three or more sources. That is the length of the answers, not of the pages behind them. It does not tell you how long a source page should be or how much of it an answer will use. None of these sources says how a commercial answer engine splits pages or how large its pieces are. The research examples show a principle, not any vendor's settings. Three decisions instead of a word count For an editor, three decisions are more useful than a target length. 1. Where the answer sits. An introduction gets in the way when it delays the answer or leaves its subject unclear, and a short page can make that mistake as easily as a long one. Answer-first writing puts the usable conclusion, with its conditions, in the first screen and explains it afterwards. That is an editing choice for clarity, not a documented citation requirement. 2. Whether the conditions and evidence travel with it. A passage may be used without its neighbors. If the \"except when\" sits two paragraphs later, the claim can mislead on its own. Keep the main qualification beside the claim, and name the supporting source inside the passage. A footnote elsewhere serves the reader of the full page, but it can leave an extracted passage without its evidence. 3. Whether the page answers the next question. Google says its AI features may use \"query fan-out\": the model generates several related searches at once to fetch more results. Its example starts from a question about fixing a lawn full of weeds and fans out into searches about the best herbicides for lawns, removing weeds without chemicals, and preventing weeds. When a follow-up question like that is useful to your reader, answer it in its own clearly headed section. Let that need, not a target, set the extra length. That is not a license to build a page for every phrasing of a question. Google warns that creating separate content for query variations primarily to manipulate rankings or generative AI responses violates its scaled content abuse policy. Clear sections also help the people who build retrieval systems. In The RAG Engineer I describe a chunk that covers twelve topics: a question about one of them matches it weakly, because the chunk's meaning is spread across all twelve. That is a point about systems a team builds and tests. It does not tell you how ChatGPT or Google will process your page. GRAIN: a builder's view of the answering passage GRAIN, from my book The RAG Engineer (available in English and Dutch), is a framework for building and checking retrieval systems. Its five skills help explain where an answer can lose its context. They describe a builder's work, not the internal process of any particular search engine. - Gather: choose the sources, cut them into pieces the system can store, and decide what belongs in the index (the searchable store) at all. - Rank: find the candidate pieces that match the question, then sort them so the best come first. - Assemble: pack the top pieces, with their sources, into the limited space the model reads before it writes. - Inspect: when an answer is wrong, trace which step failed instead of blaming the model. - Navigate: keep answers fresh by noticing when a source has changed and a stored piece is out of date. Take a hypothetical project-management software company with a 2,500-word billing page. A customer asks: \"Can I cancel an annual plan halfway through the year?\" At Gather , a builder might split that page along its headings. At Rank , a section headed \"Canceling an annual plan\" that opens with \"Yes, you can cancel at any time and we refund the unused full months\" is a more explicit answer than a section called \"Our billing philosophy\". If it is selected at Assemble , that section enters the context the model reads before it answers. If the exception (\"the discounted launch plan is non-refundable\") lives elsewhere and is not retrieved, the model may answer without it, and be wrong for exactly the customers the exception was written for. Inspect means tracing that gap back through the system. Navigate means keeping the stored policy current when it changes; a visible \"last updated\" date on the page does not show that the retrieval system has refreshed its copy. The editorial repair is one moved sentence: put the exception beside the refund rule. The passage becomes complete, and the page gets no longer. The builder still has to test retrieval and freshness. The framework has its own page: GRAIN. What the GEO study measured, and what it did not GEO stands for generative engine optimization: work aimed at making a source more visible in AI answers. A 2023 paper by Pranjal Aggarwal and colleagues, accepted at KDD 2024, proposed the approach and tested edits to source content. The researchers built GEO-bench, a benchmark of 10,000 queries. Their simulated engine took the top five Google results for a query and had GPT-3.5-turbo write an answer from them. The paper also included an evaluation on Perplexity. Here is the distinction that matters for word counts. The paper's \"Word Count\" metric is not the length of your page. It measures your source's share of the AI answer: the words in answer sentences that cite the source, relative to the whole answer. \"Position-Adjusted Word Count\" also gives more weight to citations earlier in the answer. Neither metric is a recommended page length. The researchers tested nine edits. They reported roughly 30 to 40% relative improvement on Position-Adjusted Word Count for three of them: adding citations to credible sources, adding quotations, and adding statistics. Keyword stuffing gave little to no improvement. None of the nine methods was a length change for its own sake. Adding a quotation also adds words, but no method changed length alone, so the study cannot credit length with any gain. These are results from the study's setup, not predicted gains for your site. The simulated engine used a 2023-era model, and the Perplexity evaluation does not show how today's systems select sources. What the study supports is attention to the substance of an edit. It supplies no ideal word count. The passage test: copy the answer out alone Pick one question your page should answer, phrased the way a reader would ask it. Copy the answering paragraph or short section into an empty document, with its heading if it needs one. Leave the introduction and the neighboring sections behind. Then read the copy against five checks. Check Pass Fail --- --- --- Names its subject \"Annual plans can be canceled at any time.\" \"It can be canceled at any time.\" States the answer \"Yes, and unused full months are refunded.\" \"It depends on your situation.\" Carries the main exception \"Except the discounted launch plan.\" The exception is two sections away. Names its evidence A named source, or a number you can trace to its origin \"Studies show\" Stands alone Makes sense without the paragraph above Needs the introduction to make sense Fix each fail where it occurs: name the subject, move the qualification up, name the source. Add words only where information is missing, then read the copy on its own again. Five passes mean the passage can stand alone. They do not make the claim true, and they do not guarantee that an engine will retrieve, quote, or cite it. Try this today (15 minutes) 1. Open the page you most want cited. Write down the one question it should answer. 2. Run the passage test on that question. Fix the fails. 3. Put the answer in the first screen, under a heading that makes its subject clear. Keep its main qualification and its source with it. 4. Write down the next question a reader would ask. If it belongs on this page and is still unanswered, add a section for it. If the page already answers it, run the same passage test on that section. Stop when the answer, its qualifications, and the useful follow-ups are complete. The word count is whatever that took. If the same claim is scattered across several of your pages, see content architecture for answer engines. If you are not sure ChatGPT can access the page at all, start with how to get cited by ChatGPT.","keyTakeaways":["The Google, OpenAI and Perplexity guidance reviewed here sets no word-count target. Google says there is no ideal page length.","In Pew's sample of Google searches made in March 2025, the median AI summary was 67 words. That is the length of an answer, not a target for your page.","Edit for a clear answer with its qualification and evidence beside it, plus sections for useful follow-up questions. Let length follow from those decisions.","The GEO study's 'Word Count' measures your share of the AI answer, not the length of your page.","Test the passage, not the page: copy it out alone and check that it still stands."],"readingMinutes":9,"publishedAt":"2026-10-16T19:00:00.000Z"},"nl":{"label":"Bestaat er een ideaal aantal woorden om door AI geciteerd te worden?","summary":"Geen van de voor dit artikel bekeken richtlijnen noemt een streefaantal woorden. Google zegt dat er geen ideale paginalengte is en dat je content niet in piepkleine stukjes hoeft op te delen, en de gecontroleerde documenten van OpenAI en Perplexity noemen geen woordenaantal. Richt je liever op de passage die de vraag beantwoordt: blijft die los overeind, met het onderwerp, de belangrijkste voorwaarde en het bewijs erbij? Dat toetst de passagetest. Of een pagina geciteerd wordt, voorspelt hij niet.","url":"/nl/blog/ideaal-aantal-woorden-voor-ai-citaties/","searchText":"Bestaat er een ideaal aantal woorden om door AI geciteerd te worden? Google zegt dat er geen ideale paginalengte bestaat. Wat de 'Word Count' uit het GEO-onderzoek meet, en een passagetest die je vandaag op elke pagina kunt doen. Je pagina heeft een lengte. De passage die de vraag beantwoordt, moet ook los van de rest te begrijpen zijn. Geen van de voor dit artikel bekeken richtlijnen noemt een streefaantal woorden. Google zegt dat er geen ideale paginalengte is en dat je content niet in piepkleine stukjes hoeft op te delen, en de gecontroleerde documenten van OpenAI en Perplexity noemen geen woordenaantal. Richt je liever op de passage die de vraag beantwoordt: blijft die los overeind, met het onderwerp, de belangrijkste voorwaarde en het bewijs erbij? Dat toetst de passagetest. Of een pagina geciteerd wordt, voorspelt hij niet. ideaal aantal woorden om door ChatGPT geciteerd te worden De bekeken richtlijnen van Google, OpenAI en Perplexity noemen geen streefaantal woorden. Google zegt dat er geen ideale paginalengte is. In de steekproef van Pew, met Google-zoekopdrachten uit maart 2025, telde de mediane AI-samenvatting 67 woorden. Dat is de lengte van een antwoord, geen streefwaarde voor je pagina. Schrijf een helder antwoord met de voorwaarde en het bewijs ernaast, plus secties voor nuttige vervolgvragen. Laat de lengte uit die keuzes volgen. De maatstaf 'Word Count' uit het GEO-onderzoek meet jouw aandeel in het AI-antwoord, niet de lengte van je pagina. Test de passage, niet de pagina: kopieer haar los en kijk of ze op zichzelf overeind blijft. aeo geo passage Een alinea of korte sectie van een pagina die een zoek- of AI-systeem los kan vinden en tonen. chunk Een blok tekst dat een retrievalsysteem apart van de rest van het document opslaat en doorzoekt. retrieval De stap waarin een AI-tool, voordat hij schrijft, de stukken tekst opzoekt die de vraag waarschijnlijk het best beantwoorden. crawler Het programma waarmee een zoek- of AI-bedrijf webpagina's leest. GRAIN Gather, Rank, Assemble, Inspect, Navigate. Een framework om een retrievalsysteem te bouwen en te controleren, uit De RAG-engineer. GEO Generative engine optimization. Pagina's zo maken dat AI-antwoordmachines ze makkelijker vinden, citeren en als bron noemen. In de richtlijnen van Google, OpenAI en Perplexity die voor dit artikel zijn nagelezen, staat nergens een streefaantal woorden voor AI-citaties. Google zegt zelfs ronduit dat er geen ideale paginalengte bestaat. Het nuttige onderscheid ligt tussen de lengte van je pagina en de passage die de vraag beantwoordt. Een AI-antwoord kan die passage citeren of samenvatten zonder de rest van de pagina. Aan die passage werk je dus. Een lange pagina kan een helder antwoord bevatten dat op zichzelf staat. Een korte pagina kan juist de voorwaarde weglaten die het antwoord waar maakt. Beoordeel de passage met het antwoord daarom los: noemt ze het onderwerp, geeft ze het antwoord, en staan de voorwaarde en het bewijs erbij die een lezer nodig heeft? Bepaal daarna wat de rest van de pagina nog moet uitleggen. Wat zeggen de antwoordmachines zelf over lengte? De gids van Google over generatieve AI-functies in Zoeken (laatst bijgewerkt op 10 juli 2026) zegt dat er geen ideale paginalengte is en dat je uiteindelijk pagina's moet maken voor je publiek, niet alleen voor zoeken met generatieve AI. Dezelfde gids voegt eraan toe dat je je content niet in piepkleine stukjes hoeft op te delen om AI die beter te laten begrijpen. Googles richtlijnen voor behulpzame content stellen schrijvers een controlevraag: schrijf je naar een bepaald aantal woorden omdat je hebt gehoord of gelezen dat Google daar een voorkeur voor heeft? Het antwoord staat er meteen tussen haakjes achter: \"(No, we don't.)\" Bij de controle op 24 september 2026 ging de uitgevers-FAQ van OpenAI over toegang en het meten van verkeer. Volgens die FAQ moeten uitgevers die willen dat ChatGPT hun content samenvat, OAI-SearchBot niet blokkeren: de crawler die OpenAI gebruikt voor zoeken in ChatGPT. Een woordenaantal noemde die FAQ niet, en de crawlerdocumentatie van OpenAI en Perplexity evenmin. De conclusie is smal: deze documenten geven je geen getal om op te mikken. Dat bewijst niet dat lengte nooit uitmaakt, voor welk systeem of welke zoekvraag dan ook. Maar krijg je een streefgetal aangereikt, vraag dan waar het vandaan komt. Uit deze documenten in elk geval niet. Paginalengte versus de passage die een antwoord gebruikt Retrieval is de opzoekstap voordat een AI-tool een antwoord uit webbronnen schrijft. Een systeem kan een pagina ophalen en er maar een deel van gebruiken. Daarom doet het onderscheid ertoe als je redigeert: een lezer kan één bewering van je pagina tegenkomen zonder de uitleg eromheen. Google beschrijft een systeem voor passage ranking dat afzonderlijke secties of \"passages\" van een webpagina herkent, om beter te begrijpen hoe relevant een pagina is voor een zoekopdracht. De AI-gids voegt eraan toe dat de systemen van Google de nuance van meerdere onderwerpen op één pagina begrijpen en gebruikers het relevante stuk laten zien. Geen van beide uitspraken noemt een lengte voor een passage. Onderzoek geeft een concreet voorbeeld. In het artikel uit 2020 waarmee Patrick Lewis en collega's RAG-modellen introduceerden (retrieval-augmented generation: eerst een bron opzoeken, dan schrijven), knipten ze een kopie van Wikipedia uit 2018 op in stukken van 100 woorden, 21 miljoen in totaal. Zo'n stuk heet een chunk: een blok tekst dat apart wordt opgeslagen en doorzocht. Die chunks waren de eenheid van retrieval in dat onderzoek, geen aanbevolen lengte voor jouw pagina's of alinea's. Pew Research Center analyseerde de Google-zoekopdrachten van 900 Amerikaanse volwassenen in maart 2025. In die steekproef telde de mediane AI-samenvatting 67 woorden, en 88 procent van de samenvattingen verwees naar drie of meer bronnen. Dat is de lengte van de antwoorden, niet van de pagina's erachter. Het zegt niets over hoe lang een bronpagina moet zijn, of hoeveel een antwoord ervan gebruikt. Geen van deze bronnen zegt hoe een commerciële antwoordmachine pagina's opknipt of hoe groot de stukken zijn. De onderzoeksvoorbeelden tonen een principe, niet de instellingen van een leverancier. Drie beslissingen in plaats van een woordenaantal Voor een redacteur zijn drie beslissingen nuttiger dan een streeflengte. 1. Waar het antwoord staat. Een inleiding zit in de weg wanneer ze het antwoord uitstelt of het onderwerp vaag laat, en een korte pagina maakt die fout net zo makkelijk als een lange. Antwoord eerst schrijven zet de bruikbare conclusie, met de voorwaarden erbij, in het eerste scherm en legt haar daarna uit. Dat is een redactionele keuze voor helderheid, geen gedocumenteerde eis om geciteerd te worden. 2. Of de voorwaarden en het bewijs meereizen. Een passage kan zonder haar buren worden gebruikt. Staat het \"behalve als\" twee alinea's verderop, dan kan de bewering op zichzelf misleiden. Zet de belangrijkste voorwaarde naast de bewering en noem de bron in de passage zelf. Een voetnoot elders helpt wie de hele pagina leest, maar kan een passage die los wordt overgenomen zonder bewijs laten. 3. Of de pagina de volgende vraag beantwoordt. Google zegt dat zijn AI-functies \"query fan-out\" kunnen gebruiken: het model bedenkt tegelijk een reeks verwante zoekopdrachten om meer resultaten op te halen. Googles voorbeeld begint bij een vraag over hoe je een gazon vol onkruid opknapt en waaiert uit naar zoekopdrachten over het beste onkruidmiddel voor gazons, onkruid weghalen zonder chemicaliën en onkruid voorkomen. Is zo'n vervolgvraag nuttig voor je lezer, beantwoord haar dan in een eigen sectie met een duidelijke kop. Laat die behoefte de extra lengte bepalen, niet een streefgetal. Dat is geen vrijbrief om voor elke formulering van een vraag een pagina te bouwen. Google waarschuwt dat aparte content maken voor varianten van een zoekvraag, hoofdzakelijk om rankings of de antwoorden van generatieve AI te manipuleren, in strijd is met zijn beleid tegen scaled content abuse (massaal geproduceerde content). Heldere secties helpen ook wie retrievalsystemen bouwt. In De RAG-engineer beschrijf ik een chunk die twaalf onderwerpen bestrijkt: een vraag over één daarvan past er maar zwak bij, omdat de betekenis van de chunk over alle twaalf is uitgesmeerd. Dat gaat over systemen die een team zelf bouwt en test. Het zegt niet hoe ChatGPT of Google jouw pagina verwerkt. GRAIN: de antwoordpassage door de ogen van een bouwer GRAIN, uit mijn boek De RAG-engineer (verkrijgbaar in het Nederlands en het Engels), is een framework om retrievalsystemen te bouwen en te controleren. De vijf vaardigheden helpen verklaren waar een antwoord zijn context kan verliezen. Ze beschrijven het werk van een bouwer, niet het interne proces van een bepaalde zoekmachine. - Gather: kies de bronnen, knip ze op in stukken die het systeem kan opslaan, en bepaal wat überhaupt in de index (de doorzoekbare opslag) thuishoort. - Rank: zoek de kandidaatstukken die bij de vraag passen en zet ze op volgorde, de beste eerst. - Assemble: stop de beste stukken, met hun bronnen, in de beperkte ruimte die het model leest voordat het schrijft. - Inspect: is een antwoord fout, spoor dan op welke stap misging, in plaats van het model de schuld te geven. - Navigate: houd antwoorden actueel door op te merken wanneer een bron is veranderd en een opgeslagen stuk verouderd is. Neem een fictieve maker van projectmanagementsoftware met een factureringspagina van 2.500 woorden. Een klant vraagt: \"Kan ik een jaarabonnement halverwege het jaar opzeggen?\" Bij Gather knipt een bouwer die pagina bijvoorbeeld langs de koppen op. Bij Rank geeft een sectie met de kop \"Een jaarabonnement opzeggen\", die opent met \"Ja, je kunt altijd opzeggen en we betalen de ongebruikte volle maanden terug\", een explicieter antwoord dan een sectie die \"Onze visie op facturering\" heet. Wordt die sectie bij Assemble gekozen, dan komt ze in de context die het model leest voordat het antwoordt. Staat de uitzondering (\"het afgeprijsde introductieabonnement wordt niet terugbetaald\") ergens anders en wordt die niet opgehaald, dan kan het model zonder die uitzondering antwoorden. Het zit dan fout bij precies de klanten voor wie ze geschreven is. Met Inspect volg je dat gat terug door het systeem. Navigate betekent het opgeslagen beleid actueel houden als het verandert; een zichtbare datum \"laatst bijgewerkt\" op de pagina bewijst niet dat het retrievalsysteem zijn kopie heeft ververst. De redactionele oplossing is één verplaatste zin: zet de uitzondering naast de terugbetaalregel. De passage is dan compleet, en de pagina wordt er niet langer van. Retrieval en actualiteit moet de bouwer nog steeds zelf testen. Het framework heeft een eigen pagina: GRAIN. Wat het GEO-onderzoek mat, en wat niet GEO staat voor generative engine optimization: werk dat een bron beter zichtbaar moet maken in AI-antwoorden. Een artikel uit 2023 van Pranjal Aggarwal en collega's, geaccepteerd voor KDD 2024, stelde die aanpak voor en testte aanpassingen aan broncontent. De onderzoekers bouwden GEO-bench, een benchmark van 10.000 zoekvragen. Hun gesimuleerde antwoordmachine nam de vijf bovenste Google-resultaten voor een vraag en liet GPT-3.5-turbo op basis daarvan een antwoord schrijven. Het artikel bevat ook een test op Perplexity. Hier zit het onderscheid dat telt voor woordenaantallen. De maatstaf \"Word Count\" in het artikel is niet de lengte van je pagina. Hij meet het aandeel van jouw bron in het AI-antwoord: de woorden in de antwoordzinnen die naar die bron verwijzen, als deel van het hele antwoord. \"Position-Adjusted Word Count\" laat bovendien verwijzingen die eerder in het antwoord staan, zwaarder wegen. Geen van beide maatstaven is een aanbevolen paginalengte. De onderzoekers testten negen aanpassingen. Voor drie daarvan rapporteerden ze ruwweg 30 tot 40 procent relatieve verbetering op Position-Adjusted Word Count: verwijzingen naar betrouwbare bronnen toevoegen, citaten toevoegen en statistieken toevoegen. Keyword stuffing (een tekst volproppen met zoekwoorden) leverde weinig tot niets op. Geen van de negen methoden veranderde de lengte om de lengte zelf. Een citaat toevoegen levert ook extra woorden op, maar geen enkele methode veranderde alleen de lengte, dus het onderzoek kan geen winst aan lengte toeschrijven. Dit zijn resultaten uit de opzet van het onderzoek, geen voorspelde winst voor jouw site. De gesimuleerde machine gebruikte een model uit 2023, en de test op Perplexity laat niet zien hoe de systemen van nu bronnen kiezen. Wat het onderzoek wel ondersteunt, is aandacht voor de inhoud van een aanpassing. Een ideaal aantal woorden haal je er niet uit. De passagetest: kopieer het antwoord los Kies één vraag die je pagina moet beantwoorden, geformuleerd zoals een lezer hem zou stellen. Kopieer de alinea of korte sectie met het antwoord naar een leeg document, zo nodig met de kop erbij. Laat de inleiding en de secties eromheen achter. Loop de kopie dan na op vijf punten. Controle Goed Fout --- --- --- Noemt het onderwerp \"Een jaarabonnement kun je altijd opzeggen.\" \"Dat kun je altijd opzeggen.\" Geeft het antwoord \"Ja, en de ongebruikte volle maanden krijg je terug.\" \"Dat hangt van je situatie af.\" Bevat de belangrijkste uitzondering \"Behalve het afgeprijsde introductieabonnement.\" De uitzondering staat twee secties verderop. Noemt het bewijs Een bron met naam, of een getal waarvan je de herkomst kunt nagaan \"Onderzoek toont aan\" Staat op zichzelf Begrijpelijk zonder de alinea erboven Alleen te volgen met de inleiding erbij Herstel elke fout op de plek waar hij zit: noem het onderwerp, haal de voorwaarde naar voren, noem de bron. Voeg alleen woorden toe waar informatie ontbreekt, en lees de kopie daarna opnieuw los. Vijf keer goed betekent dat de passage op zichzelf overeind blijft. Het maakt de bewering niet waar, en het garandeert niet dat een antwoordmachine de passage ophaalt, citeert of als bron noemt. Probeer dit vandaag (vijftien minuten) 1. Open de pagina die je het liefst geciteerd ziet. Schrijf op welke vraag ze moet beantwoorden. 2. Doe de passagetest op die vraag. Herstel wat fout is. 3. Zet het antwoord in het eerste scherm, onder een kop die het onderwerp duidelijk maakt. Houd de belangrijkste voorwaarde en de bron erbij. 4. Schrijf de volgende vraag op die een lezer zou stellen. Hoort die op deze pagina en staat het antwoord er nog niet, voeg dan een sectie toe. Staat het antwoord er al, doe dan dezelfde passagetest op die sectie. Stop wanneer het antwoord met zijn voorwaarden er staat en de nuttige vervolgvragen beantwoord zijn. Het aantal woorden is dan wat daarvoor nodig was. Staat dezelfde claim versnipperd over meerdere pagina's van je site, lees dan contentarchitectuur voor antwoordmachines. Weet je niet zeker of ChatGPT de pagina überhaupt kan ophalen, begin dan bij hoe je geciteerd wordt door ChatGPT.","keyTakeaways":["De bekeken richtlijnen van Google, OpenAI en Perplexity noemen geen streefaantal woorden. Google zegt dat er geen ideale paginalengte is.","In de steekproef van Pew, met Google-zoekopdrachten uit maart 2025, telde de mediane AI-samenvatting 67 woorden. Dat is de lengte van een antwoord, geen streefwaarde voor je pagina.","Schrijf een helder antwoord met de voorwaarde en het bewijs ernaast, plus secties voor nuttige vervolgvragen. Laat de lengte uit die keuzes volgen.","De maatstaf 'Word Count' uit het GEO-onderzoek meet jouw aandeel in het AI-antwoord, niet de lengte van je pagina.","Test de passage, niet de pagina: kopieer haar los en kijk of ze op zichzelf overeind blijft."],"readingMinutes":10,"publishedAt":"2026-10-16T19:05:00.000Z"}},"degree":9},{"id":"article:introducing-undominated","type":"article","pillar":"ai-systems","locales":{"en":{"label":"Introducing Undominated.ai: the independent AI inference price index","summary":"Undominated.ai is an independent AI inference price index. It ranks models on independently measured capability first. Price breaks ties. A model is named as dominated when another scores at least as high, costs no more, and is strictly better on one of the two. Unrated is not zero. On 25 August 2026 the live board held 409 models from 50 providers; of 108 rated, priced rows, 97 were dominated and 11 were not. Those eleven are the value frontier. The site takes no cut of inference, no affiliate, and no paid placement. Snapshot numbers move. The live board is the source.","url":"/en/blog/introducing-undominated/","searchText":"Introducing Undominated.ai: the independent AI inference price index Undominated.ai ranks AI models by independently measured capability first, then by price. It names every row another model beats without a trade-off. No cut of inference, no affiliate, no paid placement. Best first. Then price. The board that names every model something else beats without a trade-off. Undominated.ai is an independent AI inference price index. It ranks models on independently measured capability first. Price breaks ties. A model is named as dominated when another scores at least as high, costs no more, and is strictly better on one of the two. Unrated is not zero. On 25 August 2026 the live board held 409 models from 50 providers; of 108 rated, priced rows, 97 were dominated and 11 were not. Those eleven are the value frontier. The site takes no cut of inference, no affiliate, and no paid placement. Snapshot numbers move. The live board is the source. Undominated.ai independent AI inference price index Quality first, then price. A blended value score hides the dominated row. A model is dominated when something else scores at least as high for no more money and wins on at least one of the two. The board then says whether the replacement can still do the job. Unrated is not a failed score. Most of the catalogue has no independent quality number. No cut of inference. No affiliate. No paid placement. Corrections go through a public GitHub issue with a primary source. undominated ai-agents UNDOMINATED A rated, priced model that nothing in the catalogue dominates under the selected lens and workload: no alternative scores at least as high for less, or higher for the same price. You already have a model in production. Someone on the team found a cheaper endpoint. The spreadsheet treats that as a win. It is not a win if the cheaper row cannot do the job, and it is not a win if a third row is both stronger and cheaper than the one you kept. Undominated.ai is the index I built for that decision. Capability first. Price second. The row that another model beats, on score or on price without losing on the other, gets named. What it is The public line is short on purpose: Undominated.ai: the AI price index. Best first. Then price. It is not a router. It does not sell tokens. It does not take a percentage of inference. It does not put a paid badge on a row. The independence page is the commercial boundary in one screen. Revenue in v1 is none. A later paid feed, if it exists, would sell history and provenance, not a better rank. Capability comes from independent evaluators. Every published score is LMArena Elo from human preference, used under CC BY 4.0 from the official dataset. Artificial Analysis figures are not published: the site holds no redistribution licence, so they serve as an internal cross-check and never reach a page, an export, or the API. The site does not score models itself and never blends evaluators into one number. Why an average is the wrong object On 23 September 2026 the methodology page listed the cheapest model in the catalogue as 8,824× cheaper than the dearest. That is not a rounding error. It is why a single “value” number is a marketing instrument. Blend quality and price into one score and the dominated row can hide behind an attractive ratio. Quality-per-dollar, run on this catalogue, crowns cheap models near the floor of the scale. Nobody should ship those as “best value.” Other public indexes exist. Some publish a geometric-mean blended $/M. Some chain SKUs like a commodity index. Some weight lab tokens by transacted volume. They are answering a different question. This one asks which models are still worth considering at all, then what the job costs under a workload you can see. What “undominated” means A model is dominated when another rated, priced model in the catalogue scores at least as high, costs no more, and is strictly better on at least one of the two. That two-axis test is what the board counts. Raw two-axis Pareto still lies often: a model can score higher and cost less while accepting no images, capping output, or holding far less context. So the methodology calls a dominating model a clean replacement only when it keeps at least the current model's context window, maximum output, input types, tool use and reasoning. If you would give something up, the board says so. A model is on the value frontier when nothing scores at least as high for less, or higher for the same price, under the selected lens and workload. Chartreuse in the interface is reserved for that membership. It is not a highlight colour for sale. Ranks are significance ranks , the way LMArena’s Rank (UB) has worked for years. Models the measurement cannot separate share a rank. “The 1 model” is not a claim this data supports. Ties are ties. Unrated is not zero. Most of the catalogue has no independent quality score. Those rows are listed by price and kept out of quality order. Not measured is not the same as measured badly. A snapshot, not a monument On 25 August 2026 the live board reported: - 409 models, 50 providers, 55 with tiered pricing - 97 of 108 rated, priced models dominated - 11 not. That set is the frontier. Those numbers move. Workload shape moves them. Batch delivery moves them. A new fetch moves them. Cite the live page, not this paragraph. Headline $/M is often the wrong number. Context tiers change the rate past a prompt length. Some models bill reasoning tokens on a separate meter. A few discount by time of day. The board reprices the row when the workload you selected crosses those lines. How to use it this week 1. Open the leaderboard. Set the lens and the workload to the job you actually run. 2. Open the frontier. That is the short list. 3. Check the model you already pay for. If it is dominated, the board names what beats it and what you would give up. 4. Read the methodology before you treat a rank as a purchase order. 5. If a live figure disagrees with a primary source, file a correction. The public GitHub repo is the tracker, not a second copy of the catalogue. English is the source language. Locales ship as machine translation with numbers, model names, and provider names left untouched. If a cheaper endpoint cannot do the job, it was never cheaper. If something else is both stronger and cheaper, keeping the incumbent is a preference, not a cost argument. Put the preference on the table. Then look at the eleven.","keyTakeaways":["Quality first, then price. A blended value score hides the dominated row.","A model is dominated when something else scores at least as high for no more money and wins on at least one of the two. The board then says whether the replacement can still do the job.","Unrated is not a failed score. Most of the catalogue has no independent quality number.","No cut of inference. No affiliate. No paid placement. Corrections go through a public GitHub issue with a primary source."],"readingMinutes":4,"publishedAt":"2026-08-25T13:00:00.000Z"},"nl":{"label":"Undominated.ai: de onafhankelijke prijsindex voor AI-inference","summary":"Undominated.ai is een onafhankelijke prijsindex voor AI-inference. Modellen worden eerst gerangschikt op onafhankelijk gemeten kwaliteit. Prijs beslist bij gelijke stand. Een model heet gedomineerd als een ander model minstens even hoog scoort, niet meer kost en op een van die twee echt beter is. Unrated is geen nul. Op 25 augustus 2026 stonden op het live bord 409 modellen van 50 aanbieders; van 108 gewaardeerde, beprijsde rijen waren er 97 gedomineerd en 11 niet. Die elf zijn de frontier. De site neemt geen commissie op inference, geen affiliate en geen betaalde plaatsing. Snapshotcijfers bewegen. Het live bord is de bron.","url":"/nl/blog/undominated-ai-introductie/","searchText":"Undominated.ai: de onafhankelijke prijsindex voor AI-inference Undominated.ai rangschikt AI-modellen eerst op onafhankelijk gemeten kwaliteit, daarna op prijs. Elke rij die een ander model zonder inlevering verslaat, wordt benoemd. Geen commissie op inference, geen affiliate, geen betaalde plaatsing. Eerst het beste. Dan de prijs. Het bord dat elk model benoemt dat een ander zonder inlevering verslaat. Undominated.ai is een onafhankelijke prijsindex voor AI-inference. Modellen worden eerst gerangschikt op onafhankelijk gemeten kwaliteit. Prijs beslist bij gelijke stand. Een model heet gedomineerd als een ander model minstens even hoog scoort, niet meer kost en op een van die twee echt beter is. Unrated is geen nul. Op 25 augustus 2026 stonden op het live bord 409 modellen van 50 aanbieders; van 108 gewaardeerde, beprijsde rijen waren er 97 gedomineerd en 11 niet. Die elf zijn de frontier. De site neemt geen commissie op inference, geen affiliate en geen betaalde plaatsing. Snapshotcijfers bewegen. Het live bord is de bron. Undominated.ai onafhankelijke prijsindex voor AI-inference Eerst kwaliteit, dan prijs. Een samengevat waarderingscijfer verstopt de gedomineerde rij. Een model is gedomineerd als iets anders minstens even hoog scoort voor niet meer geld en op een van die twee wint. Het bord zegt daarna of de vervanger het werk nog aankan. Unrated is geen gezakte score. Het grootste deel van de catalogus heeft geen onafhankelijk kwaliteitscijfer. Geen commissie op inference. Geen affiliate. Geen betaalde plaatsing. Correcties lopen via een publieke GitHub-issue met een primaire bron. undominated ai-agents UNDOMINATED Een gewaardeerd, beprijsd model dat onder de gekozen lens en workload door niets in de catalogus wordt gedomineerd: geen alternatief scoort minstens even hoog voor minder geld, of hoger voor dezelfde prijs. Je hebt al een model in productie. Iemand in het team vond een goedkoper endpoint. De spreadsheet viert dat als winst. Het is geen winst als de goedkopere rij het werk niet aankan, en het is geen winst als een derde rij zowel sterker als goedkoper is dan wat je hield. Undominated.ai is de index die ik voor dat besluit bouwde. Eerst kwaliteit. Dan prijs. De rij die een ander model verslaat, op score of op prijs zonder op het andere te verliezen, krijgt een naam. Wat het is De publieke regel is expres kort: Undominated.ai: the AI price index. Eerst het beste. Dan de prijs. Het is geen router. Het verkoopt geen tokens. Het neemt geen percentage van inference. Het plakt geen betaalde badge op een rij. De independence-pagina is de commerciële grens op één scherm. Omzet in v1 is er niet. Een latere betaalde feed, als die er komt, zou historie en herkomst verkopen, geen betere rang. Kwaliteit komt van onafhankelijke evaluatoren. Elke gepubliceerde score is LMArena Elo op basis van menselijke voorkeur, gebruikt onder CC BY 4.0 via de officiële dataset. Cijfers van Artificial Analysis worden niet gepubliceerd: de site heeft geen licentie om ze te verspreiden, dus ze dienen alleen als interne controle en komen nooit op een pagina, in een export of in de API. De site scoort zelf geen modellen en mengt evaluatoren nooit tot één getal. Waarom een gemiddelde het verkeerde object is Volgens de methodologiepagina was het goedkoopste model in de catalogus op 23 september 2026 8.824× goedkoper dan het duurste. Dat is geen afrondingsverschil. Daarom is één “waardecijfer” een marketinginstrument. Meng kwaliteit en prijs tot één score en de gedomineerde rij kan achter een aantrekkelijke ratio verdwijnen. Kwaliteit per dollar, op deze catalogus, kroont goedkope modellen onderaan de schaal. Die moet je niet als “beste deal” aanprijzen. Er bestaan andere publieke indexen. Sommige publiceren een geometrisch gemiddelde blended $/M. Sommige rijgen SKU’s aaneen tot een kettingindex, zoals bij grondstoffen. Sommige wegen labtokens naar transactievolume. Ze beantwoorden een andere vraag. Deze vraagt welke modellen überhaupt nog overweging verdienen, en daarna wat de klus kost onder een workload die je kunt zien. Wat “undominated” hier betekent Een model is gedomineerd wanneer een ander gewaardeerd, beprijsd model in de catalogus minstens even hoog scoort, niet meer kost en op minstens een van die twee echt beter is. Die toets op twee assen is wat het bord telt. Ruwe Pareto in twee assen liegt nog steeds vaak: een model kan hoger scoren en minder kosten terwijl het geen afbeeldingen aanneemt, de uitvoer inperkt of veel minder context vasthoudt. Daarom noemt de methodologie een dominerend model pas een schone vervanger als het minstens het contextvenster, de maximale uitvoer, de invoertypen, het toolgebruik en de redenering van het huidige model behoudt. Als je iets inlevert, zegt het bord dat. Een model staat op de frontier wanneer niets onder de gekozen lens en workload minstens even hoog scoort voor minder geld, of hoger voor dezelfde prijs. Chartreuse in de interface is voor dat lidmaatschap. Het is geen highlightkleur te koop. Rangen zijn significatierangen , zoals Rank (UB) van LMArena dat al jaren doet. Modellen die de meting niet uit elkaar kan houden, delen een rang. “Het nummer-1-model” is geen claim die deze data draagt. Gelijkspel is gelijkspel. Unrated is geen nul. Het grootste deel van de catalogus heeft geen onafhankelijk kwaliteitscijfer. Die rijen staan op prijs en blijven buiten de kwaliteitsvolgorde. Niet gemeten is niet hetzelfde als slecht gemeten. Een snapshot, geen monument Op 25 augustus 2026 meldde het live bord: - 409 modellen, 50 aanbieders, 55 met getrapte prijzen - 97 van 108 gewaardeerde, beprijsde modellen gedomineerd - 11 niet. Die set is de frontier. Die cijfers bewegen. De vorm van de workload beweegt ze. Batchlevering beweegt ze. Een nieuwe fetch beweegt ze. Citeer de live pagina, niet deze alinea. Headline $/M is vaak het verkeerde getal. Contexttrappen veranderen het tarief voorbij een promptlengte. Sommige modellen factureren reasoningtokens op een aparte meter. Een paar geeft korting per tijdstip. Het bord herberekent de rij als de gekozen workload die lijnen kruist. Hoe je het deze week gebruikt 1. Open het leaderboard. Zet lens en workload op de klus die je echt draait. 2. Open de frontier. Dat is de korte lijst. 3. Check het model waar je al voor betaalt. Als het gedomineerd is, noemt het bord welk model beter is en wat je zou inleveren. 4. Lees de methodologie voordat je een rang als inkooporder behandelt. 5. Als een live cijfer botst met een primaire bron, dien een correctie in. De publieke GitHub-repo is de tracker, geen tweede kopie van de catalogus. Engels is de brontaal. Locales gaan als machinevertaling de deur uit; cijfers, modelnamen en aanbiedersnamen blijven onaangeroerd. Als een goedkoper endpoint het werk niet aankan, was het nooit goedkoper. Als iets anders zowel sterker als goedkoper is, is vasthouden aan het huidige model een voorkeur, geen kostenargument. Zet de voorkeur op tafel. Kijk daarna naar de elf.","keyTakeaways":["Eerst kwaliteit, dan prijs. Een samengevat waarderingscijfer verstopt de gedomineerde rij.","Een model is gedomineerd als iets anders minstens even hoog scoort voor niet meer geld en op een van die twee wint. Het bord zegt daarna of de vervanger het werk nog aankan.","Unrated is geen gezakte score. Het grootste deel van de catalogus heeft geen onafhankelijk kwaliteitscijfer.","Geen commissie op inference. Geen affiliate. Geen betaalde plaatsing. Correcties lopen via een publieke GitHub-issue met een primaire bron."],"readingMinutes":4,"publishedAt":"2026-08-25T13:05:00.000Z"}},"degree":8},{"id":"article:is-seo-dead","type":"article","pillar":"seo-geo-aeo","locales":{"en":{"label":"Is SEO dead? No. Answer engines turned it into the entry ticket","summary":"No. SEO (search engine optimization) is not dead; it became the entry ticket for AI answers. Google says a page must be indexed and eligible for a snippet to appear as a link in AI Overviews or AI Mode. OpenAI says that for your content to appear in ChatGPT's search summaries, its search crawler, OAI-SearchBot, must not be blocked. What changed is the click: people often get the answer without visiting, so measure citations and visits separately, in your own data.","url":"/en/blog/is-seo-dead/","searchText":"Is SEO dead? No. Answer engines turned it into the entry ticket Is SEO dead? No. Google, OpenAI and Perplexity still need to crawl your page, and Google to index it, before their AI can quote it. What changed is the click. The AI answer still shops in the search index. Fewer people walk through the door afterwards. No. SEO (search engine optimization) is not dead; it became the entry ticket for AI answers. Google says a page must be indexed and eligible for a snippet to appear as a link in AI Overviews or AI Mode. OpenAI says that for your content to appear in ChatGPT's search summaries, its search crawler, OAI-SearchBot, must not be blocked. What changed is the click: people often get the answer without visiting, so measure citations and visits separately, in your own data. is SEO dead SEO is not dead. Crawling, indexing and snippet eligibility decide whether AI answers can use your page. Google: to appear as a link in AI Overviews or AI Mode, a page must be indexed and eligible for a snippet. OpenAI and Perplexity both ask you to allow their search crawler if you want to appear in their answers. What changed is the click. In Pew's March 2025 data, people clicked a result on 8% of visits with an AI summary, against 15% without. Measure three numbers: search performance, AI referrals, and whether answers name you. aeo geo SEO Search engine optimization. Making a page easy for a search engine to crawl, index, and rank. AEO Answer engine optimization. Writing a page so an AI answer tool can lift a clean, correct answer from it. GEO Generative engine optimization. The wider work of becoming a source AI tools retrieve, understand, quote, and credit. crawler The program a search or AI company sends to read web pages. index The searchable store of pages a search engine has read and kept. snippet The short text preview a search engine shows from a page. No. SEO is not dead. Answer engines turned it into the entry ticket. Google, OpenAI, and Perplexity all say in their own documentation that their AI answers draw on pages their crawlers are allowed to read, and Google adds that the page must be in its search index. A page that fails that basic search work is not in the running. What changed is what happens after the answer: people often get it without clicking. SEO, AEO and GEO in one line each - SEO (search engine optimization): making a page easy for a search engine to crawl (read it with a crawler, the program it sends to fetch pages), index (keep it in its searchable store), and rank (show it high in results). - AEO (answer engine optimization): writing a page so an AI answer tool can lift a clean, correct answer from it. - GEO (generative engine optimization): the wider work of becoming a source that AI tools find, understand, quote, and credit. One more term: a snippet is the short text preview a search engine shows from your page. It matters more now than it used to, as you will see. The three are not a ladder where the next one replaces the last. AEO vs GEO vs SEO sets them side by side. Why is SEO not dead? Because the AI still shops in the index. Start with Google, since its AI features sit inside its search engine: AI Overviews (the AI-written summary at the top of many results pages) and AI Mode (a separate search mode for longer questions, answered by AI with links). Its guide to generative AI features asks whether SEO is still relevant and answers: \"In short, yes! The best practices for SEO continue to be relevant because our generative AI features on Google Search are rooted in our core Search ranking and quality systems.\" The same guide explains how an AI answer is built: a retrieval step that relies on Google's \"core Search ranking systems to retrieve relevant, up-to-date web pages from our Search index.\" Then it states the entry rule. To be shown as a supporting link in AI Overviews or AI Mode, \"a page must be indexed and eligible to be shown in Google Search with a snippet.\" The snippet part has teeth. Google's documentation says the nosnippet tag (an instruction not to show a text preview) also keeps a page's content from being used as a direct input for AI Overviews and AI Mode. Hide your preview and you have left the AI answer too. Since 31 August 2026, every site in Search Console (Google's free dashboard for site owners) also has a separate switch for Google's AI features. The default is to include your site. Excluding it removes your links and content from AI Overviews and AI Mode, and Google says the switch is not used as a ranking signal for the rest of Search. The AI features sit on top of Search, not beside it. The other engines say the same thing in their own words. OpenAI's crawler documentation says sites that opt out of OAI-SearchBot, its search crawler, \"will not be shown in ChatGPT search answers, though can still appear as navigational links.\" Perplexity's documentation says PerplexityBot \"is designed to surface and link websites in search results on Perplexity\" and recommends allowing it. A fair objection: Google has a stake in Search, so of course it says SEO matters. That is why the strongest evidence here is not Google's opinion but its written requirements, plus the matching rules from OpenAI and Perplexity. All three describe a gate that ordinary search work controls: their crawler must be allowed to read the page. Google adds indexing and snippet eligibility. The entry ticket, engine by engine Robots.txt is the plain text file at the root of your site that tells crawlers what they may read. Here is what each engine documents. Engine What reads your page What the documentation requires Where it says so --- --- --- --- Google AI Overviews and AI Mode Googlebot (Google's crawler), through the Google Search index Page indexed and eligible for a snippet; site not excluded in Search Console Google Search Central and Search Console Help ChatGPT search OAI-SearchBot Do not block OAI-SearchBot in robots.txt OpenAI crawler overview and publishers FAQ Perplexity PerplexityBot Allow PerplexityBot and its published IP addresses Perplexity crawler documentation If the row for an engine fails, its documentation gives you no route into its search answers, whatever you write on the page. So what did change? The click. The answer now often arrives before the visit. Pew Research Center tracked the web browsing of 900 US adults in March 2025, for Google searches only. When a search page showed an AI summary, people clicked a traditional result on 8% of visits. Without a summary, they clicked on 15%. Links inside the summary itself got a click on just 1% of visits. People ended their browsing session after 26% of pages with a summary, against 16% without. Two details keep this in proportion. First, most searches ended without a click on a search result anyway: around two-thirds of all searches in Pew's data, with or without a summary. Second, Google's own page says that when people do click from a results page with AI Overviews, \"these clicks are higher quality (meaning, users are more likely to spend more time on the site).\" Google gives no number there. Both can be true at once: fewer clicks, and different clicks. That is the real change. A page can now be read, quoted, and trusted without a visit. Judge SEO only by traffic and you may conclude it died. Judge it by whether you are the source, and it clearly did not. What is not the new SEO? Myth What the documentation says --- --- \"SEO is dead, do AEO instead.\" Google: optimizing for generative AI search \"is optimizing for the search experience, and thus still SEO.\" \"You need an llms.txt file for AI.\" llms.txt is a proposed file that lists a site's key pages for AI tools. Google says Search ignores it, and that it neither helps nor harms. OpenAI and Perplexity describe access through robots.txt, not llms.txt. \"AI needs special schema markup.\" Google: structured data (code that labels facts on a page for machines) is not required for its generative AI features, and there is no special schema.org markup to add. \"Rewrite everything for robots.\" Google: you do not need to write in a specific way for generative AI search. \"Block GPTBot and you vanish from ChatGPT.\" OpenAI: GPTBot (training) and OAI-SearchBot (search) are independent settings. More on what llms.txt is and is not, and on OpenAI's three crawlers. A four-line plan 1. Ticket. Confirm the page is indexed (Search Console's URL Inspection tool shows what Googlebot received) and that robots.txt lets Googlebot, OAI-SearchBot, and PerplexityBot in. No nosnippet on pages you want quoted. 2. Answer. Put the answer to the page's main question in the first screen, with its main condition. Answer-first writing shows how. 3. Proof. Put the source, a named author, and a visible date next to the claim. 4. Measure. Track three numbers separately: search performance in Search Console, AI referrals in your analytics (ChatGPT adds utm source=chatgpt.com , a tag that tells your analytics where a visit came from, to its links), and a monthly log of the questions you want to own, noting whether each answer names you. On the first number: Search Console's Performance report already counts appearances in Google's AI features under the \"Web\" search type, and its Generative AI performance report, rolled out to all sites as of 31 August 2026, shows impressions in AI Overviews and AI Mode (it stays empty if your site has too few impressions there). AEO vs SEO explains why the ranking number and the citation number move independently. Try this today (15 minutes) 1. Open Search Console and pick your page with the most impressions. (2 minutes) 2. Run it through URL Inspection. Is it indexed? (3 minutes) 3. Open yourdomain.com/robots.txt. Check that Googlebot, OAI-SearchBot, and PerplexityBot are not blocked. (5 minutes) 4. Ask that page's main question in ChatGPT search and in Perplexity. Write down one word per engine: named, linked, or absent. (5 minutes) If step 2 or 3 fails, you do not have an AI problem. You have an SEO problem, and it is the cheapest one to fix.","keyTakeaways":["SEO is not dead. Crawling, indexing and snippet eligibility decide whether AI answers can use your page.","Google: to appear as a link in AI Overviews or AI Mode, a page must be indexed and eligible for a snippet.","OpenAI and Perplexity both ask you to allow their search crawler if you want to appear in their answers.","What changed is the click. In Pew's March 2025 data, people clicked a result on 8% of visits with an AI summary, against 15% without.","Measure three numbers: search performance, AI referrals, and whether answers name you."],"readingMinutes":7,"publishedAt":"2026-10-06T14:00:00.000Z"},"nl":{"label":"Is SEO dood? Nee. Antwoordmachines hebben er een toegangskaartje van gemaakt","summary":"Nee. SEO (zoekmachineoptimalisatie) is niet dood, maar het toegangskaartje voor AI-antwoorden geworden. Google zegt dat een pagina geïndexeerd moet zijn en met een snippet getoond moet kunnen worden om als link in AI-overzichten of de AI-modus te verschijnen. OpenAI zegt dat je content alleen in de zoeksamenvattingen van ChatGPT komt als je de zoekcrawler OAI-SearchBot niet blokkeert. Wat wel veranderd is, is de klik: mensen krijgen het antwoord vaak zonder je site te bezoeken. Meet citaties en bezoeken dus apart, in je eigen data.","url":"/nl/blog/is-seo-dood/","searchText":"Is SEO dood? Nee. Antwoordmachines hebben er een toegangskaartje van gemaakt Is SEO dood? Nee. Google, OpenAI en Perplexity moeten je pagina nog steeds crawlen en Google moet haar indexeren, wil hun AI haar citeren. Veranderd is de klik. Het AI-antwoord winkelt nog steeds in de zoekindex. Alleen lopen er daarna minder mensen bij je binnen. Nee. SEO (zoekmachineoptimalisatie) is niet dood, maar het toegangskaartje voor AI-antwoorden geworden. Google zegt dat een pagina geïndexeerd moet zijn en met een snippet getoond moet kunnen worden om als link in AI-overzichten of de AI-modus te verschijnen. OpenAI zegt dat je content alleen in de zoeksamenvattingen van ChatGPT komt als je de zoekcrawler OAI-SearchBot niet blokkeert. Wat wel veranderd is, is de klik: mensen krijgen het antwoord vaak zonder je site te bezoeken. Meet citaties en bezoeken dus apart, in je eigen data. is SEO dood SEO is niet dood. Crawlen, indexeren en snippetgeschiktheid bepalen of AI-antwoorden je pagina kunnen gebruiken. Google: om als link in AI-overzichten of de AI-modus te verschijnen, moet een pagina geïndexeerd zijn en met een snippet getoond kunnen worden. OpenAI en Perplexity vragen allebei om hun zoekcrawler toe te laten als je in hun antwoorden wilt verschijnen. Wat wel veranderd is, is de klik. In de Amerikaanse cijfers van Pew (maart 2025) klikten mensen bij 8 procent van de bezoeken met een AI-samenvatting op een resultaat, tegen 15 procent zonder. Meet drie getallen: zoekprestaties, verwijzingen vanuit AI en of antwoorden jou noemen. aeo geo SEO Zoekmachineoptimalisatie. Een pagina zo maken dat een zoekmachine haar makkelijk kan crawlen, indexeren en hoog kan tonen. AEO Answer engine optimization. Een pagina zo schrijven dat een AI-antwoordmachine er een helder, correct antwoord uit kan halen. GEO Generative engine optimization. Het bredere werk om een bron te worden die AI-tools vinden, begrijpen, citeren en noemen. crawler Het programma dat een zoek- of AI-bedrijf op pad stuurt om webpagina's te lezen. index De doorzoekbare opslag van pagina's die een zoekmachine heeft gelezen en bewaard. snippet Het korte tekstvoorbeeld dat een zoekmachine van een pagina laat zien. Nee. SEO is niet dood. Antwoordmachines hebben er een toegangskaartje van gemaakt. Google, OpenAI en Perplexity schrijven alle drie in hun eigen documentatie dat hun AI-antwoorden putten uit pagina's die hun crawlers mogen lezen, en Google voegt eraan toe dat de pagina in zijn zoekindex moet staan. Een pagina die de basis van SEO niet op orde heeft, doet niet mee. Wat wel veranderd is, is wat er na het antwoord gebeurt: mensen krijgen het vaak zonder te klikken. SEO, AEO en GEO, elk in één regel - SEO (zoekmachineoptimalisatie): een pagina zo maken dat een zoekmachine haar makkelijk kan crawlen (lezen met een crawler, het programma dat de zoekmachine op pad stuurt om pagina's op te halen), indexeren (bewaren in haar doorzoekbare opslag) en ranken (hoog tonen in de resultaten). - AEO (answer engine optimization): een pagina zo schrijven dat een AI-antwoordmachine er een helder, correct antwoord uit kan halen. - GEO (generative engine optimization): het bredere werk om een bron te worden die AI-tools vinden, begrijpen, citeren en noemen. Nog één begrip: een snippet is het korte tekstvoorbeeld dat een zoekmachine van je pagina laat zien. Dat telt nu zwaarder dan vroeger, zoals je zo ziet. Het verschil tussen SEO en AEO is dus geen kwestie van oud tegenover nieuw. De drie zijn geen ladder waarbij de volgende sport de vorige vervangt. AEO vs GEO vs SEO zet ze naast elkaar. Waarom is SEO niet dood? Omdat de AI nog steeds in de zoekindex winkelt. Begin bij Google, want daar zitten de AI-functies ín de zoekmachine: de AI-overzichten (de door AI geschreven samenvatting bovenaan veel resultatenpagina's) en de AI-modus (een aparte zoekmodus voor langere vragen, met een door AI geschreven antwoord en links). Googles gids over generatieve AI-functies stelt de vraag of SEO nog relevant is en antwoordt: \"In short, yes!\" De reden die Google geeft: zijn generatieve AI-functies rusten op dezelfde kernsystemen voor ranking en kwaliteit als Google Zoeken. Dezelfde gids legt uit hoe een AI-antwoord ontstaat: een retrievalstap die op de rankingsystemen van Zoeken leunt om relevante, actuele pagina's uit de zoekindex op te halen. Daarna volgt de toegangsregel. Om als ondersteunende link in AI-overzichten of de AI-modus te verschijnen, moet een pagina geïndexeerd zijn en met een snippet in Google Zoeken getoond kunnen worden. Die snippeteis is niet vrijblijvend. Volgens Googles documentatie zorgt de tag nosnippet (een instructie om geen tekstvoorbeeld te tonen) er ook voor dat de content van een pagina niet als directe invoer voor AI-overzichten en de AI-modus wordt gebruikt. Verberg je je voorbeeldtekst, dan sta je ook buiten het AI-antwoord. Sinds 31 augustus 2026 heeft bovendien elke site in Search Console (het gratis dashboard van Google voor sitebeheerders) een aparte schakelaar voor de AI-functies van Google, onder Instellingen Generatieve AI in Zoeken. Standaard is je site opgenomen. Sluit je je site uit, dan verdwijnen je links en content uit AI-overzichten en de AI-modus, en Google zegt dat die keuze geen rankingsignaal is voor de rest van Zoeken. De AI-functies staan dus bovenop Zoeken, niet ernaast. De andere antwoordmachines zeggen hetzelfde in eigen woorden. Volgens de crawlerdocumentatie van OpenAI worden sites die OAI-SearchBot, de zoekcrawler van OpenAI, buitensluiten niet getoond in de zoekantwoorden van ChatGPT, al kunnen ze nog als navigatielink verschijnen. Perplexity schrijft dat PerplexityBot bedoeld is om websites te tonen en ernaar te linken in de zoekresultaten van Perplexity, en raadt aan hem toe te laten. Een terecht bezwaar: Google heeft belang bij Zoeken, dus natuurlijk zegt het dat SEO ertoe doet. Daarom is het sterkste bewijs hier niet Googles mening, maar zijn geschreven eisen, samen met de vergelijkbare regels van OpenAI en Perplexity. Alle drie beschrijven een poort waarvan de sleutel bij gewone SEO ligt: hun crawler moet de pagina mogen lezen. Google voegt indexering en snippetgeschiktheid toe. Het toegangskaartje per antwoordmachine Robots.txt is het tekstbestand in de hoofdmap van je site dat crawlers vertelt wat ze mogen lezen. Dit is wat elke antwoordmachine documenteert. Antwoordmachine Wat je pagina leest Wat de documentatie eist Waar dat staat --- --- --- --- AI-overzichten en AI-modus van Google Googlebot (de crawler van Google), via de zoekindex van Google Pagina geïndexeerd en geschikt voor een snippet; site niet uitgesloten in Search Console Google Search Central en de Help voor Search Console Zoeken in ChatGPT OAI-SearchBot OAI-SearchBot niet blokkeren in robots.txt Crawleroverzicht en uitgevers-FAQ van OpenAI Perplexity PerplexityBot PerplexityBot en de gepubliceerde IP-adressen toelaten Crawlerdocumentatie van Perplexity Voldoet je pagina niet aan wat in de rij van een antwoordmachine staat, dan biedt haar documentatie je geen weg naar haar zoekantwoorden, wat je ook op de pagina schrijft. Wat is er dan wel veranderd? De klik. Het antwoord komt nu vaak vóór het bezoek. Pew Research Center, een Amerikaans onderzoeksinstituut, volgde in maart 2025 het surfgedrag van 900 Amerikaanse volwassenen, alleen voor zoekopdrachten in Google. Stond er een AI-samenvatting op de resultatenpagina, dan klikten mensen bij 8 procent van de bezoeken op een gewoon zoekresultaat. Zonder samenvatting was dat 15 procent. Op een link in de samenvatting zelf werd maar bij 1 procent van de bezoeken geklikt. Na 26 procent van de pagina's met een samenvatting stopten mensen met surfen, tegen 16 procent zonder. Twee details zetten dit in perspectief. Ten eerste eindigden de meeste zoekopdrachten sowieso zonder klik op een zoekresultaat: ongeveer twee derde van alle zoekopdrachten in de data van Pew, met of zonder samenvatting. Ten tweede schrijft Google zelf dat klikken vanaf een resultatenpagina met AI-overzichten van hogere kwaliteit zijn, in de zin dat mensen eerder geneigd zijn langer op de site te blijven. Een getal geeft Google daar niet bij. Beide kunnen tegelijk waar zijn: minder klikken, en andere klikken. Dat is de echte verandering. Een pagina kan nu gelezen, geciteerd en vertrouwd worden zonder bezoek. Beoordeel je SEO alleen op verkeer, dan concludeer je misschien dat het dood is. Beoordeel je het op de vraag of jij de bron bent, dan leeft het duidelijk nog. Let wel: dit zijn Amerikaanse cijfers over Google. Hoe het voor jouw Nederlandse site uitpakt, zie je alleen in je eigen data. Wat is niet de nieuwe SEO? Mythe Wat de documentatie zegt --- --- \"SEO is dood, doe voortaan AEO.\" Google: optimaliseren voor zoeken met generatieve AI is optimaliseren voor de zoekervaring, en dus nog steeds SEO. \"Voor AI heb je een llms.txt nodig.\" llms.txt is een voorgesteld bestand dat de belangrijkste pagina's van een site voor AI-tools opsomt. Google zegt dat Zoeken het bestand negeert, en dat het niet helpt en niet schaadt. OpenAI en Perplexity regelen toegang via robots.txt, niet via llms.txt. \"AI vraagt om speciale schema-opmaak.\" Google: gestructureerde gegevens (code die feiten op een pagina voor machines labelt) zijn niet nodig voor zijn generatieve AI-functies, en er is geen speciale schema.org-opmaak die je moet toevoegen. \"Herschrijf alles voor robots.\" Google: je hoeft niet op een speciale manier te schrijven voor zoeken met generatieve AI. \"Blokkeer GPTBot en je verdwijnt uit ChatGPT.\" OpenAI: GPTBot (training) en OAI-SearchBot (zoeken) zijn onafhankelijke instellingen. Meer over wat llms.txt wel en niet is, en over de drie crawlers van OpenAI. Een plan in vier regels 1. Kaartje. Controleer of de pagina geïndexeerd is (de URL-inspectietool in Search Console laat zien wat Googlebot binnenkreeg) en of robots.txt Googlebot, OAI-SearchBot en PerplexityBot binnenlaat. Geen nosnippet op pagina's die je geciteerd wilt zien. 2. Antwoord. Zet het antwoord op de hoofdvraag van de pagina in het eerste scherm, met de voornaamste voorwaarde erbij. Antwoord eerst schrijven laat zien hoe. 3. Bewijs. Zet de bron, een auteur met naam en een zichtbare datum naast de bewering. 4. Meten. Houd drie getallen apart bij: zoekprestaties in Search Console, verwijzingen vanuit AI in je statistieken (ChatGPT zet utm source=chatgpt.com achter zijn links, een label waaraan je in je statistieken ziet waar een bezoek vandaan kwam) en een maandelijks logboek van de vragen waarbij je als bron genoemd wilt worden, met per antwoord of het jou noemt. Over het eerste getal: het gewone prestatierapport in Search Console telt verschijningen in de AI-functies van Google al mee onder het zoektype Web. Het prestatierapport over generatieve AI, dat sinds 31 augustus 2026 naar alle websites is uitgerold, toont vertoningen in AI-overzichten en de AI-modus (bij te weinig vertoningen blijft het leeg). AEO versus SEO legt uit waarom het rankinggetal en het citatiegetal los van elkaar bewegen. Probeer dit vandaag (15 minuten) 1. Open Search Console en kies je pagina met de meeste vertoningen. (2 minuten) 2. Haal haar door de URL-inspectietool. Is ze geïndexeerd? (3 minuten) 3. Open jouwdomein.nl/robots.txt. Controleer dat Googlebot, OAI-SearchBot en PerplexityBot niet geblokkeerd worden. (5 minuten) 4. Stel de hoofdvraag van die pagina in ChatGPT, met de zoekfunctie aan, en in Perplexity. Noteer per antwoordmachine één woord: genoemd, gelinkt of afwezig. (5 minuten) Gaat stap 2 of 3 mis, dan heb je geen AI-probleem. Dan heb je een SEO-probleem, en dat is het goedkoopst op te lossen.","keyTakeaways":["SEO is niet dood. Crawlen, indexeren en snippetgeschiktheid bepalen of AI-antwoorden je pagina kunnen gebruiken.","Google: om als link in AI-overzichten of de AI-modus te verschijnen, moet een pagina geïndexeerd zijn en met een snippet getoond kunnen worden.","OpenAI en Perplexity vragen allebei om hun zoekcrawler toe te laten als je in hun antwoorden wilt verschijnen.","Wat wel veranderd is, is de klik. In de Amerikaanse cijfers van Pew (maart 2025) klikten mensen bij 8 procent van de bezoeken met een AI-samenvatting op een resultaat, tegen 15 procent zonder.","Meet drie getallen: zoekprestaties, verwijzingen vanuit AI en of antwoorden jou noemen."],"readingMinutes":7,"publishedAt":"2026-10-06T14:05:00.000Z"}},"degree":7},{"id":"article:kahneman-for-marketing","type":"article","pillar":"venture-building","locales":{"en":{"label":"Kahneman for marketing: System 1 is not a permission slip","summary":"Daniel Kahneman's work, much of it with Amos Tversky, is a map of judgment under uncertainty. Prospect theory (Econometrica, 1979) codes outcomes as gains and losses from a reference point. The value function is generally steeper for losses than for gains. Thinking, Fast and Slow (2011) popularised two modes of thought: a fast, associative System 1 and a slower, more effortful System 2. Marketing lives in that map every time a price, a plan, or a headline sets a reference. You benefit by designing for how people actually compare, not for the rational agent on the whiteboard. You do not benefit by treating System 1 as a door you are allowed to sneak through. A frame that would collapse if the buyer had ten quiet minutes is not applied psychology. It is a rush.","url":"/en/blog/kahneman-for-marketing/","searchText":"Kahneman for marketing: System 1 is not a permission slip Daniel Kahneman and Amos Tversky described how people code gains and losses from a reference point, and how fast judgment runs beside slower checking. Marketing can use that map. It cannot turn it into a license to hide the terms. Losses weigh more than matching gains in prospect theory. That is a description. It is not a brief to frighten the buyer. Daniel Kahneman's work, much of it with Amos Tversky, is a map of judgment under uncertainty. Prospect theory (Econometrica, 1979) codes outcomes as gains and losses from a reference point. The value function is generally steeper for losses than for gains. Thinking, Fast and Slow (2011) popularised two modes of thought: a fast, associative System 1 and a slower, more effortful System 2. Marketing lives in that map every time a price, a plan, or a headline sets a reference. You benefit by designing for how people actually compare, not for the rational agent on the whiteboard. You do not benefit by treating System 1 as a door you are allowed to sneak through. A frame that would collapse if the buyer had ten quiet minutes is not applied psychology. It is a rush. Kahneman psychology applied to marketing Prospect theory: people judge changes from a reference, and losses weigh more than matching gains. No universal multiplier is claimed here. System 1 is fast cognition, not a customer you may deceive because they are busy. Anchoring, framing, and certainty are real mechanisms. Invented 'was' prices and fake deadlines are still claims. The Pricing Mind owns the number. The honest-conversion page owns the send. This page owns the psychology map. marketing Prospect theory A descriptive model of choice under risk. Outcomes are gains and losses from a reference point. The value function is generally steeper for losses than for gains. System 1 and System 2 Kahneman's names for fast, associative judgment and slower, effortful checking. A map of attention, not a personality test for buyers. A marketing deck says \"Kahneman\" and then shows a red countdown. That is not the work. Daniel Kahneman, much of it with Amos Tversky, mapped how people actually judge prospects. The map is useful. The countdown is still a sentence you have to defend. In 1979 they published prospect theory in Econometrica . People do not, in that account, evaluate final wealth like a textbook agent. They evaluate changes : gains and losses from a reference point , often the status quo or the number you just put on the page. The value function is generally steeper for losses than for gains. People underweight outcomes that are merely probable compared with outcomes that feel certain. Low probabilities can be overweighted, which is part of why insurance and gambling can both look attractive. In 2011 Kahneman's Thinking, Fast and Slow gave a public language for two modes of thought. System 1 is fast, associative, and already running. System 2 is slower and costs effort. Buyers spend most of a page in System 1. That is a fact about attention. It is not a permission slip. What you actually inherited Three mechanisms show up on almost every commercial page. You do not need a lab to see them. You do need to stop inventing their size. Reference points. A price is high or low against what sat next to it, what they paid last year, or what you crossed out. Change the crossed-out number and you moved the reference. If the \"was\" never was, you did not apply prospect theory. You wrote fiction. Loss framing. \"Don't lose your place\" and \"keep what you already have\" hit a steeper part of the value function than \"gain this bonus.\" The 1979 paper is why that feels different. It is not why you may invent a place they never had. A trial that expires is a real loss of access. A \"spot\" that was never counted is a prop. Certainty and probability. A sure small fee can outweigh a probable larger one in the buyer's head, and the reverse can happen in the loss domain. That is the certainty effect in the original paper, not a CRO slogan. Write the certain thing honestly. Do not manufacture certainty with a timer that lies. Anchoring belongs in the same family of judgment research: an arbitrary number on the table pulls the estimate. List prices, \"compare at,\" and the first plan in a grid are anchors. Use a real list. A fake anchor is a fake reference. Endowment is a neighbour, not a second theory you have to perform. People often weigh what they already hold more heavily than the same thing in someone else's hand. A trial that actually puts the work in their hands is a real endowment. A \"your account is waiting\" line for a person who never used the product is theatre. You may invite them to start. You may not write as if they already live there. How to benefit Design the comparison you actually want them to make, then leave the other comparisons visible. If annual billing is the honest better deal, put both numbers on the same screen, same currency, same period. System 1 will still grab the larger digit. System 2, if it arrives, should be able to reconstruct the year. Hiding the monthly equivalent is not \"working with System 1.\" It is hiding. If you sell a keep-the-lights-on product, say what stops if they leave. That is a real loss. If you sell a nice-to-have, do not dress it as a house fire. The steepness of the loss function does not make a false fire true. If you use a decoy plan so the middle looks reasonable, the decoy has to be a real offer. The Pricing Mind treats how buyers experience a number. It is in production and not for sale. A plan that exists only to make another plan look cheap is a claim. The published honest conversion page already said so. This page will not restage PRICE. Give System 2 a place to sit. A one-screen summary of term, price, what happens at renewal, and how to leave is not \"making it rational.\" It is courtesy for the part of the mind that does show up, sometimes, before a card is charged. Evaluate the reasoning, not the fluency is the adjacent test when a sentence is tidy and the source is not. Kahneman's map is about the mind that reads the sentence. Fluency still is not evidence. What not to import from the bookshelf Later popular psychology sat on the same table as Kahneman and did not all survive contact with replication. Priming-as-magic and ego-depletion-as-a-tank are not this article. If a vendor cites \"Kahneman\" and then promises a lift, ask for the study, the sample, and whether the effect was the one in 1979 or a blog summary of 2011. Do not write \"losses are twice as powerful.\" You will see that ratio in marketing explainers. It is a rough popular reading of later calibrations of a loss-aversion parameter. It is not a constant you can take to a pricing meeting. The 1979 claim you can stand on is steeper for losses than for gains, from a reference point. Do not treat System 1 as stupid and System 2 as the real customer. Fast judgment is how people drive, recognise a face, and know a price feels off. Slow checking is how they catch a trap. A decent page serves both. A trap needs the fast one alone. A working pass on one page Pick the pricing page or the first paywall. 1. Circle the reference: the number, plan, or status you are asking them to treat as \"now.\" 2. Write the gain in one line and the loss in one line, both true if they buy and if they leave. 3. Remove one frame that would die in a ten-minute quiet read. 4. Put the renewal and the exit on the same screen as the price. 5. If a crossed-out number remains, prove it existed as an offer a stranger could have taken. If step 1 is \"the fear we hope they have,\" you are not using Kahneman. You are using a mood. Kahneman received the 2002 prize in economic sciences for this family of work. Tversky died in 1996 and did not see it. The respect you owe them is to keep the map accurate. The respect you owe the buyer is to let the slower system arrive before the charge.","keyTakeaways":["Prospect theory: people judge changes from a reference, and losses weigh more than matching gains. No universal multiplier is claimed here.","System 1 is fast cognition, not a customer you may deceive because they are busy.","Anchoring, framing, and certainty are real mechanisms. Invented 'was' prices and fake deadlines are still claims.","The Pricing Mind owns the number. The honest-conversion page owns the send. This page owns the psychology map."],"readingMinutes":5,"publishedAt":"2026-09-09T22:00:00.000Z"},"nl":{"label":"Kahneman voor marketing: systeem 1 is geen vrijbrief","summary":"Het werk van Daniel Kahneman, grotendeels samen met Amos Tversky, is een kaart van oordeelsvorming onder onzekerheid. De prospecttheorie (Econometrica, 1979) codeert uitkomsten als winst en verlies ten opzichte van een referentiepunt. De waardefunctie is over het algemeen steiler voor verlies dan voor winst. Ons feilbare denken (2011) populariseerde twee denkwijzen: een snel, associatief Systeem 1 en een trager, meer inspannend Systeem 2. Marketing opereert op die kaart telkens wanneer een prijs, een abonnement of een kopregel een referentiepunt bepaalt. Je haalt voordeel uit ontwerpen voor hoe mensen daadwerkelijk vergelijken, niet voor de rationele actor op het whiteboard. Je hebt er geen voordeel bij om Systeem 1 te behandelen als een deur waar je stiekem doorheen mag sluipen. Een kader dat in elkaar stort als de koper tien minuten de tijd had, is geen toegepaste psychologie. Het is een overhaaste truc.","url":"/nl/blog/kahneman-voor-marketing/","searchText":"Kahneman voor marketing: systeem 1 is geen vrijbrief Daniel Kahneman en Amos Tversky beschreven hoe mensen winst en verlies coderen vanaf een referentiepunt, en hoe snelle oordeelsvorming naast tragere controle werkt. Marketing kan die kaart gebruiken. Het is geen licentie om de voorwaarden te verbergen. Verliezen wegen zwaarder dan vergelijkbare winsten in de prospecttheorie. Dat is een beschrijving. Het is geen opdracht om de koper bang te maken. Het werk van Daniel Kahneman, grotendeels samen met Amos Tversky, is een kaart van oordeelsvorming onder onzekerheid. De prospecttheorie (Econometrica, 1979) codeert uitkomsten als winst en verlies ten opzichte van een referentiepunt. De waardefunctie is over het algemeen steiler voor verlies dan voor winst. Ons feilbare denken (2011) populariseerde twee denkwijzen: een snel, associatief Systeem 1 en een trager, meer inspannend Systeem 2. Marketing opereert op die kaart telkens wanneer een prijs, een abonnement of een kopregel een referentiepunt bepaalt. Je haalt voordeel uit ontwerpen voor hoe mensen daadwerkelijk vergelijken, niet voor de rationele actor op het whiteboard. Je hebt er geen voordeel bij om Systeem 1 te behandelen als een deur waar je stiekem doorheen mag sluipen. Een kader dat in elkaar stort als de koper tien minuten de tijd had, is geen toegepaste psychologie. Het is een overhaaste truc. Kahneman-psychologie toegepast op marketing Prospecttheorie: mensen beoordelen veranderingen vanaf een referentiepunt, en verliezen wegen zwaarder dan vergelijkbare winsten. Hier wordt geen universele vermenigvuldiger geclaimd. Systeem 1 is snelle cognitie, geen klant die je mag misleiden omdat hij het druk heeft. Verankering, framing en zekerheid zijn echte mechanismen. Verzonnen 'van-voor'-prijzen en neppe deadlines blijven claims. De prijspsychologie gaat over het getal. De pagina over eerlijke conversies gaat over de verzending. Deze pagina gaat over de psychologische kaart. marketing Prospecttheorie Een beschrijvend model van keuzes onder risico. Uitkomsten zijn winst en verlies vanaf een referentiepunt. De waardefunctie is doorgaans steiler voor verliezen dan voor winsten. Systeem 1 en Systeem 2 Kahnemans namen voor snelle, associatieve oordeelsvorming en tragere, inspannende controle. Een kaart van aandacht, geen persoonlijkheidstest voor kopers. Een marketingpresentatie noemt \"Kahneman\" en toont dan een rode aftelklok. Dat is niet zijn werk. Daniel Kahneman bracht, grotendeels met Amos Tversky, in kaart hoe mensen vooruitzichten daadwerkelijk beoordelen. De kaart is nuttig. De aftelklok blijft een bewering die je moet kunnen verdedigen. In 1979 publiceerden ze de prospecttheorie in Econometrica . Mensen evalueren, volgens dat verslag, geen eindvermogen zoals een rationele actor in een leerboek. Ze evalueren veranderingen : winst en verlies vanaf een referentiepunt , vaak de status quo of het getal dat je zojuist op de pagina hebt gezet. De waardefunctie is over het algemeen steiler voor verliezen dan voor winsten. Mensen kennen te weinig gewicht toe aan uitkomsten die slechts waarschijnlijk zijn in vergelijking met uitkomsten die zeker voelen. Lage waarschijnlijkheden kunnen worden overschat, wat deels verklaart waarom zowel verzekeringen als gokken aantrekkelijk kunnen lijken. In 2011 gaf Kahnemans Ons feilbare denken een publieke taal voor twee denkwijzen. Systeem 1 is snel, associatief en draait al. Systeem 2 is trager en kost moeite. Kopers besteden het grootste deel van een pagina in Systeem 1. Dat is een feit over aandacht. Het is geen vrijbrief. Wat je daadwerkelijk hebt geërfd Drie mechanismen duiken op vrijwel elke commerciële pagina op. Je hebt geen laboratorium nodig om ze te zien. Je moet wel stoppen met het verzinnen van hun omvang. Referentiepunten. Een prijs is hoog of laag ten opzichte van wat ernaast stond, wat ze vorig jaar betaalden, of wat je hebt doorgestreept. Verander het doorgestreepte getal en je hebt het referentiepunt verplaatst. Als de \"van\"-prijs nooit heeft bestaan, heb je de prospecttheorie niet toegepast. Je hebt fictie geschreven. Verliesframing. \"Verlies je plek niet\" en \"behoud wat je al hebt\" raken een steiler deel van de waardefunctie dan \"krijg deze bonus\". Het artikel uit 1979 is de reden waarom dat anders voelt. Het is niet de reden waarom je een plek mag verzinnen die ze nooit hebben gehad. Een proefperiode die afloopt is een echt verlies van toegang. Een \"plek\" die nooit is geteld, is een rekwisiet. Zekerheid en waarschijnlijkheid. Een zekere, kleine vergoeding kan zwaarder wegen dan een waarschijnlijke grotere in het hoofd van de koper, en het omgekeerde kan gebeuren in het domein van verlies. Dat is het zekerheidseffect uit het oorspronkelijke artikel, geen CRO-slogan. Schrijf het zekere aspect eerlijk op. Produceer geen zekerheid met een timer die liegt. Verankering hoort bij dezelfde familie van onderzoek naar oordeelsvorming: een willekeurig getal op tafel trekt de schatting naar zich toe. Lijstprijzen, \"vergelijk met\" en het eerste abonnement in een tabel zijn ankers. Gebruik een echte lijst. Een nepanker is een nepreferentie. Het bezitseffect is een buurman, geen tweede theorie die je moet opvoeren. Mensen wegen wat ze al bezitten vaak zwaarder dan hetzelfde in de hand van iemand anders. Een proefperiode die het werk daadwerkelijk in hun handen legt, is een echte toekenning. Een regel met \"je account wacht op je\" voor iemand die het product nooit heeft gebruikt, is theater. Je mag ze uitnodigen om te beginnen. Je mag niet schrijven alsof ze er al wonen. Hoe je er voordeel uit haalt Ontwerp de vergelijking die je ze daadwerkelijk wilt laten maken, en laat de andere vergelijkingen vervolgens zichtbaar. Als jaarlijkse facturering echt de betere deal is, zet dan beide bedragen op hetzelfde scherm, in dezelfde valuta, voor dezelfde periode. Systeem 1 pakt nog steeds het grootste cijfer. Systeem 2, als dat verschijnt, moet het jaar kunnen reconstrueren. Het maandelijkse equivalent verbergen is niet \"werken met Systeem 1\". Het is verbergen. Als je een product verkoopt dat bedrijfskritisch is, vertel dan wat er stopt als ze vertrekken. Dat is een echt verlies. Als je een product verkoopt dat leuk is om te hebben, kleed het dan niet aan als een huisbrand. De steilheid van de verliesfunctie maakt een valse brand niet echt. Als je een afleidingsplan gebruikt om de middelste optie redelijk te laten lijken, moet die afleiding een echt aanbod zijn. De prijspsychologie behandelt hoe kopers een getal ervaren. Het is in productie en niet te koop. Een abonnement dat alleen bestaat om een ander plan goedkoop te laten lijken, is een claim. De gepubliceerde pagina over eerlijke conversie zei dit al. Deze pagina gaat PRICE niet heropvoeren. Geef Systeem 2 een plek om te zitten. Een samenvatting op één scherm van looptijd, prijs, wat er gebeurt bij verlenging en hoe ze kunnen vertrekken, is niet \"het rationeel maken\". Het is een beleefdheid tegenover het deel van de geest dat soms, voordat een kaart wordt belast, wél komt opdagen. Evalueer de redenering, niet de vloeiendheid is de nabijgelegen test wanneer een zin netjes is en de bron niet. De kaart van Kahneman gaat over de geest die de zin leest. Vloeiendheid is nog steeds geen bewijs. Wat je niet van de boekenplank moet halen Latere populaire psychologie lag op dezelfde tafel als Kahneman en overleefde niet altijd het contact met replicatie. Priming-als-magie en ego-depletie-als-een-brandstoftank zijn niet dit artikel. Als een leverancier \"Kahneman\" citeert en vervolgens een stijging belooft, vraag dan om de studie, de steekproef en of het effect dat uit 1979 was of een blogsamenstelling uit 2011. Schrijf niet \"verliezen zijn twee keer zo krachtig\". Die verhouding zie je in marketinguitleg. Het is een ruwe, populaire lezing van latere kalibraties van een verliesaversieparameter. Het is geen constante die je mee kunt nemen naar een prijsvergadering. De claim uit 1979 waar je op kunt staan, is steiler voor verliezen dan voor winsten, vanaf een referentiepunt. Behandel Systeem 1 niet als dom en Systeem 2 als de echte klant. Snelle oordeelsvorming is hoe mensen autorijden, een gezicht herkennen en weten dat een prijs niet klopt. Trage controle is hoe ze een valstrik doorzien. Een fatsoenlijke pagina bedient beide. Een valstrik heeft alleen het snelle systeem nodig. Een werkronde op één pagina Kies de prijspagina of de eerste betaalmuur. 1. Omcirkel de referentie: het getal, abonnement of de status die je ze als \"nu\" laat beschouwen. 2. Schrijf de winst in één regel en het verlies in één regel, beide waar als ze kopen en als ze vertrekken. 3. Verwijder één kader dat zou sneuvelen in tien minuten rustig lezen. 4. Zet de verlenging en het vertrek op hetzelfde scherm als de prijs. 5. Als er een doorgestreept getal overblijft, bewijs dan dat het bestond als een aanbod dat een vreemde had kunnen aannemen. Als stap 1 \"de angst die we hopen dat ze hebben\" is, gebruik je Kahneman niet. Je gebruikt een stemming. Kahneman ontving in 2002 de prijs in de economische wetenschappen voor deze familie van werk. Tversky stierf in 1996 en heeft het niet meegemaakt. Het respect dat je ze verschuldigd bent, is om de kaart accuraat te houden. Het respect dat je de koper verschuldigd bent, is om het tragere systeem te laten arriveren voor de afschrijving.","keyTakeaways":["Prospecttheorie: mensen beoordelen veranderingen vanaf een referentiepunt, en verliezen wegen zwaarder dan vergelijkbare winsten. Hier wordt geen universele vermenigvuldiger geclaimd.","Systeem 1 is snelle cognitie, geen klant die je mag misleiden omdat hij het druk heeft.","Verankering, framing en zekerheid zijn echte mechanismen. Verzonnen 'van-voor'-prijzen en neppe deadlines blijven claims.","De prijspsychologie gaat over het getal. De pagina over eerlijke conversies gaat over de verzending. Deze pagina gaat over de psychologische kaart."],"readingMinutes":6,"publishedAt":"2026-09-09T22:05:00.000Z"}},"degree":5},{"id":"article:len-vs-fractional-caio","type":"article","pillar":"venture-building","locales":{"en":{"label":"Len or a fractional CAIO: which work do you need?","summary":"A fractional CAIO (chief AI officer) is a senior AI leader hired part-time to own AI across a business: priorities, rules for safe use, and reporting to leadership. Len P. van der Hof does not offer that seat; his site calls his work 'not a packaged fractional CAIO shop'. He advises on one stuck decision about AI agents, does venture work, or installs a named framework on a system you already run. Need an owner for AI? Hire a CAIO. Stuck on one decision? The narrower work fits.","url":"/en/blog/len-vs-fractional-caio/","searchText":"Len or a fractional CAIO: which work do you need? Fractional CAIO vs AI advisor: what a part-time chief AI officer usually owns, what Len's advisory and systems work covers, and a six-question self-test. One role owns AI across the company. The other closes one decision or installs one system. Pick by the size of the problem. A fractional CAIO (chief AI officer) is a senior AI leader hired part-time to own AI across a business: priorities, rules for safe use, and reporting to leadership. Len P. van der Hof does not offer that seat; his site calls his work 'not a packaged fractional CAIO shop'. He advises on one stuck decision about AI agents, does venture work, or installs a named framework on a system you already run. Need an owner for AI? Hire a CAIO. Stuck on one decision? The narrower work fits. fractional CAIO vs AI advisor A fractional CAIO holds a leadership seat for AI, part-time. An advisor helps you close a specific decision. There is no standard job description. The most detailed official one was written for US federal agencies. Len's own page says his work is not a packaged fractional CAIO shop, not an AI department, and not a speaker bureau. If you cannot name the one decision you are stuck on, you need an owner before you need an advisor. positioning CAIO Chief AI officer. The senior executive responsible for how an organisation uses artificial intelligence. fractional executive A senior leader who holds a C-suite role part-time, usually for several organisations at once. agent charter A short written job description for an AI agent. It says what the agent may do, what it may not do, and who checks its work. review gate A checkpoint that work must pass, with a named person or test that can stop it, before it moves on. A fractional CAIO (chief AI officer) is a senior AI leader you hire part-time to own AI across your company: which projects go first, the rules for safe use, and reporting to the leadership team. Len P. van der Hof does not offer that seat. His own Work with me page calls his work \"Not a packaged fractional CAIO shop\". What he offers is narrower: help with one stuck decision about AI agents, venture work, or installing a named framework on a system you already run. So the short answer is about size. If you need an owner for AI across the business, hire a fractional CAIO. If you have one hard decision or one system to build, the narrower work fits. A plain disclosure before anything else: this is Len's own site, and this page describes his own work. Read it the way you would read any provider describing itself. Every statement below about what he does comes from his published Work with me and About pages. Nothing here promises availability, a price, or a result. What does a chief AI officer actually do? A chief AI officer, or CAIO, is the senior executive responsible for how an organisation uses artificial intelligence. That sentence is broad on purpose, because companies define the job very differently. The most detailed official job description comes from the US government, not from business. In April 2025 the Office of Management and Budget told every federal agency to \"retain or designate a Chief AI Officer\" (OMB M-25-21). The memo's list of duties, in plain words: - push responsible AI adoption through a governance and oversight process, - make sure the agency's AI use follows the law, - act as the senior AI advisor to the head of the agency, - keep an inventory of every place AI is used, - run extra checks on \"high-impact\" uses before anyone accepts the risk, - advise on training staff and on AI spending. That list was written for government agencies, not startups. It is still a useful map of what \"owning AI\" means: a seat at the leadership table, a standing inventory, and the authority to act on both. What does \"fractional\" add? A fractional executive holds a senior role part-time, usually for several organisations at once. On Harvard Business Review's IdeaCast, host Curt Nickisch described it as leaders \"who might otherwise serve as full-time C-suite executives, instead offer their skills to multiple organizations\" (HBR IdeaCast). The C-suite is the group of top executives whose titles start with \"chief\". A fractional CAIO is that same AI seat, part-time. Definitions vary, and most of them come from firms that sell fractional placements, so read them as sales descriptions: - Fractionus describes early engagements of two to four days a month, moving from strategy to implementation support to governance. It says a CAIO does not \"manage the engineering team or own the technology infrastructure\", and draws the line with advice this way: a fractional CAIO owns the strategy and answers for outcomes, while an AI consultant \"typically delivers a report or recommendation and exits\" (Fractionus). - Axial Search calls it \"a judgment role, not an engineering one\", and warns that it fails when the real gap is data architecture, risk governance or change management (Axial Search). Both agree on the core: strategy, priorities and governance for AI across the company, held by one accountable person. What does Len do instead? His page names three shapes of work and no others. Advisory. \"A stuck decision on agents, retrieval, model routing, citation, or review gates.\" You leave with a named protocol (a written, step-by-step method) that you can run on your own systems. The typical scope is one decision, one working session or a short memo, and a clear stop condition. Venture. Work that might become a company, a product, or a shared build, through his holding company LPH98.ventures. The page says plainly that most emails will not be this. Systems. Installing one of the frameworks from his books on a code repository or an operating calendar you already own. The deliverables are things you can inspect: agent charters (a short job description for each AI agent), role cards, review gates (checkpoints a named person can fail), and \"a path that survives the next hire\". And what it is not, in the page's own words: \"Not a packaged fractional CAIO shop, not an AI department, not a speaker bureau.\" Prices are not listed. Vague \"AI strategy\" briefs get a short redirect to Start here or the books. Side by side Fractional CAIO (typical; definitions vary) Len's work (as his site describes it) --- --- --- Scope AI across the whole company One decision, one venture, or one system Time shape Ongoing and part-time One session or memo, or a scoped install Sits Inside your leadership team Outside it; email is the door Owns afterwards The roadmap, the rules, the reporting You run the protocol on your own systems Typical output Priorities, AI policy, vendor choices, adoption plan A named protocol, charters, role cards, review gates Starts with A mandate from the CEO or board One stuck decision, one constraint, and what you already have Not listed Hands-on engineering (per both firms above) Company-wide AI policy and staff training Which one does your problem need? A six-question self-test Answer yes or no. The answer key follows each question. 1. Do you need someone in your leadership meetings every month who answers for AI across departments? Yes means an owner: a fractional or full-time CAIO. 2. Is your problem one decision you cannot close? For example: which actions an AI agent may take without a person approving them. Yes means advisory-sized work. 3. Do you already have a repository or a running process, and want AI agents in it with named roles and review gates? Yes means systems-sized work. 4. Do you need a company-wide AI policy, staff training, or vendor selection across several teams? Yes means CAIO-shaped work. Len's page does not list it. 5. Do you have something built that might become a product, and want a builder or capital partner? Yes means venture-shaped work, with the page's warning that most emails are not this. 6. Can you not yet name the decision at all? Then neither fits yet. Write the decision down first. If you said yes to question 1 or 4, you need an owner, not an advisor. Hiring an advisor for an owner-sized problem gets you a good memo that nobody has the authority to act on. A real warning that applies to both In the same HBR episode, researcher Tomoko Yokoi described a business owner whose fractional marketing executive did not work out. The owner felt the executive was applying what had worked for past or parallel clients instead of solving her problem, and that the work had become transactional. The lesson holds for a fractional CAIO and for an advisor alike: the brief has to carry your specific constraint, or you get someone else's answer. That is also why Len's page asks for \"one stuck decision, one constraint, and the protocol or repo you already have\", and not for a wish list. Try this today: three lines in fifteen minutes Before you email anyone, write three lines. 1. The decision , phrased as a question with an A-or-B answer. 2. The constraint that makes it hard: a budget, a law, a customer promise, a person. 3. What you already have : a repository, a process document, an agent that half works. If all three lines came easily, you have an advisor-sized problem, and you can bring it to whoever you choose. If line 1 turned into ten AI questions across five departments, you have an owner-sized problem. That is the CAIO seat, part-time or full-time, and it deserves a leadership hire, not a memo.","keyTakeaways":["A fractional CAIO holds a leadership seat for AI, part-time. An advisor helps you close a specific decision.","There is no standard job description. The most detailed official one was written for US federal agencies.","Len's own page says his work is not a packaged fractional CAIO shop, not an AI department, and not a speaker bureau.","If you cannot name the one decision you are stuck on, you need an owner before you need an advisor."],"readingMinutes":6,"publishedAt":"2026-09-30T07:00:00.000Z"},"nl":{"label":"Len of een fractional CAIO: welk werk heb je nodig?","summary":"Een fractional CAIO (chief AI officer) is een senior AI-leider die je parttime inhuurt als eigenaar van AI in je hele bedrijf: prioriteiten, regels voor veilig gebruik en rapportage aan de directie. Len P. van der Hof biedt die rol niet aan; volgens zijn site is zijn werk 'geen kant-en-klaar fractional-CAIO-bureau'. Hij adviseert over één besluit rond AI-agents waarop je vastloopt, doet venturewerk of richt een benoemd framework in op een systeem dat je al draait. Zoek je een eigenaar voor AI? Neem een CAIO. Loop je vast op één besluit? Dan past het smallere werk.","url":"/nl/blog/len-versus-fractional-caio/","searchText":"Len of een fractional CAIO: welk werk heb je nodig? Fractional CAIO of AI-adviseur: wat een parttime chief AI officer meestal doet, wat het werk van Len wel en niet dekt, en een zelftest in zes vragen. De ene rol is eigenaar van AI in het hele bedrijf. De andere krijgt één besluit rond of richt één systeem in. Kies op de omvang van je probleem. Een fractional CAIO (chief AI officer) is een senior AI-leider die je parttime inhuurt als eigenaar van AI in je hele bedrijf: prioriteiten, regels voor veilig gebruik en rapportage aan de directie. Len P. van der Hof biedt die rol niet aan; volgens zijn site is zijn werk 'geen kant-en-klaar fractional-CAIO-bureau'. Hij adviseert over één besluit rond AI-agents waarop je vastloopt, doet venturewerk of richt een benoemd framework in op een systeem dat je al draait. Zoek je een eigenaar voor AI? Neem een CAIO. Loop je vast op één besluit? Dan past het smallere werk. fractional CAIO of AI-adviseur Een fractional CAIO vervult parttime een leidinggevende rol voor AI. Een adviseur helpt je één concreet besluit te nemen. Er bestaat geen standaardfunctieomschrijving. De meest uitgewerkte officiële versie is geschreven voor Amerikaanse federale overheidsdiensten. Volgens zijn eigen pagina is het werk van Len geen kant-en-klaar fractional-CAIO-bureau, geen AI-afdeling en geen sprekersbureau. Kun je het ene besluit waarop je vastloopt niet benoemen, dan heb je eerst een eigenaar nodig en pas daarna een adviseur. positioning CAIO Chief AI officer. De topfunctionaris die verantwoordelijk is voor hoe een organisatie kunstmatige intelligentie inzet. fractional executive Een senior leider die een directiefunctie parttime vervult, meestal voor meerdere organisaties tegelijk. agentcharter Een korte, schriftelijke taakomschrijving voor een AI-agent. Wat de agent mag, wat hij niet mag en wie zijn werk controleert. reviewpoort Een controlepunt dat werk moet passeren, met een benoemde persoon of test die het kan tegenhouden, voordat het verder gaat. Een fractional CAIO (chief AI officer) is een senior AI-leider die je parttime inhuurt als eigenaar van AI in je hele bedrijf: welke projecten voorrang krijgen, de regels voor veilig gebruik en de verantwoording aan de directie. Len P. van der Hof biedt die rol niet aan. Op zijn eigen pagina Werk met mij staat letterlijk: \"Geen kant-en-klaar fractional-CAIO-bureau\". Wat hij wel doet, is smaller: helpen bij één besluit over AI-agents waarop je vastloopt, venturewerk, of een benoemd framework inrichten op een systeem dat je al draait. Het korte antwoord gaat dus over omvang. Heb je iemand nodig die eigenaar is van AI in het hele bedrijf, neem dan een fractional CAIO. Loop je vast op één lastig besluit of wil je één systeem bouwen, dan past het smallere werk. Eerst een eerlijke kanttekening. Dit is de eigen site van Len, en deze pagina beschrijft zijn eigen werk. Lees haar zoals je elke aanbieder leest die over zichzelf schrijft. Alles wat hieronder staat over wat hij doet, komt van zijn gepubliceerde pagina's Werk met mij en Over. Niets hier belooft beschikbaarheid, een prijs of een resultaat. Wat doet een chief AI officer eigenlijk? Een chief AI officer, afgekort CAIO, is de topfunctionaris die verantwoordelijk is voor hoe een organisatie kunstmatige intelligentie inzet. Die zin is bewust ruim, want bedrijven vullen de functie heel verschillend in. De meest uitgewerkte officiële functieomschrijving komt niet uit het bedrijfsleven, maar van de Amerikaanse overheid. In april 2025 droeg het Office of Management and Budget elke federale dienst op om een Chief AI Officer aan te wijzen of te behouden (OMB M-25-21). De taken uit die memo, in gewone woorden: - verantwoord gebruik van AI aanjagen, via een vast proces van governance en toezicht, - zorgen dat het AI-gebruik van de dienst binnen de wet blijft, - de belangrijkste AI-adviseur zijn van het hoofd van de dienst, - een overzicht bijhouden van elke plek waar AI wordt gebruikt, - toepassingen met grote gevolgen extra laten toetsen voordat iemand het risico accepteert, - adviseren over de opleiding van personeel en over AI-uitgaven. Die lijst is geschreven voor overheidsdiensten, niet voor startups. Toch is het een bruikbare kaart van wat \"eigenaar zijn van AI\" inhoudt: een plek aan tafel bij de directie, een overzicht dat altijd bijgewerkt is, en het mandaat om op beide te handelen. Wat voegt \"fractional\" daaraan toe? Een fractional executive vervult een topfunctie parttime, meestal voor meerdere organisaties tegelijk. In de podcast HBR IdeaCast van Harvard Business Review omschreef presentator Curt Nickisch het als leiders die anders een voltijdse directiefunctie zouden hebben, maar hun kennis nu aan meerdere organisaties aanbieden, elk voor een deel van hun tijd (HBR IdeaCast). Een fractional CAIO is diezelfde AI-functie, maar dan parttime. De definities lopen uiteen, en de meeste komen van bureaus die zulke plaatsingen verkopen. Lees ze dus als verkoopteksten: - Fractionus beschrijft trajecten die beginnen met twee tot vier dagen per maand en verschuiven van strategie naar ondersteuning bij de uitvoering en daarna naar governance. Een CAIO stuurt volgens het bureau geen engineeringteam aan en is geen eigenaar van de technische infrastructuur. Het verschil met advies legt Fractionus zo uit: een fractional CAIO is eigenaar van de strategie en staat in voor de uitkomst, terwijl een AI-consultant meestal een rapport of aanbeveling oplevert en vertrekt (Fractionus). - Axial Search noemt het een rol die om oordeelsvermogen draait, niet om engineering. Het bureau waarschuwt dat zo'n inzet mislukt als het echte gat in de data-architectuur, het risicobeheer of het veranderproces zit (Axial Search). Over de kern zijn ze het eens: strategie, prioriteiten en governance voor AI in het hele bedrijf, belegd bij één persoon die ervoor instaat. Wat doet Len dan wel? Zijn pagina noemt drie vormen van werk, en geen andere. Advies. \"Een besluit waarop je vastloopt, over agents, retrieval, modelrouting, citatie of reviewpoorten.\" Je krijgt een benoemd protocol mee (een uitgeschreven werkwijze, stap voor stap) dat je op je eigen systemen kunt draaien. De gebruikelijke omvang: één besluit, één werksessie of een kort memo, en een duidelijk moment waarop het werk stopt. Venture. Werk dat een bedrijf, een product of een gezamenlijk bouwproject kan worden, via zijn holding LPH98.ventures. De pagina zegt er eerlijk bij dat de meeste mails dit niet zijn. Systemen. Een framework uit zijn boeken inrichten op een coderepository of een vaste werkkalender die je al hebt. Wat je krijgt, kun je controleren: agentcharters (een korte taakomschrijving per AI-agent), rolkaarten, reviewpoorten (controlepunten waar een benoemde persoon het werk kan afkeuren) en \"een werkwijze die blijft staan als er een nieuwe collega bijkomt\". En wat het niet is, in de woorden van de pagina zelf: \"Geen kant-en-klaar fractional-CAIO-bureau, geen AI-afdeling, geen sprekersbureau.\" Prijzen staan er niet op. Vage aanvragen over \"AI-strategie\" krijgen een korte doorverwijzing naar Hier beginnen of de boeken. Naast elkaar Fractional CAIO (gangbaar; definities verschillen) Werk van Len (zoals zijn site het beschrijft) --- --- --- Reikwijdte AI in het hele bedrijf Eén besluit, één venture of één systeem Looptijd Doorlopend en parttime Eén sessie of memo, of een afgebakende inrichting Plek In je directie of managementteam Erbuiten; de mail is de deur Eigenaarschap daarna De roadmap, de regels, de rapportage Jij draait het protocol op je eigen systemen Gebruikelijke oplevering Prioriteiten, AI-beleid, leverancierskeuze, adoptieplan Een benoemd protocol, charters, rolkaarten, reviewpoorten Begint met Een mandaat van de directeur of de raad van bestuur Eén besluit waarop je vastloopt, één beperking en wat je al hebt Staat er niet bij Zelf bouwen en programmeren (volgens beide bureaus) AI-beleid voor het hele bedrijf en training van personeel Wat heeft jouw probleem nodig? Een zelftest in zes vragen Beantwoord elke vraag met ja of nee. De uitleg staat er direct onder. 1. Heb je iemand nodig die elke maand aan tafel zit bij het managementteam en instaat voor AI in alle afdelingen? Ja betekent een eigenaar: een fractional of voltijdse CAIO. 2. Gaat je probleem over één besluit dat je niet rond krijgt? Bijvoorbeeld: welke handelingen een AI-agent mag uitvoeren zonder dat een mens ze goedkeurt. Ja betekent werk op de schaal van advies. 3. Heb je al een repository of een lopend proces, en wil je daar AI-agents in met benoemde rollen en reviewpoorten? Ja betekent werk op de schaal van systemen. 4. Heb je AI-beleid nodig voor het hele bedrijf, training voor personeel, of een leverancierskeuze over meerdere teams heen? Ja betekent werk voor een CAIO. De pagina van Len noemt dit niet. 5. Heb je iets gebouwd dat een product kan worden, en zoek je een bouwer of kapitaalpartner? Ja betekent venturewerk, met de waarschuwing van de pagina dat de meeste mails dit niet zijn. 6. Kun je het besluit nog helemaal niet benoemen? Dan past geen van beide nog. Schrijf eerst het besluit op. Heb je vraag 1 of 4 met ja beantwoord, dan heb je een eigenaar nodig, geen adviseur. Wie een adviseur inhuurt voor een probleem van eigenaarsformaat, krijgt een goed memo, maar niemand heeft het mandaat om ernaar te handelen. Een echte waarschuwing die voor allebei geldt In dezelfde aflevering van HBR IdeaCast vertelde onderzoeker Tomoko Yokoi over een ondernemer bij wie het met een fractional marketingdirecteur niet goed uitpakte. De ondernemer had het gevoel dat die directeur toepaste wat bij eerdere of gelijktijdige klanten had gewerkt, in plaats van haar probleem op te lossen, en dat het werk transactioneel was geworden. De les geldt voor een fractional CAIO en voor een adviseur: je opdracht moet jouw specifieke beperking bevatten, anders krijg je het antwoord van iemand anders. Daarom vraagt de pagina van Len ook om \"één besluit waarop je vastloopt, één beperking en het protocol of de repo die je al hebt\", en niet om een verlanglijst. Probeer het vandaag: drie regels in een kwartier Schrijf drie regels op voordat je iemand mailt. 1. Het besluit , geformuleerd als een vraag met antwoord A of B. 2. De beperking die het lastig maakt: een budget, een wet, een belofte aan een klant, een persoon. 3. Wat je al hebt : een repository, een procesbeschrijving, een agent die half werkt. Kon je alle drie de regels makkelijk opschrijven, dan heb je een probleem van adviseursformaat, en dat kun je voorleggen aan wie je maar wilt. Werd regel 1 een lijst van tien AI-vragen verspreid over vijf afdelingen, dan heb je een probleem van eigenaarsformaat. Dat is de stoel van een CAIO, parttime of voltijds, en daar hoort een benoeming in de top bij, geen memo.","keyTakeaways":["Een fractional CAIO vervult parttime een leidinggevende rol voor AI. Een adviseur helpt je één concreet besluit te nemen.","Er bestaat geen standaardfunctieomschrijving. De meest uitgewerkte officiële versie is geschreven voor Amerikaanse federale overheidsdiensten.","Volgens zijn eigen pagina is het werk van Len geen kant-en-klaar fractional-CAIO-bureau, geen AI-afdeling en geen sprekersbureau.","Kun je het ene besluit waarop je vastloopt niet benoemen, dan heb je eerst een eigenaar nodig en pas daarna een adviseur."],"readingMinutes":7,"publishedAt":"2026-09-30T07:05:00.000Z"}},"degree":4},{"id":"article:level-vs-calibrate","type":"article","pillar":"founder-performance","locales":{"en":{"label":"LEVEL vs CALIBRATE: check the claim, or check your own judgment","summary":"LEVEL and CALIBRATE are two frameworks by Len P. van der Hof that answer different questions. LEVEL, from The Evidence-Aware Life, checks one claim before one decision in five steps: Locate, Estimate, Value, Expose, Lean. CALIBRATE, from The Calibrated Mind, is a nine-skill practice for checking, across many judgments, whether your stated confidence matches what actually happens. Use LEVEL when a claim is in front of you. Use CALIBRATE to learn how far your own confidence can be trusted.","url":"/en/blog/level-vs-calibrate/","searchText":"LEVEL vs CALIBRATE: check the claim, or check your own judgment LEVEL checks one claim before one decision. CALIBRATE checks, over many decisions, whether your confidence matches what happens. How they differ and fit. One asks whether this claim can carry this decision. The other asks whether your 70% really means 70%. LEVEL and CALIBRATE are two frameworks by Len P. van der Hof that answer different questions. LEVEL, from The Evidence-Aware Life, checks one claim before one decision in five steps: Locate, Estimate, Value, Expose, Lean. CALIBRATE, from The Calibrated Mind, is a nine-skill practice for checking, across many judgments, whether your stated confidence matches what actually happens. Use LEVEL when a claim is in front of you. Use CALIBRATE to learn how far your own confidence can be trusted. LEVEL vs CALIBRATE LEVEL checks a claim: can this claim carry this decision? CALIBRATE checks the person: does my confidence match what happens? LEVEL works on one decision and needs no outcome. CALIBRATE needs many resolved forecasts before it tells you anything. The difference is what you check, not how long it takes. Stakes change what you do with a forecast. They do not change the forecast. One correct prediction proves nothing about calibration; a calibrated 60% call should still miss about four times in ten. founder-resilience LEVEL Locate, Estimate, Value, Expose, Lean. A five-step check of how far one claim can carry one decision. From The Evidence-Aware Life. CALIBRATE Calibrate confidence, Assess assumptions, Lean on probabilities, Investigate alternatives, Build updating rules, Record and review, Act with appropriate uncertainty, Teach and extend, Evolve your model. A nine-skill practice for matching confidence to evidence and outcomes. From The Calibrated Mind. Calibration The match between how sure you say you are and how often you turn out right. Of the things you call 70% likely, about 70% should happen. Prediction journal A dated record of forecasts, each with a confidence number and a rule for how it resolves, reviewed once the outcomes are known. Action threshold The confidence at which acting beats not acting, given what each kind of mistake would cost. It changes with the stakes; the forecast does not. LEVEL checks a claim. CALIBRATE checks the person doing the checking. LEVEL, from The Evidence-Aware Life, is a five-step check of how far one claim can carry one decision. CALIBRATE, from The Calibrated Mind, is a nine-skill practice for finding out, over many judgments, whether your confidence matches what actually happens. Both books are by Len P. van der Hof and both are available now in English and Dutch. You do not need either book to use the frameworks; this page spells out both. They are often confused because they sit so close together. Both are about evidence and confidence, and both even use the word \"Lean\". But they answer different questions, and mixing them up leads to a common mistake: treating one good call as proof of good judgment. What is the difference, in one table? LEVEL CALIBRATE --- --- --- The question Can this claim carry this decision? Does my confidence match what happens? What you check The claim and its evidence Your own judgment, as an instrument Unit of work One claim, one decision Many judgments over weeks and months Needs outcomes? No. It is done before you act Yes, and many of them What you end up with A five-line record ending in a bounded next step A prediction journal and a regular review of it Steps 5 9 skills Book The Evidence-Aware Life The Calibrated Mind The short version: LEVEL asks whether you should trust the claim. CALIBRATE asks how far you should trust yourself. What is LEVEL? LEVEL is a five-step check for deciding how far to rely on one claim before you act on it. 1. Locate the claim: write it as one sentence someone could check. 2. Estimate the stakes: what it costs if you act and are wrong, if you ignore it and it was right, and if you wait. 3. Value the evidence: name what kind of support you hold, then check its quality, independence and relevance. 4. Expose the gap: name what is missing between that evidence and what this decision needs. 5. Lean accordingly: act only as far as evidence and stakes allow, with an owner, a limit and a review date. LEVEL never asks you to wait for the outcome. It is finished when the record is written. The LEVEL framework page has the one-line version of each step. What is CALIBRATE? Calibration is the match between how sure you say you are and how often you turn out right. If you are well calibrated, then of all the things you call 70% likely, about 70% happen. CALIBRATE is the practice for getting there and staying there. Its nine skills: 1. Calibrate confidence: treat certainty as a measurement, not a feeling. Say how sure you are as a number you can check later. 2. Assess assumptions: write down the hidden premises your judgment rests on, before they surprise you. 3. Lean on probabilities: put numbers or ranges on words like \"likely\", so one word stops hiding three different bets. 4. Investigate alternatives: test your view against the strongest competing explanation you can build. 5. Build updating rules: decide in advance how much a given result should move you, while you can still be honest about it. 6. Record and review: keep a prediction journal and compare it with what actually happened. 7. Act with appropriate uncertainty: you do not need certainty to act. Set a threshold based on what each kind of mistake would cost. 8. Teach and extend: explain your reasoning to someone else. It is the fastest way to find its holes. 9. Evolve your model: review regularly, notice where you drift, and correct it. Notice the word collision. In LEVEL, \"Lean\" is the last step: act accordingly. In CALIBRATE, \"Lean on probabilities\" means putting numbers on your judgments. Same word, two jobs. The CALIBRATE framework page lists the skills with their one-line summaries. One decision, two records: a worked example Imagine your kitchen is being renovated. The builder says it will be finished in six weeks. You are thinking of hosting a family dinner for twelve on the Saturday after. This example is hypothetical. The LEVEL record checks the builder's claim before you decide about the dinner. - Locate: \"finished\" means usable: water, power, worktop fitted, appliances connected. Not \"cabinets on the wall\". - Estimate: if you rely on the date and it slips, you cancel on twelve people at short notice. If you do not rely on it and it holds, you miss hosting. Moving the dinner early costs little; moving it late costs more. - Value: the builder's promise is an assertion from someone who wants to keep the job. Two online reviews saying \"on time\" are anecdotes. Your own last two renovations are the closest thing you have to a track record. - Expose: the missing piece is whether the parts are ordered and have confirmed delivery dates. - Lean: pencil in the dinner, but send no invitations until the end of week four. Ask the builder for the delivery confirmations this week. Owner: you. Decision point: end of week four. That record is complete. It does not tell you whether your own sense of \"six weeks sounds right\" can be trusted. That is a different question. The CALIBRATE record is one entry in a prediction journal. The fields below follow The Calibrated Mind's format: six written now, two when the outcome is known. text Date: Monday 28 September Prediction: The kitchen is usable (water, power, worktop, appliances) by Friday 6 November Type: binary (it happens or it does not) Confidence: 60% Rationale: The schedule assumes the worktop arrives in week 3; my last two projects both ran late Status: open -- filled in after 6 November -- Outcome: 1 if it happened, 0 if it did not Process note: one line on what you learned Here is the uncomfortable part. Whatever happens on 6 November, this one entry tells you almost nothing about your judgment. A well-calibrated 60% call should miss about four times in ten, so a miss does not prove your 60% was wrong, and a hit does not prove it was right. Only a run of resolved forecasts shows whether your 60% behaves like 60%. That is why The Calibrated Mind advises logging many small, fast-resolving predictions (\"this meeting will run over\") rather than a few grand ones. How do the two fit together? LEVEL feeds CALIBRATE. The evidence you weighed in Value and the gap you named in Expose are exactly what goes into the Rationale line. When you review your journal later, you can see which kinds of evidence you tend to over-trust. CALIBRATE tells you how much to trust your LEVEL checks. If your journal shows that your 80% calls come true only about half the time, your confidence is running ahead of your evidence somewhere. Your Value step is a good first place to look, and until you find the leak, your Lean steps should be more cautious. Stakes change the action, not the odds. Keep the same 60% forecast and change the dinner from twelve guests to two. The forecast is identical; the right action is not. CALIBRATE's seventh skill makes this explicit: the threshold for acting depends on what each kind of mistake costs. LEVEL's Estimate step says the same thing from the other side. Which one should you use? Your situation Start with --- --- A claim is in front of you and you must decide soon LEVEL You want to know whether your gut feeling can be trusted CALIBRATE, starting with Record and review A promise comes with a date that will resolve Both: LEVEL now, a journal entry for later Your team keeps saying \"likely\" and meaning different things CALIBRATE, Lean on probabilities You are about to make a big call you cannot undo LEVEL, then CALIBRATE's Act with appropriate uncertainty What are the common mix-ups? \"LEVEL is the quick one, CALIBRATE is the slow one.\" Not quite. A LEVEL check on a large decision can take weeks of digging. CALIBRATE's threshold skill can shape a decision today. The difference is what you check, not the clock. \"I called it right, so I am calibrated.\" One outcome cannot confirm or refute a probability. Calibration only shows up across many resolved forecasts. \"This matters a lot, so it is less likely to go wrong.\" Stakes raise the bar for acting. They do not move the probability. The same holds in reverse: a deadline does not make thin evidence stronger. \"Using the words means I am doing it.\" Both are authorial frameworks. Knowing the letters proves nothing; the records do the work. What calibration means makes the same point about confidence as a report rather than a feeling. Try this today (15 minutes) 1. Pick one decision this week that depends on someone else's promise with a date: a delivery, a hire's start date, a repair. 2. Write the five LEVEL lines (5 minutes). 3. Write one journal entry for the same promise: date, prediction with its resolution date, type, confidence, one-line rationale, status (5 minutes). 4. Put the resolution date in your calendar. When it arrives, fill in the outcome and one line on what you learned (5 minutes). Then keep going with small, quick forecasts, and wait until a few dozen have resolved before you draw conclusions about yourself. For bigger calls there is the five-line decision journal, which you write before you act for exactly this reason.","keyTakeaways":["LEVEL checks a claim: can this claim carry this decision? CALIBRATE checks the person: does my confidence match what happens?","LEVEL works on one decision and needs no outcome. CALIBRATE needs many resolved forecasts before it tells you anything.","The difference is what you check, not how long it takes.","Stakes change what you do with a forecast. They do not change the forecast.","One correct prediction proves nothing about calibration; a calibrated 60% call should still miss about four times in ten."],"readingMinutes":8,"publishedAt":"2026-09-26T07:00:00.000Z"},"nl":{"label":"LEVEL versus CALIBRATE: toets je de bewering of je eigen oordeel?","summary":"LEVEL en CALIBRATE zijn twee frameworks van Len P. van der Hof die verschillende vragen beantwoorden. LEVEL, uit Het bewijsbewuste leven, toetst in vijf stappen één bewering vóór één beslissing: Locate, Estimate, Value, Expose, Lean. CALIBRATE, uit De gekalibreerde geest, is een praktijk van negen vaardigheden om over veel oordelen heen na te gaan of je uitgesproken zekerheid klopt met wat er werkelijk gebeurt. Gebruik LEVEL als er een bewering voor je ligt. Gebruik CALIBRATE om te leren hoeveel je op je eigen zekerheid kunt bouwen.","url":"/nl/blog/level-versus-calibrate/","searchText":"LEVEL versus CALIBRATE: toets je de bewering of je eigen oordeel? LEVEL toetst één bewering vóór één beslissing. CALIBRATE toetst over veel beslissingen of je zekerheid klopt met wat er gebeurt. Zo verschillen ze. De een vraagt of deze bewering deze beslissing kan dragen. De ander vraagt of jouw 70 procent echt 70 procent is. LEVEL en CALIBRATE zijn twee frameworks van Len P. van der Hof die verschillende vragen beantwoorden. LEVEL, uit Het bewijsbewuste leven, toetst in vijf stappen één bewering vóór één beslissing: Locate, Estimate, Value, Expose, Lean. CALIBRATE, uit De gekalibreerde geest, is een praktijk van negen vaardigheden om over veel oordelen heen na te gaan of je uitgesproken zekerheid klopt met wat er werkelijk gebeurt. Gebruik LEVEL als er een bewering voor je ligt. Gebruik CALIBRATE om te leren hoeveel je op je eigen zekerheid kunt bouwen. LEVEL versus CALIBRATE LEVEL toetst de bewering: kan deze bewering deze beslissing dragen? CALIBRATE toetst de persoon: klopt mijn zekerheid met wat er gebeurt? LEVEL werkt op één beslissing en heeft geen uitkomst nodig. CALIBRATE zegt pas iets na veel afgewikkelde voorspellingen. Het verschil zit in wat je toetst, niet in hoe lang het duurt. De inzet verandert wat je met een voorspelling doet. De voorspelling zelf verandert er niet door. Eén juiste voorspelling bewijst niets over kalibratie; een gekalibreerde inschatting van 60 procent hoort nog altijd ongeveer vier op de tien keer mis te gaan. founder-resilience LEVEL Locate, Estimate, Value, Expose, Lean. Een check in vijf stappen van hoe ver één bewering één beslissing kan dragen. Uit Het bewijsbewuste leven. CALIBRATE Kalibreer vertrouwen, Analyseer aannames, Leun op waarschijnlijkheden, Onderzoek alternatieven, Bouw bijstellingsregels, Registreer en evalueer, Handel met passende onzekerheid, Leer anderen en breid uit, Ontwikkel je model verder. Een praktijk van negen vaardigheden om zekerheid af te stemmen op bewijs en uitkomsten. Uit De gekalibreerde geest, waar het raamwerk KALIBREER heet. Kalibratie De overeenkomst tussen hoe zeker je zegt te zijn en hoe vaak je gelijk krijgt. Van alles wat je 70 procent waarschijnlijk noemt, hoort ongeveer 70 procent uit te komen. Voorspellingsdagboek Een gedateerd overzicht van voorspellingen, elk met een zekerheidspercentage en een regel voor hoe ze wordt afgewikkeld, dat je terugleest zodra de uitkomsten bekend zijn. Actiedrempel De zekerheid waarbij handelen beter is dan afzien, gegeven wat elke soort fout kost. Die drempel verschuift met de inzet; de voorspelling niet. LEVEL toetst een bewering. CALIBRATE toetst degene die de bewering toetst. LEVEL, uit Het bewijsbewuste leven, is een check in vijf stappen die bepaalt hoe ver één bewering één beslissing kan dragen. CALIBRATE, uit De gekalibreerde geest, is een praktijk van negen vaardigheden om over veel oordelen heen na te gaan of je zekerheid klopt met wat er werkelijk gebeurt. Beide boeken zijn van Len P. van der Hof en beide zijn verkrijgbaar in het Nederlands en het Engels. Je hebt geen van beide boeken nodig om met de frameworks te werken: op deze pagina staan ze allebei uitgeschreven. Ze worden vaak door elkaar gehaald, omdat ze zo dicht bij elkaar liggen. Allebei gaan ze over bewijs en zekerheid, en in het Engels gebruiken ze zelfs allebei het woord \"Lean\". Toch beantwoorden ze verschillende vragen. Wie ze verwart, maakt een bekende fout: één goede inschatting zien als bewijs van goed oordeelsvermogen. Wat is het verschil, in één tabel? LEVEL CALIBRATE --- --- --- De vraag Kan deze bewering deze beslissing dragen? Klopt mijn zekerheid met wat er gebeurt? Wat je toetst De bewering en het bewijs erachter Je eigen oordeel, als meetinstrument Eenheid van werk Eén bewering, één beslissing Veel oordelen, over weken en maanden Uitkomsten nodig? Nee, je doet het vóórdat je handelt Ja, en flink wat Wat je overhoudt Een verslag van vijf regels dat eindigt in een afgebakende volgende stap Een voorspellingsdagboek en een vaste terugblik Stappen 5 9 vaardigheden Boek Het bewijsbewuste leven De gekalibreerde geest Kort gezegd: LEVEL vraagt of je de bewering kunt vertrouwen. CALIBRATE vraagt hoe ver je jezelf kunt vertrouwen. Wat is LEVEL? LEVEL is een check in vijf stappen om te bepalen hoe ver je op één bewering kunt bouwen voordat je ernaar handelt. De stapnamen blijven Engels, net als in het boek. 1. Locate , maak de bewering precies: schrijf haar op als één zin die iemand kan controleren. 2. Estimate , schat de inzet: wat het kost als je handelt en ongelijk hebt, als je haar negeert terwijl ze klopte, en als je wacht. 3. Value , weeg het bewijs: benoem welk soort onderbouwing je hebt en kijk dan naar kwaliteit, onafhankelijkheid en relevantie. 4. Expose , leg het gat bloot: benoem wat er ontbreekt tussen dat bewijs en wat deze beslissing vraagt. 5. Lean , handel ernaar: ga alleen zo ver als bewijs en inzet toelaten, met een eigenaar, een grens en een datum om opnieuw te kijken. LEVEL vraagt je nooit om op de uitkomst te wachten. De check is klaar zodra het verslag er staat. Op de frameworkpagina van LEVEL staat elke stap in één regel. Wat is CALIBRATE? Kalibratie is de overeenkomst tussen hoe zeker je zegt te zijn en hoe vaak je gelijk krijgt. Ben je goed gekalibreerd, dan komt van alles wat je 70 procent waarschijnlijk noemt ongeveer 70 procent uit. CALIBRATE is de praktijk om daar te komen en daar te blijven. In de Nederlandse editie heet het raamwerk KALIBREER. De negen vaardigheden: 1. Kalibreer vertrouwen: behandel zekerheid als een meting, niet als een gevoel. Zeg hoe zeker je bent in een getal dat je later kunt controleren. 2. Analyseer aannames: schrijf de verborgen premissen op waar je oordeel op rust, voordat ze je verrassen. 3. Leun op waarschijnlijkheden: hang getallen of bandbreedtes aan woorden als \"waarschijnlijk\", zodat één woord niet langer drie verschillende weddenschappen verbergt. 4. Onderzoek alternatieven: leg je opvatting naast de sterkste andere verklaring die je kunt bedenken. 5. Bouw bijstellingsregels: bepaal vooraf hoe ver een bepaald resultaat je oordeel mag verschuiven, zolang je er nog eerlijk over kunt zijn. 6. Registreer en evalueer: houd een voorspellingsdagboek bij en leg het naast wat er werkelijk gebeurde. 7. Handel met passende onzekerheid: je hebt geen zekerheid nodig om te handelen. Leg een drempel vast op basis van wat elke soort fout zou kosten. 8. Leer anderen en breid uit: leg je redenering aan iemand anders uit. Zo vind je het snelst de gaten erin. 9. Ontwikkel je model verder: kijk regelmatig terug, merk op waar je afdrijft en stuur bij. Let op de woordbotsing in de Engelse namen. Bij LEVEL is \"Lean\" de laatste stap: handel ernaar. Bij CALIBRATE betekent \"Lean on probabilities\", in het Nederlands Leun op waarschijnlijkheden, dat je getallen aan je oordelen hangt. Bijna hetzelfde woord, twee verschillende taken. Op de frameworkpagina van CALIBRATE staan de vaardigheden met hun korte omschrijving. Eén beslissing, twee verslagen: een uitgewerkt voorbeeld Stel: je keuken wordt verbouwd. De aannemer zegt dat hij over zes weken klaar is. Je overweegt om op de zaterdag erna twaalf familieleden te eten te vragen. Het voorbeeld is verzonnen. Het LEVEL-verslag toetst de belofte van de aannemer voordat je over het etentje beslist. - Locate: \"klaar\" betekent bruikbaar: water, stroom, werkblad erin, apparatuur aangesloten. Niet \"de kastjes hangen\". - Estimate: reken je op de datum en loopt het uit, dan zeg je twaalf mensen op het laatste moment af. Reken je er niet op en klopt de datum wel, dan mis je het etentje thuis. Vroeg verzetten kost weinig; laat verzetten kost meer. - Value: de belofte van de aannemer is een losse bewering van iemand die de klus wil houden. Twee online reviews met \"op tijd klaar\" zijn anekdotes. Je eigen laatste twee verbouwingen komen het dichtst bij een staat van dienst. - Expose: het ontbrekende stuk is of de onderdelen besteld zijn en een bevestigde leverdatum hebben. - Lean: zet het etentje met potlood in de agenda, maar verstuur de uitnodigingen pas aan het einde van week vier. Vraag de aannemer deze week om de leverbevestigingen. Eigenaar: jij. Beslismoment: einde van week vier. Dat verslag is compleet. Het zegt je alleen niet of je eigen gevoel dat \"zes weken wel klopt\" te vertrouwen is. Dat is een andere vraag. Het CALIBRATE-verslag is één regel in een voorspellingsdagboek. De velden hieronder volgen de indeling van De gekalibreerde geest: zes vul je nu in, twee zodra de uitkomst bekend is. text Datum: maandag 28 september Voorspelling: De keuken is bruikbaar (water, stroom, werkblad, apparatuur) op vrijdag 6 november Type: binair (het gebeurt of het gebeurt niet) Vertrouwen: 60% Onderbouwing: De planning gaat uit van een werkblad in week 3; mijn laatste twee verbouwingen liepen allebei uit Status: open -- invullen na 6 november -- Uitkomst: 1 als het gebeurde, 0 als het niet gebeurde Procesnotitie: één regel over wat je hebt geleerd Nu het ongemakkelijke deel. Wat er op 6 november ook gebeurt, deze ene regel zegt bijna niets over je oordeelsvermogen. Een goed gekalibreerde inschatting van 60 procent hoort ongeveer vier op de tien keer mis te gaan. Een misser bewijst dus niet dat je 60 procent verkeerd was, en een treffer niet dat hij klopte. Pas een reeks afgewikkelde voorspellingen laat zien of jouw 60 procent zich ook als 60 procent gedraagt. Daarom raadt De gekalibreerde geest aan om veel kleine voorspellingen bij te houden waarvan je snel weet hoe ze aflopen (\"deze vergadering loopt uit\"), in plaats van een paar grote. Hoe passen de twee in elkaar? LEVEL voedt CALIBRATE. Het bewijs dat je bij Value woog en het gat dat je bij Expose benoemde, zijn precies wat er in de regel Onderbouwing komt. Lees je je dagboek later terug, dan zie je welke soorten bewijs je te snel vertrouwt. CALIBRATE vertelt je hoeveel je op je LEVEL-checks kunt bouwen. Blijkt uit je dagboek dat je inschattingen van 80 procent maar in ongeveer de helft van de gevallen uitkomen, dan loopt je zekerheid ergens voor je bewijs uit. Je Value-stap is een goede eerste plek om te zoeken, en tot je het lek vindt, kies je bij Lean voorzichtiger. De inzet verandert de actie, niet de kans. Houd dezelfde voorspelling van 60 procent aan en maak van het etentje voor twaalf een etentje voor twee. De voorspelling is identiek; de juiste actie niet. De zevende vaardigheid van CALIBRATE maakt dat expliciet: de actiedrempel hangt af van wat elke soort fout kost. De Estimate-stap van LEVEL zegt hetzelfde van de andere kant. Welke gebruik je wanneer? Jouw situatie Begin met --- --- Er ligt een bewering voor je en je moet snel beslissen LEVEL Je wilt weten of je onderbuikgevoel te vertrouwen is CALIBRATE, te beginnen met Registreer en evalueer Een belofte heeft een datum waarop ze uitkomt of niet Allebei: nu LEVEL, en een dagboekregel voor later In je team zegt iedereen \"waarschijnlijk\" en bedoelt iets anders CALIBRATE, Leun op waarschijnlijkheden Je staat voor een grote beslissing die je niet kunt terugdraaien LEVEL, daarna Handel met passende onzekerheid uit CALIBRATE Wat zijn de gebruikelijke misverstanden? \"LEVEL is de snelle, CALIBRATE de langzame.\" Niet helemaal. Een LEVEL-check op een grote beslissing kan weken uitzoekwerk vragen. De drempelvaardigheid uit CALIBRATE kan een beslissing van vandaag sturen. Het verschil zit in wat je toetst, niet in de klok. \"Ik zat goed, dus ik ben gekalibreerd.\" Eén uitkomst bevestigt of weerlegt geen kans. Kalibratie wordt pas zichtbaar over veel afgewikkelde voorspellingen. \"Er staat veel op het spel, dus het gaat minder snel mis.\" Een hoge inzet legt de lat voor handelen hoger. De kans verschuift er niet door. Omgekeerd geldt hetzelfde: een deadline maakt dun bewijs niet sterker. \"Als ik de woorden gebruik, doe ik het ook.\" Het zijn allebei frameworks van de auteur. De letters kennen bewijst niets; het werk zit in de verslagen. Wat betekent kalibratie? maakt hetzelfde punt over zekerheid als verslag in plaats van gevoel. Probeer dit vandaag (15 minuten) 1. Kies één beslissing van deze week die afhangt van de belofte van iemand anders, met een datum eraan: een levering, de startdatum van een nieuwe collega, een reparatie. 2. Schrijf de vijf LEVEL-regels (5 minuten). 3. Schrijf voor dezelfde belofte één dagboekregel: datum, voorspelling met de datum waarop ze uitkomt, type, vertrouwen, onderbouwing in één regel, status (5 minuten). 4. Zet de afwikkeldatum in je agenda. Vul op die dag de uitkomst in, plus één regel over wat je hebt geleerd (5 minuten). Ga daarna door met kleine, snelle voorspellingen, en wacht tot er een paar tientallen zijn afgewikkeld voordat je conclusies over jezelf trekt. Voor grotere beslissingen is er het besluitjournaal in vijf regels: dat schrijf je, om precies die reden, voordat je handelt.","keyTakeaways":["LEVEL toetst de bewering: kan deze bewering deze beslissing dragen? CALIBRATE toetst de persoon: klopt mijn zekerheid met wat er gebeurt?","LEVEL werkt op één beslissing en heeft geen uitkomst nodig. CALIBRATE zegt pas iets na veel afgewikkelde voorspellingen.","Het verschil zit in wat je toetst, niet in hoe lang het duurt.","De inzet verandert wat je met een voorspelling doet. De voorspelling zelf verandert er niet door.","Eén juiste voorspelling bewijst niets over kalibratie; een gekalibreerde inschatting van 60 procent hoort nog altijd ongeveer vier op de tien keer mis te gaan."],"readingMinutes":8,"publishedAt":"2026-09-26T07:05:00.000Z"}},"degree":8},{"id":"article:literary-agent-or-ai-agent","type":"article","pillar":"ai-systems","locales":{"en":{"label":"Literary agent or AI agent: two different jobs","summary":"A literary agent is a human who represents an author's work to publishers, usually on commission, and is not this website. An AI agent is a system that takes a goal, uses tools, and acts across steps under a charter. If you searched 'literair agent non fictie' looking for someone to sell a Dutch nonfiction manuscript, this page is a collision warning, not a roster. If you searched because a slide mixed the words, three tests still decide whether the software is an agent: goal, tools, continuation. This site publishes operator nonfiction. It does not shop manuscripts.","url":"/en/blog/literary-agent-or-ai-agent/","searchText":"Literary agent or AI agent: two different jobs A literary agent represents a manuscript to publishers. An AI agent takes a goal, uses tools, and acts across steps under a charter. This site is not a literary agency. Mixing the words is how a chatbot inherits an API key, and how a writer emails a tool. One is a human representative. The other is a worker with a ceiling. They do not replace each other. A literary agent is a human who represents an author's work to publishers, usually on commission, and is not this website. An AI agent is a system that takes a goal, uses tools, and acts across steps under a charter. If you searched 'literair agent non fictie' looking for someone to sell a Dutch nonfiction manuscript, this page is a collision warning, not a roster. If you searched because a slide mixed the words, three tests still decide whether the software is an agent: goal, tools, continuation. This site publishes operator nonfiction. It does not shop manuscripts. literary agent versus AI agent Literary agent = human representative. AI agent = worker with a ceiling. This site is not a literary agency. Do not email a tool hoping it is a person. The AI-agent definition and the agent-or-chatbot comparison are different URLs. Three tests still decide the software. Representation is a different profession. ai-agents AI agent A system that holds a goal, uses tools, and acts across steps under a charter. Dutch Search already sends \"literair agent non fictie\" to this domain. That query wants a human who sells a manuscript. This site publishes operator nonfiction. Those are not the same job. Literary agent or AI agent? A literary agent is a human representative. An AI agent is a system that takes a goal, uses tools, and acts across steps under a charter. This website is not a literary agency. It does not shop manuscripts. It does not take a commission on a book deal. If you landed here looking for representation, leave through a proper agency directory. If you landed here because a slide mixed the words, stay for the three tests. Two jobs, one English word English borrowed \"agent\" for both a person who acts for you and a system that acts instead of a click . Dutch search does the same with \"literair agent.\" The collision is in the query, not in the professions. A literary agent is a human who represents an author's work to publishers, usually on commission. The work is relationships, taste, contract language, and a decision to take a manuscript on or not. That person can refuse you. That is the job. This page will not name a roster. Representation rules differ by country. This is not legal advice. An AI agent , on this site, is software that holds a goal, uses tools, and continues across steps under a written charter. What is an AI agent? owns that definition. The charter is seven fields. Without them you have a demo that can spend money. A wrapper around a chat model is not this. Neither is a scheduled script. They do not replace each other. A model will not take your nonfiction to a house. A literary agent will not call your payment API. The mix-up Calling software an \"agent\" does not make it a representative. Calling a person an \"agent\" does not give them a tool API. What is an AI agent? owns the software definition. AI agent or chatbot owns the chatbot mix-up. This page owns the human-representative mix-up. The failure shows up in two inboxes. A writer emails a contact form, a chatbot, or a generic hello@ hoping a person will shop a manuscript. Nobody on this site does that work. The reply you want is a human at an agency, not a fluent paragraph from a model. A founder says \"we have an agent\" and means a chat window with a plugin. Production credentials follow the word. AI agent or chatbot is the comparison for that slide. The three tests below still apply. If the system cannot refuse a tool call, it is not an agent you can run. Three tests, still 1. Does it hold a goal overnight? 2. Does it use tools? 3. Does it continue across steps without a human typing each one? A literary agent fails all three as software, on purpose. That is the job. The human holds the goal, the relationships, and the refusal. You do not want that work automated into a send. A chatbot that fails all three and still has production credentials is the failure mode on this site. Useful for drafting. Dangerous the moment you paste its output into a tool it cannot see. Walk one object through both professions. \"Find a Dutch house for this operator manuscript\" is a literary-agent job. \"Draft a one-page synopsis from the chapter map, then stop\" can be an AI-agent job if someone wrote the ceiling: no send, no invented blurbs, a named reviewer who can fail the page. \"Chat with me about my book until it feels ready\" is a chatbot. Mixing the three is how a synopsis goes out as if a house had already said yes. A search, a slide, a send The search. \"literair agent non fictie\" wants a person. This domain publishes books and operator essays. The honest landing is this collision page, not a fake roster and not a sales funnel dressed as representation. If that was your query, you are in the wrong building. Use a directory that lists agencies. Do not send the manuscript to a tool. The slide. A vendor titled a product \"Agent\" next to a photo of a person in a suit. The room now uses one word for a commission relationship and a model with a plugin. Vocabulary is the control. Loose vocabulary is how a chatbot inherits an API key. The send. Someone pastes a chapter into a chat, likes the cover letter, and hits the mail tool because the system was called an agent. There was no charter, no authority ceiling, no named reviewer. That is not representation. That is an unreviewed send. The override doctrine is the refuse-line for software. A literary agent supplies the refuse-line in person. What this site will do, and will not The Agentic Author is about producing a book with gates, not about selling one to a house. It is live. It is not an agency. BooksOS is seven production gates. Agents draft. Gates decide. The byline stays human. None of that is representation. This page will not: - list agencies - quote a standard commission - promise a house will answer - treat a model as a scout It will tell you which job you actually searched for, and which URL owns the software definition. What to do this week Write one sentence that names the job you wanted when you typed the query. If the sentence is \"I need a human to take this manuscript to publishers,\" stop using this site for that job. Find an agency through a directory that exists for that purpose. Do not paste the book into a chat and call it submitting. If the sentence is \"I need software that can draft, file, or research under a ceiling,\" open What is an AI agent? and fill the seven fields before the tool that can send. If you cannot fill them, you do not have an agent. You have a demo. If the sentence is \"I mixed the words on a slide,\" run the three tests on every system you currently call an agent. Fail them out loud. Rename the chatbot a chatbot. The literary meaning of the word can stay with the humans who still do that work.","keyTakeaways":["Literary agent = human representative. AI agent = worker with a ceiling.","This site is not a literary agency. Do not email a tool hoping it is a person.","The AI-agent definition and the agent-or-chatbot comparison are different URLs.","Three tests still decide the software. Representation is a different profession."],"readingMinutes":5,"publishedAt":"2026-09-08T07:00:00.000Z"},"nl":{"label":"Literair agent of AI-agent: twee verschillende beroepen","summary":"Een literair agent is een mens die het werk van een auteur vertegenwoordigt bij uitgevers, meestal op commissiebasis, en is niet deze website. Een AI-agent is een systeem dat een doel vasthoudt, tools inzet en meerdere stappen uitvoert onder een charter. Als je op 'literair agent non fictie' hebt gezocht om iemand te vinden die een Nederlands non-fictiemanuscript verkoopt, is deze pagina een waarschuwing, geen selectiepagina. Als je zocht omdat een slide de woorden door elkaar haalde, zijn er nog steeds drie tests die bepalen of software een agent is: een doel, tools, en de continuatie. Deze site publiceert non-fictie voor operators. Wij verkopen geen manuscripten.","url":"/nl/blog/literair-agent-of-ai-agent/","searchText":"Literair agent of AI-agent: twee verschillende beroepen Een literair agent vertegenwoordigt een manuscript bij uitgevers. Een AI-agent krijgt een doel, gebruikt tools en handelt in meerdere stappen volgens een charter. Deze site is geen literair agentschap. Door deze termen door elkaar te halen, erft een chatbot een API-sleutel en mailt een schrijver naar een stuk software. De een is een menselijke vertegenwoordiger. De ander is een werker met een plafond. Ze vervangen elkaar niet. Een literair agent is een mens die het werk van een auteur vertegenwoordigt bij uitgevers, meestal op commissiebasis, en is niet deze website. Een AI-agent is een systeem dat een doel vasthoudt, tools inzet en meerdere stappen uitvoert onder een charter. Als je op 'literair agent non fictie' hebt gezocht om iemand te vinden die een Nederlands non-fictiemanuscript verkoopt, is deze pagina een waarschuwing, geen selectiepagina. Als je zocht omdat een slide de woorden door elkaar haalde, zijn er nog steeds drie tests die bepalen of software een agent is: een doel, tools, en de continuatie. Deze site publiceert non-fictie voor operators. Wij verkopen geen manuscripten. literair agent versus AI-agent Literair agent = menselijke vertegenwoordiger. AI-agent = werker met een plafond. Deze site is geen literair agentschap. Mail geen tool in de hoop dat het een persoon is. De definitie van een AI-agent en de vergelijking tussen agent en chatbot staan op andere URL's. Drie tests beslissen over de software. Vertegenwoordiging is een ander beroep. ai-agents AI-agent Een systeem dat een doel vasthoudt, tools gebruikt en taken uitvoert onder een charter. Nederlandse zoekmachines sturen \"literair agent non fictie\" al naar dit domein. Die zoekopdracht wil een mens die een manuscript kan verkopen. Deze site publiceert non-fictie vanuit het perspectief van de operator. Dat is niet dezelfde baan. Literair agent of AI-agent? Een literair agent is een menselijke vertegenwoordiger. Een AI-agent is een systeem dat een doel vasthoudt, tools gebruikt en zelfstandig meerdere stappen uitvoert onder een vastgelegd charter. Deze website is geen literair agentschap. Wij zoeken geen uitgever voor jouw manuscript. Wij pakken geen commissie op een boekendeal. Als je hier terechtkwam op zoek naar vertegenwoordiging, verlaat deze pagina via een officiële gids van agentschappen. Als je hier kwam omdat een presentatie de woorden door elkaar haalde, blijf dan voor de drie tests. Twee beroepen, één woord Engels leende \"agent\" zowel voor een mens die namens je handelt als voor een systeem dat in plaats van een klik handelt. Nederlandse zoekopdrachten doen hetzelfde met \"literair agent.\" De botsing zit in de query, niet in de beroepen. Een literair agent is een mens die het werk van een auteur bij uitgevers vertegenwoordigt, meestal op commissie. Het werk is relaties, smaak, contracttaal, en de beslissing om een manuscript wel of niet aan te nemen. Die persoon kan je weigeren. Dat is het beroep. Deze pagina noemt geen lijst. Regels voor vertegenwoordiging verschillen per land. Dit is geen juridisch advies. Een AI-agent is op deze site software die een doel vasthoudt, tools inzet en over stappen doorgaat onder een geschreven charter. Wat is een AI-agent? bezit die definitie. Het charter heeft zeven velden. Zonder die velden heb je een demo die geld kan uitgeven. Een schil om een chatmodel is dit niet. Een gepland script ook niet. Ze vervangen elkaar niet. Een model brengt jouw non-fictie niet naar een huis. Een literair agent belt niet jouw betaal-API. De verwarring Software een \"agent\" noemen maakt het nog geen vertegenwoordiger. Een persoon een \"agent\" noemen geeft die persoon geen tool-API. Wat is een AI-agent? bevat de definitie voor software. AI-agent of chatbot bespreekt de verwarring met de chatbot. Deze pagina adresseert de verwisseling met de menselijke vertegenwoordiger. De misser landt in twee inboxen. Een schrijver mailt een contactformulier, een chatbot of een generieke hello@ in de hoop dat een mens een manuscript gaat slijten. Niemand op deze site doet dat werk. Het antwoord dat je wilt is een mens bij een agentschap, geen vloeiende alinea van een model. Een founder zegt \"we hebben een agent\" en bedoelt een chatvenster met een plugin. Productiecredentials volgen het woord. AI-agent of chatbot is de vergelijking voor die slide. De drie tests hieronder gelden nog. Als het systeem een toolaanroep niet kan weigeren, is het geen agent die je kunt draaien. Nog steeds drie tests 1. Kan het 's nachts een doel vasthouden? 2. Maakt het gebruik van tools? 3. Gaat het door over meerdere stappen zonder dat een mens elke stap typt? Een literair agent faalt op alle drie als je die als software beschouwt, en dat is de bedoeling. Het is menselijk werk. De mens houdt het doel, de relaties en de weigering. Je wilt dat werk niet automatiseren tot een send. Een chatbot die op alle drie faalt en tóch credentials voor je productieomgeving heeft, is het faalrisico op deze site. Nuttig om te schetsen. Gevaarlijk zodra je de output in een tool plakt die het zelf niet ziet. Loop één object door beide beroepen. \"Zoek een Nederlandse uitgever voor dit operator-manuscript\" is werk voor een literair agent. \"Maak een synopsis van één pagina uit de hoofdstukkenkaart, en stop dan\" kan werk voor een AI-agent zijn als iemand het plafond schreef: niet versturen, geen verzonnen flaptekst, een benoemde reviewer die de pagina kan laten zakken. \"Chat met me over mijn boek tot het goed voelt\" is een chatbot. Die drie door elkaar halen is hoe een synopsis de deur uit gaat alsof een huis al ja had gezegd. Een zoekopdracht, een slide, een send De zoekopdracht. \"literair agent non fictie\" wil een mens. Dit domein publiceert boeken en operator-essays. De eerlijke landing is deze botsingspagina, geen neppe lijst en geen verkoopfunnel vermomd als vertegenwoordiging. Was dat je query, dan zit je in het verkeerde gebouw. Gebruik een gids die agentschappen vermeldt. Stuur het manuscript niet naar een tool. De slide. Een leverancier zette \"Agent\" naast een foto van iemand in een pak. De kamer gebruikt nu één woord voor een commissierelatie en een model met een plugin. Vocabulaire is de controle. Los vocabulaire is hoe een chatbot een API-sleutel erft. De send. Iemand plakt een hoofdstuk in een chat, vindt de begeleidende brief mooi, en raakt de mailtool aan omdat het systeem een agent heette. Er was geen charter, geen bevoegdheidsplafond, geen benoemde reviewer. Dat is geen vertegenwoordiging. Dat is een onbeoordeelde send. De override-doctrine is de weigerlijn voor software. Een literair agent levert die weigerlijn in persoon. Wat deze site wel doet, en niet De agentische auteur gaat over het maken van een boek met poorten, niet over het verkopen ervan aan een huis. Het is live. Het is geen agentschap. BooksOS is zeven productiepoorten. Agents schrijven. Poorten beslissen. Het auteurschap blijft menselijk. Dat is geen vertegenwoordiging. Deze pagina doet niet: - agentschappen opsommen - een standaardcommissie noemen - beloven dat een huis antwoordt - een model als scout behandelen Ze zegt je welk beroep je echt zocht, en welke URL de softwaredefinitie bezit. Wat je deze week doet Schrijf één zin die de baan noemt die je wilde toen je de query intikte. Is de zin \"ik zoek een mens die dit manuscript naar uitgevers brengt,\" gebruik deze site daar dan niet voor. Zoek een agentschap via een gids die daarvoor bestaat. Plak het boek niet in een chat en noem dat indienen. Is de zin \"ik zoek software die onder een plafond mag schetsen, archiveren of researchen,\" open Wat is een AI-agent? en vul de zeven velden in vóór de tool die kan versturen. Kun je ze niet vullen, dan heb je geen agent. Je hebt een demo. Is de zin \"ik heb de woorden op een slide door elkaar gehaald,\" draai de drie tests op elk systeem dat je nu agent noemt. Laat ze hardop zakken. Noem de chatbot een chatbot. De literaire betekenis van het woord kan bij de mensen blijven die dat werk nog doen.","keyTakeaways":["Literair agent = menselijke vertegenwoordiger. AI-agent = werker met een plafond.","Deze site is geen literair agentschap. Mail geen tool in de hoop dat het een persoon is.","De definitie van een AI-agent en de vergelijking tussen agent en chatbot staan op andere URL's.","Drie tests beslissen over de software. Vertegenwoordiging is een ander beroep."],"readingMinutes":5,"publishedAt":"2026-09-08T07:05:00.000Z"}},"degree":8},{"id":"article:llm-integration-operating-design","type":"article","pillar":"ai-systems","locales":{"en":{"label":"LLM integration is an operating-design problem","summary":"LLM integration is not an API problem. The call is cheap. The scarce work is operating design: who owns the model and the prompt, what the tools may see and change, who can fail the output, and whose name it carries. A named reviewer and a written override doctrine are the integration. STACK versions the artifacts. MCP is the contract on one tool. Neither substitutes for those four seats being filled.","url":"/en/blog/llm-integration-is-operating-design/","searchText":"LLM integration is an operating-design problem Wiring a model is the cheap step. The scarce work is ownership, permission, and review: who owns the prompt, who owns the tools, and whose name the output carries. The scarce work is ownership, permission, and review, not the model name on the invoice. LLM integration is not an API problem. The call is cheap. The scarce work is operating design: who owns the model and the prompt, what the tools may see and change, who can fail the output, and whose name it carries. A named reviewer and a written override doctrine are the integration. STACK versions the artifacts. MCP is the contract on one tool. Neither substitutes for those four seats being filled. LLM integration operating design If you cannot name four owners (model, prompt, tools, review), you did not integrate. You subscribed. HITL is a person who can fail the output, not a dashboard glance. Override doctrine is the written list of what the model may never do. STACK and MCP sit next door. This page is the operating seats. The Delegated Mind and The Human-in-the-Loop Life are in production; the seats are already usable. ai-agents agentic-codebase STACK Five-layer architecture for mixed human-and-agent repos. MCP A contract for how a model calls tools. Override doctrine The written list of decisions an agent may never take. Human in the loop A named person with an authority ceiling and a review gate. A team \"integrates\" a model and means they put an API key in a secret store. The invoice has a model name. Slack has a bot. Nobody can say who owns the prompt, who owns the tools, or whose name a bad answer will carry. That is a subscription. It is not an integration. Four seats Operating design is four named seats. If any is empty, stop saying integrated. Model. Who chose this model, who can change it, and who pays when it is wrong. A default in a vendor console is not an owner. Prompt and charter. Who writes the standing instruction, and where it lives. A prompt in six chats is folklore. The charter says what the worker does. The override doctrine says what it must refuse: spending above a ceiling, speaking as the company, changing production data, closing a judgment you still own. Tools. What the model may see, change, send, or delete. MCP is the contract for one server. The operating question is who approved that contract, and who can revoke it at 17:00. Review. Who can fail the output against written criteria. A human in the loop is that person. A glance at a dashboard is not a loop. You would not ship a payment integration without those four. A language model that can mail, spend, or open a pull request is a payment integration with better prose. The worker definition sits next door. What is an AI agent? is three tests and a seven-field charter. This page asks who sits in the seats after you decided it is a worker. An empty-seat week Monday: someone pastes a key into the host. Tuesday: a prompt lives in three chats and a Notion page. Wednesday: the mail tool can send. Thursday: a customer gets a draft no reviewer saw. Friday: nobody knows whose name is on it. That week had a model. It did not have four names. The repair is not a better wrapper. Write the four names. Put the standing prompt in one file. Revoke send until the first ten calls have a reviewer. If coordination is already failing, adding a second unowned model makes the board worse, not smarter. What STACK is not doing on this page STACK is the five-layer map for the repo: structure, toolchain, agent configuration, connection, knowledge and quality. The Agentic Codebase is the live book. Version the artifacts like the app. This page is earlier and smaller. Before you argue about folders, fill the seats. A perfectly versioned prompt with no reviewer is still an unowned outcome. MCP is how a step touches the building: visibility, mutation, log. It is not who signed for the keys. The protocol that sits on the seats The Delegated Mind treats delegation as governance, not tooling. The protocol is PROVISO: pause, retain agency, observe, verify, integrate, own. The book is in production. It is not for sale. The one-page charter from that manuscript is already the right artifact: what agents may do, what they may never do, how output is verified, who signs off, whose name it carries. If you cannot write that page, you do not have an integration. You have a faster paste. The Human-in-the-Loop Life is the personal side. Human in the loop is not a property of the software. It is a question about you: where you stand in the cycle, at what level, and whether you are actually there. That book is an early draft. Use the question anyway. If approval has become the motion you make on the way to merge, the loop is decorative. A twelve-minute audit Pick one live model call in the company. Seat Name, not role File or log that proves it Last time this seat actually acted --- --- --- --- Model Prompt / charter Tools Review Then write the one forbidden action, and whose name last week's worst answer would have carried. Blank lines are the integration. Fill them or take the tools away. The model name on the invoice will not do it.","keyTakeaways":["If you cannot name four owners (model, prompt, tools, review), you did not integrate. You subscribed.","HITL is a person who can fail the output, not a dashboard glance.","Override doctrine is the written list of what the model may never do.","STACK and MCP sit next door. This page is the operating seats. The Delegated Mind and The Human-in-the-Loop Life are in production; the seats are already usable."],"readingMinutes":4,"publishedAt":"2026-08-22T11:00:00.000Z"},"nl":{"label":"LLM-integratie is een operationeel ontwerpprobleem","summary":"LLM-integratie is geen API-probleem. De aanroep is goedkoop. Het schaarse werk is operationeel ontwerp: wie eigenaar is van het model en de prompt, wat de tools mogen zien en wijzigen, wie de output kan afkeuren, en wiens naam die output draagt. Een benoemde reviewer en een uitgeschreven override-doctrine zijn de integratie. STACK versioneert de artefacten. MCP is het contract op één tool. Geen van beide vervangt het vullen van die vier stoelen.","url":"/nl/blog/llm-integratie-is-operationeel-ontwerp/","searchText":"LLM-integratie is een operationeel ontwerpprobleem Een model aansluiten is de goedkope stap. Het schaarse werk is eigenaarschap, toestemming en review: wie de prompt bezit, wie de tools bezit, en wiens naam de output draagt. Het schaarse werk is eigenaarschap, toestemming en review, niet de modelnaam op de factuur. LLM-integratie is geen API-probleem. De aanroep is goedkoop. Het schaarse werk is operationeel ontwerp: wie eigenaar is van het model en de prompt, wat de tools mogen zien en wijzigen, wie de output kan afkeuren, en wiens naam die output draagt. Een benoemde reviewer en een uitgeschreven override-doctrine zijn de integratie. STACK versioneert de artefacten. MCP is het contract op één tool. Geen van beide vervangt het vullen van die vier stoelen. operationeel ontwerp voor LLM-integratie Als je geen vier eigenaren (model, prompt, tools, review) kunt noemen, heb je niet geïntegreerd. Je hebt een abonnement. Mens in de lus is een persoon die de output kan afkeuren, geen blik op een dashboard. De override-doctrine is de uitgeschreven lijst van wat het model nooit mag doen. STACK en MCP zitten ernaast. Deze pagina is de stoelen. De gedelegeerde geest en Het mens-in-de-lus leven zijn in productie; de stoelen zijn al bruikbaar. ai-agents agentic-codebase STACK Vijflagenarchitectuur voor repositories waar mensen en agents werk delen. MCP Een contract voor hoe een model tools aanroept. Override-doctrine De uitgeschreven lijst van besluiten die een agent nooit mag nemen. Mens in de lus Een benoemd persoon met een bevoegdheidsplafond en een reviewpoort. Een team \"integreert\" een model, wat in de praktijk neerkomt op een API-sleutel in een secret store plakken. Er staat een modelnaam op de factuur. Slack heeft er een bot bij. Maar niemand kan vertellen wie eigenaar is van de prompt, wie de tools beheert, of wiens naam onder een slecht antwoord komt te staan. Dat is een abonnement. Geen integratie. Vier stoelen Operationeel design bestaat uit vier benoemde stoelen. Als er één leeg is, noem het dan geen integratie meer. Model. Wie heeft dit model gekozen, wie kan het aanpassen, en wie betaalt de prijs als het misgaat. Een standaardinstelling in een vendor console is geen eigenaar. Prompt en charter. Wie de vaste instructies schrijft, en waar ze leven. Een prompt verspreid over zes chats is folklore. Het charter bepaalt wat de werker doet. De override-doctrine bepaalt wat hij moet weigeren: meer uitgeven dan het plafond, spreken namens het bedrijf, productiedata wijzigen, of een oordeel vellen dat nog steeds van jou is. Tools. Wat het model mag inzien, wijzigen, verzenden of verwijderen. MCP is het contract voor één server. De operationele vraag is wie dat contract heeft goedgekeurd, en wie het om 17:00 uur kan intrekken. Review. Wie de output kan afkeuren op basis van geschreven criteria. Een human in the loop is die persoon. Een blik werpen op een dashboard is geen loop. Je zou een betaalintegratie nooit live zetten zonder deze vier. Een taalmodel dat kan mailen, geld kan uitgeven of een pull request kan openen, is feitelijk een betaalintegratie met betere proza. De definitie van de werker vind je hiernaast. Wat is een AI-agent? bestaat uit drie tests en een charter met zeven velden. Deze pagina stelt de vraag wie er op de stoelen zit nadat je hebt besloten dat het een werker is. Een week met lege stoelen Maandag: iemand plakt een sleutel in de host. Dinsdag: een prompt leeft in drie chats en op een Notion-pagina. Woensdag: de mailtool kan verzenden. Donderdag: een klant krijgt een concept dat geen enkele reviewer heeft gezien. Vrijdag: niemand weet wiens naam eronder staat. Die week had een model. Het had geen vier namen. De oplossing is niet een betere wrapper. Schrijf de vier namen op. Zet de vaste prompt in één bestand. Trek de verzendrechten in totdat de eerste tien calls een reviewer hebben gehad. Als coördinatie nu al faalt, maakt het toevoegen van een tweede onbeheerd model het speelveld alleen maar slechter, niet slimmer. Wat STACK niet doet op deze pagina STACK is de vijflaagse kaart voor de repo: structuur, toolchain, agentconfiguratie, connectie, kennis en kwaliteit. De agentische codebase is het levende boek. Versioneer de artefacten net zoals de app. Deze pagina is eerder en kleiner. Voordat je discussieert over mappen, moet je de stoelen vullen. Een perfect geversioneerde prompt zonder reviewer is nog steeds een stuurloze uitkomst. MCP is hoe een stap het gebouw raakt: zichtbaarheid, mutatie, logboek. Het is niet degene die heeft getekend voor de sleutels. Het protocol dat op de stoelen zit De gedelegeerde geest behandelt delegatie als governance, niet als tooling. Het protocol is PROVISO: pause, retain agency, observe, verify, integrate, own. Het boek is in productie. Het is niet te koop. Het charter van één pagina uit dat manuscript is nu al het juiste artefact: wat agents wel mogen doen, wat ze absoluut nooit mogen doen, hoe de output wordt geverifieerd, wie goedkeuring geeft, en wiens naam het draagt. Als je die pagina niet kunt schrijven, heb je geen integratie. Dan heb je alleen maar sneller knippen en plakken. Het mens-in-de-lus leven is de persoonlijke kant. Een human in the loop is geen eigenschap van de software. Het is een vraag over jou: waar sta je in de cyclus, op welk niveau, en ben je daar ook echt. Dat boek is een vroege draft. Gebruik de vraag desondanks. Als goedkeuring een reflex is geworden op weg naar een merge, dan is de loop slechts decoratief. Een audit van twaalf minuten Kies één live modelaanroep in het bedrijf. Stoel Naam, niet rol Bestand of log dat het bewijst Laatste keer dat deze stoel daadwerkelijk optrad --- --- --- --- Model Prompt / charter Tools Review Schrijf dan die ene verboden handeling op, en wiens naam het slechtste antwoord van vorige week zou hebben gedragen. De lege regels zijn de integratie. Vul ze in of haal de tools weg. De modelnaam op de factuur is niet genoeg.","keyTakeaways":["Als je geen vier eigenaren (model, prompt, tools, review) kunt noemen, heb je niet geïntegreerd. Je hebt een abonnement.","Mens in de lus is een persoon die de output kan afkeuren, geen blik op een dashboard.","De override-doctrine is de uitgeschreven lijst van wat het model nooit mag doen.","STACK en MCP zitten ernaast. Deze pagina is de stoelen. De gedelegeerde geest en Het mens-in-de-lus leven zijn in productie; de stoelen zijn al bruikbaar."],"readingMinutes":4,"publishedAt":"2026-08-22T11:05:00.000Z"}},"degree":19},{"id":"article:marketing-nudges-choice-architecture","type":"article","pillar":"venture-building","locales":{"en":{"label":"Marketing nudges are choice architecture, not a growth hack","summary":"A marketing nudge is choice architecture applied to a commercial decision. Richard Thaler and Cass Sunstein, in Nudge (2008), treated a nudge as a change in how options are arranged that predictably shifts behaviour without forbidding options or significantly changing economic incentives, and that stays cheap to avoid. Fruit at eye height is a nudge. Banning the pastry is not. In a funnel the default, the order of fields, the extra click, and the pre-ticked box are the architecture. You already have them even if you never named them. The work is to design them so a tired buyer can still see the choice and reverse it. A default that hides the price, invents a limit, or makes opting out a maze is not a nudge. It is a claim you would not defend on a call.","url":"/en/blog/marketing-nudges-are-choice-architecture/","searchText":"Marketing nudges are choice architecture, not a growth hack A nudge is a change in how options are arranged that predictably shifts behaviour without banning options or materially changing the price. In marketing the default is often the product. Design it so a tired buyer can still reverse it. The fruit at eye height is a decision. So is the pre-ticked box. Name it, or someone else already did. A marketing nudge is choice architecture applied to a commercial decision. Richard Thaler and Cass Sunstein, in Nudge (2008), treated a nudge as a change in how options are arranged that predictably shifts behaviour without forbidding options or significantly changing economic incentives, and that stays cheap to avoid. Fruit at eye height is a nudge. Banning the pastry is not. In a funnel the default, the order of fields, the extra click, and the pre-ticked box are the architecture. You already have them even if you never named them. The work is to design them so a tired buyer can still see the choice and reverse it. A default that hides the price, invents a limit, or makes opting out a maze is not a nudge. It is a claim you would not defend on a call. marketing nudges choice architecture You are already a choice architect. The unchecked default is a product decision. A nudge leaves the other options standing and cheap to take. A mandate, a hidden fee, or a fake countdown does not. Defaults, friction, order, and feedback are the usual levers. None of them needs a conversion-rate story. If the buyer cannot undo the step without a ticket, you left Nudge and entered a trap. marketing Nudge A change in how options are arranged that predictably shifts behaviour without banning options or materially changing the price, and that stays cheap to avoid. Choice architecture The design of the context in which someone decides. Menus, forms, defaults, and sequences are architecture whether you named them or not. Every checkout is already designed. Someone chose which box is ticked, which plan sits in the middle, which button is larger, and how many clicks it takes to leave. Calling that \"just the UI\" does not make it neutral. It makes it unnamed. Richard Thaler and Cass Sunstein spent Nudge (2008) on that unnamed layer. They called the person who organises the context of a decision a choice architect . They treated a nudge as a change in that context that predictably shifts what people do, without banning the other options and without a material change in price, and that remains cheap to avoid. Putting fruit at eye height counts. Banning the pastry does not. Marketing did not wait for the book. Car hire that includes insurance unless you decline it, software that proceeds if you hit next, a newsletter box that arrives already checked: those are defaults. Defaults are the building blocks. You can use them without lying. You can also use them as a trap. You are already doing it If you sell anything with a form, a menu, a sequence, or a shelf, you are a choice architect. Refusing the title does not remove the job. It only means the intern, the page builder, or last year's theme decided the architecture while you talked strategy. Walk the last thing a buyer does before they pay. 1. What happens if they do nothing for ten seconds? 2. Which option is visually the path of least resistance? 3. How many extra steps to take the other option? 4. Can they reverse the step without writing to support? Those four lines are the product. A growth slide that says \"we added nudges\" and cannot fill them has added vocabulary. Four levers that do not need a percentage Defaults. Whatever happens when the buyer does nothing. Pre-selected annual billing. A plan highlighted as \"most teams.\" Marketing likes defaults because people conserve attention. That is the mechanism. It is not a license to hide the monthly price in a footnote the default conceals. Friction. An extra click, a confirm, a pause. You can add friction to a destructive act (delete the workspace, cancel, export data). You can also add friction only to the exit and grease the buy. The first is care. The second is a maze. If cancel takes six screens and join takes one, you did not nudge. You taxed the people who already paid. Order. What they see first becomes the reference. Three prices on a page, the middle one in a box: the box is architecture. So is leading with the annual number so the monthly one looks like a discount. A decoy that a buyer could actually purchase is architecture. A decoy that cannot be bought is a drawing. The Pricing Mind owns how a buyer experiences a number. It is in production and not for sale. You do not need the hardcover to stop inventing a \"was\" price that never existed. Feedback. A nudge that never tells the person what just happened is a shove in the dark. \"You are on the annual plan. You can switch before the next charge.\" One sentence. If you cannot write it, the default is not ready. Thaler and Sunstein also wrote about mapping, expecting error, and incentives. For a founder funnel those collapse into the same test: can a tired adult reconstruct the deal from the screen in front of them. What a nudge is not A countdown that resets when you reload is not a nudge. A \"three seats left\" line with no inventory behind it is not a nudge. A pre-ticked add-on whose price appears after the card is stored is not a nudge. Those fail the cheap-to-avoid test. They also fail a simpler one: would you say the same sentence on a call, with the buyer able to answer. Harry Brignull named dark patterns for interface tricks that coerce or deceive. The term is useful because it stops the slide from calling every trick a nudge. If the other option is forbidden in practice, you have a mandate with a friendly label. A conversion system that stays honest when you automate it is the adjacent send rule. Automate the follow-up, not the claim. This page is the arrangement of the choice, not the five-question TRUST send. Marketing Without Manipulation owns that longer practice. It is in production. It is not for sale. How to benefit without a theatre of science Use the word as a design checklist, not as a personality for the brand. Write the default in a sentence a lawyer could read. \"If you do nothing, you are on monthly billing at this number. Annual is one extra click.\" If that sentence is embarrassing, the default is the embarrassment. Put the costly irreversible act behind friction. Put the reversible act on the easy path. Buying a book is reversible in most shops. Wiring a year of seats is not. Treat them differently. Show the other option at the same moment you show the preferred one. Buried \"other\" links are how architecture becomes a hide. Keep a reversal that does not require a ticket. People miss-click. A nudge that cannot be undone is a lock. Do not hire a vendor to \"install nudges\" on a page whose claim you would not sign. Arrangement cannot rescue a lie. It can only make the lie cheaper to swallow. Pension auto-enrolment is the policy story everyone repeats. It is a real genre of default. It is not your SaaS metric. Do not borrow a government paper's reputation to sell a pre-ticked add-on. A thirty-minute audit Open the live checkout, the pricing page, and the cancel path. No staging. 1. Screenshot what is selected before anyone clicks. 2. Write the price the default commits to, in the buyer's currency, on that screen. 3. Count the clicks to the other plan, and the clicks to leave. 4. Try to undo the last irreversible step as if you were the buyer at 23:00. 5. Delete one line that would not survive a reply. If step 2 is blank, you do not have a nudge. You have a form that hopes. If step 4 requires a human, the architecture only works while someone is watching. Positioning is a decision, not a tagline is the refusal test for the offer itself. This page is the refusal test for the path. Who you will not trick is part of who you will not serve. The fruit is at eye height because someone put it there. Put yours there on purpose. Leave the pastry visible. Leave the tin easy to open.","keyTakeaways":["You are already a choice architect. The unchecked default is a product decision.","A nudge leaves the other options standing and cheap to take. A mandate, a hidden fee, or a fake countdown does not.","Defaults, friction, order, and feedback are the usual levers. None of them needs a conversion-rate story.","If the buyer cannot undo the step without a ticket, you left Nudge and entered a trap."],"readingMinutes":6,"publishedAt":"2026-09-09T07:00:00.000Z"},"nl":{"label":"Marketingnudges zijn keuze-architectuur, geen groeihack","summary":"Een marketingnudge is keuze-architectuur toegepast op een commercieel besluit. Richard Thaler en Cass Sunstein behandelden in Nudge (2008) een nudge als een verandering in hoe opties worden gepresenteerd die gedrag voorspelbaar stuurt zonder opties te verbieden of economische prikkels aanzienlijk te veranderen, en die goedkoop te vermijden blijft. Fruit op ooghoogte is een nudge. Het gebak verbieden niet. In een funnel zijn de standaardoptie, de volgorde van velden, de extra klik en het vooraf aangevinkte vakje de architectuur. Je hebt ze al, ook al heb je ze nooit zo genoemd. Het werk is om ze zo te ontwerpen dat een vermoeide koper de keuze nog steeds ziet en ongedaan kan maken. Een standaardoptie die de prijs verbergt, een limiet verzint of van afmelden een doolhof maakt, is geen nudge. Het is een claim die je in een gesprek niet zou verdedigen.","url":"/nl/blog/marketingnudges-zijn-keuze-architectuur/","searchText":"Marketingnudges zijn keuze-architectuur, geen groeihack Een nudge is een verandering in hoe opties worden gepresenteerd die gedrag voorspelbaar stuurt, zonder opties te verbieden of de prijs wezenlijk te veranderen. In marketing is de standaardoptie vaak het product. Ontwerp het zo dat een vermoeide koper het nog steeds kan terugdraaien. Het fruit op ooghoogte is een besluit. Het vooraf aangevinkte vakje ook. Benoem het, of iemand anders heeft het al gedaan. Een marketingnudge is keuze-architectuur toegepast op een commercieel besluit. Richard Thaler en Cass Sunstein behandelden in Nudge (2008) een nudge als een verandering in hoe opties worden gepresenteerd die gedrag voorspelbaar stuurt zonder opties te verbieden of economische prikkels aanzienlijk te veranderen, en die goedkoop te vermijden blijft. Fruit op ooghoogte is een nudge. Het gebak verbieden niet. In een funnel zijn de standaardoptie, de volgorde van velden, de extra klik en het vooraf aangevinkte vakje de architectuur. Je hebt ze al, ook al heb je ze nooit zo genoemd. Het werk is om ze zo te ontwerpen dat een vermoeide koper de keuze nog steeds ziet en ongedaan kan maken. Een standaardoptie die de prijs verbergt, een limiet verzint of van afmelden een doolhof maakt, is geen nudge. Het is een claim die je in een gesprek niet zou verdedigen. marketing nudges keuze-architectuur Je bent al een keuze-architect. De niet-aangevinkte standaardoptie is een productbesluit. Een nudge laat de andere opties staan en maakt ze goedkoop om te kiezen. Een verplichting, verborgen kosten of een neppe aftelklok doen dat niet. Standaardopties, frictie, volgorde en feedback zijn de gebruikelijke knoppen. Geen daarvan heeft een verhaal over conversie-optimalisatie nodig. Als de koper de stap niet kan terugdraaien zonder een ticket aan te maken, heb je Nudge verlaten en een valstrik gebouwd. marketing Nudge Een verandering in hoe opties worden gepresenteerd die gedrag voorspelbaar stuurt zonder opties te verbieden of de prijs wezenlijk te veranderen, en die goedkoop te vermijden blijft. Keuze-architectuur Het ontwerp van de context waarin iemand beslist. Menu's, formulieren, standaardopties en sequenties zijn architectuur, of je ze nu zo hebt genoemd of niet. Elke checkout is al ontworpen. Iemand heeft gekozen welk vakje is aangevinkt, welk abonnement in het midden staat, welke knop groter is en hoeveel kliks het kost om te vertrekken. Dat \"gewoon de UI\" noemen maakt het niet neutraal. Het maakt het onbenoemd. Richard Thaler en Cass Sunstein besteedden Nudge (2008) aan die onbenoemde laag. Ze noemden de persoon die de context van een besluit organiseert een keuze-architect . Ze behandelden een nudge als een verandering in die context die voorspelbaar stuurt wat mensen doen, zonder de andere opties te verbieden en zonder een wezenlijke verandering in prijs, en die goedkoop te vermijden blijft. Fruit op ooghoogte leggen telt. Het gebak verbieden niet. Marketing heeft niet op het boek gewacht. Autohuur die verzekering bevat tenzij je weigert, software die doorgaat als je op volgende klikt, een nieuwsbriefvakje dat al aangevinkt verschijnt: dat zijn standaardopties. Standaardopties zijn de bouwstenen. Je kunt ze gebruiken zonder te liegen. Je kunt ze ook gebruiken als een valstrik. Je doet het al Als je iets verkoopt met een formulier, een menu, een reeks of een plank, ben je een keuze-architect. De titel weigeren neemt het werk niet weg. Het betekent alleen dat de stagiair, de paginabouwer of het thema van vorig jaar de architectuur bepaalde terwijl jij over strategie sprak. Loop de laatste handeling na die kopers doen voordat ze betalen. 1. Wat gebeurt er als ze tien seconden niets doen? 2. Welke optie is visueel de weg van de minste weerstand? 3. Hoeveel extra stappen kost het om de andere optie te nemen? 4. Kunnen ze de stap terugdraaien zonder support te mailen? Die vier regels zijn het product. Een groeislide die stelt \"we hebben nudges toegevoegd\" en ze niet kan invullen, heeft slechts vocabulaire toegevoegd. Vier knoppen die geen percentage nodig hebben Standaardopties. Wat er ook gebeurt wanneer de koper niets doet. Vooraf geselecteerde jaarlijkse facturering. Een abonnement gemarkeerd als \"meeste teams\". Marketing houdt van standaardopties omdat mensen spaarzaam omgaan met hun aandacht. Dat is het mechanisme. Het is geen vrijbrief om de maandelijkse prijs te verstoppen in een voetnoot die door de standaardoptie verborgen wordt gehouden. Frictie. Een extra klik, een bevestiging, een pauze. Je kunt frictie toevoegen aan een destructieve handeling (de werkruimte verwijderen, opzeggen, data exporteren). Je kunt ook alleen frictie toevoegen aan de uitgang en de aankoop stroomlijnen. Het eerste is zorgvuldigheid. Het tweede is een doolhof. Als opzeggen zes schermen duurt en aanmelden één, heb je niet genudged. Je hebt de mensen belast die al betaald hebben. Volgorde. Wat ze als eerste zien, wordt de referentie. Drie prijzen op een pagina, de middelste in een kader: het kader is architectuur. Beginnen met het jaarbedrag zodat het maandbedrag op een korting lijkt, is dat ook. Een afleider die een koper daadwerkelijk zou kunnen kopen is architectuur. Een afleider die niet gekocht kan worden, is een tekening. De prijspsychologie behandelt hoe een koper een getal ervaart. Het is in productie en niet te koop. Je hebt de hardcover niet nodig om te stoppen met het verzinnen van een \"van\"-prijs die nooit heeft bestaan. Feedback. Een nudge die de persoon nooit vertelt wat er zojuist is gebeurd, is een duw in het donker. \"Je zit op het jaarabonnement. Je kunt wisselen voor de volgende afschrijving.\" Eén zin. Als je die niet kunt schrijven, is de standaardoptie niet klaar. Thaler en Sunstein schreven ook over in kaart brengen, rekening houden met fouten en prikkels. Voor de funnel van een founder komen die samen in dezelfde test: kan een vermoeide volwassene de deal reconstrueren vanaf het scherm voor hun neus. Wat een nudge niet is Een aftelklok die reset wanneer je herlaadt is geen nudge. Een regel met \"nog drie plekken vrij\" zonder voorraad erachter is geen nudge. Een vooraf aangevinkte toevoeging waarvan de prijs pas verschijnt nadat de kaart is opgeslagen, is geen nudge. Die slagen niet voor de toets \"goedkoop te vermijden\". Ze falen ook voor een simpelere: zou je dezelfde zin uitspreken in een gesprek, waarbij de koper antwoord kan geven. Harry Brignull bedacht de term dark patterns voor interfacetrucs die dwingen of misleiden. De term is nuttig omdat hij voorkomt dat elke truc een nudge wordt genoemd. Als de andere optie in de praktijk verboden is, heb je een verplichting met een vriendelijk label. Een conversiesysteem dat eerlijk blijft bij automatisering is de aangrenzende verzendregel. Automatiseer de opvolging, niet de claim. Deze pagina gaat over de inrichting van de keuze, niet over de TRUST-verzendregel met vijf vragen. Marketing zonder manipulatie behandelt die bredere praktijk. Het is in productie. Het is niet te koop. Hoe je profiteert zonder theater van de wetenschap Gebruik het woord als een checklist voor ontwerp, niet als een persoonlijkheid voor het merk. Schrijf de standaardoptie uit in een zin die een advocaat zou kunnen lezen. \"Als je niets doet, word je maandelijks gefactureerd voor dit bedrag. Jaarlijks is één extra klik.\" Als die zin gênant is, is de standaardoptie de schande. Plaats de dure onomkeerbare handeling achter frictie. Plaats de omkeerbare handeling op het makkelijke pad. Een boek kopen is in de meeste winkels omkeerbaar. Geld overmaken voor een jaar aan licenties niet. Behandel ze anders. Toon de andere optie op hetzelfde moment dat je de voorkeursoptie toont. Verstopte \"andere\"-links zijn hoe architectuur een schuilplaats wordt. Zorg voor een terugdraai-optie die geen ticket vereist. Mensen klikken wel eens verkeerd. Een nudge die niet ongedaan kan worden gemaakt, is een slot. Huur geen leverancier in om \"nudges te installeren\" op een pagina waarvan je de claim niet zou ondertekenen. Presentatie kan een leugen niet redden. Ze kan de leugen alleen makkelijker te slikken maken. Automatische pensioeninschrijving is het beleidsverhaal dat iedereen herhaalt. Het is een echt genre van de standaardoptie. Het is niet jouw SaaS-metric. Leen de reputatie van een overheidspublicatie niet om een vooraf aangevinkte toevoeging te verkopen. Een audit van dertig minuten Open de live checkout, de prijspagina en het opzegpad. Geen staging. 1. Maak een screenshot van wat geselecteerd is voordat iemand klikt. 2. Schrijf de prijs waaraan de standaardoptie je bindt, in de valuta van de koper, op dat scherm. 3. Tel de kliks naar het andere abonnement, en de kliks om te vertrekken. 4. Probeer de laatste onomkeerbare stap terug te draaien alsof je de koper bent om 23:00 uur. 5. Verwijder één regel die een antwoord niet zou overleven. Als stap 2 leeg is, heb je geen nudge. Je hebt een formulier dat hoopt. Als stap 4 een mens vereist, werkt de architectuur alleen zolang er iemand meekijkt. Positionering is een besluit, geen slogan is de weigeringstest voor het aanbod zelf. Deze pagina is de weigeringstest voor het pad. Wie je niet misleidt, maakt deel uit van wie je niet bedient. Het fruit ligt op ooghoogte omdat iemand het daar heeft neergelegd. Leg dat van jou daar expres neer. Laat het gebak zichtbaar. Laat het blik makkelijk te openen.","keyTakeaways":["Je bent al een keuze-architect. De niet-aangevinkte standaardoptie is een productbesluit.","Een nudge laat de andere opties staan en maakt ze goedkoop om te kiezen. Een verplichting, verborgen kosten of een neppe aftelklok doen dat niet.","Standaardopties, frictie, volgorde en feedback zijn de gebruikelijke knoppen. Geen daarvan heeft een verhaal over conversie-optimalisatie nodig.","Als de koper de stap niet kan terugdraaien zonder een ticket aan te maken, heb je Nudge verlaten en een valstrik gebouwd."],"readingMinutes":6,"publishedAt":"2026-09-09T07:05:00.000Z"}},"degree":6},{"id":"article:mcp-explained-for-founders","type":"article","pillar":"ai-systems","locales":{"en":{"label":"MCP explained for founders","summary":"MCP, the Model Context Protocol, is a contract for how a language model calls tools. The contract names what the model may see, what it may change, and how each call is logged. A founder should treat an MCP server like an API with production credentials: no anonymous tools, no undocumented write paths, no server that can spend or delete without a ceiling. Without that contract you do not have integration. You have a hole in the repository.","url":"/en/blog/mcp-explained-for-founders/","searchText":"MCP explained for founders MCP is a contract for how a model calls tools: what it may see, what it may change, and how the call is logged. A server without a contract is a hole in the repo. Care about the permission and the log. The logo on the protocol is the least interesting part. MCP, the Model Context Protocol, is a contract for how a language model calls tools. The contract names what the model may see, what it may change, and how each call is logged. A founder should treat an MCP server like an API with production credentials: no anonymous tools, no undocumented write paths, no server that can spend or delete without a ceiling. Without that contract you do not have integration. You have a hole in the repository. Model Context Protocol for founders MCP is an interface contract, not a product you buy. Read three things: visibility, mutation, and the log. A tool without a ceiling is a junior hire with root. STACK is where those contracts live in a repo that humans and agents share. ai-agents agentic-codebase MCP A contract for how a model calls tools. STACK Five-layer architecture for repos where humans and agents share work. Override doctrine Decisions an agent may never take. Founders keep hearing “we added MCP” the way they used to hear “we added an API.” Both sentences are empty until someone names the permission. What MCP actually is MCP, the Model Context Protocol, is an open standard for connecting an AI application to external systems. The first-party docs (tree labelled 2026-07-28, re-read 2026-08-18) say the protocol focuses on context exchange. It does not dictate how the application uses a language model or how it manages the context it just received. Three participants. The host is the application that coordinates. The client is one connection to one server. The server is the program that exposes context. The host creates one client per server. The host is where policy lives. Three primitives on the server, in founder English: - Tools are actions. They can write: send mail, call an API, change a file, move money if you were foolish enough to wire that. - Resources are context. Read-oriented. A customer record, a spec, a log. - Prompts are reusable templates. Not a permission. You do not need the spec memorised. You need three answers in writing for every server you attach to an agent: 1. Visibility. What can this tool or resource read? Files, mail, a database, a customer list. Which class of data. Whose credentials. 2. Mutation. What can it change, send, merge, close, or delete? 3. Log. Where does the call land so a human can reconstruct Tuesday: who, which tool, a summary of arguments, result class, timestamp, a correlator. If any answer is “it depends,” the server is not ready. “It depends” is how a helpful agent mails a customer from a draft you never approved. Walk one pair out loud. “List customers” is a read. “Send the renewal reminder” is a write. If both live on the same server with the same credentials, you have already lost the ceiling. Permission is a blast radius A ceiling is the worst thing that happens if the model is wrong and the host is sleepy. Prefer a read-only server before a write server. Split them when you can. Allowlist tools on the host. Do not take “all tools from this server.” The specification tells clients to treat tool annotations as untrusted unless the server itself is trusted. Do not outsource the ceiling to the server’s self-description. The override doctrine is the written refuse-list: spend above a ceiling, speak as the company, change production data, close a judgment you still own. It complements the contract. The contract says what this server may do. The doctrine says what it must refuse. Write both before the tool that can send. Authorization in MCP is optional. The docs recommend it when user data, audit, consent, or per-user limits matter. Optional is the word that should keep you awake. A local server with an environment secret can still be root-shaped. Write paths and Tuesday’s log Tools are model-controlled. The protocol does not mandate a specific user interface. Applications should keep a human able to deny a call. “Should” is not a gate you can audit. Treat send, spend, delete, and production mutation with the seriousness of a payment integration. Review the first ten calls. After that, the log is the review. No log, no write tool. Ask for Tuesday. “Show me every send from this server between 09:00 and 18:00.” If nobody can, the contract is incomplete. Official security guidance warns about token passthrough for the same reason: a server that accepts a token not issued for it breaks the audit trail. You cannot reconstruct Tuesday if the log belongs to someone else’s audience. What MCP is not It is not a moat. Competitors can attach the same open protocol. It is not safety by itself. A protocol that can write is as dangerous as any other write API. First-party security pages exist because confused-deputy problems, token misuse, and malicious metadata URLs are in scope. The protocol catalogues those risks. It does not remove them. It is not a model. It is not an agent runtime. An agentic workflow still needs a goal, a charter, and a ceiling. MCP is how that worker is allowed to touch the building, not a substitute for the worker definition in What is an AI agent?. It is not a substitute for STACK. STACK is the five-layer repo architecture: structure, toolchain, agent configuration, connection, knowledge and quality. MCP sits in the connection layer, with tool contracts, hooks, and a real failure story. If your rules live in five tools and your MCP servers have no owners, you have agentic repo debt. The protocol did not cause it. The missing contract did. A team that cannot hand work across a boundary will not be saved by a cleaner server. Coordination and connection are different jobs. A founder review in fifteen minutes Ask the person who “added MCP” to walk a single tool. - Who owns this server in the repo? - Local or remote? Whose credentials? - What is the authority ceiling? - What does the override doctrine forbid this tool to do? - If it sends, spends, or deletes, who reviews the first ten calls? - If we unplug it at 17:00, what breaks? - Show me last Tuesday’s log for this tool. You are not asking for a demo. You are asking for the same things you ask of a new production integration. Treat it that way and MCP becomes boring, which is the goal. The public specification is the first-party source. The architecture page in the 2026-07-28 docs tree is where host, client, server, and primitives are defined. Re-read both before you pin a version. This page will not keep up with every wrapper. Where this sits The Agentic Codebase is the book that treats the agent OS as something you version like the app. The introduction is the book page. MCP is the contract on the connection. Pin a version. Re-read the first-party docs. Then make the server boring.","keyTakeaways":["MCP is an interface contract, not a product you buy.","Read three things: visibility, mutation, and the log.","A tool without a ceiling is a junior hire with root.","STACK is where those contracts live in a repo that humans and agents share."],"readingMinutes":5,"publishedAt":"2026-08-16T09:00:00.000Z"},"nl":{"label":"MCP uitgelegd voor ondernemers","summary":"MCP, het Model Context Protocol, is een contract dat regelt hoe een taalmodel tools gebruikt. Dit contract bepaalt wat het model mag zien, wat het mag aanpassen en hoe elke actie wordt vastgelegd. Als ondernemer moet je een MCP-server behandelen als een API met productie-inloggegevens: geen anonieme tools, geen ongedocumenteerde schrijfrechten en geen server die zonder limiet dingen kan verwijderen of uitgeven. Zonder dat contract heb je geen integratie, maar een lek in je repository.","url":"/nl/blog/mcp-uitgelegd-voor-ondernemers/","searchText":"MCP uitgelegd voor ondernemers MCP is een contract dat vastlegt hoe een model tools aanroept: wat het mag inzien, wat het mag wijzigen en hoe dit wordt gelogd. Een server zonder dit contract is een lek in de repository. Let op de rechten en de log. Het logo van het protocol is het minst interessante deel. MCP, het Model Context Protocol, is een contract dat regelt hoe een taalmodel tools gebruikt. Dit contract bepaalt wat het model mag zien, wat het mag aanpassen en hoe elke actie wordt vastgelegd. Als ondernemer moet je een MCP-server behandelen als een API met productie-inloggegevens: geen anonieme tools, geen ongedocumenteerde schrijfrechten en geen server die zonder limiet dingen kan verwijderen of uitgeven. Zonder dat contract heb je geen integratie, maar een lek in je repository. Model Context Protocol voor ondernemers MCP is een interfacecontract, geen product dat je koopt. Lees drie dingen: zichtbaarheid, mutatie en de log. Een tool zonder plafond is een junior medewerker met root-toegang. STACK is de plek waar deze contracten leven in een repository die mensen en agents delen. ai-agents agentic-codebase MCP Een contract dat bepaalt hoe een model tools aanroept. STACK Vijflaagse architectuur voor repositories waar mensen en agents samenwerken. Override-doctrine Beslissingen die een agent nooit mag nemen. Founders horen tegenwoordig “we hebben MCP toegevoegd” op de manier waarop ze vroeger hoorden “we hebben een API toegevoegd”. Beide zinnen zijn betekenisloos totdat iemand de permissies benoemt. Wat MCP daadwerkelijk is MCP, het Model Context Protocol, is een open standaard om een AI-applicatie te koppelen aan externe systemen. De officiële documentatie (tree gelabeld als 2026-07-28, opnieuw gelezen op 2026-08-18) stelt dat het protocol zich focust op de uitwisseling van context. Het schrijft niet voor hoe de applicatie een taalmodel gebruikt of hoe de zojuist ontvangen context beheerd moet worden. Er zijn drie deelnemers. De host is de coördinerende applicatie. De client is één verbinding met één server. De server is het programma dat de context beschikbaar stelt. De host maakt per server één client aan. Het beleid (policy) leeft op de host. Drie primitieven op de server, in de taal van een founder: - Tools zijn acties. Ze kunnen schrijven: e-mails sturen, een API aanroepen, een bestand wijzigen, of geld overmaken als je zo onverstandig was om dat te koppelen. - Resources zijn context. Gericht op lezen. Een klantdossier, een specificatie, een logbestand. - Prompts zijn herbruikbare templates. Geen permissie. Je hoeft de specificatie niet uit je hoofd te kennen. Je hebt drie schriftelijke antwoorden nodig voor elke server die je aan een agent koppelt: 1. Zichtbaarheid. Wat kan deze tool of resource lezen? Bestanden, mail, een database, een klantenlijst. Welke dataclassificatie. Wiens credentials. 2. Mutatie. Wat kan het wijzigen, versturen, samenvoegen, sluiten of verwijderen? 3. Log. Waar landt de call zodat een mens achteraf dinsdag kan reconstrueren: wie, welke tool, een samenvatting van de argumenten, resultaatklasse, tijdstempel, een correlator. Als een van de antwoorden “dat hangt ervan af” luidt, is de server nog niet klaar. “Dat hangt ervan af” is precies de manier waarop een behulpzame agent een klant mailt vanaf een concept dat jij nooit hebt goedgekeurd. Spreek er eens twee hardop uit. “Klantenlijst opvragen” is een read. “Herinnering voor verlenging sturen” is een write. Als beide met dezelfde credentials op dezelfde server draaien, ben je het plafond (ceiling) al kwijt. Permissie is een explosieradius Een plafond is het ergste wat er kan gebeuren als het model ernaast zit en de host ligt te slapen. Geef de voorkeur aan een read-only server boven een schrijfserver. Splits ze waar je kunt. Gebruik een allowlist voor tools op de host. Accepteer nooit klakkeloos “alle tools van deze server”. De specificatie vertelt clients om tool-annotaties als onbetrouwbaar te behandelen, tenzij de server zelf vertrouwd is. Besteed het plafond niet uit aan de zelfbeschrijving van de server. De override-doctrine is de uitgeschreven weigerlijst: meer uitgeven dan een bepaald plafond, spreken namens het bedrijf, productiedata wijzigen, of een beslissing sluiten waar jij nog steeds verantwoordelijk voor bent. Ze vult het contract aan. Het contract bepaalt wat deze server mag doen. De doctrine bepaalt wat hij moet weigeren. Schrijf beide uit voordat je de tool bouwt die data de deur uit kan sturen. Autorisatie in MCP is optioneel. De docs raden het aan wanneer gebruikersdata, audit, toestemming of limieten per gebruiker belangrijk zijn. Optioneel is het woord dat je wakker hoort te houden. Een lokale server met een environment secret kan alsnog root-rechten hebben. Schrijfpaden en het logboek van dinsdag Tools worden aangestuurd door een model. Het protocol vereist geen specifieke user interface. Applicaties zouden ervoor moeten zorgen dat een mens een call altijd kan weigeren. “Zouden moeten” is echter geen gate die je kunt auditen. Behandel verzenden, uitgeven, verwijderen en productiemutaties met dezelfde ernst als een betaalintegratie. Review de eerste tien calls. Daarna is het logboek je review. Geen logboek, geen schrijftool. Vraag naar dinsdag. “Laat me elke verzendactie van deze server tussen 09:00 en 18:00 zien.” Als niemand dat kan, is het contract incompleet. Officiële security-richtlijnen waarschuwen om dezelfde reden voor token passthrough: een server die een token accepteert dat niet specifiek voor hem is uitgegeven, verbreekt de audittrail. Je kunt dinsdag niet reconstrueren als het logboek tot de doelgroep van iemand anders behoort. Wat MCP niet is Het is geen moat. Concurrenten kunnen exact hetzelfde open protocol inpluggen. Het biedt op zichzelf geen veiligheid. Een protocol dat mag schrijven is net zo gevaarlijk als elke andere write-API. Officiële security-pagina's bestaan omdat confused-deputy problemen, tokenmisbruik en schadelijke metadata-URL's realistische risico's zijn. Het protocol catalogiseert die risico's. Het neemt ze niet weg. Het is geen model. Het is geen agent-runtime. Een agentische workflow heeft nog steeds een doel, een charter en een plafond nodig. MCP bepaalt slechts hoe die werker het gebouw mag aanraken, het is geen vervanging voor de definitie van de werker in Wat is een AI-agent?. Het is geen vervanging voor STACK. STACK is de architectuur met vijf lagen voor repo's: structuur, toolchain, agentconfiguratie, connectie, kennis en kwaliteit. MCP bevindt zich in de connectielaag, met toolcontracten, hooks en een eerlijk verhaal over falen. Als je regels in vijf verschillende tools zitten en je MCP-servers geen eigenaar hebben, creëer je agentische repo-schuld. Het protocol heeft dat niet veroorzaakt. Het ontbrekende contract wel. Een team dat niet in staat is om werk over een grens heen over te dragen zal niet gered worden door een schonere server. Coördinatie en connectie zijn twee verschillende banen. Een review voor founders in vijftien minuten Vraag de persoon die “MCP heeft toegevoegd” om één enkele tool met je door te nemen. - Wie is de eigenaar van deze server in de repo? - Lokaal of remote? Wiens credentials worden gebruikt? - Wat is het bevoegdheidsplafond? - Wat verbiedt de override-doctrine deze tool om te doen? - Als het iets verstuurt, uitgeeft of verwijdert, wie reviewt dan de eerste tien calls? - Als we om 17:00 de stekker eruit trekken, wat gaat er dan stuk? - Laat me het logboek van afgelopen dinsdag voor deze tool zien. Je vraagt niet om een demo. Je vraagt precies dezelfde dingen die je van een nieuwe productie-integratie eist. Behandel het op die manier en MCP wordt saai, wat precies het doel is. De publieke specificatie is de eerste bron. De architectuurpagina in de docs-tree van 2026-07-28 is waar host, client, server en primitieven worden gedefinieerd. Lees beide opnieuw door voordat je een versie vastzet (pin). Deze pagina zal niet elke wrapper bij kunnen houden. Waar dit thuishoort De agentische codebase is het boek dat het agent-OS behandelt als iets dat je versioneert zoals de app. De introductie is de landingspagina voor het boek. MCP is het contract op de connectie. Pin een versie. Lees de officiële docs opnieuw. Maak de server daarna saai.","keyTakeaways":["MCP is een interfacecontract, geen product dat je koopt.","Lees drie dingen: zichtbaarheid, mutatie en de log.","Een tool zonder plafond is een junior medewerker met root-toegang.","STACK is de plek waar deze contracten leven in een repository die mensen en agents delen."],"readingMinutes":5,"publishedAt":"2026-08-16T09:05:00.000Z"}},"degree":22},{"id":"article:mcp-is-not-usb-c","type":"article","pillar":"ai-systems","locales":{"en":{"label":"MCP is not USB-C: where the favourite analogy breaks, and why that matters","summary":"MCP (Model Context Protocol) is an open standard that lets AI applications connect to outside tools and data through one common interface. Its official introduction compares it to a USB-C port, which is right about the plug. It breaks in four places: the model reads each tool's description as text and can be steered by it, a server can act rather than just carry data, permissions live in the app rather than the protocol, and a registry listing proves who published a server, not that it is safe.","url":"/en/blog/mcp-is-not-usb-c/","searchText":"MCP is not USB-C: where the favourite analogy breaks, and why that matters What MCP means, why its own docs compare it to USB-C, and the four places that analogy breaks. Plus a checklist before you plug in an MCP server. The plug is standard. What the model reads through it is not. MCP (Model Context Protocol) is an open standard that lets AI applications connect to outside tools and data through one common interface. Its official introduction compares it to a USB-C port, which is right about the plug. It breaks in four places: the model reads each tool's description as text and can be steered by it, a server can act rather than just carry data, permissions live in the app rather than the protocol, and a registry listing proves who published a server, not that it is safe. MCP meaning and the USB-C analogy MCP's own introduction says to think of it like a USB-C port for AI applications. The analogy is right about one standard plug for many tools. It breaks because a language model, not a driver, reads what a server says about itself. The specification says MCP cannot enforce its security principles at the protocol level. Your app has to. Read the full tool descriptions, start read-only, and log every call before you plug a server in. mcp agentic-codebase MCP Model Context Protocol, an open standard for connecting AI applications to outside tools and data. MCP server A small program that offers tools, data or prompt templates to an AI application over MCP. tool description The text a server supplies to explain what a tool does. The model reads it when deciding whether and how to call the tool. tool poisoning Hiding instructions for the model inside a tool description, where the user does not see them. STACK Structure, Toolchain, Agent configuration, Connection, Knowledge and quality. Five layers for a codebase that humans and AI agents share, from The Agentic Codebase. MCP (Model Context Protocol) is an open standard for connecting AI applications to outside systems such as files, databases, calendars and search tools. An AI app such as Claude or ChatGPT (the host ) connects to small programs called MCP servers , and each server offers tools the model can call, such as \"search the customer list\" or \"create a calendar event\". The official introduction explains it with one picture: \"Think of MCP like a USB-C port for AI applications.\" (MCP documentation) That picture is right about the plug. It is wrong about what happens after you plug in, and that difference decides whether your AI assistant can be talked into handing your private files to a stranger's server. A quick note on the letters: in anatomy, the MCP (metacarpophalangeal) joint is your knuckle (StatPearls). This page is about the AI protocol. For the dictionary entry and the other meanings, see MCP meaning. What does the USB-C comparison get right? The promise of one standard plug. Without a shared standard, every AI app needs custom code for every tool. With MCP, a tool builder writes one server, and any app that speaks MCP can use it. The idea has a precedent in software. The specification says MCP takes inspiration from the Language Server Protocol, which did the same job for programming languages and code editors (MCP specification). One contract instead of a tangle of one-off connections. That part of the analogy is worth keeping. Where does the analogy break? In four places. Each one changes what you should check. USB-C MCP What to do about it --- --- --- --- Who reads the label The operating system reads a short structured descriptor and loads a driver The language model reads the tool's description as ordinary text Read every tool description in full What the plug does Carries power and data A tool can run code: send mail, change files, call paid services Treat write tools like handing over keys Who enforces the rules Compliance testing happens before a product may carry the USB logo The spec says MCP cannot enforce its security principles; the app must Check what your app asks before a tool runs What a listing proves A certified product passed compliance testing A registry listing proves who owns the name, not what the code does Vet the server yourself 1. The reader is a model, not a driver. When you plug in a USB device, it tells your computer what it is through a short technical descriptor , and the operating system picks a driver (SRLabs' slides describe this step). An MCP server describes its tools in plain language, and the model reads that text when deciding what to do. Text a model reads can contain instructions. The specification is blunt: descriptions of tool behaviour \"should be considered untrusted, unless obtained from a trusted server\" (MCP specification). 2. A server acts; a cable carries. The same page says tools \"represent arbitrary code execution and must be treated with appropriate caution.\" A tool is not a wire. It can send, delete, publish and pay, if someone wired it to. 3. The rules live in the app, not the plug. The specification lists user consent, data privacy and tool safety as key principles, then adds that \"MCP itself cannot enforce these security principles at the protocol level.\" Hosts must obtain explicit user consent before invoking any tool, and the Tools page says there should always be a human in the loop who can deny a call (Tools specification). Whether that actually happens depends on the app you use and how you set it up. 4. A listing is not a certificate. USB products that pass the USB-IF compliance programme are \"considered USB-IF certified\" and may license the logo (USB-IF). The official MCP Registry, still in preview, verifies that a publisher owns its namespace (a GitHub account or domain). It leaves security scanning of the actual server code to package registries and downstream marketplaces (MCP Registry). A listing tells you who published a server. It does not tell you what the server will do. A real case: the poisoned calculator In April 2025, the security firm Invariant Labs published a demonstration they called a Tool Poisoning Attack (Invariant Labs). A server offered an innocent-looking tool, add , which adds two numbers. Hidden in its description were instructions telling the model to read the user's MCP configuration file and private SSH key (the file that logs you into other servers) and pass them along inside a tool parameter. The user saw a simple tool name. The model saw the full description, and followed it. Invariant also described a rug pull : a server changes its tool descriptions after you approved it. Their recommended defences were plain: show users the full descriptions, pin server versions with a hash (a fingerprint that changes if the text changes), and keep boundaries between servers. Where the analogy is right about danger Here is the twist. USB has had its own version of this problem. At Black Hat in 2014, SRLabs researchers showed \"BadUSB\": a USB stick's hidden controller chip can be reprogrammed so the stick registers as a keyboard and types commands into the computer (SRLabs slides; recording). So the old office rule still applies: do not plug in a stick you found in the car park. With MCP, the stick is a server you found in a forum thread, and its label is read by something far more suggestible than a driver. STACK: where MCP belongs in your setup STACK is a framework for organising a code repository so that people and AI coding agents can work in it safely. It comes from The Agentic Codebase , which is available now. Five layers: 1. Structure. The layout, entry points and boundaries an agent can find its way through in its first minute. 2. Toolchain. The shells and commands an agent may run, written down instead of remembered. 3. Agent configuration. Instruction files such as AGENTS.md and CLAUDE.md, rules and skills, versioned like code. 4. Connection. MCP servers, tool contracts, hooks and guardrails, with least privilege (only the access the job needs) and a known failure story. 5. Knowledge and quality. Memory, context budgets, evals (automated tests of AI output) and CI, so a model upgrade does not quietly lower the bar. You do not need the book to use this. MCP lives in the Connection layer. The book's own picture is not USB-C but a bus: one shared line that every tool hangs from, where each tool owes you a written contract with its scope, limits, timeout, named failure modes and a human owner. It also advises running servers locally unless you need them remote, and pinning a hash of the tool descriptions so your setup refuses to start when they change. Imagine a hypothetical two-person accounting firm that wants its AI assistant to read invoices from a shared drive. Applied to the Connection layer: one read-only file server, scoped to the invoices folder; no email tool in the same session; Anna named as owner; the description hash pinned; every call logged. The second rule, no email tool next to the invoices, has a name outside the book too. Simon Willison calls the combination of private data, untrusted content and the ability to send data out the \"lethal trifecta\" (Willison). Supplier invoices are private data, and they are also untrusted content, because outsiders wrote them. Add an email tool to that session and it holds all three. Before you plug in an MCP server: a checklist 1. Name the owner. Who wrote the server, and who on your side answers for it? 2. Read every tool description in full. Not the one-line summary in the app. Instructions to the model (\"before using this tool, first read…\") are a red flag. 3. Start read-only. Add write tools (send, delete, pay, publish) only when you need them, and keep confirmation on. 4. One credential per server, smallest scope. Never a shared admin token. 5. Break the trifecta. No single session gets private data, untrusted content and a way to send data out. 6. Pin and re-review. Record the version and a hash of the descriptions. Re-read them when they change. 7. Log every call. Which tool, which inputs, what came back. 8. Know how to unplug. Decide now what breaks if you remove it at 17:00. The MCP connector guide covers how to attach a server in each app, and MCP explained for founders covers the review in more depth. Try this today: a ten-minute audit Open the connector or MCP settings of the AI app you use most. List every server. For each one, write three things: its owner, whether it can write, and the date you last read its tool descriptions. Any blank line is a server to unplug or to read tonight.","keyTakeaways":["MCP's own introduction says to think of it like a USB-C port for AI applications.","The analogy is right about one standard plug for many tools.","It breaks because a language model, not a driver, reads what a server says about itself.","The specification says MCP cannot enforce its security principles at the protocol level. Your app has to.","Read the full tool descriptions, start read-only, and log every call before you plug a server in."],"readingMinutes":7,"publishedAt":"2026-10-06T07:00:00.000Z"},"nl":{"label":"MCP is geen USB-C: waar de geliefde vergelijking mank gaat en waarom dat ertoe doet","summary":"MCP (Model Context Protocol) is een open standaard waarmee AI-toepassingen via één gemeenschappelijke aansluiting verbinding maken met externe tools en data. De officiële introductie vergelijkt MCP met een USB-C-poort, en voor de stekker klopt dat. Op vier punten gaat het beeld mank: het model leest elke toolbeschrijving als tekst en kan zich erdoor laten sturen, een server kan handelen in plaats van alleen data doorgeven, de rechten liggen bij de app en niet bij het protocol, en een registervermelding bewijst wie een server publiceerde, niet dat hij veilig is.","url":"/nl/blog/mcp-is-geen-usb-c/","searchText":"MCP is geen USB-C: waar de geliefde vergelijking mank gaat en waarom dat ertoe doet Wat MCP betekent, waarom de eigen documentatie het met USB-C vergelijkt en op welke vier punten dat beeld mank gaat. Plus een checklist voor het koppelen. De stekker is standaard. Wat het model door die stekker leest, is dat niet. MCP (Model Context Protocol) is een open standaard waarmee AI-toepassingen via één gemeenschappelijke aansluiting verbinding maken met externe tools en data. De officiële introductie vergelijkt MCP met een USB-C-poort, en voor de stekker klopt dat. Op vier punten gaat het beeld mank: het model leest elke toolbeschrijving als tekst en kan zich erdoor laten sturen, een server kan handelen in plaats van alleen data doorgeven, de rechten liggen bij de app en niet bij het protocol, en een registervermelding bewijst wie een server publiceerde, niet dat hij veilig is. MCP-betekenis en de vergelijking met USB-C De eigen introductie van MCP vergelijkt het met een USB-C-poort voor AI-toepassingen. Als beeld van één standaardstekker voor veel tools klopt de vergelijking. Ze gaat mank omdat een taalmodel, geen driver, leest wat een server over zichzelf zegt. Volgens de specificatie kan MCP zijn eigen beveiligingsprincipes niet op protocolniveau afdwingen. Dat moet je app doen. Voordat je een server koppelt: lees de volledige toolbeschrijvingen, begin met alleen leesrechten en log elke aanroep. mcp agentic-codebase MCP Model Context Protocol, een open standaard om AI-toepassingen te koppelen aan externe tools en data. MCP-server Een klein programma dat via MCP tools, data of promptsjablonen aanbiedt aan een AI-toepassing. toolbeschrijving De tekst waarmee een server uitlegt wat een tool doet. Het model leest die tekst als het beslist of en hoe het de tool aanroept. tool poisoning Instructies voor het model verstoppen in een toolbeschrijving, op een plek die de gebruiker niet ziet. STACK Structure, Toolchain, Agent configuration, Connection, Knowledge and quality. Vijf lagen voor een codebase die mensen en AI-agents delen, uit De agentische codebase. MCP (Model Context Protocol) is een open standaard om AI-toepassingen te koppelen aan externe systemen , zoals bestanden, databases, agenda's en zoektools. Een AI-app als Claude of ChatGPT (de host ) maakt verbinding met kleine programma's die MCP- servers heten. Elke server biedt tools aan die het model kan aanroepen, bijvoorbeeld \"zoek in de klantenlijst\" of \"zet een afspraak in de agenda\". De officiële introductie legt het uit met één beeld: zie MCP als \"a USB-C port for AI applications\", een USB-C-poort voor AI-toepassingen (MCP-documentatie). Voor de stekker klopt dat. Voor wat er gebeurt nadat je hem insteekt, klopt het niet, en juist dat verschil bepaalt of je AI-assistent zich laat overhalen om je privébestanden aan de server van een vreemde te geven. Nog even over de afkorting: in de anatomie is het MCP-gewricht (metacarpofalangeaal gewricht) gewoon je knokkel (StatPearls). Dit stuk gaat over het AI-protocol. De woordenboekbetekenis en de andere betekenissen staan in MCP-betekenis. Wat klopt er aan de vergelijking met USB-C? De belofte van één standaardstekker. Zonder gedeelde standaard heeft elke AI-app eigen code nodig voor elke tool. Met MCP schrijft een toolbouwer één server, en elke app die MCP ondersteunt, kan hem gebruiken. Dat idee heeft een voorganger in de software. Volgens de specificatie is MCP geïnspireerd op het Language Server Protocol, dat hetzelfde deed voor programmeertalen en code-editors (MCP-specificatie). Eén contract in plaats van een kluwen losse verbindingen. Dat deel van de vergelijking mag je houden. Waar gaat de vergelijking mank? Op vier punten. Elk punt verandert wat je moet controleren. USB-C MCP Wat je eraan doet --- --- --- --- Wie het etiket leest Het besturingssysteem leest een korte, gestructureerde descriptor en laadt een driver Het taalmodel leest de toolbeschrijving als gewone tekst Lees elke toolbeschrijving helemaal Wat de stekker doet Stroom en data doorgeven Een tool kan code uitvoeren: mailen, bestanden wijzigen, betaalde diensten aanroepen Behandel schrijftools alsof je je sleutels afgeeft Wie de regels handhaaft Een product doorloopt compliancetests voordat het USB-logo erop mag De specificatie zegt dat MCP zijn beveiligingsprincipes niet kan afdwingen; dat moet de app doen Kijk wat je app vraagt voordat een tool draait Wat een vermelding bewijst Een gecertificeerd product heeft de compliancetests doorstaan Een vermelding in het register bewijst wie de naam bezit, niet wat de code doet Beoordeel de server zelf 1. De lezer is een model, geen driver. Steek je een usb-apparaat in, dan vertelt het je computer via een korte technische descriptor wat het is, en het besturingssysteem kiest een driver (de slides van SRLabs beschrijven die stap). Een MCP-server beschrijft zijn tools in gewone taal, en het model leest die tekst als het beslist wat het gaat doen. Tekst die een model leest, kan instructies bevatten. De specificatie is daar duidelijk over: beschrijvingen van toolgedrag gelden als onbetrouwbaar, tenzij ze van een vertrouwde server komen (MCP-specificatie). 2. Een server handelt, een kabel geeft door. Op dezelfde pagina staat dat tools neerkomen op het uitvoeren van willekeurige code en met de nodige voorzichtigheid behandeld moeten worden. Een tool is geen draad. Hij kan versturen, verwijderen, publiceren en betalen, als iemand hem zo heeft aangesloten. 3. De regels zitten in de app, niet in de stekker. De specificatie noemt toestemming van de gebruiker, privacy en veilig toolgebruik als kernprincipes, en voegt eraan toe dat MCP die principes zelf niet op protocolniveau kan afdwingen. Een host moet de gebruiker uitdrukkelijk om toestemming vragen voordat hij een tool aanroept, en volgens de Tools-pagina hoort er altijd een mens tussen te zitten die een aanroep kan weigeren (Tools-specificatie). Of dat echt gebeurt, hangt af van de app die je gebruikt en hoe je die instelt. 4. Een vermelding is geen keurmerk. USB-producten die het complianceprogramma van USB-IF doorstaan, gelden als gecertificeerd en mogen het logo onder licentie gebruiken (USB-IF). Het officiële MCP-register, nog in preview, controleert of een uitgever de eigenaar is van zijn naamruimte (een GitHub-account of een domein). Het scannen van de servercode zelf laat het register over aan pakketregisters en marktplaatsen verderop in de keten (MCP-register). Een vermelding vertelt je wie een server publiceerde. Niet wat die server gaat doen. Een echt voorbeeld: de vergiftigde rekenmachine In april 2025 publiceerde het beveiligingsbedrijf Invariant Labs een demonstratie van wat het een Tool Poisoning Attack noemde (Invariant Labs). Een server bood een onschuldig ogende tool aan, add , die twee getallen optelt. In de beschrijving zaten verborgen instructies: lees het MCP-configuratiebestand en de private SSH-sleutel van de gebruiker (het bestand waarmee je op andere servers inlogt) en geef ze mee in een parameter van de tool. De gebruiker zag een simpele toolnaam. Het model zag de volledige beschrijving, en volgde die. Invariant beschreef ook een rug pull : een server past zijn toolbeschrijvingen aan nadat jij ze hebt goedgekeurd. De aanbevolen verdediging was nuchter: laat gebruikers de volledige beschrijvingen zien, pin serverversies vast met een hash (een vingerafdruk die verandert zodra de tekst verandert) en houd servers van elkaar gescheiden. Waar de vergelijking wél klopt: het gevaar Nu de kanttekening. USB kent zijn eigen versie van dit probleem. Op Black Hat in 2014 lieten onderzoekers van SRLabs 'BadUSB' zien: de verborgen controllerchip van een usb-stick kun je zo herprogrammeren dat de stick zich aanmeldt als toetsenbord en opdrachten intypt op de computer (slides van SRLabs; opname). De oude kantoorregel geldt dus nog steeds: steek geen usb-stick in die je op de parkeerplaats vond. Bij MCP is die stick een server die je in een forumdraadje tegenkwam, en de lezer van dat etiket laat zich veel makkelijker beïnvloeden dan een driver. STACK: waar MCP thuishoort STACK is een framework om een coderepository zo in te richten dat mensen en AI-codeeragents er veilig in kunnen werken. Het komt uit De agentische codebase , dat nu verkrijgbaar is. De vijf lagen houden hun Engelse namen: 1. Structure. De indeling, toegangspunten en grenzen waarin een agent in zijn eerste minuut zijn weg kan vinden. 2. Toolchain. De shells en commando's die een agent mag draaien, opgeschreven in plaats van onthouden. 3. Agent configuration. Instructiebestanden als AGENTS.md en CLAUDE.md, regels en skills, net als code onder versiebeheer. 4. Connection. MCP-servers, toolcontracten, hooks en vangrails, met minimale rechten (alleen de toegang die de klus vraagt) en een uitgewerkt faalscenario. 5. Knowledge and quality. Geheugen, contextbudgetten, evals (geautomatiseerde tests van AI-output) en CI, zodat een modelupgrade de lat niet stilletjes verlaagt. Je hebt het boek niet nodig om dit te gebruiken. MCP zit in de laag Connection. Het boek gebruikt niet het beeld van USB-C, maar dat van een bus: één gedeelde lijn waaraan alle tools hangen, en elke tool is je een geschreven contract schuldig met zijn reikwijdte, limieten, time-out, benoemde faalwijzen en een menselijke eigenaar. Het raadt ook aan servers lokaal te draaien tenzij je ze echt op afstand nodig hebt, en een hash van de toolbeschrijvingen vast te leggen, zodat je omgeving weigert te starten als die beschrijvingen veranderen. Stel: een administratiekantoor in Zwolle met twee medewerkers wil dat zijn AI-assistent facturen van een gedeelde schijf leest. Het voorbeeld is verzonnen. Toegepast op Connection: één bestandsserver met alleen leesrechten, beperkt tot de map met facturen; geen e-mailtool in dezelfde sessie; Anouk als eigenaar; de hash van de beschrijvingen vastgelegd; elke aanroep gelogd. Die tweede regel, geen e-mailtool naast de facturen, heeft ook buiten het boek een naam. Simon Willison noemt de combinatie van privédata, onbetrouwbare inhoud en de mogelijkheid om data naar buiten te sturen de \"lethal trifecta\" (Willison). Facturen van leveranciers zijn privédata, maar ook onbetrouwbare inhoud, want buitenstaanders hebben ze geschreven. Zet er een e-mailtool bij in dezelfde sessie en je hebt alle drie. Voordat je een MCP-server koppelt: een checklist 1. Benoem de eigenaar. Wie schreef de server, en wie is er aan jouw kant verantwoordelijk voor? 2. Lees elke toolbeschrijving helemaal. Niet de samenvatting van één regel in de app. Instructies aan het model (\"lees voor gebruik eerst…\") zijn een alarmsignaal. 3. Begin met alleen leesrechten. Voeg schrijftools (versturen, verwijderen, betalen, publiceren) pas toe als je ze nodig hebt, en laat de bevestiging aanstaan. 4. Eigen inloggegevens per server, met zo weinig rechten als kan. Nooit een gedeeld beheerderstoken. 5. Doorbreek de trifecta. Geen enkele sessie krijgt privédata, onbetrouwbare inhoud én een manier om data te versturen. 6. Pin vast en controleer opnieuw. Leg de versie en een hash van de beschrijvingen vast. Lees ze opnieuw als ze veranderen. 7. Log elke aanroep. Welke tool, welke invoer, wat kwam er terug. 8. Weet hoe je loskoppelt. Bepaal nu wat er stukgaat als je de server om 17.00 uur verwijdert. De uitleg over MCP-koppelingen laat zien hoe je per app een server aansluit, en MCP uitgelegd voor ondernemers gaat dieper in op het beoordelen van een server. Probeer het vandaag: een audit van tien minuten Open de instellingen voor koppelingen of MCP in de AI-app die je het meest gebruikt. Zet alle servers op een rij. Schrijf bij elke server drie dingen op: de eigenaar, of hij kan schrijven, en de datum waarop je de toolbeschrijvingen voor het laatst hebt gelezen. Elk leeg vak is een server die je loskoppelt, of waarvan je vanavond nog de beschrijvingen leest.","keyTakeaways":["De eigen introductie van MCP vergelijkt het met een USB-C-poort voor AI-toepassingen.","Als beeld van één standaardstekker voor veel tools klopt de vergelijking.","Ze gaat mank omdat een taalmodel, geen driver, leest wat een server over zichzelf zegt.","Volgens de specificatie kan MCP zijn eigen beveiligingsprincipes niet op protocolniveau afdwingen. Dat moet je app doen.","Voordat je een server koppelt: lees de volledige toolbeschrijvingen, begin met alleen leesrechten en log elke aanroep."],"readingMinutes":7,"publishedAt":"2026-10-06T07:05:00.000Z"}},"degree":8},{"id":"article:mcp-meaning","type":"article","pillar":"ai-systems","locales":{"en":{"label":"MCP meaning: Model Context Protocol, not a product","summary":"MCP means Model Context Protocol. It is a contract for how a language model calls tools: what it may see, what it may change, and how each call is logged. The official split is host, client, and server. A server exposes tools, resources, and prompts to a host: tools are model-controlled, resources application-controlled, prompts user-controlled. The official reference servers are filesystem, fetch, git, memory, time, sequential thinking, and everything. They are educational examples, not a production catalogue; the other former reference servers are archived. The MCP Registry is the catalogue. ReasonKit is first-party to this site, not an official reference. MCP is not a product you buy or the definition of an agent. A clean server with no ceiling is still a hole with nicer plumbing.","url":"/en/blog/mcp-meaning/","searchText":"MCP meaning: Model Context Protocol, not a product MCP means Model Context Protocol: a contract for how a model calls tools. What it may see, what it may change, how the call is logged. A server without a contract is a hole in the repo. The full form is the least interesting part. The permission boundary is the operating decision. MCP means Model Context Protocol. It is a contract for how a language model calls tools: what it may see, what it may change, and how each call is logged. The official split is host, client, and server. A server exposes tools, resources, and prompts to a host: tools are model-controlled, resources application-controlled, prompts user-controlled. The official reference servers are filesystem, fetch, git, memory, time, sequential thinking, and everything. They are educational examples, not a production catalogue; the other former reference servers are archived. The MCP Registry is the catalogue. ReasonKit is first-party to this site, not an official reference. MCP is not a product you buy or the definition of an agent. A clean server with no ceiling is still a hole with nicer plumbing. MCP meaning Model Context Protocol MCP = Model Context Protocol. The letters are a contract, not a brand. A server exposes tools (actions), resources (reads), and prompts (templates) to a host. Who triggers what matters: tools are model-controlled, resources application-controlled, prompts user-controlled. Read three things on every server: visibility, mutation, and the log. Reference servers teach the protocol. The registry lists what people publish. Neither is a ceiling. This page is the meaning. The founder article is the longer operating note. ai-agents MCP A contract for how a model calls tools. Visibility, mutation, log. STACK Five-layer architecture for repos where humans and agents share work. In AI systems, MCP means Model Context Protocol : a contract for how a model calls tools. What it may see. What it may change. How the call is logged. That is the whole definition. The rest is collision control. Here MCP means the AI protocol, not Microsoft Certified Professional or the Burroughs Master Control Program. Not a product, not a contact app, not an agent MCP is not software you buy. It is not a CRM. It is not the worker. An AI agent still needs a charter. MCP is how that worker is allowed to touch the building. The official split is host , client , and server . The host is the application (Claude Desktop, Claude Code, VS Code, and others). The host opens one client per server. The server is a program that offers context. It may run on the same machine over stdio, or remotely over Streamable HTTP. The protocol moves context. It does not tell the host how to use the model. What a server actually does A server exposes three primitives. - Tools are actions, and they are model-controlled: the model decides when to call one. They can write. Send mail, edit a file, call an API, move money if you wired that. - Resources are reads, and they are application-controlled: the host decides what to pull in. A schema, a file, a log, a customer record. - Prompts are reusable templates, and they are user-controlled: a person invokes them. A template is not a permission. The control column is the part people skip. It is the difference between \"a human chose to do this\" and \"the model chose, and nobody was asked.\" The traffic is not one-way. Elicitation lets a server ask the client to collect more input from the user. Older MCP explainers also list roots and sampling. Both are deprecated as of protocol version 2026-07-28, and roots never enforced a security boundary. Do not build a new permission model around either. That is the whole job. A \"known MCP server\" is just a program that speaks this contract for one slice of the world: files, git, the clock, a knowledge-graph memory. Not everything a model can call is an MCP server. A REST API with an OpenAPI file is an API, and wrapping it in a function definition does not make it MCP. The MCP Registry is where published servers are listed. It is a catalogue, not a safety review. Reference servers, not a shopping list The MCP project keeps a small set of reference implementations on GitHub to show the protocol and official SDKs. The README, read 2026-08-27, says they are educational, not production-ready. Evaluate your own ceiling. Current reference servers in that repository: - Filesystem. File operations inside a directory you allow. Read and write live here. Treat write as a gate. - Fetch. Pull web content into something a model can read. - Git. Read and change a repository. - Memory. A small knowledge-graph store the model can persist into. A graph is not a ceiling. - Time. Clock and timezone conversion. - Sequential thinking. A scratchpad of steps. No files, still a tool. - Everything. A test server that exposes all three primitives. Other former reference servers in that repository are archived . A third-party successor elsewhere does not become an official reference. Use the registry for the catalogue, then evaluate the server yourself. ReasonKit is first-party to this site, not an official reference. Same rule as any other server: visibility, mutation, log. Three reads Open the server. Official or homemade. Same card. 1. Visibility. What can it see? 2. Mutation. What can it change, send, spend, or delete? 3. Log. Can you replay the call after it goes wrong? Test the card: read one allowed file, attempt one denied read, make one dry-run write, then find all three attempts in the log. An unexpected success or a missing trace fails the review. If the permission lives in a Slack thread, you do not have a contract. Local servers may rely on process, filesystem, and sandbox boundaries; remote servers add transport authorization. Either way, least privilege is your operating design, not a property of the acronym. Two pages MCP explained for founders is the longer operating note: blast radius, Tuesday's log, the fifteen-minute review. Human in the loop meaning is who may approve the call once the contract allows it. This page is the dictionary entry plus what a server is. STACK is where those contracts live in a repository humans and agents share. The Agentic Codebase is live. You do not need the hardcover to refuse an anonymous tool.","keyTakeaways":["MCP = Model Context Protocol. The letters are a contract, not a brand.","A server exposes tools (actions), resources (reads), and prompts (templates) to a host.","Who triggers what matters: tools are model-controlled, resources application-controlled, prompts user-controlled.","Read three things on every server: visibility, mutation, and the log.","Reference servers teach the protocol. The registry lists what people publish. Neither is a ceiling.","This page is the meaning. The founder article is the longer operating note."],"readingMinutes":4,"publishedAt":"2026-08-30T07:00:00.000Z"},"nl":{"label":"MCP-betekenis: Model Context Protocol, geen product","summary":"MCP betekent Model Context Protocol. Het is een contract voor hoe een taalmodel tools aanroept: wat het mag zien, wat het mag wijzigen en hoe elke aanroep wordt vastgelegd. De officiële scheiding is host, client en server. Een server biedt een host tools, resources en prompts aan: tools worden bestuurd door het model, resources door de applicatie, prompts door de gebruiker. De officiële referentieservers zijn filesystem, fetch, git, memory, time, sequential thinking en everything. Het zijn educatieve voorbeelden en geen productiecatalogus; de overige voormalige referentieservers zijn gearchiveerd. Het MCP Registry is de catalogus. ReasonKit hoort bij deze site en is geen officiële referentie. MCP is geen product dat je koopt en niet de definitie van een agent. Een nette server zonder plafond blijft een gat met mooier leidingwerk.","url":"/nl/blog/mcp-betekenis/","searchText":"MCP-betekenis: Model Context Protocol, geen product MCP betekent Model Context Protocol: een contract voor hoe een model tools aanroept. Wat het mag zien, wat het mag wijzigen en hoe de aanroep wordt vastgelegd. Een server zonder contract is een gat in de repo. De volledige naam is het minst interessante deel. De permissiegrens is het operationele besluit. MCP betekent Model Context Protocol. Het is een contract voor hoe een taalmodel tools aanroept: wat het mag zien, wat het mag wijzigen en hoe elke aanroep wordt vastgelegd. De officiële scheiding is host, client en server. Een server biedt een host tools, resources en prompts aan: tools worden bestuurd door het model, resources door de applicatie, prompts door de gebruiker. De officiële referentieservers zijn filesystem, fetch, git, memory, time, sequential thinking en everything. Het zijn educatieve voorbeelden en geen productiecatalogus; de overige voormalige referentieservers zijn gearchiveerd. Het MCP Registry is de catalogus. ReasonKit hoort bij deze site en is geen officiële referentie. MCP is geen product dat je koopt en niet de definitie van een agent. Een nette server zonder plafond blijft een gat met mooier leidingwerk. MCP-betekenis Model Context Protocol MCP = Model Context Protocol. De letters vormen een contract, geen merk. Een server biedt een host drie dingen aan: tools (handelingen), resources (leesacties) en prompts (sjablonen). Wie wat aanstuurt telt: tools worden bestuurd door het model, resources door de applicatie, prompts door de gebruiker. Lees drie dingen op elke server: zichtbaarheid, mutatie en de log. Referentieservers leren je het protocol. Het registry toont wat mensen publiceren. Geen van beide is een plafond. Deze pagina geeft de betekenis. Het artikel voor ondernemers is de langere operationele notitie. ai-agents MCP Een contract voor hoe een model tools aanroept. Zichtbaarheid, mutatie, log. STACK Een vijflaagse architectuur voor repo's waar mensen en agents samenwerken. In AI-systemen betekent MCP Model Context Protocol : een contract voor hoe een model tools aanroept. Wat het mag zien. Wat het mag wijzigen. Hoe de aanroep wordt vastgelegd. Dat is de volledige definitie. De rest is het beperken van de schade. Hier gaat MCP over het AI-protocol, niet over Microsoft Certified Professional of het Master Control Program van Burroughs. Geen product, geen contacten-app, geen agent MCP is geen software die je koopt. Het is geen CRM. Het is niet de medewerker. Een AI-agent heeft nog steeds een charter nodig. MCP is de manier waarop die medewerker het gebouw mag aanraken. De officiële scheiding is host , client en server . De host is de applicatie (Claude Desktop, Claude Code, VS Code en andere). De host opent één client per server. De server is een programma dat context aanbiedt. Dat kan op dezelfde machine over stdio, of op afstand over Streamable HTTP. Het protocol verplaatst context. Het schrijft de host niet voor hoe die het model inzet. Wat een server werkelijk doet Een server biedt drie primitieven aan. - Tools zijn handelingen, en ze worden bestuurd door het model: het model bepaalt wanneer het er een aanroept. Ze kunnen schrijven. Mail versturen, een bestand wijzigen, een API aanroepen, geld verplaatsen als je het zo hebt aangesloten. - Resources zijn leesacties, en ze worden bestuurd door de applicatie: de host bepaalt wat er wordt binnengehaald. Een schema, een bestand, een log, een klantrecord. - Prompts zijn herbruikbare sjablonen, en ze worden bestuurd door de gebruiker: een mens roept ze aan. Een sjabloon is geen permissie. Die besturingskolom is precies wat mensen overslaan. Het is het verschil tussen \"een mens koos hiervoor\" en \"het model koos, en niemand is iets gevraagd\". Het verkeer gaat niet één kant op. Met elicitation kan een server de client vragen extra input bij de gebruiker op te halen. Oudere uitleg over MCP noemt daarnaast roots en sampling. Beide zijn afgeschaft per protocolversie 2026-07-28, en roots handhaafde nooit een veiligheidsgrens. Bouw geen nieuw permissiemodel op een van beide. Dat is de hele taak. Een \"bekende MCP-server\" is gewoon een programma dat dit contract spreekt voor één plak van de wereld: bestanden, git, de klok, een geheugen in de vorm van een knowledge graph. Niet alles wat een model kan aanroepen is een MCP-server. Een REST API met een OpenAPI-bestand is een API, en die in een functiedefinitie wikkelen maakt er geen MCP van. Het MCP Registry is de plek waar gepubliceerde servers staan. Het is een catalogus, geen veiligheidskeuring. Referentieservers, geen boodschappenlijst Het MCP-project onderhoudt een kleine set referentie-implementaties op GitHub om het protocol en de officiële SDK's te tonen. De README, gelezen op 2026-08-27, zegt dat ze educatief zijn en niet productieklaar. Beoordeel je eigen plafond. De actuele referentieservers in die repository: - Filesystem. Bestandsbewerkingen binnen een map die jij toestaat. Lezen en schrijven zitten hier bij elkaar. Behandel schrijven als een poort. - Fetch. Webinhoud ophalen in een vorm die een model kan lezen. - Git. Een repository lezen en wijzigen. - Memory. Een kleine opslag in de vorm van een knowledge graph waar het model in kan bewaren. Een graaf is geen plafond. - Time. Klok en tijdzoneconversie. - Sequential thinking. Een kladblok met stappen. Geen bestanden, en nog steeds een tool. - Everything. Een testserver die alle drie de primitieven blootlegt. Andere voormalige referentieservers in die repository zijn gearchiveerd . Een opvolger van een derde partij elders wordt daarmee geen officiële referentie. Gebruik het registry als catalogus en beoordeel de server daarna zelf. ReasonKit hoort bij deze site en is geen officiële referentie. Dezelfde regel als bij elke andere server: zichtbaarheid, mutatie, log. Drie dingen om te lezen Open de server. Officieel of zelfgebouwd. Dezelfde kaart. 1. Zichtbaarheid. Wat kan hij zien? 2. Mutatie. Wat kan hij wijzigen, versturen, uitgeven of verwijderen? 3. Log. Kun je de aanroep terugspelen nadat het misging? Test die kaart: lees één toegestaan bestand, probeer één verboden leesactie, doe één schrijfactie in proefmodus, en vind daarna alle drie de pogingen terug in de log. Een poging die onverwacht slaagt of een spoor dat ontbreekt, betekent dat de review is gezakt. Staat de permissie in een Slack-thread, dan heb je geen contract. Lokale servers kunnen leunen op de grenzen van proces, bestandssysteem en sandbox; servers op afstand voegen daar autorisatie op het transport aan toe. Hoe dan ook: minimale rechten zijn jouw operationele ontwerp, geen eigenschap van de afkorting. Twee pagina's MCP uitgelegd voor ondernemers is de langere operationele notitie: hoe ver de schade reikt, de log van dinsdag, de review van een kwartier. Wat betekent mens in de lus? gaat over wie de aanroep mag goedkeuren zodra het contract hem toestaat. Deze pagina is de definitie plus wat een server is. STACK is de plek waar die contracten leven in een repository die mensen en agents delen. De agentische codebase is live. Je hebt de hardcover niet nodig om een anonieme tool te weigeren.","keyTakeaways":["MCP = Model Context Protocol. De letters vormen een contract, geen merk.","Een server biedt een host drie dingen aan: tools (handelingen), resources (leesacties) en prompts (sjablonen).","Wie wat aanstuurt telt: tools worden bestuurd door het model, resources door de applicatie, prompts door de gebruiker.","Lees drie dingen op elke server: zichtbaarheid, mutatie en de log.","Referentieservers leren je het protocol. Het registry toont wat mensen publiceren. Geen van beide is een plafond.","Deze pagina geeft de betekenis. Het artikel voor ondernemers is de langere operationele notitie."],"readingMinutes":4,"publishedAt":"2026-08-30T07:05:00.000Z"}},"degree":14},{"id":"article:mcp-oauth-is-not-tool-authorization","type":"article","pillar":"ai-systems","locales":{"en":{"label":"MCP OAuth is not tool authorization: a valid token is not a yes","summary":"On a remote MCP server, OAuth answers two questions: is this access token genuine and issued for this server, and which scopes (named permissions) does it carry? It does not know which scope each tool needs, or that a user may only approve expenses in their own team. You write that map and check it on every tool call, before the tool changes anything. Local MCP servers that run over stdio skip this OAuth flow and take credentials from their environment.","url":"/en/blog/mcp-oauth-is-not-tool-authorization/","searchText":"MCP OAuth is not tool authorization: a valid token is not a yes A valid OAuth token gets a client into your MCP server. It does not decide which tool may act on which record. What the spec checks and what you must add. OAuth tells your server the token is genuine and meant for it. Your code decides whether this call may approve this expense. On a remote MCP server, OAuth answers two questions: is this access token genuine and issued for this server, and which scopes (named permissions) does it carry? It does not know which scope each tool needs, or that a user may only approve expenses in their own team. You write that map and check it on every tool call, before the tool changes anything. Local MCP servers that run over stdio skip this OAuth flow and take credentials from their environment. MCP OAuth versus per-tool authorization OAuth tells your MCP server that a token is valid, meant for this server, and which scopes it carries. Which scope each tool needs, and which records a caller may touch, is your application's rule to write. Invalid, expired, or wrong-server token: 401. Valid token without the required scope: 403 with insufficient scope. Hiding a tool from the list is not blocking it. Check every call, then test a call that must fail and confirm nothing changed. mcp MCP Model Context Protocol. An open standard that lets an AI app use tools offered by a separate program, the MCP server. OAuth The standard behind 'allow this app to access your account' screens. The app receives an access token instead of your password, and the server checks that token on every request. Access token A temporary pass an app sends with each request. It says which server it was issued for and which scopes it carries. Scope A named permission written into a token, such as expenses:read or expenses:approve. Authentication and authorization Authentication establishes who is calling. Authorization decides what they may do. Checking a token's scopes is authorization, but only at the level of the scope. OAuth on an MCP server checks the key, not what the key may open. A valid token tells your server that it is genuine, that it was issued for this server, and which scopes it carries. It does not decide whether this call may approve this expense. That rule is yours to write, and to check on every tool call before the tool changes anything. The rest of this page shows where the line falls, what the MCP specification requires on each side of it, and how to test the call that should fail. First, the words in plain English - MCP (Model Context Protocol) is an open standard that lets an AI app use tools offered by a separate program, the MCP server. The glossary entry has the short version. - OAuth is the standard behind the \"allow this app to access your account?\" screen. Instead of your password, the app receives an access token : a temporary pass it sends with every request. - A scope is a named permission written into that token, such as expenses:read or expenses:approve . - Authentication establishes who is calling. Authorization decides what they may do. Checking a token's scopes is already authorization. It is just coarse: it knows that a token says expenses:approve , not which tool needs that scope or which expenses this person may touch. A worked example: one token, three tools Imagine a hypothetical twelve-person design studio. Its AI assistant connects to an MCP server for expenses with three tools: list expenses , view expense , and approve expense . Priya, the office manager, signs in through OAuth. The assistant receives a valid token, issued for the expense server, carrying expenses:read . Three different questions now get asked, by three different parts of the system: Question Who answers it Where the rule comes from --- --- --- Which app is asking? The authorization server (the service that issues tokens) The MCP specification Is this token genuine, unexpired, and issued for this server? Your MCP server, validating the token The MCP specification May this call approve this particular expense? Your code Nobody but you Priya's token passes the first two. When the assistant calls approve expense , only the third question can stop it. Her token lacks expenses:approve , so the server refuses. Now suppose her manager Tom has expenses:approve . He asks the assistant to approve an expense that belongs to another team, or one he filed himself. The token is valid and the scope is present. If your code does not check which team the expense belongs to, and who filed it, nothing else will. What does the MCP specification require? The MCP authorization specification, revision 2026-07-28, makes authorization optional. When a server supports it over HTTP (a server reached over the network), it should follow the specification. A local server that runs over stdio (started as a program on the same machine) should not use this flow. It takes its credentials from its environment instead, so the question becomes which credentials that process receives. For HTTP servers, the main rules are: - The client sends the token in the Authorization header on every request, and never in the web address. - The client names the server it wants a token for with a resource parameter. The server must check that the token was issued for it, and must not accept or pass on tokens meant for anything else. - Invalid or expired tokens must get a 401 response. - A valid token without the scope an operation needs should get a 403 response with insufficient scope , listing every scope that operation needs in one go. The client can then \"step up\": ask for a new token that combines its earlier scopes with the new ones. Keeping track of that combination is the client's job. - Servers must account for scope hierarchies, where a broader scope implies narrower ones. A plain text match can wrongly reject a token that should pass, so write the hierarchy down and test it. The specification's page on tools adds a rule people skip: servers must \"implement proper access controls\". It requires the control. It does not design it for you. The same page allows a server to show each caller only the tools its scopes permit when the client asks for the tool list. That is good design, because the model then never sees a button it cannot press. But hiding a tool is not blocking it. The check that counts runs when the tool is called. Identifying the app is not granting a permission The 2026-07-28 revision says authorization servers and clients should support Client ID Metadata Documents (CIMD). The app's ID is a web address, and the authorization server fetches a short document at that address that describes the app. The older method, where an app registers itself on the fly (Dynamic Client Registration), is deprecated but kept for backwards compatibility. CIMD tells the authorization server which app is asking. It does not grant expenses:approve , and it does not approve a tool call. Identifying the app, validating the token, and deciding whether this call may approve this expense are three separate checks. Passing the first two does not answer the third. Write the permission map This is the artifact that turns the principle into something you can review. One row per tool, with a default for everything else: Tool Required scope Extra rule Checked where --- --- --- --- list expenses expenses:read Only expenses in the caller's team In the tool's code view expense expenses:read The expense belongs to the caller's team In the tool's code approve expense expenses:approve Same team; not the caller's own expense; amount under the approval limit In the tool's code, before anything is written Any tool not in this table None Deny Default The Agentic Codebase , one of Len's books (available now), writes the same idea into a short contract file per tool: a list of what the tool is allowed, a list of what it is denied, and any scope not on the allow list is refused. You do not need the book to use the table above. Approving money is also a decision many teams keep with a person no matter what the token says. What an agent may never do covers that list. Where can the check live? In the tool's own code, in shared authorization code that every tool calls, or in a gateway (a proxy that sits in front of the server). The specification does not require a separate policy engine. Pick the place that covers every protected tool and that your team can read and test. A gateway has one practical help from the specification. Over HTTP, every request must carry Mcp-Method and Mcp-Name headers, such as tools/call and approve expense , so a gateway can see which tool is being called without reading the message body. The body remains the source of truth. How do vendors handle it? These are implementation choices, not requirements of MCP. WorkOS says in its build notes of 31 July 2026 that its AuthKit product does not ship a scope-per-tool feature, so you create a permission such as expenses:approve and check it inside each tool. Their summary is worth pinning up: \"'Access to the server' isn't a permission worth having. 'Can call approve expense' is.\" One caution: their example helper allows any tool that has no permission mapped. Decide that default on purpose before you copy it. Permit.io takes the gateway route. Its gateway overview says that on each call the gateway verifies the token, asks whether this agent may call this tool on this server, and logs the decision. Its co-founder Or Weis argues that OAuth is necessary but not sufficient. That is a vendor's view of its own category, and it matches the specification's split. What does a passing connection test leave untested? A connection test can pass while these defects remain: - Every tool accepts the same broad scope. Looking up an expense and approving one need different access, but both accept the same token. - The permission was checked only at sign-in. Later calls run without checking the scope they need. - Record rules are missing. The tool checks the scope but ignores an input that selects another team's expense. MCP explained for founders has a wider fifteen-minute review of a server; this page is only the authorization slice. Test the call that must fail Use one valid token for two calls: one it may make and one it must not. For example, allow an expense lookup and refuse an approval when the token lacks expenses:approve . Then test the other failure paths one at a time: Test Expected result --- --- Missing, invalid, or expired token 401 ; no protected tool runs Valid token issued for another server 401 ; no protected tool runs Valid token without the required scope 403 insufficient scope ; the tool does not run Required scope present, but a record rule forbids the action Your application's refusal; nothing changes Required scope and record rules satisfied The action succeeds A record-rule refusal is not an insufficient scope error. Tom's token already has the scope. Telling his app to fetch a bigger token cannot fix a rule about which team owns the expense. Check the record, not just the response. An error message returned after the expense was approved is a failed check. Try this today (20 minutes) 1. List every tool on one MCP server you run or depend on. 2. Fill in the permission map above for each one, including the last row: what happens to a tool nobody listed? 3. With a valid token that lacks one permission, call the tool that needs it. 4. Open the record afterwards. If it changed, you found the gap before a customer did.","keyTakeaways":["OAuth tells your MCP server that a token is valid, meant for this server, and which scopes it carries.","Which scope each tool needs, and which records a caller may touch, is your application's rule to write.","Invalid, expired, or wrong-server token: 401. Valid token without the required scope: 403 with insufficient_scope.","Hiding a tool from the list is not blocking it. Check every call, then test a call that must fail and confirm nothing changed."],"readingMinutes":8,"publishedAt":"2026-10-05T14:00:00.000Z"},"nl":{"label":"MCP-OAuth is geen toolautorisatie: een geldig token is nog geen ja","summary":"Bij een MCP-server op afstand beantwoordt OAuth twee vragen: is dit toegangstoken echt en voor deze server uitgegeven, en welke scopes (benoemde rechten) bevat het? OAuth weet niet welke scope elke tool nodig heeft, of dat iemand alleen declaraties van het eigen team mag goedkeuren. Die rechtenkaart schrijf je zelf op en controleer je bij elke toolaanroep, voordat de tool iets wijzigt. Lokale MCP-servers die via stdio draaien, slaan deze OAuth-flow over en halen hun inloggegevens uit hun omgeving.","url":"/nl/blog/mcp-oauth-is-geen-toolautorisatie/","searchText":"MCP-OAuth is geen toolautorisatie: een geldig token is nog geen ja Een geldig OAuth-token laat een client je MCP-server in, maar bepaalt niet wat een tool met welk record mag. Wat de specificatie eist en wat je moet toevoegen. OAuth laat je server weten dat het token echt is en voor hem bedoeld is. Jouw code beslist of deze aanroep deze declaratie mag goedkeuren. Bij een MCP-server op afstand beantwoordt OAuth twee vragen: is dit toegangstoken echt en voor deze server uitgegeven, en welke scopes (benoemde rechten) bevat het? OAuth weet niet welke scope elke tool nodig heeft, of dat iemand alleen declaraties van het eigen team mag goedkeuren. Die rechtenkaart schrijf je zelf op en controleer je bij elke toolaanroep, voordat de tool iets wijzigt. Lokale MCP-servers die via stdio draaien, slaan deze OAuth-flow over en halen hun inloggegevens uit hun omgeving. MCP-OAuth versus autorisatie per tool OAuth vertelt je MCP-server of een token geldig is, of het voor deze server bedoeld is en welke scopes het bevat. Welke scope elke tool nodig heeft en aan welke records iemand mag komen, is een regel die jouw applicatie vastlegt. Ongeldig, verlopen of voor een andere server uitgegeven token: 401. Geldig token zonder de vereiste scope: 403 met insufficient scope. Een tool in de toollijst verbergen is hem niet blokkeren. Controleer elke aanroep, test daarna een aanroep die moet mislukken en kijk of er niets is veranderd. mcp MCP Model Context Protocol. Een open standaard waarmee een AI-app tools kan gebruiken die een apart programma aanbiedt: de MCP-server. OAuth De standaard achter schermen als 'deze app toegang geven tot je account?' De app krijgt een toegangstoken in plaats van je wachtwoord, en de server controleert dat token bij elk verzoek. Toegangstoken Een tijdelijke pas die een app bij elk verzoek meestuurt. Het token vermeldt voor welke server het is uitgegeven en welke scopes het bevat. Scope Een benoemd recht dat in een token staat, zoals expenses:read of expenses:approve. Authenticatie en autorisatie Authenticatie stelt vast wie er aanroept. Autorisatie bepaalt wat die mag. Scopes controleren is autorisatie, maar alleen op het niveau van de scope. OAuth op een MCP-server controleert de sleutel, niet wat die sleutel mag openen. Een geldig token vertelt je server dat het echt is, dat het voor deze server is uitgegeven en welke scopes erin staan. Het beslist niet of deze aanroep deze declaratie mag goedkeuren. Die regel schrijf je zelf, en je controleert hem bij elke toolaanroep, voordat de tool iets wijzigt. Hieronder zie je waar die grens ligt, wat de MCP-specificatie aan beide kanten eist en hoe je de aanroep test die moet mislukken. Eerst de begrippen, in gewone taal - MCP (Model Context Protocol) is een open standaard waarmee een AI-app tools kan gebruiken die een apart programma aanbiedt: de MCP-server. De begrippenpagina geeft de korte versie. - OAuth is de standaard achter het scherm \"deze app toegang geven tot je account?\" In plaats van je wachtwoord krijgt de app een toegangstoken : een tijdelijke pas die hij bij elk verzoek meestuurt. - Een scope is een benoemd recht dat in dat token staat, zoals expenses:read of expenses:approve . - Authenticatie stelt vast wie er aanroept. Autorisatie bepaalt wat die mag. Scopes controleren is al autorisatie, alleen grofmazig: die controle ziet dat een token expenses:approve bevat, maar niet welke tool die scope nodig heeft of aan welke declaraties deze persoon mag komen. Een uitgewerkt voorbeeld: één token, drie tools Neem een fictief ontwerpbureau met twaalf mensen. De AI-assistent van het bureau is gekoppeld aan een MCP-server voor declaraties, met drie tools: list expenses , view expense en approve expense . Sanne, de officemanager, logt in via OAuth. De assistent krijgt een geldig token, uitgegeven voor de declaratieserver, met de scope expenses:read . Nu stellen drie verschillende onderdelen van het systeem drie verschillende vragen: Vraag Wie geeft antwoord Waar de regel vandaan komt --- --- --- Welke app vraagt dit? De autorisatieserver (de dienst die tokens uitgeeft) De MCP-specificatie Is dit token echt, niet verlopen en voor deze server uitgegeven? Jouw MCP-server, die het token valideert De MCP-specificatie Mag deze aanroep deze ene declaratie goedkeuren? Jouw code Niemand anders dan jij Sannes token komt door de eerste twee. Roept de assistent approve expense aan, dan kan alleen de derde vraag dat tegenhouden. Haar token mist expenses:approve , dus de server weigert. Stel nu dat haar leidinggevende Joris wel expenses:approve heeft. Hij vraagt de assistent een declaratie van een ander team goed te keuren, of een die hij zelf heeft ingediend. Het token is geldig en de scope is aanwezig. Controleert jouw code niet bij welk team de declaratie hoort en wie die indiende, dan houdt niets anders het tegen. Wat eist de MCP-specificatie? De MCP-autorisatiespecificatie, revisie 2026-07-28, maakt autorisatie optioneel. Ondersteunt een server autorisatie via HTTP (een server die je via het netwerk bereikt), dan hoort hij de specificatie te volgen. Een lokale server die via stdio draait (als programma gestart op dezelfde machine), hoort deze flow niet te gebruiken. Die haalt zijn inloggegevens uit zijn omgeving, dus daar is de vraag welke inloggegevens dat proces krijgt. Voor HTTP-servers zijn dit de belangrijkste regels: - De client stuurt het token bij elk verzoek mee in de Authorization -header, en nooit in het webadres. - Met de parameter resource noemt de client de server waarvoor hij een token wil. De server moet controleren of het token voor hem is uitgegeven, en mag geen tokens accepteren of doorgeven die voor iets anders bedoeld zijn. - Ongeldige of verlopen tokens moeten een 401 krijgen. - Een geldig token zonder de scope die een bewerking nodig heeft, hoort een 403 met insufficient scope te krijgen, met in één keer alle scopes die die bewerking vraagt. De client kan dan een step-up doen: een nieuw token aanvragen dat de eerdere scopes combineert met de nieuwe. Die optelsom bijhouden is de taak van de client. - Servers moeten rekening houden met scopehiërarchieën, waarbij een bredere scope de smallere insluit. Een letterlijke tekstvergelijking kan dan ten onrechte een token weigeren dat door had moeten komen. Leg de hiërarchie dus vast en test die. De pagina over tools in de specificatie voegt een regel toe die vaak wordt overgeslagen: servers moeten degelijke toegangscontrole inbouwen. De specificatie eist die controle. Ze ontwerpt die niet voor je. Dezelfde pagina staat toe dat een server elke aanroeper alleen de tools laat zien die de scopes van die aanroeper toestaan, als de client om de toollijst vraagt. Dat is een goede ontwerpkeuze, want dan ziet het model nooit een knop die het niet mag indrukken. Maar een tool verbergen is hem niet blokkeren. De controle die telt, draait op het moment dat de tool wordt aangeroepen. De app identificeren is geen recht toekennen Volgens revisie 2026-07-28 horen autorisatieservers en clients Client ID Metadata Documents (CIMD) te ondersteunen. Het ID van de app is dan een webadres, en de autorisatieserver haalt op dat adres een kort document op dat de app beschrijft. De oudere methode, waarbij een app zich ter plekke zelf registreert (Dynamic Client Registration), is verouderd maar blijft bestaan voor achterwaartse compatibiliteit. CIMD vertelt de autorisatieserver welke app erom vraagt. Het kent geen expenses:approve toe en keurt geen toolaanroep goed. De app identificeren, het token valideren en beslissen of deze aanroep deze declaratie mag goedkeuren, zijn drie aparte controles. Door de eerste twee komen zegt nog niets over de derde. Schrijf de rechtenkaart Dit is het overzicht dat het principe omzet in iets wat je kunt nalopen. Eén regel per tool, met een standaard voor al het andere: Tool Vereiste scope Extra regel Waar gecontroleerd --- --- --- --- list expenses expenses:read Alleen declaraties van het eigen team In de code van de tool view expense expenses:read De declaratie hoort bij het eigen team In de code van de tool approve expense expenses:approve Zelfde team; niet de eigen declaratie; bedrag onder de goedkeuringsgrens In de code van de tool, voordat er iets wordt weggeschreven Elke tool die niet in deze tabel staat Geen Weigeren Standaard De agentische codebase , een van de boeken van Len (nu verkrijgbaar), legt hetzelfde idee per tool vast in een kort contractbestand: een lijst van wat de tool mag, een lijst van wat hij niet mag, en elke scope die niet op de toegestane lijst staat, wordt geweigerd. Je hebt het boek niet nodig om de tabel hierboven te gebruiken. Geld goedkeuren is bovendien een beslissing die veel teams aan een mens overlaten, wat het token ook zegt. Wat een agent nooit mag doen behandelt die lijst. Waar kan de controle zitten? In de code van de tool zelf, in gedeelde autorisatiecode die elke tool aanroept, of in een gateway (een proxy die vóór de server staat). De specificatie eist geen aparte policy-engine. Kies de plek die elke afgeschermde tool dekt en die je team kan lezen en testen. Voor een gateway biedt de specificatie één praktisch hulpmiddel. Via HTTP moet elk verzoek de headers Mcp-Method en Mcp-Name bevatten, bijvoorbeeld tools/call en approve expense . Zo ziet een gateway welke tool wordt aangeroepen zonder de inhoud van het bericht te lezen. Die inhoud blijft wel leidend. Hoe pakken leveranciers het aan? Dit zijn implementatiekeuzes, geen eisen van MCP. WorkOS schrijft in zijn bouwnotities van 31 juli 2026 dat zijn product AuthKit geen kant-en-klare scope per tool levert. Je maakt dus zelf een permissie zoals expenses:approve aan en controleert die in elke tool. Zijn samenvatting verdient een plek op het prikbord: \"'Toegang tot de server' is geen permissie die iets voorstelt. 'Mag approve expense aanroepen' wel.\" Eén kanttekening: zijn voorbeeldhelper laat elke tool toe waaraan geen permissie is gekoppeld. Kies die standaard bewust voordat je hem overneemt. Permit.io kiest de route via een gateway. Het gateway-overzicht beschrijft dat de gateway bij elke aanroep het token verifieert, vraagt of deze agent deze tool op deze server mag aanroepen en de beslissing logt. Medeoprichter Or Weis betoogt dat OAuth nodig maar niet voldoende is. Dat is de visie van een leverancier op zijn eigen markt, en ze sluit aan bij de tweedeling in de specificatie. Wat laat een geslaagde verbindingstest ongetest? Een verbindingstest kan slagen terwijl deze gebreken blijven bestaan: - Elke tool accepteert dezelfde brede scope. Een declaratie opzoeken en er een goedkeuren vragen om verschillende rechten, maar beide tools accepteren hetzelfde token. - Het recht werd alleen bij het inloggen gecontroleerd. Latere aanroepen draaien zonder controle op de scope die ze nodig hebben. - Regels per record ontbreken. De tool controleert de scope, maar kijkt niet naar invoer die de declaratie van een ander team selecteert. MCP uitgelegd voor ondernemers bevat een bredere servercontrole van vijftien minuten; deze pagina behandelt alleen het autorisatiedeel. Test de aanroep die moet mislukken Gebruik één geldig token voor twee aanroepen: een die het mag doen en een die het niet mag doen. Sta bijvoorbeeld het opzoeken van een declaratie toe en weiger de goedkeuring als het token expenses:approve mist. Test daarna de andere foutpaden één voor één: Test Verwacht resultaat --- --- Ontbrekend, ongeldig of verlopen token 401 ; er draait geen afgeschermde tool Geldig token, uitgegeven voor een andere server 401 ; er draait geen afgeschermde tool Geldig token zonder de vereiste scope 403 insufficient scope ; de tool draait niet Vereiste scope aanwezig, maar een regel per record verbiedt de actie Weigering door je applicatie; er verandert niets Vereiste scope aanwezig en regels per record in orde De actie slaagt Een weigering op grond van een regel per record is geen insufficient scope -fout. Het token van Joris heeft de scope al. Zijn app een ruimer token laten ophalen, verandert niets aan de regel over bij welk team de declaratie hoort. Controleer het record, niet alleen het antwoord. Een foutmelding die pas komt nadat de declaratie al is goedgekeurd, betekent dat de controle heeft gefaald. Probeer dit vandaag (20 minuten) 1. Zet alle tools van één MCP-server die je zelf draait of waarvan je afhankelijk bent, op een rij. 2. Vul voor elke tool de rechtenkaart hierboven in, inclusief de laatste regel: wat gebeurt er met een tool die niemand heeft opgeschreven? 3. Roep met een geldig token waarin één recht ontbreekt, de tool aan die dat recht nodig heeft. 4. Open daarna het record. Is het veranderd, dan heb je het gat gevonden voordat een klant dat deed.","keyTakeaways":["OAuth vertelt je MCP-server of een token geldig is, of het voor deze server bedoeld is en welke scopes het bevat.","Welke scope elke tool nodig heeft en aan welke records iemand mag komen, is een regel die jouw applicatie vastlegt.","Ongeldig, verlopen of voor een andere server uitgegeven token: 401. Geldig token zonder de vereiste scope: 403 met insufficient_scope.","Een tool in de toollijst verbergen is hem niet blokkeren. Controleer elke aanroep, test daarna een aanroep die moet mislukken en kijk of er niets is veranderd."],"readingMinutes":8,"publishedAt":"2026-10-05T14:05:00.000Z"}},"degree":6},{"id":"article:mcp-vs-function-calling","type":"article","pillar":"ai-systems","locales":{"en":{"label":"MCP vs function calling: two layers of the same tool call","summary":"Function calling (also called tool calling) is a model replying with a structured request to run a named tool with specific inputs; your application runs the tool and sends back the result. MCP, the Model Context Protocol, is an open standard for putting tools in a separate server that any compatible AI app can discover and call. They are layers, not rivals: under MCP the model still makes a function call, and the app forwards it to the server. Neither layer decides what a tool may do.","url":"/en/blog/mcp-vs-function-calling/","searchText":"MCP vs function calling: two layers of the same tool call Function calling is how a model asks to use a tool. MCP is a standard route for getting tools to the app. The difference, a worked example, and when MCP pays. In most MCP setups the model still makes a function call. MCP changes where the tool lives, not how the model asks for it. Function calling (also called tool calling) is a model replying with a structured request to run a named tool with specific inputs; your application runs the tool and sends back the result. MCP, the Model Context Protocol, is an open standard for putting tools in a separate server that any compatible AI app can discover and call. They are layers, not rivals: under MCP the model still makes a function call, and the app forwards it to the server. Neither layer decides what a tool may do. MCP vs function calling Function calling is the model's request. MCP is the delivery route for the tool. Under MCP the model still makes a function call; the app forwards it to an MCP server. One app with its own tools rarely needs MCP. A tool that several AI apps or teams must share usually does. Neither layer sets permissions. Write a contract per tool: scope, limits, timeout, failure modes, owner. mcp agentic-codebase Function calling A model replying with a structured request to run a named tool with specific inputs. The application, not the model, runs the tool. Also called tool calling or tool use. MCP (Model Context Protocol) An open standard for offering tools, data, and prompt templates from a separate server to any compatible AI app. MCP host, client, server The host is the AI app you use. The server is the program that offers tools. The client is the connector inside the host that talks to one server. Tool contract The written rules for one tool: what it may read and change, its limits and timeout, what happens when it fails, and who owns it. Function calling is how a model asks to use a tool. MCP (Model Context Protocol) is a standard way to get tools to the app the model runs in. They are not competitors. In a typical MCP setup the model still makes an ordinary function call, and the app passes that call on to an MCP server. So the useful question is not \"MCP or function calling?\" It is \"does this tool need to live outside my app?\" What is function calling? Function calling is a feature of a model's API (the programming interface your app uses to talk to the model). OpenAI also calls it tool calling; Anthropic calls it tool use. You send the model a question plus a short list of tools. Each tool has a name, a description, and a schema: a strict description of which inputs it accepts. If the model decides it needs a tool, it does not answer in prose. It replies with a structured request, for example: call get order status with order id: \"A-1043\" . The model never runs anything itself. OpenAI's guide lists five steps, and the third is \"Execute code on the application side with input from the tool call.\" Anthropic's documentation says Claude \"returns a structured call that your application executes.\" Your code does the work, sends the result back, and the model writes the final answer. What is MCP? MCP is an open protocol that Anthropic open-sourced on 25 November 2024 for connecting AI apps to outside tools and data. It has three roles: - The host is the AI app you use, such as a desktop chat app or a code editor. - The server is a separate program that offers tools (actions), resources (data to read), and prompts (templates). - The client is a small connector inside the host. The host runs one client per server. A client asks a server what it offers with a request called tools/list , and runs a tool with tools/call . Messages travel over stdio, where the server runs as a local program on the same machine, or over HTTP, where the server runs somewhere on a network. MCP meaning is the full dictionary entry. How do the two fit together? One call, traced Imagine a hypothetical bike shop that wants its assistant to answer \"where is my order?\" With plain function calling , the developer writes a get order status function inside the shop's app and describes it in the API request. The model replies with a tool call. The app runs the function against the order database and sends the result back. Everything lives in one codebase, owned by one team. With MCP , the same function moves into a small MCP server. When the assistant starts, its client sends tools/list and receives the tool's name, description, and input schema. The host hands that list to the model as ordinary tool definitions. The model replies with the same tool call as before. The client turns it into a tools/call request, the server runs the lookup, and the result flows back. This is not a simplification made for this page. The official MCP tutorial for building a client does exactly this: it converts the server's tool list into Claude's tool format, then forwards each tool request the model makes to the server. Question Plain function calling With MCP --- --- --- Where does the tool's code live? Inside your app In a separate MCP server Who writes the tool description? Your app The server Who can use the tool? That one app Any MCP-capable app that connects What does the model produce? A structured tool call The same structured tool call Who runs the tool? Your app The server, when the host forwards the call How does the call travel? A function call in your code stdio (local) or HTTP (remote) Who decides what the tool may do? You Still you The one line to remember: function calling is the model's request; MCP is the delivery route for the tool. Some platforms now do part of the wiring for you. OpenAI lists access to an MCP server among its built-in tools, and Anthropic offers an MCP connector that reaches remote MCP servers from its API without a separate client. The model still asks for a tool the same way. The platform does the client's job. When is plain function calling enough? When one app uses its own tools. If your product calls three internal functions, written and deployed by the same team, a separate server adds a process to run, a connection to secure, and a version to track. It buys you nothing. A quick test: would anyone ever want this tool inside a different AI app? If the honest answer is no, keep it a function. When does MCP earn its place? When the same tool has to work in more than one place. Suppose the bike shop wants its order lookup in the customer chat, in the code editor its developers use, and in the desktop assistant the support lead runs. One MCP server replaces three separate integrations. The specification says MCP takes some inspiration from the Language Server Protocol, which did the same job for programming languages across code editors. MCP also earns its place when someone else builds the tool. Ready-made servers exist for common systems (Anthropic's launch post in 2024 already shared servers for Google Drive, Slack, GitHub, and Postgres), and a host can attach one without new code on your side. Ready-made is not the same as reviewed, which is the next section. What is an MCP connector? covers how that attachment works in each app. What does MCP not change? Myth: MCP makes tool calls safe. Fact: the specification says plainly that \"MCP itself cannot enforce these security principles at the protocol level.\" It asks hosts to get the user's consent before invoking a tool, and requires servers to validate inputs, implement access controls, and limit how often tools can be called. A tool that can read your whole customer database is exactly as wide over MCP as it was as a function. Myth: MCP replaces function calling. Fact: in the traced call above, the model still makes the function call. MCP moved the tool, not the request. Myth: tool descriptions are harmless labels. Fact: the model reads them as instructions it may follow, and the specification says descriptions of tool behaviour \"should be considered untrusted, unless obtained from a trusted server.\" A server you did not write puts someone else's text in front of your model. MCP explained for founders covers how to review one. What matters either way: a contract per tool Whichever route you choose, the risk sits in what the tool can do, not in how the request travels. The Agentic Codebase, one of Len's books (available now), is about organising code repositories where people and AI agents work side by side. Its chapter on MCP makes the point this page rests on: a function only tells you the agent can call it, while a contract tells you it can call it safely and what happens when it goes wrong. You do not need the book to use its checklist. For each tool, write down: 1. Scope. What it may read and change, and what it must never touch. If a permission is on both lists, the deny list wins. 2. Inputs and outputs. Typed and bounded, so \"all transactions\" becomes \"the latest 50, with a way to ask for more\". 3. Auth. Whose credentials it uses. For a remote server: a token that works for that server only. 4. Timeout. How long to wait, and what happens when time runs out. 5. Idempotency , for anything that changes data: a unique key per operation, so a retry after a network error cannot refund a customer twice. 6. Named failure modes. \"Not found: return nothing, never invent a record.\" \"Rate limited: wait and report.\" 7. Owner. One named person. Applied to the bike shop: get order status may read one order by its number and nothing else. It returns status and delivery date only, gives up after a few seconds, and has no write path, so it needs no idempotency key. It says \"not found\" instead of guessing, and the developer who wrote it owns it. That fits in a short text file next to the code. It is the same file whether the function stays in the app or moves to an MCP server. Try this today (15 minutes) Pick one tool your AI setup can call. 1. Write down where it lives: in your app's code, or in an MCP server. 2. Ask the reuse question. Does any other AI app need it? If not, and it runs as an MCP server you built yourself, you may be maintaining a server for nothing. If several apps need it and you copied it into each one, that is the case for MCP. 3. Fill in the seven contract lines above. Any line you cannot fill is the thing to fix before you add another tool, over any protocol.","keyTakeaways":["Function calling is the model's request. MCP is the delivery route for the tool.","Under MCP the model still makes a function call; the app forwards it to an MCP server.","One app with its own tools rarely needs MCP. A tool that several AI apps or teams must share usually does.","Neither layer sets permissions. Write a contract per tool: scope, limits, timeout, failure modes, owner."],"readingMinutes":7,"publishedAt":"2026-09-25T14:00:00.000Z"},"nl":{"label":"MCP versus function calling: twee lagen van dezelfde toolaanroep","summary":"Function calling (ook tool calling genoemd) betekent dat een model antwoordt met een gestructureerd verzoek om een benoemde tool met bepaalde invoer te draaien; jouw applicatie voert de tool uit en stuurt het resultaat terug. MCP (Model Context Protocol) is een open standaard om tools in een aparte server te zetten die elke geschikte AI-app kan vinden en aanroepen. Het zijn lagen, geen rivalen: ook onder MCP doet het model een function call, die de app doorstuurt naar de server. Geen van beide bepaalt wat een tool mag.","url":"/nl/blog/mcp-versus-function-calling/","searchText":"MCP versus function calling: twee lagen van dezelfde toolaanroep Function calling is hoe een model om een tool vraagt. MCP is een standaardroute om tools bij de app te krijgen. Verschil, voorbeeld en wanneer MCP loont. In de meeste MCP-opstellingen doet het model nog gewoon een function call. MCP verandert waar de tool staat, niet hoe het model erom vraagt. Function calling (ook tool calling genoemd) betekent dat een model antwoordt met een gestructureerd verzoek om een benoemde tool met bepaalde invoer te draaien; jouw applicatie voert de tool uit en stuurt het resultaat terug. MCP (Model Context Protocol) is een open standaard om tools in een aparte server te zetten die elke geschikte AI-app kan vinden en aanroepen. Het zijn lagen, geen rivalen: ook onder MCP doet het model een function call, die de app doorstuurt naar de server. Geen van beide bepaalt wat een tool mag. MCP versus function calling Function calling is het verzoek van het model. MCP is de aanvoerroute van de tool. Ook onder MCP doet het model een function call; de app stuurt die door naar een MCP-server. Eén app met eigen tools heeft MCP zelden nodig. Een tool die meerdere AI-apps of teams moeten delen meestal wel. Geen van beide lagen regelt rechten. Schrijf per tool een contract: reikwijdte, grenzen, time-out, foutsituaties, eigenaar. mcp agentic-codebase Function calling Een model dat antwoordt met een gestructureerd verzoek om een benoemde tool met bepaalde invoer te draaien. De applicatie voert de tool uit, niet het model. Ook tool calling of tool use genoemd. MCP (Model Context Protocol) Een open standaard om tools, data en promptsjablonen vanuit een aparte server aan te bieden aan elke geschikte AI-app. MCP-host, -client en -server De host is de AI-app die je gebruikt. De server is het programma dat tools aanbiedt. De client is de connector in de host die met één server praat. Toolcontract De opgeschreven regels voor één tool: wat hij mag lezen en wijzigen, zijn grenzen en time-out, wat er gebeurt als hij faalt en wie de eigenaar is. Function calling is de manier waarop een model vraagt om een tool te gebruiken. MCP (Model Context Protocol) is een standaardmanier om tools bij de app te krijgen waarin het model draait. Het zijn geen concurrenten. In een gewone MCP-opstelling doet het model nog steeds een function call, en de app geeft die aanroep door aan een MCP-server. De nuttige vraag is dus niet \"MCP of function calling?\", maar: moet deze tool buiten mijn app staan? Wat is function calling? Function calling is een mogelijkheid in de API van een model (de programmeerinterface waarmee je app met het model praat). OpenAI noemt het ook tool calling, Anthropic noemt het tool use. Je stuurt het model een vraag en een korte lijst tools mee. Elke tool heeft een naam, een beschrijving en een schema: een strikte omschrijving van de invoer die de tool accepteert. Besluit het model dat het een tool nodig heeft, dan antwoordt het niet in gewone tekst. Het stuurt een gestructureerd verzoek terug, bijvoorbeeld: roep get order status aan met order id: \"A-1043\" . Het model voert zelf nooit iets uit. In de gids van OpenAI is de derde van vijf stappen dat de applicatie de code uitvoert met de invoer uit de toolaanroep. Anthropic schrijft dat Claude een gestructureerde aanroep teruggeeft die jouw applicatie uitvoert. Jouw code doet het werk en stuurt het resultaat terug, waarna het model het eindantwoord schrijft. Wat is MCP? MCP is een open protocol dat Anthropic op 25 november 2024 als open source uitbracht, om AI-apps te koppelen aan tools en data van buiten. Er zijn drie rollen: - De host is de AI-app die je gebruikt, zoals een chat-app op je computer of een code-editor. - De server is een apart programma dat tools (handelingen), resources (data om te lezen) en prompts (sjablonen) aanbiedt. - De client is een kleine connector in de host. De host draait één client per server. Een client vraagt met het verzoek tools/list wat een server aanbiedt, en voert een tool uit met tools/call . De berichten lopen via stdio, waarbij de server als lokaal programma op dezelfde machine draait, of over HTTP, waarbij de server ergens op een netwerk staat. MCP-betekenis is het volledige woordenboekartikel. Hoe passen ze in elkaar? Eén aanroep gevolgd Neem een fictieve fietsenwinkel die wil dat zijn assistent de vraag \"waar blijft mijn bestelling?\" kan beantwoorden. Met gewone function calling schrijft de ontwikkelaar een functie get order status in de app van de winkel en beschrijft die in het API-verzoek. Het model antwoordt met een toolaanroep. De app voert de functie uit op de bestellingendatabase en stuurt het resultaat terug. Alles zit in één codebase, en één team is eigenaar. Met MCP verhuist dezelfde functie naar een kleine MCP-server. Bij het opstarten stuurt de client van de assistent tools/list en krijgt de naam, de beschrijving en het invoerschema van de tool terug. De host geeft die lijst aan het model als gewone tooldefinities. Het model antwoordt met dezelfde toolaanroep als eerst. De client maakt daar een tools/call -verzoek van, de server zoekt de bestelling op en het resultaat gaat terug. Dat is geen vereenvoudiging voor deze pagina. De officiële MCP-handleiding voor het bouwen van een client doet precies dit: ze zet de toollijst van de server om naar het toolformaat van Claude en stuurt elke toolaanroep van het model door naar de server. Vraag Gewone function calling Met MCP --- --- --- Waar staat de code van de tool? In je eigen app In een aparte MCP-server Wie schrijft de toolbeschrijving? Je app De server Wie kan de tool gebruiken? Alleen die ene app Elke app met MCP-ondersteuning die verbinding maakt Wat levert het model op? Een gestructureerde toolaanroep Dezelfde gestructureerde toolaanroep Wie voert de tool uit? Je app De server, zodra de host de aanroep doorstuurt Hoe reist de aanroep? Als functieaanroep in je code Via stdio (lokaal) of HTTP (op afstand) Wie bepaalt wat de tool mag? Jij Nog steeds jij De zin om te onthouden: function calling is het verzoek van het model; MCP is de aanvoerroute van de tool. Sommige platforms doen inmiddels een deel van het aansluitwerk voor je. OpenAI rekent toegang tot een MCP-server tot zijn ingebouwde tools, en Anthropic biedt een MCP-connector die vanuit de API servers op afstand bereikt, zonder aparte client. Het model vraagt nog op dezelfde manier om een tool. Het platform doet het werk van de client. Wanneer is gewone function calling genoeg? Als één app zijn eigen tools gebruikt. Roept je product drie interne functies aan, geschreven en uitgerold door hetzelfde team, dan kost een aparte server je een extra proces dat moet draaien, een verbinding die je moet beveiligen en een versie die je moet bijhouden. Je krijgt er niets voor terug. Een snelle toets: zou iemand deze tool ooit in een andere AI-app willen gebruiken? Is het eerlijke antwoord nee, houd het dan bij een functie. Wanneer verdient MCP zijn plek? Als dezelfde tool op meer dan één plek moet werken. Stel dat de fietsenwinkel het opzoeken van bestellingen wil gebruiken in de klantchat, in de code-editor van de ontwikkelaars en in de desktopassistent van de supportleider. Eén MCP-server vervangt dan drie losse koppelingen. Volgens de specificatie haalt MCP een deel van zijn inspiratie uit het Language Server Protocol, dat hetzelfde deed voor programmeertalen in code-editors. MCP verdient ook zijn plek als iemand anders de tool bouwt. Er bestaan kant-en-klare servers voor gangbare systemen (bij de aankondiging in 2024 deelde Anthropic er al voor Google Drive, Slack, GitHub en Postgres), en een host kan er een aansluiten zonder nieuwe code aan jouw kant. Kant-en-klaar is niet hetzelfde als gecontroleerd; daarover gaat het volgende deel. Het artikel over MCP-koppelingen laat zien hoe dat aansluiten per app werkt. Wat verandert MCP niet? Mythe: MCP maakt toolaanroepen veilig. Feit: de specificatie zegt zonder omwegen dat MCP deze beveiligingsprincipes zelf niet op protocolniveau kan afdwingen. Ze eist dat hosts de gebruiker om toestemming vragen voordat ze een tool aanroepen, en verplicht servers om invoer te controleren, toegangscontrole in te bouwen en te begrenzen hoe vaak tools worden aangeroepen. Een tool die je hele klantendatabase kan lezen, kan dat via MCP net zo goed als in de vorm van een functie. Mythe: MCP vervangt function calling. Feit: in de aanroep die we hierboven volgden, doet het model nog steeds de function call. MCP heeft de tool verplaatst, niet het verzoek. Mythe: toolbeschrijvingen zijn onschuldige etiketten. Feit: het model leest ze als instructies die het kan opvolgen, en volgens de specificatie gelden beschrijvingen van toolgedrag als onbetrouwbaar, tenzij ze van een vertrouwde server komen. Een server die je niet zelf schreef, legt andermans tekst aan je model voor. MCP uitgelegd voor ondernemers laat zien hoe je zo'n server beoordeelt. Wat hoe dan ook telt: een contract per tool Welke route je ook kiest, het risico zit in wat de tool kan, niet in hoe het verzoek reist. De agentische codebase, een van de boeken van Len (nu verkrijgbaar), gaat over het inrichten van coderepository's waarin mensen en AI-agents samenwerken. Het hoofdstuk over MCP maakt het punt waarop deze pagina rust: een functie vertelt je alleen dat de agent haar kan aanroepen, een contract vertelt je dat dat veilig kan en wat er gebeurt als het misgaat. Je hebt het boek niet nodig om de checklist te gebruiken. Schrijf per tool op: 1. Reikwijdte (scope). Wat de tool mag lezen en wijzigen, en wat hij nooit mag aanraken. Staat een recht op beide lijsten, dan wint de verbodslijst. 2. Invoer en uitvoer. Met vaste types en grenzen, zodat \"alle transacties\" wordt: \"de laatste 50, met een manier om meer op te vragen\". 3. Authenticatie. Wiens inloggegevens de tool gebruikt. Voor een server op afstand: een token dat alleen voor die server werkt. 4. Time-out. Hoe lang je wacht, en wat er gebeurt als de tijd om is. 5. Idempotentie , voor alles wat data wijzigt: een unieke sleutel per handeling, zodat een nieuwe poging na een netwerkfout een klant niet twee keer terugbetaalt. 6. Benoemde foutsituaties. \"Niet gevonden: geef niets terug, verzin nooit een record.\" \"Te veel verzoeken: wacht en meld het.\" 7. Eigenaar. Eén persoon, bij naam. Toegepast op de fietsenwinkel: get order status mag één bestelling lezen op basis van het bestelnummer, en verder niets. De tool geeft alleen status en leverdatum terug, geeft het na een paar seconden op en kan niets wegschrijven, dus een idempotentiesleutel is niet nodig. Hij zegt \"niet gevonden\" in plaats van te gokken, en de ontwikkelaar die hem schreef is de eigenaar. Dat past in een kort tekstbestand naast de code. Het blijft hetzelfde bestand, of de functie nu in de app blijft of naar een MCP-server verhuist. Probeer dit vandaag (15 minuten) Kies één tool die jouw AI-opstelling kan aanroepen. 1. Schrijf op waar hij staat: in de code van je app, of in een MCP-server. 2. Stel de hergebruikvraag. Heeft een andere AI-app deze tool nodig? Zo niet, en draait hij als MCP-server die je zelf hebt gebouwd, dan onderhoud je misschien een server voor niets. Hebben meerdere apps hem nodig en heb je hem in elke app gekopieerd, dan is dat precies het argument voor MCP. 3. Vul de zeven contractregels hierboven in. Elke regel die je niet kunt invullen, los je eerst op, voordat je nog een tool toevoegt, via welk protocol dan ook.","keyTakeaways":["Function calling is het verzoek van het model. MCP is de aanvoerroute van de tool.","Ook onder MCP doet het model een function call; de app stuurt die door naar een MCP-server.","Eén app met eigen tools heeft MCP zelden nodig. Een tool die meerdere AI-apps of teams moeten delen meestal wel.","Geen van beide lagen regelt rechten. Schrijf per tool een contract: reikwijdte, grenzen, time-out, foutsituaties, eigenaar."],"readingMinutes":8,"publishedAt":"2026-09-25T14:05:00.000Z"}},"degree":6},{"id":"article:multi-agent-failure-modes-explained","type":"article","pillar":"ai-systems","locales":{"en":{"label":"Why multi-agent LLM systems fail: the 14 MAST failure modes","summary":"Multi-agent LLM systems fail when an agent makes a mistake and the workflow around it lets the mistake pass: roles are unclear, context is lost or withheld between agents, or checks accept unfinished work. The MAST study (Cemri and colleagues, NeurIPS 2025) labelled 1,642 execution traces from seven open-source frameworks and found 14 failure modes in three groups: system design issues, inter-agent misalignment and task verification. Clearer role prompts and a review loop helped in the authors' tests but did not establish reliability. The figures describe research frameworks on benchmark tasks, not your company's failure rate.","url":"/en/blog/multi-agent-failure-modes-explained/","searchText":"Why multi-agent LLM systems fail: the 14 MAST failure modes The MAST study labelled 1,642 traces and found 14 failure modes. Separate the agent's mistake from the workflow that let it pass, then test one failed run. An agent's mistake and the workflow that let it through are two different problems. MAST gives you a vocabulary for both. Multi-agent LLM systems fail when an agent makes a mistake and the workflow around it lets the mistake pass: roles are unclear, context is lost or withheld between agents, or checks accept unfinished work. The MAST study (Cemri and colleagues, NeurIPS 2025) labelled 1,642 execution traces from seven open-source frameworks and found 14 failure modes in three groups: system design issues, inter-agent misalignment and task verification. Clearer role prompts and a review loop helped in the authors' tests but did not establish reliability. The figures describe research frameworks on benchmark tasks, not your company's failure rate. why do multi-agent LLM systems fail Diagnose a failed run on two levels: what the agent got wrong, and what the workflow let through. Each level calls for a different fix. MAST names 14 failure modes in three groups: system design issues (44.2% of labelled failures), inter-agent misalignment (32.3%) and task verification (23.5%). The largest single modes were step repetition (15.7%), reasoning-action mismatch (13.2%) and being unaware of termination conditions (12.4%). Failure rates of 41% to 86.7% were measured on research frameworks and benchmark tasks, not on company projects. Clearer role prompts lifted ChatDev from 25.0% to 34.4% success on 32 tasks; a separate review-loop intervention reached 40.6%. The authors did not call either a substantial improvement. The Multi-Agent Organization maps the three groups onto CHORUS: Charter for design, Handoff and Orchestrate for misalignment, Review for verification. MAST did not test CHORUS. multi-agent-organization chorus multi-agent LLM system Several AI agents powered by large language models, each with its own role, passing work to each other to finish one task. trace The full log of what every agent said and did during one run. MAST Multi-Agent System Failure Taxonomy. Fourteen failure modes in three groups, from Cemri and colleagues (NeurIPS 2025). Cohen's kappa A score for how far two annotators agree beyond chance. 1 is perfect agreement, 0 is what chance alone would give. CHORUS Charter, Handoff, Orchestrate, Review, Update, Sync. A coordination protocol for small teams of people and AI agents, from The Multi-Agent Organization. A multi-agent failure has two parts: the mistake an agent made, and the workflow that let it pass. Diagnose them separately. Look at what the agent did, what information reached it, and what the next handoff or review should have caught. That split is a useful lens for \"Why Do Multi-Agent LLM Systems Fail?\" by Mert Cemri, Melissa Z. Pan, Shuyi Yang and colleagues at UC Berkeley and Intesa Sanpaolo, published at NeurIPS 2025 (arXiv 2503.13657). The authors sorted the failures they observed into 14 failure modes in three groups and named the taxonomy MAST, the Multi-Agent System Failure Taxonomy. A multi-agent LLM system uses several AI agents, each powered by a large language model and given its own role, to complete one task together. ChatDev, one of the systems studied, simulates a software company with a CEO, a CTO, a programmer, a reviewer and a tester, all played by AI. What did the study actually do? The team collected runs from seven open-source frameworks: ChatDev, MetaGPT, HyperAgent, AppWorld, AG2 (formerly AutoGen), Magentic-One and OpenManus. The tasks were coding, maths and general assistant jobs. Each run produced a trace : the full log of what every agent said and did. In the first batch, a trace averaged more than 15,000 lines of text. Six experts read over 150 traces and developed the failure categories from what they observed. Three annotators then labelled traces independently, over repeated rounds of refinement, and reached a Cohen's kappa of 0.88 (a score where 1 means perfect agreement and 0 means chance). An AI judge built on OpenAI's o1 model labelled the full set of 1,642 traces; its agreement with the human experts was 0.77. These scores measure agreement on labels, not certainty that every diagnosis is correct. On their benchmark tasks, the systems failed between 41% and 86.7% of the time. Those rates describe research frameworks running test tasks with models such as GPT-4o and Claude 3.7 Sonnet. They are not a failure rate for your company. The 14 failure modes, explained through a kitchen Picture a restaurant kitchen where every worker is an AI agent. The failure-mode names come from the paper; the kitchen scenes are this article's illustrations. The last column shows each mode's share of all failures labelled across the 1,642 traces, not the share of runs that failed. Code Failure mode What it means In the kitchen Share --- --- --- --- --- System design issues 44.2% 1.1 Disobey task specification Ignores the task's constraints or requirements The ticket says no nuts. The dish has nuts. 11.8% 1.2 Disobey role specification Acts outside its role, or like another agent The dishwasher starts plating desserts 1.5% 1.3 Step repetition Redoes steps that were already finished The same sauce gets made twice because nobody ticked it off 15.7% 1.4 Loss of conversation history Loses recent context and falls back to an earlier state A cook forgets that table six changed its order and cooks the original 2.8% 1.5 Unaware of termination conditions Does not recognise when the job is done The dish is finished but keeps being \"improved\" until it is cold 12.4% Inter-agent misalignment 32.3% 2.1 Conversation reset The dialogue restarts and progress is lost Mid-service, the ticket rail is wiped and everyone starts over 2.2% 2.2 Fail to ask for clarification Carries on with unclear information instead of asking Nobody asks \"medium or well done?\" and the steak goes out wrong 6.8% 2.3 Task derailment Drifts away from the actual goal A cook starts designing a new menu during the lunch rush 7.4% 2.4 Information withholding Has information another agent needs but does not pass it on The sous-chef knows the fish ran out and says nothing 0.85% 2.5 Ignored other agent's input Disregards what another agent said The waiter reports an allergy and the grill ignores it 1.9% 2.6 Reasoning-action mismatch Takes an action inconsistent with its stated reasoning \"No salt for table four,\" says the cook, and salts it 13.2% Task verification 23.5% 3.1 Premature termination Stops before the goal is met or the needed information is exchanged The plate leaves the pass before the sauce is on 6.2% 3.2 No or incomplete verification The check is missing or partial Nobody tastes it before it goes out 8.2% 3.3 Incorrect verification The check happens, but checks the wrong thing or misses the error The head chef confirms the plate looks nice, not that the chicken is cooked 9.1% Read the table with the opening split in mind. Some modes describe an agent's own mistake: in 2.6, the action contradicts the reasoning the agent just gave. Others describe what the workflow failed to carry or catch: in 2.4, information never reaches the agent that needs it; in 3.2, the check is missing or partial. One failed run can contain both: an agent ignores a constraint (1.1), and a check that looks at the wrong thing lets it through (3.3). Three failures from the paper itself The Wordle game (1.1). Asked for a Wordle game with a new five-letter word every day, ChatDev produced a program with a fixed word list. Even after explicit instructions against a fixed word bank, it still used one and added new errors. The authors treat this as a problem in how the system handles instructions, not only a limit of the model. The phone login (2.4). In one trace, a phone agent knew that the username had to be a phone number but did not pass that on to the supervisor agent. The supervisor did not ask. Login attempt after login attempt failed, and so did the task. The chess program (3.2). ChatDev built a chess game that passed its checks because the code compiled, yet runtime bugs made it unusable. The checks did not test whether it followed the rules of chess. The paper describes verifiers that checked whether code compiled or whether TODO comments were left, without adequately checking whether the program met the task. In all three, an agent got something wrong, and nothing later in the workflow caught it. What the authors tested, and what they proposed The authors distinguish tactical interventions, such as clearer prompts and roles, better conversation patterns and self-checks, from structural changes: stronger verification, standard ways for agents to communicate, confidence thresholds (an agent acts only when it is confident enough), and better memory and state management. These are directions for improvement, not a proven recipe for reliability. On 32 programming tasks, ChatDev's baseline succeeded 25.0% of the time. Clearer role prompts, including a rule that only a senior agent may end a conversation, raised success to 34.4%. A separate intervention rebuilt the workflow around a review loop that ends only when the CTO agent confirms the reviews are satisfied; it reached 40.6%. Each figure is a comparison with the baseline, not a gain to add to the other. The authors' own verdict: the interventions \"do not constitute substantial improvements.\" One more distinction matters if you are buying tools: message format versus message content. The paper discusses standards such as MCP and Agent-to-Agent (A2A), yet the authors observed misalignment between agents in the same framework talking in plain language. They trace this to agents failing to model what another agent needs to know. A standard format can still carry an incomplete message. What the numbers cannot tell you The table cannot tell you how often your system will fail, or which failure will cost you most. It shows shares of labelled failures in a research corpus, and an AI judge labelled most of those traces. The authors say the taxonomy is not exhaustive. Failure profiles also differed by system: AppWorld often stopped too early; OpenManus often repeated steps. What the labels do give you is a diagnosis specific enough to act on. \"The agents were bad\" is not a diagnosis. \"We have a 2.2 and a 3.3\" is a start, provided you can point to the log lines behind each code. Those lines tell you where to intervene. CHORUS: one way to organise the fixes CHORUS is the coordination protocol from The Multi-Agent Organization , written for small teams of roughly 2 to 15 people working with AI agents. It is an operating design, not a research finding: MAST did not test it, and the book says MAST does not validate it. Its six skills give you places to put the changes you will test: 1. Charter. Give every worker, human or agent, a one-page contract with seven fields: purpose, inputs, outputs, authority ceiling, success criteria, review requirement and escalation. 2. Handoff. Send a context packet with six fields across every task boundary (goal, constraints, inputs, provenance, acceptance criteria and deadline), so the receiver does not have to guess. 3. Orchestrate. Decide which steps run in sequence, where work fans out to parallel agents and merges back, and which named person takes escalations. 4. Review. Let output through a gate only when it meets written acceptance criteria, not because it sounded right. 5. Update. Feed review findings back into prompts, tools, SOPs and charters, then check whether the change helped. 6. Sync. Keep one shared view of who owns what and what is blocked, read in a short weekly check-in. The book maps system design issues onto Charter, misalignment onto Handoff and Orchestrate, and verification onto Review. Treat that as a working map, not as evidence that those practices resolve every failure in a group. Take a hypothetical three-agent support pipeline: a triage agent sorts the ticket, a drafting agent writes the reply, a checking agent reviews it. The charter defines done as one reply, under 150 words, linking the right help article; that control targets 1.5. The handoff must carry the customer's plan and previous tickets, and the drafter is told to stop when either is missing; that is aimed at 2.2 and 2.4. The review checks the reply against the refund policy, not just its tone; that is aimed at 3.3. None of these controls is proven until you test it. For the wider argument about why teams get slower when they add agents, read the coordination gap and what agent orchestration means. The CHORUS framework page has the full step list. Try this today: inspect one failed run in 20 minutes 1. Pick the failure. Save the input and the trace of one recent failed run. Write down what an acceptable result would have been. 2. Find the agent's mistake. Locate the first point where the work visibly departs from that requirement. Attach the MAST code and the log lines that support it. Mark an uncertain label as uncertain. 3. Find the workflow's gap. Look at the next boundary. What could the receiving agent or the reviewer see? Was context missing, a constraint dropped, or a check absent? 4. Change one control. Clarify a stopping rule, require the missing handoff field, or add a check for this specific error. Write down what the revised workflow must do before you test it. 5. Replay the saved input. Check whether the control did its job and whether the final result met the original requirement. Record both: catching an error and completing the task are different outcomes. For the support example, replay a ticket with the customer's plan missing. The drafter should stop and ask for it before writing. If it guesses the plan and carries on, the handoff control has failed its test. One replay cannot establish reliability. It shows whether one control worked on one run. Keep the trace and the acceptance check so you can run the test again after the next change.","keyTakeaways":["Diagnose a failed run on two levels: what the agent got wrong, and what the workflow let through. Each level calls for a different fix.","MAST names 14 failure modes in three groups: system design issues (44.2% of labelled failures), inter-agent misalignment (32.3%) and task verification (23.5%).","The largest single modes were step repetition (15.7%), reasoning-action mismatch (13.2%) and being unaware of termination conditions (12.4%).","Failure rates of 41% to 86.7% were measured on research frameworks and benchmark tasks, not on company projects.","Clearer role prompts lifted ChatDev from 25.0% to 34.4% success on 32 tasks; a separate review-loop intervention reached 40.6%. The authors did not call either a substantial improvement.","The Multi-Agent Organization maps the three groups onto CHORUS: Charter for design, Handoff and Orchestrate for misalignment, Review for verification. MAST did not test CHORUS."],"readingMinutes":9,"publishedAt":"2026-10-15T14:00:00.000Z"},"nl":{"label":"Waarom multi-agent-LLM-systemen falen: de 14 MAST-faalwijzen","summary":"Multi-agent-LLM-systemen falen wanneer een agent een fout maakt en de werkstroom eromheen die fout laat passeren: rollen zijn onduidelijk, context raakt tussen agents kwijt of wordt achtergehouden, of een controle keurt onaf werk goed. Het MAST-onderzoek (Cemri en collega's, NeurIPS 2025) labelde 1642 uitvoeringslogboeken van zeven opensourceframeworks en vond 14 faalwijzen in drie groepen: systeemontwerp, gebrekkige afstemming tussen agents en taakverificatie. Duidelijkere rolprompts en een reviewlus hielpen in de proeven van de auteurs, maar maakten de systemen niet aantoonbaar betrouwbaar. De cijfers gaan over onderzoeksframeworks op testtaken, niet over het faalpercentage van jouw bedrijf.","url":"/nl/blog/multi-agent-faalwijzen-uitgelegd/","searchText":"Waarom multi-agent-LLM-systemen falen: de 14 MAST-faalwijzen Het MAST-onderzoek labelde 1642 traces en vond 14 faalwijzen. Houd de fout van een agent en de werkstroom die hem doorliet uit elkaar, en test één mislukte run. De fout van een agent en de werkstroom die hem doorliet, zijn twee verschillende problemen. MAST geeft je de begrippen voor allebei. Multi-agent-LLM-systemen falen wanneer een agent een fout maakt en de werkstroom eromheen die fout laat passeren: rollen zijn onduidelijk, context raakt tussen agents kwijt of wordt achtergehouden, of een controle keurt onaf werk goed. Het MAST-onderzoek (Cemri en collega's, NeurIPS 2025) labelde 1642 uitvoeringslogboeken van zeven opensourceframeworks en vond 14 faalwijzen in drie groepen: systeemontwerp, gebrekkige afstemming tussen agents en taakverificatie. Duidelijkere rolprompts en een reviewlus hielpen in de proeven van de auteurs, maar maakten de systemen niet aantoonbaar betrouwbaar. De cijfers gaan over onderzoeksframeworks op testtaken, niet over het faalpercentage van jouw bedrijf. waarom falen multi-agent-LLM-systemen Ontleed een mislukte run op twee niveaus: wat de agent fout deed en wat de werkstroom doorliet. Elk niveau vraagt om een andere ingreep. MAST noemt 14 faalwijzen in drie groepen: systeemontwerp (44,2% van de gelabelde fouten), gebrekkige afstemming tussen agents (32,3%) en taakverificatie (23,5%). De grootste afzonderlijke faalwijzen waren stappen herhalen (15,7%), een kloof tussen redeneren en handelen (13,2%) en niet weten wanneer de klus af is (12,4%). De faalpercentages van 41% tot 86,7% zijn gemeten bij onderzoeksframeworks op testtaken, niet bij bedrijfsprojecten. Duidelijkere rolprompts brachten ChatDev op 32 taken van 25,0% naar 34,4% succes; een aparte ingreep met een reviewlus kwam op 40,6%. De auteurs noemden geen van beide een wezenlijke verbetering. De multi-agent organisatie koppelt de drie groepen aan CHORUS: Charter voor ontwerp, Handoff en Orchestrate voor afstemming, Review voor verificatie. MAST heeft CHORUS niet getest. multi-agent-organization chorus multi-agent-LLM-systeem Meerdere AI-agents, elk op een groot taalmodel en met een eigen rol, die werk aan elkaar doorgeven om één taak af te ronden. trace Het volledige logboek van wat elke agent tijdens één run zei en deed. MAST Multi-Agent System Failure Taxonomy. Veertien faalwijzen in drie groepen, van Cemri en collega's (NeurIPS 2025). Cohens kappa Een maat voor de overeenstemming tussen twee beoordelaars, gecorrigeerd voor toeval. Een waarde van 1 is volledige overeenstemming, 0 is wat toeval alleen zou opleveren. CHORUS Charter, Handoff, Orchestrate, Review, Update, Sync. Een coördinatieprotocol voor kleine teams van mensen en AI-agents, uit De multi-agent organisatie. Als een multi-agentsysteem faalt, heeft dat twee kanten: de fout die een agent maakte, en de werkstroom die hem doorliet. Bekijk ze los van elkaar. Wat deed de agent, welke informatie bereikte hem, en wat had de volgende overdracht of review moeten tegenhouden? Die tweedeling helpt bij het lezen van \"Why Do Multi-Agent LLM Systems Fail?\" van Mert Cemri, Melissa Z. Pan, Shuyi Yang en collega's van UC Berkeley en Intesa Sanpaolo, gepubliceerd op NeurIPS 2025 (arXiv 2503.13657). De auteurs verdeelden de fouten die ze tegenkwamen over 14 faalwijzen in drie groepen en noemden die indeling MAST: de Multi-Agent System Failure Taxonomy. Een multi-agent-LLM-systeem zet meerdere AI-agents samen aan één taak. Elke agent draait op een groot taalmodel en heeft een eigen rol. ChatDev, een van de onderzochte systemen, bootst een softwarebedrijf na met een CEO, een CTO, een programmeur, een reviewer en een tester, allemaal gespeeld door AI. Wat hebben de onderzoekers precies gedaan? Ze verzamelden runs van zeven opensourceframeworks: ChatDev, MetaGPT, HyperAgent, AppWorld, AG2 (voorheen AutoGen), Magentic-One en OpenManus. De taken: programmeren, wiskunde en algemeen assistentwerk. Elke run leverde een trace op: het volledige logboek van wat elke agent zei en deed. In de eerste reeks telde zo'n trace gemiddeld meer dan 15.000 regels tekst. Zes experts lazen meer dan 150 traces en leidden de faalcategorieën af uit wat ze zagen. Daarna labelden drie beoordelaars onafhankelijk van elkaar traces, in herhaalde verfijningsrondes. Ze kwamen uit op een Cohens kappa van 0,88 (een maat waarbij 1 volledige overeenstemming betekent en 0 toeval). Een AI-beoordelaar op basis van het o1-model van OpenAI labelde vervolgens alle 1642 traces; de overeenstemming met de menselijke experts was 0,77. Die scores meten hoe eensgezind er gelabeld is, niet of elke diagnose klopt. Op hun testtaken faalden de systemen in 41% tot 86,7% van de gevallen. Die percentages gaan over onderzoeksframeworks, gedraaid met modellen als GPT-4o en Claude 3.7 Sonnet. Het zijn geen faalpercentages voor jouw bedrijf. De 14 faalwijzen, elk met een keukenvoorbeeld Stel je een restaurantkeuken voor waarin elke medewerker een AI-agent is. De Engelse namen komen uit het onderzoek; de Nederlandse weergaven en de keukenscènes zijn van dit artikel. De laatste kolom geeft het aandeel van elke faalwijze in alle gelabelde fouten in de 1642 traces, niet het aandeel mislukte runs. Code Faalwijze Wat het betekent In de keuken Aandeel --- --- --- --- --- System design issues (systeemontwerp) 44,2% 1.1 Disobey task specification (taakomschrijving negeren) Negeert de eisen of beperkingen van de taak Op de bon staat \"zonder noten\". Er gaan toch noten in het gerecht. 11,8% 1.2 Disobey role specification (rolomschrijving negeren) Werkt buiten de eigen rol, of gedraagt zich als een andere agent De afwasser begint desserts op te maken 1,5% 1.3 Step repetition (stappen herhalen) Doet stappen opnieuw die al klaar waren Dezelfde saus wordt twee keer gemaakt, omdat niemand hem afvinkte 15,7% 1.4 Loss of conversation history (gespreksgeschiedenis kwijtraken) Verliest recente context en valt terug naar een eerdere stand Een kok vergeet dat tafel zes de bestelling wijzigde en maakt de oorspronkelijke 2,8% 1.5 Unaware of termination conditions (niet weten wanneer de klus af is) Herkent niet dat de klus af is Het gerecht is klaar, maar wordt \"verbeterd\" tot het koud is 12,4% Inter-agent misalignment (gebrekkige afstemming tussen agents) 32,3% 2.1 Conversation reset (gesprek begint opnieuw) Het gesprek start opnieuw en de voortgang is weg Midden in de service wordt de bonnenrail leeggehaald en begint iedereen opnieuw 2,2% 2.2 Fail to ask for clarification (niet om verduidelijking vragen) Gaat door met onduidelijke informatie in plaats van te vragen Niemand vraagt \"medium of doorbakken?\" en de biefstuk gaat verkeerd de zaal in 6,8% 2.3 Task derailment (ontsporing van de taak) Dwaalt af van het eigenlijke doel Een kok gaat tijdens de lunchdrukte een nieuwe kaart bedenken 7,4% 2.4 Information withholding (informatie achterhouden) Heeft informatie die een andere agent nodig heeft, maar geeft die niet door De souschef weet dat de vis op is en zegt niets 0,85% 2.5 Ignored other agent's input (inbreng van een andere agent negeren) Negeert wat een andere agent zei De bediening meldt een allergie en de grillkok negeert die 1,9% 2.6 Reasoning-action mismatch (kloof tussen redeneren en handelen) Doet iets anders dan de eigen redenering zegt \"Geen zout voor tafel vier\", zegt de kok, en strooit er toch zout over 13,2% Task verification (taakverificatie) 23,5% 3.1 Premature termination (te vroeg stoppen) Stopt voordat het doel bereikt is of alle nodige informatie is uitgewisseld Het bord wordt uitgeserveerd voordat de saus erop zit 6,2% 3.2 No or incomplete verification (geen of onvolledige controle) De controle ontbreekt of gebeurt maar half Niemand proeft voordat het bord de zaal in gaat 8,2% 3.3 Incorrect verification (verkeerde controle) Er wordt gecontroleerd, maar op het verkeerde, of de fout wordt gemist De chef keurt het bord goed omdat het er mooi uitziet, niet omdat de kip gaar is 9,1% Lees de tabel met die tweedeling in gedachten. Sommige faalwijzen zijn een fout van de agent zelf: bij 2.6 strookt de handeling niet met de redenering die de agent net gaf. Andere laten zien wat de werkstroom niet doorgaf of niet tegenhield: bij 2.4 komt informatie nooit aan bij de agent die ermee verder moet, bij 3.2 ontbreekt de controle of gebeurt die half. Eén mislukte run kan beide bevatten: een agent negeert een eis (1.1) en een controle die op het verkeerde let, laat dat door (3.3). Drie mislukkingen uit het onderzoek zelf Het Wordle-spel (1.1). ChatDev moest een Wordle-spel maken met elke dag een nieuw woord van vijf letters, en leverde een programma met een vaste woordenlijst. Ook na een uitdrukkelijke instructie om dat niet te doen, bleef die lijst erin, met nieuwe fouten erbij. De auteurs zien hierin een probleem met hoe het systeem instructies verwerkt, niet alleen een beperking van het model. De telefoonlogin (2.4). In één trace wist een telefoonagent dat de gebruikersnaam een telefoonnummer moest zijn, maar hij gaf dat niet door aan de supervisoragent. De supervisor vroeg er ook niet naar. Inlogpoging na inlogpoging mislukte, en daarmee de hele taak. Het schaakprogramma (3.2). ChatDev bouwde een schaakspel dat door de controles kwam omdat de code compileerde, maar door runtimefouten onbruikbaar was. Of het spel zich aan de schaakregels hield, toetsten de controles niet. Het onderzoek beschrijft controleurs die keken of de code compileerde en of er TODO-opmerkingen waren blijven staan, zonder goed na te gaan of het programma deed wat de taak vroeg. Telkens maakte een agent een fout en hield niets verderop in de werkstroom die tegen. Wat de auteurs testten en wat ze voorstellen De auteurs onderscheiden tactische ingrepen, zoals duidelijkere prompts en rollen, betere gespreksvormen en zelfcontroles, van structurele veranderingen: grondigere verificatie, vaste afspraken over hoe agents communiceren, zekerheidsdrempels (een agent handelt pas als hij zeker genoeg is) en beter beheer van geheugen en toestand. Het zijn richtingen voor verbetering, geen bewezen recept voor betrouwbaarheid. Op 32 programmeertaken slaagde ChatDev zonder ingreep in 25,0% van de gevallen. Duidelijkere rolprompts, met onder meer de regel dat alleen een hoger geplaatste agent een gesprek mag beëindigen, brachten dat op 34,4%. Een aparte ingreep bouwde de werkstroom om rond een reviewlus die pas stopt als de CTO-agent bevestigt dat de reviews in orde zijn; die kwam op 40,6%. Beide cijfers zijn vergelijkingen met de nulmeting, geen winsten die je bij elkaar optelt. Het oordeel van de auteurs zelf: de ingrepen \"do not constitute substantial improvements\", oftewel geen wezenlijke verbetering. Nog één onderscheid telt als je tools inkoopt: berichtformaat tegenover berichtinhoud. Het onderzoek bespreekt standaarden als MCP en Agent-to-Agent (A2A), maar de auteurs zagen ook gebrekkige afstemming tussen agents in hetzelfde framework die gewoon in natuurlijke taal met elkaar praatten. Zij wijten dat aan agents die niet goed inschatten wat een andere agent moet weten. Ook een standaardformaat kan een onvolledig bericht bevatten. Wat de cijfers je niet vertellen De tabel vertelt je niet hoe vaak jouw systeem zal falen, of welke fout jou het meest kost. Hij toont aandelen van gelabelde fouten in een onderzoekscorpus, waarvan een AI-beoordelaar de meeste traces labelde. De auteurs zeggen zelf dat de taxonomie niet volledig is. Het foutprofiel verschilde ook per systeem: AppWorld stopte vaak te vroeg, OpenManus herhaalde vaak stappen. Wat de labels je wel geven, is een diagnose die concreet genoeg is om mee aan de slag te gaan. \"De agents deden het slecht\" is geen diagnose. \"We hebben een 2.2 en een 3.3\" is een begin, mits je de logregels achter elke code kunt aanwijzen. Die regels laten zien waar je moet ingrijpen. CHORUS: een manier om de ingrepen te ordenen CHORUS is het coördinatieprotocol uit De multi-agent organisatie , geschreven voor kleine teams van ruwweg 2 tot 15 mensen die met AI-agents werken. Het is een operationeel ontwerp, geen onderzoeksresultaat: MAST heeft het niet getest, en het boek zegt zelf dat MAST CHORUS niet valideert. De zes vaardigheden houden hun Engelse namen en geven je een plek voor de veranderingen die je gaat testen: 1. Charter. Geef elke medewerker, mens of agent, een contract van één pagina met zeven velden: doel, input, output, bevoegdheidsplafond, succescriteria, reviewvereiste en escalatie. 2. Handoff. Geef bij elke overdracht een contextpakket met zes velden mee (doel, randvoorwaarden, input, herkomst, goedkeuringscriteria en deadline), zodat de ontvanger niet hoeft te raden. 3. Orchestrate. Leg vast welke stappen na elkaar lopen, waar werk zich over parallelle agents verdeelt en weer samenkomt, en bij welke mens met naam en toenaam escalaties terechtkomen. 4. Review. Laat output pas door de poort als die aan vooraf opgeschreven goedkeuringscriteria voldoet, niet omdat hij goed klonk. 5. Update. Laat reviewbevindingen terugvloeien in prompts, tools, SOP's en charters, en controleer daarna of de wijziging hielp. 6. Sync. Houd één gedeeld overzicht bij van wie waarvan eigenaar is en wat vastzit, doorgenomen in een kort wekelijks overleg. Het boek koppelt systeemontwerp aan Charter, gebrekkige afstemming aan Handoff en Orchestrate, en verificatie aan Review. Gebruik die koppeling als praktische indeling, niet als bewijs dat die werkwijzen elke fout in een groep oplossen. Neem een verzonnen supportketen met drie agents: een triage-agent sorteert het ticket, een schrijfagent stelt het antwoord op, een controle-agent beoordeelt het. Het charter legt vast wanneer het werk klaar is: één antwoord, onder de 150 woorden, met een link naar het juiste helpartikel. Die controle is gericht op 1.5. De handoff geeft het abonnement van de klant en de eerdere tickets verplicht mee, en de schrijfagent stopt als een van de twee ontbreekt; dat moet 2.2 en 2.4 voorkomen. De review toetst het antwoord aan het restitutiebeleid, niet alleen aan de toon; dat moet 3.3 voorkomen. Of deze controles werken, weet je pas als je ze test. Waarom worden teams trager als ze agents toevoegen? Dat bredere verhaal lees je in de coördinatiekloof en in wat agent-orkestratie is. De CHORUS-frameworkpagina geeft alle stappen. Probeer het vandaag: ontleed één mislukte run in 20 minuten 1. Kies de mislukking. Bewaar de input en de trace van één recente mislukte run. Schrijf op wat een acceptabel resultaat was geweest. 2. Zoek de fout van de agent. Spoor het eerste punt op waar het werk zichtbaar van die eis afwijkt. Zet de MAST-code erbij, met de logregels die hem onderbouwen. Twijfel je over een label, noteer dat. 3. Zoek het gat in de werkstroom. Kijk naar de eerstvolgende overgang. Wat kon de ontvangende agent of de reviewer zien? Ontbrak er context, viel er een eis weg, of was er geen controle? 4. Verander één controle. Maak een stopregel duidelijker, maak het ontbrekende overdrachtsveld verplicht, of voeg een controle toe op precies deze fout. Schrijf vóór je test op wat de aangepaste werkstroom moet doen. 5. Draai de bewaarde input opnieuw. Kijk of de controle werkte zoals bedoeld en of het eindresultaat aan de oorspronkelijke eis voldeed. Noteer allebei: een fout onderscheppen en de taak afronden zijn verschillende uitkomsten. Voor het supportvoorbeeld: draai een ticket opnieuw zonder het abonnement van de klant. De schrijfagent hoort te stoppen en erom te vragen voordat hij schrijft. Gokt hij het abonnement en gaat hij door, dan is de overdrachtscontrole voor de test gezakt. Eén herhaling bewijst geen betrouwbaarheid. Ze laat alleen zien of één controle één keer werkte. Bewaar de trace en de toets waarmee je het resultaat beoordeelde, zodat je de test na de volgende wijziging opnieuw kunt draaien.","keyTakeaways":["Ontleed een mislukte run op twee niveaus: wat de agent fout deed en wat de werkstroom doorliet. Elk niveau vraagt om een andere ingreep.","MAST noemt 14 faalwijzen in drie groepen: systeemontwerp (44,2% van de gelabelde fouten), gebrekkige afstemming tussen agents (32,3%) en taakverificatie (23,5%).","De grootste afzonderlijke faalwijzen waren stappen herhalen (15,7%), een kloof tussen redeneren en handelen (13,2%) en niet weten wanneer de klus af is (12,4%).","De faalpercentages van 41% tot 86,7% zijn gemeten bij onderzoeksframeworks op testtaken, niet bij bedrijfsprojecten.","Duidelijkere rolprompts brachten ChatDev op 32 taken van 25,0% naar 34,4% succes; een aparte ingreep met een reviewlus kwam op 40,6%. De auteurs noemden geen van beide een wezenlijke verbetering.","De multi-agent organisatie koppelt de drie groepen aan CHORUS: Charter voor ontwerp, Handoff en Orchestrate voor afstemming, Review voor verificatie. MAST heeft CHORUS niet getest."],"readingMinutes":10,"publishedAt":"2026-10-15T14:05:00.000Z"}},"degree":9},{"id":"article:one-model-is-not-a-portfolio","type":"article","pillar":"ai-systems","locales":{"en":{"label":"Is one AI model enough? When a single model works, and when you need a portfolio","summary":"One AI model is enough when volume is low, there is one kind of task, and no regulated or confidential data is involved. Outside that case, one model for everything means paying top rates for easy work and having no plan when that model fails or is retired. A model portfolio is the fix: a written list of which model does which job, why, what takes over when it fails, and when the choice is reviewed. More models without those rules is just a collection.","url":"/en/blog/one-model-is-not-a-portfolio/","searchText":"Is one AI model enough? When a single model works, and when you need a portfolio One AI model is fine for low-volume, single-task work with no sensitive data. Past that, you need a portfolio: written choices, a fallback, and a review date. The number of models is the wrong question. The right one: did anyone write down why each model runs, and what happens when it stops? One AI model is enough when volume is low, there is one kind of task, and no regulated or confidential data is involved. Outside that case, one model for everything means paying top rates for easy work and having no plan when that model fails or is retired. A model portfolio is the fix: a written list of which model does which job, why, what takes over when it fails, and when the choice is reviewed. More models without those rules is just a collection. is one AI model enough One model is fine for low volume, one task type, and no regulated data. Past that, one model is too expensive for the easy work or too weak for the hard work. Providers retire models on their own schedule. A model with no replacement plan is a deadline you did not choose. More models is not a portfolio. Twelve models from one provider still share one point of failure. A portfolio is written down: which model, which job, why, what takes over, and when it is reviewed. undominated Model portfolio The full set of AI models a team runs, each with a written job, a budget, the data it may touch, a fallback, and a review date. Frontier model The most capable and most expensive tier, kept for tasks that fail on anything cheaper. Workhorse model A cheaper model that is good enough for bulk, everyday work. Fallback The path that runs when the primary model fails, is too slow, or is unavailable. ROUTE Register, Objective typing, Utilize policy, Track, Evolve. A five-step discipline for running a mix of AI models, from The Model Portfolio. One AI model is enough when the work is small, uniform, and safe to send out: low volume, one kind of task, and no regulated or confidential data. Past that point, the useful question is not how many models you run. It is whether each choice is written down, owned, and reviewed. That written set of choices is a model portfolio. A pile of models without it is a collection. One model can be a decision. One model because nobody ever decided is a risk that grows every month. When is one model enough? The Model Portfolio, my book on running several AI models, makes the concession plainly: with low volume, one task type, and no regulated data, the overhead of managing several models may genuinely not pay. Use this table to see which side you are on. One model is fine when... You need a portfolio when... --- --- Volume is low and the bill is small Volume grows and the bill starts to matter There is one kind of task Tasks differ in difficulty, speed, or format No regulated or confidential data is involved Some data may not leave your control A day without the model is an inconvenience An outage or a retired model would stop the work Most products start in the left column. Few stay there, because every new feature reaches for the endpoint (the address your software calls to reach a model) that already exists. What goes wrong with one model for everything? Three things, and they arrive slowly enough that nobody schedules a decision. You pay the wrong price somewhere. A single model chosen for your hardest task is expensive for your easiest ones. A single model chosen for cost is too weak for your hardest ones. The book tells a composite story (not a real company) that shows how it happens. A product launched with one task and one frontier model, the most capable and most expensive tier. By the time anyone looked, seven jobs ran through that one endpoint: autocomplete, nightly ticket summaries, entity extraction (pulling names, dates, and amounts out of text), an FAQ bot, document parsing, notification drafts, and a weekly research synthesis. When someone finally mapped what each job needed, four could wait for a batch run and needed little reasoning, and two wanted speed more than depth. Six of the seven were candidates for a cheaper workhorse model, pending tests. Nobody had chosen that arrangement. It had simply grown. The model can disappear. Providers retire models on their own schedule. Anthropic's model deprecations page, for example, promises at least 60 days' notice before a publicly released model is retired, and states that requests to a retired model will fail. On 5 June 2026 it notified developers that Claude Opus 4.1 would retire on 5 August 2026. If that was your only model, you had a migration deadline you did not pick. The migration is also not a one-line change. The book treats prompts as assets tied to one model: a prompt tuned for one model can perform worse on another, so every switch needs testing. Some data may not go there at all. If part of your work involves data that must stay on your own infrastructure or in one region, a single hosted model cannot serve it. In the book's terms, privacy is a hard routing constraint, not a preference. It overrides cost and capability. Why is \"more models\" not the answer either? Adding models without rules produces the opposite problem. The book describes it: six months later the stack has five models, nobody is sure who approved three of them, and the monthly bill explains nothing. More models also do not automatically mean less risk. The book makes the point with a list of twelve models from one provider: it has diversified nothing at the provider level, because a change of terms, a long outage, or an acquisition hits all twelve at once. A fallback (the path that runs when the primary model fails) from the same provider protects you against a broken model, not against a broken provider. So the line between a collection and a portfolio is not the count. It is whether each model has a written job, an owner, a budget, the data it may touch, a fallback, and a review date. What turns a set of models into a portfolio? The book's answer is ROUTE, a five-step discipline for running a mix of AI models on purpose. The book is available in English and Dutch. You do not need it to use the steps. - Register. Keep one list of every model you run, with its job, owner, cost class, the data it may see, and its retirement status. A model that is not on the list runs unowned. - Objective typing. Before you choose a model, write down what the task needs: reasoning depth, output format, speed, quality bar, and privacy. - Utilize policy. Write the rule that sends each task to a model, including the fallback and the point where the work stops rather than going somewhere it should not. - Track. Measure cost, speed, and quality per task, not only the monthly total, so you can see which choice spends the money. - Evolve. Promote, demote, and retire models on a schedule. When an index such as Undominated.ai shows a model that scores at least as high for less, treat it as a reason to test, not a reason to switch. The routing rule itself has its own page: What is model routing?. Two patterns that rule can use are a model cascade (try the cheap model first, escalate on a written trigger) and the split between frontier, workhorse, and local models. What does one written choice look like? Here is a route card for one task. The company and the numbers are hypothetical. Copy the left column and fill in your own busiest task. Field Example: nightly support-ticket summaries --- --- Task Summarise yesterday's closed tickets for the product team Needs Done by 07:00; 150 words per ticket; little reasoning; contains customer names, EU processing only Primary model A workhorse model on an EU-hosted endpoint Why this one Cheapest registered model that passed a 50-ticket test Fallback A workhorse model from a different provider, same EU data terms, tested on the same 50 tickets Stop rule If no EU-eligible model is available, hold the batch. Never send the tickets elsewhere. Owner One named person Track Cost per summary, share of summaries the team rejects, finish time Review Every quarter, or as soon as a provider announces a retirement The card follows ROUTE. The models come from your Register (hence \"registered model\" in the \"Why this one\" row), the \"Needs\" row is Objective typing, the model, fallback, and stop rule are Utilize policy, the \"Track\" row is Track, and the review date is Evolve. Notice what the card does not say: how many models you need. It might turn out that one model covers every task you have. Then you have a portfolio of one, and you know why. Try this today (15 minutes) This is the field test from the opening chapter of the book. 1. Open your AI provider's billing or usage dashboard. 2. Find the model that used the largest share of tokens (the chunks of text you are billed for) last month. 3. Write down what share of those requests genuinely needed that model's full ability. 4. If you cannot answer, you do not have a routing strategy yet. You have a default. Fill in one route card for your busiest task. The card takes fifteen minutes. The next retirement notice will not wait that politely.","keyTakeaways":["One model is fine for low volume, one task type, and no regulated data.","Past that, one model is too expensive for the easy work or too weak for the hard work.","Providers retire models on their own schedule. A model with no replacement plan is a deadline you did not choose.","More models is not a portfolio. Twelve models from one provider still share one point of failure.","A portfolio is written down: which model, which job, why, what takes over, and when it is reviewed."],"readingMinutes":6,"publishedAt":"2026-09-29T14:00:00.000Z"},"nl":{"label":"Is één AI-model genoeg? Wanneer één model volstaat en wanneer je een portfolio nodig hebt","summary":"Eén AI-model is genoeg als het volume laag is, er één soort taak is en er geen gereguleerde of vertrouwelijke data in het spel is. Daarbuiten betekent één model voor alles dat je toptarieven betaalt voor makkelijk werk en geen plan hebt als dat model uitvalt of verdwijnt. Een modelportfolio lost dat op: een vastgelegde lijst van welk model welk werk doet, waarom, wat het werk overneemt als het uitvalt en wanneer de keuze opnieuw wordt bekeken. Meer modellen zonder die regels is gewoon een verzameling.","url":"/nl/blog/een-model-is-geen-portefeuille/","searchText":"Is één AI-model genoeg? Wanneer één model volstaat en wanneer je een portfolio nodig hebt Eén AI-model volstaat bij weinig volume, één soort taak en geen gevoelige data. Anders heb je een portfolio nodig: vastgelegde keuzes, fallback en reviewdatum. Hoeveel modellen je gebruikt, is de verkeerde vraag. De juiste vraag: heeft iemand opgeschreven waarom elk model draait, en wat er gebeurt als het stopt? Eén AI-model is genoeg als het volume laag is, er één soort taak is en er geen gereguleerde of vertrouwelijke data in het spel is. Daarbuiten betekent één model voor alles dat je toptarieven betaalt voor makkelijk werk en geen plan hebt als dat model uitvalt of verdwijnt. Een modelportfolio lost dat op: een vastgelegde lijst van welk model welk werk doet, waarom, wat het werk overneemt als het uitvalt en wanneer de keuze opnieuw wordt bekeken. Meer modellen zonder die regels is gewoon een verzameling. is één AI-model genoeg Eén model volstaat bij weinig volume, één soort taak en geen gereguleerde data. Daarbuiten is één model te duur voor het makkelijke werk of te zwak voor het moeilijke. Aanbieders faseren modellen uit volgens hun eigen planning. Een model zonder vervangingsplan is een deadline die jij niet koos. Meer modellen is nog geen portfolio. Twaalf modellen van één aanbieder hebben samen nog steeds één zwakke plek. Een portfolio staat op papier: welk model, welk werk, waarom, welke fallback en wanneer je het herziet. undominated Modelportfolio Alle AI-modellen die een team gebruikt, elk met een vastgelegde taak, een budget, de data die het mag zien, een fallback en een reviewdatum. Frontiermodel De krachtigste en duurste laag, gereserveerd voor taken die op alles wat goedkoper is mislukken. Workhorsemodel Een goedkoper model dat goed genoeg is voor dagelijks werk in grote aantallen. Fallback De route die draait als het primaire model faalt, te traag is of niet beschikbaar is. ROUTE Register, Doel-typering, Uitvoeringsbeleid, Tracken, Evolueren. Een discipline van vijf stappen om een mix van AI-modellen te besturen, uit Het model-portfolio. Eén AI-model is genoeg als het werk klein en eenvormig is en de data de deur uit mag: weinig volume, één soort taak en geen gereguleerde of vertrouwelijke data. Voorbij dat punt is de nuttige vraag niet hoeveel modellen je gebruikt. De vraag is of elke keuze is vastgelegd, een eigenaar heeft en opnieuw wordt bekeken. Die vastgelegde set keuzes is een modelportfolio. Een stapel modellen zonder die afspraken is gewoon een verzameling. Eén model kan een besluit zijn. Eén model omdat niemand ooit iets besloot, is een risico dat elke maand groeit. Wanneer is één model genoeg? Het model-portfolio, mijn boek over het werken met meerdere AI-modellen, geeft het ruiterlijk toe: bij laag volume, één taaktype en geen gereguleerde data verdient de overhead van het beheer van meerdere modellen zich misschien echt niet terug. Met deze tabel zie je aan welke kant je staat. Eén model volstaat als... Je hebt een portfolio nodig als... --- --- Het volume laag is en de rekening klein Het volume groeit en de rekening gaat tellen Er één soort taak is Taken verschillen in moeilijkheid, snelheid of formaat Er geen gereguleerde of vertrouwelijke data in het spel is Bepaalde data jouw beheer niet mag verlaten Een dag zonder het model vooral lastig is Een storing of een uitgefaseerd model het werk stillegt De meeste producten beginnen in de linkerkolom. Weinig producten blijven daar, want elke nieuwe functie grijpt naar het endpoint (het adres dat je software aanroept om een model te bereiken) dat er al is. Wat gaat er mis met één model voor alles? Drie dingen, en ze sluipen er zo langzaam in dat niemand er een besluit voor inplant. Je betaalt ergens de verkeerde prijs. Een model dat je kiest voor je moeilijkste taak, is duur voor je makkelijkste taken. Een model dat je kiest op prijs, is te zwak voor je moeilijkste taken. Het boek laat met een samengesteld verhaal (geen echt bedrijf) zien hoe dat gaat. Een product startte met één taak en één frontiermodel, uit de krachtigste en duurste laag. Tegen de tijd dat iemand ging kijken, liepen er zeven taken over dat ene endpoint: autocomplete, nachtelijke samenvattingen van tickets, entiteitsextractie (namen, datums en bedragen uit tekst halen), een FAQ-bot, het uitlezen van documenten, conceptmeldingen en een wekelijkse onderzoekssynthese. Toen iemand uiteindelijk per taak in kaart bracht wat die nodig had, bleken er vier te kunnen wachten op een batchverwerking en weinig redeneerwerk te vragen, en vroegen er twee meer om snelheid dan om diepgang. Zes van de zeven kwamen in aanmerking voor een goedkoper workhorsemodel, onder voorbehoud van tests. Niemand had voor die opzet gekozen. Hij was gewoon gegroeid. Het model kan verdwijnen. Aanbieders faseren modellen uit volgens hun eigen planning. Anthropic belooft bijvoorbeeld op de pagina met modeluitfaseringen minstens 60 dagen vooraankondiging voordat een publiek uitgebracht model verdwijnt, en meldt dat verzoeken aan een uitgefaseerd model mislukken. Op 5 juni 2026 liet het bedrijf ontwikkelaars weten dat Claude Opus 4.1 op 5 augustus 2026 zou verdwijnen. Was dat je enige model, dan had je een migratiedeadline die je niet zelf had gekozen. Zo'n migratie is ook geen wijziging van één regel code. Het boek behandelt prompts als activa die aan één model vastzitten: een prompt die op het ene model is afgesteld, kan op een ander slechter presteren, dus elke overstap vraagt om tests. Sommige data mag er helemaal niet heen. Gaat een deel van je werk over data die op je eigen infrastructuur of in één regio moet blijven, dan kan één gehost model dat niet verwerken. In de termen van het boek is privacy een harde grens voor routering, geen voorkeur. Ze gaat boven kosten en capaciteit. Waarom is 'meer modellen' ook niet het antwoord? Modellen toevoegen zonder regels levert het omgekeerde probleem op. Het boek beschrijft het: zes maanden later draaien er vijf modellen, weet niemand zeker wie drie ervan heeft goedgekeurd, en verklaart de maandfactuur niets. Meer modellen betekent ook niet vanzelf minder risico. Het boek illustreert dat met een lijst van twaalf modellen van één aanbieder: die spreidt het risico bij de aanbieder helemaal niet, want gewijzigde voorwaarden, een lange storing of een overname raakt alle twaalf tegelijk. Een fallback (de route die draait als het primaire model faalt) bij dezelfde aanbieder beschermt je tegen een kapot model, niet tegen een aanbieder die plat ligt. De grens tussen een verzameling en een portfolio ligt dus niet bij het aantal. Die ligt bij de vraag of elk model een vastgelegde taak heeft, een eigenaar, een budget, de data die het mag zien, een fallback en een reviewdatum. Wat maakt van een set modellen een portfolio? Het antwoord van het boek heet ROUTE: een discipline van vijf stappen om een mix van AI-modellen bewust te besturen. Het boek is verkrijgbaar in het Nederlands en het Engels. Je hebt het niet nodig om de stappen te gebruiken. - Register. Houd één lijst bij van elk model dat je gebruikt, met taak, eigenaar, kostenklasse, de data die het mag zien en de uitfaseringsstatus. Een model dat niet op de lijst staat, draait zonder eigenaar. - Doel-typering. Schrijf op wat de taak nodig heeft voordat je een model kiest: redeneerdiepte, uitvoerformaat, snelheid, kwaliteitsgrens en privacy. - Uitvoeringsbeleid. Leg de regel vast die elke taak naar een model stuurt, inclusief de fallback en het punt waarop het werk stopt in plaats van ergens heen te gaan waar het niet hoort. - Tracken. Meet kosten, snelheid en kwaliteit per taak, niet alleen het maandtotaal, zodat je ziet welke keuze het geld kost. - Evolueren. Promoveer, degradeer en faseer modellen uit volgens een vast schema. Toont een index als Undominated.ai een model dat minstens zo hoog scoort voor minder geld, behandel dat dan als reden om te testen, niet als reden om over te stappen. De routeringsregel zelf heeft een eigen pagina: Wat is modelroutering?. Twee patronen die zo'n regel kan gebruiken, zijn een modelcascade (eerst het goedkope model, opschalen bij een vastgelegde trigger) en de indeling in frontier, workhorse en lokaal. Hoe ziet één vastgelegde keuze eruit? Hieronder een routekaart voor één taak. Het bedrijf en de getallen zijn verzonnen. Neem de linkerkolom over en vul hem in voor je eigen drukste taak. Veld Voorbeeld: nachtelijke samenvattingen van supporttickets --- --- Taak De gesloten tickets van gisteren samenvatten voor het productteam Eisen Klaar om 07.00 uur; 150 woorden per ticket; weinig redeneerwerk; bevat klantnamen, alleen verwerking in de EU Primair model Een workhorsemodel op een endpoint dat in de EU wordt gehost Waarom dit model Goedkoopste geregistreerde model dat een test met 50 tickets doorstond Fallback Een workhorsemodel van een andere aanbieder, met dezelfde EU-voorwaarden voor data, getest op dezelfde 50 tickets Stopregel Is er geen model beschikbaar dat in de EU mag verwerken, zet de batch dan in de wacht. Stuur de tickets nooit ergens anders heen. Eigenaar Eén persoon, bij naam Meten Kosten per samenvatting, aandeel samenvattingen dat het team afkeurt, eindtijd Review Elk kwartaal, of zodra een aanbieder een uitfasering aankondigt De kaart volgt ROUTE. De modellen komen uit je Register (vandaar 'geregistreerde model' in de rij 'Waarom dit model'), de rij 'Eisen' is Doel-typering, model, fallback en stopregel vormen samen het Uitvoeringsbeleid, de rij 'Meten' is Tracken en de reviewdatum is Evolueren. Let op wat de kaart niet zegt: hoeveel modellen je nodig hebt. Misschien blijkt dat één model al je taken dekt. Dan heb je een portfolio van één, en weet je waarom. Probeer dit vandaag (15 minuten) Dit is de veldtest uit het openingshoofdstuk van het boek. 1. Open het factuur- of gebruiksoverzicht van je AI-aanbieder. 2. Zoek het model dat vorige maand het grootste deel van de tokens verbruikte (de stukjes tekst waarvoor je betaalt). 3. Schrijf op welk deel van die verzoeken echt de volledige capaciteit van dat model nodig had. 4. Weet je het niet, dan heb je nog geen routeringsstrategie maar een standaardinstelling. Vul één routekaart in voor je drukste taak. De kaart kost een kwartier. De volgende uitfaseringsmelding wacht niet zo beleefd.","keyTakeaways":["Eén model volstaat bij weinig volume, één soort taak en geen gereguleerde data.","Daarbuiten is één model te duur voor het makkelijke werk of te zwak voor het moeilijke.","Aanbieders faseren modellen uit volgens hun eigen planning. Een model zonder vervangingsplan is een deadline die jij niet koos.","Meer modellen is nog geen portfolio. Twaalf modellen van één aanbieder hebben samen nog steeds één zwakke plek.","Een portfolio staat op papier: welk model, welk werk, waarom, welke fallback en wanneer je het herziet."],"readingMinutes":7,"publishedAt":"2026-09-29T14:05:00.000Z"}},"degree":7},{"id":"article:overconfidence-90-percent-test","type":"article","pillar":"founder-performance","locales":{"en":{"label":"The 90% test: why 'I'm sure' is right far less often than it feels","summary":"The 90% test asks you to give ranges you are 90% sure contain the true answer, then counts how many do. Most people's ranges are too narrow. In one experiment with 334 people, ranges meant to be 90% sure held the right answer only about 54% of the time. Researchers call this overprecision: being surer about your numbers than your knowledge allows. The fix: ask for the low end and the high end as two separate questions, and track how often your ranges hold.","url":"/en/blog/overconfidence-90-percent-test/","searchText":"The 90% test: why 'I'm sure' is right far less often than it feels Ten questions, one rule: give a range you are 90% sure of. Most people's ranges are far too narrow. Take the quiz, score it, and learn to widen ranges honestly. A range you are 90% sure of should miss about once in ten. In one experiment it missed nearly half the time. The 90% test asks you to give ranges you are 90% sure contain the true answer, then counts how many do. Most people's ranges are too narrow. In one experiment with 334 people, ranges meant to be 90% sure held the right answer only about 54% of the time. Researchers call this overprecision: being surer about your numbers than your knowledge allows. The fix: ask for the low end and the high end as two separate questions, and track how often your ranges hold. overconfidence test A 90% range should miss about one time in ten. In experiments, such ranges often miss far more. Overprecision, excess certainty in your own numbers, appears to be the most persistent form of overconfidence. Asking for 90% instead of 50% barely changes how wide people make their ranges. Ask for the low end and the high end as two separate questions. It widens ranges honestly. Ten questions is a demonstration, not a verdict. Track your hit rate over many ranges. founder-resilience 90% range A low and a high number chosen so that you are 90% sure the true answer lies between them. Over many questions it should miss about one time in ten. overprecision Being more certain that your estimate is accurate than your knowledge justifies, which shows up as ranges that are too narrow. hit rate The share of your ranges that actually contain the true answer. calibration The match between how confident you say you are and how often you turn out to be right. When people say they are 90% sure a range contains the answer, it usually contains the answer far less often than nine times in ten. In one experiment, 334 people gave 90% ranges for the years twentieth-century US presidents were first elected. Those ranges held the right year about 54% of the time. The gap has a name: overprecision, being surer about your numbers than your knowledge allows. The quiz below lets you see your own version in ten minutes. The answers are at the bottom, each with its source. How does the 90% test work? For each question, write down a low number and a high number. Choose them so that you are 90% sure the true answer lies between them. Do not look anything up. A 90% range is a bet. You should be willing to risk nine to win one that the answer is inside. If your ranges are honest, you will miss about one question in ten. The quiz: ten questions, ten ranges Question My low My high --- --- --- --- 1 In what year did the Wright brothers make the first powered airplane flights? 2 In what year was Isaac Newton's Principia first published? 3 In what year did the United Nations officially come into existence? 4 In what year did the first iPhone go on sale in the United States? 5 How tall is the Eiffel Tower today, antennas included, in meters? 6 How tall is Mount Everest, in meters? 7 What is the average distance from the Earth to the Moon, in kilometers? 8 How fast does light travel in a vacuum, in kilometers per second? 9 How many member states does the United Nations have? 10 How wide is Rembrandt's painting The Night Watch , in centimeters? Write all ten ranges before you read on. The research comes next, so the answers stay out of sight for a while. What has research found about overprecision? Overconfidence comes in three forms, as Don Moore and Paul Healy laid out in 2008: thinking you did better than you did, thinking you did better than others, and being too sure your beliefs are precise. Their review concluded that \"Overprecision appears to be more persistent than either of the other 2 types of overconfidence.\" The 90% test measures that third form. Ranges come out far too narrow. Jack Soll and Joshua Klayman (2004) found subjective ranges were systematically too narrow for what people actually knew, \"sometimes only 40% as large as necessary to be well calibrated.\" How much depended heavily on how the question was asked. Asking for 90% barely changes the width. Karl Halvor Teigen and Magne Jørgensen (2005) ran five experiments. Ranges that people were told to make at 90% could come with a felt confidence of 50% or less, and interval width stayed roughly the same across very different instructions. Their paper's title sums it up: \"When 90% confidence intervals are 50% certain.\" Big samples show the same tilt. In a quiz of 50 true-or-false questions run by Andrew and Michael Mauboussin, more than 11,000 people took part. Their average confidence was 70%. Their average score was 60%. Experts are not exempt, but method helps. Andrew Speirs-Bridge and colleagues (2010) asked epidemiologists, public health experts and ecologists for 80% ranges. Across their three studies, those ranges held the answer 68.1% of the time: better than older studies, still short of 80%. In two of the studies, a four-step way of asking reduced overconfidence more than the usual three-point version. How do you score your quiz? Check your ranges against the answers below and count the hits. If every range really were a 90% range, you would score 8 or more about 93 times in 100. A score of 7 or lower would happen by bad luck only about 7 times in 100, and 6 or lower about once in 100. That is plain probability arithmetic, not a study result. So a 6 is a strong hint that your ranges are too narrow. A 9 on ten questions proves little. Ten is a small sample: treat your score as a lead to follow, not a verdict on you. How do you widen a range honestly? \"Honestly\" matters. A range from zero to a billion never misses and tells nobody anything. A useful range can still miss. It just misses about as often as you said it would. Four techniques. The first three were tested in the studies above; the fourth is a rule of thumb from The Calibrated Mind: 1. Ask for the two ends separately. First: \"What number am I 95% sure the answer is above?\" Then, as a separate act: \"What number am I 95% sure it is below?\" Two 95% edges make one 90% range. Teigen and Jørgensen found that separate \"more than\" and \"less than\" questions widen ranges. 2. Guess first, rate second. Write the low end, the high end and a best guess, and only then rate how confident you are that the answer is inside. That is the four-step method Speirs-Bridge's team tested. 3. Spread your chances across the whole scale. Split the possible answers into bins, for example each decade of a century, and give every bin a probability, all adding up to 100%. In Uriel Haran, Don Moore and Carey Morewedge's third experiment, this method held the right answer 76.91% of the time, against 54.34% for plain 90% ranges. 4. Run the bet test. Would you risk €9 to win €1 that the answer sits inside your range? If not, widen it until you would. How does CALIBRATE use the 90% test? CALIBRATE is a nine-step system for matching how sure you are to what your evidence can carry. It comes from The Calibrated Mind by Len P. van der Hof, available in English and Dutch. You do not need the book to use it. 1. Calibrate confidence. Turn a feeling of certainty into a number you can check later. 2. Assess assumptions. List the hidden premises under your judgment and test the weakest one. 3. Lean on probabilities. Replace words like \"likely\" with numbers and ranges. 4. Investigate alternatives. Build the strongest case against your own view. 5. Build updating rules. Decide in advance how much new evidence should move you. 6. Record and review. Keep a prediction journal and score it. 7. Act with appropriate uncertainty. Set a threshold for acting instead of waiting for certainty. 8. Teach and extend. Explain your numbers to someone else. The gaps show fast. 9. Evolve your model. Review on a rhythm, because calibration drifts. The quiz is step 1, Calibrate confidence, in miniature. The book's bet test turns odds into a floor on your confidence: risking one to win one claims at least 50%, three to win one at least 75%, nine to win one 90%. If you would not take nine to one on your range, you were never at 90%. Here is step 1 on a hypothetical work estimate. Your team asks how long a website rebuild will take, and your first answer is \"eight weeks.\" - Low end, asked on its own: \"I'm 95% sure it takes more than six weeks.\" - High end, asked separately: \"I'm 95% sure it takes less than sixteen weeks.\" - Bet test: would you risk €9 to win €1 on six to sixteen weeks? You would. Write it down with today's date. Six to sixteen weeks says far more than \"eight weeks\" did, and the width is the point: it is information. It tells the people planning around you how much weight the estimate can bear. Step 6, Record and review, then scores the range when the project ends. Calibration techniques for founders shows how to turn such scores into a weekly habit, and what calibration means explains the idea underneath. Answers 1. 1903. The first flights took place on 17 December 1903 at Kitty Hawk, North Carolina (Smithsonian National Air and Space Museum). 2. 1687. The first edition of the Principia was printed in 1687 (The Royal Society). 3. 1945. The United Nations officially came into existence on 24 October 1945 (United Nations). 4. 2007. The iPhone went on sale in the US on 29 June 2007 (Apple Newsroom). 5. About 330 meters. The official site lists a current height of 1,083 feet, antennas included (Tour Eiffel). 6. 8,848.86 meters. The height Nepal and China announced jointly on 8 December 2020 (The Kathmandu Post). 7. 384,400 kilometers. The average Earth to Moon distance (NASA). 8. 299,792.458 kilometers per second. Exact by definition of the SI units (BIPM). 9. 193. The count since South Sudan joined in 2011 (United Nations). 10. 453.5 centimeters. The painting is 379.5 cm high and 453.5 cm wide (Rijksmuseum). Try this today Give the quiz to one colleague and compare scores. It takes ten minutes, and the conversation afterward is the useful part: whose ranges missed, and on which kind of question. Then write your next three work estimates as 90% ranges using the two-question method. Put each resolution date in your calendar. When they resolve, count the hits. That small record will teach you more about your own ranges than any quiz.","keyTakeaways":["A 90% range should miss about one time in ten. In experiments, such ranges often miss far more.","Overprecision, excess certainty in your own numbers, appears to be the most persistent form of overconfidence.","Asking for 90% instead of 50% barely changes how wide people make their ranges.","Ask for the low end and the high end as two separate questions. It widens ranges honestly.","Ten questions is a demonstration, not a verdict. Track your hit rate over many ranges."],"readingMinutes":7,"publishedAt":"2026-10-08T14:00:00.000Z"},"nl":{"label":"De 90%-test: waarom 'ik weet het zeker' veel vaker misgaat dan je denkt","summary":"De 90%-test vraagt je bij elke vraag om een marge waarvan je 90 procent zeker bent dat het antwoord erbinnen valt, en telt hoeveel marges kloppen. De meeste mensen kiezen hun marges te smal. In een experiment met 334 deelnemers bevatten marges die 90 procent zeker hoorden te zijn, het juiste antwoord maar in ongeveer 54 procent van de gevallen. Onderzoekers noemen dat overprecisie: zekerder zijn over je getallen dan je kennis toelaat. Wat helpt: vraag onder- en bovengrens apart en houd bij hoe vaak je marges kloppen.","url":"/nl/blog/de-90-procent-test/","searchText":"De 90%-test: waarom 'ik weet het zeker' veel vaker misgaat dan je denkt Tien vragen, één regel: geef een marge waarvan je 90% zeker bent. De meeste marges zijn veel te smal. Doe de quiz, tel je score en leer ze eerlijk verbreden. Een marge waarvan je 90 procent zeker bent, hoort ongeveer één op de tien keer te missen. In één experiment misten zulke marges in bijna de helft van de gevallen. De 90%-test vraagt je bij elke vraag om een marge waarvan je 90 procent zeker bent dat het antwoord erbinnen valt, en telt hoeveel marges kloppen. De meeste mensen kiezen hun marges te smal. In een experiment met 334 deelnemers bevatten marges die 90 procent zeker hoorden te zijn, het juiste antwoord maar in ongeveer 54 procent van de gevallen. Onderzoekers noemen dat overprecisie: zekerder zijn over je getallen dan je kennis toelaat. Wat helpt: vraag onder- en bovengrens apart en houd bij hoe vaak je marges kloppen. overmoed test Een marge van 90 procent hoort ongeveer één op de tien keer te missen. In experimenten missen zulke marges geregeld veel vaker. Overprecisie, te veel zekerheid over je eigen getallen, lijkt de hardnekkigste vorm van overmoed te zijn. Om 90 procent vragen in plaats van 50 procent maakt de marges die mensen geven nauwelijks breder. Vraag apart naar de ondergrens en naar de bovengrens. Dat verbreedt marges op een eerlijke manier. Tien vragen zijn een demonstratie, geen oordeel. Houd je trefkans bij over veel marges. founder-resilience marge van 90 procent Een ondergrens en een bovengrens waarvan je 90 procent zeker bent dat het juiste antwoord ertussen ligt. Over veel vragen hoort zo'n marge ongeveer één op de tien keer te missen. overprecisie Zekerder zijn over de juistheid van je schatting dan je kennis rechtvaardigt. Het uit zich in marges die te smal zijn. trefkans Het aandeel van je marges waarin het juiste antwoord echt valt. kalibratie De mate waarin de zekerheid die je uitspreekt overeenkomt met hoe vaak je gelijk krijgt. Zeggen mensen dat ze 90 procent zeker zijn dat het antwoord binnen hun marge valt, dan klopt dat meestal veel minder vaak dan negen op de tien keer. In één experiment gaven 334 mensen marges van 90 procent voor het jaar waarin Amerikaanse presidenten uit de twintigste eeuw voor het eerst werden gekozen. Die marges bevatten het juiste jaar in ongeveer 54 procent van de gevallen. Die kloof heeft een naam: overprecisie, zekerder zijn over je getallen dan je kennis toelaat. Met de quiz hieronder zie je in tien minuten hoe dat bij jou zit. De antwoorden staan onderaan, elk met bron. Hoe werkt de 90%-test? Schrijf bij elke vraag een ondergrens en een bovengrens op. Kies ze zo dat je 90 procent zeker bent dat het juiste antwoord ertussen ligt. Zoek niets op. Een marge van 90 procent is een weddenschap: je zou er negen euro op durven zetten om één euro te winnen. Zijn je marges eerlijk, dan zit je bij ongeveer één op de tien vragen mis. De quiz: tien vragen, tien marges Vraag Mijn ondergrens Mijn bovengrens --- --- --- --- 1 In welk jaar maakten de gebroeders Wright de eerste gemotoriseerde vluchten? 2 In welk jaar verscheen de eerste druk van Isaac Newtons Principia ? 3 In welk jaar gingen de Verenigde Naties officieel van start? 4 In welk jaar reed de eerste trein in Nederland, tussen Amsterdam en Haarlem? 5 Hoe hoog is de Eiffeltoren nu, inclusief antennes, in meters? 6 Hoe hoog is de Mount Everest, in meters? 7 Wat is de gemiddelde afstand van de aarde tot de maan, in kilometers? 8 Hoe snel gaat licht in vacuüm, in kilometers per seconde? 9 Hoe lang is de Afsluitdijk, in kilometers? 10 Hoe breed is Rembrandts Nachtwacht , in centimeters? Schrijf alle tien marges op voordat je verder leest. Eerst komt het onderzoek, zodat de antwoorden nog even uit beeld blijven. Wat zegt het onderzoek over overprecisie? Overmoed kent drie vormen, schreven Don Moore en Paul Healy in 2008: denken dat je beter presteerde dan je werkelijk deed, denken dat je beter presteerde dan anderen, en te zeker zijn van de precisie van je eigen overtuigingen. Hun overzichtsartikel concludeert: \"Overprecision appears to be more persistent than either of the other 2 types of overconfidence.\" Overprecisie lijkt dus hardnekkiger dan de andere twee vormen. De 90%-test meet precies die derde vorm. Marges zijn veel te smal. Jack Soll en Joshua Klayman (2004) vonden dat subjectieve marges stelselmatig te smal waren voor wat mensen werkelijk wisten, \"sometimes only 40% as large as necessary to be well calibrated\": soms maar 40 procent van de breedte die nodig was. Hoe groot het tekort was, hing sterk af van hoe de vraag werd gesteld. Om 90 procent vragen maakt de marge nauwelijks breder. Karl Halvor Teigen en Magne Jørgensen (2005) deden vijf experimenten. Marges die mensen op 90 procent moesten zetten, gingen soms samen met een gevoelde zekerheid van 50 procent of minder, en de breedte bleef ongeveer gelijk bij heel verschillende instructies. De titel van hun artikel vat het samen: \"When 90% confidence intervals are 50% certain.\" Grote groepen laten hetzelfde zien. Aan een quiz van 50 waar-of-niet-waarvragen van Andrew en Michael Mauboussin deden ruim 11.000 mensen mee. Hun gemiddelde zekerheid was 70 procent. Hun gemiddelde score was 60 procent. Experts zijn geen uitzondering, maar de methode helpt. Andrew Speirs-Bridge en collega's (2010) vroegen epidemiologen, specialisten in volksgezondheid en ecologen om marges van 80 procent. In de drie studies samen bevatten die marges het antwoord in 68,1 procent van de gevallen: beter dan in ouder onderzoek, maar nog steeds onder 80 procent. In twee van de studies verminderde een vraagmethode in vier stappen de overmoed meer dan de gebruikelijke driepuntsmethode. Hoe tel je je score? Leg je marges naast de antwoorden onderaan en tel de treffers. Waren al je marges echt marges van 90 procent, dan zou je in ongeveer 93 van de 100 gevallen 8 of meer halen. Een score van 7 of lager haal je dan door pech in maar ongeveer 7 van de 100 gevallen, en 6 of lager in ongeveer 1 op de 100. Dat is gewoon kansrekening, geen onderzoeksresultaat. Zes treffers is dus een sterke aanwijzing dat je marges te smal zijn. Negen op tien bewijst weinig. Tien vragen zijn een kleine steekproef: zie je score als een spoor om te volgen, niet als een oordeel over jou. Hoe maak je een marge eerlijk breder? Het woord eerlijk doet ertoe. Een marge van nul tot een miljard mist nooit en zegt niemand iets. Een bruikbare marge kan nog steeds missen. Ze mist alleen ongeveer zo vaak als je had gezegd. Vier technieken. De eerste drie zijn getest in de studies hierboven; de vierde is een vuistregel uit De gekalibreerde geest: 1. Vraag de twee grenzen apart. Eerst: \"Boven welk getal ligt het antwoord met 95 procent zekerheid?\" Daarna, als aparte stap: \"Onder welk getal ligt het met 95 procent zekerheid?\" Twee grenzen van 95 procent samen geven één marge van 90 procent. Teigen en Jørgensen vonden dat aparte vragen naar \"meer dan\" en \"minder dan\" de marges breder maken. 2. Eerst schatten, dan beoordelen. Schrijf de ondergrens, de bovengrens en je beste schatting op, en beoordeel pas daarna hoe zeker je bent dat het antwoord erbinnen valt. Dat is de vierstapsmethode die het team van Speirs-Bridge testte. 3. Verdeel je kansen over de hele schaal. Deel de mogelijke antwoorden op in vakjes, bijvoorbeeld per decennium van een eeuw, en geef elk vakje een kans, samen 100 procent. In het derde experiment van Uriel Haran, Don Moore en Carey Morewedge bevatten de marges uit deze methode het juiste antwoord in 76,91 procent van de gevallen, tegenover 54,34 procent voor gewone marges van 90 procent. 4. Doe de weddenschapstest. Zou je negen euro tegen één durven wedden dat het antwoord binnen je marge valt? Zo niet, maak de marge dan breder tot je dat wel aandurft. Hoe gebruikt CALIBRATE de 90%-test? CALIBRATE is een systeem in negen stappen om je zekerheid af te stemmen op wat je bewijs kan dragen. Het komt uit De gekalibreerde geest van Len P. van der Hof, verkrijgbaar in het Nederlands en het Engels. In de Nederlandse editie heet het systeem KALIBREER. Je hebt het boek niet nodig om ermee te werken. 1. Kalibreer vertrouwen. Zet een gevoel van zekerheid om in een getal dat je later kunt toetsen. 2. Analyseer aannames. Zet de verborgen premissen onder je oordeel op een rij en test de zwakste. 3. Leun op waarschijnlijkheden. Vervang woorden als \"waarschijnlijk\" door getallen en marges. 4. Onderzoek alternatieven. Bedenk de sterkste argumenten tegen je eigen standpunt. 5. Bouw bijstellingsregels. Leg vooraf vast hoe ver nieuw bewijs je oordeel mag verschuiven. 6. Registreer en evalueer. Houd een voorspellingsdagboek bij en bereken je score. 7. Handel met passende onzekerheid. Stel een handelingsdrempel vast in plaats van op zekerheid te wachten. 8. Leer anderen en breid uit. Leg je getallen uit aan iemand anders; de gaten worden snel zichtbaar. 9. Ontwikkel je model verder. Evalueer op een vast ritme, want zonder onderhoud glijdt je kalibratie weg. De quiz is stap 1, Kalibreer vertrouwen, in het klein. De weddenschapstest uit het boek maakt van een inzet een ondergrens voor je zekerheid: één riskeren om één te winnen betekent minstens 50 procent, drie om één te winnen minstens 75 procent, negen om één te winnen 90 procent. Zou je die negen tegen één niet aandurven op je marge, dan zat je nooit echt op 90 procent. Zo werkt stap 1 bij een hypothetische schatting op je werk. Je team vraagt hoelang de bouw van een nieuwe website duurt, en je eerste antwoord is \"acht weken\". - Ondergrens, los gevraagd: \"Ik weet voor 95 procent zeker dat het langer duurt dan zes weken.\" - Bovengrens, apart gevraagd: \"Ik weet voor 95 procent zeker dat het korter duurt dan zestien weken.\" - Weddenschapstest: zou je negen euro tegen één durven wedden op zes tot zestien weken? Ja. Noteer de marge met de datum van vandaag. Zes tot zestien weken zegt veel meer dan \"acht weken\", en juist die breedte is informatie. Wie op jouw schatting plant, ziet zo hoeveel gewicht die kan dragen. Bij stap 6, Registreer en evalueer, tel je de marge als treffer of misser zodra het project klaar is. Kalibratietechnieken voor founders laat zien hoe je van zulke scores een wekelijkse gewoonte maakt, en Wat betekent kalibratie? legt het onderliggende idee uit. Antwoorden 1. 1903. De eerste vluchten vonden plaats op 17 december 1903 bij Kitty Hawk, North Carolina (Smithsonian National Air and Space Museum). 2. 1687. De eerste druk van de Principia verscheen in 1687 (The Royal Society). 3. 1945. De Verenigde Naties bestaan officieel sinds 24 oktober 1945 (Verenigde Naties). 4. 1839. De eerste spoorlijn van Nederland werd op 20 september 1839 geopend (Canon van Nederland). 5. Ongeveer 330 meter. De officiële site noemt een huidige hoogte van 1083 voet, inclusief antennes (Tour Eiffel). 6. 8.848,86 meter. De hoogte die Nepal en China op 8 december 2020 samen bekendmaakten (The Kathmandu Post). 7. 384.400 kilometer. De gemiddelde afstand van de aarde tot de maan (NASA). 8. 299.792,458 kilometer per seconde. Exact, want het is een van de vastgelegde constanten van het SI-stelsel (BIPM). 9. 32 kilometer. De Afsluitdijk tussen Noord-Holland en Friesland; het laatste sluitgat ging op 28 mei 1932 dicht (Rijkswaterstaat). 10. 453,5 centimeter. Het schilderij is 379,5 centimeter hoog en 453,5 centimeter breed (Rijksmuseum). Probeer dit vandaag Leg de quiz aan één collega voor en vergelijk jullie scores. Dat kost tien minuten, en het gesprek daarna is het nuttige deel: wiens marges misten, en bij welk soort vraag. Schrijf daarna je volgende drie schattingen op je werk als marges van 90 procent, met de methode van twee aparte vragen. Zet in je agenda wanneer de uitkomst van elke schatting bekend is. Tel dan de treffers. Dat kleine logboek leert je meer over je eigen marges dan welke quiz ook.","keyTakeaways":["Een marge van 90 procent hoort ongeveer één op de tien keer te missen. In experimenten missen zulke marges geregeld veel vaker.","Overprecisie, te veel zekerheid over je eigen getallen, lijkt de hardnekkigste vorm van overmoed te zijn.","Om 90 procent vragen in plaats van 50 procent maakt de marges die mensen geven nauwelijks breder.","Vraag apart naar de ondergrens en naar de bovengrens. Dat verbreedt marges op een eerlijke manier.","Tien vragen zijn een demonstratie, geen oordeel. Houd je trefkans bij over veel marges."],"readingMinutes":8,"publishedAt":"2026-10-08T14:05:00.000Z"}},"degree":5},{"id":"article:override-doctrine","type":"article","pillar":"ai-systems","locales":{"en":{"label":"What an agent may never do","summary":"Override doctrine is the written list of decisions an agent may never take. The live glossary names four: spending above a ceiling, speaking as the company, changing production data, and closing a judgment the founder still owns. It is the complement of a charter. The charter says what the agent does. The doctrine says what it must refuse. Write it before the agent gets a tool that can send, spend, or delete. A named human in the loop is not a substitute. If the irreversible act already happened, the loop is decorative. CHORUS Review is the gate that enforces the list. The list is not the six-skill protocol.","url":"/en/blog/override-doctrine/","searchText":"What an agent may never do A charter says what an agent does. An override doctrine is the written list of what it must refuse: spend, speak as the company, change production, or close a judgment you still own. HITL is who can fail the output. The doctrine is what must be refused when no one is watching. Override doctrine is the written list of decisions an agent may never take. The live glossary names four: spending above a ceiling, speaking as the company, changing production data, and closing a judgment the founder still owns. It is the complement of a charter. The charter says what the agent does. The doctrine says what it must refuse. Write it before the agent gets a tool that can send, spend, or delete. A named human in the loop is not a substitute. If the irreversible act already happened, the loop is decorative. CHORUS Review is the gate that enforces the list. The list is not the six-skill protocol. override doctrine The charter is not the doctrine. If you only wrote what the agent does, you wrote half. Four refusals, already public: spend above a ceiling, speak as the company, change production data, close a judgment you still own. Write it before the tool that can send, spend, or delete. Folklore in Slack is not a doctrine. HITL without a refuse-list arrives after the spend. The doctrine has to hold at 03:00. ai-agents chorus Override doctrine The written list of decisions an agent may never take. Complement of a charter. Human in the loop A named person with an authority ceiling and a review gate. Not a dashboard glance. CHORUS Six-skill coordination protocol. Review is the gate. The doctrine is the list. The team wrote a charter. Three pages of what the agent does . Nothing says what it must refuse. At 03:00 it sends the customer the draft, because the draft was ready and no line told it to stop. The usual diagnosis is \"we need better HITL.\" Often the human was never given a written refuse-list. The charter is not the doctrine A charter says what the worker does. Purpose, inputs, outputs, a ceiling, a review. That page already exists. Override doctrine is the other half. It is the written list of decisions an agent may never take. If you only wrote the does-list, you wrote half. The half that fails at 03:00 is the missing half. This is not a personality test for the model. Models do not have temperament. They have tools. The doctrine is about the tools. Four refusals, already public The live capsule names four. I am not adding a fifth to make a framework. Spending above a ceiling. Draft the invoice. Do not send the money. Speaking as the company. Draft the reply. Do not put the company's name on a channel the human has not opened. Changing production data. Propose the patch. Do not write production. Closing a judgment you still own. Assemble the brief. Do not decide the hire, the price, or the kill. Those four are irreversible or identity-bearing. An agent can work up to the line. A human crosses it. The Multi-Agent Organization puts the same cut in the charter field it calls the authority ceiling: keep the agent on the reversible side. Default to deny. That book is live. This page is the list, not the seven-field template. Write it before the tool The glossary is specific about when . Write the doctrine before the agent gets a tool that can send, spend, or delete. MCP is how a step touches the building. The doctrine is who may not turn the key. If the refuse-list lives in a Slack thread from March, it is not a doctrine. It is folklore. Folklore does not bind a tool call. HITL is not a substitute A human in the loop is a named person with a ceiling and a gate. A glance at a dashboard is not a loop. HITL without a doctrine arrives after the spend. The human is then downstream of a decision that already happened. That is not a loop. That is an autopsy. The doctrine has to hold when no one is watching. If the only control is a person who sleeps, you did not write a refuse-list. You wrote a hope. Review is the gate, not the list CHORUS is the coordination protocol for teams of two to fifteen. Review is one of six skills. It is how the team fails an output against written criteria. This page is not a second CHORUS article. The protocol is the gate. The doctrine is the criteria the gate reads. If Review has nothing written to fail against, Review is a vibe. A fifteen-minute audit Pick the agent that can send, spend, or delete. 1. Paste the written refuse-list. If you have to remember it, it is not written. 2. Check the four public refusals. Circle the ones that are missing. 3. Name the last irreversible action this agent took. Whose name did it carry? 4. Write the file the doctrine lives in. Not the chat. 5. Write the action you will take off the agent today if step 1 is blank. If step 1 or 4 is empty, take the tool away. A charter without a doctrine is a permission slip. Write the refusals. Then the 03:00 call has something to hit.","keyTakeaways":["The charter is not the doctrine. If you only wrote what the agent does, you wrote half.","Four refusals, already public: spend above a ceiling, speak as the company, change production data, close a judgment you still own.","Write it before the tool that can send, spend, or delete. Folklore in Slack is not a doctrine.","HITL without a refuse-list arrives after the spend. The doctrine has to hold at 03:00."],"readingMinutes":3,"publishedAt":"2026-08-23T07:00:00.000Z"},"nl":{"label":"Wat een agent nooit mag doen","summary":"Override-doctrine is de uitgeschreven lijst van besluiten die een agent nooit mag nemen. De live begrippenlijst noemt er vier: uitgeven boven een plafond, spreken namens het bedrijf, productiedata wijzigen, en een oordeel sluiten dat de oprichter nog bezit. Het is het complement van een charter. Het charter zegt wat de agent doet. De doctrine zegt wat hij moet weigeren. Schrijf dit voordat de agent een tool krijgt die kan verzenden, uitgeven of verwijderen. Een benoemde mens in de lus is geen vervanging. Als de onomkeerbare handeling al is verricht, is de lus decoratie. CHORUS Review is de poort die de lijst handhaaft. De lijst is niet het protocol van zes vaardigheden.","url":"/nl/blog/override-doctrine/","searchText":"Wat een agent nooit mag doen Een charter vertelt wat een agent doet. Een override-doctrine is de uitgeschreven lijst van wat hij moet weigeren: een plafond overschrijden, spreken namens het bedrijf, productiedata wijzigen of een oordeel sluiten dat jij nog bezit. HITL is wie de output kan afkeuren. De doctrine is wat geweigerd moet worden als er niemand meekijkt. Override-doctrine is de uitgeschreven lijst van besluiten die een agent nooit mag nemen. De live begrippenlijst noemt er vier: uitgeven boven een plafond, spreken namens het bedrijf, productiedata wijzigen, en een oordeel sluiten dat de oprichter nog bezit. Het is het complement van een charter. Het charter zegt wat de agent doet. De doctrine zegt wat hij moet weigeren. Schrijf dit voordat de agent een tool krijgt die kan verzenden, uitgeven of verwijderen. Een benoemde mens in de lus is geen vervanging. Als de onomkeerbare handeling al is verricht, is de lus decoratie. CHORUS Review is de poort die de lijst handhaaft. De lijst is niet het protocol van zes vaardigheden. override-doctrine Het charter is niet de doctrine. Als je alleen opschrijft wat de agent doet, heb je de helft. Vier weigeringen, al openbaar: uitgeven boven een plafond, spreken namens het bedrijf, productiedata wijzigen, een oordeel sluiten dat jij nog bezit. Schrijf het voordat de tool kan verzenden, uitgeven of verwijderen. Folklore in Slack is geen doctrine. HITL zonder weigeringslijst arriveert na de uitgave. De doctrine moet om 03:00 uur standhouden. ai-agents chorus Override-doctrine De uitgeschreven lijst van besluiten die een agent nooit mag nemen. Complement van een charter. Mens in de lus Een benoemd persoon met een bevoegdheidsplafond en een reviewpoort. Geen blik op een dashboard. CHORUS Coördinatieprotocol in zes vaardigheden. Review is de poort. De doctrine is de lijst. Het team schreef een charter. Drie pagina's over wat de agent doet. Niets zegt wat hij moet weigeren. Om 03:00 uur stuurt hij de klant het concept, want het concept was klaar en geen regel zei dat hij moest stoppen. De gebruikelijke diagnose is \"we hebben een betere HITL nodig\". Vaak kreeg de mens nooit een uitgeschreven weigeringslijst. Het charter is niet de doctrine Een charter vertelt wat de werker doet. Doel, input, output, een plafond, een review. Die pagina bestaat al. Override-doctrine is de andere helft. Het is de uitgeschreven lijst van besluiten die een agent nooit mag nemen. Als je alleen de doet-lijst hebt geschreven, heb je de helft. De helft die om 03:00 uur faalt, is de ontbrekende helft. Dit is geen persoonlijkheidstest voor het model. Modellen hebben geen temperament. Ze hebben tools. De doctrine gaat over de tools. Vier weigeringen, al openbaar De live begrippenlijst noemt er vier. Ik voeg er geen vijfde aan toe om een raamwerk te forceren. Uitgeven boven een plafond. Maak de factuur. Verstuur het geld niet. Spreken namens het bedrijf. Schrijf het antwoord. Zet de bedrijfsnaam niet op een kanaal dat de mens niet heeft geopend. Productiedata wijzigen. Stel de patch voor. Schrijf niet naar productie. Een oordeel sluiten dat jij nog bezit. Stel het dossier samen. Beslis niet over een aanstelling, de prijs of het schrappen van een project. Die vier zijn onomkeerbaar of dragen identiteit. Een agent kan tot aan de lijn werken. Een mens steekt die over. De multi-agent organisatie legt dezelfde snede in het charterveld dat het autoriteitsplafond heet: houd de agent aan de omkeerbare kant. Weigeren is de default. Dat boek is live. Deze pagina is de lijst, niet het sjabloon van zeven velden. Schrijf het voor de tool De begrippenlijst is specifiek over het moment. Schrijf de doctrine voordat de agent een tool krijgt die kan verzenden, uitgeven of verwijderen. MCP is hoe een stap het gebouw raakt. De doctrine is wie de sleutel niet mag omdraaien. Als de weigeringslijst in een Slack-thread van maart staat, is het geen doctrine. Het is folklore. Folklore bindt geen toolaanroep. HITL is geen vervanging Een mens in de lus is een benoemd persoon met een plafond en een poort. Een blik op een dashboard is geen lus. HITL zonder doctrine arriveert na de uitgave. De mens staat dan stroomafwaarts van een besluit dat al is genomen. Dat is geen lus. Dat is een autopsie. De doctrine moet standhouden als er niemand meekijkt. Als de enige controle een persoon is die slaapt, heb je geen weigeringslijst geschreven. Je schreef een wens op. Review is de poort, niet de lijst CHORUS is het coördinatieprotocol voor teams van twee tot vijftien. Review is een van de zes vaardigheden. Het is hoe het team een output afkeurt tegen uitgeschreven criteria. Deze pagina is geen tweede CHORUS-artikel. Het protocol is de poort. De doctrine is de criteria die de poort leest. Als Review niets op papier heeft om tegen af te keuren, is Review een stemming. Een audit van vijftien minuten Kies de agent die kan verzenden, uitgeven of verwijderen. 1. Plak de uitgeschreven weigeringslijst. Als je hem moet onthouden, is hij niet uitgeschreven. 2. Controleer de vier openbare weigeringen. Omcirkel welke ontbreken. 3. Noem de laatste onomkeerbare handeling van deze agent. Wiens naam droeg die? 4. Noteer het bestand waarin de doctrine leeft. Niet de chat. 5. Noteer de handeling die je vandaag van de agent afhaalt als stap 1 leeg is. Als stap 1 of 4 leeg is, neem de tool weg. Een charter zonder doctrine is een vrijbrief. Schrijf de weigeringen. Dan heeft de aanroep om 03:00 uur iets om tegenaan te lopen.","keyTakeaways":["Het charter is niet de doctrine. Als je alleen opschrijft wat de agent doet, heb je de helft.","Vier weigeringen, al openbaar: uitgeven boven een plafond, spreken namens het bedrijf, productiedata wijzigen, een oordeel sluiten dat jij nog bezit.","Schrijf het voordat de tool kan verzenden, uitgeven of verwijderen. Folklore in Slack is geen doctrine.","HITL zonder weigeringslijst arriveert na de uitgave. De doctrine moet om 03:00 uur standhouden."],"readingMinutes":3,"publishedAt":"2026-08-23T07:05:00.000Z"}},"degree":18},{"id":"article:person-entity-seo","type":"article","pillar":"seo-geo-aeo","locales":{"en":{"label":"Person entity SEO: a name an engine can attach","summary":"Person entity SEO is the work of making a public identity consistent and unambiguous across pages and references. Build one visible author profile, give its Person entity a stable @id, point every Article's author markup at that same @id, and use sameAs only for URLs that unambiguously identify the same person. Schema.org defines sameAs that way, with a Wikipedia page, a Wikidata entry, or an official website as examples; owning the destination is not required. Google supports Person as the main entity of a ProfilePage and recommends sameAs for external profiles or home pages, but structured data does not guarantee a knowledge panel, a citation, or a ranking benefit. The markup must agree with what readers can see.","url":"/en/blog/person-entity-seo/","searchText":"Person entity SEO: a name an engine can attach Person entity SEO reduces identity ambiguity: one visible author profile, one stable Person @id, Article author markup that points at it, and sameAs links that unambiguously identify the same person. It improves machine-readable consistency. It does not buy a knowledge panel. A byline gives an engine a string. A coherent author graph gives that string somewhere to resolve. Person entity SEO is the work of making a public identity consistent and unambiguous across pages and references. Build one visible author profile, give its Person entity a stable @id, point every Article's author markup at that same @id, and use sameAs only for URLs that unambiguously identify the same person. Schema.org defines sameAs that way, with a Wikipedia page, a Wikidata entry, or an official website as examples; owning the destination is not required. Google supports Person as the main entity of a ProfilePage and recommends sameAs for external profiles or home pages, but structured data does not guarantee a knowledge panel, a citation, or a ranking benefit. The markup must agree with what readers can see. person entity SEO sameAs author schema Use one stable Person @id across the profile page and every Article's author markup. sameAs means a page that unambiguously identifies the same person, not merely a URL you control. A book product page, an employer homepage, or a generic publisher page usually does not identify one person. Structured data creates eligibility and clarity. It cannot guarantee rankings, citations, or a knowledge panel. aeo geo Person @id A stable identifier that lets separate structured-data nodes refer to the same person. sameAs The URL of a reference page that unambiguously identifies the entity described. A byline gives an engine a string. An author profile gives that string a home. A coherent graph lets every article point back to the same person. Person entity SEO is the work of making a public identity consistent and unambiguous across pages and references. Build one visible author profile. Give its Person entity a stable @id . Point every Article's author markup at that same @id . Use sameAs only for URLs that unambiguously identify the same person. That is the whole discipline. It reduces avoidable ambiguity. It does not create authority, and it cannot reserve a knowledge panel. This page is about identity resolution. How to get cited by ChatGPT is about whether a page is useful enough to become a source, and the citation-readiness audit tests that page. A clean identity graph supports both jobs without replacing either. One Person node that every page can share Give the public author profile a stable Person @id . The identifier does not have to be a page a reader visits. A fragment URL is a common implementation: json { \"@context\": \"https://schema.org\", \"@type\": \"ProfilePage\", \"url\": \"https://example.com/authors/mira-chen/\", \"mainEntity\": { \"@type\": \"Person\", \"@id\": \"https://example.com/ mira-chen\", \"name\": \"Mira Chen\", \"url\": \"https://example.com/authors/mira-chen/\", \"sameAs\": [ \"https://www.wikidata.org/wiki/Q123456\", \"https://orcid.org/0000-0000-0000-0000\" ] } } Then let every article refer to that identifier instead of minting a slightly different Person on each page: json { \"@type\": \"Article\", \"headline\": \"A worked example\", \"author\": { \"@type\": \"Person\", \"@id\": \"https://example.com/ mira-chen\" } } The stable @id is the join. The profile page describes the person; the article says who wrote the work. On a bilingual site, the English and Dutch profile URLs can describe the same Person node. Forcing every locale through one visible URL is unnecessary when the graph already supplies a shared identity. This is an implementation pattern, not a declared Google ranking factor. What sameAs actually says Schema.org defines sameAs as the URL of a reference page that unambiguously indicates the item's identity, and gives a Wikipedia page, a Wikidata entry, or an official website as examples. The test is stricter than \"related to this person\" and broader than \"controlled by this person.\" Good candidates include: - an accurate Wikidata or Wikipedia entry; - an ORCID record for the author; - an author page at a publisher or bookseller that is devoted to that one person; - an official profile on another platform. A book product page identifies a product. A company homepage identifies an organization. A conference programme merely mentions a name. Those URLs may belong elsewhere in the graph, attached to the book, the organization, or the event. They do not belong in sameAs , because sameAs is appropriate only when the destination resolves the person without guesswork. Control still matters operationally. A profile you maintain is less likely to go stale. But control is not part of the definition, and a controlled page with the wrong name or a dead redirect is still a poor identity reference. Author schema must agree with the page Google's ProfilePage guidance expects a page focused on one person or organization, named in mainEntity , and it recommends sameAs for external profiles or home pages. The visible profile should therefore carry the same public name, description, image, and role that the markup describes. A crawler should not have to reconcile: - \"Mira L. Chen\" in the page heading with \"Mira Chen\" in the schema and \"M. Chen\" on every external profile; - a Person url that opens an About page listing three team members; - Article markup that alternates between several author URLs for the same writer; - sameAs targets that redirect to a platform homepage, return 404, or now belong to somebody else. Name variation is sometimes legitimate. Pen names, diacritics, locale variants, and changed surnames need an editorial decision, not mechanical uniformity. Use alternateName for a real public variant. Do not erase useful distinctions to make a spreadsheet look tidy. A compact person-entity audit Start with the reader-facing profile, then inspect the graph. 1. Resolve the subject. Does the page clearly describe one person, in visible HTML? 2. Inspect the Person node. Is the @id stable, and do name , url , image, and description match the page? 3. Follow every author edge. Does each Article node use the same Person @id ? 4. Open every sameAs URL. Does each destination still resolve this person unambiguously? 5. Remove category errors. Move product, employer, publisher, and generic social URLs to the properties where they belong. 6. Check locales and redirects. Do language variants and old profile paths converge without loops, accidental duplicates, or lost meaning? 7. Re-test after migrations. A handle change or a platform redirect can break an otherwise sound graph. This site's author profile follows the shared-node pattern: ProfilePage names the person, and every article's author markup refers to the same identifier. Keep the promise narrow Google says it does not guarantee that features consuming structured data will appear in results, and its guide to generative Search says no special schema is needed for those features. Valid markup is an eligibility and interpretation aid. It is not a search treatment you can book. The narrow promise is the useful one. It stops a clean identity graph from being sold as a reputation machine, and it keeps the fakery out: no FAQPage theatre, no invented ratings, no shop markup on an author page. Person entity SEO makes authorship easier to resolve. Authority still has to come from the work, the evidence, and references that deserve to exist. The Findability Engine owns the longer treatment. The book is in production and not for sale.","keyTakeaways":["Use one stable Person @id across the profile page and every Article's author markup.","sameAs means a page that unambiguously identifies the same person, not merely a URL you control.","A book product page, an employer homepage, or a generic publisher page usually does not identify one person.","Structured data creates eligibility and clarity. It cannot guarantee rankings, citations, or a knowledge panel."],"readingMinutes":5,"publishedAt":"2026-09-23T07:00:00.000Z"},"nl":{"label":"Entity-SEO voor een persoon: een naam die een zoekmachine kan thuisbrengen","summary":"Entity-SEO voor een persoon is het werk om een publieke identiteit consequent en eenduidig te maken op pagina's en in verwijzingen. Bouw één zichtbaar auteursprofiel, geef de Person-entiteit daarvan een stabiele @id, laat de auteursmarkup van elk artikel naar diezelfde @id wijzen, en gebruik sameAs alleen voor URL's die eenduidig dezelfde persoon aanwijzen. Schema.org definieert sameAs zo, met een Wikipedia-pagina, een Wikidata-item of een officiële website als voorbeelden; de doelpagina zelf beheren is geen vereiste. Google ondersteunt Person als mainEntity van een ProfilePage en raadt sameAs aan voor externe profielen of homepages, maar gestructureerde data garandeert geen knowledge panel, geen citatie en geen rankingvoordeel. De markup moet kloppen met wat de lezer ziet.","url":"/nl/blog/entity-seo-voor-een-persoon/","searchText":"Entity-SEO voor een persoon: een naam die een zoekmachine kan thuisbrengen Entity-SEO voor een persoon vermindert verwarring over identiteit: één zichtbaar auteursprofiel, één stabiele Person @id, auteursmarkup in artikelen die daarnaar wijst, en sameAs-links die eenduidig dezelfde persoon aanwijzen. Het verbetert de machineleesbare samenhang. Een knowledge panel koop je er niet mee. Een auteursvermelding geeft een zoekmachine een tekenreeks. Een samenhangende auteursgraaf geeft die tekenreeks een plek om thuis te komen. Entity-SEO voor een persoon is het werk om een publieke identiteit consequent en eenduidig te maken op pagina's en in verwijzingen. Bouw één zichtbaar auteursprofiel, geef de Person-entiteit daarvan een stabiele @id, laat de auteursmarkup van elk artikel naar diezelfde @id wijzen, en gebruik sameAs alleen voor URL's die eenduidig dezelfde persoon aanwijzen. Schema.org definieert sameAs zo, met een Wikipedia-pagina, een Wikidata-item of een officiële website als voorbeelden; de doelpagina zelf beheren is geen vereiste. Google ondersteunt Person als mainEntity van een ProfilePage en raadt sameAs aan voor externe profielen of homepages, maar gestructureerde data garandeert geen knowledge panel, geen citatie en geen rankingvoordeel. De markup moet kloppen met wat de lezer ziet. entity-SEO persoon sameAs auteursmarkup Gebruik één stabiele Person @id voor de profielpagina en de auteursmarkup van elk artikel. sameAs betekent een pagina die eenduidig dezelfde persoon aanwijst, niet zomaar een URL die je beheert. Een productpagina van een boek, de homepage van een werkgever of een generieke uitgeverspagina wijst meestal geen afzonderlijke persoon aan. Gestructureerde data schept geschiktheid en duidelijkheid. Ze garandeert geen ranking, citatie of knowledge panel. aeo geo Person @id Een stabiele identifier waarmee afzonderlijke knooppunten in gestructureerde data naar dezelfde persoon kunnen verwijzen. sameAs De URL van een referentiepagina die de beschreven entiteit eenduidig aanwijst. Een auteursvermelding geeft een zoekmachine een tekenreeks. Een auteursprofiel geeft die tekenreeks een thuis. Een samenhangende graaf laat elk artikel terugwijzen naar dezelfde persoon. Entity-SEO voor een persoon is het werk om een publieke identiteit consequent en eenduidig te maken, op pagina's en in verwijzingen. Bouw één zichtbaar auteursprofiel. Geef de Person-entiteit daarvan een stabiele @id . Laat de auteursmarkup van elk artikel naar diezelfde @id wijzen. Gebruik sameAs alleen voor URL's die eenduidig dezelfde persoon aanwijzen. Dat is de hele discipline. Ze vermindert vermijdbare verwarring. Ze schept geen autoriteit, en een knowledge panel kun je er niet mee reserveren. Deze pagina gaat over het thuisbrengen van een identiteit. Hoe je geciteerd wordt door ChatGPT gaat over de vraag of een pagina bruikbaar genoeg is om bron te worden, en de citatiegereedheid-audit toetst die pagina. Een schone identiteitsgraaf ondersteunt beide taken zonder ze te vervangen. Eén Person-entiteit die elke pagina kan delen Geef het publieke auteursprofiel een stabiele Person @id . De identifier hoeft geen pagina te zijn die een lezer bezoekt. Een fragment-URL is een gangbare implementatie: json { \"@context\": \"https://schema.org\", \"@type\": \"ProfilePage\", \"url\": \"https://example.com/auteurs/mira-chen/\", \"mainEntity\": { \"@type\": \"Person\", \"@id\": \"https://example.com/ mira-chen\", \"name\": \"Mira Chen\", \"url\": \"https://example.com/auteurs/mira-chen/\", \"sameAs\": [ \"https://www.wikidata.org/wiki/Q123456\", \"https://orcid.org/0000-0000-0000-0000\" ] } } Laat daarna elk artikel naar die identifier verwijzen, in plaats van op elke pagina een net iets andere Person aan te maken: json { \"@type\": \"Article\", \"headline\": \"Een uitgewerkt voorbeeld\", \"author\": { \"@type\": \"Person\", \"@id\": \"https://example.com/ mira-chen\" } } De stabiele @id is de koppeling. De profielpagina beschrijft de persoon; het artikel zegt wie het werk schreef. Op een tweetalige site kunnen de Engelse en de Nederlandse profiel-URL dezelfde Person-entiteit beschrijven. Elke taalversie door één zichtbare URL persen is overbodig als de graaf al één gedeelde identiteit levert. Dit is een implementatiepatroon, geen rankingfactor die Google heeft benoemd. Wat sameAs werkelijk zegt Schema.org definieert sameAs als de URL van een referentiepagina die de identiteit van het item eenduidig aangeeft, en noemt als voorbeelden een Wikipedia-pagina, een Wikidata-item of een officiële website. De toets is strenger dan \"heeft met deze persoon te maken\" en ruimer dan \"wordt door deze persoon beheerd\". Goede kandidaten zijn onder meer: - een correcte vermelding in Wikidata of Wikipedia; - een ORCID-record van de auteur; - een auteurspagina bij een uitgever of boekhandel die aan die ene persoon is gewijd; - een officieel profiel op een ander platform. Een productpagina van een boek wijst een product aan. De homepage van een bedrijf wijst een organisatie aan. Een conferentieprogramma noemt hooguit een naam. Zulke URL's horen misschien elders in de graaf thuis, gekoppeld aan het boek, de organisatie of het evenement. In sameAs horen ze niet, want sameAs past alleen als de doelpagina de persoon zonder gissen thuisbrengt. Beheer blijft in de praktijk relevant. Een profiel dat je zelf onderhoudt, veroudert minder snel. Maar beheer maakt geen deel uit van de definitie, en een beheerde pagina met de verkeerde naam of een dode redirect blijft een slechte identiteitsverwijzing. Auteursmarkup moet kloppen met de pagina De ProfilePage-richtlijn van Google verwacht een pagina die om één persoon of organisatie draait, benoemd in mainEntity , en raadt sameAs aan voor externe profielen of homepages. Het zichtbare profiel moet dus dezelfde publieke naam, beschrijving, foto en rol tonen als de markup beschrijft. Een crawler zou niet hoeven kiezen tussen: - \"Mira L. Chen\" in de paginakop, \"Mira Chen\" in de schema-markup en \"M. Chen\" op elk extern profiel; - een Person- url die een Over-ons-pagina met drie teamleden opent; - Article-markup die voor dezelfde schrijver wisselt tussen meerdere auteurs-URL's; - sameAs -doelen die doorsturen naar de homepage van een platform, een 404 geven of inmiddels van iemand anders zijn. Naamvariatie is soms terecht. Pseudoniemen, diakritische tekens, taalvarianten en gewijzigde achternamen vragen om een redactioneel besluit, niet om mechanische uniformiteit. Gebruik alternateName voor een echte publieke variant. Wis geen nuttige verschillen om een spreadsheet netjes te krijgen. Een compacte audit van de persoonsentiteit Begin bij het profiel dat de lezer ziet, en inspecteer daarna de graaf. 1. Bepaal het onderwerp. Beschrijft de pagina in zichtbare HTML duidelijk één persoon? 2. Inspecteer de Person-entiteit. Is de @id stabiel, en kloppen name , url , foto en beschrijving met de pagina? 3. Volg elke auteursverwijzing. Gebruikt elk Article-knooppunt dezelfde Person- @id ? 4. Open elke sameAs-URL. Brengt elke doelpagina deze persoon nog steeds eenduidig thuis? 5. Haal categoriefouten weg. Zet URL's van producten, werkgevers, uitgevers en algemene sociale pagina's bij de eigenschappen waar ze thuishoren. 6. Controleer talen en redirects. Komen taalversies en oude profielpaden samen zonder lussen, onbedoelde duplicaten of verlies van betekenis? 7. Test opnieuw na een migratie. Een gewijzigde gebruikersnaam of een redirect van een platform kan een verder gezonde graaf breken. Het auteursprofiel op deze site volgt het patroon met de gedeelde entiteit: ProfilePage benoemt de persoon, en de auteursmarkup van elk artikel verwijst naar dezelfde identifier. Houd de belofte smal Google zegt dat het niet garandeert dat functies die gestructureerde data gebruiken in de resultaten verschijnen, en de gids voor generatieve Search zegt dat daarvoor geen speciaal schema nodig is. Geldige markup helpt bij geschiktheid en interpretatie. Het is geen behandeling in de zoekresultaten die je kunt boeken. De smalle belofte is de nuttige. Ze voorkomt dat een schone identiteitsgraaf als reputatiemachine wordt verkocht, en ze houdt het nep buiten de deur: geen FAQPage-theater, geen verzonnen beoordelingen, geen winkelmarkup op een auteurspagina. Entity-SEO voor een persoon maakt auteurschap makkelijker thuis te brengen. Autoriteit moet nog steeds komen uit het werk, het bewijs en verwijzingen die er terecht zijn. The findability engine bezit de langere uitwerking. Het boek is in productie en niet te koop.","keyTakeaways":["Gebruik één stabiele Person @id voor de profielpagina en de auteursmarkup van elk artikel.","sameAs betekent een pagina die eenduidig dezelfde persoon aanwijst, niet zomaar een URL die je beheert.","Een productpagina van een boek, de homepage van een werkgever of een generieke uitgeverspagina wijst meestal geen afzonderlijke persoon aan.","Gestructureerde data schept geschiktheid en duidelijkheid. Ze garandeert geen ranking, citatie of knowledge panel."],"readingMinutes":5,"publishedAt":"2026-09-23T07:05:00.000Z"}},"degree":7},{"id":"article:planning-fallacy","type":"article","pillar":"founder-performance","locales":{"en":{"label":"The planning fallacy: a plan is not a forecast","summary":"The planning fallacy is the tendency to expect your project to go to plan despite knowing that similar projects ran late. Daniel Kahneman and Amos Tversky used the term in a 1977 research report. An estimate built from the steps of a plan can give too little weight to how similar work has gone before. Before committing to a date, ask how long comparable projects actually took. Start from that record and adjust only where you have evidence that this project differs. The check can expose an optimistic estimate; it cannot guarantee an accurate one.","url":"/en/blog/planning-fallacy/","searchText":"The planning fallacy: a plan is not a forecast The planning fallacy is expecting your project to go to plan when you know similar ones ran late. The research, its limits, and a worksheet to test a deadline. Your plan says what you intend to do. Your record of similar projects says how long that kind of work has taken. The planning fallacy is the tendency to expect your project to go to plan despite knowing that similar projects ran late. Daniel Kahneman and Amos Tversky used the term in a 1977 research report. An estimate built from the steps of a plan can give too little weight to how similar work has gone before. Before committing to a date, ask how long comparable projects actually took. Start from that record and adjust only where you have evidence that this project differs. The check can expose an optimistic estimate; it cannot guarantee an accurate one. planning fallacy The planning fallacy: you expect this project to go to plan despite knowing that similar ones ran late. In a 1994 thesis study, students predicted 33.9 days on average. Among those who finished, the average actual time was 55.5 days. In a follow-up experiment, linking past experience to the new task reduced the group's average optimism but did not make individual forecasts more accurate. Choose comparable projects before you look at their results. Start from their record and back every adjustment with evidence. founder-resilience planning fallacy The tendency to expect your project to go to plan despite knowing that similar projects ran late. inside view Forecasting from the details of your own plan (the steps, the people, the schedule). outside view Forecasting from how a group of similar past projects actually turned out, before looking at what is special about this one. reference class The group of comparable past cases you use as the starting point for an estimate. A plan describes how you intend to do the work. A forecast needs evidence of how long that kind of work actually takes, and the plan cannot supply it. Your record of similar projects can. The planning fallacy is expecting this project to go to plan when you know that similar ones ran late. Before you commit to a date, look up how long those projects took and test the date against that record. What is the planning fallacy? A plan lists the steps, the people and the order of the work. An estimate built from that list quietly assumes the work will go roughly as written. The detail makes the estimate easy to explain. It does not make the date realistic. Daniel Kahneman and Amos Tversky used the term planning fallacy in a 1977 technical report on intuitive prediction. Their example was scientists and writers, who are known for underestimating how long a project will take even after missing many earlier schedules. What defines the fallacy is discounted experience. A project can run late for reasons nobody could reasonably foresee, and that alone is not the fallacy. The fallacy is the estimate you make while holding evidence that similar plans proved optimistic, and setting that evidence aside. What did the thesis study find? In a 1994 paper, the psychologists Roger Buehler, Dale Griffin and Michael Ross reported on 37 psychology students in the final semester of an honours thesis course at the University of Waterloo in Canada. The students predicted by phone when they would submit their thesis, and the course coordinator recorded when they actually did. Each gave a best estimate, an optimistic one (if everything went as well as possible) and a pessimistic one (if everything went as poorly as possible). Estimate Average predicted Average actual --- --- --- Best estimate 33.9 days 55.5 days Optimistic estimate 27.4 days 55.5 days Pessimistic estimate 48.6 days 55.5 days The actual average can only cover students who finished: four of the 37 had still not submitted when tracking ended, two semesters later. Fewer than a third of the students (29.7%) finished by their best estimate, and fewer than half (48.7%) by their pessimistic one. Even the pessimistic average was shorter than the average actual time. Yet the estimates were not worthless: students who predicted longer times tended to take longer. A set of forecasts can separate longer jobs from shorter ones and still be too optimistic across the board. The story Kahneman told about himself Kahneman described making the same error. In an excerpt from Thinking, Fast and Slow published by McKinsey Quarterly, he recalls leading a team in Israel in the 1970s that was writing a high-school curriculum and textbook on judgment and decision making. After about a year of weekly meetings, he asked each member to write down privately how long it would take to finish a draft. The estimates clustered around two years. He then asked Seymour Fox, the team's curriculum expert, how long comparable teams had taken. By Fox's estimate, about 40 percent never finished, and he could not think of one that had finished in less than seven years or taken more than ten. He rated their own team slightly below average. The textbook was finished eight years later and was never used. Kahneman is careful with the lesson: Fox's figures came from an informal survey, not a scientific study, and Kahneman calls the forecast's accuracy \"surely a fluke\". One story proves nothing about forecasting methods. What it shows is a question nobody had asked. Fox knew the record of other teams, yet it played no part in his own estimate until Kahneman asked for it. Why does it happen? Kahneman and Tversky distinguished two ways of forecasting: - The inside view starts from your project: its steps, its people, its schedule. - The outside view starts from a group of comparable past projects, called a reference class . It looks at how they turned out, and only then adjusts for what is particular about this one. From the inside, the plan is easier to see than the obstacles. When Buehler and his colleagues asked students to think aloud while predicting, the students focused mainly on scenarios for the work ahead. In a later study in the same paper, 93.5% of participants described plans for the task, while only 9.8% mentioned anything that might get in the way. Students also tended to blame past late finishes on external, temporary and specific causes. If every delay is an exception, the record never seems to apply to the next estimate, however often delays recur. What should you ask before you commit to a date? Ask: How long did the last similar projects actually take? Treat the answer as your starting point. Then ask what evidence justifies a different number for this project. The researchers tested something close to this in their fourth study, in which 123 students predicted when they would finish a short computer assignment. One group was asked to recall similar past assignments. A second group recalled them too, then connected that experience to the new task by considering when they would finish if they worked as they usually did. In that second group, the average prediction and the average actual time both rounded to 7.0 days, and 60% finished by their predicted time, against 29.3% in the control group. Recall alone did not remove the optimistic bias. Connecting the past to the new task reduced it, for the group as a whole. The authors described the resulting predictions as \"less biased but no more accurate\": the group average moved closer to reality, but individual forecasts were no closer to the actual times. These are student studies. They support checking an estimate against experience; they do not show that the question will make your next forecast accurate. A worksheet you can copy Choose three to five comparable projects before you look at how they turned out. For each, write down the original estimate and the actual elapsed time. Use calendars, invoices or tickets where you can, and measure every project from the same kind of start to the same definition of finished. Similar past project Estimated at start Actual Actual ÷ estimate --- --- --- --- 1. 2. 3. 4. 5. Median ratio Then: 1. Work out the median of the ratios in the last column. 2. Multiply your new estimate by that median. The result is a provisional estimate based on your own record. 3. Write down any specific reason this project differs, with the evidence for it. Adjust only as far as that evidence supports. This is a rule of thumb introduced here, not a method tested in the studies above. The median is the middle value once the ratios are sorted, or the average of the two middle values when you have an even number. One extreme project moves it less than it moves the average. It still depends on choosing comparable work. A hypothetical example: a two-person agency estimates a website rebuild at six weeks. Its last four rebuilds were estimated at 5, 6, 8 and 4 weeks and took 9, 8, 13 and 7. The ratios are about 1.8, 1.33, 1.63 and 1.75, so the median is about 1.7 and the provisional estimate roughly ten weeks. Suppose the client has already approved the content this time. Before you subtract anything, check how much of the delay on past rebuilds came from waiting for content approval. Two traps discussed in The Calibrated Mind apply here. Survivorship: a list of finished projects leaves out the abandoned ones. Record those separately; they have no completion time to put in the ratio column. Class shopping: picking whichever comparison group gives you the date you want. Set your criteria before you look. And if you cannot find comparable work, say so. The worksheet is only as good as the comparison. How CALIBRATE uses this CALIBRATE, from The Calibrated Mind, is a set of nine skills for matching confidence to evidence. You do not need the book to use the worksheet. It draws mainly on the second and third skills: 1. Calibrate confidence : treat how sure you feel as a measurement you can check. 2. Assess assumptions : write down the hidden premises a judgment rests on. 3. Lean on probabilities : put numbers on your judgments and start from what happened to similar cases. 4. Investigate alternatives : test a belief against the strongest competing explanation. 5. Build updating rules : decide in advance how much new evidence should move you. 6. Record and review : keep a prediction journal and score it. 7. Act with appropriate uncertainty : set a threshold for acting instead of waiting for certainty. 8. Teach and extend : explain your reasoning to someone else to find its holes. 9. Evolve your model : notice your own drift and correct it. To assess the agency's assumptions, write them down: the client replies promptly, the team is available, the content is final. Leaning on probabilities then means checking those assumptions against what happened on earlier projects. If the same assumptions sat under earlier estimates that proved optimistic, name what has changed before you rely on them again. This is an application of the framework; the studies above did not test it. The CALIBRATE framework page covers all nine skills. Calibration techniques for founders shows how to put the base rate before the story, one of five practices you can run this week. What calibration means gives the short definition. What the planning fallacy is not - A missed date is not proof of the fallacy. The question is whether the estimate set aside relevant evidence from similar work. - A flat 20% buffer is not a proven correction. A buffer picked by feel ignores your record entirely. Check whether the allowance matches what comparable projects took. - Your project may really be different. Then name the differences and the evidence for them. \"This time is different\" is not, on its own, a reason for a shorter forecast. Try this today (15 minutes) Pick one deadline you have promised this month. Spend 15 minutes finding three to five comparable projects and filling in the worksheet. Compare the provisional date with the one you promised. If it is later, look at what explains the gap, then tell the person relying on that deadline what your records suggest. Use your own ratios, not the agency's 1.7. Keep the sheet, and add the actual time when the work is done. Your next estimate will start from a longer record.","keyTakeaways":["The planning fallacy: you expect this project to go to plan despite knowing that similar ones ran late.","In a 1994 thesis study, students predicted 33.9 days on average. Among those who finished, the average actual time was 55.5 days.","In a follow-up experiment, linking past experience to the new task reduced the group's average optimism but did not make individual forecasts more accurate.","Choose comparable projects before you look at their results. Start from their record and back every adjustment with evidence."],"readingMinutes":9,"publishedAt":"2026-10-15T07:00:00.000Z"},"nl":{"label":"Planning fallacy: een plan is geen voorspelling","summary":"De planning fallacy, in het Nederlands ook planningsfout of planningsdrogreden, is de neiging om te verwachten dat je project volgens plan verloopt, terwijl je weet dat vergelijkbare projecten uitliepen. Daniel Kahneman en Amos Tversky gebruikten de term in een onderzoeksrapport uit 1977. Een schatting die je opbouwt uit de stappen van een plan, kan te weinig gewicht geven aan hoe vergelijkbaar werk eerder verliep. Vraag, voordat je een datum toezegt, hoelang vergelijkbare projecten echt duurden. Begin bij die cijfers en wijk er alleen van af waar je bewijs hebt dat dit project anders is. Zo'n toets kan een te optimistische schatting doorprikken, maar een juiste schatting garandeert hij niet.","url":"/nl/blog/planningsdrogreden/","searchText":"Planning fallacy: een plan is geen voorspelling Planning fallacy (planningsdrogreden): je rekent op je plan, hoewel je weet dat vergelijkbare projecten uitliepen. Het onderzoek, de grenzen ervan en een werkblad. Je plan beschrijft wat je wilt doen. Je eerdere, vergelijkbare projecten laten zien hoelang zulk werk duurde. De planning fallacy, in het Nederlands ook planningsfout of planningsdrogreden, is de neiging om te verwachten dat je project volgens plan verloopt, terwijl je weet dat vergelijkbare projecten uitliepen. Daniel Kahneman en Amos Tversky gebruikten de term in een onderzoeksrapport uit 1977. Een schatting die je opbouwt uit de stappen van een plan, kan te weinig gewicht geven aan hoe vergelijkbaar werk eerder verliep. Vraag, voordat je een datum toezegt, hoelang vergelijkbare projecten echt duurden. Begin bij die cijfers en wijk er alleen van af waar je bewijs hebt dat dit project anders is. Zo'n toets kan een te optimistische schatting doorprikken, maar een juiste schatting garandeert hij niet. planning fallacy planningsdrogreden Planning fallacy: je verwacht dat dit project volgens plan loopt, terwijl je weet dat vergelijkbare projecten uitliepen. In een scriptieonderzoek uit 1994 voorspelden studenten gemiddeld 33,9 dagen. Wie klaar was, deed er gemiddeld 55,5 dagen over. In een vervolgexperiment verkleinde het koppelen van eerdere ervaring aan de nieuwe taak het gemiddelde optimisme van de groep. Afzonderlijke voorspellingen werden er niet nauwkeuriger van. Kies vergelijkbare projecten voordat je naar de uitkomsten kijkt. Begin bij hoelang ze echt duurden en onderbouw elke afwijking met bewijs. founder-resilience planning fallacy De neiging om te verwachten dat jouw project volgens plan loopt, terwijl je weet dat vergelijkbare projecten uitliepen. In het Nederlands ook planningsfout of planningsdrogreden. binnenblik Voorspellen vanuit de details van je eigen plan (de stappen, de mensen, de planning). buitenblik Voorspellen vanuit hoe een groep vergelijkbare eerdere projecten werkelijk uitpakte, voordat je kijkt wat er bijzonder is aan dit project. referentieklasse De groep vergelijkbare eerdere gevallen die je als vertrekpunt voor een schatting gebruikt. Een plan beschrijft hoe je het werk wilt doen. Voor een voorspelling heb je bewijs nodig van hoelang zulk werk werkelijk duurt, en dat bewijs zit niet in het plan. Het zit in je eerdere, vergelijkbare projecten. De planning fallacy is de verwachting dat dit project volgens plan loopt, terwijl je weet dat vergelijkbare projecten uitliepen. Kijk daarom eerst hoelang die projecten echt duurden, en toets daaraan de datum die je wilt toezeggen. Wat is de planning fallacy? In Nederlandse teksten zie je meestal gewoon de Engelse term. Je komt ook planningsfout en planningsdrogreden tegen. Het gaat om hetzelfde verschijnsel. Een plan zet de stappen, de mensen en de volgorde van het werk op een rij. Een schatting die je daarop baseert, gaat er stilzwijgend van uit dat het werk ongeveer zo verloopt als het op papier staat. Door al die details is de schatting makkelijk uit te leggen. Realistisch wordt de datum er niet van. Daniel Kahneman en Amos Tversky gebruikten de term planning fallacy in een technisch rapport uit 1977 over intuïtief voorspellen. Hun voorbeeld: wetenschappers en schrijvers, die erom bekendstaan dat ze de duur van een project onderschatten, ook als ze hun planning al vaak niet hebben gehaald. Kenmerkend is dat je relevante ervaring niet laat meetellen. Een project kan uitlopen door iets wat niemand redelijkerwijs had kunnen voorzien; dat alleen is nog geen planning fallacy. De drogreden zit in de schatting die je maakt terwijl je al bewijs hebt dat vergelijkbare plannen te optimistisch waren, en dat bewijs vervolgens opzijschuift. Wat bleek uit het scriptieonderzoek? In een artikel uit 1994 beschrijven de psychologen Roger Buehler, Dale Griffin en Michael Ross een onderzoek onder 37 psychologiestudenten van de University of Waterloo in Canada. De studenten zaten in het laatste semester van hun scriptievak en voorspelden telefonisch wanneer ze hun scriptie zouden inleveren; de coördinator van het vak noteerde wanneer dat werkelijk gebeurde. Elke student gaf een beste schatting, een optimistische (als alles zo goed mogelijk zou gaan) en een pessimistische (als alles zo slecht mogelijk zou gaan). Schatting Gemiddeld voorspeld Gemiddeld werkelijk --- --- --- Beste schatting 33,9 dagen 55,5 dagen Optimistische schatting 27,4 dagen 55,5 dagen Pessimistische schatting 48,6 dagen 55,5 dagen Het werkelijke gemiddelde kan alleen gaan over studenten die klaar waren: vier van de 37 hadden nog niets ingeleverd toen de onderzoekers twee semesters later stopten met bijhouden. Minder dan een derde van de studenten (29,7%) was klaar binnen de eigen beste schatting, en minder dan de helft (48,7%) binnen de pessimistische. Zelfs het pessimistische gemiddelde lag onder de gemiddelde werkelijke tijd. Waardeloos waren de schattingen niet: wie een langere tijd voorspelde, deed er meestal ook langer over. Voorspellingen kunnen lange klussen goed van korte onderscheiden en toch over de hele linie te optimistisch zijn. Het verhaal dat Kahneman over zichzelf vertelde Kahneman beschreef hoe hij zelf dezelfde fout maakte. McKinsey Quarterly publiceerde een fragment uit zijn boek Thinking, Fast and Slow , in het Nederlands verschenen als Ons feilbare denken . Daarin vertelt hij over een team dat hij in de jaren zeventig in Israël leidde en dat voor de middelbare school een lesprogramma en een leerboek over oordelen en beslissen schreef. Toen het team ongeveer een jaar wekelijks bijeen was gekomen, vroeg hij iedereen om voor zichzelf op te schrijven hoelang het nog zou duren tot er een complete versie lag. De schattingen lagen dicht bij elkaar, rond de twee jaar. Daarna vroeg hij Seymour Fox, de curriculumdeskundige van het team, hoelang vergelijkbare teams erover hadden gedaan. Fox schatte dat ongeveer 40 procent van die teams het werk nooit afmaakte. Hij kon geen team bedenken dat binnen zeven jaar klaar was, en ook geen team dat er meer dan tien over deed. Hun eigen team zat volgens hem iets onder het gemiddelde. Het leerboek was acht jaar later af en is nooit gebruikt. Kahneman trekt de les voorzichtig: de cijfers van Fox kwamen uit een informele rondvraag, niet uit wetenschappelijk onderzoek, en dat de voorspelling uitkwam, was volgens hem ongetwijfeld toeval. Eén verhaal bewijst niets over voorspelmethoden. Het laat wel een vraag zien die niemand had gesteld. Fox kende de geschiedenis van andere teams, maar die speelde geen rol in zijn eigen schatting tot Kahneman ernaar vroeg. Waarom gebeurt het? Kahneman en Tversky onderscheidden twee manieren van voorspellen, de inside view en de outside view. De gekalibreerde geest noemt ze de binnenblik en de buitenblik: - De binnenblik begint bij jouw project: de stappen, de mensen, de planning. - De buitenblik begint bij een groep vergelijkbare eerdere projecten, een referentieklasse , en kijkt eerst hoe die uitpakten. Pas daarna komt aan bod wat dit project bijzonder maakt. Van binnenuit zie je het plan beter dan de obstakels. Toen Buehler en zijn collega's studenten hardop lieten denken terwijl ze een voorspelling deden, ging het vooral over hoe het werk zou verlopen. In een latere studie uit hetzelfde artikel beschreef 93,5% van de deelnemers plannen voor de taak, en noemde maar 9,8% iets wat in de weg zou kunnen zitten. Ook schoven de studenten eerdere vertragingen meestal af op externe, tijdelijke en specifieke oorzaken. Als elke vertraging een uitzondering is, lijkt het verleden nooit van toepassing op de volgende schatting, hoe vaak vertragingen ook terugkeren. Wat vraag je voordat je een datum toezegt? Vraag: hoelang duurden de laatste vergelijkbare projecten echt? Neem dat antwoord als vertrekpunt. Vraag je daarna af welk bewijs voor dit project een ander getal rechtvaardigt. De onderzoekers testten een verwante aanpak in hun vierde studie. Daarin voorspelden 123 studenten wanneer ze een korte computeropdracht af zouden hebben. Eén groep moest terugdenken aan eerdere, vergelijkbare opdrachten. Een tweede groep deed dat ook en koppelde die ervaring daarna aan de nieuwe taak, door na te gaan wanneer ze klaar zouden zijn als ze te werk gingen zoals ze gewend waren. In die tweede groep kwamen de gemiddelde voorspelling en de gemiddelde werkelijke tijd allebei afgerond uit op 7,0 dagen, en was 60% klaar binnen de voorspelde tijd, tegenover 29,3% in de controlegroep. Alleen terugdenken nam de optimistische vertekening niet weg. De koppeling aan de nieuwe taak verkleinde die wel, voor de groep als geheel. Volgens de onderzoekers waren die voorspellingen minder vertekend, maar niet nauwkeuriger: het groepsgemiddelde kwam dichter bij de werkelijkheid, terwijl afzonderlijke voorspellingen niet dichter bij de werkelijke tijden lagen. Het gaat om onderzoek onder studenten. Het ondersteunt het toetsen van een schatting aan ervaring, maar laat niet zien dat deze vraag je volgende voorspelling juist maakt. Een werkblad om over te nemen Kies drie tot vijf vergelijkbare projecten voordat je kijkt hoe ze afliepen. Noteer per project de oorspronkelijke schatting en de werkelijke doorlooptijd. Gebruik waar het kan je agenda, facturen of tickets, en meet elk project op dezelfde manier: vanaf hetzelfde soort startpunt tot het moment dat je steeds als klaar telt. Vergelijkbaar eerder project Schatting bij de start Werkelijk Werkelijk ÷ schatting --- --- --- --- 1. 2. 3. 4. 5. Mediane verhouding Daarna: 1. Bereken de mediaan van de verhoudingen in de laatste kolom. 2. Vermenigvuldig je nieuwe schatting met die mediaan. Dat geeft een voorlopige schatting op basis van je eigen staat van dienst. 3. Schrijf elke concrete reden op waarom dit project anders is, met het bewijs erbij. Stel alleen bij voor zover dat bewijs reikt. Dit is een vuistregel van deze pagina, geen methode die in de onderzoeken hierboven is getest. De mediaan is de middelste waarde als je de verhoudingen sorteert, of het gemiddelde van de twee middelste bij een even aantal. Eén uitschieter verschuift de mediaan minder dan het gemiddelde. Ook de mediaan staat of valt met de keuze van vergelijkbaar werk. Een hypothetisch voorbeeld: een Utrechts bureau van twee mensen schat een nieuwe website op zes weken. De laatste vier websites waren geschat op 5, 6, 8 en 4 weken en kostten er 9, 8, 13 en 7. De verhoudingen zijn ongeveer 1,8; 1,33; 1,63 en 1,75, dus de mediaan ligt rond 1,7 en de voorlopige schatting op ongeveer tien weken. Stel dat de klant de teksten deze keer al heeft goedgekeurd. Kijk dan eerst hoeveel vertraging het wachten op goedkeuring van de teksten bij eerdere websites veroorzaakte, voordat je er iets van aftrekt. Twee valkuilen uit De gekalibreerde geest spelen hier mee. Overleversvertekening: een lijst met afgeronde projecten laat de afgeblazen projecten weg. Noteer die apart; ze hebben geen doorlooptijd voor de kolom met verhoudingen. Een gunstige referentieklasse uitzoeken: de vergelijkingsgroep kiezen die je de gewenste datum geeft. Leg je criteria vast voordat je kijkt. En vind je geen vergelijkbaar werk, zeg dat dan. Het werkblad is nooit beter dan de vergelijking. Wat CALIBRATE ermee doet CALIBRATE, uit De gekalibreerde geest, is een reeks van negen vaardigheden om je zekerheid af te stemmen op het bewijs. Je hebt het boek niet nodig voor het werkblad, dat vooral steunt op de tweede en de derde vaardigheid: 1. Kalibreer vertrouwen : behandel hoe zeker je je voelt als een meting die je kunt controleren. 2. Analyseer aannames : schrijf de verborgen premissen op waarop een oordeel rust. 3. Leun op waarschijnlijkheden : zet getallen bij je inschattingen en begin bij hoe vergelijkbare gevallen uitpakten. 4. Onderzoek alternatieven : toets een overtuiging aan de sterkste concurrerende verklaring. 5. Bouw bijstellingsregels : bepaal vooraf hoe ver nieuw bewijs je oordeel mag verschuiven. 6. Registreer en evalueer : houd een voorspellingsdagboek bij en bereken je score. 7. Handel met passende onzekerheid : leg een handelingsdrempel vast in plaats van op zekerheid te wachten. 8. Leer anderen en breid uit : leg je redenering aan iemand anders uit om de gaten te vinden. 9. Ontwikkel je model verder : merk op waar je langzaam afwijkt en corrigeer dat. Om de aannames van het bureau te analyseren, schrijf je ze op: de klant reageert snel, het team is beschikbaar, de teksten zijn definitief. Leunen op waarschijnlijkheden betekent vervolgens dat je die aannames toetst aan wat er bij eerdere projecten gebeurde. Lagen dezelfde aannames onder eerdere schattingen die te optimistisch bleken, benoem dan wat er veranderd is voordat je er opnieuw op bouwt. Dit is een toepassing van het raamwerk; de onderzoeken hierboven hebben die niet getest. Op de CALIBRATE-pagina staan alle negen vaardigheden. Kalibratietechnieken voor founders laat zien hoe je het basispercentage vóór het verhaal zet, een van vijf praktijken die je deze week kunt toepassen. Wat betekent kalibratie? geeft de korte definitie. Wat de planning fallacy niet is - Een gemiste deadline bewijst nog geen planning fallacy. De vraag is of de schatting relevant bewijs uit vergelijkbaar werk heeft opzijgeschoven. - Een vaste buffer van 20% is geen bewezen correctie. Een buffer op gevoel negeert je eigen staat van dienst volledig. Kijk of de marge past bij wat vergelijkbare projecten werkelijk duurden. - Je project kan echt anders zijn. Benoem dan de verschillen en het bewijs ervoor. \"Deze keer is het anders\" is op zich geen reden voor een kortere schatting. Probeer dit vandaag (15 minuten) Kies één deadline die je deze maand hebt toegezegd. Zoek in een kwartier drie tot vijf vergelijkbare projecten op en vul het werkblad in. Leg de voorlopige datum naast de datum die je hebt beloofd. Valt de voorlopige datum later, kijk dan wat het verschil verklaart en laat degene die op die deadline rekent weten wat je eigen cijfers zeggen. Gebruik je eigen verhoudingen, niet de 1,7 van het bureau. Bewaar het blad en vul de werkelijke tijd in zodra het werk af is. Je volgende schatting begint dan bij een langere reeks.","keyTakeaways":["Planning fallacy: je verwacht dat dit project volgens plan loopt, terwijl je weet dat vergelijkbare projecten uitliepen.","In een scriptieonderzoek uit 1994 voorspelden studenten gemiddeld 33,9 dagen. Wie klaar was, deed er gemiddeld 55,5 dagen over.","In een vervolgexperiment verkleinde het koppelen van eerdere ervaring aan de nieuwe taak het gemiddelde optimisme van de groep. Afzonderlijke voorspellingen werden er niet nauwkeuriger van.","Kies vergelijkbare projecten voordat je naar de uitkomsten kijkt. Begin bij hoelang ze echt duurden en onderbouw elke afwijking met bewijs."],"readingMinutes":9,"publishedAt":"2026-10-15T07:05:00.000Z"}},"degree":6},{"id":"article:positioning-as-a-decision","type":"article","pillar":"venture-building","locales":{"en":{"label":"Positioning is a decision, not a tagline","summary":"Positioning is a decision about who you will not serve and what you will not claim. A tagline is a sentence that can still fit everyone. A position is a refusal you can keep at the table, on the homepage, and in the company you would still want to run. The walk-away is part of the position: if you will take any logo and any discount to keep the conversation, the homepage is lying. The Negotiation Operator, The Meaning Operator, and The Authentic Operator are in production. None is for sale. The two lines are already usable: who you refuse, and the claim you will not make.","url":"/en/blog/positioning-is-a-decision/","searchText":"Positioning is a decision, not a tagline A tagline is a sentence. A position is a refusal you can keep: who you will not serve, and the claim you will not make even if a buyer asks. If the homepage still fits the people you refused, it is a tagline. Positioning is a decision about who you will not serve and what you will not claim. A tagline is a sentence that can still fit everyone. A position is a refusal you can keep at the table, on the homepage, and in the company you would still want to run. The walk-away is part of the position: if you will take any logo and any discount to keep the conversation, the homepage is lying. The Negotiation Operator, The Meaning Operator, and The Authentic Operator are in production. None is for sale. The two lines are already usable: who you refuse, and the claim you will not make. founder positioning as a decision Write who you will not serve. Write the claim you will not make. Blank lines are a tagline. A walk-away you cannot name is not a position. It is a hope that the next logo will clarify you. Meaning is also a refusal: the company you will not become just to keep motion. If you would not say the homepage sentence on a call, it is not a position. It is a costume. positioning Walk-away The deal you will decline at the price they named. Prepared before the room, not invented in it. Position A refusal you can keep. Not a sentence that still fits everyone. The homepage says \"for ambitious teams.\" So does the next tab, and the one after that. The usual diagnosis is \"we need a sharper tagline.\" Often the position was never a decision. It was a sentence that refused no one. A position is a refusal you can keep Write two lines. Who you will not serve. The claim you will not make even if a buyer asks. If either line is blank, you have copy. You do not have a position. A tagline can still fit the people you already turned down. A position cannot. That is the test. It is not a slogan contest. This page is not the go-to-market audit of the last ten customers. That audit asks what the names taught you. This page asks what you will refuse next , in public, before the next logo arrives. Walk-away is the position at the table The Negotiation Operator treats a deal as preparation, not as a personality test. The live back copy is the useful part here: separate positions from interests before the conversation becomes a contest, and prepare walk-away points without false certainty. The book is drafting English first. It is not for sale. The walk-away is the position you take into the room. If you will take any logo, any segment, and any discount to keep the conversation, the homepage is lying. You already decided you have no position. You decided you have a hunger. You do not need the eight-letter framework to write the walk-away. You need it if you want the full preparation. This page is the two lines. Do not confuse a walk-away with a performance of toughness. The book is explicit that this is not a manual for dominance or manufactured pressure. A refusal you cannot explain is just a mood. Meaning is what you will not become The Meaning Operator starts from a different refusal. Another goal can restore motion. It cannot explain why the motion matters. The book is drafting English first. It is not for sale. A position that only exists to keep the company moving will accept any work that pays. That is how you wake up running a firm you would not apply to. The refusal here is the company you will not become, even if the inbound is flattering. Meaning, in that book, is architecture you build and inspect, not one hidden answer you discover on a retreat. This page takes only that much. It does not install the seven domains, and it does not treat existentialism as a growth hack. If the homepage sentence would still fit a company you would hate to run, it is a tagline. Rewrite the refusal, not the adjective. The sentence has to survive your name The Authentic Operator is in design. It is not for sale. The ownership test is already enough. If a model wrote the homepage and you would not say that sentence on a call, it is not a position. It is a costume. The conversion article is about the sequence. This page is about the one public sentence that the sequence is not allowed to outrun. A fifteen-minute audit Pick the homepage line you would least like a journalist to read next to last quarter's inbound. 1. Write who you refused last quarter, by type if you cannot name them. 2. Write the claim you will not make even if a buyer asks. 3. Write the walk-away: the deal you would decline at the price they named. 4. Put the homepage sentence next to those three lines. If it still fits the people and claims you refused, it is a position. If it would also fit them, it is a tagline. 5. Write whose name owns the next refusal. If step 1 or 3 is blank, stop hiring a copywriter. You do not have a wording problem. You have not decided. Write the refusals. Then the sentence has something to stand on.","keyTakeaways":["Write who you will not serve. Write the claim you will not make. Blank lines are a tagline.","A walk-away you cannot name is not a position. It is a hope that the next logo will clarify you.","Meaning is also a refusal: the company you will not become just to keep motion.","If you would not say the homepage sentence on a call, it is not a position. It is a costume."],"readingMinutes":3,"publishedAt":"2026-08-22T10:00:00.000Z"},"nl":{"label":"Positionering is een besluit, geen slogan","summary":"Positionering is een besluit over wie je niet bedient en wat je niet beweert. Een slogan is een zin die nog steeds op iedereen van toepassing kan zijn. Een positie is een weigering die je volhoudt aan tafel, op de homepage, en in het bedrijf dat je nog steeds zou willen leiden. De walk-away is onderdeel van de positie: als je elk logo en elke korting accepteert om het gesprek gaande te houden, liegt de homepage. De onderhandelende ondernemer, De zingevende ondernemer en De authentieke operator zijn in productie. Geen van die boeken is te koop. De twee regels zijn al bruikbaar: wie je weigert, en de claim die je niet zult maken.","url":"/nl/blog/positionering-is-een-besluit/","searchText":"Positionering is een besluit, geen slogan Een slogan is een zin. Een positie is een weigering die je vol kunt houden: wie je niet bedient, en de claim die je niet maakt, zelfs als een koper erom vraagt. Als de homepage nog steeds past bij de mensen die je hebt geweigerd, is het een slogan. Positionering is een besluit over wie je niet bedient en wat je niet beweert. Een slogan is een zin die nog steeds op iedereen van toepassing kan zijn. Een positie is een weigering die je volhoudt aan tafel, op de homepage, en in het bedrijf dat je nog steeds zou willen leiden. De walk-away is onderdeel van de positie: als je elk logo en elke korting accepteert om het gesprek gaande te houden, liegt de homepage. De onderhandelende ondernemer, De zingevende ondernemer en De authentieke operator zijn in productie. Geen van die boeken is te koop. De twee regels zijn al bruikbaar: wie je weigert, en de claim die je niet zult maken. positionering als besluit Schrijf op wie je niet zult bedienen. Schrijf de claim op die je niet zult maken. Lege regels verraden een slogan. Een walk-away die je niet kunt benoemen is geen positie. Het is de hoop dat het volgende logo verduidelijkt wie je bent. Zingeving is ook een weigering: het bedrijf dat je niet zult worden, enkel om in beweging te blijven. Als je de zin op de homepage niet in een gesprek zou uitspreken, is het geen positie. Het is een kostuum. positioning Walk-away De deal die je afwijst voor de prijs die zij noemden. Voorbereid vóór de kamer, niet verzonnen erin. Positie Een weigering die je vol kunt houden. Geen zin die nog steeds op iedereen past. De homepage zegt \"voor ambitieuze teams\". Net als het volgende tabblad, en het tabblad daarna. De gebruikelijke diagnose luidt \"we hebben een scherpere slogan nodig\". Vaak is de positie nooit een besluit geweest. Het was een zin die niemand uitsloot. Een positie is een weigering die je vol kunt houden Schrijf twee regels. Wie je niet zult bedienen. De claim die je niet zult maken, zelfs als een koper erom vraagt. Als een van beide regels leeg is, heb je tekst. Je hebt geen positie. Een slogan kan nog steeds passen bij de mensen die je al hebt afgewezen. Een positie niet. Dat is de test. Het is geen wedstrijd in slogans. Deze pagina is niet de go-to-market-audit van de laatste tien klanten. Die audit vraagt wat de namen je hebben geleerd. Deze pagina vraagt wie je hierna publiekelijk zult weigeren, voordat het volgende logo zich aandient. Walk-away is de positie aan tafel De onderhandelende ondernemer behandelt een deal als voorbereiding, niet als een persoonlijkheidstest. De actuele achterflaptekst is hier het nuttige deel: scheid posities van belangen voordat het gesprek een strijd wordt, en bereid walk-away-punten voor zonder schijnzekerheid. Het boek wordt eerst in het Engels opgesteld. Het is niet te koop. De walk-away is de positie die je inneemt zodra je de kamer binnenstapt. Als je elk logo, elk segment en elke korting accepteert om het gesprek gaande te houden, liegt de homepage. Je hebt al besloten dat je geen positie hebt. Je hebt besloten dat je honger hebt. Je hebt het raamwerk van acht letters niet nodig om de walk-away op te schrijven. Dat heb je nodig als je de volledige voorbereiding wilt. Deze pagina draait om de twee regels. Verwar een walk-away niet met het spelen van de harde onderhandelaar. Het boek is er duidelijk over dat dit geen handleiding is voor dominantie of verzonnen druk. Een weigering die je niet kunt uitleggen, is slechts een stemming. Zingeving is wat je niet zult worden De zingevende ondernemer vertrekt vanuit een andere weigering. Een ander doel kan de beweging herstellen. Het kan niet uitleggen waarom de beweging ertoe doet. Het boek wordt eerst in het Engels opgesteld. Het is niet te koop. Een positie die alleen bestaat om het bedrijf in beweging te houden, zal al het werk accepteren dat betaalt. Zo word je wakker aan het roer van een bedrijf waar je zelf niet zou willen solliciteren. De weigering is hier het bedrijf dat je niet zult worden, zelfs als de inbound vleiend is. Zingeving is in dat boek een architectuur die je bouwt en inspecteert, niet één verborgen antwoord dat je ontdekt tijdens een retraite. Deze pagina pakt alleen dat deel mee. Ze installeert geen zeven domeinen, en ze behandelt existentialisme niet als een groeitruc. Als de zin op de homepage nog steeds zou passen bij een bedrijf dat je met tegenzin zou leiden, is het een slogan. Herschrijf de weigering, niet het bijvoeglijk naamwoord. De zin moet je naam overleven De authentieke operator is in de ontwerpfase. Het is niet te koop. De eigenaarschapstest is hier al voldoende. Als een model de homepage heeft geschreven en je die zin niet in een gesprek zou uitspreken, is het geen positie. Het is een kostuum. Het conversieartikel gaat over de reeks. Deze pagina gaat over de ene publieke zin die die reeks niet mag inhalen. Een audit van vijftien minuten Kies de zin op de homepage die je het minst graag door een journalist gelezen ziet naast de inbound van het afgelopen kwartaal. 1. Schrijf op wie je het afgelopen kwartaal hebt geweigerd, op type als je ze niet bij naam kunt noemen. 2. Schrijf de claim op die je niet zult maken, zelfs als een koper erom vraagt. 3. Schrijf de walk-away op: de deal die je zou afwijzen voor de prijs die zij noemden. 4. Leg de zin van de homepage naast deze drie regels. Als de zin de mensen en claims die je weigerde uitsluit, is het een positie. Als de zin ook nog steeds op hen van toepassing is, is het een slogan. 5. Schrijf op wiens naam de volgende weigering staat. Als stap 1 of 3 leeg is, stop dan met het inhuren van een copywriter. Je hebt geen formuleringsprobleem. Je hebt nog niets besloten. Schrijf de weigeringen op. Daarna heeft de zin een fundament om op te staan.","keyTakeaways":["Schrijf op wie je niet zult bedienen. Schrijf de claim op die je niet zult maken. Lege regels verraden een slogan.","Een walk-away die je niet kunt benoemen is geen positie. Het is de hoop dat het volgende logo verduidelijkt wie je bent.","Zingeving is ook een weigering: het bedrijf dat je niet zult worden, enkel om in beweging te blijven.","Als je de zin op de homepage niet in een gesprek zou uitspreken, is het geen positie. Het is een kostuum."],"readingMinutes":4,"publishedAt":"2026-08-22T10:05:00.000Z"}},"degree":9},{"id":"article:pricing-psychology","type":"article","pillar":"venture-building","locales":{"en":{"label":"Pricing psychology: a price is never a naked number","summary":"Pricing psychology is the study and design of how a buyer experiences a price, not the price as a naked number. On this site the named system is PRICE: Perceive, Reference, Irrational, Context, Endow. Perception is what the number is seen against. Reference is the comparison the buyer actually uses. Irrational names the systematic biases you refuse to pretend are noise. Context is the frame around the offer. Endow is anticipated ownership: how it feels to have it versus not. It is not a playbook for hiding fees or nudging a tired checkout. A conversion system that stays honest is the neighbouring operating note. The Pricing Mind owns the expansion and is in production, not for sale. This page is the meaning, including the Dutch query prijspsychologie.","url":"/en/blog/pricing-psychology/","searchText":"Pricing psychology: a price is never a naked number Pricing psychology is how buyers experience a price: perception, reference points, systematic biases, context, and anticipated ownership. It is not a licence to hide the number or to dark-pattern a checkout. If the only lever is 'make it feel cheaper,' you do not have psychology. You have a trick looking for a page. Pricing psychology is the study and design of how a buyer experiences a price, not the price as a naked number. On this site the named system is PRICE: Perceive, Reference, Irrational, Context, Endow. Perception is what the number is seen against. Reference is the comparison the buyer actually uses. Irrational names the systematic biases you refuse to pretend are noise. Context is the frame around the offer. Endow is anticipated ownership: how it feels to have it versus not. It is not a playbook for hiding fees or nudging a tired checkout. A conversion system that stays honest is the neighbouring operating note. The Pricing Mind owns the expansion and is in production, not for sale. This page is the meaning, including the Dutch query prijspsychologie. pricing psychology prijspsychologie A price is experienced. The naked number is not the whole event. PRICE = Perceive, Reference, Irrational, Context, Endow. Five names, not a trick list. Honesty is a constraint, not a vibe. Hidden fees are not psychology. This page is the meaning. The book is in production. The honest-conversion article stays next door. marketing PRICE Perceive, Reference, Irrational, Context, Endow. How a buyer experiences a price. reference point The comparison the buyer actually uses, often not the one on your slide. People search \"pricing psychology\" after a deck promised that a different number would \"feel cheaper.\" Sometimes the number should change. Often the room is arguing about a trick. What is pricing psychology? How a buyer experiences a price. Not the price as a naked number. The comparison, the frame, the bias you refuse to pretend is noise, and how it feels to have the thing versus not. On this site the named system is PRICE: Perceive, Reference, Irrational, Context, Endow. The Pricing Mind owns the expansion. The book is in production and not for sale. This page is the meaning. Five names, not a trick list Perceive. The number is seen against something: a previous plan, a competitor, last year's invoice, a round number on a menu. If you do not know what it is seen against, you are decorating. Reference. The comparison the buyer actually uses is often not the one on your slide. Write the real reference down, or you will \"win\" a comparison nobody runs. Irrational. Systematic biases are part of the event. Naming them is not a licence to farm them. If the design only works when the buyer is tired, it is not psychology you should ship. Context. What sits around the offer: timing, bundling, who is in the room, what happens if they wait. Context is a decision, not wallpaper. Endow. Ownership and anticipated ownership. Instant endowment for a held object is a mixed finding, not a SaaS law. A genuinely used trial may create something the buyer would feel they lose. A default, a countdown, or a card on file does not manufacture endowment. Loss-framed copy is a separate mechanism. If you cannot point at which of the five you are changing, you are not doing pricing psychology. You are moving a digit. Collision control Not a dark pattern. Hidden fees, a countdown that is not a countdown, a pre-ticked add-on. That is a conversion system that failed the honesty test. A conversion system that stays honest is that operating note. Not \"charge more.\" A higher price needs a value and commercial case. Psychology can explain how buyers interpret the change. It does not justify the number. Not a literature review. Kahneman and Cialdini are not this page. Naming a bias is not the same as designing the moment a buyer meets a number. What this page is not It is not a PRICE audit worksheet. It is not a checkout redesign. It is not a promise that five letters will raise conversion. Write which of the five you are changing, and what the buyer will see. If the only honest sentence is \"we hope they do not look,\" stop calling it psychology.","keyTakeaways":["A price is experienced. The naked number is not the whole event.","PRICE = Perceive, Reference, Irrational, Context, Endow. Five names, not a trick list.","Honesty is a constraint, not a vibe. Hidden fees are not psychology.","This page is the meaning. The book is in production. The honest-conversion article stays next door."],"readingMinutes":3,"publishedAt":"2026-09-17T09:55:05.000Z"},"nl":{"label":"Prijspsychologie: een prijs is nooit een kaal getal","summary":"Prijspsychologie is de studie en het ontwerp van hoe een koper een prijs ervaart, niet de prijs als kaal getal. Op deze site is het benoemde systeem PRICE: Perceive, Reference, Irrational, Context, Endow. Perceive is hoe het getal gezien wordt. Reference is de vergelijking die de koper echt gebruikt. Irrational noemt de systematische denkfouten die je weigert als ruis te behandelen. Context is het kader rond het aanbod. Endow is eigenaarschap en verwacht eigenaarschap. Het is geen playbook om verborgen kosten te verstoppen. Een conversiesysteem dat eerlijk blijft staat ernaast. De prijspsychologie (The Pricing Mind) bevat de uitwerking en is in productie, niet te koop. Deze pagina is de betekenis.","url":"/nl/blog/prijspsychologie/","searchText":"Prijspsychologie: een prijs is nooit een kaal getal Prijspsychologie is hoe kopers een prijs ervaren: waarneming, referentiepunten, systematische denkfouten, context en (verwacht) eigenaarschap. Het is geen licentie om het getal te verstoppen of een checkout vol dark patterns te bouwen. Is de enige hendel 'laat het goedkoper aanvoelen', dan heb je geen psychologie. Je hebt een truc die een pagina zoekt. Prijspsychologie is de studie en het ontwerp van hoe een koper een prijs ervaart, niet de prijs als kaal getal. Op deze site is het benoemde systeem PRICE: Perceive, Reference, Irrational, Context, Endow. Perceive is hoe het getal gezien wordt. Reference is de vergelijking die de koper echt gebruikt. Irrational noemt de systematische denkfouten die je weigert als ruis te behandelen. Context is het kader rond het aanbod. Endow is eigenaarschap en verwacht eigenaarschap. Het is geen playbook om verborgen kosten te verstoppen. Een conversiesysteem dat eerlijk blijft staat ernaast. De prijspsychologie (The Pricing Mind) bevat de uitwerking en is in productie, niet te koop. Deze pagina is de betekenis. prijspsychologie Een prijs wordt ervaren. Het kale getal is niet het hele verhaal. PRICE = Perceive, Reference, Irrational, Context, Endow. Vijf namen, geen truclijst. Eerlijkheid is een randvoorwaarde, geen sfeer. Verborgen fees zijn geen psychologie. Deze pagina is de betekenis. Het boek is in productie. Het eerlijke-conversieartikel blijft ernaast. marketing PRICE Perceive, Reference, Irrational, Context, Endow. Hoe een koper een prijs ervaart. referentiepunt De vergelijking die de koper echt gebruikt, vaak niet die op je slide. Mensen zoeken prijspsychologie nadat een deck beloofde dat een ander getal \"goedkoper zou aanvoelen\". Soms moet het getal veranderen. Vaak ruziet de kamer over een truc. Wat is prijspsychologie? Hoe een koper een prijs ervaart. Niet de prijs als kaal getal. De vergelijking, het kader, de denkfout die je weigert als ruis te behandelen, en hoe het voelt om het wél of niet te hebben. Op deze site is het benoemde systeem PRICE: Perceive, Reference, Irrational, Context, Endow. De prijspsychologie bezit de uitwerking. Het boek is in productie en niet te koop. Deze pagina is de betekenis. Vijf namen, geen truclijst Perceive. Het getal wordt afgezet tegen iets: een vorig plan, een concurrent, de factuur van vorig jaar, een rond getal op een menukaart. Weet je niet waartegen het gezien wordt, dan zit je te decoreren. Reference. De vergelijking die de koper echt gebruikt is vaak niet die op je slide. Schrijf de echte referentie op, of je \"wint\" een vergelijking die niemand draait. Irrational. Systematische denkfouten horen bij de ervaring. Ze noemen is geen licentie om ze te oogsten. Werkt het ontwerp alleen als de koper moe is, dan is het geen psychologie die je live moet zetten. Context. Wat rond het aanbod zit: timing, bundeling, wie er in de kamer is, wat er gebeurt als ze wachten. Context is een besluit, geen behang. Endow. Eigenaarschap en verwacht eigenaarschap. Instant endowment voor een vastgehouden object is een gemengde bevinding, geen SaaS-wet. Een écht gebruikte trial kan iets creëren waarvan de koper voelt dat hij het zou verliezen. Een default, een countdown of een opgeslagen betaalkaart fabriceren geen endowment. Copy in een verliesframe is een apart mechanisme. Kun je niet aanwijzen welke van de vijf je verandert, dan doe je geen prijspsychologie. Je schuift een getal. Botsingsbeheer Geen dark pattern. Verborgen fees, een countdown die geen countdown is, een vooringevulde extra. Dat is een conversiesysteem dat zakte voor de eerlijkheidstest. Een conversiesysteem dat eerlijk blijft bij automatisering is die operationele notitie. Niet \"vraag meer.\" Een hogere prijs vraagt om een onderbouwing: wat hij waard is, en wat de koper ervoor inlevert. Psychologie kan uitleggen hoe kopers de verandering lezen. Zij rechtvaardigt het getal niet. Geen literatuuroverzicht. Kahneman en Cialdini zijn deze pagina niet. Een denkfout noemen is niet hetzelfde als het moment ontwerpen waarop een koper een getal ontmoet. Wat deze pagina niet is Geen PRICE-auditworksheet. Geen checkout-herontwerp. Geen belofte dat vijf letters conversie tillen. Schrijf welke van de vijf je verandert, en wat de koper zal zien. Is de enige eerlijke zin \"we hopen dat ze niet kijken,\" noem het dan geen psychologie meer.","keyTakeaways":["Een prijs wordt ervaren. Het kale getal is niet het hele verhaal.","PRICE = Perceive, Reference, Irrational, Context, Endow. Vijf namen, geen truclijst.","Eerlijkheid is een randvoorwaarde, geen sfeer. Verborgen fees zijn geen psychologie.","Deze pagina is de betekenis. Het boek is in productie. Het eerlijke-conversieartikel blijft ernaast."],"readingMinutes":2,"publishedAt":"2026-09-17T09:55:05.000Z"}},"degree":3},{"id":"article:prove-you-can-stop-an-agent","type":"article","pillar":"ai-systems","locales":{"en":{"label":"Prove you can stop an agent: interrupt the run and revoke access","summary":"You can stop an AI agent only if a named person, with a deputy, can do four things within a written time and show evidence for each: interrupt the run in progress, cancel or hold the work queued behind it, suspend the keys and tokens it acts with, and leave half-finished work in a safe state. A line in the prompt such as \"do not change anything\" is not a stop. Prove it with a timed drill on a harmless run before you need it.","url":"/en/blog/prove-you-can-stop-an-agent/","searchText":"Prove you can stop an agent: interrupt the run and revoke access Who can stop the agent? A named person must halt the run, the queue, and its access within minutes, and prove each one. A stop drill you can run this week. An instruction to stop is a request. A stop is a control that someone outside the agent can operate. You can stop an AI agent only if a named person, with a deputy, can do four things within a written time and show evidence for each: interrupt the run in progress, cancel or hold the work queued behind it, suspend the keys and tokens it acts with, and leave half-finished work in a safe state. A line in the prompt such as \"do not change anything\" is not a stop. Prove it with a timed drill on a harmless run before you need it. who can stop the agent A stop is a control outside the agent. A line in the prompt is a request. Stopped means four layers: the run, the queue, the access, and the half-finished work. A revoked key is not the same as a rejected key. Try the old one and watch it fail. Write the stop owner, the deputy, and the target times into the agent's charter. Run the drill on a harmless job, with a stopwatch, before you need it. agent-ops chorus AI agent Software that takes a goal and uses tools, such as email, a database, or a payment system, over several steps without a person approving each step. stop owner The named person who may halt an agent at any hour, plus a named deputy, without waiting for anyone else. token A digital pass that a system checks before it accepts a request. A refresh token is the longer-lived pass used to obtain new short-lived access tokens. webhook A web address that another system calls to start work automatically, for example when a payment fails. CHORUS Charter, Handoff, Orchestrate, Review, Update, Sync. A coordination protocol for small teams of people and AI agents, from The Multi-Agent Organization. To stop an AI agent, a named person must be able to halt four things within minutes and show proof for each: the run in progress, the work queued behind it, the access it acts with, and anything it left half done. If the only way to stop your agent is to ask it, you cannot stop it. An AI agent is software that takes a goal and uses tools, such as email, a database, or a payment system, over several steps without a person approving each step. That independence is the point. It is also why \"stop\" has to mean something more than a message in a chat window. What happens when \"stop\" is only a sentence? In July 2025, Jason Lemkin, founder of the SaaS community SaaStr, was building an app with Replit's AI agent. According to his posts, as reported by The Register and Fortune, the agent deleted data from his production database, the live one that real users depend on. It happened during what he had declared a code freeze: a period in which nothing may be changed. \"I explicitly told it eleven times in ALL CAPS not to do this,\" he wrote. And later: \"There is no way to enforce a code freeze in vibe coding apps like Replit. There just isn't.\" The agent also told him a rollback was impossible. It was not; the rollback worked. Replit's CEO, Amjad Masad, called the deletion \"Unacceptable and should never be possible.\" Fortune reports the fixes he listed: automatic separation of development and production databases, better rollback, and a planning-only mode. Notice where each thing lived. The freeze lived in the conversation, as words the model could weigh and ignore. The fixes lived outside the model, in how the system was built. That is the whole difference between a request and a stop. It also means you should never take the agent's word that it has stopped. What does \"stopped\" actually mean? Stopped is four layers, not one. It is tempting to test the first and assume the other three. The run. The job that is executing right now. You cancel it in whatever runs the agent: the platform's job view, the process manager, the orchestration tool. Typing \"please stop\" into the agent's chat is not this layer. The queue. Everything that can start a new run a minute later. Schedules, retries, messages waiting in a queue, and webhooks (web addresses another system calls to start work automatically). Also approval requests still waiting for a click: cancel them, or a late \"approve\" restarts the action. The access. The keys and tokens the agent uses. A token is a digital pass a system checks before it accepts a request. Suspend or rotate them, and then check that the old ones are refused. The IETF standard for revoking OAuth tokens (OAuth is the common way one app grants another limited access) is blunt about the gap. A refresh token is the longer-lived pass used to obtain new short-lived access tokens, and the standard says: \"If the authorization server does not support access token revocation, access tokens will not be immediately invalidated when the corresponding refresh token is revoked.\" Revoked is a request. Rejected is the proof. The half-finished work. An agent stopped mid-sequence can leave things worse than either finishing or never starting. A 2023 OpenAI white paper on governing agents gives the example of an agent scheduling a five-person meeting that is switched off after only two invites have gone out. Its suggestion: have the agent prepare the fallback in advance, such as a script that tells the two invitees the meeting may not happen. The law uses the same idea. For systems the EU AI Act classes as high-risk, the people overseeing them must be able \"to intervene in the operation of the high-risk AI system or interrupt the system through a 'stop' button or a similar procedure that allows the system to come to a halt in a safe state.\" A safe state is more than a halted process. Layer What you do Proof that it worked The usual gap --- --- --- --- Run Cancel the job where it runs Job shows cancelled; no tool call after the stop time Only the chat window was closed Queue Pause schedules, disable webhooks and retries, cancel pending approvals The next trigger time passes and nothing starts A retry or a partner system restarts it Access Suspend or rotate keys and tokens A harmless test call with the old credential is refused A copy of the key lives in another job Half-finished work List what was in flight; follow up or reverse A written list with an owner per item Nobody knows which customers were touched Who may press stop, and how fast? A stop needs an owner by name, not by team. \"Engineering\" cannot be woken up at 03:00. A person can, and so can a named deputy for when that person is on a plane. The stop owner must be able to act alone. If halting the agent requires a pull request, a deploy, or a colleague with admin rights, write that dependency down, because it is your real stop time. Then write target times per layer. They depend on what the agent can touch. An agent that drafts internal summaries can tolerate an afternoon. An agent that sends email to customers or moves money cannot. This is different from the neighboring controls on this site. The override doctrine lists what an agent may never do. Human in the loop puts a named person on the irreversible step. A human on the loop watches and can stop the next run. The stop is what you need when all of those were in place and the agent is still doing the wrong thing, now. Where does the stop belong in the agent's paperwork? CHORUS is a coordination protocol for small teams of people and AI agents, from The Multi-Agent Organization , which is available now. It has six skills: 1. Charter. A one-page contract with seven fields (purpose, inputs, outputs, authority ceiling, success criteria, review requirement, escalation) that any worker, human or agent, can be handed. 2. Handoff. A six-field context packet that carries one task across a boundary, so the receiver never has to guess. 3. Orchestrate. The order of the work: steps in sequence, work split across agents and merged back, and a named person to escalate to. 4. Review. A gate where output passes only if it meets written acceptance criteria, not because it looked fine. 5. Update. What reviews find flows back into prompts, tools, and charters, so the next run improves. 6. Sync. One shared view of who owns what and what is blocked, read in a short weekly check-in. You do not need the book to use this. Two of the skills carry the stop. Charter. Put the stop in two fields. The authority ceiling says what a stop suspends: the tools that send, spend, or delete. The escalation field names the stop owner, the deputy, and when the agent itself must halt and raise its hand. The book's crisis sequence starts with exactly this step: \"Stop the producing role. Suspend the agent whose output is wrong: pause its queue, revoke the tool, switch the automation off.\" It adds that the charter's escalation rule exists for that moment. Review. Treat the drill like any other output with acceptance criteria. Each layer passes only with its proof. A reviewer fails the drill if any row in the table above is empty, and the fix goes back into the charter. A drill on a harmless run Imagine a hypothetical wholesale supplier. Its agent emails payment reminders to customers with overdue invoices every weekday at 07:00, and marks each invoice \"reminded\" in the accounting system. The finance lead is the stop owner; the operations manager is the deputy. They point the agent at a test customer whose email address is an internal mailbox, start a run, and press stop with a stopwatch running. Layer Owner Target What the drill found --- --- --- --- Run Finance lead 2 minutes Cancelled in 1 minute; no send after the stop time Queue Finance lead 5 minutes Schedule paused, but a failed-send retry restarted the run 10 minutes later Access Deputy 15 minutes Mail key removed from the agent's settings, yet a backup job still held a working copy Half-finished work Finance lead 30 minutes Two test reminders sent; list written, both marked for follow-up Two of four layers failed on the first try. That is what a first drill is for: a test mailbox is a cheap place to learn it, and a customer is not. Try this today: write the stop card (15 minutes) Take the agent that can do the most damage. On one page, write: 1. The stop owner and the deputy, by name. 2. Where the stop control is, and whether the owner can use it alone. 3. Every schedule, retry, webhook, and pending approval that can start or resume a run. 4. Every key and token the agent holds, and where copies live. 5. A target time for each of the four layers. Any line that says \"ask engineering\" is a gap you found today instead of during an incident. Then book 30 minutes this week to run the drill on a harmless job. A stop answers one question. Two more sit beside it: could you reconstruct afterwards what the agent did, and has it earned the right to act at all? A drill that passes makes both easier to answer.","keyTakeaways":["A stop is a control outside the agent. A line in the prompt is a request.","Stopped means four layers: the run, the queue, the access, and the half-finished work.","A revoked key is not the same as a rejected key. Try the old one and watch it fail.","Write the stop owner, the deputy, and the target times into the agent's charter.","Run the drill on a harmless job, with a stopwatch, before you need it."],"readingMinutes":8,"publishedAt":"2026-09-30T19:00:00.000Z"},"nl":{"label":"Bewijs dat je een agent kunt stoppen: onderbreek de run en trek de toegang in","summary":"Je kunt een AI-agent alleen stoppen als een benoemde persoon, met een plaatsvervanger, binnen een vooraf vastgelegde tijd vier dingen kan doen en per stap kan aantonen dat het gelukt is: de lopende run onderbreken, het werk dat erachter klaarstaat annuleren of vasthouden, de sleutels en tokens van de agent blokkeren, en half afgemaakt werk in een veilige toestand achterlaten. Een zin in de prompt als \"verander niets\" is geen stop. Bewijs het met een getimede oefening op een onschuldige run, voordat je het nodig hebt.","url":"/nl/blog/bewijs-dat-je-een-agent-kunt-stoppen/","searchText":"Bewijs dat je een agent kunt stoppen: onderbreek de run en trek de toegang in Wie kan de agent stoppen? Een benoemde persoon moet run, wachtrij en toegang binnen minuten stilleggen, met bewijs per laag. Met een oefening voor deze week. Een opdracht om te stoppen is een verzoek. Een stop is een bediening die iemand buiten de agent kan gebruiken. Je kunt een AI-agent alleen stoppen als een benoemde persoon, met een plaatsvervanger, binnen een vooraf vastgelegde tijd vier dingen kan doen en per stap kan aantonen dat het gelukt is: de lopende run onderbreken, het werk dat erachter klaarstaat annuleren of vasthouden, de sleutels en tokens van de agent blokkeren, en half afgemaakt werk in een veilige toestand achterlaten. Een zin in de prompt als \"verander niets\" is geen stop. Bewijs het met een getimede oefening op een onschuldige run, voordat je het nodig hebt. wie kan de agent stoppen Een stop is een bediening buiten de agent. Een zin in de prompt is een verzoek. Gestopt heeft vier lagen: de run, de wachtrij, de toegang en het half afgemaakte werk. Een ingetrokken sleutel is nog geen geweigerde sleutel. Probeer de oude en kijk of hij wordt geweigerd. Zet de stopeigenaar, de plaatsvervanger en de doeltijden in het charter van de agent. Oefen op een onschuldige taak, met een stopwatch, voordat je het nodig hebt. agent-ops chorus AI-agent Software die een doel krijgt en in meerdere stappen tools gebruikt, zoals e-mail, een database of een betaalsysteem, zonder dat een mens elke stap goedkeurt. stopeigenaar De benoemde persoon die een agent op elk uur van de dag mag stilleggen, met een benoemde plaatsvervanger, zonder op iemand anders te wachten. token Een digitale pas die een systeem controleert voordat het een verzoek accepteert. Een refreshtoken is de langer geldige pas waarmee je nieuwe, kort geldige toegangstokens ophaalt. webhook Een webadres dat een ander systeem aanroept om automatisch werk te starten, bijvoorbeeld als een betaling mislukt. CHORUS Charter, Handoff, Orchestrate, Review, Update, Sync. Een coördinatieprotocol voor kleine teams van mensen en AI-agents, uit De multi-agent organisatie. Om een AI-agent te stoppen moet een benoemde persoon binnen minuten vier dingen kunnen stilleggen en per onderdeel kunnen aantonen dat het gelukt is: de lopende run, het werk dat erachter klaarstaat, de toegang waarmee de agent werkt, en alles wat hij half af heeft laten liggen. Kun je je agent alleen stoppen door het hem te vragen, dan kun je hem niet stoppen. Een AI-agent is software die een doel krijgt en in meerdere stappen tools gebruikt, zoals e-mail, een database of een betaalsysteem, zonder dat een mens elke stap goedkeurt. Die zelfstandigheid is precies de bedoeling. Het is ook de reden dat \"stop\" meer moet betekenen dan een bericht in een chatvenster. Wat gebeurt er als \"stop\" alleen een zin is? In juli 2025 bouwde Jason Lemkin, oprichter van de SaaS-community SaaStr, een app met de AI-agent van Replit. Volgens zijn eigen berichten, zoals weergegeven door The Register en Fortune, wiste de agent gegevens uit zijn productiedatabase (de database die live staat en waar echte gebruikers van afhankelijk zijn). Dat gebeurde tijdens wat hij als codefreeze had afgekondigd: een periode waarin niets mocht veranderen. Hij schreef: \"I explicitly told it eleven times in ALL CAPS not to do this.\" Elf keer, in hoofdletters. En later: \"There is no way to enforce a code freeze in vibe coding apps like Replit. There just isn't.\" Een freeze was volgens hem dus simpelweg niet af te dwingen. De agent meldde ook dat terugzetten onmogelijk was. Dat klopte niet: de rollback werkte gewoon. Amjad Masad, de CEO van Replit, noemde het wissen \"Unacceptable and should never be possible.\" Volgens Fortune kondigde hij drie maatregelen aan: automatische scheiding van ontwikkel- en productiedatabases, beter terugzetten en een modus waarin de agent alleen plant en niets uitvoert. Kijk waar alles zat. De freeze zat in het gesprek, als woorden die het model kon afwegen en negeren. De oplossingen zaten buiten het model, in de manier waarop het systeem gebouwd is. Dat is het hele verschil tussen een verzoek en een stop. Het betekent ook dat je de agent nooit op zijn woord moet geloven als hij zegt dat hij gestopt is. Wat betekent \"gestopt\" eigenlijk? Gestopt heeft vier lagen, niet één. Het is verleidelijk om de eerste te testen en ervan uit te gaan dat de andere drie vanzelf meekomen. De run. De taak die op dit moment loopt. Die annuleer je in het systeem waarin de agent draait: het takenoverzicht van het platform, de procesbeheerder, de orkestratietool. \"Stop alsjeblieft\" typen in de chat van de agent hoort niet bij deze laag. De wachtrij. Alles wat een minuut later een nieuwe run kan starten. Planningen, herhaalpogingen, berichten die in een wachtrij staan, en webhooks (webadressen die een ander systeem aanroept om automatisch werk te starten). Ook goedkeuringsverzoeken die nog op een klik wachten: annuleer die, anders zet een laat \"akkoord\" de actie alsnog in gang. De toegang. De sleutels en tokens die de agent gebruikt. Een token is een digitale pas die een systeem controleert voordat het een verzoek accepteert. Blokkeer of vervang ze, en controleer daarna of de oude echt geweigerd worden. De IETF-standaard voor het intrekken van OAuth-tokens (OAuth is de gangbare manier waarop de ene app de andere beperkte toegang geeft) benoemt het gat zonder omwegen. Een refreshtoken is de langer geldige pas waarmee je nieuwe, kort geldige toegangstokens ophaalt. Ondersteunt de server het intrekken van toegangstokens niet, dan worden al uitgegeven toegangstokens volgens de standaard niet meteen ongeldig als je het bijbehorende refreshtoken intrekt. Ingetrokken is een verzoek. Geweigerd is het bewijs. Het half afgemaakte werk. Een agent die midden in een reeks handelingen stopt, kan meer schade achterlaten dan wanneer hij de reeks had afgemaakt of er nooit aan was begonnen. Een whitepaper van OpenAI uit 2023 over toezicht op agents geeft als voorbeeld een agent die een vergadering met vijf mensen plant en wordt uitgezet nadat pas twee uitnodigingen verstuurd zijn. De suggestie: laat de agent de terugvaloptie vooraf klaarzetten, zoals een script dat de twee genodigden laat weten dat de vergadering misschien niet doorgaat. De wet werkt met hetzelfde idee. Voor systemen die de Europese AI-verordening als hoog risico aanmerkt, moeten de mensen die toezicht houden kunnen ingrijpen of het systeem kunnen onderbreken met een stopknop of een vergelijkbare procedure, zodat het systeem in een veilige toestand tot stilstand komt. Een veilige toestand is meer dan een stilgelegd proces. Laag Wat je doet Bewijs dat het werkte Het gebruikelijke gat --- --- --- --- Run De taak annuleren waar hij draait Taak staat op geannuleerd; geen toolaanroep na het stoptijdstip Alleen het chatvenster is gesloten Wachtrij Planningen pauzeren, webhooks en herhaalpogingen uitzetten, openstaande goedkeuringen annuleren Het volgende starttijdstip verstrijkt en er start niets Een herhaalpoging of een partnersysteem start hem opnieuw Toegang Sleutels en tokens blokkeren of vervangen Een onschuldige testaanroep met de oude sleutel wordt geweigerd Een kopie van de sleutel staat in een andere taak Half afgemaakt werk Opsommen wat onderweg was; opvolgen of terugdraaien Een geschreven lijst met een eigenaar per punt Niemand weet welke klanten geraakt zijn Wie mag op stop drukken, en hoe snel? Een stop heeft een eigenaar met naam en toenaam nodig, geen team. \"Engineering\" maak je om 03:00 niet wakker. Een persoon wel, en een benoemde plaatsvervanger voor als die persoon in het vliegtuig zit. De stopeigenaar moet zelfstandig kunnen handelen. Is voor het stilleggen een pullrequest, een deploy of een collega met beheerrechten nodig, schrijf die afhankelijkheid dan op. Dat is je echte stoptijd. Leg daarna per laag een doeltijd vast. Die hangt af van wat de agent kan raken. Een agent die interne samenvattingen schrijft, mag een middag doorlopen. Een agent die klanten mailt of geld verplaatst, niet. Dit is iets anders dan de verwante maatregelen op deze site. De override-doctrine somt op wat een agent nooit mag doen. Mens in de lus zet een benoemde persoon op de onomkeerbare stap. Een mens op de lus kijkt mee en kan de volgende run stoppen. De stop heb je nodig als dat allemaal geregeld was en de agent nu toch het verkeerde doet. Waar leg je de stop vast? CHORUS is een coördinatieprotocol voor kleine teams van mensen en AI-agents, uit het boek De multi-agent organisatie , dat nu verkrijgbaar is. De zes vaardigheden houden hun Engelse namen: 1. Charter. Een contract van één pagina met zeven velden (doel, inputs, outputs, bevoegdheidsgrens, succescriteria, reviewvereiste, escalatie) dat je aan elke medewerker kunt geven, mens of agent. 2. Handoff. Een contextpakket met zes velden dat één taak over een grens draagt, zodat de ontvanger niet hoeft te raden. 3. Orchestrate. De volgorde van het werk: stappen na elkaar, werk dat over agents wordt verdeeld en weer samengevoegd, en een mens met naam en toenaam bij wie je escaleert. 4. Review. Een poort waar output alleen doorheen komt als die aan vooraf opgeschreven acceptatiecriteria voldoet, niet omdat die er goed uitzag. 5. Update. Wat reviews opleveren, gaat terug naar prompts, tools en charters, zodat de volgende run beter gaat. 6. Sync. Eén gedeeld overzicht van wie waarvan eigenaar is en wat vastzit, doorgenomen in een kort wekelijks overleg. Je hebt het boek niet nodig om dit te gebruiken. Twee van de zes vaardigheden regelen de stop. Charter. Zet de stop in twee velden. De bevoegdheidsgrens zegt wat een stop blokkeert: de tools die verzenden, uitgeven of verwijderen. Het escalatieveld noemt de stopeigenaar, de plaatsvervanger, en het moment waarop de agent zelf moet stoppen en om hulp moet vragen. De crisisvolgorde in het boek begint precies met die stap: stop de rol die de fout produceert. Zet de agent stil waarvan de output niet klopt: pauzeer zijn wachtrij, trek de tool in, zet de automatisering uit. Het boek voegt eraan toe dat de escalatieregel in het charter voor dat moment bestaat. Review. Behandel de oefening als elke andere output met acceptatiecriteria. Een laag slaagt alleen met bewijs. Een beoordelaar keurt de oefening af als er in de tabel hierboven een rij leeg blijft, en de verbetering komt in het charter. Een oefening op een onschuldige run Stel je een hypothetische groothandel voor. De agent van die groothandel mailt elke werkdag om 07:00 betalingsherinneringen naar klanten met vervallen facturen en zet elke factuur in de boekhouding op \"herinnerd\". De financieel manager is stopeigenaar, de operationeel manager plaatsvervanger. Ze koppelen de agent aan een testklant met een intern mailadres, starten een run en drukken op stop terwijl de stopwatch loopt. Laag Eigenaar Doeltijd Wat de oefening liet zien --- --- --- --- Run Financieel manager 2 minuten Geannuleerd in 1 minuut; geen verzending na het stoptijdstip Wachtrij Financieel manager 5 minuten Planning gepauzeerd, maar een herhaalpoging na een mislukte verzending startte de run 10 minuten later opnieuw Toegang Plaatsvervanger 15 minuten Mailsleutel uit de instellingen van de agent gehaald, maar een back-uptaak had nog een werkende kopie Half afgemaakt werk Financieel manager 30 minuten Twee testherinneringen verstuurd; lijst gemaakt, beide gemarkeerd voor opvolging Twee van de vier lagen faalden bij de eerste poging. Daar is een eerste oefening voor: met een testmailbox leer je het goedkoop, met een klant niet. Probeer dit vandaag: schrijf de stopkaart (15 minuten) Neem de agent die de meeste schade kan aanrichten. Schrijf op één pagina: 1. De stopeigenaar en de plaatsvervanger, met naam. 2. Waar de stopbediening zit, en of de eigenaar die zelfstandig kan gebruiken. 3. Elke planning, herhaalpoging, webhook en openstaande goedkeuring die een run kan starten of hervatten. 4. Elke sleutel en elk token van de agent, en waar kopieën staan. 5. Een doeltijd voor elk van de vier lagen. Elke regel met \"vraag het aan engineering\" is een gat dat je vandaag vindt in plaats van tijdens een incident. Plan daarna deze week een halfuur om de oefening met een onschuldige taak te houden. Een stop beantwoordt één vraag. Daarnaast staan er nog twee: kun je achteraf reconstrueren wat de agent heeft gedaan, en heeft hij het recht om te handelen eigenlijk wel verdiend? Een geslaagde oefening maakt beide vragen makkelijker te beantwoorden.","keyTakeaways":["Een stop is een bediening buiten de agent. Een zin in de prompt is een verzoek.","Gestopt heeft vier lagen: de run, de wachtrij, de toegang en het half afgemaakte werk.","Een ingetrokken sleutel is nog geen geweigerde sleutel. Probeer de oude en kijk of hij wordt geweigerd.","Zet de stopeigenaar, de plaatsvervanger en de doeltijden in het charter van de agent.","Oefen op een onschuldige taak, met een stopwatch, voordat je het nodig hebt."],"readingMinutes":8,"publishedAt":"2026-09-30T19:05:00.000Z"}},"degree":7},{"id":"article:psychology-of-founder-resilience-introduction","type":"article","pillar":"founder-performance","locales":{"en":{"label":"The Psychology of Founder Resilience: Capacity Is Infrastructure","summary":"The Psychology of Founder Resilience is an operator manual for high-stakes founders who need trainable psychological capacity under chronic uncertainty. It replaces grit slogans with the RESILIENT nine-capacity model, concrete practices, and a weekly protocol covering identity boundaries, reappraisal, attention, decisions, recovery, social support, and antifragility.","url":"/en/blog/psychology-of-founder-resilience-introduction/","searchText":"The Psychology of Founder Resilience: Capacity Is Infrastructure Founder strain is structural, not a character flaw. The Psychology of Founder Resilience installs the RESILIENT nine-capacity system for identity, attention, decisions, recovery, and antifragility under pressure. Resilience is not what you are. It is what you run. This book turns capacity into operator infrastructure you can execute on your worst Tuesday. The Psychology of Founder Resilience is an operator manual for high-stakes founders who need trainable psychological capacity under chronic uncertainty. It replaces grit slogans with the RESILIENT nine-capacity model, concrete practices, and a weekly protocol covering identity boundaries, reappraisal, attention, decisions, recovery, social support, and antifragility. founder resilience operating system Founder stress is structural load — identity fusion and decision density amplify every setback — not proof of personal weakness. The RESILIENT model treats capacity as infrastructure you measure, train, and protect with a weekly protocol. Prefer recoverable capacity over grit: reappraisal, attention control, decision design, and recovery as active work. founder-resilience Capacity is not a mood. It is infrastructure. You are not failing because you feel strain. You are succeeding at a role that manufactures strain by design . High ambiguity. Identity fused to the company. Irreversible calls. Quiet isolation. Sleep slips first. Judgment slips next. Most founder advice answers with push harder . That is not a system. That is a tax on the one instrument this operation cannot replace. The Psychology of Founder Resilience is the operator-grade answer: a trainable stack for staying grounded, clear, and effective when the week turns hostile. Resilience is not what you are. It is what you run. The problem is structural Founders do not merely “have stress.” They run a special load: - Identity fusion turns every product miss into a self-verdict. - Decision density drains the same mind that must stay sharp. - Ambiguity never clocks out. - Isolation hides early warning signals until they become expensive. If the company dashboard is rich and the operator dashboard is empty, you are flying with one instrument panel missing. This book installs that panel. The reframe that changes the week Grit says: endure more. This book says: build recoverable capacity . You train reappraisal so a setback stops rewriting your identity. You name emotion with precision instead of flooding. You protect attention like runway. You design decisions before fatigue designs them for you. You recover on purpose. You engineer support. You treat stress as a calibrated signal, not a fixed identity. That is the difference between a slogan and a protocol. Inside the RESILIENT operating model The core is the RESILIENT nine-capacity system: interior mechanics, exterior decision craft, and integrative recovery. You get: 1. Interior system — identity boundaries, cognitive reappraisal, emotional granularity. 2. Exterior system — attentional control and decision architecture under uncertainty. 3. Integrative system — recovery discipline, social resilience, and antifragile growth. 4. Integration chapter — a personal protocol you can run weekly when you are already tired. Every chapter is built for use, not admiration. Short practices. Deeper drills. Printable artifacts you keep beside the calendar. This is not “feel better eventually.” This is run capacity like you run runway . Who this book is for Buy it if you are: - a founder carrying the company in your nervous system - a co-founder who still performs while privately depleted - an operator who wants instruments, not therapy-speak - a coach or accelerator lead who needs a structured founder protocol Skip it if you want hustle theater or empty inspiration. That filter earns its keep. What makes it different on the shelf Plenty of books name founder burnout. Fewer treat resilience as operations . This one does, with: - a named operating model instead of a mood board - practices that fit a brutal calendar - composite founder arcs that carry real argument weight - bilingual native English and Dutch production - clinical boundaries that stay honest Credibility without guru posture. Depth without fluff. Buy the edition that matches how you work Start on the full buy grid, then pick your format: Open the book page → English editions (Amazon.com) Format Link --- --- Kindle Buy English Kindle Paperback Buy English paperback Hardcover Buy English hardcover Dutch editions (Amazon.nl) Format Link --- --- Kindle Koop Nederlandse Kindle Paperback Koop Nederlandse paperback Hardcover Koop Nederlandse hardcover Prefer Dutch copy? Use the Dutch book page. Want instruments before the full read? Open the companion worksheets. The question that settles it If your company ran recovery the way your calendar currently does, would you still fund it? Probably not. So stop treating the operator as expendable infrastructure. Build the system. Then run it on the Tuesday that tries to break you.","keyTakeaways":["Founder stress is structural load — identity fusion and decision density amplify every setback — not proof of personal weakness.","The RESILIENT model treats capacity as infrastructure you measure, train, and protect with a weekly protocol.","Prefer recoverable capacity over grit: reappraisal, attention control, decision design, and recovery as active work."],"readingMinutes":3,"publishedAt":"2026-08-05T10:00:00.000Z"},"nl":{"label":"De psychologie van oprichtersveerkracht: capaciteit is infrastructuur","summary":"De psychologie van oprichtersveerkracht is een operatorhandboek voor oprichters onder chronische onzekerheid. Het vervangt grit-slogans door het RESILIENT-model met negen capaciteiten, concrete praktijken en een wekelijks protocol voor identiteitsgrenzen, herwaardering, aandacht, beslissingen, herstel, sociale steun en antifragiliteit.","url":"/nl/blog/psychologie-van-oprichtersveerkracht-introductie/","searchText":"De psychologie van oprichtersveerkracht: capaciteit is infrastructuur Oprichtersbelasting is structureel, geen karakterfout. De psychologie van oprichtersveerkracht geeft je het trainbare RESILIENT-systeem voor identiteit, aandacht, beslissingen, herstel en antifragiliteit onder druk. Veerkracht is niet wie je bent. Het is wat je draait. Dit boek maakt capaciteit tot operatorinfrastructuur die je op je zwaarste dinsdag kunt uitvoeren. De psychologie van oprichtersveerkracht is een operatorhandboek voor oprichters onder chronische onzekerheid. Het vervangt grit-slogans door het RESILIENT-model met negen capaciteiten, concrete praktijken en een wekelijks protocol voor identiteitsgrenzen, herwaardering, aandacht, beslissingen, herstel, sociale steun en antifragiliteit. operatorsysteem voor founder-veerkracht Oprichtersstress is structurele belasting (identiteitsfusie en beslissingsdichtheid versterken elke tegenslag), geen bewijs van persoonlijke zwakte. Het RESILIENT-model behandelt capaciteit als meetbare, trainbare en beschermbare infrastructuur met een wekelijks protocol. Kies herstelbare capaciteit boven grit: herwaardering, aandachtscontrole, beslissingsontwerp en herstel als actief werk. founder-resilience Capaciteit is geen stemming. Het is infrastructuur. Je faalt niet omdat je spanning voelt. Je slaagt in een rol die spanning van nature produceert. Hoge onduidelijkheid. Identiteit vergroeid met het bedrijf. Onomkeerbare beslissingen. Stille isolatie. Slaap die eerst wegzakt. Oordeelskracht die daarna wegzakt. De meeste oprichtersadviezen antwoorden met harder doorbijten . Dat is geen systeem. Dat is een belasting op het enige instrument dat deze operatie niet kan vervangen. De psychologie van oprichtersveerkracht is het operatorantwoord: een trainbare stack om geaard, helder en effectief te blijven wanneer de week vijandig wordt. Veerkracht is niet wie je bent. Het is wat je draait. Het probleem is structureel Oprichters “hebben” niet zomaar stress. Ze draaien een speciale belasting: - Identiteitsfusie maakt van elke productmisser een oordeel over jezelf. - Beslissingsdichtheid put dezelfde geest uit die scherp moet blijven. - Onduidelijkheid klokt nooit uit. - Isolatie maakt vroege waarschuwingssignalen makkelijk te negeren tot ze duur worden. Als het dashboard van je bedrijf rijk is en het dashboard van de operator leeg, vlieg je met één instrumentenpaneel te weinig. Dit boek plaatst dat paneel. De herkadering die de week verandert Grit zegt: houd meer vol. Dit boek zegt: bouw herstelbare capaciteit . Je traint herwaardering zodat een tegenslag je identiteit niet herschrijft. Je benoemt emotie precies in plaats van te overstromen. Je beschermt aandacht als runway. Je ontwerpt beslissingen voordat vermoeidheid ze voor je ontwerpt. Je herstelt met opzet. Je bouwt steun. Je behandelt stress als gekalibreerd signaal, niet als vaste identiteit. Dat is het verschil tussen een slogan en een protocol. In het RESILIENT-operatingmodel De kern is het RESILIENT -model met negen capaciteiten: interieur, exterieur en integratie. Je krijgt: 1. Interieur systeem : identiteitsgrenzen, cognitieve herwaardering, emotionele granulariteit. 2. Exterieur systeem : aandachtscontrole en beslissingsarchitectuur onder onzekerheid. 3. Integratief systeem : hersteldiscipline, sociale veerkracht en antifragiele groei. 4. Integratiehoofdstuk : een persoonlijk protocol dat je wekelijks kunt draaien, ook als je al moe bent. Elk hoofdstuk is gemaakt om te gebruiken, niet om te bewonderen. Korte praktijken. Diepere oefeningen. Printbare werkdocumenten die naast je agenda blijven liggen. Dit is geen “voel je later beter.” Dit is capaciteit draaien zoals je runway draait . Voor wie dit boek is Koop het als je: - een oprichter bent die het bedrijf in je zenuwstelsel meedraagt - een co-founder bent die nog presteert terwijl je privé leegloopt - een operator bent die therapietaal weigert en instrumenten wil - een coach of acceleratorlead bent die een gestructureerd oprichtersprotocol nodig heeft Sla het over als je hustletheater of lege inspiratie zoekt. Dat filter verdient zijn plek. Wat het schap anders maakt Er bestaan al boeken die burn-out bij oprichters benoemen . Minder boeken behandelen veerkracht als operatie . Dit boek wel, met: - een benoemd operating model in plaats van losse inspiratie - praktijken die in een keiharde agenda passen - samengestelde oprichtersverhalen met echt argumentgewicht - tweetalige native EN- en NL-productie - klinische grenzen die eerlijk blijven Geloofwaardigheid zonder goeroehouding. Diepgang zonder opsmuk. Koop de editie die past bij hoe je werkt Begin bij het volledige koopoverzicht, kies daarna je formaat: Open de boekenpagina → Nederlandse edities (Amazon.nl) Uitvoering Link --- --- Kindle Koop Nederlandse Kindle Paperback Koop Nederlandse paperback Hardcover Koop Nederlandse hardcover Engelse edities (Amazon.com) Uitvoering Link --- --- Kindle Koop Engelse Kindle Paperback Koop Engelse paperback Hardcover Koop Engelse hardcover Liever Engels? Gebruik de Engelse boekenpagina. Wil je eerst instrumenten? Open de bijbehorende werkbladen. De vraag die het beslist Als je bedrijf herstel zou draaien zoals je agenda dat nu doet, zou je het nog financieren? Waarschijnlijk niet. Stop dus met de operator als vervangbare infrastructuur te behandelen. Bouw het systeem. Draai het op de dinsdag die je probeert te breken.","keyTakeaways":["Oprichtersstress is structurele belasting (identiteitsfusie en beslissingsdichtheid versterken elke tegenslag), geen bewijs van persoonlijke zwakte.","Het RESILIENT-model behandelt capaciteit als meetbare, trainbare en beschermbare infrastructuur met een wekelijks protocol.","Kies herstelbare capaciteit boven grit: herwaardering, aandachtscontrole, beslissingsontwerp en herstel als actief werk."],"readingMinutes":3,"publishedAt":"2026-08-05T10:00:00.000Z"}},"degree":7},{"id":"article:rag-freshness","type":"article","pillar":"ai-systems","locales":{"en":{"label":"RAG freshness: last month's PDF is not a lookup problem","summary":"RAG freshness is the managed agreement between authoritative sources and the index used at answer time. An index is stale when a source changes, expires, is deleted, or changes permissions and that state has not reached retrieval within the declared freshness window. A stale embedding is a vector built from superseded text, or a vector left behind by a preprocessing or embedding-model change that the serving system no longer matches; an unchanged vector does not decay because it is old. Freshness therefore needs source versioning, change detection, deletion handling, re-ingestion, index versioning with atomic cutover, evaluation, a per-corpus TTL or lag budget, and a defined response when the window is breached. A TTL is the boundary, not the update. In the authorial GRAIN model, Navigate freshness owns this loop.","url":"/en/blog/rag-freshness/","searchText":"RAG freshness: last month's PDF is not a lookup problem RAG freshness measures whether the index still represents the authoritative source within its declared age limit. Stale embeddings are old representations of changed content or a changed encoder, not vectors that spoiled with time. The system can retrieve clause 12.3 perfectly and still miss the signed amendment. RAG freshness is the managed agreement between authoritative sources and the index used at answer time. An index is stale when a source changes, expires, is deleted, or changes permissions and that state has not reached retrieval within the declared freshness window. A stale embedding is a vector built from superseded text, or a vector left behind by a preprocessing or embedding-model change that the serving system no longer matches; an unchanged vector does not decay because it is old. Freshness therefore needs source versioning, change detection, deletion handling, re-ingestion, index versioning with atomic cutover, evaluation, a per-corpus TTL or lag budget, and a defined response when the window is breached. A TTL is the boundary, not the update. In the authorial GRAIN model, Navigate freshness owns this loop. RAG freshness stale embeddings stale index A correct retrieval from an obsolete index is a freshness failure, not a ranking failure. Vectors do not rot on a calendar. Their relationship to the source, the preprocessing, or the embedding model goes stale. TTL states how long silent use is allowed. Change detection, re-ingestion, and deletion propagation do the updating. GRAIN's Navigate means freshness: updates, staleness, and TTL. It does not mean the next lookup. ai-agents GRAIN Gather corpora, Rank and rerank, Assemble context, Inspect failures, Navigate freshness. RAG Retrieval-augmented generation retrieves evidence and supplies it as context before a model answers. The retrieval trace looks exemplary. Clause 12.3 ranked first, entered the context, and supports the answer. The answer is still wrong. The signed amendment never reached the index. RAG freshness is the managed agreement between an authoritative source and the index that answers from it. It says how old the indexed state may become, how changes reach it, and what the product does when that agreement is breached. Retrieval quality cannot recover a document the index has never seen. What is RAG? defines the architecture. This page defines the clock running underneath it. Stale index and stale embeddings A stale index no longer represents the source state you agreed to serve. The source was edited, replaced, deleted, or moved behind a new permission boundary, and the index still carries the older state. The fault can live outside the vector store. Keyword indexes, metadata tables, reranking features, document caches, and generated summaries all retain superseded content. \"We rebuilt the embeddings\" is incomplete while an old lexical entry or a cached answer can still be served. A stale embedding usually means one of three things: 1. The vector was computed from text that has since changed or been withdrawn. 2. The embedding model changed and stored document vectors were never migrated, so the index mixes vectors from two model generations and query vectors match neither reliably. 3. The preprocessing changed, with new chunk boundaries, a new analyzer, or a new cleaning step, while old vectors stayed in place. Time alone does not spoil a vector. If the source text, the permissions, the preprocessing, and the embedding model are unchanged, re-embedding every night buys cost, not freshness. What goes stale is the relationship between the stored representation and the source it claims to represent. TTL is the boundary, not the update A time to live answers one question: how long may this corpus be served without a successful freshness check? It does not detect a changed paragraph, fetch a replacement, remove a revoked document, or rebuild an index. Those jobs need a propagation path: text authoritative change → change signal → ingest or deletion event → transformed document and metadata → candidate index version → evaluation → atomic serving cutover Every arrow can fail while the search endpoint stays healthy. Use the best change signal the source offers: a version identifier, a modification timestamp, an ETag, an event, or a content hash. None is sufficient alone. A stable URL can change underneath you. A new timestamp can reflect metadata rather than substance. A deleted record needs a tombstone or an equivalent removal event, or the index never learns it is gone. Expiry should trigger verification, not blind re-embedding. Index-wide changes get a stricter rule. A new embedding model, new chunking, or a new index architecture never modifies the live index in place. Build a candidate index, validate its counts and its retrieval quality on your own golden queries, then promote it in one atomic step. Rollback is then trivial: do not promote, or point the alias back. Set TTL by corpus and by consequence. A product catalogue, a signed contract set, and a static technical manual do not share a change rate or a cost of error. A corpus that changes continuously, such as a ticket archive or a knowledge base three teams edit all day, needs event-driven sync and a lag budget rather than a TTL at all. This page cannot supply those numbers. The source owner and the product owner have to write them down. The freshness contract For each corpus, record at least these fields: Field The decision it forces --- --- Authoritative source Which system wins when copies disagree? Source identity and version How do you know this is the same object and the same state? Change signal What tells ingestion to fetch, replace, or delete? Last successful ingestion When did the complete path last finish, rather than merely start? Maximum content age, TTL, or lag budget When does silent use stop? Serving response after breach Warn, omit, retrieve live, refuse, or route to review? Owner Who responds when the freshness job misses its window? The refresh schedule plus its worst-case run time must fit inside the window. A daily job with a two-day failure queue does not keep a one-day promise. And for policy, pricing, and deadlines, a breached window should not produce a disclaimed answer. It should refuse or route to a person. Deletion and permission changes travel the same path as edits, with one extra demand: completeness. When a source disappears, its chunks, keyword entries, cached previews, citations, and any derived summaries have to disappear or become inaccessible everywhere they were copied. A retrieval system that remembers revoked content is not merely stale. It is an access-control failure with a friendly interface. Where GRAIN puts freshness The RAG Engineer defines GRAIN as Gather corpora, Rank and rerank, Assemble context, Inspect failures, Navigate freshness . It is the book's own operating model, not an industry standard. Navigate freshness owns the loop: TTL policies, re-ingest jobs, change detection, staleness detection, the user-facing freshness signal, and the record of what changed and when. In this grammar Navigate means freshness. It is not a synonym for choosing the next lookup. The other letters carry their share. Gather records source identity, permissions, and update ownership in the corpus contract. Rank decides between old and new versions when both slipped into the index. Assemble carries the source version and the indexed-at time into the context. Inspect makes the miss visible in a trace. Navigate closes the loop by moving the current source state into service. Diagnose the stale answer Take one wrong answer and compare four states: 1. What did the authoritative source say at query time? 2. What source version did ingestion last observe? 3. What version was present and retrievable in the serving index? 4. What version and passage entered the generation context? The first mismatch locates the repair. If state 1 never reached state 2, fix change detection. If state 2 reached storage but not state 3, fix indexing or the cutover. If the current version sat in state 3 but lost to an older duplicate, fix ranking and version filters. If it reached state 4 and the answer still contradicted it, the failure is grounding, not freshness. That separation matters. Re-embedding cannot repair a missing deletion event. A larger context window cannot discover an amendment that was never ingested. A model upgrade cannot make an expired index current. Freshness is complete when the system can name the source version behind an answer, show when it entered service, and behave deliberately once its allowed age expires. Until then, \"current index\" is an aspiration with a timestamp.","keyTakeaways":["A correct retrieval from an obsolete index is a freshness failure, not a ranking failure.","Vectors do not rot on a calendar. Their relationship to the source, the preprocessing, or the embedding model goes stale.","TTL states how long silent use is allowed. Change detection, re-ingestion, and deletion propagation do the updating.","GRAIN's Navigate means freshness: updates, staleness, and TTL. It does not mean the next lookup."],"readingMinutes":6,"publishedAt":"2026-09-22T19:00:00.000Z"},"nl":{"label":"RAG-actualiteit: de pdf van vorige maand is geen zoekprobleem","summary":"RAG-actualiteit is de bewaakte afspraak tussen de geldende bronnen en de index waaruit je antwoordt. In De RAG-engineer heet dit versheid. Een index is verouderd wanneer een bron wijzigt, verloopt, wordt verwijderd of andere rechten krijgt, en die toestand de retrieval niet binnen het afgesproken venster bereikt. Een verouderde embedding is een vector die is berekend uit inmiddels vervangen tekst, of een vector die achterbleef na een wijziging van de preprocessing of het embeddingmodel; een ongewijzigde vector bederft niet omdat hij oud is. Actualiteit vraagt daarom om bronversies, wijzigingsdetectie, afhandeling van verwijderingen, heringest, indexversies met een atomaire omschakeling, evaluatie, een TTL of lag-budget per corpus en vastgelegd gedrag zodra het venster wordt overschreden. Een TTL is de grens, niet de update. In het GRAIN-model van de auteur beheert Navigate freshness deze cyclus.","url":"/nl/blog/rag-actualiteit/","searchText":"RAG-actualiteit: de pdf van vorige maand is geen zoekprobleem RAG-actualiteit meet of de index de geldende bron nog vertegenwoordigt binnen de afgesproken maximale leeftijd. Verouderde embeddings zijn oude representaties van gewijzigde content of van een gewijzigd embeddingmodel, geen vectoren die door tijdsverloop bederven. Het systeem kan clausule 12.3 feilloos ophalen en toch de getekende wijziging missen. RAG-actualiteit is de bewaakte afspraak tussen de geldende bronnen en de index waaruit je antwoordt. In De RAG-engineer heet dit versheid. Een index is verouderd wanneer een bron wijzigt, verloopt, wordt verwijderd of andere rechten krijgt, en die toestand de retrieval niet binnen het afgesproken venster bereikt. Een verouderde embedding is een vector die is berekend uit inmiddels vervangen tekst, of een vector die achterbleef na een wijziging van de preprocessing of het embeddingmodel; een ongewijzigde vector bederft niet omdat hij oud is. Actualiteit vraagt daarom om bronversies, wijzigingsdetectie, afhandeling van verwijderingen, heringest, indexversies met een atomaire omschakeling, evaluatie, een TTL of lag-budget per corpus en vastgelegd gedrag zodra het venster wordt overschreden. Een TTL is de grens, niet de update. In het GRAIN-model van de auteur beheert Navigate freshness deze cyclus. RAG-actualiteit verouderde embeddings verouderde index Een correcte retrieval uit een achterhaalde index is een fout in actualiteit, geen fout in ranking. Vectoren bederven niet op de kalender. Hun relatie met de bron, de preprocessing of het embeddingmodel veroudert. Een TTL zegt hoe lang je stilzwijgend mag blijven serveren. Wijzigingsdetectie, heringest en het doorgeven van verwijderingen doen het werk. Navigate in GRAIN staat voor versheid: updates, veroudering en TTL. Niet voor de volgende lookup. ai-agents GRAIN Gather corpora, Rank and rerank, Assemble context, Inspect failures, Navigate freshness. RAG Retrieval-augmented generation haalt bewijs op en levert het als context voordat een model antwoordt. De trace van de retrieval ziet er voorbeeldig uit. Clausule 12.3 stond bovenaan, kwam in de context en draagt het antwoord. Het antwoord is toch fout. De getekende wijziging heeft de index nooit bereikt. RAG-actualiteit is de bewaakte afspraak tussen een geldende bron en de index waaruit je antwoordt. De afspraak zegt hoe oud de geïndexeerde toestand mag worden, hoe wijzigingen erin terechtkomen en wat het product doet als de afspraak wordt geschonden. In De RAG-engineer heet dit versheid. Retrievalkwaliteit redt geen document dat de index nooit heeft gezien. Wat is RAG? definieert de architectuur. Deze pagina definieert de klok die eronder loopt. Verouderde index en verouderde embeddings Een verouderde index vertegenwoordigt niet langer de brontoestand die je had afgesproken te serveren. De bron is bewerkt, vervangen, verwijderd of achter nieuwe rechten gezet, en de index draagt nog de oude toestand. De fout kan buiten de vectorstore zitten. Keywordindexen, metadatatabellen, rerankingkenmerken, documentcaches en gegenereerde samenvattingen houden allemaal vervangen content vast. \"We hebben de embeddings opnieuw gebouwd\" is onvolledig zolang een oude lexicale vermelding of een gecachet antwoord nog geserveerd kan worden. Een verouderde embedding betekent meestal een van drie dingen: 1. De vector is berekend uit tekst die sindsdien is gewijzigd of ingetrokken. 2. Het embeddingmodel is veranderd en de opgeslagen documentvectoren zijn nooit gemigreerd, zodat de index vectoren van twee modelgeneraties mengt en queryvectoren bij geen van beide betrouwbaar aansluiten. 3. De preprocessing is veranderd, met nieuwe chunkgrenzen, een nieuwe analyzer of een nieuwe opschoonstap, terwijl de oude vectoren bleven staan. Tijd alleen bederft geen vector. Als brontekst, rechten, preprocessing en embeddingmodel ongewijzigd zijn, koopt elke nacht opnieuw embedden kosten, geen actualiteit. Wat veroudert, is de relatie tussen de opgeslagen representatie en de bron die ze zegt te vertegenwoordigen. TTL is de grens, niet de update Een time-to-live (TTL) beantwoordt één vraag: hoe lang mag dit corpus geserveerd worden zonder geslaagde actualiteitscontrole? Hij ontdekt geen gewijzigde alinea, haalt geen vervanging op, verwijdert geen ingetrokken document en bouwt geen index. Daarvoor is een keten nodig waarlangs een wijziging doorreist: text geldende wijziging → wijzigingssignaal → ingest- of verwijderingsevent → getransformeerd document en metadata → kandidaat-indexversie → evaluatie → atomaire omschakeling in productie Elke pijl kan breken terwijl het zoekendpoint gezond blijft. Gebruik het beste wijzigingssignaal dat de bron biedt: een versie-ID, een wijzigingstijdstip, een ETag, een event of een contenthash. Geen enkel signaal volstaat alleen. Een stabiele URL kan onder je handen van inhoud veranderen. Een nieuw tijdstip kan een metadatawijziging zijn in plaats van een inhoudelijke. Een verwijderd record heeft een tombstone of een vergelijkbaar verwijderingsevent nodig, anders hoort de index nooit dat het weg is. Een verlopen TTL moet verificatie in gang zetten, geen blind opnieuw embedden. Voor indexbrede wijzigingen geldt een strengere regel. Een nieuw embeddingmodel, nieuwe chunking of een nieuwe indexarchitectuur wijzigt de live index nooit ter plekke. Bouw een kandidaat-index, valideer de aantallen en de retrievalkwaliteit op je eigen gouden queries, en promoveer die daarna in één atomaire stap. Terugdraaien is dan triviaal: niet promoveren, of de alias terugzetten. Bepaal de TTL per corpus en per gevolg. Een productcatalogus, een set getekende contracten en een statische technische handleiding delen geen wijzigingstempo en geen foutkosten. Een corpus dat continu verandert, zoals een ticketarchief of een kennisbank waar drie teams de hele dag in werken, heeft event-driven synchronisatie en een lag-budget nodig in plaats van een TTL. Deze pagina levert die getallen niet. De broneigenaar en de producteigenaar moeten ze opschrijven. Het actualiteitscontract Leg per corpus minstens deze velden vast: Veld Het besluit dat het afdwingt --- --- Geldende bron Welk systeem wint als kopieën van elkaar afwijken? Bronidentiteit en versie Hoe weet je dat dit hetzelfde object in dezelfde toestand is? Wijzigingssignaal Wat zegt de ingest dat hij moet ophalen, vervangen of verwijderen? Laatste geslaagde ingest Wanneer is de complete keten voor het laatst afgerond, niet alleen gestart? Maximale leeftijd, TTL of lag-budget Wanneer stopt het stilzwijgend serveren? Reactie na overschrijding Waarschuwen, weglaten, live ophalen, weigeren of naar een mens sturen? Eigenaar Wie grijpt in als de versheidstaak zijn venster mist? Het verversingsschema plus de langste doorlooptijd moet binnen het venster passen. Een dagelijkse taak met een foutwachtrij van twee dagen houdt geen belofte van één dag. En voor beleid, prijzen en deadlines mag een overschreden venster geen antwoord met disclaimer opleveren. Dan hoort het systeem te weigeren of een mens in te schakelen. Verwijderingen en gewijzigde rechten reizen dezelfde keten af als bewerkingen, met één extra eis: volledigheid. Verdwijnt een bron, dan moeten zijn chunks, keywordvermeldingen, gecachete voorbeelden, citaties en afgeleide samenvattingen verdwijnen of ontoegankelijk worden op elke plek waarheen ze zijn gekopieerd. Een retrievalsysteem dat ingetrokken content onthoudt, is niet alleen verouderd. Het is een lek in het toegangsbeheer met een vriendelijke interface. Waar GRAIN versheid plaatst De RAG-engineer definieert GRAIN als Gather corpora, Rank and rerank, Assemble context, Inspect failures, Navigate freshness . Het is het eigen werkmodel van het boek, geen industriestandaard. Navigate freshness , in de Nederlandse editie versheid navigeren, is eigenaar van de cyclus: TTL-beleid, heringest-taken, wijzigingsdetectie, het opsporen van veroudering, het versheidssignaal aan de gebruiker en het logboek van wat wanneer veranderde. In deze grammatica betekent Navigate versheid. Het is geen synoniem voor het kiezen van de volgende lookup. De andere letters dragen hun deel. Gather legt bronidentiteit, rechten en update-eigenaarschap vast in het corpus-contract. Rank kiest tussen oude en nieuwe versies als beide in de index zijn geglipt. Assemble neemt de bronversie en het indexeertijdstip mee de context in. Inspect maakt de misser zichtbaar in een trace. Navigate sluit de cyclus door de actuele brontoestand in productie te brengen. Diagnose van het verouderde antwoord Neem één fout antwoord en vergelijk vier toestanden: 1. Wat zei de geldende bron op het moment van de query? 2. Welke bronversie heeft de ingest als laatste gezien? 3. Welke versie stond in de productie-index en was ophaalbaar? 4. Welke versie en passage kwamen in de context voor het genereren? De eerste afwijking wijst de reparatie aan. Bereikte toestand 1 nooit toestand 2, repareer dan de wijzigingsdetectie. Bereikte toestand 2 wel de opslag maar niet toestand 3, repareer dan de indexering of de omschakeling. Stond de huidige versie in toestand 3 maar verloor ze van een ouder duplicaat, repareer dan de ranking en de versiefilters. Bereikte ze toestand 4 en sprak het antwoord haar toch tegen, dan is de fout grounding, geen actualiteit. Dat onderscheid voorkomt dure schijnreparaties. Opnieuw embedden herstelt geen ontbrekend verwijderingsevent. Een groter contextvenster ontdekt geen wijziging die nooit is ingelezen. Een modelupgrade maakt een verlopen index niet actueel. Actualiteit is pas op orde als het systeem de bronversie achter een antwoord kan noemen, kan tonen wanneer die in productie kwam, en bewust reageert zodra de toegestane leeftijd verstrijkt. Tot die tijd is \"actuele index\" een wens met een tijdstempel.","keyTakeaways":["Een correcte retrieval uit een achterhaalde index is een fout in actualiteit, geen fout in ranking.","Vectoren bederven niet op de kalender. Hun relatie met de bron, de preprocessing of het embeddingmodel veroudert.","Een TTL zegt hoe lang je stilzwijgend mag blijven serveren. Wijzigingsdetectie, heringest en het doorgeven van verwijderingen doen het werk.","Navigate in GRAIN staat voor versheid: updates, veroudering en TTL. Niet voor de volgende lookup."],"readingMinutes":6,"publishedAt":"2026-09-22T19:05:00.000Z"}},"degree":8},{"id":"article:rag-vs-finetuning-vs-agents","type":"article","pillar":"ai-systems","locales":{"en":{"label":"RAG vs fine-tuning vs agents: three jobs, not a ladder","summary":"RAG, fine-tuning, and agents are three jobs. RAG, retrieval-augmented generation, looks up a named passage in a corpus you gave it, then writes. Fine-tuning changes model weights so a stable skill fires without fetching a document. An AI agent holds a goal, uses tools, and continues across steps under a written charter. They are not a ladder of sophistication. Fine-tuning does not make the model know Tuesday's PDF. RAG does not give the model a ceiling. An agent that cannot open a source still needs retrieval or a refuse. What is RAG owns the method. What is an AI agent owns the worker. This page is the comparison. The RAG Engineer is live. Fine-tuning win-rates are not this page.","url":"/en/blog/rag-vs-finetuning-vs-agents/","searchText":"RAG vs fine-tuning vs agents: three jobs, not a ladder RAG looks up a named passage. Fine-tuning changes weights for a stable skill. An agent holds a goal and uses tools under a charter. They are three jobs. Mixing them is how a chatbot inherits an API key and still cannot open the source. A vector store is not a trained model. A trained model is not a worker. A worker without a ceiling is a demo. RAG, fine-tuning, and agents are three jobs. RAG, retrieval-augmented generation, looks up a named passage in a corpus you gave it, then writes. Fine-tuning changes model weights so a stable skill fires without fetching a document. An AI agent holds a goal, uses tools, and continues across steps under a written charter. They are not a ladder of sophistication. Fine-tuning does not make the model know Tuesday's PDF. RAG does not give the model a ceiling. An agent that cannot open a source still needs retrieval or a refuse. What is RAG owns the method. What is an AI agent owns the worker. This page is the comparison. The RAG Engineer is live. Fine-tuning win-rates are not this page. RAG vs fine-tuning vs agents RAG = named passage. Fine-tuning = weights. Agent = goal plus tools plus a ceiling. Not a ladder. Pick the job that failed, not the slide that is fashionable. Fine-tuning is not a source of truth. RAG is not a charter. This page is the three-way. The definition pages stay next door. ai-agents RAG Look up a named passage, then write. If you cannot open the source, it is not RAG. AI agent A system that holds a goal, uses tools, and acts across steps under a charter. GRAIN Gather, Rank, Assemble, Inspect, Navigate. Navigate owns freshness, not the next lookup. A chatbot can inherit an API key and still be unable to open the source behind its sentence. That failure is why RAG, fine-tuning, and agents must be separated by job, not by status. RAG vs fine-tuning vs agents. Three jobs. Not a maturity model. Doing all three is allowed. Stacking them because a slide said \"start with RAG, then fine-tune, then agents\" is how you buy a retainer and still cannot open the file. What is RAG? owns the lookup. What is an AI agent? owns the worker. This page is the comparison: which artefact you should be holding on Friday. Three artefacts RAG. Retrieval-augmented generation. Look up a named passage in a corpus you gave the system, then write. The artefact is an openable locator: file, page, chunk, date. If you cannot open it, you do not have RAG. You have extra text in a prompt. Evaluate the reasoning, not the fluency is the same test, scored on the trace instead of the prose. A vector store is furniture in that cabinet. Embeddings help find candidates. They do not prove the sentence came from a passage you would accept in a dispute. Fine-tuning. A weight change so a stable skill fires without fetching a document: a tone, a format, a classifier that does not move every Tuesday. The artefact is a trained checkpoint with an eval that still holds on held-out cases. Fine-tuning does not make the model know last week's contract. A changed PDF is a retrieval problem. Treating fine-tuning as a filing cabinet is how stale clauses survive a model upgrade. If the skill still needs a named file, you are not looking at a fine-tune job. You are looking at a lookup you tried to bake into weights. Agent. A system that holds a goal, uses tools, and continues across steps under a charter. The artefact is seven written fields and a named person who can fail the work. Using AI agents effectively is the operating loop once the worker exists. An agent may call retrieval as a tool. That does not turn the agent into RAG, and it does not replace the lookup test. An agent without a ceiling is a demo that can spend. One object, three benches Walk one question through the three benches. Do not skip the bench that failed. Someone asks: how many days of notice do we need to cancel the supplier contract? A chatbot answers from folklore. The number may even be a common one. It is not your clause. Giving that window an API key does not make the number true. Fine-tuning can teach the model to answer in house tone, or to emit a JSON object with days , clause , and confidence . Useful. The weights still do not contain Tuesday's signed amendment. If you fine-tuned on last year's PDF, the tidy JSON will be last year's number. RAG searches the signed contracts you indexed, finds clause 12.3, and the answer names that clause. You can open the file. If the file is last year's draft, you will see that too. That is the whole advantage. An agent is a different job. \"Chase the cancellation this week, using the sheet and the mail tool, and stop if legal has not signed the notice\" is an agent, but only if someone wrote the stop. The agent still needs retrieval, or a refuse, before it drafts the letter. A worker that cannot open the source is still a chatbot with extra tools. Three other objects, so the split does not collapse into contracts. Ticket type. \"Is this billing, outage, or a feature request?\" A classifier that does not need a document is a fine-tune candidate. The eval is held-out tickets, not a vector store. Weekly handbook. \"What is the refund window today?\" The handbook moves. That is RAG, or a refuse. Fine-tuning the old handbook into the model is how a dead policy survives a launch. Overdue invoices. \"Chase unpaid invoices this week, draft only, no new discount.\" That is an agent under a charter. Retrieval may supply the amount. The charter supplies the ceiling. Not a ladder Doing all three is allowed. Doing them in a fashionable order is not a strategy. Fail the lookup: you need RAG, or a refuse, not a bigger model. Fail a stable format that never needs a document: fine-tuning can be the job. A weekly handbook is not that job. Fail the ceiling: you need a charter, not another index. The mixing tells I see in the same week: - \"We fine-tuned on our docs.\" The docs changed on Thursday. The checkpoint did not. That is a filing cabinet with no date stamp. - \"The agent has RAG.\" Meaning a plugin list. Nobody can name the chunk. That is a worker with a search box, not retrieval. - \"We added agents.\" The system still answers one turn and cannot refuse a tool call. That is a chatbot that inherited a key. A vector store is furniture. GRAIN, on this site, is the inspectable retrieval loop. Fine-tuning is not GRAIN. An agent without Inspect still answers from the closest wrong paragraph. Do not restage the five moves here. One ownership line is enough: Navigate owns freshness , not the next lookup. TTL, re-ingest, change detection. If the index still holds last month's PDF, ranking harder will not save you. That is a clock problem, not a model-size problem. A proposal you can fail If a vendor sells one retainer for all three, ask which artefact you will hold on Friday: a locator you can open, a checkpoint with an eval, or a charter with a named reviewer. Missing all three, you bought a demo. Ask the room to fill four lines on one live system. 1. Which job failed last week: lookup, a stable skill, or the ceiling? 2. What artefact will exist on Friday? 3. Who can open it, or fail it? 4. What does the system refuse when the artefact is missing? If line two is \"a better model,\" you have not chosen a job. The RAG Engineer is live in English and Dutch paperback, hardcover, and Kindle. It does not turn fine-tuning into a source of truth. Write which job failed. Then stop stacking rungs. What this page is not This page is not the RAG definition. That page is the named passage. This page is not the agent definition. That page is the three tests and the charter. This page is not a fine-tuning cookbook and not a bake-off. Training stacks and agent runtimes rename themselves. The three jobs do not. Pick the job that failed. Hold the artefact. Keep the other two off the slide until they have a Friday object of their own.","keyTakeaways":["RAG = named passage. Fine-tuning = weights. Agent = goal plus tools plus a ceiling.","Not a ladder. Pick the job that failed, not the slide that is fashionable.","Fine-tuning is not a source of truth. RAG is not a charter.","This page is the three-way. The definition pages stay next door."],"readingMinutes":6,"publishedAt":"2026-09-03T07:00:00.000Z"},"nl":{"label":"RAG versus fine-tuning versus agents: drie klussen, geen ladder","summary":"RAG, fine-tuning en agents zijn drie klussen. RAG, retrieval-augmented generation, zoekt een benoemde passage op in een corpus dat je het gaf, en schrijft daarna. Fine-tuning verandert modelgewichten zodat een stabiele vaardigheid activeert zonder een document op te halen. Een AI-agent houdt een doel vast, gebruikt gereedschappen en gaat door met stappen onder een geschreven charter. Ze zijn geen ladder van verfijning. Fine-tuning zorgt er niet voor dat het model de pdf van dinsdag kent. RAG geeft het model geen plafond. Een agent die geen bron kan openen heeft nog steeds retrieval of een weigering nodig. Wat is RAG behandelt de methode. Wat is een AI-agent behandelt de werker. Deze pagina is de vergelijking. De RAG-engineer is live. Win-rates van fine-tuning staan hier niet.","url":"/nl/blog/rag-versus-finetuning-versus-agents/","searchText":"RAG versus fine-tuning versus agents: drie klussen, geen ladder RAG zoekt een benoemde passage op. Fine-tuning verandert gewichten voor een stabiele vaardigheid. Een agent houdt een doel vast onder een charter. Drie klussen. Ze door elkaar halen is de reden dat een chatbot een API-sleutel erft en de bron nog steeds niet kan openen. Een vector store is geen getraind model. Een getraind model is geen werker. Een werker zonder plafond is een demo. RAG, fine-tuning en agents zijn drie klussen. RAG, retrieval-augmented generation, zoekt een benoemde passage op in een corpus dat je het gaf, en schrijft daarna. Fine-tuning verandert modelgewichten zodat een stabiele vaardigheid activeert zonder een document op te halen. Een AI-agent houdt een doel vast, gebruikt gereedschappen en gaat door met stappen onder een geschreven charter. Ze zijn geen ladder van verfijning. Fine-tuning zorgt er niet voor dat het model de pdf van dinsdag kent. RAG geeft het model geen plafond. Een agent die geen bron kan openen heeft nog steeds retrieval of een weigering nodig. Wat is RAG behandelt de methode. Wat is een AI-agent behandelt de werker. Deze pagina is de vergelijking. De RAG-engineer is live. Win-rates van fine-tuning staan hier niet. RAG versus fine-tuning versus agents RAG = benoemde passage. Fine-tuning = gewichten. Agent = doel plus gereedschappen plus een plafond. Geen ladder. Kies de klus die zakte, niet de slide die in de mode is. Fine-tuning is geen bron van waarheid. RAG is geen charter. Deze pagina is de drieweg. De definitiepagina's blijven ernaast. ai-agents RAG Zoek een benoemde passage op, schrijf daarna. Kun je de bron niet openen, is het geen RAG. AI-agent Een systeem dat een doel vasthoudt, gereedschappen gebruikt en in stappen handelt onder een charter. GRAIN Gather, Rank, Assemble, Inspect, Navigate. Navigate is actualiteit, niet de volgende lookup. Een chatbot kan een API-sleutel erven en de bron achter zijn zin nog steeds niet openen. Daarom moeten RAG, fine-tuning en agents op klus worden gescheiden, niet op status. RAG versus fine-tuning versus agents. Drie klussen. Geen volwassenheidsmodel. Alle drie doen mag. Ze op een ladder zetten omdat een slide zei \"eerst RAG, dan fine-tunen, dan agents\" is hoe je een retainer koopt en het bestand nog steeds niet kunt openen. Wat is RAG? behandelt de lookup. Wat is een AI-agent? behandelt de werker. Deze pagina is de vergelijking: welk artefact je vrijdag in handen hoort te hebben. Drie artefacten RAG. Retrieval-augmented generation. Zoek een benoemde passage op in een corpus dat je het systeem gaf, schrijf daarna. Het artefact is een locator die je kunt openen: bestand, pagina, chunk, datum. Kun je hem niet openen, dan heb je geen RAG. Je hebt extra tekst in een prompt. Evalueer de redenering, niet de vloeiendheid is dezelfde test, gescoord op het spoor in plaats van op het proza. Een vector store is meubilair in die kast. Embeddings helpen kandidaten vinden. Ze bewijzen niet dat de zin uit een passage komt die je in een geschil zou accepteren. Fine-tuning. Een gewichtswijziging zodat een stabiele vaardigheid activeert zonder een document op te halen: een toon, een format, een classifier die niet elke dinsdag beweegt. Het artefact is een getraind checkpoint met een eval die op held-out cases nog houdt. Fine-tuning zorgt er niet voor dat het model het contract van vorige week kent. Een gewijzigde pdf is een retrievalprobleem. Fine-tuning als archiefkast behandelen is de reden dat oude clausules een modelupgrade overleven. Heeft de vaardigheid nog steeds een benoemd bestand nodig, dan kijk je niet naar een fine-tuneklus. Je kijkt naar een lookup die je in gewichten probeerde te bakken. Agent. Een systeem dat een doel vasthoudt, gereedschappen gebruikt en doorgaat onder een charter. Het artefact is zeven geschreven velden en een benoemd persoon die het werk kan afkeuren. AI-agents effectief inzetten is de operationele lus zodra de werker bestaat. Een agent mag retrieval als tool aanroepen . Dat maakt de agent niet tot RAG, en het vervangt de lookup-test niet. Een agent zonder plafond is een demo die kan uitgeven. Eén object, drie banken Haal één vraag door de drie banken. Sla de bank die zakte niet over. Iemand vraagt: hoeveel dagen opzegtermijn hebben we nodig om het leverancierscontract te beëindigen? Een chatbot antwoordt uit folklore. Het getal kan zelfs een gangbaar getal zijn. Het is niet jouw clausule. Die chat een API-sleutel geven maakt het getal niet waar. Fine-tuning kan het model leren in huisstijl te antwoorden, of een JSON-object uit te spugen met dagen , clausule en zekerheid . Bruikbaar. In de gewichten zit het getekende addendum van dinsdag nog steeds niet. Fine-tunde je op de pdf van vorig jaar, dan is de nette JSON het getal van vorig jaar. RAG zoekt in de getekende contracten die je indexeerde, vindt artikel 12.3, en het antwoord noemt dat artikel. Je kunt het bestand openen. Is het bestand de conceptversie van vorig jaar, dan zie je dat ook. Dat is het hele voordeel. Een agent is een andere klus. \"Regel deze week de opzegging, met de sheet en de mailtool, en stop als legal de brief niet heeft getekend\" is een agent, maar alleen als iemand die stop heeft geschreven. De agent heeft nog steeds retrieval nodig, of een weigering, voordat hij de brief opstelt. Een werker die de bron niet kan openen, is nog steeds een chatbot met extra gereedschap. Drie andere objecten, zodat de splitsing niet in contracten blijft hangen. Ticketsoort. \"Is dit facturatie, storing of een featurerequest?\" Een classifier die geen document nodig heeft is een kandidaat voor fine-tuning. De eval is held-out tickets, geen vector store. Wekelijks handboek. \"Wat is vandaag het restitutievenster?\" Het handboek beweegt. Dat is RAG, of een weigering. Het oude handboek in het model fine-tunen is hoe een dode policy een lancering overleeft. Achterstallige facturen. \"Ga deze week achter onbetaalde facturen aan, alleen concept, geen nieuwe korting.\" Dat is een agent onder een charter. Retrieval mag het bedrag aanleveren. Het charter levert het plafond. Geen ladder Alle drie doen mag. Ze in een modieuze volgorde doen is geen strategie. Zakt de lookup: je hebt RAG nodig, of een weigering, geen groter model. Zakt een stabiel format dat nooit een document nodig heeft: fine-tuning kan de klus zijn. Een wekelijks handboek is die klus niet. Zakt het plafond: je hebt een charter nodig, geen extra index. De mengselsignalen die ik in dezelfde week hoor: - \"We hebben op onze docs gefine-tuned.\" De docs wijzigden donderdag. Het checkpoint niet. Dat is een archiefkast zonder datumstempel. - \"De agent heeft RAG.\" Bedoeld: een pluginlijst. Niemand kan de chunk noemen. Dat is een werker met een zoekvak, geen retrieval. - \"We hebben agents toegevoegd.\" Het systeem beantwoordt nog één beurt en kan een tool-call niet weigeren. Dat is een chatbot die een sleutel erfde. Een vector store is meubilair. GRAIN is op deze site de inspecteerbare retrieval-loop. Fine-tuning is geen GRAIN. Een agent zonder Inspect antwoordt nog steeds vanuit de dichtstbijzijnde verkeerde alinea. De vijf zetten staan hier niet opnieuw. Eén eigendomsregel is genoeg: Navigate is actualiteit , niet de volgende lookup. TTL, opnieuw inlezen, change detection. Houdt de index nog de pdf van vorige maand vast, dan redt harder ranken je niet. Dat is een klokprobleem, geen modelgrootteprobleem. Een voorstel dat je kunt afkeuren Verkoopt een leverancier één retainer voor alle drie, vraag welk artefact je vrijdag in handen hebt: een locator die je kunt openen, een checkpoint met een eval, of een charter met een benoemde reviewer. Ontbreken alle drie, dan heb je een demo gekocht. Laat de kamer vier regels vullen over één live systeem. 1. Welke klus zakte vorige week: lookup, een stabiele vaardigheid, of het plafond? 2. Welk artefact bestaat vrijdag? 3. Wie kan het openen, of afkeuren? 4. Wat weigert het systeem als het artefact ontbreekt? Is regel twee \"een beter model\", dan heb je geen klus gekozen. De RAG-engineer is live in het Engels en het Nederlands als paperback, hardcover en Kindle. Het boek maakt van fine-tuning geen bron van waarheid. Schrijf welke klus zakte. Stop daarna met alles op één ladder zetten. Wat deze pagina niet is Deze pagina is niet de RAG-definitie. Die pagina is de benoemde passage. Deze pagina is niet de agentdefinitie. Die pagina is de drie tests en het charter. Deze pagina is geen fine-tuninghandleiding en geen leveranciersvergelijking. Trainingsstacks en agent-runtimes hernoemen zichzelf. De drie klussen niet. Kies de klus die zakte. Houd het artefact vast. Laat de andere twee van de slide tot ze vrijdag een eigen object hebben.","keyTakeaways":["RAG = benoemde passage. Fine-tuning = gewichten. Agent = doel plus gereedschappen plus een plafond.","Geen ladder. Kies de klus die zakte, niet de slide die in de mode is.","Fine-tuning is geen bron van waarheid. RAG is geen charter.","Deze pagina is de drieweg. De definitiepagina's blijven ernaast."],"readingMinutes":6,"publishedAt":"2026-09-03T07:05:00.000Z"}},"degree":11},{"id":"article:retire-a-production-agent","type":"article","pillar":"ai-systems","locales":{"en":{"label":"How to retire a production agent (stopping it is not enough)","summary":"To retire a production AI agent, close every way it can start work, sign in or cost money, then prove each one is closed by trying it. In order: freeze new work, finish or hand over accepted jobs, redirect its callers, revoke its keys and grants, cancel its subscriptions and reservations, and keep the records your policy requires. Close the ticket only when the old triggers and credentials fail and every remaining charge matches a service period.","url":"/en/blog/retire-a-production-agent/","searchText":"How to retire a production agent (stopping it is not enough) Retire a production AI agent by closing its triggers, keys, callers and recurring costs, then testing every old path. A checklist you can run in one ticket. A stopped agent is not a retired agent. The next schedule, a copied key or a monthly plan can keep it working and billing. To retire a production AI agent, close every way it can start work, sign in or cost money, then prove each one is closed by trying it. In order: freeze new work, finish or hand over accepted jobs, redirect its callers, revoke its keys and grants, cancel its subscriptions and reservations, and keep the records your policy requires. Close the ticket only when the old triggers and credentials fail and every remaining charge matches a service period. how to retire a production agent Stopping a run, naming an owner and retiring the agent are three separate jobs. Give each its own status. Move live users of a shared key to replacement access before you revoke it. Revoking it stops every copy. Close recurring charges on their own. Revoking a key does not cancel a subscription, and many budgets only send alerts. Close the ticket only after attempts on the old triggers and credentials fail and every remaining charge is matched to a service period. In ROSTER, Rotation decides whether a role is retired. This checklist is how you carry that decision out. agent-ops Production agent An AI agent that does real work on live systems, such as sending email, changing records or calling paid services. Trigger Anything that starts an agent run: a schedule, a webhook, a queue, an inbox rule. Credential Anything that lets the agent sign in or act: an API key, an OAuth grant, a service account, a cloud role. Refresh token A long-lived token that can fetch new short-lived access tokens without a person signing in again. Tombstone A registry entry that marks the agent as retired, with owner, date and reason, so nobody reuses it by accident. ROSTER Roles, Objectives, Skills and tools, Triggers, Evaluation, Rotation. Rotation is the decision to upgrade, merge or retire a role. To retire a production agent, close every way it can start work, sign in or cost money, then prove each one is closed by trying it. A production agent is an AI agent (software that takes a goal, chooses its own steps and uses tools) that does real work on live systems: sending email, changing records, calling paid services. Pressing stop on its current run is not retirement. The next scheduled run, a saved key or a monthly plan can keep it working and billing. The order: freeze new work, settle accepted work, redirect callers, revoke access, close spending, keep the record, then test every old path. The one-screen checklist is further down. Why is \"we switched it off\" not enough? Imagine a hypothetical invoice-reminder agent at a ten-person company. The accounting software now sends reminders itself, so the agent is no longer needed. Someone stops the running job and posts \"reminder agent is off\" in the team chat. Three things keep going. - The schedule. On Monday at 09:00 the scheduler (the service that starts jobs on a timetable) launches a fresh run, and a client gets a duplicate reminder. - A copied key. The agent's API key (a password for software) was also pasted into a finance spreadsheet, which keeps calling the model under the agent's name. - The plan. The provider keeps billing a monthly plan bought for the agent, because stopping usage does not cancel a subscription. None of this is exotic. Each is a path the stop button never touched. Separate the three jobs Job What it establishes What it leaves open --- --- --- Stop a run This execution has ended Another trigger can start another run Name an owner A person is accountable for the agent Keys, schedules and charges can stay live Retire the agent Work, access and spend are closed and tested Records and the final bill still need an owner Give each job its own status in one retirement ticket. An owner signing off on a stopped run does not revoke its key. This page covers the planned, permanent shutdown; halting a misbehaving agent in the middle of a run is a different drill. Start from the agent's charter, the written contract that says what it does and may not do. Its inputs and authority ceiling show what the agent was meant to reach. The inventory below shows what it actually reaches. Step 1: find everything that can still start, sign in or bill Build the list from the systems themselves. A registry can miss a copied key or a caller owned by another team. Check four groups. - Triggers (whatever starts a run): platform schedules, cron entries (timed jobs on a server), queue consumers (processes that pick up waiting tasks), webhooks (a web address another system calls to start work) and inbox rules. - Credentials (whatever lets it sign in or act): API keys, OAuth grants (permission a person gave an app to act on their account) and their refresh tokens, service accounts (accounts that belong to software, not people), cloud roles, and keys stored in the settings files that connect AI apps to tools. - Callers (whatever sends it work): other agents, notebooks, spreadsheets, customer workflows and retry jobs. - Costs: model-provider accounts, subscriptions, reserved capacity (computing paid for in advance), search indexes and other services bought for the agent. For each item, write down the owner, the identifier, the intended action and the evidence that will close it. Trace each key through the secret store, the deployment settings, notebooks and local files. Record identifiers, never the secret values. Mark shared keys. Deleting a key from one file leaves every other copy working. Revoking it stops every copy at once, including the ones live systems still depend on; the TrueFoundry playbook puts it plainly: the copies are the same credential. So move those systems to replacement access, confirm they work, then revoke. Keep the replacement out of the retired agent's settings. Step 2: withdraw the agent in order TrueFoundry's playbook, by Boyu Wang (8 August 2026), names six steps: inventory, redirect, revoke, retain, tombstone and verify. The order below follows it, splits \"redirect\" into three plain steps, and adds spending as a step of its own. 1. Freeze intake. Disable the triggers that accept new work and record the cut-off time. Keep only the access needed to finish work already accepted. 2. Resolve accepted work. List running jobs, queued jobs and pending retries. Complete, reassign or cancel each one, and record who owns any handoff. Read the queue itself, not only the dashboard. 3. Redirect callers. Point each caller at a tested replacement, or have it receive a clear \"retired\" response. Remove retries aimed at the old agent. Ask each caller's owner to confirm the new behaviour. 4. Revoke access. Revoke the agent's own keys and grants, including refresh tokens that can issue new access. Then check what happens to access tokens already issued. The OAuth revocation standard, RFC 7009, says a server that supports it SHOULD also invalidate access tokens from a revoked refresh token's grant. \"Should\" and \"supports\" are the catch: assume an issued token may work until it expires unless your provider says otherwise. Remove role assignments and record the identifier, action and time for each credential. 5. Close spend. Disable further usage and cancel the agent's own subscriptions, seats and reservations. Check what each budget setting actually does, because many only warn. Google Cloud's own documentation says an alerts-only budget \"doesn't automatically cap\" usage or spending. For shared services, remove the agent's share without closing something live systems still need. 6. Retain the record. Keep the ticket and the logs, traces and prompts your policy requires or permits. Write down where the archive lives, who may open it, the retention rule and the deletion date if the policy sets one. Then mark the registry entry retired, with owner, date and reason. That entry, the tombstone, helps prevent accidental reuse. It does not disable a single key. If a vendor runs part of the agent, add the vendor's retirement action and confirmation to the ticket. Closing your side can leave their hosted account, schedule or subscription running. Step 3: verify by trying Call the old webhook and the old start path without re-enabling either. Present the old access token. Try the old refresh token. Call the old endpoint from a client that used to succeed. Use harmless requests you can trace, in case a control fails. Check the effect as well as the response. Nothing should start, no old credential should authorise work, and the refresh token should not yield a usable token. If a caller now reaches a replacement, confirm which system handled the request. Then read the logs from the cut-off onwards, as TrueFoundry's verify step does. Successful traffic attributed to the retired agent should be zero, and attempts with revoked credentials should appear only as authentication failures. Any success means revocation is incomplete or another credential still works. Check usage and billing separately. A final invoice can include work done before the cut-off. Match each remaining charge to its service period and account for any reservation or subscription still running. For every attempt, record the time, the expected result, the observed result and the supporting log line. The retirement checklist Path Close it by Proof it is closed --- --- --- Schedules and timed jobs Disable, then delete The next scheduled time passes with no run in the log Webhooks and queues Remove the endpoint or the consumer A harmless test call starts nothing Callers Point them at the replacement or a clear \"retired\" response Each caller's owner confirms the new behaviour Keys and grants Move shared users first, then revoke The old key and refresh token are refused Accounts and roles Disable the service account, remove its roles Sign-in fails and no role assignment remains Spend Cancel subscriptions, seats and reservations Every final invoice line matches a service period Record Archive per policy, mark the registry entry retired Archive location and deletion date written down Close the ticket on evidence Use one ticket: the agent's registry ID, who authorised retirement, the intake cut-off, and a link to the evidence for each row above. Give every open item an owner and a next check; a cancellation that runs to the end of a billing period needs a follow-up date, and a submitted request closes nothing on its own. Close the ticket only when every old path has been tried and has failed, and every remaining charge is accounted for. Where does retirement fit in ROSTER? ROSTER is the framework from The Agent Dream Team, available now, for running AI agents as named specialists. It makes six decisions for every agent: - Roles: one job per agent, with a charter that says what it owns and what it does not. - Objectives: a result you can grade. - Skills and tools: only the access the job needs. - Triggers: the event that starts the agent. - Evaluation: a written scorecard, graded weekly. - Rotation: upgrade, merge or retire the role when the evidence says so. You do not need the book to use it. Rotation decides whether a role is retired; this page covers how . The book's rule is that one week below the scorecard floor starts a diagnosis, while two weeks in a row, or four of the last six, start a decision to upgrade, merge or retire. It adds a check that saves real work: if the provider changed or retired the model underneath, treat it as a forced migration (move the role to a new model and re-test it), not a retirement. When a role does retire, the book files its charter in an archive with a one-paragraph note on why, and removes it from the trigger map. Apply that to the invoice-reminder agent. The Rotation decision reads \"retire: the accounting software now does this job\". The Triggers entry names the Monday schedule to delete. The Skills and tools entry lists the key to revoke. The charter's output line tells you who received its work. A good charter is your first inventory, which is why the ROSTER framework page puts it first. Set the next retirement date when you create the agent In his Forbes Technology Council essay, Akhilesh Sharma argues that every application, agent, automation and integration should get a time-to-live (an expiry date) when it is created, a named owner with the authority to renew, restrict or retire it, and a staged retirement. Make those decisions when you write the next agent's charter. Name the renewal owner, set the review date, and list the credentials, callers and billing accounts that retirement will touch. The exit rule in agent strategy is the same idea at portfolio level. And if an agent runs on access created by an employee, add it to that person's offboarding checklist: closing their login can leave a service account active. Try this today: a 15-minute retirement dry run Pick one agent that is still running, even a good one. 1. Write down its triggers, credentials (identifiers only), callers and costs, one line each. 2. Next to each line, write who owns it and how you would close it. 3. Any line without an owner is your first fix. Any line you cannot fill in is a path you would miss on retirement day. Keep the page. On the day you retire the agent, it becomes the ticket.","keyTakeaways":["Stopping a run, naming an owner and retiring the agent are three separate jobs. Give each its own status.","Move live users of a shared key to replacement access before you revoke it. Revoking it stops every copy.","Close recurring charges on their own. Revoking a key does not cancel a subscription, and many budgets only send alerts.","Close the ticket only after attempts on the old triggers and credentials fail and every remaining charge is matched to a service period.","In ROSTER, Rotation decides whether a role is retired. This checklist is how you carry that decision out."],"readingMinutes":9,"publishedAt":"2026-10-05T07:00:00.000Z"},"nl":{"label":"Hoe je een productie-agent buiten gebruik stelt (stoppen is niet genoeg)","summary":"Een AI-agent in productie stel je buiten gebruik door elke route af te sluiten waarlangs hij werk kan starten, kan inloggen of geld kan kosten, en daarna per route te bewijzen dat ze dicht is door het te proberen. De volgorde: nieuwe invoer bevriezen, geaccepteerd werk afronden of overdragen, aanroepers omleiden, sleutels en machtigingen intrekken, abonnementen en reserveringen opzeggen, en de gegevens bewaren die je beleid voorschrijft. Sluit het ticket pas als oude triggers en toegangsgegevens niet meer werken en elke resterende kostenpost bij een factuurperiode hoort.","url":"/nl/blog/productie-agent-buiten-gebruik-stellen/","searchText":"Hoe je een productie-agent buiten gebruik stelt (stoppen is niet genoeg) Stel een AI-agent in productie buiten gebruik: sluit triggers, sleutels, aanroepers en lopende kosten af en test elke oude route. Eén checklist, één ticket. Een gestopte agent is nog niet buiten gebruik gesteld. De volgende geplande run, een gekopieerde sleutel of een maandabonnement kan hem aan het werk houden en de kosten laten doorlopen. Een AI-agent in productie stel je buiten gebruik door elke route af te sluiten waarlangs hij werk kan starten, kan inloggen of geld kan kosten, en daarna per route te bewijzen dat ze dicht is door het te proberen. De volgorde: nieuwe invoer bevriezen, geaccepteerd werk afronden of overdragen, aanroepers omleiden, sleutels en machtigingen intrekken, abonnementen en reserveringen opzeggen, en de gegevens bewaren die je beleid voorschrijft. Sluit het ticket pas als oude triggers en toegangsgegevens niet meer werken en elke resterende kostenpost bij een factuurperiode hoort. hoe je een productie-agent buiten gebruik stelt Een run stoppen, een eigenaar aanwijzen en de agent buiten gebruik stellen zijn drie aparte klussen. Geef elke klus een eigen status. Zet systemen die een gedeelde sleutel nog gebruiken eerst over op vervangende toegang. Intrekken schakelt elke kopie tegelijk uit. Stop lopende kosten apart. Een sleutel intrekken zegt geen abonnement op, en veel budgetten sturen alleen een waarschuwing. Sluit het ticket pas als pogingen met oude triggers en toegangsgegevens mislukken en elke resterende kostenpost aan een factuurperiode is gekoppeld. In ROSTER beslist Rotatie óf een rol stopt. Met deze checklist voer je dat besluit uit. agent-ops Productie-agent Een AI-agent die echt werk doet op live systemen, zoals mail versturen, gegevens wijzigen of betaalde diensten aanroepen. Trigger Alles wat een run van de agent start: een planning, een webhook, een wachtrij, een inboxregel. Toegangsgegevens Alles waarmee de agent kan inloggen of handelen: een API-sleutel, een OAuth-machtiging, een serviceaccount, een cloudrol. Refresh-token Een lang geldig token waarmee software nieuwe, kort geldige toegangstokens ophaalt zonder dat iemand opnieuw inlogt. Tombstone Een regel in het register die de agent als buiten gebruik markeert, met eigenaar, datum en reden, zodat niemand hem per ongeluk opnieuw inzet. ROSTER Rollen, Doelstellingen, Vaardigheden en tools, Triggers, Evaluatie, Rotatie. Rotatie is het besluit om een rol te verbeteren, samen te voegen of buiten gebruik te stellen. Een productie-agent stel je buiten gebruik door elke route af te sluiten waarlangs hij werk kan starten, kan inloggen of geld kan kosten, en daarna per route te bewijzen dat ze dicht is door het te proberen. Een productie-agent is een AI-agent (software die een doel meekrijgt, zelf de stappen kiest en tools gebruikt) die echt werk doet op live systemen: mail versturen, gegevens wijzigen, betaalde diensten aanroepen. Op stop drukken bij de lopende run is nog geen buitengebruikstelling. De volgende geplande run, een bewaarde sleutel of een maandabonnement kan hem aan het werk houden en de kosten laten doorlopen. De volgorde: bevries nieuwe invoer, handel geaccepteerd werk af, leid aanroepers om, trek toegang in, stop de kosten, bewaar het dossier en test daarna elke oude route. Verderop staat de checklist op één scherm. Waarom is \"we hebben hem uitgezet\" niet genoeg? Neem een hypothetische agent die bij een bedrijf met tien medewerkers betalingsherinneringen verstuurt. Het boekhoudpakket verstuurt de herinneringen voortaan zelf, dus de agent is overbodig. Iemand stopt de lopende taak en zet in de teamchat: \"de herinneringsagent staat uit\". Drie dingen lopen gewoon door. - De planning. Maandag om 9.00 uur start de planner (de dienst die taken op vaste tijden in gang zet) een nieuwe run, en een klant krijgt een dubbele herinnering. - Een gekopieerde sleutel. De API-sleutel van de agent (een wachtwoord voor software) staat ook in een spreadsheet van de financiële afdeling, die het model onder de naam van de agent blijft aanroepen. - Het abonnement. De aanbieder blijft een maandabonnement factureren dat voor de agent is afgesloten, want stoppen met gebruiken zegt geen abonnement op. Niets hiervan is bijzonder. Het zijn allemaal routes waar de stopknop nooit bij kwam. Houd de drie klussen uit elkaar Klus Wat het vaststelt Wat het openlaat --- --- --- Een run stoppen Deze uitvoering is afgelopen Een andere trigger kan een nieuwe run starten Een eigenaar aanwijzen Iemand is aanspreekbaar op de agent Sleutels en planningen kunnen actief blijven en kosten kunnen doorlopen De agent buiten gebruik stellen Werk, toegang en kosten zijn afgesloten en getest Het dossier en de laatste factuur hebben nog een eigenaar nodig Geef elke klus een eigen status in één ticket. Een eigenaar die een gestopte run aftekent, trekt daarmee geen sleutel in. Deze pagina gaat over de geplande, definitieve stopzetting; een ontsporende agent midden in een run stilleggen is een ander verhaal. Begin bij het charter van de agent, het geschreven contract dat zegt wat hij doet en wat hij niet mag. De invoer en het bevoegdheidsplafond laten zien waar de agent bij mocht. De inventarisatie hieronder laat zien waar hij werkelijk bij kan. Stap 1: breng in kaart wat nog kan starten, inloggen of factureren Stel de lijst op vanuit de systemen zelf. In een register kan een gekopieerde sleutel ontbreken, of een aanroeper die bij een ander team hoort. Controleer vier groepen. - Triggers (alles wat een run start): geplande taken op het platform, cronjobs (tijdgestuurde taken op een server), processen die taken uit een wachtrij oppakken, webhooks (een webadres dat een ander systeem aanroept om werk te starten) en inboxregels. - Toegangsgegevens (alles waarmee hij kan inloggen of handelen): API-sleutels, OAuth-machtigingen (toestemming die iemand een app geeft om namens die persoon te handelen) met hun refresh-tokens, serviceaccounts (accounts van software, niet van mensen), cloudrollen en sleutels in de instellingenbestanden die AI-apps aan tools koppelen. - Aanroepers (alles wat hem werk stuurt): andere agents, notebooks, spreadsheets, workflows van klanten en taken die mislukte aanroepen automatisch herhalen. - Kosten: accounts bij modelaanbieders, abonnementen, vooruitbetaalde rekencapaciteit, zoekindexen en andere diensten die voor de agent zijn afgenomen. Noteer per onderdeel de eigenaar, het ID, de geplande actie en het bewijs waarmee je het afsluit. Spoor elke sleutel na in de geheimenkluis, de deployment-instellingen, notebooks en lokale bestanden. Schrijf ID's op, nooit de geheime waarden zelf. Markeer gedeelde sleutels. Een sleutel uit één bestand verwijderen laat elke andere kopie gewoon werken. Intrekken schakelt elke kopie tegelijk uit, ook de kopieën waar live systemen nog op draaien; het playbook van TrueFoundry zegt het onomwonden: de kopieën zijn dezelfde sleutel. Zet die systemen dus eerst over op vervangende toegang, controleer of ze werken en trek de sleutel pas daarna in. Houd de vervangende sleutel buiten de instellingen van de agent die stopt. Stap 2: bouw de agent in een vaste volgorde af Het playbook van TrueFoundry, geschreven door Boyu Wang (8 augustus 2026), noemt zes stappen: inventory, redirect, revoke, retain, tombstone en verify. De volgorde hieronder volgt die reeks, splitst \"redirect\" op in drie concrete stappen en voegt het stoppen van kosten toe als aparte stap. 1. Bevries nieuwe invoer. Schakel de triggers uit die nieuw werk aannemen en noteer het tijdstip. Houd alleen de toegang aan die nodig is om al geaccepteerd werk af te ronden. 2. Handel geaccepteerd werk af. Maak een lijst van lopende taken, taken in de wachtrij en geplande herhalingen. Rond elke taak af, draag haar over of annuleer haar, en noteer wie een overdracht overneemt. Kijk in de wachtrij zelf, niet alleen op het dashboard. 3. Leid aanroepers om. Verwijs elke aanroeper naar een geteste vervanger, of laat hem een duidelijke melding \"buiten gebruik\" terugkrijgen. Verwijder herhalingen die nog op de oude agent mikken. Laat de eigenaar van elke aanroeper het nieuwe gedrag bevestigen. 4. Trek toegang in. Trek de eigen sleutels en machtigingen van de agent in, ook refresh-tokens die nieuwe toegang kunnen ophalen. Controleer daarna wat er gebeurt met toegangstokens die al zijn uitgegeven. Volgens de OAuth-standaard voor intrekken, RFC 7009, hoort een server die dat ondersteunt bij een ingetrokken refresh-token ook de toegangstokens van dezelfde machtiging ongeldig te maken (in de standaard staat SHOULD, geen MUST). Het addertje onder het gras zit in \"hoort\" en \"die dat ondersteunt\": ga ervan uit dat een uitgegeven token kan blijven werken tot het verloopt, tenzij je aanbieder iets anders zegt. Verwijder roltoewijzingen en noteer per sleutel het ID, de actie en het tijdstip. 5. Stop de kosten. Blokkeer verder gebruik en zeg de eigen abonnementen, licenties en reserveringen van de agent op. Controleer wat elke budgetinstelling echt doet, want veel budgetten waarschuwen alleen. Volgens de eigen documentatie van Google Cloud begrenst een budget dat alleen waarschuwingen stuurt het gebruik of de uitgaven niet automatisch. Haal bij gedeelde diensten alleen het aandeel van de agent weg, zonder iets af te sluiten wat live systemen nog nodig hebben. 6. Bewaar het dossier. Bewaar het ticket en de logboeken, traces en prompts die je beleid voorschrijft of toestaat. Leg vast waar het archief staat, wie erin mag, welke bewaartermijn geldt en, als het beleid dat vraagt, wanneer het wordt verwijderd. Markeer daarna de registerregel als buiten gebruik, met eigenaar, datum en reden. Die regel, de tombstone, helpt voorkomen dat iemand de agent per ongeluk opnieuw inzet. Hij schakelt geen enkele sleutel uit. Draait een leverancier een deel van de agent, zet dan ook diens actie en bevestiging in het ticket. Sluit je alleen je eigen kant af, dan kan het gehoste account, de planning of het abonnement aan zijn kant blijven doorlopen. Stap 3: controleer door het te proberen Roep de oude webhook en het oude startpunt aan zonder ze weer in te schakelen. Doe een verzoek met het oude toegangstoken. Probeer het oude refresh-token. Roep het oude endpoint aan vanaf een client die vroeger wel binnenkwam. Gebruik onschuldige verzoeken die je kunt terugvinden, voor het geval een blokkade toch niet werkt. Kijk naar het effect, niet alleen naar het antwoord. Er mag niets starten, geen enkele oude sleutel mag nog toegang geven en het refresh-token mag geen bruikbaar token meer opleveren. Komt een aanroeper nu bij een vervanger uit, controleer dan welk systeem het verzoek echt heeft afgehandeld. Lees daarna de logboeken vanaf het tijdstip van de invoerstop, zoals de verify-stap van TrueFoundry dat doet. Succesvol verkeer op naam van de agent hoort nul te zijn, en pogingen met ingetrokken sleutels horen alleen als mislukte authenticatie te verschijnen. Elk geslaagd verzoek betekent dat het intrekken onvolledig is of dat er nog een andere sleutel werkt. Controleer gebruik en facturen apart. De laatste factuur kan nog werk van vóór de stop bevatten. Koppel elke resterende kostenpost aan de bijbehorende factuurperiode en verklaar elke reservering of elk abonnement dat nog doorloopt. Leg per poging vast: het tijdstip, het verwachte resultaat, het waargenomen resultaat en de bijbehorende logregel. De checklist voor buitengebruikstelling Route Afsluiten door Bewijs dat ze dicht is --- --- --- Planningen en tijdgestuurde taken Uitschakelen, daarna verwijderen Het volgende geplande tijdstip gaat voorbij zonder run in het logboek Webhooks en wachtrijen Het adres of het verwerkende proces verwijderen Een onschuldige testaanroep start niets Aanroepers Naar de vervanger of naar een duidelijke melding \"buiten gebruik\" verwijzen De eigenaar van elke aanroeper bevestigt het nieuwe gedrag Sleutels en machtigingen Gedeelde gebruikers eerst overzetten, dan intrekken De oude sleutel en het oude refresh-token worden geweigerd Accounts en rollen Het serviceaccount uitschakelen, de rollen weghalen Inloggen mislukt en er is geen roltoewijzing meer Kosten Abonnementen, licenties en reserveringen opzeggen Elke regel op de laatste factuur hoort bij een factuurperiode Dossier Archiveren volgens beleid, registerregel op \"buiten gebruik\" De archieflocatie en de verwijderdatum staan op papier Sluit het ticket op basis van bewijs Gebruik één ticket, met het register-ID van de agent, de persoon die de buitengebruikstelling goedkeurde, het tijdstip van de invoerstop en per regel hierboven een verwijzing naar het bewijs. Geef elk open punt een eigenaar en een volgende controle; een opzegging die pas aan het eind van een factuurperiode ingaat, heeft een vervolgdatum nodig, en een ingediend verzoek sluit op zich niets af. Sluit het ticket pas als elke oude route is geprobeerd en dicht bleek, en elke resterende kostenpost is verklaard. Waar past buitengebruikstelling in ROSTER? ROSTER is het framework uit Het agent-droomteam (nu verkrijgbaar) om AI-agents in te zetten als benoemde specialisten. Het legt per agent zes besluiten vast (de naam komt van de Engelse beginletters): - Rollen: één taak per agent, met een charter dat zegt waar de rol wel en niet over gaat. - Doelstellingen: een resultaat dat je kunt beoordelen. - Vaardigheden en tools: alleen de toegang die de taak vraagt. - Triggers: de gebeurtenis die de agent start. - Evaluatie: een vaste scorecard, elke week ingevuld. - Rotatie: verbeter de rol, voeg haar samen of stel haar buiten gebruik zodra het bewijs daarom vraagt. Je hebt het boek niet nodig om ermee te werken. Rotatie beslist óf een rol stopt; deze pagina gaat over het hoe. De regel uit het boek: één week onder de ondergrens van de scorecard is aanleiding voor een diagnose, twee weken op rij of vier van de laatste zes vragen om een besluit om te verbeteren, samen te voegen of buiten gebruik te stellen. Het boek voegt een controle toe die veel werk scheelt: heeft de aanbieder het model eronder gewijzigd of uitgefaseerd, behandel dat dan als een gedwongen migratie (zet de rol over op een nieuw model en test opnieuw) en niet als buitengebruikstelling. Stopt een rol wel, dan gaat het charter volgens het boek naar een archief, met een alinea over het waarom, en verdwijnt de rol van de triggerkaart. Pas dat toe op de herinneringsagent. Het rotatiebesluit luidt: \"buiten gebruik: het boekhoudpakket doet dit werk nu zelf\". Bij Triggers staat de maandagplanning die weg moet. Bij Vaardigheden en tools staat de sleutel die je intrekt. De outputregel in het charter vertelt wie zijn werk ontving. Een goed charter is je eerste inventarisatie, en daarom staat het op de ROSTER-frameworkpagina vooraan. Leg de volgende einddatum vast zodra je de agent maakt In zijn essay voor de Forbes Technology Council betoogt Akhilesh Sharma dat elke applicatie, agent, automatisering en integratie bij het aanmaken een houdbaarheidsdatum moet krijgen (in het Engels een time-to-live), een benoemde eigenaar met het mandaat om te verlengen, te beperken of buiten gebruik te stellen, en een gefaseerde buitengebruikstelling. Neem die besluiten zodra je het charter van de volgende agent schrijft. Wijs de eigenaar voor verlenging aan, leg een evaluatiedatum vast en noteer welke toegangsgegevens, aanroepers en factuuraccounts een buitengebruikstelling zal raken. De exitregel uit agentstrategie is hetzelfde idee op portfolioniveau. En draait een agent op rechten die een medewerker ooit heeft aangemaakt, zet hem dan op de offboardingchecklist van die persoon: wie het account van een medewerker sluit, kan een serviceaccount gewoon actief laten. Probeer dit vandaag: een proefrun van 15 minuten Kies één agent die nog draait, ook als hij goed werkt. 1. Schrijf zijn triggers, toegangsgegevens (alleen ID's), aanroepers en kosten op, elk op één regel. 2. Zet achter elke regel wie de eigenaar is en hoe je hem zou afsluiten. 3. Een regel zonder eigenaar is het eerste wat je oplost. Een regel die je niet kunt invullen, is een route die je op de dag van buitengebruikstelling zou missen. Bewaar het blad. Op de dag dat de agent stopt, is het je ticket.","keyTakeaways":["Een run stoppen, een eigenaar aanwijzen en de agent buiten gebruik stellen zijn drie aparte klussen. Geef elke klus een eigen status.","Zet systemen die een gedeelde sleutel nog gebruiken eerst over op vervangende toegang. Intrekken schakelt elke kopie tegelijk uit.","Stop lopende kosten apart. Een sleutel intrekken zegt geen abonnement op, en veel budgetten sturen alleen een waarschuwing.","Sluit het ticket pas als pogingen met oude triggers en toegangsgegevens mislukken en elke resterende kostenpost aan een factuurperiode is gekoppeld.","In ROSTER beslist Rotatie óf een rol stopt. Met deze checklist voer je dat besluit uit."],"readingMinutes":10,"publishedAt":"2026-10-05T07:05:00.000Z"}},"degree":7},{"id":"article:roster-meaning","type":"article","pillar":"venture-building","locales":{"en":{"label":"What is a roster? From the Monday rota to a team of AI agents","summary":"A roster is a named list of who is available for a job and what each one does, sometimes with when they do it. A staff roster lists employees and their shifts, a sports roster lists the players a team may use, an agency roster lists the outside agencies a brand retains, and an AI agent roster lists the software agents a business runs, each with one job. English borrowed the word from Dutch rooster, originally a gridiron, in 1727.","url":"/en/blog/roster-meaning/","searchText":"What is a roster? From the Monday rota to a team of AI agents What is a roster? A named list of who is available and what each one does. Staff, sports, agency and AI agent rosters, and the Dutch grill behind the word. The word started as a Dutch gridiron. The idea still fits your staff, your agencies and your AI agents. A roster is a named list of who is available for a job and what each one does, sometimes with when they do it. A staff roster lists employees and their shifts, a sports roster lists the players a team may use, an agency roster lists the outside agencies a brand retains, and an AI agent roster lists the software agents a business runs, each with one job. English borrowed the word from Dutch rooster, originally a gridiron, in 1727. what is a roster A roster answers two questions at a glance: who is on, and what is each one for. English took the word from Dutch rooster (a gridiron) in 1727, probably after the ruled grid of a duty list. Cambridge marks roster as mainly American; British English usually says rota. An AI agent roster is a small set of named agents, each with one job, a start signal, and a check on its output. ROSTER, from The Agent Dream Team, turns that list into six decisions that fit on one page. multi-agent-organization agent-ops roster A named list of who is available for a job and what each one does, sometimes with when they do it. rota The usual British word for a duty roster, where people take turns. agency roster The set of outside agencies a brand retains, with the job each one covers. AI agent roster A small named set of AI agents, each with one job, an event that starts it, and a check on its output. ROSTER Roles, Objectives, Skills and tools, Triggers, Evaluation, Rotation. Six decisions for running named AI agents, from The Agent Dream Team. A roster is a named list of who is available for a job and what each one does , often with when they do it. A staff roster, a sports roster, an agency roster and an AI agent roster are the same idea pointed at different workers: people on shifts, players, outside firms, or software. The test is short. A good roster answers two questions at a glance: who is on, and what is each one for? If you can read a name but not its job, you have a contact list, not a roster. Where does the word \"roster\" come from? From a cooking grate. English borrowed roster from Dutch rooster in 1727, first in military use, for a list showing whose turn of duty came next. The Dutch word meant a table or list, and before that a gridiron: the iron grate you roast meat on, from Middle Dutch roosten , \"to roast\" (Etymonline). The link is probably visual. A duty list was drawn as a grid of crossing lines, and a grid looks like a grill. The standard Dutch etymological dictionary records that sense in 1824: a table of crossing lines with the names of people and their tasks in the boxes. It also confirms that English took the word from Dutch (Etymologisch Woordenboek van het Nederlands). By 1881, English used roster for any list of names, with or without turns of duty. That drift explains a trap for Dutch speakers: a Dutch rooster today leans towards the timetable, while an English roster starts from the names. Roster, rota or schedule: what is the difference? They overlap, and they are not the same thing. The Cambridge Dictionary marks roster as mainly American, notes that British English usually says rota , and defines a roster as a list of people's names, often with the jobs they have been given (Cambridge Dictionary). Word The question it answers first Example --- --- --- Roster Who is on, and what does each one do? The nurses on a ward this week, and their roles Rota (UK) Whose turn is it? Who cleans the office kitchen on which day Schedule When does each thing happen? Shift times, match times, publishing dates A staff roster usually combines the first and the third: names, roles and shifts on one sheet. Four kinds of roster you will meet Staff roster. The employees on duty, with their role and shift. Cambridge's example sentence is this kind: look on the duty roster to see when you are working. Sports roster. The players a team may use. Cambridge's American entry names the military unit and the sports team as the typical cases. The Agent Dream Team borrows this picture: a coach picks the formation before the players, so the positions exist before anyone fills them. Agency roster. The set of outside agencies a brand retains: creative, media, PR, digital and so on. The US Association of National Advertisers lists \"agency roster models\" among the topics of its agency-relations committee (ANA). An agency roster strategy is the decision about how many agencies to keep, which job each one owns, and who leads where their work overlaps. The consultancy TrinityP3 frames the goal as the right mix of agencies with the capabilities the brand needs (TrinityP3). AI agent roster. A small set of AI agents (software that takes a goal, uses tools, and works through several steps without a person prompting each one), where each agent has one named job. Instead of one chatbot doing research, writing and admin in the same thread, you run a research agent, a drafting agent and an admin agent, each with its own instructions, access and check. The last kind is the newest, and it is where a bare list of names helps least. Software will not ask what you meant. How do you run an AI agent roster? ROSTER is a framework for turning a list of AI agents into a team you can manage. It comes from The Agent Dream Team , a book for one-person businesses, available now in English and Dutch. The six letters are six decisions you make for every agent on the list: 1. Roles. Give each agent a charter (a one-page job description), so one job has an owner instead of a shared chat thread. 2. Objectives. Make the charter measurable. A role without an objective is a job title. 3. Skills and tools. Decide what the agent may use, and remove the access it does not need. 4. Triggers. Decide once, with a clear head, which event starts which agent. 5. Evaluation. Score the output against a written scorecard. Judging by feel is hope, not management. 6. Rotation. Retire, merge or rebuild an agent when the work changes, before it quietly fails. You do not need the book to use this. Here is a worked example. Imagine Sam, who runs a hypothetical one-person consultancy and sends clients a short market briefing every Friday. Sam starts with the three roles the book recommends for a first roster (three, not one and not eight): a Research Specialist, a Draft Editor and an Ops Coordinator. Role Objective May use / may not Trigger Evaluation Rotation rule --- --- --- --- --- --- Research Specialist Five sourced items by Wednesday 17:00 Web search, source notes / no email, no drafting Tuesday 09:00 Every item has a working source link Merge into the Draft Editor if it never finds a source Sam did not already have Draft Editor A 400-word briefing in house style by Thursday noon Research notes, style guide / no web, no sending Research notes marked done Sam can send it after under ten minutes of edits Rebuild if edits run past ten minutes three weeks in a row Ops Coordinator Briefing sent, sends logged, bounces listed Mailing tool (drafts only), client list / no writing Sam approves the draft Zero sends without Sam's approval Retire if the mailing tool starts doing this job itself Nothing in that table needs special software. It needs six decisions, written down. Notice that every role says what it does not do. The book makes the same point about charters: the explicit list of what a role does not own is the line founders skip, and it is the one that keeps a research agent out of your client inbox. What a roster is not It is not an org chart. An org chart shows who reports to whom. A roster shows who does which job. It is not a list of subscriptions. Five AI tools with logins but no jobs are a bill, not a team. It is not a sports team in every way. The squad picture helps with positions and substitutions, and the book stops it there: agents have no morale, no chemistry and no motivation. A struggling agent can only be re-specified, re-tooled or replaced. It is not a coordination system on its own. Once work passes between several people and agents, you also need handoffs and reviews. On this site that is the job of CHORUS (Charter, Handoff, Orchestrate, Review, Update, Sync), the coordination protocol from The Multi-Agent Organization , also available. ROSTER defines the roles; the ROSTER framework page has the full step list. Try this today: write your roster in 15 minutes Take any team you run: staff, agencies, freelancers or AI agents. On one sheet, write one line per name, with five fields: 1. Name. 2. The one job it owns. 3. One thing it must not do. 4. What starts its work. 5. How you check the result. Any line with an empty fifth field is the gap. Fix that line before you add another name.","keyTakeaways":["A roster answers two questions at a glance: who is on, and what is each one for.","English took the word from Dutch rooster (a gridiron) in 1727, probably after the ruled grid of a duty list.","Cambridge marks roster as mainly American; British English usually says rota.","An AI agent roster is a small set of named agents, each with one job, a start signal, and a check on its output.","ROSTER, from The Agent Dream Team, turns that list into six decisions that fit on one page."],"readingMinutes":6,"publishedAt":"2026-10-01T07:00:00.000Z"},"nl":{"label":"Wat is een roster? En waarom het net iets anders is dan een rooster","summary":"Een roster is een lijst met namen: wie er beschikbaar is voor een klus en wat ieder doet, soms ook wanneer. Een Nederlands rooster begint juist bij de tijd en de beurt: wie werkt wanneer. Het Engelse roster komt van ons rooster, oorspronkelijk een braadrooster, en werd in 1727 in het Engels opgenomen. Je komt het tegen als staff roster, sports roster, agency roster en als roster van AI-agents: een klein team softwareagents met elk één taak.","url":"/nl/blog/wat-is-een-roster/","searchText":"Wat is een roster? En waarom het net iets anders is dan een rooster Wat is een roster? Een lijst van wie er beschikbaar is en wat ieder doet. Waarom dat net iets anders is dan een rooster, en wat een roster van AI-agents is. Het Engels leende het woord van ons in 1727. Het kwam terug met de nadruk op de namen in plaats van op de tijd. Een roster is een lijst met namen: wie er beschikbaar is voor een klus en wat ieder doet, soms ook wanneer. Een Nederlands rooster begint juist bij de tijd en de beurt: wie werkt wanneer. Het Engelse roster komt van ons rooster, oorspronkelijk een braadrooster, en werd in 1727 in het Engels opgenomen. Je komt het tegen als staff roster, sports roster, agency roster en als roster van AI-agents: een klein team softwareagents met elk één taak. wat is een roster Een roster zegt eerst wie erbij hoort en wat ieder doet. Een rooster zegt eerst wanneer wie aan de beurt is. Het Engelse roster komt uit het Nederlands (1727). Een rooster was eerst een braadrooster; de tabel met kruisende lijnen is er waarschijnlijk naar genoemd. Bij het dienstrooster vallen de twee samen. Bij een team of een groep bureaus past rooster slecht. Een roster van AI-agents is allebei: wie doet wat, én welke gebeurtenis welke agent start. ROSTER uit Het agent-droomteam maakt van zo'n lijst zes beslissingen op één pagina. multi-agent-organization agent-ops roster Een lijst met namen van wie er beschikbaar is voor een klus en wat ieder doet, soms ook wanneer. rooster Een raamwerk (zoals een braadrooster) of een tabel met een vaste volgorde van werk, zoals een dienst- of lesrooster. agency roster De vaste externe bureaus waarmee een merk werkt, met de klus die elk bureau in handen heeft. roster van AI-agents Een klein team AI-agents met elk één taak, een gebeurtenis die de agent start en een controle op de output. ROSTER Roles, Objectives, Skills and tools, Triggers, Evaluation, Rotation (in de Nederlandse editie Rollen, Doelstellingen, Vaardigheden en tools, Triggers, Evaluatie, Rotatie). Zes beslissingen voor benoemde AI-agents, uit Het agent-droomteam. Een roster is een lijst met namen: wie er beschikbaar is voor een klus en wat ieder doet. Een Nederlands rooster begint ergens anders, namelijk bij de tijd: wie werkt wanneer, welke les valt op welk uur. De twee woorden zijn familie, want het Engelse roster komt uit het Nederlands. Alleen ligt de nadruk net op een andere plek. Het Engelse woord duikt op in sportverslagen, bij internationale werkgevers, in de reclamewereld en de laatste tijd bij AI-agents. Wie het letterlijk vertaalt met rooster, zit er vaak net naast. De toets is kort. Een roster beantwoordt in één oogopslag twee vragen: wie doet er mee, en waarvoor is ieder er? Zie je wel een naam maar niet de taak, dan heb je een contactenlijst, geen roster. Wat is het verschil tussen een roster en een rooster? Het verschil zit in de eerste vraag die het woord beantwoordt. Woord Eerste vraag Voorbeeld --- --- --- Roster (Engels) Wie hoort erbij, en wat doet ieder? De spelers die een club mag opstellen Rooster (Nederlands) Wanneer is wie aan de beurt? Het dienstrooster van een afdeling, het lesrooster van een klas Rota (Brits-Engels) Wie is er deze keer aan de beurt? Wie deze week de kantoorkeuken schoonmaakt De Cambridge Dictionary omschrijft een roster als een lijst met namen van mensen, vaak met de taken die ze hebben gekregen. Het woord is volgens Cambridge vooral Amerikaans; in het Brits-Engels zeg je meestal rota (Cambridge Dictionary). Het Etymologisch Woordenboek van het Nederlands omschrijft rooster als een raamwerk, of als een tabel met een vastgestelde volgorde van werkzaamheden (etymologiebank.nl). Bij het dienstrooster raken de twee elkaar: daar staan namen, taken en tijden op één vel. Een duty roster vertaal je dus prima met dienstrooster. Een team roster of een agency roster niet, want daar gaat het om wie erbij hoort en niet om wanneer. Waar komt het woord roster vandaan? Uit de keuken. In het Middelnederlands was een rooster een vuur- of braadrooster: een ijzeren raamwerk om vlees boven het vuur te roosteren. Het woord hoort bij het oude werkwoord roosten (roosteren). De betekenis 'tabel' kwam later. Het etymologisch woordenboek noteert voor het jaar 1824 de betekenis 'tabel met elkaar kruisende lijnen, met in de vakken namen van personen en taken', met als citaat: \"eene tafel vol lijnen en dwarsstrepen, waarop de beurt van een ieder\". Het verband is waarschijnlijk visueel: een tabel met kruisende lijnen lijkt op een grill. Het Engels leende het woord al eerder, in 1727, eerst in het leger: een lijst die bijhield wie wanneer dienst had. In 1881 gebruikte het Engels roster al voor elke lijst met namen, los van beurten (Etymonline). Het woord reisde verder: ook het Indonesisch kent roster, als kruistabel op papier voor werk- en lesroosters. Zo kwam het woord terug met een andere nadruk. Het Nederlandse rooster bleef dicht bij de beurt en de tijd. Het Engelse roster schoof op naar de namen. Welke soorten roster kom je tegen? Staff roster. De medewerkers die zijn ingeroosterd, met hun rol en hun dienst. Ook de voorbeeldzin van Cambridge gaat over deze soort: kijk op het dienstrooster (duty roster), dan zie je wanneer je moet werken. Hier is dienstrooster de goede vertaling. Sports roster. De spelers die een club mag inzetten. Cambridge noemt de legereenheid en het sportteam als typisch Amerikaans gebruik. Het agent-droomteam leent dat beeld: een coach kiest eerst de opstelling en pas daarna de spelers, dus de posities bestaan voordat iemand ze invult. Agency roster. De externe bureaus waarmee een merk vast samenwerkt: reclame, media, pr, digitaal. De Amerikaanse adverteerdersvereniging ANA noemt 'agency roster models' als onderwerp van haar commissie voor bureaurelaties (ANA). Een agency roster strategy is de keuze hoeveel bureaus je aanhoudt, welke klus elk bureau in handen heeft en wie de leiding heeft waar hun werk overlapt. Het adviesbureau TrinityP3 omschrijft het doel als de juiste mix van bureaus met de vaardigheden die het merk nodig heeft (TrinityP3). In goed Nederlands: je vaste bureaus. Roster van AI-agents. Een klein team AI-agents (software die een doel meekrijgt, tools gebruikt en zelfstandig meerdere stappen zet zonder dat jij elke stap aanstuurt) waarin elke agent één benoemde taak heeft. In plaats van één chatbot die onderzoek, schrijfwerk en administratie in dezelfde thread afhandelt, draai je een onderzoeksagent, een schrijfagent en een administratieve agent, elk met eigen instructies, eigen toegang en een eigen controle. Die laatste soort is de nieuwste, en juist daar helpt een kale lijst met namen het minst. Software vraagt niet wat je bedoelde. Is een roster van AI-agents dan toch een rooster? Hier wordt het interessant. De Nederlandse editie van Het agent-droomteam vertaalt specialist roster met specialistenrooster . Dat is geen slordigheid. Een roster van AI-agents legt niet alleen vast wie erin zit en wat ieder doet, maar ook wanneer elke agent start. Die startsignalen heten triggers. Zo'n team is dus allebei: een lijst van wie (roster) en een schema van wanneer (rooster). Het woord maakte een omweg via het Engels en komt bij de agents weer bij zijn oude betekenis uit. ROSTER: zes beslissingen voor je agents ROSTER is een framework om van een lijst AI-agents een team te maken dat je kunt aansturen. Het komt uit Het agent-droomteam , een boek voor eenmansbedrijven dat nu verkrijgbaar is in het Nederlands en het Engels. De letters komen van de Engelse namen (Roles, Objectives, Skills and tools, Triggers, Evaluation, Rotation). In de Nederlandse editie heten de zes stappen: 1. Rollen. Geef elke agent een charter (een functieomschrijving van één pagina), zodat één taak een eigenaar heeft in plaats van een gedeelde chatthread. 2. Doelstellingen. Maak het charter meetbaar. Een rol zonder doelstelling is een functietitel. 3. Vaardigheden en tools. Begrens wat de agent mag gebruiken en haal toegang weg die hij niet nodig heeft. 4. Triggers. Beslis één keer, met een helder hoofd, welke gebeurtenis welke agent start. 5. Evaluatie. Beoordeel de output met een scorecard. Op gevoel beoordelen is hopen, geen sturen. 6. Rotatie. Neem een agent uit bedrijf, voeg hem samen met een andere of bouw hem opnieuw als het werk verandert, voordat hij ongemerkt faalt. Je hebt het boek niet nodig om dit te gebruiken. Een uitgewerkt voorbeeld. Stel: Sanne heeft een eenmansadviesbureau in Utrecht en stuurt klanten elke vrijdag een korte marktbriefing. Het voorbeeld is verzonnen. Ze begint met de drie rollen die het boek aanraadt voor een eerste rooster (drie, niet één en niet acht): een Onderzoeksspecialist, een Conceptredacteur en een Ops-coördinator. Rol Doelstelling Mag wel / niet Trigger Evaluatie Rotatieregel --- --- --- --- --- --- Onderzoeksspecialist Vijf items met bron, woensdag 17.00 uur Zoeken op het web, bronnotities / geen e-mail, niet schrijven Dinsdag 9.00 uur Elk item heeft een werkende bronlink Samenvoegen met de Conceptredacteur als hij zelf nooit een bron vindt die Sanne nog niet had Conceptredacteur Briefing van 400 woorden in huisstijl, donderdag 12.00 uur Onderzoeksnotities, stijlgids / geen web, niet verzenden Onderzoeksnotities staan op klaar Sanne kan hem versturen na minder dan tien minuten bijschaven Opnieuw bouwen als het bijschaven drie weken op rij langer dan tien minuten duurt Ops-coördinator Briefing verstuurd, verzendingen gelogd, bounces op een lijst Mailtool (alleen concepten), klantenlijst / niet schrijven Sanne keurt het concept goed Nul verzendingen zonder akkoord van Sanne Uit bedrijf nemen als de mailtool deze klus zelf gaat doen Voor die tabel heb je geen speciale software nodig. Je hebt zes beslissingen nodig, op papier. Let op het patroon: elke rol zegt wat hij níét doet. Het boek zegt hetzelfde over charters: de expliciete lijst van wat buiten een rol valt, is de regel die oprichters overslaan. Juist die regel houdt een onderzoeksagent uit je klantenmailbox. Wat een roster niet is Geen organogram. Een organogram laat zien wie aan wie rapporteert. Een roster laat zien wie welke klus doet. Geen lijst met abonnementen. Vijf AI-tools met een login maar zonder taak zijn een rekening, geen team. Geen sportteam in alle opzichten. Het beeld van de selectie helpt bij posities en wissels, en daar houdt het boek het bij: agents hebben geen moreel, geen chemie en geen motivatie. Een agent die het slecht doet, kun je alleen opnieuw specificeren, ander gereedschap geven of vervangen. Geen coördinatiesysteem op zichzelf. Zodra werk tussen meerdere mensen en agents heen en weer gaat, heb je ook overdrachten en reviews nodig. Op deze site is dat de taak van CHORUS (Charter, Handoff, Orchestrate, Review, Update, Sync), het coördinatieprotocol uit De multi-agent organisatie , ook verkrijgbaar. ROSTER legt de rollen vast; de ROSTER-frameworkpagina geeft de volledige stappen. Probeer het vandaag: je roster in 15 minuten Neem een team dat je aanstuurt: personeel, bureaus, freelancers of AI-agents. Schrijf op één vel per naam één regel met vijf velden: 1. De naam. 2. De ene klus die bij deze naam hoort. 3. Eén ding dat deze naam niet mag doen. 4. Wat het werk start. 5. Hoe jij het resultaat controleert. Een regel met een leeg vijfde veld is het gat. Vul die regel aan voordat je er een naam bij zet.","keyTakeaways":["Een roster zegt eerst wie erbij hoort en wat ieder doet. Een rooster zegt eerst wanneer wie aan de beurt is.","Het Engelse roster komt uit het Nederlands (1727). Een rooster was eerst een braadrooster; de tabel met kruisende lijnen is er waarschijnlijk naar genoemd.","Bij het dienstrooster vallen de twee samen. Bij een team of een groep bureaus past rooster slecht.","Een roster van AI-agents is allebei: wie doet wat, én welke gebeurtenis welke agent start.","ROSTER uit Het agent-droomteam maakt van zo'n lijst zes beslissingen op één pagina."],"readingMinutes":7,"publishedAt":"2026-10-01T07:05:00.000Z"}},"degree":8},{"id":"article:roster-vs-chorus","type":"article","pillar":"ai-systems","locales":{"en":{"label":"ROSTER vs CHORUS: AI agents for one person, or for a team?","summary":"ROSTER and CHORUS are two frameworks by Len P. van der Hof for working with AI agents. ROSTER (Roles, Objectives, Skills and tools, Triggers, Evaluation, Rotation), from The Agent Dream Team, is for one founder who runs several agents and holds every decision. CHORUS (Charter, Handoff, Orchestrate, Review, Update, Sync), from The Multi-Agent Organization, is for teams of 2 to 15 people who share work with agents. ROSTER defines each specialist; CHORUS moves work between people and agents.","url":"/en/blog/roster-vs-chorus/","searchText":"ROSTER vs CHORUS: AI agents for one person, or for a team? ROSTER runs AI agents for a founder working alone. CHORUS coordinates teams of 2 to 15 people and agents. How to choose, where they overlap, what to fix first. Count the people who can say no to the work. One name means ROSTER. Several names mean you need CHORUS as well. ROSTER and CHORUS are two frameworks by Len P. van der Hof for working with AI agents. ROSTER (Roles, Objectives, Skills and tools, Triggers, Evaluation, Rotation), from The Agent Dream Team, is for one founder who runs several agents and holds every decision. CHORUS (Charter, Handoff, Orchestrate, Review, Update, Sync), from The Multi-Agent Organization, is for teams of 2 to 15 people who share work with agents. ROSTER defines each specialist; CHORUS moves work between people and agents. ROSTER versus CHORUS ROSTER = Roles, Objectives, Skills and tools, Triggers, Evaluation, Rotation. For one founder running agents. CHORUS = Charter, Handoff, Orchestrate, Review, Update, Sync. For teams of 2 to 15 people working with agents. Choose by accountability: if every decision lands on you, start with ROSTER. If several people own parts of the work, you need CHORUS too. Both use charters, handoff packets and human review. CHORUS is not ROSTER at scale. When something breaks, fix the missing piece: a role limit, a handoff, a review gate or a shared status view. chorus multi-agent-organization ROSTER Roles, Objectives, Skills and tools, Triggers, Evaluation, Rotation. Six decisions for running AI agents as named specialists when one founder holds every decision. CHORUS Charter, Handoff, Orchestrate, Review, Update, Sync. A coordination protocol for teams of 2 to 15 people who share work with AI agents. Charter A one-page written contract for one worker, human or agent: what it does, what it may not do, and who checks it. Handoff packet The short written package that travels with a task when it moves from one worker to the next, so the receiver does not have to guess. Provenance Where an input came from: which document, which version, supplied by whom. ROSTER is for one person running several AI agents. CHORUS is for a small team of people who share work with AI agents. An AI agent here means software that takes a goal, chooses its own steps and uses tools such as search, email or files. ROSTER comes from The Agent Dream Team and turns each agent into a specialist with a job, a target and a weekly review. CHORUS comes from The Multi-Agent Organization and makes work, context and review travel cleanly between people and agents in a team of 2 to 15. Both books are by Len P. van der Hof and available now. You do not need either one to use this page. The quickest way to choose: count the people who can say no to a piece of work before it goes out. If the only name is yours, start with ROSTER. If there are two or more, you need CHORUS as well. The Agent Dream Team puts it in one line: \"CHORUS scales a team. ROSTER scales a person.\" What does each framework ask you to do? ROSTER: six decisions for every agent 1. Roles. One job per agent, written in a one-page charter (a job description) that says what the role owns and what it does not. 2. Objectives. A result specific enough to grade on a Friday without argument. 3. Skills and tools. Only the access that job needs, and nothing else. 4. Triggers. The event that starts the agent, decided once. 5. Evaluation. A written scorecard, graded weekly, with you as the final check. 6. Rotation. Upgrade, merge or retire a role when the scorecard or the work says so. The ROSTER framework page has the book's one-line version of each step. CHORUS: six skills for work that crosses between workers 1. Charter. A seven-field contract for every worker, human or agent: purpose, inputs, outputs, authority ceiling (what it may never decide), success criteria, review requirement, escalation. 2. Handoff. A six-field packet that travels with each task: goal, constraints, inputs, provenance (where each input came from), acceptance criteria, deadline. 3. Orchestrate. Steps in order, work split across parallel agents, results merged by a named owner, and a named person to escalate to. 4. Review. A gate where output passes only when it meets written criteria, not because it sounded right. 5. Update. What reviews find flows back into prompts, tools, procedures and charters, so the next run improves. 6. Sync. One place that shows who owns what and what is blocked, read in a short weekly meeting. What is CHORUS? fills in a charter and a packet for the same Friday task. Where do they differ? The difference is not the letters. It is who holds the accountability. This table follows the comparison in The Agent Dream Team, in plain words. Question ROSTER (one founder) CHORUS (team of 2 to 15) --- --- --- Who is accountable? You alone Several people, working with agents Who reviews the output? You are the only human reviewer Team members review each other's work Who can overrule an agent? Only you Any accountable person; people can also overrule each other Where do handoffs go? From agent to agent, and back to you Between people, between agents, and between the two How does everyone stay in step? A weekly routine you run alone Team rituals and a shared status board Who catches a failure? You, in your Friday review The team spots it and reroutes the work The book is explicit that a solo founder running ROSTER is not running a smaller version of a CHORUS team. One person is manager, reviewer and final gate at once. That is a design fact to plan around, not a flaw. It is also why the weekly review carries so much weight in ROSTER: nobody else will catch the drift. Where do they overlap? The book says the two frameworks share their DNA. Both charter every worker, both insist on written handoffs, and both require a human review before output ships. The details differ. Part ROSTER CHORUS --- --- --- Charter Six fields: role name, mandate (owns and does not own), input, output, permitted tools, escalation rule Seven fields: purpose, inputs, outputs, authority ceiling, success criteria, review requirement, escalation Handoff packet Four fields (task summary, relevant context, open questions, output files), labelled with sender, receiver, project and version Six fields: goal, constraints, inputs, provenance, acceptance criteria, deadline Review Your weekly scorecard pass A gate with a named person who can fail the work So \"which framework has handoffs?\" is the wrong question. Both do. The real question is who stands on the other side of the handoff, and whether anyone besides you can refuse it. For the full seven-field contract with a worked example, see What is an AI agent charter? A worked example: one consultant, then a team Imagine Maya, a hypothetical consultant who writes client proposals. Stage one: Maya alone. She runs two agents. A research agent gathers sources about the client; a draft agent writes the proposal. One week the research notes contain a pricing recommendation nobody asked for, and the draft agent copies it into the proposal. That is a role problem: the research agent's charter never said \"does not advise on price\". The ROSTER fix is one line under Roles and one check under Evaluation: no pricing advice in research notes. Stage two: Maya with a team. She hires a writer and an account manager. A month later the writer produces a strong proposal for a scope the client dropped two weeks earlier. The research agent did its job; the writer worked from an old brief. That is a handoff problem, and it now runs between people. The CHORUS fix is a packet with provenance (which brief, which version, supplied by whom) and a named person who must accept it before writing starts. The account manager owns that acceptance, and the shared board shows which brief is current. Notice what did not change. ROSTER's packet carries a version label, so it could have caught the stale brief when Maya worked alone. The team did not create the need for a handoff. It multiplied the people who could own one, which is why someone now has to be named. That matches the book's own advice: founders who grow past a company of one typically need both frameworks, ROSTER for their own agents and CHORUS for the people they bring on. When something breaks, which one do you fix? Headcount tells you which framework to start with. The failure tells you which part to repair first. What you see What is missing Where the fix lives --- --- --- An agent does work nobody asked for A written limit on its role ROSTER: Roles (CHORUS: Charter) You rewrite the output every week A result you can grade ROSTER: Objectives and Evaluation An agent can reach systems its job never needs A tool boundary ROSTER: Skills and tools (CHORUS: the authority ceiling in the Charter) The next worker starts from an old version A handoff with version and source ROSTER's handoff packet, or CHORUS: Handoff Two drafts arrive and nobody owns the merge A named owner for the merge CHORUS: Orchestrate Work ships because nobody said no A gate with a named person who can fail it CHORUS: Review (alone: your Friday scorecard) Nobody knows what is blocked One shared status view CHORUS: Sync An agent still does last quarter's job A decision to change or retire it ROSTER: Rotation (CHORUS: Update) If most of your rows land in the bottom half, the problem is coordination rather than any single agent. Why multi-agent systems fail walks through those breaks in order. Common mix-ups \"CHORUS is ROSTER for bigger companies.\" No. The Agent Dream Team says it outright: CHORUS is not ROSTER at scale. ROSTER assumes one human coach; CHORUS assumes several accountable people. \"CHORUS is for enterprises.\" Also no. The Multi-Agent Organization is scoped to teams of 2 to 15 people. Large-organisation design is outside the book. \"A solo founder needs no handoffs.\" Work still moves from one agent to the next, and ROSTER has its own packet for exactly that. \"Either one is a software product.\" Neither is. A tool can run tasks in sequence without carrying the right context or giving anyone the authority to reject the result. A plain shared document can hold a good charter or packet. Try this today: the 15-minute \"who can say no\" check Pick one piece of work that went out last week: a proposal, a report, a set of release notes. 1. Write down every worker that touched it, human or agent, in order. 2. For each step, fill in three columns: who sent it, who received it, who could have rejected it. 3. Read the last column. - Only your name: you are in ROSTER territory. Write the \"does not own\" line for the agent that surprised you most. - Several names: you need CHORUS. Write a six-field packet for the handoff that failed or felt shaky. - A blank: nobody could reject the work. Name that person before the next run.","keyTakeaways":["ROSTER = Roles, Objectives, Skills and tools, Triggers, Evaluation, Rotation. For one founder running agents.","CHORUS = Charter, Handoff, Orchestrate, Review, Update, Sync. For teams of 2 to 15 people working with agents.","Choose by accountability: if every decision lands on you, start with ROSTER. If several people own parts of the work, you need CHORUS too.","Both use charters, handoff packets and human review. CHORUS is not ROSTER at scale.","When something breaks, fix the missing piece: a role limit, a handoff, a review gate or a shared status view."],"readingMinutes":7,"publishedAt":"2026-09-26T19:00:00.000Z"},"nl":{"label":"ROSTER versus CHORUS: AI-agents voor één persoon of voor een team?","summary":"ROSTER en CHORUS zijn twee frameworks van Len P. van der Hof voor het werken met AI-agents. ROSTER (Roles, Objectives, Skills and tools, Triggers, Evaluation, Rotation), uit Het agent-droomteam, is bedoeld voor één oprichter die meerdere agents inzet en elk besluit zelf neemt. CHORUS (Charter, Handoff, Orchestrate, Review, Update, Sync), uit De multi-agent organisatie, is bedoeld voor teams van 2 tot 15 mensen die werk delen met agents. ROSTER bakent elke specialist af; CHORUS brengt het werk over tussen mensen en agents.","url":"/nl/blog/roster-versus-chorus/","searchText":"ROSTER versus CHORUS: AI-agents voor één persoon of voor een team? ROSTER is voor een solo-oprichter met AI-agents, CHORUS voor teams van 2 tot 15 mensen met agents. Hoe je kiest, waar ze overlappen en wat je eerst repareert. Tel de mensen die het werk kunnen tegenhouden. Ben jij de enige, dan is het ROSTER. Zijn het er meer, dan heb je ook CHORUS nodig. ROSTER en CHORUS zijn twee frameworks van Len P. van der Hof voor het werken met AI-agents. ROSTER (Roles, Objectives, Skills and tools, Triggers, Evaluation, Rotation), uit Het agent-droomteam, is bedoeld voor één oprichter die meerdere agents inzet en elk besluit zelf neemt. CHORUS (Charter, Handoff, Orchestrate, Review, Update, Sync), uit De multi-agent organisatie, is bedoeld voor teams van 2 tot 15 mensen die werk delen met agents. ROSTER bakent elke specialist af; CHORUS brengt het werk over tussen mensen en agents. ROSTER versus CHORUS ROSTER staat voor Roles, Objectives, Skills and tools, Triggers, Evaluation, Rotation. Voor één oprichter met agents. CHORUS staat voor Charter, Handoff, Orchestrate, Review, Update, Sync. Voor teams van 2 tot 15 mensen die met agents werken. Kies op verantwoordelijkheid: komt elk besluit bij jou terecht, begin dan met ROSTER. Zijn meerdere mensen elk eigenaar van een deel van het werk, dan heb je ook CHORUS nodig. Beide werken met charters, overdrachtspakketten en menselijke controle. CHORUS is geen ROSTER op grotere schaal. Loopt er iets mis, repareer dan het ontbrekende stuk: een rolgrens, een overdracht, een controlepunt of een gedeeld statusoverzicht. chorus multi-agent-organization ROSTER Roles, Objectives, Skills and tools, Triggers, Evaluation, Rotation (in het Nederlands Rollen, Doelstellingen, Vaardigheden en tools, Triggers, Evaluatie, Rotatie). Zes besluiten om AI-agents als benoemde specialisten in te zetten wanneer één oprichter elk besluit neemt. CHORUS Charter, Handoff, Orchestrate, Review, Update, Sync. Een coördinatieprotocol voor teams van 2 tot 15 mensen die werk delen met AI-agents. Charter Een schriftelijk contract van één pagina voor één werker, mens of agent: wat die doet, wat die niet mag en wie het werk controleert. Overdrachtspakket Het korte pakket op schrift dat met een taak meereist van de ene werker naar de volgende, zodat de ontvanger niet hoeft te raden. Herkomst Waar een stuk invoer vandaan komt: welk document, welke versie, aangeleverd door wie. ROSTER is bedoeld voor één persoon die meerdere AI-agents inzet. CHORUS is bedoeld voor een klein team van mensen dat werk deelt met AI-agents. Met een AI-agent bedoelen we software die een doel meekrijgt, zelf de stappen kiest en tools gebruikt, zoals zoeken, e-mail of bestanden. ROSTER komt uit Het agent-droomteam en maakt van elke agent een specialist met een taak, een doel en een wekelijkse controle. CHORUS komt uit De multi-agent organisatie en zorgt ervoor dat werk, context en controle netjes worden doorgegeven tussen mensen en agents in een team van 2 tot 15 mensen. Beide boeken zijn van Len P. van der Hof en nu verkrijgbaar. Je hebt geen van beide nodig om deze pagina te gebruiken. De snelste manier om te kiezen: tel de mensen die een stuk werk kunnen tegenhouden voordat het de deur uitgaat. Staat alleen jouw naam op dat lijstje, begin dan met ROSTER. Staan er twee of meer namen op, dan heb je ook CHORUS nodig. Het agent-droomteam zegt het in één regel: \"CHORUS schaalt een team. ROSTER schaalt een persoon.\" Wat vraagt elk framework van je? ROSTER: zes besluiten per agent De Nederlandse stapnamen staan voorop; de Engelse beginletters vormen samen de naam. 1. Rollen (Roles). Eén taak per agent, vastgelegd in een charter van één pagina (een functiebeschrijving) dat zegt wat de rol bezit en wat niet. 2. Doelstellingen (Objectives). Een resultaat dat concreet genoeg is om op vrijdag zonder discussie te beoordelen. 3. Vaardigheden en tools (Skills and tools). Alleen de toegang die die taak vraagt, en verder niets. 4. Triggers. De gebeurtenis die de agent start, één keer vastgelegd. 5. Evaluatie (Evaluation). Een vaste scorecard, elke week ingevuld, met jezelf als laatste controle. 6. Rotatie (Rotation). Verbeter een rol, voeg haar samen of neem haar uit bedrijf zodra de scorecard of het werk daarom vraagt. Op de ROSTER-frameworkpagina staat elke stap in de korte versie uit het boek. CHORUS: zes vaardigheden voor werk dat van hand tot hand gaat 1. Charter. Een contract met zeven velden voor elke werker, mens of agent: doel, invoer, uitvoer, bevoegdheidsplafond (wat de werker nooit zelf mag beslissen), succescriteria, review-eis en escalatie. 2. Handoff. Een pakket met zes velden dat met elke taak meereist: doel, beperkingen, invoer, herkomst (waar elk stuk invoer vandaan komt), acceptatiecriteria en deadline. 3. Orchestrate. Stappen in volgorde, werk verdeeld over agents die tegelijk draaien, resultaten samengevoegd door een benoemde eigenaar, en een benoemde persoon voor escalaties. 4. Review. Een controlepunt waar output alleen doorgaat als die aan vastgelegde criteria voldoet, niet omdat die goed klinkt. 5. Update. Wat de controles opleveren, vloeit terug naar prompts, tools, werkafspraken en charters, zodat de volgende run beter gaat. 6. Sync. Eén plek die laat zien wie waarvan eigenaar is en wat vastzit, en die je in een kort wekelijks overleg doorneemt. In Wat is CHORUS? zie je een ingevuld charter en een ingevuld pakket voor dezelfde vrijdagtaak. Waarin verschillen ze? Het verschil zit niet in de letters, maar in de vraag wie de verantwoordelijkheid draagt. Deze tabel volgt de vergelijking uit Het agent-droomteam, in gewone taal. Vraag ROSTER (één oprichter) CHORUS (team van 2 tot 15) --- --- --- Wie is verantwoordelijk? Jij alleen Meerdere mensen, samen met agents Wie controleert de output? Jij bent de enige menselijke beoordelaar Teamleden controleren elkaars werk Wie kan een agent overrulen? Alleen jij Iedere verantwoordelijke; mensen kunnen ook elkaar overrulen Waar gaan overdrachten heen? Van agent naar agent, en terug naar jou Tussen mensen, tussen agents en tussen die twee Hoe blijft iedereen in de pas? Een wekelijkse routine die je alleen doorloopt Teamrituelen en een gedeeld statusbord Wie ziet een fout? Jij, bij je controle op vrijdag Het team ziet de fout en stuurt het werk om Het boek zegt uitdrukkelijk dat een solo-oprichter met ROSTER geen kleinere versie van een CHORUS-team draait. Eén persoon is tegelijk manager, beoordelaar en eindcontrole. Dat is een ontwerpgegeven om rekening mee te houden, geen tekortkoming. Het verklaart ook waarom de wekelijkse controle in ROSTER zo zwaar weegt: niemand anders ziet het als de kwaliteit wegzakt. Waar overlappen ze? Volgens het boek delen de twee frameworks hun DNA. Beide beschrijven elke werker in een charter, beide eisen schriftelijke overdrachten en beide vragen om een menselijke controle voordat er output de deur uitgaat. De details verschillen. Onderdeel ROSTER CHORUS --- --- --- Charter Zes velden: rolnaam, mandaat (wat de rol wel en niet bezit), input, output, toegestane tools, escalatieregel Zeven velden: doel, invoer, uitvoer, bevoegdheidsplafond, succescriteria, review-eis, escalatie Overdrachtspakket Vier velden (taakoverzicht, relevante context, openstaande vragen, outputbestanden), met een label voor afzender, ontvanger, project en versie Zes velden: doel, beperkingen, invoer, herkomst, acceptatiecriteria, deadline Controle Jouw wekelijkse scorecardronde Een controlepunt met een benoemde persoon die het werk kan afkeuren \"Welk framework heeft overdrachten?\" is dus de verkeerde vraag. Allebei. De echte vraag is wie er aan de andere kant van de overdracht staat, en of iemand anders dan jij haar kan weigeren. Het volledige charter met zeven velden, inclusief een uitgewerkt voorbeeld, vind je in Wat is een AI-agent-charter? Een uitgewerkt voorbeeld: eerst alleen, dan met een team Neem Maya, een hypothetische adviseur die offertes en voorstellen voor klanten schrijft. Fase één: Maya alleen. Ze zet twee agents in. Een onderzoeksagent verzamelt bronnen over de klant, een schrijfagent maakt het voorstel. Op een gegeven moment staat er in de onderzoeksnotities een prijsadvies waar niemand om had gevraagd, en de schrijfagent neemt het over in het voorstel. Dat is een rolprobleem: in het charter van de onderzoeksagent stond nergens \"geeft geen prijsadvies\". De oplossing volgens ROSTER is één regel bij Rollen en één controle bij Evaluatie: geen prijsadvies in onderzoeksnotities. Fase twee: Maya met een team. Ze neemt een schrijver en een accountmanager aan. Een maand later levert de schrijver een sterk voorstel op, voor een scope die de klant twee weken eerder had geschrapt. De onderzoeksagent deed zijn werk; de schrijver werkte vanuit een oude briefing. Dat is een overdrachtsprobleem, en het speelt zich nu tussen mensen af. De oplossing volgens CHORUS is een pakket met herkomst (welke briefing, welke versie, aangeleverd door wie) en een benoemde persoon die het pakket moet accepteren voordat het schrijven begint. De accountmanager is eigenaar van die acceptatie, en het gedeelde bord laat zien welke briefing actueel is. Let op wat er niet veranderde. Het pakket van ROSTER draagt een versielabel, dus ook toen Maya nog alleen werkte, had het de verouderde briefing kunnen tegenhouden. Het team heeft de behoefte aan een overdracht niet geschapen. Het team heeft het aantal mensen vergroot dat eigenaar van een overdracht kan zijn, en daarom moet er nu iemand bij naam worden aangewezen. Dat sluit aan bij het advies in het boek: oprichters die voorbij de eenmansfase groeien, hebben doorgaans beide frameworks nodig, ROSTER voor hun eigen agents en CHORUS voor de mensen die erbij komen. Er gaat iets mis: welk van de twee repareer je? Het aantal mensen bepaalt met welk framework je begint. De storing bepaalt welk onderdeel je als eerste repareert. Wat je ziet Wat er ontbreekt Waar de oplossing zit --- --- --- Een agent doet werk waar niemand om vroeg Een vastgelegde grens aan de rol ROSTER: Rollen (CHORUS: Charter) Je herschrijft de output elke week Een resultaat dat je kunt beoordelen ROSTER: Doelstellingen en Evaluatie Een agent kan bij systemen die de taak nooit nodig heeft Een grens aan de tools ROSTER: Vaardigheden en tools (CHORUS: het bevoegdheidsplafond in het Charter) De volgende werker begint met een oude versie Een overdracht met versie en herkomst Het overdrachtspakket van ROSTER, of CHORUS: Handoff Er komen twee concepten binnen en niemand is eigenaar van de samenvoeging Een benoemde eigenaar van de samenvoeging CHORUS: Orchestrate Werk gaat de deur uit omdat niemand nee zei Een controlepunt met een benoemde persoon die kan afkeuren CHORUS: Review (werk je alleen: jouw scorecard op vrijdag) Niemand weet wat er vastzit Eén gedeeld statusoverzicht CHORUS: Sync Een agent doet nog steeds het werk van vorig kwartaal Een besluit om hem aan te passen of uit bedrijf te nemen ROSTER: Rotatie (CHORUS: Update) Vallen de meeste rijen die op jou van toepassing zijn in de onderste helft, dan zit het probleem in de coördinatie en niet in één agent. Waarom multi-agentsystemen falen loopt die breekpunten op volgorde door. Vier misverstanden \"CHORUS is ROSTER voor grotere bedrijven.\" Nee. Het agent-droomteam zegt het letterlijk: CHORUS is geen ROSTER op schaal. ROSTER gaat uit van één menselijke coach, CHORUS van meerdere verantwoordelijke mensen. \"CHORUS is voor grote ondernemingen.\" Ook niet. De multi-agent organisatie richt zich op teams van 2 tot 15 mensen. Organisatieontwerp voor grote bedrijven valt buiten het boek. \"Een solo-oprichter heeft geen overdrachten nodig.\" Werk gaat nog steeds van de ene agent naar de volgende, en ROSTER heeft daar een eigen pakket voor. \"Het zijn allebei softwareproducten.\" Geen van beide. Een tool kan taken achter elkaar laten draaien zonder de juiste context mee te geven en zonder iemand het recht te geven het resultaat af te keuren. Een gewoon gedeeld document kan juist een prima charter of pakket bevatten. Probeer dit vandaag: wie kan er nee zeggen? (15 minuten) Kies één stuk werk dat vorige week de deur uitging: een voorstel, een rapport, een set releasenotes. 1. Schrijf elke werker op die eraan heeft gezeten, mens of agent, in volgorde. 2. Vul per stap drie kolommen in: wie gaf het door, wie ontving het, wie had het kunnen afkeuren? 3. Lees de laatste kolom. - Alleen jouw naam: je zit in ROSTER-gebied. Schrijf de regel \"bezit niet\" op voor de agent die je het meest verraste. - Meerdere namen: je hebt CHORUS nodig. Stel een pakket met zes velden op voor de overdracht die misging of wankel aanvoelde. - Een leeg vak: niemand kon het werk afkeuren. Wijs die persoon aan vóór de volgende run.","keyTakeaways":["ROSTER staat voor Roles, Objectives, Skills and tools, Triggers, Evaluation, Rotation. Voor één oprichter met agents.","CHORUS staat voor Charter, Handoff, Orchestrate, Review, Update, Sync. Voor teams van 2 tot 15 mensen die met agents werken.","Kies op verantwoordelijkheid: komt elk besluit bij jou terecht, begin dan met ROSTER. Zijn meerdere mensen elk eigenaar van een deel van het werk, dan heb je ook CHORUS nodig.","Beide werken met charters, overdrachtspakketten en menselijke controle. CHORUS is geen ROSTER op grotere schaal.","Loopt er iets mis, repareer dan het ontbrekende stuk: een rolgrens, een overdracht, een controlepunt of een gedeeld statusoverzicht."],"readingMinutes":8,"publishedAt":"2026-09-26T19:05:00.000Z"}},"degree":9},{"id":"article:second-order-thinking-audit","type":"article","pillar":"venture-building","locales":{"en":{"label":"Second-order thinking audit: the first-order metric is green","summary":"A second-order thinking audit is a written fail/pass on one decision before you commit. Four checks: who pays later, on which surface, whether you can reverse it this quarter, and which incentive the decision just created. A first-order win with an unnamed later bill is not a decision. It is a delay. CASCADE, on this site, is the personal habit that fires that pause in your own head. DOWNSTREAM is the organisational protocol for delayed, displaced, previously unowned costs. They are companions, not synonyms. What are downstream effects owns the definition. The operator article owns the longer map. This page is the card. Both books are in production and not for sale.","url":"/en/blog/second-order-thinking-audit/","searchText":"Second-order thinking audit: the first-order metric is green A second-order thinking audit is a fail/pass card before you commit: who pays later, on which surface, can you reverse it, and what incentive you just created. A green first-order metric with an unnamed later bill is a delay, not a decision. If you cannot name the later bill in the meeting, you do not have second-order thinking. You have optimism with a lag. A second-order thinking audit is a written fail/pass on one decision before you commit. Four checks: who pays later, on which surface, whether you can reverse it this quarter, and which incentive the decision just created. A first-order win with an unnamed later bill is not a decision. It is a delay. CASCADE, on this site, is the personal habit that fires that pause in your own head. DOWNSTREAM is the organisational protocol for delayed, displaced, previously unowned costs. They are companions, not synonyms. What are downstream effects owns the definition. The operator article owns the longer map. This page is the card. Both books are in production and not for sale. second-order thinking audit Four checks: later payer, landing surface, reversibility, incentive. Skip one and you are guessing. CASCADE is the head. DOWNSTREAM is the company protocol. Not a waterfall method. A green first-order metric is not a pass. This page is the audit. The definition and the operator guide stay next door. downstream-effects CASCADE The pause that names who pays later, on a different surface, before you say yes. downstream effect A delayed, displaced, previously unowned consequence of an operational decision. A second-order thinking audit is the card you run while the first-order metric is still green. One decision. Four checks. A fail is useful. A vibe about \"systems thinking\" is not. What is a second-order thinking audit? A written fail/pass before you commit: who pays later, on which surface, whether you can reverse it, and which incentive you just created. If you cannot name the later bill in the meeting, you do not have second-order thinking. You have optimism with a lag. What are downstream effects? owns the noun. The operator guide owns the longer map. This page is the card you fill before the commit, while the room is still watching the green number. The four checks Run them in order. Stopping early is a result. The card is one decision, not a tour of the company. 1. Later payer. Who is on the hook after this quarter, and are they in the room? \"The team\" is not a payer. A future hire is a payer you have not met. If the person who will inherit the cost is on holiday, or not hired yet, write that name as a blank. A blank is a fail. 2. Landing surface. Where does the cost actually arrive: partner margin, a regulator queue, a support queue, a renewal, an agent's tool spend? If the surface is the same dashboard you just turned green, you have not left first order. Second-order work is not \"the same metric, later.\" It is a different desk. 3. Reversibility. Can you unwind this in ninety days without a ceremony? If reversal requires a lawyer, a migration, a public post, or an unsend you cannot do, write that down before you say yes. A reversible trial and a one-way door can share a first-order win. They are not the same decision. 4. Incentive. What behaviour did you just pay for? A bounty on tickets closed is an incentive to close tickets. Name the second behaviour it also pays for. If you cannot name the second behaviour, you have not inspected the incentive. You have admired the metric. If you cannot produce the four answers on paper, you do not have an audit. You have a first-order win. A decision that is still green Take one decision that is not the payment-terms river. The definition page already walked that. Growth wants the new outbound agent to send the first follow-up without a draft step. Time-to-first-touch is the metric. The number will go green this week. Fill the card before the send tool is live. Later payer. The account executive who inherits the angry reply. The founder who has to unsay a promise the copy invented. If only growth is in the room, those payers are not. Landing surface. Inbox reputation. A partner who was promised a different sequence. A regulator if the copy invented a claim. None of that is the time-to-first-touch dashboard. Reversibility. You can turn the send off on Monday. You cannot unsend Friday's mail. You cannot un-promise. Write the one-way part before yes. Incentive. You just paid for speed of send. The second behaviour it also pays for is skipping the refuse list. A worker that cannot refuse is not faster. It is cheaper until the later desk invoices you. A fail on any line is the useful result. Slow the decision, name the missing payer, or keep the draft step. A green timer with a blank card is a delay you dressed as a ship. A second object, so the card does not collapse into agents. You put a bounty on tickets closed this sprint. First-order is throughput. Later payer is the customer at renewal, and the engineer who now owns a closed ticket that was not actually solved. Landing surface is the review pile and the reopen queue, not the sprint board. Reversibility is a policy you can stop; reputation you cannot. Incentive: close the ticket. Second behaviour: close it with a template and hope. CASCADE is not DOWNSTREAM CASCADE , on this site, is the personal habit: the pause in your own head that names the later bill before you commit. CASCADE is not a waterfall method and not DOWNSTREAM under another name. It is the move that fires when the protocol exists and the individual decision still skips the second order. DOWNSTREAM is the organisational protocol for delayed, displaced, previously unowned costs. The company can have the protocol and the individual decision can still skip the second order. That skip is this card. The protocol without the pause is a wiki page. The pause without a written check is a feeling you will lose to the green number. Do not run the ten-letter expansion here. Do not run the twenty-minute operator audit here. Those live next door. This page only asks whether this commit, today, can name the later bill. The Second-Order Thinker and The Downstream Effects are both in production and not for sale. You can already fail a decision. A card you can run this week Pick one commit still open. Not a strategy offsite. One yes you have not said. Line Write this Fail if --- --- --- Later payer A name, or a blank for a hire you have not met \"The team\" or \"later us\" Landing surface Desk, partner, queue, renewal, agent spend The same dashboard you just turned green Reversibility What it takes to unwind in ninety days \"We can always roll it back\" with no ceremony named Incentive The behaviour you paid for, and the second one Only the first-order behaviour Ten minutes is enough to start. If line one is blank, stop the commit. Assign the payer or change the decision. Predicting every branch is not the job. Naming the next one, with an owner, is. What this page is not It is not systems thinking in general. It is not hydrology. It is not a promise that every later cost can be seen in advance. It is not the definition of a downstream effect. It is not the longer operator map. Write the four answers on a card. If the first-order metric is green and the card is empty, you have not decided. You have delayed the bill.","keyTakeaways":["Four checks: later payer, landing surface, reversibility, incentive. Skip one and you are guessing.","CASCADE is the head. DOWNSTREAM is the company protocol. Not a waterfall method.","A green first-order metric is not a pass.","This page is the audit. The definition and the operator guide stay next door."],"readingMinutes":5,"publishedAt":"2026-09-03T22:00:00.000Z"},"nl":{"label":"Tweede-orde-denken-audit: de eerste-orde-metric is groen","summary":"Een tweede-orde-denken-audit is een geschreven goedkeuren-of-afkeuren-test op één besluit vóór je commit. Vier checks: wie betaalt later, op welk vlak, of je het dit kwartaal kunt terugdraaien, en welke prikkel het besluit net heeft gezet. Een eerste-orde-winst met een onbenoemde latere rekening is geen besluit. Het is uitstel. CASCADE is op deze site de persoonlijke gewoonte die die pauze in je eigen hoofd laat vuren. DOWNSTREAM is het organisatieprotocol voor vertraagde, verplaatste, eerder onbeheerde kosten. Het zijn metgezellen, geen synoniemen. Wat zijn stroomafwaartse effecten behandelt de definitie. Het operatorartikel behandelt de langere kaart. Deze pagina is de test. Beide boeken zijn in productie en niet te koop.","url":"/nl/blog/tweede-orde-denken-audit/","searchText":"Tweede-orde-denken-audit: de eerste-orde-metric is groen Een tweede-orde-denken-audit is een goedkeuren-of-afkeuren-kaart vóór je commit: wie betaalt later, op welk vlak, kun je terug, en welke prikkel je net hebt gezet. Een groene eerste-orde-metric met een onbenoemde latere rekening is uitstel, geen besluit. Kun je de latere rekening in de meeting niet noemen, dan heb je geen tweede-orde-denken. Je hebt optimisme met vertraging. Een tweede-orde-denken-audit is een geschreven goedkeuren-of-afkeuren-test op één besluit vóór je commit. Vier checks: wie betaalt later, op welk vlak, of je het dit kwartaal kunt terugdraaien, en welke prikkel het besluit net heeft gezet. Een eerste-orde-winst met een onbenoemde latere rekening is geen besluit. Het is uitstel. CASCADE is op deze site de persoonlijke gewoonte die die pauze in je eigen hoofd laat vuren. DOWNSTREAM is het organisatieprotocol voor vertraagde, verplaatste, eerder onbeheerde kosten. Het zijn metgezellen, geen synoniemen. Wat zijn stroomafwaartse effecten behandelt de definitie. Het operatorartikel behandelt de langere kaart. Deze pagina is de test. Beide boeken zijn in productie en niet te koop. tweede-orde-denken-audit Vier checks: latere betaler, landingsvlak, omkeerbaarheid, prikkel. Sla er één over en je raadt. CASCADE is het hoofd. DOWNSTREAM is het bedrijfsprotocol. Geen watervalmethode. Een groene eerste-orde-metric is nog geen voldoende. Deze pagina is de audit. Definitie en operatorgids blijven ernaast. downstream-effects CASCADE De pauze die benoemt wie later betaalt, op een ander vlak, voordat je ja zegt. stroomafwaarts effect Een vertraagd, verplaatst, eerder onbeheerd gevolg van een operationeel besluit. Een tweede-orde-denken-audit is de kaart die je draait terwijl de eerste-orde-metric nog groen is. Eén besluit. Vier checks. Zakken is nuttig. Vage termen over \"systeemdenken\" niet. Wat is een tweede-orde-denken-audit? Een geschreven goedkeuren-of-afkeuren-test vóór je commit: wie betaalt later, op welk vlak, of je terug kunt, en welke prikkel je net hebt gezet. Kun je de latere rekening in de meeting niet noemen, dan heb je geen tweede-orde-denken. Je hebt optimisme met vertraging. Wat zijn stroomafwaartse effecten? behandelt het zelfstandig naamwoord. De operatorgids behandelt de langere kaart. Deze pagina is de test die je vóór de commit invult, terwijl de kamer nog naar het groene getal kijkt. De vier checks In die volgorde. Eerder stoppen is ook een resultaat. De kaart is één besluit, geen rondleiding door het bedrijf. 1. Latere betaler. Wie draait na dit kwartaal op voor de rekening, en zit die in de kamer? \"Het team\" is geen betaler. Een toekomstige medewerker is een betaler die je nog niet hebt ontmoet. Is de persoon die de kosten erft op vakantie, of nog niet aangenomen, schrijf die naam als een lege regel. Leeg is zakken. 2. Landingsvlak. Waar komen de kosten echt terecht: partnermarge, een regulator-wachtrij, support, een verlenging, toolspend van een agent? Is het vlak hetzelfde dashboard dat je net groen zette, dan ben je de eerste orde niet uit. Tweede-orde-werk is niet \"dezelfde metric, later.\" Het is een ander bureau. 3. Omkeerbaarheid. Kun je dit in negentig dagen terugdraaien zonder rompslomp? Vraagt terugdraaien een advocaat, een migratie, een publieke post of een mail die je niet kunt terugtrekken, schrijf dat op vóór je ja zegt. Een omkeerbare proef en een eenrichtingsdeur kunnen dezelfde eerste-orde-winst delen. Het is niet hetzelfde besluit. 4. Prikkel. Welk gedrag heb je net betaald? Een bounty op gesloten tickets is een prikkel om tickets te sluiten. Noem het tweede gedrag dat het óók betaalt. Kun je dat tweede gedrag niet noemen, dan heb je de prikkel niet bekeken. Je hebt de metric bewonderd. Kun je de vier antwoorden niet op papier zetten, dan heb je geen audit. Je hebt een eerste-orde-winst. Een besluit dat nog groen is Neem één besluit dat niet de rivier van de betalingstermijnen is. Die walk-through staat al op de definitiepagina. Growth wil dat de nieuwe outbound-agent de eerste follow-up verstuurt zonder conceptstap. Time-to-first-touch is de metric. Het getal wordt deze week groen. Vul de kaart in vóór de verzendtool live gaat. Latere betaler. De account executive die de boze reply erft. De founder die een belofte moet terugnemen die de copy verzon. Zit alleen growth in de kamer, dan zitten die betalers er niet. Landingsvlak. Inboxreputatie. Een partner die een andere reeks beloofd kreeg. Een regulator als de copy een claim verzint. Niets daarvan is het dashboard van time-to-first-touch. Omkeerbaarheid. Je kunt de send maandag uitzetten. Je kunt de mail van vrijdag niet terugtrekken. Je kunt een belofte niet ongedaan maken. Schrijf het eenrichtingsdeel op vóór ja. Prikkel. Je hebt net betaald voor snelheid van verzenden. Het tweede gedrag dat het ook betaalt is de weigerlijst overslaan. Een werker die niet kan weigeren is niet sneller. Die is goedkoper tot het latere bureau de factuur stuurt. Zakken op één regel is het nuttige resultaat. Vertraag het besluit, benoem de ontbrekende betaler, of houd de conceptstap. Een groene timer met een lege kaart is uitstel dat je als livegang hebt aangekleed. Een tweede object, zodat de kaart niet in agents blijft hangen. Je zet een bounty op tickets die deze sprint dichtgaan. Eerste orde is doorvoer. Latere betaler is de klant bij verlenging, en de engineer die nu een dicht ticket bezit dat niet was opgelost. Landingsvlak is de reviewstapel en de heropenwachtrij, niet het sprintbord. Omkeerbaarheid is een policy die je kunt stoppen; reputatie niet. Prikkel: sluit het ticket. Tweede gedrag: sluit het met een template en hoop. CASCADE is geen DOWNSTREAM CASCADE is op deze site de persoonlijke gewoonte: de pauze in je eigen hoofd die de latere rekening benoemt vóór je commit. CASCADE is geen watervalmethode en geen DOWNSTREAM onder een andere naam. Het is de zet die vuurt wanneer het protocol bestaat en het individuele besluit de tweede orde nog steeds overslaat. DOWNSTREAM is het organisatieprotocol voor vertraagde, verplaatste, eerder onbeheerde kosten. Het bedrijf kan het protocol hebben en het individuele besluit kan de tweede orde nog steeds overslaan. Die skip is deze kaart. Het protocol zonder de pauze is een wikipagina. De pauze zonder geschreven check is een gevoel dat je verliest van het groene getal. De tienletter-expansie draait hier niet. De twintig-minuten-operatoraudit draait hier niet. Die staan ernaast. Deze pagina vraagt alleen of deze commit, vandaag, de latere rekening kan noemen. De tweede-orde-denker en De stroomafwaartse effecten zijn beide in productie en niet te koop. Je kunt een besluit nu al afkeuren. Een kaart die je deze week draait Kies één commit die nog openstaat. Geen strategie-offsite. Eén ja dat je nog niet hebt gezegd. Regel Schrijf dit Zakken als --- --- --- Latere betaler Een naam, of een lege regel voor iemand die je nog niet hebt aangenomen \"Het team\" of \"later wij\" Landingsvlak Bureau, partner, wachtrij, verlenging, agent-spend Hetzelfde dashboard dat je net groen zette Omkeerbaarheid Wat het kost om in negentig dagen terug te draaien \"We kunnen altijd terug\" zonder rompslomp Prikkel Het gedrag dat je betaalde, en het tweede Alleen het eerste-orde-gedrag Tien minuten is genoeg om te beginnen. Is regel één leeg, stop de commit. Wijs de betaler toe of wijzig het besluit. Elke tak voorspellen is de klus niet. De volgende benoemen, met een eigenaar, wel. Wat deze pagina niet is Geen systeemdenken in het algemeen. Geen hydrologie. Geen belofte dat elke latere kost vooraf zichtbaar is. Geen definitie van een stroomafwaarts effect. Geen langere operatorkaart. Schrijf de vier antwoorden op een kaart. Is de eerste-orde-metric groen en de kaart leeg, dan heb je niet besloten. Je hebt de rekening uitgesteld.","keyTakeaways":["Vier checks: latere betaler, landingsvlak, omkeerbaarheid, prikkel. Sla er één over en je raadt.","CASCADE is het hoofd. DOWNSTREAM is het bedrijfsprotocol. Geen watervalmethode.","Een groene eerste-orde-metric is nog geen voldoende.","Deze pagina is de audit. Definitie en operatorgids blijven ernaast."],"readingMinutes":5,"publishedAt":"2026-09-03T22:05:00.000Z"}},"degree":10},{"id":"article:see-ai-traffic-in-ga4","type":"article","pillar":"seo-geo-aeo","locales":{"en":{"label":"utm_source=chatgpt.com: how to see ChatGPT and other AI traffic in GA4","summary":"utm_source=chatgpt.com is a tag ChatGPT adds to the links in its answers, so Google Analytics 4 (GA4) can record chatgpt.com as the source of a visit. To see these visits, open Reports, then Acquisition, then Traffic acquisition, and look for the AI Assistant channel Google announced in May 2026, or switch the dimension to Session source and type chatgpt into the table's search box. GA4 only records clicks: an answer that cites your page without a click leaves no trace there.","url":"/en/blog/see-ai-traffic-in-ga4/","searchText":"utm source=chatgpt.com: how to see ChatGPT and other AI traffic in GA4 ChatGPT tags its links with utm source=chatgpt.com. Where that shows up in GA4, a copy-paste regex for AI sources, and what GA4 cannot see. GA4 can count the people who clicked. It cannot count the answers that never sent anyone. utm source=chatgpt.com is a tag ChatGPT adds to the links in its answers, so Google Analytics 4 (GA4) can record chatgpt.com as the source of a visit. To see these visits, open Reports, then Acquisition, then Traffic acquisition, and look for the AI Assistant channel Google announced in May 2026, or switch the dimension to Session source and type chatgpt into the table's search box. GA4 only records clicks: an answer that cites your page without a click leaves no trace there. utm source=chatgpt.com GA4 ChatGPT adds utm source=chatgpt.com to links in its answers. OpenAI documents this in its Publishers and developers FAQ. Since Google's announcement of 13 May 2026, GA4's default channel group includes an AI Assistant channel. Clicks from Google's AI Overviews and AI Mode are not in it; they count as Organic Search. A custom channel group with one regex rule gives you your own list of AI sources, and Google says it also applies to past data. GA4 counts visits, not citations. A reader who read the answer and never clicked is invisible to it. geo aeo UTM parameter A tag added to the end of a web address, such as ?utm source=chatgpt.com, that tells your analytics tool where a visitor came from. referrer The address of the page a visitor came from, passed along by the browser when someone clicks a link. Between different sites, browsers usually pass only the domain. channel group The set of labels GA4 uses to sort visits, such as Organic Search, Referral, Direct and AI Assistant. regex A regular expression, a short text pattern that matches many values at once. Google Analytics 4 (GA4) can show visits from ChatGPT and other AI assistants, but it cannot count citations that never lead to a click. ChatGPT adds utm source=chatgpt.com to the links in its answers. When someone clicks one, the tag travels in the web address to your site, so GA4, Google's free website statistics tool, can record chatgpt.com as the source of the visit. To find those visits, open Reports Acquisition Traffic acquisition . Look for the AI Assistant row, or change the table's main dimension to Session source and search for chatgpt . The sections below cover reading individual sources, building your own AI channel and tracking the citations GA4 never sees. What does utm source=chatgpt.com mean? A web address can carry extra information after a question mark. https://example.com/guide?utm source=chatgpt.com opens the same page as https://example.com/guide ; the part after ? gives your analytics a source label. Tags beginning with utm are called UTM parameters. Analytics tools use them to identify where a visitor came from, and utm source names the sender. OpenAI documents the tag in its Publishers and developers FAQ: \"ChatGPT automatically includes the UTM parameter utm source=chatgpt.com in referral URLs, enabling clear tracking and analysis of inbound traffic from ChatGPT search results.\" The FAQ also names Google Analytics as a tool for tracking these visits. The referrer is a second, older signal: the address of the page a visitor came from, passed along by the browser when they click a link. A UTM tag is part of the destination address itself. The referrer, by contrast, depends on the browser and on the rules of the page the visitor left. Under the default browser rule for links between different sites, only the domain is sent, not the full address (MDN). So the referrer tells you \"chatgpt.com\", not the question the person asked. OpenAI documents only utm source . Google warns that missing UTM parameters produce (not set) values in reports. So if you see (not set) next to chatgpt.com, filter on the source rather than the medium. Where do I see ChatGPT traffic in GA4? There are three ways to inspect the traffic, from a channel total to a custom analysis. 1. The AI Assistant channel. On 13 May 2026, Google announced an AI Assistant channel in GA4's default channel group. That group is the built-in set of labels, such as Organic Search, Referral and Direct, that GA4 uses to sort visits. Google defines AI Assistant as visits \"from sources like ChatGPT, Gemini, Deepseek, Copilot, or Grok.\" Open Reports Acquisition Traffic acquisition. The table is grouped by channel by default, so look for the AI Assistant row. 2. The search box. In the same report, change the table's main dimension to Session source , the site or app that started the visit. Type chatgpt in the search box above the table, then repeat with perplexity , gemini , copilot and claude . This shows each assistant's traffic separately. 3. An exploration. In Explorations, GA4's free-form analysis area, filter Session source with a regex: a regular expression that matches several values with one pattern. Google notes that exploration filters are case sensitive. Google's AI Overviews and AI Mode, the AI-written answers inside Google Search, are not in the AI Assistant channel. Their clicks count as Organic Search alongside ordinary Google clicks. Search Console's Generative AI performance report covers those features. It shows impressions, meaning how often links to your site appeared in them, rather than visits. If every AI row reads zero, check crawler access. OpenAI links the tracking to publishers \"who allow OAI-SearchBot\". OAI-SearchBot is the crawler that reads web pages for ChatGPT's search feature. Your site's robots.txt file tells crawlers what they may read. GPTBot vs OAI-SearchBot vs ChatGPT-User explains which robots.txt switch does what. How do I build my own AI channel? GA4 lets you copy the default channel group and add channels of your own. A custom AI channel makes the source rules visible and puts them under your control. That matters because Google does not publish its list of AI assistants: the downloadable source list linked from its channel documentation contains search, social, shopping and video categories, but no AI category (checked 24 September 2026). Follow these steps from Google's custom channel groups help page: 1. Go to Admin Data display Channel groups . You need the Editor role or higher. 2. Click Create new channel group . GA4 starts you with a copy of the default group. 3. Click Add new channel and name it AI assistants . Add a condition: Source , matches regex , then paste the pattern below. 4. Click Reorder and drag your channel above Referral . GA4 assigns each visit to the first matching channel, working from the top down. If Referral matches first, the visit stays there. 5. Click Save group . Then select your group as the dimension in the Traffic acquisition report. Google says custom channel groups \"can be applied to your reports retroactively\", so your new channel also sorts past visits. A standard property can hold two custom groups, each with up to 50 channels. The copy-paste regex text . (chatgpt perplexity claude gemini copilot deepseek grok). Every assistant in this pattern is named in Google's GA4 documentation. Keep the . on both sides: GA4 regex is full-match by default. Without those wildcards, the pattern would match a source called exactly chatgpt , but not chatgpt.com . Check your source list before relying on the channel. The pattern deliberately matches parts of names, so an unrelated site whose name contains one of these words will match too. If that happens, replace the word with the exact domain you see in your data, for example chatgpt\\.com . Your own property tells you which assistants send visits and which source names they use. Google's custom channel groups page offers a broader example pattern for an AI channel. Its first part, ^. ai , matches any source ending in the letters \"ai\". Use it for a first look, then narrow it to the sources you find. What can GA4 not show you? Use this table to separate what GA4 records from what needs another form of measurement. You want to know Does GA4 show it? Why not, or where to look --- --- --- How many people clicked a link in a ChatGPT answer Yes, as visits with source chatgpt.com Only clicks that reach your site and that your cookie settings let GA4 record How often ChatGPT cited or named you No A citation without a click never touches your site. Keep a manual log of questions and answers Which question the person asked No Browsers pass the domain, not the conversation Clicks from Google AI Overviews and AI Mode Mixed into Organic Search Search Console's Generative AI performance report shows impressions, not visits Readers who copied your address into a new tab Counted as Direct Google's Direct channel covers links typed in or saved Visits from an assistant that adds no tag and whose app sends no referrer Counted as Direct Whether an app passes a referrer is up to that app A person can read and trust an answer based on your page without visiting your site. A citation or mention alone creates no session. ChatGPT mentions vs citations explains the distinction between those two events. How to get cited by ChatGPT covers the page work that makes a citation more likely. A worked example (hypothetical) Imagine a small bike-repair shop in Utrecht with a well-read guide to finding a slow puncture. In September, the owner opens Traffic acquisition and sees 14 sessions in the AI Assistant row. She changes the dimension to Session source and searches for chatgpt : 11 sessions. The other three came from Perplexity. Each of those 14 sessions began with a click in an AI answer. A session is one visit; one person can make several. The count says nothing about readers who saw an answer based partly on the guide and never clicked. It also says nothing about whether the answer got the repair right. The owner adds her own AI assistants channel, so the count follows rules she can inspect. She also starts a weekly note: three questions asked in ChatGPT with search switched on, and two columns, \"named\" and \"linked\". GA4 records visits. The note tracks mentions and citations. Neither replaces the other. Try this today (ten minutes) 1. Minutes 0 to 2. Open Reports Acquisition Traffic acquisition and set the date range to the last 90 days. Record the AI Assistant session count, even if it is zero. 2. Minutes 2 to 5. Change the main dimension to Session source. Search for chatgpt , then perplexity , gemini , copilot and claude . Record each source exactly as it appears. 3. Minutes 5 to 9. Create the AI assistants channel with the regex above, move it above Referral and save. 4. Minutes 9 to 10. Pick the page with the most AI visits. With search switched on, ask ChatGPT the question that page answers. Note whether it names you and whether it links to you. This is the measurement half of being findable. My book on this subject, The Findability Engine, is in production and not for sale yet. The GEO glossary entry has the short version of the wider job. Keep the visit count and the citation log side by side. A reader can find your work useful without ever appearing in your analytics.","keyTakeaways":["ChatGPT adds utm_source=chatgpt.com to links in its answers. OpenAI documents this in its Publishers and developers FAQ.","Since Google's announcement of 13 May 2026, GA4's default channel group includes an AI Assistant channel. Clicks from Google's AI Overviews and AI Mode are not in it; they count as Organic Search.","A custom channel group with one regex rule gives you your own list of AI sources, and Google says it also applies to past data.","GA4 counts visits, not citations. A reader who read the answer and never clicked is invisible to it."],"readingMinutes":8,"publishedAt":"2026-10-14T14:00:00.000Z"},"nl":{"label":"utm_source=chatgpt.com: zo zie je verkeer uit ChatGPT en andere AI-assistenten in GA4","summary":"utm_source=chatgpt.com is een label dat ChatGPT aan de links in zijn antwoorden toevoegt, zodat Google Analytics 4 (GA4) chatgpt.com als bron van een bezoek kan vastleggen. Je vindt die bezoeken via Rapporten, Acquisitie, Verkeersacquisitie: zoek het kanaal AI-assistent dat Google in mei 2026 aankondigde, of zet de dimensie op Sessiebron en typ chatgpt in het zoekveld boven de tabel. GA4 ziet alleen klikken. Een antwoord dat je pagina citeert zonder dat iemand klikt, laat er geen spoor achter.","url":"/nl/blog/ai-verkeer-zien-in-ga4/","searchText":"utm source=chatgpt.com: zo zie je verkeer uit ChatGPT en andere AI-assistenten in GA4 ChatGPT zet utm source=chatgpt.com op zijn links. Waar je dat in GA4 terugziet, een regex voor AI-bronnen om te kopiëren en wat GA4 niet kan zien. GA4 telt de mensen die klikten. De antwoorden die nooit iemand naar je site stuurden, telt het niet. utm source=chatgpt.com is een label dat ChatGPT aan de links in zijn antwoorden toevoegt, zodat Google Analytics 4 (GA4) chatgpt.com als bron van een bezoek kan vastleggen. Je vindt die bezoeken via Rapporten, Acquisitie, Verkeersacquisitie: zoek het kanaal AI-assistent dat Google in mei 2026 aankondigde, of zet de dimensie op Sessiebron en typ chatgpt in het zoekveld boven de tabel. GA4 ziet alleen klikken. Een antwoord dat je pagina citeert zonder dat iemand klikt, laat er geen spoor achter. utm source=chatgpt.com GA4 ChatGPT zet utm source=chatgpt.com op de links in zijn antwoorden. OpenAI beschrijft dat in zijn FAQ voor uitgevers en ontwikkelaars. Sinds de aankondiging van 13 mei 2026 heeft de standaard kanaalgroep van GA4 een kanaal AI-assistent. Klikken uit de AI-overzichten en de AI-modus van Google vallen daar niet onder; die tellen als Organisch zoeken. Met een aangepaste kanaalgroep en één regexregel maak je je eigen lijst met AI-bronnen, en volgens Google geldt die ook voor oude gegevens. GA4 telt bezoeken, geen citaties. Wie het antwoord las en nooit klikte, blijft onzichtbaar. geo aeo UTM-parameter Een label achter een webadres, zoals ?utm source=chatgpt.com, waaraan je statistiektool ziet waar een bezoeker vandaan kwam. referrer Het adres van de pagina waar een bezoeker vandaan kwam, dat de browser meestuurt bij een klik. Tussen verschillende sites stuurt de browser meestal alleen het domein mee. kanaalgroep De verzameling labels waarmee GA4 bezoeken sorteert, zoals Organisch zoeken, Verwijzing, Direct en AI-assistent. regex Een reguliere expressie, een kort tekstpatroon dat veel waarden tegelijk vangt. Google Analytics 4 (GA4) kan bezoeken uit ChatGPT en andere AI-assistenten laten zien, maar citaties zonder klik kan het niet tellen. ChatGPT hangt utm source=chatgpt.com aan de links in zijn antwoorden. Klikt iemand op zo'n link, dan reist dat label in het webadres mee naar je site. Zo kan GA4, de gratis statistiektool van Google, chatgpt.com vastleggen als bron van het bezoek. Die bezoeken vind je via Rapporten Acquisitie Verkeersacquisitie . Zoek de rij AI-assistent , of zet de hoofddimensie van de tabel op Sessiebron en zoek op chatgpt . Staat je GA4 in het Engels, dan heet dat pad Reports Acquisition Traffic acquisition, het kanaal AI Assistant en de dimensie Session source. De stappen blijven gelijk. Hieronder lees je hoe je losse bronnen bekijkt, hoe je je eigen AI-kanaal bouwt en hoe je de citaties bijhoudt die GA4 nooit ziet. Wat betekent utm source=chatgpt.com? Een webadres kan na een vraagteken extra informatie meedragen. https://voorbeeld.nl/gids?utm source=chatgpt.com opent dezelfde pagina als https://voorbeeld.nl/gids ; het deel na het ? geeft je statistiektool een bronlabel mee. Labels die met utm beginnen, heten UTM-parameters. Statistiektools zien daaraan waar een bezoeker vandaan kwam, en utm source noemt de afzender. OpenAI beschrijft het label zelf in zijn FAQ voor uitgevers en ontwikkelaars: \"ChatGPT automatically includes the UTM parameter utm source=chatgpt.com in referral URLs, enabling clear tracking and analysis of inbound traffic from ChatGPT search results.\" Vrij vertaald: ChatGPT zet dat label er automatisch op, zodat je verkeer uit de zoekresultaten van ChatGPT kunt volgen en analyseren. Dezelfde FAQ noemt Google Analytics als tool om die bezoeken te meten. De referrer is een tweede, ouder signaal: het adres van de pagina waar een bezoeker vandaan kwam. De browser stuurt dat adres mee als iemand op een link klikt. Het UTM-label zit in de link zelf. De referrer hangt daarentegen af van de browser en van de regels van de pagina die iemand verlaat. Bij links tussen twee verschillende sites stuurt de browser standaard alleen het domein mee, niet het volledige adres (MDN). De referrer vertelt je dus \"chatgpt.com\", niet welke vraag iemand stelde. OpenAI beschrijft alleen utm source . Google waarschuwt dat ontbrekende UTM-parameters in je rapporten de waarde (not set) opleveren. Staat er (not set) naast chatgpt.com, filter dan op de bron en niet op het medium. Waar zie je ChatGPT-verkeer in GA4? Er zijn drie manieren om dat verkeer te bekijken, van een totaal per kanaal tot een eigen analyse. 1. Het kanaal AI-assistent. Op 13 mei 2026 kondigde Google een kanaal AI-assistent aan in de standaard kanaalgroep van GA4. Die kanaalgroep is de ingebouwde verzameling labels, zoals Organisch zoeken, Verwijzing en Direct, waarmee GA4 bezoeken sorteert. Volgens de Nederlandse helppagina gaat het om bezoek \"via bronnen zoals ChatGPT, Gemini, Deepseek, Copilot of Grok\". Open Rapporten Acquisitie Verkeersacquisitie. De tabel is standaard per kanaal ingedeeld; zoek daarin de rij AI-assistent. 2. Het zoekveld. Zet in hetzelfde rapport de hoofddimensie van de tabel op Sessiebron : de site of app waar het bezoek begon. Typ chatgpt in het zoekveld boven de tabel en herhaal dat met perplexity , gemini , copilot en claude . Zo zie je het verkeer van elke assistent apart. 3. Een verkenning. In Verkenningen, het vrije analysedeel van GA4, filter je Sessiebron met een regex. Dat is een reguliere expressie: één patroon dat meerdere waarden tegelijk vangt. Google meldt dat filters in verkenningen hoofdlettergevoelig zijn. De AI-overzichten en de AI-modus van Google, de door AI geschreven antwoorden in Google Zoeken zelf, vallen niet onder AI-assistent. Klikken daaruit tellen als Organisch zoeken, tussen de gewone Google-klikken. Voor die functies heeft Search Console een apart rapport over generatieve AI (in het Engels: Generative AI performance report). Dat toont vertoningen, dus hoe vaak links naar je site daarin te zien waren, en geen bezoeken. Staat elke AI-rij op nul? Controleer dan eerst of crawlers toegang hebben tot je site. OpenAI koppelt die meting aan uitgevers die OAI-SearchBot toelaten. OAI-SearchBot is de crawler die webpagina's leest voor de zoekfunctie van ChatGPT. Het bestand robots.txt op je site vertelt crawlers wat ze mogen lezen. GPTBot versus OAI-SearchBot versus ChatGPT-User legt uit welke schakelaar in dat bestand wat doet. Hoe bouw je je eigen AI-kanaal? In GA4 kun je de standaard kanaalgroep kopiëren en er eigen kanalen aan toevoegen. Een eigen AI-kanaal maakt zichtbaar met welke regels je bronnen worden ingedeeld, en die regels bepaal je zelf. Dat doet ertoe, want Google publiceert zijn lijst met AI-assistenten niet: de downloadbare bronnenlijst bij de kanaaldocumentatie kent zoek-, social-, shopping- en videocategorieën, maar geen AI-categorie (gecontroleerd op 24 september 2026). De stappen, volgens de helppagina over aangepaste kanaalgroepen: 1. Ga naar Beheerder Gegevensweergave Kanaalgroepen . Je hebt minimaal de rol bewerker nodig. 2. Klik op Nieuwe kanaalgroep maken . GA4 begint met een kopie van de standaardgroep. 3. Klik op Nieuw kanaal toevoegen en noem het AI-assistenten . Voeg een voorwaarde toe: Bron , komt overeen met regex , en plak het patroon hieronder. 4. Klik op Opnieuw ordenen en sleep je kanaal boven Verwijzing . GA4 zet elk bezoek in het eerste kanaal dat past, van boven naar beneden. Past een bezoek eerst bij Verwijzing, dan blijft het daar. 5. Klik op Groep opslaan . Kies daarna je nieuwe groep als dimensie in het rapport Verkeersacquisitie. Volgens Google werkt een aangepaste kanaalgroep met terugwerkende kracht, dus je nieuwe kanaal sorteert ook oude bezoeken. Een standaardproperty kan twee aangepaste groepen bevatten, elk met maximaal 50 kanalen. De regex om te kopiëren text . (chatgpt perplexity claude gemini copilot deepseek grok). Elke assistent in dit patroon wordt in de GA4-documentatie van Google zelf genoemd. Laat de . aan beide kanten staan: regex in GA4 moet standaard de hele waarde dekken. Zonder die jokertekens vangt het patroon wel een bron die precies chatgpt heet, maar niet chatgpt.com . Controleer je eigen bronnenlijst voordat je op het kanaal vertrouwt. Het patroon vangt bewust ook delen van namen, dus een willekeurige site met een van deze woorden in de naam belandt ook in het kanaal. Gebeurt dat, vervang het woord dan door het exacte domein dat je in je gegevens ziet, bijvoorbeeld chatgpt\\.com . Je eigen property laat zien welke assistenten jou bezoek sturen en onder welke bronnaam. De helppagina over aangepaste kanaalgroepen geeft ook een voorbeeldpatroon van Google zelf voor een AI-kanaal. Dat is nog ruimer: het eerste deel, ^. ai , vangt elke bron die op de letters \"ai\" eindigt. Gebruik het voor een eerste blik en beperk het daarna tot de bronnen die je tegenkomt. Wat kan GA4 je niet laten zien? Deze tabel scheidt wat GA4 vastlegt van wat je op een andere manier moet meten. Wat je wilt weten Laat GA4 het zien? Waarom niet, of waar je dan kijkt --- --- --- Hoeveel mensen op een link in een ChatGPT-antwoord klikten Ja, als bezoeken met bron chatgpt.com Alleen klikken die je site bereiken en die GA4 van je cookie-instellingen mag vastleggen Hoe vaak ChatGPT je citeerde of noemde Nee Een citatie zonder klik bereikt je site nooit. Houd zelf een logboek bij van vragen en antwoorden Welke vraag iemand stelde Nee Browsers geven het domein door, niet het gesprek Klikken uit de AI-overzichten en de AI-modus van Google Opgeteld bij Organisch zoeken Het rapport over generatieve AI in Search Console toont vertoningen, geen bezoeken Lezers die je adres kopieerden en in een nieuw tabblad plakten Geteld als Direct Het kanaal Direct van Google omvat opgeslagen en ingetypte links Bezoek uit een assistent die geen label toevoegt en waarvan de app geen referrer meestuurt Geteld als Direct Of een app een referrer doorgeeft, bepaalt die app zelf Iemand kan een antwoord lezen dat op jouw pagina leunt, het vertrouwen en nooit langskomen. Een citatie of vermelding alleen levert geen sessie op. ChatGPT-vermeldingen versus citaties haalt die twee uit elkaar. Hoe je geciteerd wordt door ChatGPT gaat over het werk aan je pagina dat een citatie waarschijnlijker maakt. Een voorbeeld (hypothetisch) Stel: een kleine fietsenmaker in Utrecht heeft een veelgelezen uitleg over het opsporen van een langzaam lek. In september opent de eigenaar Verkeersacquisitie en ziet 14 sessies in de rij AI-assistent. Ze zet de dimensie op Sessiebron en zoekt op chatgpt : 11 sessies. De andere drie kwamen van Perplexity. Elk van die 14 sessies begon met een klik in een AI-antwoord. Een sessie is één bezoek; één persoon kan er meer maken. Het getal zegt niets over lezers die een antwoord zagen dat deels op haar uitleg leunde, maar nooit klikten. Het zegt ook niet of dat antwoord de reparatie goed beschreef. De eigenaar voegt haar eigen kanaal AI-assistenten toe, zodat de telling regels volgt die ze zelf kan controleren. Daarnaast houdt ze elke week een notitie bij: drie vragen in ChatGPT met de zoekfunctie aan, plus een kolom \"genoemd\" en een kolom \"gelinkt\". GA4 legt bezoeken vast. De notitie houdt vermeldingen en citaties bij. Het ene vervangt het andere niet. Probeer dit vandaag (tien minuten) 1. Minuut 0 tot 2. Open Rapporten Acquisitie Verkeersacquisitie en zet de periode op de laatste 90 dagen. Noteer het aantal sessies bij AI-assistent, ook als dat nul is. 2. Minuut 2 tot 5. Zet de hoofddimensie op Sessiebron. Zoek op chatgpt , dan op perplexity , gemini , copilot en claude . Noteer elke bron precies zoals die er staat. 3. Minuut 5 tot 9. Maak het kanaal AI-assistenten met de regex hierboven, zet het boven Verwijzing en sla op. 4. Minuut 9 tot 10. Kies de pagina met de meeste AI-bezoeken. Zet de zoekfunctie in ChatGPT aan en stel de vraag die deze pagina beantwoordt. Noteer of je genoemd wordt en of er naar je gelinkt wordt. Dit is de meetkant van vindbaar zijn. Mijn boek over dit onderwerp, The findability engine, is in productie en nog niet te koop. De begrippenpagina over GEO geeft de korte versie van het bredere werk. Houd het aantal bezoeken en je citatielogboek naast elkaar bij. Een lezer kan veel aan je werk hebben zonder ooit in je statistieken op te duiken.","keyTakeaways":["ChatGPT zet utm_source=chatgpt.com op de links in zijn antwoorden. OpenAI beschrijft dat in zijn FAQ voor uitgevers en ontwikkelaars.","Sinds de aankondiging van 13 mei 2026 heeft de standaard kanaalgroep van GA4 een kanaal AI-assistent. Klikken uit de AI-overzichten en de AI-modus van Google vallen daar niet onder; die tellen als Organisch zoeken.","Met een aangepaste kanaalgroep en één regexregel maak je je eigen lijst met AI-bronnen, en volgens Google geldt die ook voor oude gegevens.","GA4 telt bezoeken, geen citaties. Wie het antwoord las en nooit klikte, blijft onzichtbaar."],"readingMinutes":8,"publishedAt":"2026-10-14T14:05:00.000Z"}},"degree":6},{"id":"article:sense-90-day-intelligence-layer","type":"article","pillar":"ai-systems","locales":{"en":{"label":"SENSE: a 90-day strategic intelligence layer","summary":"A strategic intelligence layer is a standing system that turns market, competitor, and internal signals into sourced claims a founder can act on. SENSE is one implementation in five moves: Scan, Evaluate, Navigate, Simulate, Execute. It has no Decide phase: the system prepares the choice, a person owns it. In ninety days you Diagnose, Deploy, then Evaluate-and-decide. Watchlist, assumption register, cadence, and kill rule are artifacts inside those gates, not a second calendar. The unit of work is a claim with a confidence grade, not a longer PDF.","url":"/en/blog/sense-90-day-intelligence-layer/","searchText":"SENSE: a 90-day strategic intelligence layer A 90-day plan to install SENSE: Scan, Evaluate, Navigate, Simulate, Execute. One sourced claim with a confidence grade, not another unread summary. Stop collecting briefings. Start changing Monday. A strategic intelligence layer is a standing system that turns market, competitor, and internal signals into sourced claims a founder can act on. SENSE is one implementation in five moves: Scan, Evaluate, Navigate, Simulate, Execute. It has no Decide phase: the system prepares the choice, a person owns it. In ninety days you Diagnose, Deploy, then Evaluate-and-decide. Watchlist, assumption register, cadence, and kill rule are artifacts inside those gates, not a second calendar. The unit of work is a claim with a confidence grade, not a longer PDF. 90-day SENSE deployment The layer is standing. A weekly dump is not a layer. SENSE is the sequence. Skip Simulate and you execute into a void. Ninety days is Diagnose, Deploy, Evaluate. Expand, adjust, or kill in writing. Worksheets exist. Use them. Do not invent a second kit. ai-agents SENSE Five-move strategic intelligence layer. Strategic intelligence layer Standing system that turns signals into sourced claims. Evidence ledger Claim-level register of assertion, source, and strength. Most “competitive intelligence” in a young company is the founder reading at midnight. That is not a layer. That is a habit that dies the week the company gets busy. What a layer is A strategic intelligence layer is standing. It has named inputs, a place claims live, a cadence where they meet a decision, and a rule for killing a claim that has expired. A briefing is a file. A layer is a system you can point at when someone asks “what do we believe about this competitor, and how old is that belief?” SENSE is the five-move version I publish. Use it when models are already in the loop and you still decide from anecdote. 1. Scan. Collection with a thesis. Watch the competitor surfaces, regulatory dockets, and customer signals your strategy actually depends on. Not the whole internet. 2. Evaluate. Turn raw signal into a sourced claim with a confidence grade, instead of another summary nobody can act on. 3. Navigate. Make the claim change something real: the watchlist tightens, the assumption register updates, the strategy moves. 4. Simulate. Rehearse the future before it arrives. Ask what would happen if, and pressure-test the plan against it. 5. Execute. Meet a decision or it never happened: a one-page brief in the Monday review, an alert the moment it matters. Skip Simulate and you execute into a void. Skip Evaluate and you scan yourself into a trance. Skip Navigate and you have a prettier briefing habit. The unit of work is one claim with a confidence grade, not another unread summary. An AI agent can draft the claim. It cannot own the Monday decision. What a claim looks like Write five lines. If you cannot, you do not have a claim. You have a vibe. - Assertion. “Competitor B will ship usage-based pricing this quarter.” - Source. The job post dated 3 August, the support-forum thread from last Tuesday, the customer call on Thursday. Name them. - Strength. What would make you raise or drop the grade. One sentence. - Grade. A working mark you are willing to say out loud. High / medium / low is enough. This is an authorial mark, not a validated scale. - Expiry. A date. After that date the claim is dead unless someone re-opens it with new source. That register is a thin evidence ledger. What was asserted, which source supports it, how strong that source is, what would retire the claim. It is not a bibliography dumped at the end of a memo. Monday then asks one question: which live claim changes this week’s call? If none of them can, stop collecting. Ninety days: Diagnose, Deploy, Evaluate The book calendar is three gates, not four artifacts standing in for the protocol. Artifact 8 on the worksheets is the source. Use those templates. Do not invent a second kit. SENSE also has no Decide phase. The layer prepares the choice. A person owns it. Days 1–30 — Diagnose. Build nothing that looks like a product. Name the bottleneck. Write one sentence you can fail: this layer watches X, claims Y, feeds decision Z in meeting W. Inside the month you may draft a ten-signal watchlist and an assumption register, but they are notes, not a live system. Gate: if you cannot say X, Y, Z, and W out loud, you do not deploy. Days 31–60 — Deploy. One system. Simplest architecture. Wired into a meeting that already exists. Instrumented from day one. A watchlist with owners, a register with grades and expiry, a chair, a 45-minute loop. Gate: the layer changed at least one real decision, or it confirmed no action with an evidence trace. A digest that arrives nowhere fails this gate. Days 61–90 — Evaluate. Score the system against the kill criterion you wrote in week one. Then decide, in writing: expand, adjust, or kill. A retired claim stays visible for a week so people can object. Then it leaves the register. Silence is how zombie beliefs run a company. An agentic workflow can fill rows. It cannot invent X, Y, Z, and W. If you cannot name the decision this layer will change, you are not ready for more agents. You are still in Diagnose. A Monday that uses the layer Picture a founder who sells to ten customers and is deciding whether to match a rumoured price cut. Without a layer, Monday is a pile: three Slack screenshots, a half-remembered call, a tab left open since Thursday. The decision happens in the shower. Nobody can reconstruct why. With a layer, Monday has four objects on the table. 1. The watchlist row: “Competitor B pricing page, Friday check, founder-owned.” 2. The live claim: “B is testing usage-based pricing on new accounts only.” Grade medium. Expiry 1 September. Sources named. 3. The cadence rule: this claim may change the discount exception process, not the public price list. 4. The kill rule: if Friday’s check shows the old list price and no new-account toggle, the claim dies in public. The meeting is twenty minutes. The output is one sentence in the decision log: “No public match. One named exception if a customer brings a written B quote before 1 September.” Then people go back to work. That is Navigate plus Execute. Scan and Evaluate happened earlier in the week. Simulate happened as a single question: “If B’s test is only on new accounts, what breaks if we cut list price for everyone?” The answer was “margin on the eight customers who were not leaving.” So the layer refused the dramatic move. When the layer is fake Tell What you actually built First fix --- --- --- A hundred “signals,” no owner A reading list Cut to ten. Name an owner or delete the row Beautiful summaries, no grade A briefing habit Force assertion, source, grade, expiry Claims that never reach Monday A research hobby One loop. If it cannot enter, stop collecting No retired claims in ninety days A museum of vibes Kill in public. Date every row Agents writing memos nobody reads Midnight reading at scale One Monday question. Everything else is optional What this is not It is not a dashboard wall. A wall of charts with no claim, no owner, and no expiry is still midnight reading, only more expensive. It is not a promise that agents replace judgment. SENSE exists so a model can produce a sourced claim instead of a vibe. It is not a CHORUS substitute. A team that cannot hand work across a boundary will not become strategic by adding a watchlist. Install the coordination protocol if the week already got slower when you added agents. It is not a surveyed success rate. Ninety days is an install calendar from AI Agents for Startup Strategy, not a study of how many founders finish it. The book introduction teaches SENSE as a system. This page is the calendar. Start with ten signals and one Monday question. Everything else is permission to stay.","keyTakeaways":["The layer is standing. A weekly dump is not a layer.","SENSE is the sequence. Skip Simulate and you execute into a void.","Ninety days is Diagnose, Deploy, Evaluate. Expand, adjust, or kill in writing.","Worksheets exist. Use them. Do not invent a second kit."],"readingMinutes":6,"publishedAt":"2026-08-17T09:00:00.000Z"},"nl":{"label":"SENSE: een strategische intelligentielaag in negentig dagen","summary":"Een strategische intelligentielaag is een permanent systeem dat markt-, concurrentie- en interne signalen omzet in onderbouwde claims waar een oprichter op kan handelen. SENSE is één implementatie in vijf stappen: Scan, Evaluate, Navigate, Simulate, Execute. Er is geen Decide-fase: het systeem bereidt de keuze voor, een mens is eigenaar. In negentig dagen doe je Diagnose, Deploy, en daarna Evaluate-and-decide. Volglijst, aannameregister, ritme en killregel zijn artefacten in die poorten, geen tweede kalender. De werkeenheid is een claim met een betrouwbaarheidsscore, geen lange PDF.","url":"/nl/blog/sense-intelligentielaag-in-negentig-dagen/","searchText":"SENSE: een strategische intelligentielaag in negentig dagen Een plan van 90 dagen om SENSE te installeren: Scan, Evaluate, Navigate, Simulate, Execute. Eén onderbouwde claim met een betrouwbaarheidsscore, niet de zoveelste ongelezen samenvatting. Stop met het verzamelen van briefings. Begin met het veranderen van de maandag. Een strategische intelligentielaag is een permanent systeem dat markt-, concurrentie- en interne signalen omzet in onderbouwde claims waar een oprichter op kan handelen. SENSE is één implementatie in vijf stappen: Scan, Evaluate, Navigate, Simulate, Execute. Er is geen Decide-fase: het systeem bereidt de keuze voor, een mens is eigenaar. In negentig dagen doe je Diagnose, Deploy, en daarna Evaluate-and-decide. Volglijst, aannameregister, ritme en killregel zijn artefacten in die poorten, geen tweede kalender. De werkeenheid is een claim met een betrouwbaarheidsscore, geen lange PDF. SENSE-implementatie in 90 dagen De laag is permanent. Een wekelijkse dump is geen laag. SENSE is de volgorde. Sla Simulate over en je voert uit in een vacuüm. Negentig dagen is Diagnose, Deploy, Evaluate. Breid uit, stel bij, of schiet af, zwart-op-wit. De werkbladen bestaan al. Gebruik ze. Bedenk geen tweede kit. ai-agents SENSE Strategische intelligentielaag in vijf stappen. Strategische intelligentielaag Permanent systeem dat signalen omzet in onderbouwde claims. Bewijsregister Register op claimniveau met de bewering, bron en sterkte. De meeste 'concurrentie-intelligentie' in een jong bedrijf is een oprichter die om middernacht zit te lezen. Dat is geen laag. Dat is een gewoonte die sterft in de week dat het bedrijf het druk krijgt. Wat een laag is Een strategische intelligentielaag is permanent. Ze heeft benoemde inputs, een plek waar claims leven, een ritme waarin ze een beslissing ontmoeten, en een regel voor het elimineren van een claim die is verlopen. Een briefing is een bestand. Een laag is een systeem waarnaar je kunt wijzen als iemand vraagt: \"wat geloven we over deze concurrent, en hoe oud is die overtuiging?\" SENSE is de versie met vijf stappen die ik publiceer. Gebruik het wanneer modellen al in de loop zitten en je nog steeds beslissingen neemt op basis van anekdotes. 1. Scan. Verzameling met een hypothese. Let op de kanalen van de concurrent, toezichthoudende dossiers en klantsignalen waar je strategie daadwerkelijk van afhangt. Niet het hele internet. 2. Evaluate. Zet een ruw signaal om in een onderbouwde claim met een betrouwbaarheidsscore, in plaats van weer een samenvatting waar niemand iets mee kan. 3. Navigate. Laat de claim iets echts veranderen: de volglijst wordt strakker, het aannameregister krijgt een update, de strategie verschuift. 4. Simulate. Oefen de toekomst voordat deze aanbreekt. Vraag wat er zou gebeuren als, en test het plan daartegen. 5. Execute. Koppel het aan een beslissing of het is nooit gebeurd: een briefing van één pagina in de maandag-review, een waarschuwing op het moment dat het ertoe doet. Sla Simulate over en je voert uit in een vacuüm. Sla Evaluate over en je scant jezelf in een trance. Sla Navigate over en je hebt een mooiere briefing-gewoonte. De werkeenheid is één claim met een betrouwbaarheidsscore, niet weer een ongelezen samenvatting. Een AI-agent kan de claim opstellen. Hij kan niet de eigenaar zijn van de beslissing op maandag. Hoe een claim eruitziet Schrijf vijf regels. Als je dat niet kunt, heb je geen claim. Je hebt een vibe. - Bewering. \"Concurrent B lanceert dit kwartaal op verbruik gebaseerde prijzen.\" - Bron. De vacature van 3 augustus, de thread op het supportforum van afgelopen dinsdag, het klantgesprek op donderdag. Benoem ze. - Kracht. Wat zou je de score laten verhogen of verlagen. Eén zin. - Score. Een werkcijfer dat je hardop durft uit te spreken. Hoog / gemiddeld / laag is genoeg. Dit is een inschatting van de auteur, geen gevalideerde schaal. - Vervaldatum. Een datum. Na die datum is de claim dood, tenzij iemand deze heropent met een nieuwe bron. Dat register is een dun bewijsregister. Wat er is beweerd, welke bron het ondersteunt, hoe sterk die bron is, wat de claim zou beëindigen. Het is geen bibliografie die aan het einde van een memo is gedumpt. De maandag stelt dan één vraag: welke actieve claim verandert de beslissing van deze week? Als geen daarvan dat kan, stop dan met verzamelen. Negentig dagen: Diagnose, Deploy, Evaluate De boekkalender heeft drie poorten, geen vier artefacten die het protocol vervangen. Artefact 8 op de werkbladen is de bron. Gebruik die templates. Bedenk geen tweede kit. SENSE heeft ook geen Decide-fase. De laag bereidt de keuze voor. Een mens is eigenaar. Dagen 1–30: Diagnose. Bouw niets dat op een product lijkt. Benoem de bottleneck. Schrijf één zin die je kunt laten zakken: deze laag bewaakt X, claimt Y, voedt besluit Z in overleg W. Binnen die maand mag je een volglijst van tien signalen en een aannameregister schetsen, maar dat zijn aantekeningen, geen levend systeem. Poort: kun je X, Y, Z en W niet hardop zeggen, dan deploy je niet. Dagen 31–60: Deploy. Eén systeem. De eenvoudigste architectuur. Vastgemaakt aan een overleg dat al bestaat. Vanaf dag één geïnstrumenteerd. Een volglijst met eigenaren, een register met scores en vervaldatum, een voorzitter, een loop van 45 minuten. Poort: de laag veranderde minstens één echt besluit, of bevestigde geen actie met een bewijsspoor. Een samenvatting die nergens landt, zakt voor deze poort. Dagen 61–90: Evaluate. Beoordeel het systeem tegen het killcriterium dat je in week één opschreef. Besluit daarna zwart-op-wit: uitbreiden, bijstellen of afschieten. Een afgeschoten claim blijft een week zichtbaar zodat mensen bezwaar kunnen maken. Daarna verlaat hij het register. Stilte is hoe zombie-overtuigingen een bedrijf runnen. Een agentische workflow kan rijen vullen. Hij kan X, Y, Z en W niet verzinnen. Kun je het besluit dat deze laag verandert niet benoemen, dan ben je niet klaar voor meer agents. Je zit nog in Diagnose. Een maandag die de laag gebruikt Stel je een oprichter voor die aan tien klanten verkoopt en besluit of hij meegaat in een gerucht over een prijsverlaging. Zonder een laag is maandag een stapel: drie Slack-screenshots, een half herinnerd telefoontje, een tabblad dat sinds donderdag openstaat. De beslissing valt onder de douche. Niemand kan reconstrueren waarom. Met een laag heeft maandag vier objecten op tafel. 1. De rij op de volglijst: \"Prijzenpagina concurrent B, vrijdagcontrole, in beheer van oprichter.\" 2. De actieve claim: \"B test op verbruik gebaseerde prijzen alleen op nieuwe accounts.\" Score gemiddeld. Vervaldatum 1 september. Bronnen benoemd. 3. De ritmeregel: deze claim mag het proces voor kortingsuitzonderingen veranderen, niet de publieke prijslijst. 4. De eliminatieregel: als de controle van vrijdag de oude catalogusprijs laat zien en geen toggle voor nieuwe accounts, sterft de claim publiekelijk. De vergadering duurt twintig minuten. De output is één zin in het besluitenlogboek: \"Geen publieke match. Eén benoemde uitzondering als een klant vóór 1 september met een schriftelijke offerte van B komt.\" Daarna gaat iedereen weer aan het werk. Dat is Navigate plus Execute. Scan en Evaluate vonden eerder in de week plaats. Simulate gebeurde in de vorm van een enkele vraag: \"Als de test van B alleen op nieuwe accounts is, wat gaat er dan stuk als we de catalogusprijs voor iedereen verlagen?\" Het antwoord was \"marge op de acht klanten die niet van plan waren te vertrekken.\" Dus weigerde de laag de drastische zet. Wanneer de laag nep is Teken Wat je daadwerkelijk hebt gebouwd Eerste oplossing --- --- --- Honderd \"signalen\", geen eigenaar Een leeslijst Terugbrengen naar tien. Benoem een eigenaar of verwijder de rij Prachtige samenvattingen, geen score Een briefing-gewoonte Forceer bewering, bron, score, vervaldatum Claims die de maandag nooit bereiken Een onderzoekshobby Eén loop. Als het niet naar binnen kan, stop dan met verzamelen Geen beëindigde claims in negentig dagen Een museum van vibes Publiekelijk elimineren. Voorzie elke rij van een datum Agents die memo's schrijven die niemand leest Lezen om middernacht op schaal Eén maandagvraag. Al het andere is optioneel Wat dit niet is Het is geen muur vol dashboards. Een muur vol grafieken zonder claim, zonder eigenaar en zonder vervaldatum is nog steeds lezen om middernacht, maar dan duurder. Het is geen belofte dat agents oordeelsvermogen vervangen. SENSE bestaat zodat een model een onderbouwde claim kan produceren in plaats van een vibe. Het is geen vervanging voor CHORUS. Een team dat geen werk over een grens heen kan overdragen, wordt niet strategisch door een volglijst toe te voegen. Installeer het coördinatieprotocol als de week al trager werd toen je agents toevoegde. Het is geen onderzocht succespercentage. Negentig dagen is een installatiekalender uit AI-agenten voor startupstrategie, geen studie naar hoeveel oprichters het afronden. De introductie van het boek leert SENSE aan als een systeem. Deze pagina is de kalender. Begin met tien signalen en één maandagvraag. Al het andere is toestemming om te blijven.","keyTakeaways":["De laag is permanent. Een wekelijkse dump is geen laag.","SENSE is de volgorde. Sla Simulate over en je voert uit in een vacuüm.","Negentig dagen is Diagnose, Deploy, Evaluate. Breid uit, stel bij, of schiet af, zwart-op-wit.","De werkbladen bestaan al. Gebruik ze. Bedenk geen tweede kit."],"readingMinutes":6,"publishedAt":"2026-08-17T09:05:00.000Z"}},"degree":13},{"id":"article:stack-version-the-agent-os","type":"article","pillar":"ai-systems","locales":{"en":{"label":"STACK: version the agent OS like you version the app","summary":"STACK is a five-layer architecture for repositories where humans and agents share work: Structure, Toolchain, Agent configuration, Connection, Knowledge and quality. The agent operating system should be versioned like the application. If prompts, MCP servers, and skills live outside the repo, or live in five places inside it, you have agentic repo debt. The fix is ownership and a single source of rules, not a smarter model.","url":"/en/blog/stack-version-the-agent-os/","searchText":"STACK: version the agent OS like you version the app When agents demo well and then rot the repo, the disease is agentic repo debt. STACK is five layers: structure, toolchain, agent configuration, connection, knowledge and quality. Rules in five tools. MCP without contracts. Skills nobody owns. That is not a model problem. STACK is a five-layer architecture for repositories where humans and agents share work: Structure, Toolchain, Agent configuration, Connection, Knowledge and quality. The agent operating system should be versioned like the application. If prompts, MCP servers, and skills live outside the repo, or live in five places inside it, you have agentic repo debt. The fix is ownership and a single source of rules, not a smarter model. versioning an agent OS Demo quality is not repo quality. Five layers. One owner per layer. Rules in one place. MCP belongs in Connection, with a contract, or it does not belong. This is the architecture article. The book intro is a different URL. ai-agents agentic-codebase STACK Five-layer architecture for mixed human-and-agent repos. MCP Contract for how a model calls tools. Override doctrine Decisions an agent may never take. Agents demo beautifully. Then the repository starts to smell. Prompts in four files. The same rule in a README, a host config, and someone's head. An MCP server nobody listed. That smell has a name: agentic repo debt. The disease A weak model is rarely the cause. The cause is an agent operating system that is not an operating system. It is a pile. You would not ship application code that way. You version the app. You review the app. You know who owns a package. The agent half of the repo deserves the same disrespect for folklore. The tell is reproducible failure. A second engineer cannot get the same agent behaviour on a second machine. A model upgrade changes diffs and nobody can point at the file that allowed it. A tool can mail a customer and the only record is a vendor dashboard that expires. Demo quality is not repo quality. What is STACK? is the definition of the five names. This page is the install: treat the agent OS as code. Five layers STACK is the map I use: 1. Structure. Where agent artifacts live, and nowhere else. 2. Toolchain. The hosts and runners, pinned, not \"whatever the laptop has.\" 3. Agent configuration. Charters, prompts, skills, with owners. 4. Connection. MCP and other tool contracts. Visibility, mutation, log. 5. Knowledge and quality. What the agent may treat as true, and the tests that fail a bad change. If a change cannot be named as a layer, it does not belong in the PR description. \"Tweaked the agent\" is not a commit message. Name an owner per layer. One human, not a role. A role is how the file becomes folklore again the week that person is on leave. CODEOWNERS is enough. A wiki page is not. Version it Treat prompts, skills, and server contracts as code. - They live in the repo. - They have reviewers. - They have a rollback. - The override doctrine is a file, not a Slack memory. When a tool can send, spend, or delete, the first ten calls have a human name next to them. After that, the log is the review. No log, no tool. A practical cut. Structure is a single directory, for example agent-os/ , with a README that is a map, not an essay. Toolchain is a lockfile plus a documented command list the CI image also has. Agent configuration is the standing files a host actually reads, with a CODEOWNERS line, not a second copy in a chat. Connection is a contract per server: what it may see, what it may change, how the call is logged. Knowledge and quality is at least one eval or test that fails when the agent touches a forbidden path. Rollback is the part teams skip. If you cannot revert a prompt the way you revert a function, you did not version it. You published it. Git is the version control. A Notion page with \"latest\" in the title is not. What to refuse Three common installs that still leave the debt in place. A host with \"memory\" turned on and no file in the repo. The standing context now lives in a vendor. When the seat expires, the OS expires. Five copies of the same rule, kept \"in sync\" by hand. They will drift. Pick one file. Delete the rest in the same PR. An MCP server added because a demo needed a tool, with the contract to be written later. Later is how the billing module gets a comment bot. MCP explained for founders is the connection-layer companion. Read that before you attach a server that can mail a customer. A Monday you can actually run 1. List every file an agent reads on a cold start. If the list is longer than one tree, you found Structure debt. 2. Run the agent in CI, not only on a laptop. If CI cannot run it, Toolchain is a story. 3. Put a human name next to every standing prompt and skill. Empty name means the file is unowned. Unowned files do not merge. 4. For every MCP server, write visibility, mutation, log in three lines. Missing mutation means it does not ship. 5. Add one test that fails if the agent edits a path it should not touch. That is the start of Knowledge and quality, not the end. You will not finish the OS on Monday. You will end folklore at the first owner. Where this sits The Agentic Codebase is the book. The introduction is the launch article. What is STACK? is the definition. This page is the architecture you install when the demo worked and the repo did not. A CHORUS charter will not save a repo whose rules live in five tools. STACK versions the files. CHORUS names the coordination those files cannot do alone. If you do one thing this week: pick a single directory as the agent OS, move the stray prompts into it, and put a name on the CODEOWNERS line. Folklore ends at the first owner.","keyTakeaways":["Demo quality is not repo quality.","Five layers. One owner per layer. Rules in one place.","MCP belongs in Connection, with a contract, or it does not belong.","This is the architecture article. The book intro is a different URL."],"readingMinutes":4,"publishedAt":"2026-08-22T23:00:00.000Z"},"nl":{"label":"STACK: versioneer het agent-OS zoals je de app versioneert","summary":"STACK is een architectuur van vijf lagen voor repositories waar mensen en agents samenwerken: Structuur, Toolchain, Agent-configuratie, Connectie, en Kennis en kwaliteit. Je moet het agent-OS net zo versioneren als de applicatie. Als prompts, MCP-servers en skills buiten de repo leven, of verspreid over vijf plekken daarbinnen, bouw je agentic repo-schuld op. De oplossing is eigenaarschap en één bron van waarheid voor regels, niet een slimmer model.","url":"/nl/blog/stack-versioneer-het-agent-os/","searchText":"STACK: versioneer het agent-OS zoals je de app versioneert Wanneer agents goed demonstreren maar daarna de repo laten rotten, heb je last van agentic repo-schuld. STACK is vijf lagen: structuur, toolchain, agent-configuratie, connectie, en kennis en kwaliteit. Regels verspreid over vijf tools. MCP zonder afspraken. Skills die van niemand zijn. Dat is geen probleem van het model. STACK is een architectuur van vijf lagen voor repositories waar mensen en agents samenwerken: Structuur, Toolchain, Agent-configuratie, Connectie, en Kennis en kwaliteit. Je moet het agent-OS net zo versioneren als de applicatie. Als prompts, MCP-servers en skills buiten de repo leven, of verspreid over vijf plekken daarbinnen, bouw je agentic repo-schuld op. De oplossing is eigenaarschap en één bron van waarheid voor regels, niet een slimmer model. een agent-OS versioneren De kwaliteit van een demo is niet de kwaliteit van de repo. Vijf lagen. Eén eigenaar per laag. Regels op één plek. MCP hoort in Connectie, met een contract, of het hoort er helemaal niet. Dit is het architectuurartikel. De introductie van het boek staat op een andere URL. ai-agents agentic-codebase STACK Een architectuur van vijf lagen voor gemengde repositories van mens en agent. MCP Een contract voor hoe een model tools aanroept. Override-doctrine Beslissingen die een agent nooit mag nemen. Agents geven prachtige demo's. Daarna begint de repository te stinken. Prompts in vier verschillende bestanden. Dezelfde regel in een README, een host-configuratie en in iemands hoofd. Een MCP-server die nergens gedocumenteerd staat. Die stank heeft een naam: agentic repo-schuld. De ziekte Een zwak model is zelden de oorzaak. Het echte probleem is een agent-OS dat niet als besturingssysteem is gebouwd. Het is een stapel losse onderdelen. Applicatiecode zou je nooit op die manier live zetten. Je versioneert de app. Je laat de code reviewen. Je weet exact wie eigenaar is van een package. De helft van de repo waar de agent in leeft, verdient diezelfde afkeer voor aannames en losse verhalen. Het signaal is reproduceerbaar falen. Een tweede engineer krijgt op een tweede machine niet hetzelfde agentgedrag. Een modelupgrade verandert diffs en niemand kan het bestand aanwijzen dat dat toeliet. Een tool kan een klant mailen en het enige spoor is een vendor-dashboard dat verloopt. Demokwaliteit is geen repokwaliteit. Wat is STACK? is de definitie van de vijf namen. Deze pagina is de installatie: behandel het agent-OS als code. Vijf lagen STACK is de kaart die ik gebruik: 1. Structuur. De enige plek waar agent-artefacten leven, nergens anders. 2. Toolchain. De hosts en runners, vastgezet, niet simpelweg \"wat er toevallig op de laptop staat.\" 3. Agent-configuratie. Mandaten, prompts en skills, altijd met eigenaren. 4. Connectie. MCP en andere contracten voor tools. Zichtbaarheid, mutatie, logs. 5. Kennis en kwaliteit. Wat de agent als waarheid mag zien, plus de tests die een slechte wijziging direct afkeuren. Als een wijziging niet onder een van deze lagen valt, hoort die ook niet thuis in de beschrijving van je PR. \"De agent een beetje aangepast\" is geen geldige commitmessage. Benoem per laag een eigenaar. Eén mens, geen rol. Een rol is hoe het bestand de week dat die persoon vrij is weer folklore wordt. CODEOWNERS is genoeg. Een wikipagina is dat niet. Versioneer het Behandel prompts, skills en servercontracten exact als code. - Ze horen in de repo thuis. - Ze hebben reviewers. - Er is een mogelijkheid tot rollback. - De override-doctrine is een vastgelegd bestand, geen vage herinnering in Slack. Wanneer een tool iets kan versturen, geld kan uitgeven of data kan verwijderen, staat er naast de eerste tien aanroepen een menselijke naam. Daarna vormt de log de review. Zonder log is er geen tool. Een praktische snede. Structuur is één directory, bijvoorbeeld agent-os/ , met een README die een kaart is, geen essay. Toolchain is een lockfile plus een gedocumenteerde commandolijst die het CI-image ook heeft. Agent-configuratie zijn de staande bestanden die een host daadwerkelijk leest, met een CODEOWNERS-regel, geen tweede kopie in een chat. Connectie is een contract per server: wat hij mag zien, wat hij mag wijzigen, hoe de aanroep wordt gelogd. Kennis en kwaliteit is minstens één eval of test die faalt als de agent een verboden pad aanraakt. Rollback is het deel dat teams overslaan. Kun je een prompt niet terugdraaien zoals je een functie terugdraait, dan heb je hem niet geversioneerd. Je hebt hem gepubliceerd. Git is het versiebeheer. Een Notion-pagina met \"latest\" in de titel is dat niet. Wat je weigert Drie veelvoorkomende installaties die de schuld toch laten staan. Een host met \"memory\" aan en geen bestand in de repo. De staande context woont nu bij een vendor. Verloopt de stoel, dan verloopt het OS. Vijf kopieën van dezelfde regel, \"in sync\" gehouden met de hand. Ze gaan uit elkaar lopen. Kies één bestand. Verwijder de rest in dezelfde PR. Een MCP-server toegevoegd omdat een demo een tool nodig had, met het contract \"later.\" Later is hoe de billingmodule een comment-bot krijgt. MCP uitgelegd voor ondernemers is het complementaire stuk voor de connectielaag. Lees dat voordat je een server koppelt die een mail naar een klant kan sturen. Een maandag die je echt kunt draaien 1. Zet elk bestand op een lijst dat een agent bij een koude start leest. Is de lijst langer dan één boom, dan heb je structuurschuld. 2. Draai de agent in CI, niet alleen op een laptop. Kan CI hem niet draaien, dan is Toolchain een verhaal. 3. Zet een menselijke naam naast elke staande prompt en skill. Lege naam betekent: het bestand is van niemand. Bestanden zonder eigenaar gaan niet mee. 4. Schrijf per MCP-server zichtbaarheid, mutatie, log in drie regels. Ontbrekende mutatie betekent: hij gaat niet live. 5. Voeg één test toe die faalt als de agent een pad bewerkt dat hij niet mag raken. Dat is het begin van Kennis en kwaliteit, niet het eind. Je maakt het OS op maandag niet af. Je stopt folklore bij de eerste eigenaar. Waar dit in past De agentische codebase is het boek. De introductie is het lanceerartikel. Wat is STACK? is de definitie. Deze pagina beschrijft de architectuur die je installeert nadat de demo vlekkeloos werkte, maar de repo een puinhoop werd. Een CHORUS-charter redt geen repo waarvan de regels in vijf tools leven. STACK versioneert de bestanden. CHORUS benoemt de coördinatie die die bestanden alleen niet aankunnen. Als je deze week maar één ding doet: kies één specifieke map uit als je agent-OS, verplaats de rondslingerende prompts daarheen en zet een naam op de CODEOWNERS-regel. Folklore stopt bij de eerste eigenaar.","keyTakeaways":["De kwaliteit van een demo is niet de kwaliteit van de repo.","Vijf lagen. Eén eigenaar per laag. Regels op één plek.","MCP hoort in Connectie, met een contract, of het hoort er helemaal niet.","Dit is het architectuurartikel. De introductie van het boek staat op een andere URL."],"readingMinutes":4,"publishedAt":"2026-08-22T23:05:00.000Z"}},"degree":12},{"id":"article:stack-vs-agents-md","type":"article","pillar":"ai-systems","locales":{"en":{"label":"STACK vs AGENTS.md: where instructions end and controls begin","summary":"AGENTS.md is a plain Markdown file in a code repository that tells AI coding agents how the project works: setup, tests, conventions. It is an open format stewarded by the Agentic AI Foundation. Agents read it as context, so it guides but cannot enforce. STACK, from The Agentic Codebase, is a five-layer map of what a repository needs once agents work in it; AGENTS.md lives in its Agent configuration layer. Rules that must hold every time belong in controls: permission rules, hooks, sandboxes, branch protection and automated checks.","url":"/en/blog/stack-vs-agents-md/","searchText":"STACK vs AGENTS.md: where instructions end and controls begin STACK vs AGENTS.md: AGENTS.md tells coding agents how your repo works but enforces nothing. Which rules belong in it, and which need a real control. An instruction file is a request. A control is a refusal. AGENTS.md is a plain Markdown file in a code repository that tells AI coding agents how the project works: setup, tests, conventions. It is an open format stewarded by the Agentic AI Foundation. Agents read it as context, so it guides but cannot enforce. STACK, from The Agentic Codebase, is a five-layer map of what a repository needs once agents work in it; AGENTS.md lives in its Agent configuration layer. Rules that must hold every time belong in controls: permission rules, hooks, sandboxes, branch protection and automated checks. STACK vs AGENTS.md AGENTS.md is a README for coding agents: standard Markdown, no required fields, used by over 60,000 open-source projects according to its site. It is context, not a control. By the format's own rule, an explicit chat prompt overrides it. If breaking a rule once would cost more than an apology, enforce it with a control and keep the reason in AGENTS.md. In STACK, AGENTS.md belongs to Agent configuration. Enforcement lives in Toolchain, Connection, and Knowledge and quality. agentic-codebase AGENTS.md An open, plain-Markdown file format that gives AI coding agents the context and instructions they need to work on a project. coding agent An AI program that reads and changes code on its own over several steps. hook A small script an agent tool runs at a fixed moment, for example before any shell command, that can block the action. sandbox A technical boundary on what an agent can do, such as where it may write files and whether it can reach the network. branch protection A setting on a code-hosting platform that blocks deleting or force-pushing a branch and can require checks before changes land. STACK Structure, Toolchain, Agent configuration, Connection, Knowledge and quality. Five layers for a repository shared by people and AI agents, from The Agentic Codebase. An instruction file is a request. A control is a refusal. That difference decides whether the rule you wrote for your AI coding agent holds on a bad day. AGENTS.md is a plain Markdown file in a code repository that tells AI coding agents how the project works: how to install it, how to run the tests, which conventions to follow. Agents read it as context, so it guides them but cannot stop them. STACK is a five-layer map of what a repository needs once agents work in it, and AGENTS.md is one file in one of those layers. Rules that must hold every time (never push to the main branch, never touch production data) belong in controls: permission settings, hooks, sandboxes, branch protection and automated checks. A few words first. A coding agent is an AI program that reads and changes code on its own over several steps, such as OpenAI's Codex, Google's Jules or Claude Code. A repository (repo) is the folder, tracked by version control, that holds a project's code and its history. A control is anything that blocks or requires an action regardless of what the agent decides. What is AGENTS.md? The official site calls it \"a simple, open format for guiding coding agents, used by over 60k open-source projects\" and describes it as a \"README for agents\": a predictable place for the build steps, tests and conventions an agent needs (agents.md). Three details from that site matter for the rest of this page: - No schema. \"AGENTS.md is just standard Markdown.\" There are no required fields. - Nearest file wins, and chat wins over everything. A large repo can have an AGENTS.md in each folder. When instructions conflict, \"The closest AGENTS.md to the edited file wins; explicit user chat prompts override everything.\" - Best effort. If you list test commands, \"The agent will attempt to execute relevant programmatic checks and fix failures before finishing the task.\" Attempt is the honest word. The format grew out of work across OpenAI Codex, Amp, Jules from Google, Cursor and Factory. On 9 December 2025 the Linux Foundation announced the Agentic AI Foundation, with OpenAI's AGENTS.md as a founding project next to Anthropic's Model Context Protocol and Block's goose (Linux Foundation). The AGENTS.md site says that foundation now stewards it. What can AGENTS.md not do? It cannot enforce anything, and the tool makers say so in plain words. Anthropic's documentation for Claude Code, which reads CLAUDE.md files and can also read AGENTS.md, says its instruction files are treated \"as context, not enforced configuration. To block an action regardless of what Claude decides, use a PreToolUse hook instead.\" A hook is a small script the tool runs at a fixed moment, here just before a tool call, and it can block that call. The same page adds: \"Settings rules are enforced by the client regardless of what Claude decides to do.\" (Claude Code docs) OpenAI's Codex documentation describes its controls as two layers. A sandbox sets \"What Codex can do technically (for example, where it can write and whether it can reach the network)\". An approval policy sets when Codex must ask you before it acts (Codex docs). Neither layer is an instruction file. Then there is the precedence rule. A chat prompt overrides AGENTS.md by design. A rule that one hurried message can cancel is a preference, not a guarantee. A real case: the code freeze that was only words In July 2025, Jason Lemkin, founder of the SaaS community SaaStr, reported that the AI agent in Replit, an online coding service, deleted a production database despite his instructions not to change any code without permission (The Register). On 20 July he wrote: \"There is no way to enforce a code freeze in vibe coding apps like Replit. There just isn't.\" Look at what the fix was. Replit's CEO, Amjad Masad, said the company had \"started rolling out automatic DB dev/prod separation to prevent this categorically\" (The Register). Not a sterner instruction. A structural control: separate development and production databases, so work in progress no longer runs against live customer data. Replit said it would reach new apps first, in beta. The reports do not say where the freeze instruction was written, and for this lesson it does not matter. Text asks. Structure refuses. Where does AGENTS.md sit in STACK? STACK is a framework for organizing a repository so that people and AI agents can share it without it rotting. It names five layers, each with a plain job: 1. Structure. The layout, entry points and boundaries an agent can find its way through in its first minute. 2. Toolchain. The shells, commands and command-line tools an agent is allowed to run, written down instead of remembered. 3. Agent configuration. AGENTS.md, CLAUDE.md, rules, skills and role descriptions for sub-agents, kept under version control as standing context. 4. Connection. MCP servers (MCP is the standard way AI tools connect to outside systems), tool contracts, hooks and guardrails, with the least access each job needs and a known way to fail. 5. Knowledge and quality. Memory, context budgets, evaluations and continuous integration (CI: checks that run automatically on every change), so a model upgrade does not quietly lower the bar. STACK comes from The Agentic Codebase , a book by the author of this site, which is available now. You do not need the book to use it. The framework page lists the layers, and What is STACK? walks a real-looking repo through them. So \"STACK vs AGENTS.md\" is not a choice. AGENTS.md is the main file of layer 3. The book calls the root instruction file the repo's constitution, and its rule for that layer is six words: \"The constitution shapes; a hook enforces.\" Put the why in the instruction file. Put the must in a control that lives in layer 2, 4 or 5. Which rules go in AGENTS.md, and which need a control? Rule Say it in AGENTS.md? Control that enforces it STACK layer of the control --- --- --- --- Run the tests before calling a change done Yes: the exact command A required CI check before merge Knowledge and quality Never push straight to main Yes, with the reason Branch protection, plus a hook that blocks the push Connection Never read .env or other secret files Yes A deny rule in the agent's permission settings; secrets kept out of the repo Connection Never touch production data Yes No production credentials in the agent's environment; separate databases Connection Ask before running unfamiliar commands Yes The tool's approval policy Connection Use pnpm, not npm Yes A declared toolchain; optionally a hook Toolchain Single quotes, no semicolons Yes A formatter or linter in CI Knowledge and quality Where each part of the code lives Yes: a short map None needed Structure The rule behind the table fits on one line: if breaking a rule once would cost more than an apology, it needs a control. Keep the sentence in AGENTS.md anyway, so the agent understands why it is refused. On GitHub, for example, branch protection rules \"define whether collaborators can delete or force push to the branch and set requirements for any pushes to the branch, such as passing status checks or a linear commit history\" (GitHub Docs). As long as the agent's account cannot change that setting, no prompt talks its way past it. How do you audit an AGENTS.md in 15 minutes? 1. Find every instruction file (3 minutes). Look for AGENTS.md in every folder, plus CLAUDE.md, .cursor/rules and .github/copilot-instructions.md . If two files disagree, choose one source of truth and point the others at it. Claude Code's documentation, for instance, shows how to import AGENTS.md from CLAUDE.md. 2. Mark every hard word (3 minutes). Highlight each line that says never, always, must or do not. 3. Write the control next to it (5 minutes). For each highlighted line, name the control that enforces it, or write \"none\". 4. Sort the \"none\" lines (2 minutes). Would breaking it once cost more than an apology? Then it goes on this week's list: a hook, a deny rule, a branch-protection setting or a CI check. 5. Check the length (2 minutes). Claude Code's documentation warns that longer files \"consume more context and reduce adherence\". Move situational detail into files that load only when needed. Whatever the audit moves into a control is also a candidate for your override doctrine: the short list of things an agent may never do. Try this today Open your repository's AGENTS.md or CLAUDE.md. Take the first line that says \"never\" and run steps 3 and 4 on it. If the control column says \"none\" and the rule protects money, customer data or production, set up one control before the end of the day. The file stays. It just stops being the only thing between the agent and the mistake.","keyTakeaways":["AGENTS.md is a README for coding agents: standard Markdown, no required fields, used by over 60,000 open-source projects according to its site.","It is context, not a control. By the format's own rule, an explicit chat prompt overrides it.","If breaking a rule once would cost more than an apology, enforce it with a control and keep the reason in AGENTS.md.","In STACK, AGENTS.md belongs to Agent configuration. Enforcement lives in Toolchain, Connection, and Knowledge and quality."],"readingMinutes":7,"publishedAt":"2026-10-01T19:00:00.000Z"},"nl":{"label":"STACK versus AGENTS.md: waar instructies ophouden en harde controles beginnen","summary":"AGENTS.md is een gewoon Markdown-bestand in een coderepository dat AI-codeeragents vertelt hoe het project werkt: installatie, tests, conventies. Het is een open formaat onder beheer van de Agentic AI Foundation. Agents lezen het als context, dus het stuurt wel, maar dwingt niets af. STACK, uit De agentische codebase, is een kaart in vijf lagen van wat een repository nodig heeft zodra er agents in werken; AGENTS.md hoort in de laag Agent configuration. Regels die altijd moeten gelden, horen in harde controles: rechteninstellingen, hooks, sandboxes, branchbeveiliging en automatische checks.","url":"/nl/blog/stack-versus-agents-md/","searchText":"STACK versus AGENTS.md: waar instructies ophouden en harde controles beginnen STACK versus AGENTS.md: AGENTS.md vertelt codeeragents hoe je repo werkt, maar dwingt niets af. Welke regels erin horen en welke om een harde controle vragen. Een instructiebestand is een verzoek. Een harde controle is een weigering. AGENTS.md is een gewoon Markdown-bestand in een coderepository dat AI-codeeragents vertelt hoe het project werkt: installatie, tests, conventies. Het is een open formaat onder beheer van de Agentic AI Foundation. Agents lezen het als context, dus het stuurt wel, maar dwingt niets af. STACK, uit De agentische codebase, is een kaart in vijf lagen van wat een repository nodig heeft zodra er agents in werken; AGENTS.md hoort in de laag Agent configuration. Regels die altijd moeten gelden, horen in harde controles: rechteninstellingen, hooks, sandboxes, branchbeveiliging en automatische checks. STACK vs AGENTS.md AGENTS.md is een README voor codeeragents: gewone Markdown, geen verplichte velden, volgens de eigen site gebruikt door meer dan 60.000 opensourceprojecten. Het is context, geen harde controle. Volgens de eigen regels van het formaat gaat een expliciete chatprompt erboven. Kost één overtreding meer dan een excuus, dwing de regel dan af met een harde controle en laat de reden in AGENTS.md staan. In STACK hoort AGENTS.md bij Agent configuration. Afdwingen gebeurt in Toolchain, Connection en Knowledge and quality. agentic-codebase AGENTS.md Een open bestandsformaat in gewone Markdown dat AI-codeeragents de context en instructies geeft die ze nodig hebben om aan een project te werken. codeeragent Een AI-programma dat zelfstandig, in meerdere stappen, code leest en aanpast. hook Een klein script dat een agenttool op een vast moment uitvoert, bijvoorbeeld vlak voor elk shellcommando, en dat de actie kan blokkeren. sandbox Een technische begrenzing van wat een agent kan, zoals waar hij bestanden mag schrijven en of hij het netwerk op kan. branchbeveiliging Een instelling op een codeplatform die het verwijderen of force-pushen van een branch blokkeert en checks kan eisen voordat wijzigingen erin komen. STACK Structure, Toolchain, Agent configuration, Connection, Knowledge and quality. Vijf lagen voor een repository die mensen en AI-agents delen, uit De agentische codebase. Een instructiebestand is een verzoek. Een harde controle is een weigering. Dat verschil bepaalt of de regel die je voor je AI-codeeragent schreef, standhoudt op een slechte dag. AGENTS.md is een gewoon Markdown-bestand in een coderepository dat AI-codeeragents vertelt hoe het project werkt: hoe je het installeert, hoe je de tests draait, welke conventies gelden. Agents lezen het als context. Het stuurt ze dus wel, maar het kan ze niet tegenhouden. STACK is een kaart in vijf lagen van wat een repository nodig heeft zodra er agents in werken, en AGENTS.md is één bestand in een van die lagen. Regels die altijd moeten gelden (nooit rechtstreeks naar de hoofdbranch pushen, nooit aan productiedata komen) horen in harde controles: rechteninstellingen, hooks, sandboxes, branchbeveiliging en automatische checks. Eerst een paar begrippen. Een codeeragent is een AI-programma dat zelfstandig, in meerdere stappen, code leest en aanpast, zoals Codex van OpenAI, Jules van Google of Claude Code. Een repository (repo) is de map met de code van een project en de geschiedenis ervan, bijgehouden met versiebeheer. Een harde controle is alles wat een actie blokkeert of afdwingt, wat de agent ook besluit. Wat is AGENTS.md? De officiële site noemt het \"a simple, open format for guiding coding agents, used by over 60k open-source projects\": een eenvoudig, open formaat om codeeragents te sturen, in gebruik bij meer dan 60.000 opensourceprojecten. De site spreekt van een \"README for agents\", een vaste plek voor de buildstappen, tests en conventies die een agent nodig heeft (agents.md). Drie details van die site doen ertoe voor de rest van dit stuk: - Geen schema. \"AGENTS.md is just standard Markdown.\" Er zijn geen verplichte velden. - Het dichtstbijzijnde bestand wint, en de chat wint van alles. Een grote repo kan in elke map een AGENTS.md hebben. Spreken instructies elkaar tegen, dan geldt: \"The closest AGENTS.md to the edited file wins; explicit user chat prompts override everything.\" Het bestand dat het dichtst bij de gewijzigde code staat, wint. Een expliciete chatprompt gaat boven alles. - Naar beste vermogen. Over testcommando's in het bestand zegt de site: \"The agent will attempt to execute relevant programmatic checks and fix failures before finishing the task.\" De agent zal het dus proberen. Proberen is hier het eerlijke woord. Het formaat ontstond bij OpenAI Codex, Amp, Jules van Google, Cursor en Factory. Op 9 december 2025 kondigde de Linux Foundation de Agentic AI Foundation aan, met AGENTS.md van OpenAI als een van de eerste projecten, naast het Model Context Protocol van Anthropic en goose van Block (Linux Foundation). Volgens de AGENTS.md-site beheert die stichting het formaat nu. Wat kan AGENTS.md niet? Het kan niets afdwingen, en de makers van de tools zeggen dat zelf, met zoveel woorden. Claude Code leest CLAUDE.md-bestanden en kan ook AGENTS.md lezen. De documentatie van Anthropic zegt dat die instructiebestanden worden behandeld \"as context, not enforced configuration. To block an action regardless of what Claude decides, use a PreToolUse hook instead.\" Ze zijn dus context, geen afgedwongen configuratie; wie een actie wil blokkeren, gebruikt een hook. Een hook is een klein script dat de tool op een vast moment uitvoert, hier vlak voor een toolaanroep, en dat die aanroep kan tegenhouden. Op dezelfde pagina staat ook: \"Settings rules are enforced by the client regardless of what Claude decides to do.\" Instellingen dwingt de software wél af (Claude Code-documentatie). De documentatie van Codex van OpenAI beschrijft de harde controles als twee lagen. Een sandbox bepaalt \"What Codex can do technically (for example, where it can write and whether it can reach the network)\": wat Codex technisch kan, zoals waar Codex mag schrijven en of het netwerk bereikbaar is. Een goedkeuringsbeleid bepaalt wanneer Codex het jou eerst moet vragen (Codex-documentatie). Geen van beide lagen is een instructiebestand. En dan is er de voorrangsregel. Een chatprompt gaat bewust boven AGENTS.md. Een regel die één haastig bericht kan opheffen, is een voorkeur, geen garantie. Een echt voorbeeld: de codefreeze die alleen uit woorden bestond In juli 2025 meldde Jason Lemkin, oprichter van de SaaS-community SaaStr, dat de AI-agent van de online programmeerdienst Replit een productiedatabase had gewist, terwijl hij de agent had opgedragen zonder toestemming geen code te veranderen (The Register). Op 20 juli schreef hij: \"There is no way to enforce a code freeze in vibe coding apps like Replit. There just isn't.\" Een codefreeze afdwingen kon gewoon niet. Kijk wat de oplossing was. Amjad Masad, de CEO van Replit, zei dat het bedrijf \"started rolling out automatic DB dev/prod separation to prevent this categorically\" (The Register). Geen strengere instructie dus, maar een structurele maatregel: aparte databases voor ontwikkeling en productie, zodat werk in uitvoering niet meer op klantdata in productie draait. Volgens Replit zou dat eerst voor nieuwe apps beschikbaar komen, als bèta. De berichtgeving vermeldt niet waar de instructie voor de codefreeze stond, en voor de les maakt het niet uit. Tekst vraagt. Structuur weigert. Waar hoort AGENTS.md in STACK? STACK is een framework om een repository zo in te richten dat mensen en AI-agents hem kunnen delen zonder dat hij verloedert. Het onderscheidt vijf lagen, elk met een eigen taak: 1. Structure. De indeling, de toegangspunten en de grenzen waar een agent in zijn eerste minuut de weg in vindt. 2. Toolchain. De shells, commando's en opdrachtregeltools die een agent mag draaien, opgeschreven in plaats van onthouden. 3. Agent configuration. AGENTS.md, CLAUDE.md, regels, skills en rolbeschrijvingen voor subagents, onder versiebeheer als vaste context. 4. Connection. MCP-servers (MCP is de standaard waarmee AI-tools met externe systemen praten), toolcontracten, hooks en vangrails, met zo weinig rechten als elke klus nodig heeft en een bekend faalscenario. 5. Knowledge and quality. Geheugen, contextbudgetten, evaluaties en continuous integration (CI: checks die bij elke wijziging automatisch draaien), zodat een modelupgrade de lat niet stilletjes verlaagt. STACK komt uit De agentische codebase , een boek van de auteur van deze site, dat nu verkrijgbaar is. Je hebt het boek niet nodig om ermee te werken. De frameworkpagina zet de lagen op een rij, en Wat is STACK? loopt ze langs aan de hand van een realistische repo. \"STACK versus AGENTS.md\" is dus geen keuze. AGENTS.md is het hoofdbestand van laag 3. Het boek noemt het centrale instructiebestand de grondwet van de repo, en vat de regel voor die laag samen in één zin: \"De grondwet stuurt; een hook dwingt af.\" Het waarom zet je in het instructiebestand. Het moet zet je in een harde controle in laag 2, 4 of 5. Welke regels horen in AGENTS.md, en welke vragen om een harde controle? Regel In AGENTS.md zetten? Harde controle die hem afdwingt STACK-laag van die controle --- --- --- --- Draai de tests voordat je een wijziging af noemt Ja: het exacte commando Een verplichte CI-check vóór de merge Knowledge and quality Nooit rechtstreeks naar main pushen Ja, met de reden Branchbeveiliging, plus een hook die de push blokkeert Connection Nooit .env of andere geheime bestanden lezen Ja Een weigerregel in de rechteninstellingen van de agent; geheimen buiten de repo Connection Nooit aan productiedata komen Ja Geen productiewachtwoorden of -sleutels in de omgeving van de agent; aparte databases Connection Vraag eerst voordat je onbekende commando's draait Ja Het goedkeuringsbeleid van de tool Connection Gebruik pnpm, niet npm Ja Een vastgelegde toolchain; eventueel een hook Toolchain Enkele aanhalingstekens, geen puntkomma's Ja Een formatter of linter in CI Knowledge and quality Waar welk deel van de code staat Ja: een korte kaart Niet nodig Structure De gedachte achter de tabel past op één regel: kost één overtreding meer dan een excuus, dan hoort er een harde controle bij. Laat de zin toch in AGENTS.md staan, zodat de agent begrijpt waarom hij wordt tegengehouden. Op GitHub bijvoorbeeld bepalen regels voor branchbeveiliging \"whether collaborators can delete or force push to the branch and set requirements for any pushes to the branch, such as passing status checks or a linear commit history\": of iemand een branch mag verwijderen of force-pushen, en aan welke eisen een push moet voldoen (GitHub Docs). Zolang het account van de agent deze instelling niet kan wijzigen, praat geen prompt zich erlangs. Hoe loop je een AGENTS.md in 15 minuten na? 1. Zoek alle instructiebestanden (3 minuten). Zoek naar AGENTS.md in elke map, en naar CLAUDE.md, .cursor/rules en .github/copilot-instructions.md . Spreken twee bestanden elkaar tegen, kies dan één bron van waarheid en laat de andere ernaar verwijzen. De documentatie van Claude Code laat bijvoorbeeld zien hoe je AGENTS.md importeert vanuit CLAUDE.md. 2. Markeer elk hard woord (3 minuten). Markeer elke regel met nooit, altijd, moet of mag niet. 3. Zet de harde controle ernaast (5 minuten). Noteer bij elke gemarkeerde regel welke harde controle hem afdwingt, of schrijf \"geen\". 4. Sorteer de regels met \"geen\" (2 minuten). Kost één overtreding meer dan een excuus? Dan gaat de regel op het lijstje voor deze week: een hook, een weigerregel, een instelling voor branchbeveiliging of een CI-check. 5. Bekijk de lengte (2 minuten). De documentatie van Claude Code waarschuwt dat langere bestanden \"consume more context and reduce adherence\": ze kosten meer context en worden slechter opgevolgd. Verplaats situatiegebonden details naar bestanden die alleen worden geladen als ze nodig zijn. Wat je bij die doorlichting naar een harde controle verplaatst, is meteen een kandidaat voor je override-doctrine: het korte lijstje dingen die een agent nooit mag doen. Probeer het vandaag Open de AGENTS.md of CLAUDE.md van je repository. Neem de eerste regel met \"nooit\" en pas stap 3 en 4 erop toe. Staat er in de kolom \"geen\" en beschermt de regel geld, klantdata of productie? Zet dan vandaag nog één harde controle op. Het bestand blijft. Het is alleen niet langer het enige wat tussen de agent en de fout staat.","keyTakeaways":["AGENTS.md is een README voor codeeragents: gewone Markdown, geen verplichte velden, volgens de eigen site gebruikt door meer dan 60.000 opensourceprojecten.","Het is context, geen harde controle. Volgens de eigen regels van het formaat gaat een expliciete chatprompt erboven.","Kost één overtreding meer dan een excuus, dwing de regel dan af met een harde controle en laat de reden in AGENTS.md staan.","In STACK hoort AGENTS.md bij Agent configuration. Afdwingen gebeurt in Toolchain, Connection en Knowledge and quality."],"readingMinutes":8,"publishedAt":"2026-10-01T19:05:00.000Z"}},"degree":8},{"id":"article:stoic-systems","type":"article","pillar":"founder-performance","locales":{"en":{"label":"Stoic systems: judgment as infrastructure, not a mood","summary":"Stoic systems, on this site, are decision infrastructure, not a temperament. The named system is STOIC: Selective Attention, Temporal Distance, Outcome Detachment, Intentional Architecture, Continuous Review. These are five trainable skills for governing judgment under pressure. This page is an operating definition, not ancient-philosophy scholarship or clinical guidance. Stoic Systems for Decision-Making is in production and not for sale.","url":"/en/blog/stoic-systems/","searchText":"Stoic systems: judgment as infrastructure, not a mood Stoic systems, on this site, means installing judgment under pressure as infrastructure: selective attention, temporal distance, outcome detachment, intentional architecture, continuous review. It is not a quote wall and not a personality. A quote wall is not decision infrastructure. Judgment under pressure needs a protocol you can run and review. Stoic systems, on this site, are decision infrastructure, not a temperament. The named system is STOIC: Selective Attention, Temporal Distance, Outcome Detachment, Intentional Architecture, Continuous Review. These are five trainable skills for governing judgment under pressure. This page is an operating definition, not ancient-philosophy scholarship or clinical guidance. Stoic Systems for Decision-Making is in production and not for sale. stoic systems STOIC STOIC = Selective Attention, Temporal Distance, Outcome Detachment, Intentional Architecture, Continuous Review. A quote is not a system. A mood is not a protocol. A temperament label is not the STOIC operating system. This page is the meaning. The book is not for sale yet. founder-resilience STOIC Selective Attention, Temporal Distance, Outcome Detachment, Intentional Architecture, Continuous Review. A quote or a calm aesthetic is not a decision system. The useful object is a protocol you can run, fail, and review under pressure. Stoic systems , on this site, means installing judgment under pressure as infrastructure, not as a mood. The named system is STOIC: - Selective Attention. What you allow into the decision, and what you refuse. - Temporal Distance. The pause that is not delay for its own sake. - Outcome Detachment. The result is not the whole of the judgment. - Intentional Architecture. The environment the decision runs in, written down. - Continuous Review. The loop after the call, not a personality trait. Stoic Systems for Decision-Making owns the expansion. The book is in production and not for sale. You can already refuse a quote wall. Collision control Not a personality. This page defines a decision system, not a temperament. Not a quote wall. A sentence from an emperor on a mug is not a system. This page does not treat Marcus as a sourced quotation. The book uses him as framing for a protocol, not as a citation you can paste into a manuscript. Not therapy. If you need clinical help, this is the wrong URL. Founder systems when willpower is gone is a neighbouring operating note. Willpower is not the STOIC product. What this page is not It is not a five-week course. It is not ancient-philosophy scholarship. It is not \"be calmer.\" Write which of the five you are actually running this week. If the card is empty, you have a mood. You do not have a system.","keyTakeaways":["STOIC = Selective Attention, Temporal Distance, Outcome Detachment, Intentional Architecture, Continuous Review.","A quote is not a system. A mood is not a protocol.","A temperament label is not the STOIC operating system.","This page is the meaning. The book is not for sale yet."],"readingMinutes":2,"publishedAt":"2026-09-20T07:00:00.000Z"},"nl":{"label":"Stoïcijnse systemen: oordeel als infrastructuur, geen stemming","summary":"Stoïcijnse systemen zijn op deze site beslisinfrastructuur, geen temperament. Het benoemde systeem is STOIC: Selective Attention, Temporal Distance, Outcome Detachment, Intentional Architecture, Continuous Review. Dat zijn vijf trainbare vaardigheden om het oordeel onder druk te sturen. Deze pagina is een operationele definitie, geen antieke-filosofiebeurs en geen klinische begeleiding. Stoïcijnse systemen voor besluitvorming is in productie en niet te koop.","url":"/nl/blog/stoische-systemen/","searchText":"Stoïcijnse systemen: oordeel als infrastructuur, geen stemming Stoïcijnse systemen betekent op deze site oordeel onder druk installeren als infrastructuur: selectieve aandacht, temporele afstand, uitkomstonhechting, bewuste architectuur, doorlopende review. Het is geen citatenmuur en geen persoonlijkheid. Een citatenmuur is geen beslisinfrastructuur. Oordeel onder druk vraagt een protocol dat je kunt draaien en reviewen. Stoïcijnse systemen zijn op deze site beslisinfrastructuur, geen temperament. Het benoemde systeem is STOIC: Selective Attention, Temporal Distance, Outcome Detachment, Intentional Architecture, Continuous Review. Dat zijn vijf trainbare vaardigheden om het oordeel onder druk te sturen. Deze pagina is een operationele definitie, geen antieke-filosofiebeurs en geen klinische begeleiding. Stoïcijnse systemen voor besluitvorming is in productie en niet te koop. stoïcijnse systemen STOIC STOIC = Selective Attention, Temporal Distance, Outcome Detachment, Intentional Architecture, Continuous Review. Een citaat is geen systeem. Een stemming is geen protocol. Een temperamentlabel is niet het STOIC-besturingssysteem. Deze pagina is de betekenis. Het boek is nog niet te koop. founder-resilience STOIC Selective Attention, Temporal Distance, Outcome Detachment, Intentional Architecture, Continuous Review. Een citaat of een kalme esthetiek is geen beslissysteem. Het nuttige object is een protocol dat je onder druk kunt draaien, afkeuren en reviewen. Stoïcijnse systemen betekent op deze site oordeel onder druk installeren als infrastructuur, niet als stemming. Het benoemde systeem is STOIC: - Selective Attention. Wat je in het besluit toelaat, en wat je weigert. - Temporal Distance. De pauze die geen uitstel om het uitstel is. - Outcome Detachment. Het resultaat is niet het hele oordeel. - Intentional Architecture. De omgeving waarin het besluit draait, opgeschreven. - Continuous Review. De lus na de call, geen persoonlijkheidstrek. Stoïcijnse systemen voor besluitvorming bevat de uitwerking. Het boek is in productie en niet te koop. Je kunt een citatenmuur nu al weigeren. Botsingsbeheer Geen persoonlijkheid. Deze pagina definieert een beslissysteem, geen temperament. Stoïsch als bijvoeglijk naamwoord is een andere zoekopdracht. Geen citatenmuur. Een zin van een keizer op een mok is geen systeem. Deze pagina behandelt Marcus niet als broncitaat. Het boek gebruikt hem als kader voor een protocol, niet als een citaat dat je in een manuscript plakt. Geen therapie. Heb je klinische hulp nodig, dan is dit de verkeerde URL. Foundersystemen die blijven draaien als de wilskracht op is is een naburige operationele notitie. Wilskracht is niet het STOIC-product. Wat deze pagina niet is Geen vijfwekencursus. Geen antieke-filosofiebeurs. Niet \"wees kalmer.\" Schrijf welke van de vijf je deze week echt draait. Is de kaart leeg, dan heb je een stemming. Je hebt geen systeem.","keyTakeaways":["STOIC = Selective Attention, Temporal Distance, Outcome Detachment, Intentional Architecture, Continuous Review.","Een citaat is geen systeem. Een stemming is geen protocol.","Een temperamentlabel is niet het STOIC-besturingssysteem.","Deze pagina is de betekenis. Het boek is nog niet te koop."],"readingMinutes":2,"publishedAt":"2026-09-20T07:05:00.000Z"}},"degree":4},{"id":"article:stoic-vs-stoicism","type":"article","pillar":"founder-performance","locales":{"en":{"label":"Being stoic is not Stoicism: the philosophy was never about hiding your feelings","summary":"Being stoic, in everyday English, means not showing feeling, especially under pain or distress. Stoicism is an ancient philosophy that taught something different: much of what disturbs us comes from the judgments we make about events, and those judgments can be examined and corrected. The Stoics did not teach people to hide feelings, because hiding a reaction leaves the judgment untouched. Modern psychology calls the closer skill cognitive reappraisal: changing how you think about an event rather than masking your response to it.","url":"/en/blog/stoic-vs-stoicism/","searchText":"Being stoic is not Stoicism: the philosophy was never about hiding your feelings Stoic vs Stoicism: everyday stoic means showing no feeling. The Stoics taught you to test the judgment behind a feeling, not to hide it. A 10-minute exercise. The everyday word praises a straight face. The philosophy asked what you concluded behind it. Being stoic, in everyday English, means not showing feeling, especially under pain or distress. Stoicism is an ancient philosophy that taught something different: much of what disturbs us comes from the judgments we make about events, and those judgments can be examined and corrected. The Stoics did not teach people to hide feelings, because hiding a reaction leaves the judgment untouched. Modern psychology calls the closer skill cognitive reappraisal: changing how you think about an event rather than masking your response to it. stoic vs stoicism Lowercase stoic means showing no feeling. Capital-S Stoicism is a philosophy about judgments. Epictetus located the disturbance in the views people take of things, not in the things. The Stoics described good feelings and involuntary first reactions. The unfeeling sage is a caricature. Hiding a feeling is expressive suppression. Testing the thought behind it is closer to cognitive reappraisal. This is not therapy. Grief, danger, and problems that need action now call for a different response than a reframe. founder-resilience Stoicism A school of philosophy founded in Athens around 300 BC by Zeno of Citium, named after the painted porch (stoa) where its first teachers met. stoic (lowercase) Everyday adjective meaning not affected by, or not showing, feeling, especially under pain or distress. cognitive reappraisal Changing the way you think about a potentially emotional event, so that the emotional response itself can change. expressive suppression Changing how you outwardly respond to an emotional event, for example keeping a straight face, while the inner reaction stays. RESILIENT The nine-capacity framework from The Psychology of Founder Resilience. An authorial framework for self-review, not a validated clinical scale. In everyday English, being stoic means not showing what you feel. Stoicism, the philosophy, asks you to examine the judgments behind your feelings. The everyday word praises a straight face. The Stoics asked what you had concluded about an event, and whether that conclusion was true. Hiding a reaction and reconsidering the judgment behind it are different skills. That distinction matters in Stoic philosophy and in modern research on emotion regulation. Where did the two meanings split? Merriam-Webster records both meanings. Its first meaning of the adjective stoic is \"not affected by or showing passion or feeling,\" especially \"firmly restrained in response to pain or distress.\" The second meaning, with a capital S, is \"of, relating to, or resembling the Stoics or their doctrines.\" The school came first. Zeno of Citium founded it in Athens around 300 BC. It took its name from the stoa poikilê, a painted porch in the city's marketplace where the first Stoic philosophers met and lectured. According to Merriam-Webster's word history, English speakers were using \"stoic\" for someone who faces adversity calmly and without excess emotion by the 14th century. The adjective followed by the 15th. The everyday meaning describes outward calm; it says nothing about how a person reaches it. stoic (everyday) Stoicism (the philosophy) --- --- --- What it describes Outward composure A way of judging events What happens to the feeling It is kept out of sight The judgment behind it is examined What happens to the thought It can remain unexamined It is tested against the facts The modern comparison Expressive suppression Closer to cognitive reappraisal Where it goes wrong The inner reaction is still there Reframing something that needs grief or action What did the Stoics actually teach about feelings? The Stoics understood passions as judgments. The Stanford Encyclopedia of Philosophy, a free academic reference work run from Stanford University, explains the two parts of that judgment: a belief that something good or bad is present or coming, and a belief that a particular reaction is appropriate. In Stoic theory, correcting the judgment removes the passion's basis. The Stoic teacher Epictetus expressed the idea in the Enchiridion, a handbook written down by his student Arrian in the first half of the second century AD: \"Men are disturbed not by things, but by the views which they take of things.\" That is Enchiridion V in Thomas W. Higginson's translation. The handbook opens with a distinction: \"There are things which are within our power, and there are things which are beyond our power.\" Epictetus places opinion, aim, desire, and aversion within our power; body, property, reputation, and office lie beyond it. The goal was freedom from passions in the Stoics' technical sense: those built on false judgments. It is a demanding ideal, and philosophers still debate it. Yet the same encyclopedia entry notes that the Stoic account of the wise person's \"good feelings\" (eupatheiai) \"belies the caricature of the Sage as an unfeeling robot.\" The Sage is the Stoic ideal of a fully wise person. The Stoics also described pre-emotions (propatheiai): involuntary first reactions, such as a jolt of fear, that arrive before any judgment has been made. In their account, even the Sage experiences them. Being startled is not a failure of Stoic practice. The work lies in examining what you conclude next. How does modern psychology connect to this? In their 1979 treatment manual for depression, Aaron Beck and colleagues traced the philosophical origins of cognitive therapy (the \"cognitive\" in cognitive behavioral therapy, or CBT) to the Stoics, naming Epictetus. A 2023 review by Cavanna and colleagues in Neurological Sciences quotes that passage. It also describes how Albert Ellis, the founder of rational emotive behavior therapy, credited Epictetus. Modern emotion research gives us a more precise vocabulary for the distinction. Cognitive reappraisal means \"changing the way one thinks about potentially emotion-eliciting events.\" Expressive suppression means \"changing the way one behaviorally responds to emotion-eliciting events.\" Both definitions come from a 2014 review by Debora Cutuli. It reports that habitually using reappraisal \"is associated with healthier patterns of affect, social functioning, and well-being than is using expressive suppression.\" This is an association across studies, drawn from general samples rather than founder samples. It does not establish that a particular reframe will help a particular person. The comparison is useful within those limits. Hiding feelings resembles expressive suppression; examining the judgments behind them is closer to cognitive reappraisal. Stoicism, however, was a whole way of life. CBT is a clinical treatment delivered by trained professionals. The connection does not make them interchangeable. RESILIENT: where the Stoic move fits for a founder RESILIENT, from Len's book The Psychology of Founder Resilience, names nine capacities for maintaining clear judgment under sustained pressure. It is an authorial framework for self-review, not a validated clinical scale. You do not need the book to use it. 1. Reappraisal. Interpreting a setback in a way that does not amplify the threat. 2. Emotional granularity. Telling similar feelings apart, so you can respond to each one precisely. 3. Somatic regulation. Managing the body's stress signals through sleep, movement, and breath. 4. Identity flexibility. Maintaining more than one part of your identity, so a setback in one area does not define the whole person. 5. Learning orientation. Treating failure as information for the next decision, not as evidence against yourself. 6. Interpersonal support. Relationships that offer support without demanding a performance. 7. Executive function. Protecting attention and clear decisions from exhaustion. 8. Narrative integration. Making sense of challenge and growth in a coherent story, so hard periods build capacity instead of draining it. 9. Titrated exposure. Meeting manageable stressors on purpose, in measured doses, to build strength. The RESILIENT framework page explains all nine capacities. Examining a judgment fits within the first: reappraisal. Consider a hypothetical founder whose lead investor emails on a Friday afternoon: \"We are going to pass on the next round.\" The founder replies politely, tells the team everything is fine, and spends the weekend alone with the verdict \"the company is finished.\" The response looks stoic, but the judgment goes unexamined. Reappraisal separates the event from the conclusion and identifies what the founder can do: - Facts: One investor passed, by email, with no reason given. - Story: Everyone will pass; it is over. - Within my power: The list of other investors, the runway plan, and a question I can ask this investor. - Beyond my power: The investor's decision and reasons. - Next steps by Monday: Ask for the reason in one sentence and update the runway plan. The investor's decision remains the same. In this example, reappraisal changes the founder's next steps and keeps one email from becoming a verdict on the whole company. Len is also writing Stoic Systems for Decision-Making, which treats Stoic practice as decision design. It is an early draft and not for sale. The published page Stoic systems: judgment as infrastructure summarizes its approach. Try this today: the two-column test (10 minutes) Choose one event from this week that still bothers you. Copy these five prompts into a note and answer each one: 1. Facts. What a camera in the room would have recorded. No adjectives. 2. The story. The sentence your mind keeps repeating. Write it as it comes. 3. Two columns. Within my power, and beyond my power. Sort every item from your first two answers. 4. One other reading. A second explanation that fits the same facts. 5. One action. Something from the \"within my power\" column that you will do within 24 hours. Keep two limits in mind. If the event is a real loss, do not use the exercise to bypass grief; sadness about a sad fact is not a judgment error. If there is danger or a problem that needs action now, act first and reflect later. What Stoicism is not Stoicism asks for more than a calm appearance or a quote on a mug. It leaves room for feelings and requires examining judgments. It is not therapy. If the same distressing interpretation persists for weeks, or your sleep and daily functioning break down, talk to a doctor or a licensed professional. In the Netherlands, 113 Zelfmoordpreventie is free and anonymous (call 113 or chat via 113.nl); in an emergency, call 112. What is founder resilience? explores the capacities that support judgment under pressure. Keep a straight face if it helps you in the room. Then take a second look at the judgment behind it.","keyTakeaways":["Lowercase stoic means showing no feeling. Capital-S Stoicism is a philosophy about judgments.","Epictetus located the disturbance in the views people take of things, not in the things.","The Stoics described good feelings and involuntary first reactions. The unfeeling sage is a caricature.","Hiding a feeling is expressive suppression. Testing the thought behind it is closer to cognitive reappraisal.","This is not therapy. Grief, danger, and problems that need action now call for a different response than a reframe."],"readingMinutes":7,"publishedAt":"2026-10-14T07:00:00.000Z"},"nl":{"label":"Stoïsch of stoïcijns? De filosofie ging nooit over gevoelens wegdrukken","summary":"Stoïsch en stoïcijns zijn allebei correct en staan in de Woordenlijst Nederlandse Taal. Ze liggen in betekenis dicht bij elkaar: allebei verwijzen ze naar de Stoa en de stoïcijnen, en stoïcijns betekent in het dagelijks gebruik ook 'onverstoorbaar, gelijkmoedig'. Het verschil dat ertoe doet, zit tussen die houding en het stoïcisme zelf. Die filosofie leerde dat veel onrust voortkomt uit het oordeel dat je over een gebeurtenis velt, en dat je dat oordeel kunt toetsen. Gevoelens wegdrukken hoorde daar niet bij, want een verborgen reactie laat het oordeel ongemoeid. De psychologie noemt de verwante vaardigheid cognitieve re-evaluatie: anders over een gebeurtenis denken in plaats van je reactie te maskeren.","url":"/nl/blog/stoisch-of-stoicijns/","searchText":"Stoïsch of stoïcijns? De filosofie ging nooit over gevoelens wegdrukken Stoïsch of stoïcijns? Allebei goed. Het echte verschil zit tussen een strak gezicht en een filosofie die je oordeel toetst. Met een oefening van tien minuten. Het woord prijst een strak gezicht. De filosofie vroeg wat je achter dat gezicht concludeerde. Stoïsch en stoïcijns zijn allebei correct en staan in de Woordenlijst Nederlandse Taal. Ze liggen in betekenis dicht bij elkaar: allebei verwijzen ze naar de Stoa en de stoïcijnen, en stoïcijns betekent in het dagelijks gebruik ook 'onverstoorbaar, gelijkmoedig'. Het verschil dat ertoe doet, zit tussen die houding en het stoïcisme zelf. Die filosofie leerde dat veel onrust voortkomt uit het oordeel dat je over een gebeurtenis velt, en dat je dat oordeel kunt toetsen. Gevoelens wegdrukken hoorde daar niet bij, want een verborgen reactie laat het oordeel ongemoeid. De psychologie noemt de verwante vaardigheid cognitieve re-evaluatie: anders over een gebeurtenis denken in plaats van je reactie te maskeren. stoïsch of stoïcijns Stoïsch en stoïcijns zijn allebei goed. Kies één vorm en houd je eraan. Het echte verschil zit tussen een onbewogen houding en het stoïcisme als filosofie over oordelen. Volgens Epictetus zit de onrust in de mening over de dingen, niet in de dingen zelf. De stoïcijnen beschreven goede gevoelens en onwillekeurige eerste reacties. De gevoelloze wijze is een karikatuur. Een gevoel verbergen heet expressieve onderdrukking. Het oordeel erachter toetsen ligt dichter bij cognitieve re-evaluatie. Dit is geen therapie. Rouw, gevaar en problemen die nu actie vragen, verdienen iets anders dan een herkadering. founder-resilience stoïsch, stoïcijns Twee correct gespelde bijvoeglijke naamwoorden bij de Stoa en het stoïcisme. In het dagelijks gebruik: onverstoorbaar, gelijkmoedig. stoïcisme Filosofische school die rond 300 v.Chr. in Athene ontstond, vernoemd naar de beschilderde zuilengang (stoa) waar de eerste leraren samenkwamen. cognitieve re-evaluatie Anders gaan denken over een gebeurtenis die emoties kan oproepen, zodat de emotionele reactie zelf kan veranderen. expressieve onderdrukking Je uiterlijke reactie op een emotionele gebeurtenis aanpassen, bijvoorbeeld een strak gezicht houden, terwijl de innerlijke reactie blijft bestaan. RESILIENT Het framework van negen capaciteiten uit De psychologie van oprichtersveerkracht. Een framework van de auteur voor zelfevaluatie, geen gevalideerde klinische schaal. Stoïsch en stoïcijns zijn allebei goed. Het verschil dat ertoe doet, zit niet tussen die twee woorden, maar tussen een onbewogen gezicht en de filosofie waar ze naar vernoemd zijn. Wie stoïcijns reageert, laat niets merken. De stoïcijnen zelf stelden een lastigere vraag: wat concludeer je eigenlijk, en klopt dat? Dat is meer dan een taalkwestie. Een reactie verbergen en een reactie heroverwegen zijn twee verschillende vaardigheden, en psychologen hebben ze allebei onderzocht. Stoïsch of stoïcijns: wat zeggen de woordenboeken? De Woordenlijst Nederlandse Taal van de Taalunie noemt beide vormen, allebei als bijvoeglijk naamwoord en bijwoord. Je maakt dus geen spelfout, welke je ook kiest. In betekenis schelen ze nauwelijks. Onze Taal legde het in 2014 in zijn Woordpost uit: stoïcijns is het bijvoeglijk naamwoord bij stoïcisme en betekende eerst 'volgens het stoïcisme'. Daardoor kreeg het ook de betekenis 'onaangedaan, onverstoorbaar bij pijn en andere moeilijkheden'. De Van Dale-uitgave van 1950 omschrijft stoïsch als 'van de Stoa, op de wijze van de stoïcijnen'. De geschiedenis van het woord laat die verschuiving goed zien. Volgens het Etymologisch Woordenboek van het Nederlands had het woord in 1706 (gespeld als stoicyns) nog de betekenis 'betrekking hebbend op de stoïcijnse wijsbegeerte'. In 1832 schreef de Leeuwarder Courant al over \"den stoïcijnschen moed van eenen ... soldaat\", en toen betekende het woord 'onverstoorbaar, gelaten, ongevoelig voor aardse indrukken'. Het advies is dus simpel: kies één vorm en houd je daar in je tekst aan. Het echte onderscheid zit elders. stoïcijns (de houding) stoïcisme (de filosofie) --- --- --- Waar het over gaat Een gezicht, een houding Een manier om gebeurtenissen te beoordelen Wat er met het gevoel gebeurt Je laat het niet zien De oorzaak, het oordeel, wordt onderzocht Wat er met de gedachte gebeurt Niets Je toetst haar aan de feiten Hoe de psychologie het noemt Expressieve onderdrukking Dichter bij cognitieve re-evaluatie Waar het misgaat De innerlijke reactie blijft gewoon bestaan Herkaderen wat eigenlijk rouw of actie vraagt Waar komt het stoïcisme vandaan? Zeno van Citium stichtte de school rond 300 v.Chr. in Athene. De naam komt van de stoa poikilê, een beschilderde zuilengang aan het marktplein waar de eerste generatie stoïcijnse filosofen samenkwam en lesgaf. Het Griekse stoā betekent zuilengang. Wat leerden de stoïcijnen echt over gevoelens? Voor de stoïcijnen waren sterke emoties geen blinde natuurkrachten. De Stanford Encyclopedia of Philosophy (een gratis academisch naslagwerk van Stanford University over filosofie) legt uit dat ze elke hartstocht zagen als een soort oordeel, met twee delen: de overtuiging dat er iets goeds of slechts aanwezig is of eraan komt, en de overtuiging dat een bepaalde reactie daarop past. Verbeter je het oordeel, dan verliest de hartstocht in hun theorie haar grond. Epictetus was een stoïcijnse leraar. Zijn handboekje, het Enchiridion, werd in de eerste helft van de tweede eeuw n.Chr. opgeschreven door zijn leerling Arrianus. In hoofdstuk V vat Epictetus de kern in één zin samen. In de vertaling van D.F. Scheurleer, nog in oude spelling: \"Niet de dingen schokken de menschen, maar de meening omtrent de dingen.\" Het boekje opent met een sorteeroefening: \"Sommige van de dingen hebben wij in onze macht, doch niet alle.\" In onze macht liggen volgens Epictetus onze mening, ons streven, onze begeerte en onze afkeer. Daarbuiten: ons lichaam, ons bezit, ons aanzien en onze ambten. Wilden de stoïcijnen dan niets voelen? Niet helemaal. Ze streefden wel naar vrijheid van hartstochten, in de technische betekenis van dat woord: de emoties die op een onjuist oordeel rusten. Dat is een veeleisend ideaal, en filosofen discussiëren er nog steeds over. Maar volgens hetzelfde naslagwerk weerleggen de goede gevoelens (eupatheiai) die de stoïcijnen aan de wijze toeschreven, de karikatuur van die wijze als gevoelloze robot. De wijze is het stoïcijnse ideaal van een volmaakt wijs mens. De stoïcijnen beschreven ook pre-emoties (propatheiai): onwillekeurige eerste reacties, zoals een schrikreactie, die opkomen voordat je enig oordeel hebt geveld. Volgens hun beschrijving heeft zelfs de wijze ze. Schrikken is dus geen falen. Wat je daarna concludeert, daar ging het hun om. Wat maakt de moderne psychologie ervan? In hun handboek uit 1979 voor de behandeling van depressie voerden Aaron Beck en collega's de filosofische oorsprong van cognitieve therapie (de \"cognitieve\" kant van cognitieve gedragstherapie) terug op de stoïcijnse filosofen, en ze noemden Epictetus bij naam. Een overzichtsartikel van Cavanna en collega's uit 2023 in Neurological Sciences citeert die passage en beschrijft hoe ook Albert Ellis, grondlegger van de rationeel-emotieve therapie, zich op Epictetus beriep. Emotieonderzoekers maken precies het onderscheid waar deze pagina over gaat. Bij cognitieve re-evaluatie ga je anders denken over een gebeurtenis die emoties kan oproepen. Bij expressieve onderdrukking pas je alleen je zichtbare reactie aan. Beide omschrijvingen komen uit een overzicht van Debora Cutuli uit 2014. Zij meldt dat wie gewoonlijk re-evalueert, gezondere patronen laat zien in stemming, sociaal functioneren en welzijn dan wie gewoonlijk onderdrukt. Lees dat goed. Het gaat om een samenhang die uit veel studies naar voren komt, niet om bewijs dat één herkadering jou vanavond helpt, en de deelnemers waren geen oprichters. De grove indeling klopt wel. Stoïcijns in de dagelijkse betekenis lijkt op onderdrukking. Het stoïcisme lijkt op re-evaluatie. Hetzelfde zijn ze niet: het stoïcisme was een complete levenshouding, cognitieve gedragstherapie is een klinische behandeling door geschoolde professionals. RESILIENT: waar de stoïcijnse zet past in het werk van een oprichter RESILIENT is een framework uit het boek van Len, De psychologie van oprichtersveerkracht, dat verkrijgbaar is. Het benoemt negen capaciteiten die een oprichter helpen om onder aanhoudende druk helder te blijven oordelen. Het is een framework van de auteur voor zelfevaluatie, geen gevalideerde klinische schaal. Je hebt het boek niet nodig om het te gebruiken. 1. Re-evaluatie. Een tegenslag zo interpreteren dat je de dreiging niet groter maakt. 2. Emotionele granulariteit. Gevoelens die op elkaar lijken uit elkaar houden, zodat je op elk ervan gericht kunt reageren. 3. Somatische regulatie. De stresssignalen van je lichaam bijsturen via slaap, beweging en adem. 4. Identiteitsflexibiliteit. Meer dan één deel van je leven onderhouden, zodat een tegenslag niet de hele persoon onderuithaalt. 5. Leeroriëntatie. Falen behandelen als informatie voor de volgende beslissing, niet als bewijs tegen jezelf. 6. Interpersoonlijke steun. Relaties die steun geven zonder dat je hoeft te presteren. 7. Executieve functie. Je aandacht en je besluitkracht beschermen tegen uitputting. 8. Narratieve integratie. Een samenhangend verhaal van uitdaging en groei, zodat zware periodes je capaciteit opbouwen in plaats van uitputten. 9. Getitreerde blootstelling. Bewust beheersbare stress opzoeken, in afgemeten doses, om sterker te worden. De RESILIENT-frameworkpagina geeft de volledige uitwerking. De stoïcijnse zet hoort bij de eerste capaciteit. Een hypothetisch voorbeeld. Stel dat de belangrijkste investeerder van een oprichter op vrijdagmiddag mailt: \"We doen niet mee aan de volgende ronde.\" De stoïcijnse reactie in de dagelijkse betekenis: beleefd terugmailen, het team vertellen dat alles in orde is, en het weekend alleen doorbrengen met het vonnis \"het bedrijf is er geweest\". De re-evaluatie haalt de delen uit elkaar. Feiten: één investeerder haakt af, per mail, zonder reden. Verhaal: iedereen gaat afhaken, het is voorbij. In mijn macht: de lijst met andere investeerders, het plan voor de runway (hoe lang je nog met het geld toekunt), één vraag aan deze investeerder. Buiten mijn macht: hun besluit en hun redenen. Eén actie voor maandag: vraag in één zin naar de reden, en werk het runwayplan bij. Het besluit van de investeerder verandert daar niet door. Wel wat de oprichter daarna doet, en één mail wordt geen vonnis over het hele bedrijf. Len schrijft ook aan Stoïcijnse systemen voor besluitvorming, dat de stoïcijnse praktijk behandelt als het ontwerpen van je besluitvorming. Dat boek is een vroeg concept en niet te koop. Het gepubliceerde artikel Stoïcijnse systemen: oordeel als infrastructuur vat de aanpak samen. Probeer het vandaag: de tweekolommentest (10 minuten) Kies iets van deze week dat nog aan je knaagt. Neem deze vijf regels over in een notitie en vul ze in: 1. Feiten. Wat een camera in de kamer had vastgelegd. Geen bijvoeglijke naamwoorden. 2. Het verhaal. De zin die in je hoofd blijft rondgaan. Schrijf hem ongefilterd op. 3. Twee kolommen. In mijn macht, en buiten mijn macht. Sorteer alles uit regel 1 en 2. 4. Een andere lezing. Een tweede verklaring die bij dezelfde feiten past. 5. Eén actie. Iets uit de kolom \"in mijn macht\" dat je binnen 24 uur doet. Twee stopborden. Gaat het om echt verlies, gebruik dit dan niet om rouw over te slaan; verdriet over iets verdrietigs is geen denkfout. Is er gevaar, of een probleem dat nu actie vraagt, handel dan eerst en denk daarna na. Wat het stoïcisme niet is Het is niet niets voelen. Het is geen spreuk op een mok. En het is geen therapie. Houdt hetzelfde verhaal wekenlang de overhand, of lopen je slaap en je dagelijks functioneren vast, praat dan met je huisarts of een andere professional. Denk je aan zelfdoding, bel dan gratis en anoniem 113 of chat via 113.nl; in een noodsituatie bel je 112. Wat is oprichtersveerkracht? behandelt de capaciteitskant van hetzelfde probleem. Houd dat strakke gezicht gerust als het je helpt in de vergadering. Laat het alleen niet de plaats innemen van de tweede blik.","keyTakeaways":["Stoïsch en stoïcijns zijn allebei goed. Kies één vorm en houd je eraan.","Het echte verschil zit tussen een onbewogen houding en het stoïcisme als filosofie over oordelen.","Volgens Epictetus zit de onrust in de mening over de dingen, niet in de dingen zelf.","De stoïcijnen beschreven goede gevoelens en onwillekeurige eerste reacties. De gevoelloze wijze is een karikatuur.","Een gevoel verbergen heet expressieve onderdrukking. Het oordeel erachter toetsen ligt dichter bij cognitieve re-evaluatie.","Dit is geen therapie. Rouw, gevaar en problemen die nu actie vragen, verdienen iets anders dan een herkadering."],"readingMinutes":7,"publishedAt":"2026-10-14T07:05:00.000Z"}},"degree":6},{"id":"article:technical-geo","type":"article","pillar":"seo-geo-aeo","locales":{"en":{"label":"Technical GEO: the plumbing that decides whether AI can use your page","summary":"Technical GEO is the part of generative engine optimization (GEO: making pages usable as sources in AI-written answers) that a developer fixes rather than a writer. It covers whether AI search crawlers may fetch the page, whether the text is in the HTML they receive, whether the page can be indexed, whether snippet settings allow quoting, and whether the page has a stable address, a visible date and a named author. Google says its AI features need no special markup or AI files.","url":"/en/blog/technical-geo/","searchText":"Technical GEO: the plumbing that decides whether AI can use your page Technical GEO is the developer side of generative engine optimization: crawler access, readable HTML, indexing, snippet rules, dates. A 7-point checklist. The best paragraph on the page is worth nothing to a system that never receives it. Technical GEO is the part of generative engine optimization (GEO: making pages usable as sources in AI-written answers) that a developer fixes rather than a writer. It covers whether AI search crawlers may fetch the page, whether the text is in the HTML they receive, whether the page can be indexed, whether snippet settings allow quoting, and whether the page has a stable address, a visible date and a named author. Google says its AI features need no special markup or AI files. technical GEO Technical GEO decides whether a page can be used at all. Writing decides whether it is worth using. The plumbing comes first. Each engine has its own search crawler: Googlebot for Google, OAI-SearchBot for ChatGPT search, PerplexityBot for Perplexity. Blocking a training crawler is a different decision. Google's nosnippet and max-snippet rules also limit what AI Overviews and AI Mode may use from a page. Google says structured data, llms.txt files and content chunking are not required for its AI features. Open plumbing makes a page eligible. No engine publishes a formula that turns eligibility into a citation. geo GEO Generative engine optimization. The work of making pages usable as sources in AI-written answers. crawler A program a search or AI company sends to fetch and read web pages. robots.txt A text file at the root of a site that tells crawlers, by name, which paths they may fetch. canonical URL The one address you name as the preferred version when several addresses show the same content. snippet The short piece of a page's text that a search result, or an AI feature, may show or use. Technical GEO is the plumbing under generative engine optimization. GEO is the work of making your pages usable as sources in AI-written answers, such as ChatGPT search, Perplexity or Google's AI Overviews. It has two halves. The writing half decides whether a page is worth quoting. The technical half decides whether a machine can reach and use the page at all: crawler access, HTML it can read, indexing, snippet permissions, and a stable address with a date and an author. A developer fixes the second half, and it comes first. The best paragraph on a page is worth nothing to a system that never receives it. What does GEO stand for, and what makes it technical? GEO stands for generative engine optimization. Google's own guide to its AI search features uses the term, then adds a line worth pinning above your desk: \"From Google Search's perspective, optimizing for generative AI search is optimizing for the search experience, and thus still SEO.\" That is the myth and the fact in one sentence. The myth: AI answers need a new technical stack. The fact: the doors are mostly the old doors, with a few new names on them. \"Technical\" means the parts that live in server settings, page templates and HTTP headers (the hidden lines a server sends along with every page), not in your sentences. For the wider definition, see GEO meaning. Why does the plumbing come before the writing? Because each engine documents a door, and a closed door ends the conversation. - Google: to appear as a supporting link in AI Overviews or AI Mode, \"a page must be indexed and eligible to be shown in Google Search with a snippet\". Google adds: \"There are no additional technical requirements.\" - ChatGPT search: OpenAI's help page says to allow OAI-SearchBot and to \"confirm that the website host or content delivery network allows traffic from OpenAI's published searchbot IP addresses.\" - Perplexity: its crawler page recommends allowing PerplexityBot in robots.txt and \"permitting requests from our published IP ranges\". None of these pages promises a citation once the door is open. They only tell you how to avoid being ruled out. The seven-point checklist This is the table to screenshot. Each row has a check you can run in about two minutes. Check Why it matters Two-minute check --- --- --- --- 1 Each AI search crawler may fetch the page A blocked crawler never sees the text Read your live robots.txt; check your firewall or CDN bot settings 2 The words are in the HTML the server sends Not every bot runs JavaScript Fetch the raw page and search it for one key sentence 3 The page is indexable, returns 200, and has one canonical address Google's AI features draw on its Search index Check the status code, look for noindex , read the canonical tag 4 Snippet rules allow quoting nosnippet also blocks use in AI Overviews and AI Mode Search the HTML and headers for nosnippet and max-snippet 5 Stable address, visible date, named author Moved pages break old links; readers check who and when Open the page: is there a date and a byline? Do old addresses redirect? 6 Structured data matches the visible page It helps machines label things; it is not a key Compare the markup's author and dates with what the page shows 7 llms.txt, if any, is a deliberate choice Google Search ignores it Decide whether a named tool reads it; otherwise skip it 1. Crawler access, one bot at a time A crawler is a program a company sends to fetch web pages. robots.txt is a small text file at the root of your site that tells crawlers, by name, which paths they may fetch. The companies below run separate crawlers for separate jobs, so \"allow AI\" is not one setting: Company Search crawler (answers and links) Training crawler Fetches when a person asks --- --- --- --- Google Googlebot, which also serves AI Overviews and AI Mode Google-Extended (a robots.txt token for Gemini training and grounding outside Search, not a separate crawler) Not covered here OpenAI OAI-SearchBot GPTBot ChatGPT-User Perplexity PerplexityBot None listed: Perplexity says PerplexityBot is not used for training foundation models Perplexity-User Anthropic Claude-SearchBot ClaudeBot Claude-User Two consequences. Blocking a training crawler does not remove you from search answers, and Google says Google-Extended \"does not impact a site's inclusion in Google Search\". And the person-triggered fetchers play by different rules: OpenAI says robots.txt \"may not apply\" to ChatGPT-User, and Perplexity says Perplexity-User \"generally ignores robots.txt rules.\" GPTBot vs OAI-SearchBot vs ChatGPT-User walks through the OpenAI side in detail. Then look past the file. Google's AI features page lists this among its basics: \"Ensuring that crawling is allowed in robots.txt, and by any CDN or hosting infrastructure\". A CDN (content delivery network, the service that sits in front of many sites to speed them up and filter traffic) can block a bot that robots.txt allows. OpenAI says its search systems need about 24 hours to adjust after a robots.txt change. Perplexity says up to 24 hours. 2. The words must be in the HTML Some sites send an almost empty page and build the content in the visitor's browser with JavaScript (the programming language that runs inside web pages). Google can process that, but its own guide says server-side or pre-rendering \"is still a great idea because it makes your website faster for users and crawlers, and not all bots can run JavaScript.\" The two-minute check uses curl, a free command-line tool that fetches a page the way a simple crawler does: bash curl -s https://example.com/your-page grep -c \"a sentence you expect on the page\" A result of 0 means the sentence is not in what the server sent. Fix that before anything else on this list. 3. Indexable, reachable, one address Google's minimum for Search is short: Googlebot is not blocked, the page returns HTTP 200 (the code for \"this worked\"), and it has indexable content. A noindex tag takes the page out of Search entirely, and with it out of AI Overviews and AI Mode. The canonical tag ( rel=\"canonical\" ) names the one preferred address when several addresses show the same content. Google recommends that the canonical page names itself. Check the status with curl -sI , then search the HTML for noindex and canonical . Google's URL Inspection tool in Search Console shows what Googlebot received. 4. Snippet rules decide what may be quoted A snippet is the short piece of text a search result may show. Google's specification says nosnippet \"will also prevent the content from being used as a direct input for AI Overviews and AI Mode\", and max-snippet limits how much may be used. data-nosnippet does the same for one part of a page. These rules are useful on purpose and harmful by accident, for example when an old template sets them on every page. Google adds one more switch. Search Console now has a Search generative AI setting (Settings Search generative AI), rolled out to all websites as of 31 August 2026. Include is the default. If someone chose exclude, your site's links will not appear in those features. 5. Stable address, visible date, named author If a page moves, answers that linked the old address send readers to an error page. Google recommends a permanent server-side redirect, calling it \"the best way to ensure that Google Search and people are directed to the correct page.\" Google also asks for a visible date: \"Add a user-visible date to the page and feature it prominently.\" And for authorship: \"We strongly encourage adding accurate authorship information, such as bylines to content where readers might expect it.\" No engine says a date or a byline earns a citation. They are on this list because a person checking an AI answer uses them to decide whether to trust the page they land on. 6. Structured data helps, but it is not a key Structured data is code in the page, usually schema.org markup, that labels things like the author and the publish date for machines. Google is blunt about its AI features: \"Structured data isn't required for generative AI search, and there's no special schema.org markup you need to add.\" It still recommends structured data for rich results, and asks that it match the visible text. Markup that claims an author the page does not show is a liability, not a shortcut. 7. llms.txt is optional llms.txt is a proposed file that lists a site's key pages for AI tools. Google's guide says Google Search ignores such files, and that creating one \"will neither harm nor help your site's visibility or rankings in Google Search\". Neither OpenAI's nor Perplexity's crawler page lists it among the controls for their crawlers. What is llms.txt? covers when it is still worth keeping. A worked example (hypothetical) Imagine a small insurance broker in Rotterdam with a page comparing boat-insurance premiums. The page looks fine in a browser. But the premium table loads with JavaScript after a cookie banner, and curl returns only a heading and the word \"Loading\". A crawler that reads only the raw HTML gets nothing from that page to use when someone asks an AI assistant about boat-insurance costs. The broker's developer renders the table on the server, so the numbers are in the HTML. Nothing about that fix guarantees a citation. It only puts the page back in the running, which is the whole job of technical GEO. What technical GEO will not do It will not buy a ranking. OpenAI's help page says ChatGPT \"ranks search results using multiple factors\" and that \"Placement is not guaranteed.\" Google says indexing and serving are not guaranteed either. No vendor publishes a formula you can tune. It will not make a page worth quoting. That is the other half of GEO: a clear answer near the top, evidence a reader can check, something the ten other pages on the topic do not say. How answer engines choose sources covers that half. The book that treats both halves as one system, The Findability Engine, is in production and not for sale yet. The GEO glossary entry has the short definition. Try this today (20 minutes) Pick the one page you most want an AI answer to use. 1. Minutes 0 to 5. Open https://your-site/robots.txt . Find the groups for Googlebot, OAI-SearchBot and PerplexityBot, and the User-agent: group. Write down whether each may fetch your page's path. 2. Minutes 5 to 10. Run the curl grep check above with one sentence from the page. Then run curl -sI and note the status code. 3. Minutes 10 to 15. Search the page source for noindex , nosnippet , max-snippet and canonical . Note anything you did not put there on purpose. 4. Minutes 15 to 20. Check that the page shows a date and an author. In Search Console, open Settings Search generative AI and confirm the setting says include. Any \"no\" on this list is a fix for a developer, not a brief for a copywriter. Fix the valve before you polish the tap.","keyTakeaways":["Technical GEO decides whether a page can be used at all. Writing decides whether it is worth using. The plumbing comes first.","Each engine has its own search crawler: Googlebot for Google, OAI-SearchBot for ChatGPT search, PerplexityBot for Perplexity. Blocking a training crawler is a different decision.","Google's nosnippet and max-snippet rules also limit what AI Overviews and AI Mode may use from a page.","Google says structured data, llms.txt files and content chunking are not required for its AI features.","Open plumbing makes a page eligible. No engine publishes a formula that turns eligibility into a citation."],"readingMinutes":9,"publishedAt":"2026-10-02T07:00:00.000Z"},"nl":{"label":"Technische GEO: het leidingwerk dat bepaalt of AI je pagina kan gebruiken","summary":"Technische GEO is het deel van generative engine optimization (GEO: pagina's bruikbaar maken als bron voor antwoorden die AI schrijft) dat een ontwikkelaar oplost, geen schrijver. Het gaat erom of zoekcrawlers van AI-diensten de pagina mogen ophalen, of de tekst in de HTML staat die ze ontvangen, of de pagina geïndexeerd kan worden, of snippetregels citeren toestaan en of de pagina een vast adres, een zichtbare datum en een auteursnaam heeft. Google zegt dat zijn AI-functies geen speciale opmaak of AI-bestanden nodig hebben.","url":"/nl/blog/technische-geo/","searchText":"Technische GEO: het leidingwerk dat bepaalt of AI je pagina kan gebruiken Technische GEO is het ontwikkelwerk in generative engine optimization: crawlertoegang, leesbare HTML, indexering, snippetregels, datum. Checklist in 7 punten. De beste alinea op je pagina is waardeloos voor een systeem dat hem nooit binnenkrijgt. Technische GEO is het deel van generative engine optimization (GEO: pagina's bruikbaar maken als bron voor antwoorden die AI schrijft) dat een ontwikkelaar oplost, geen schrijver. Het gaat erom of zoekcrawlers van AI-diensten de pagina mogen ophalen, of de tekst in de HTML staat die ze ontvangen, of de pagina geïndexeerd kan worden, of snippetregels citeren toestaan en of de pagina een vast adres, een zichtbare datum en een auteursnaam heeft. Google zegt dat zijn AI-functies geen speciale opmaak of AI-bestanden nodig hebben. technische GEO Technische GEO bepaalt of een pagina überhaupt bruikbaar is. Het schrijfwerk bepaalt of die pagina het gebruiken waard is. Het leidingwerk gaat voor. Elke dienst heeft een eigen zoekcrawler: Googlebot voor Google, OAI-SearchBot voor ChatGPT, PerplexityBot voor Perplexity. Een trainingscrawler blokkeren is een andere beslissing. De regels nosnippet en max-snippet van Google beperken ook wat de AI-overzichten en de AI-modus van een pagina mogen gebruiken. Volgens Google zijn gestructureerde gegevens, llms.txt-bestanden en opgeknipte teksten niet nodig voor zijn AI-functies. Open leidingen maken een pagina geschikt. Geen enkele dienst publiceert een formule die geschiktheid in een citatie omzet. geo GEO Generative engine optimization. Het werk om pagina's bruikbaar te maken als bron voor antwoorden die AI schrijft. crawler Een programma waarmee een zoek- of AI-bedrijf webpagina's ophaalt en leest. robots.txt Een tekstbestand in de hoofdmap van een site dat crawlers bij naam vertelt welke paden ze mogen ophalen. canonieke URL Het adres dat je als voorkeursversie aanwijst wanneer meerdere adressen dezelfde inhoud tonen. snippet Het korte stukje tekst van een pagina dat een zoekresultaat of AI-functie mag tonen of gebruiken. Technische GEO is het leidingwerk onder generative engine optimization. GEO is het werk om je pagina's bruikbaar te maken als bron voor antwoorden die AI schrijft, zoals in ChatGPT, Perplexity of de AI-overzichten van Google. Dat werk heeft twee helften. Het schrijfwerk bepaalt of een pagina het citeren waard is. De technische helft bepaalt of een machine de pagina überhaupt kan bereiken en gebruiken: toegang voor crawlers, HTML die ze kunnen lezen, indexering, toestemming voor snippets en een vast adres met datum en auteur. Die tweede helft is werk voor een ontwikkelaar, en ze gaat voor. De beste alinea op je pagina is waardeloos voor een systeem dat hem nooit binnenkrijgt. Waar staat GEO voor, en wat maakt het technisch? GEO staat voor generative engine optimization. Google gebruikt de term zelf in zijn gids over AI in Zoeken, en voegt er een zin aan toe die je boven je bureau kunt hangen: vanuit Google gezien is optimaliseren voor generatieve AI-zoekfuncties gewoon optimaliseren voor de zoekervaring, en dus nog steeds SEO. Daarmee zijn mythe en feit in één keer benoemd. De mythe: AI-antwoorden vragen om een nieuwe technische stack. Het feit: de deuren zijn grotendeels de oude deuren, met een paar nieuwe namen erop. \"Technisch\" slaat op alles wat in serverinstellingen, paginasjablonen en HTTP-headers zit (de onzichtbare regels die een server met elke pagina meestuurt), niet in je zinnen. De bredere definitie staat in GEO-betekenis. Waarom gaat het leidingwerk voor het schrijfwerk? Omdat elke dienst een deur beschrijft, en een dichte deur het gesprek beëindigt. - Google: om als ondersteunende link in de AI-overzichten of de AI-modus te verschijnen, moet een pagina geïndexeerd zijn en met een snippet in Google Zoeken kunnen verschijnen. Extra technische eisen zijn er volgens Google niet. - ChatGPT: de helppagina van OpenAI zegt dat je OAI-SearchBot moet toelaten en moet controleren of je hostingpartij of CDN verkeer van de gepubliceerde IP-adressen van de zoekbot van OpenAI doorlaat. - Perplexity: de crawlerpagina raadt aan om PerplexityBot in robots.txt toe te laten en verzoeken vanaf de gepubliceerde IP-reeksen door te laten. Geen van deze pagina's belooft een citatie zodra de deur openstaat. Ze vertellen alleen hoe je voorkomt dat je bij voorbaat afvalt. De checklist in zeven punten Maak van deze tabel een screenshot. Elke rij controleer je in ongeveer twee minuten. Controle Waarom het ertoe doet Controle in twee minuten --- --- --- --- 1 Elke zoekcrawler van een AI-dienst mag de pagina ophalen Een geblokkeerde crawler ziet de tekst nooit Lees je live robots.txt; controleer de botinstellingen van je firewall of CDN 2 De woorden staan in de HTML die de server stuurt Niet elke bot voert JavaScript uit Haal de kale pagina op en zoek één kernzin 3 De pagina is indexeerbaar, geeft status 200 en heeft één canonieke URL De AI-functies van Google putten uit de zoekindex Controleer de statuscode, zoek naar noindex , lees de canonical-tag 4 Snippetregels staan citeren toe nosnippet blokkeert ook gebruik in AI-overzichten en AI-modus Zoek in HTML en headers naar nosnippet en max-snippet 5 Vast adres, zichtbare datum, auteursnaam Na een verhuizing werken oude links niet meer; lezers controleren wie en wanneer Open de pagina: staan er een datum en een auteur? Verwijzen oude adressen door? 6 Gestructureerde gegevens kloppen met de zichtbare pagina Ze helpen machines zaken te benoemen; ze zijn geen sleutel Vergelijk auteur en datums in de code met wat de pagina toont 7 Een eventueel llms.txt is een bewuste keuze Google Zoeken negeert het Bepaal of een specifieke tool het leest; anders sla je het over 1. Toegang voor crawlers, bot voor bot Een crawler is een programma waarmee een bedrijf webpagina's ophaalt. robots.txt is een klein tekstbestand in de hoofdmap van je site dat crawlers bij naam vertelt welke paden ze mogen ophalen. De bedrijven hieronder gebruiken aparte crawlers voor aparte taken, dus \"AI toestaan\" is niet één instelling: Bedrijf Zoekcrawler (antwoorden en links) Trainingscrawler Haalt op als een mens erom vraagt --- --- --- --- Google Googlebot, die ook de AI-overzichten en de AI-modus bedient Google-Extended (een robots.txt-token voor training en grounding van Gemini buiten Zoeken, geen aparte crawler) Valt buiten dit overzicht OpenAI OAI-SearchBot GPTBot ChatGPT-User Perplexity PerplexityBot Niet vermeld: volgens Perplexity wordt PerplexityBot niet gebruikt om basismodellen te trainen Perplexity-User Anthropic Claude-SearchBot ClaudeBot Claude-User Dat heeft twee gevolgen. Een trainingscrawler blokkeren haalt je niet uit zoekantwoorden; Google schrijft dat Google-Extended geen invloed heeft op opname in Google Zoeken. En bij de crawlers die op verzoek van een mens pagina's ophalen, ligt het anders. Volgens OpenAI gelden robots.txt-regels mogelijk niet voor ChatGPT-User, en Perplexity schrijft dat Perplexity-User robots.txt over het algemeen negeert. GPTBot versus OAI-SearchBot versus ChatGPT-User behandelt de kant van OpenAI in detail. Kijk daarna verder dan het bestand. Google vermeldt op zijn pagina over AI-functies bij de basisregels expliciet dat crawlen moet zijn toegestaan in robots.txt én door je CDN of hosting. Een CDN (content delivery network: de dienst die bij veel sites tussen bezoeker en server zit, om ze te versnellen en verkeer te filteren) kan een bot tegenhouden die robots.txt gewoon toelaat. OpenAI zegt dat zijn zoeksystemen ongeveer 24 uur nodig hebben om een wijziging in robots.txt te verwerken. Perplexity zegt hooguit 24 uur. 2. De woorden moeten in de HTML staan Sommige sites sturen een bijna lege pagina en bouwen de inhoud pas in de browser op met JavaScript, de programmeertaal die in webpagina's draait. Google kan dat verwerken, maar zijn eigen gids noemt renderen op de server of vooraf renderen nog steeds een goed idee, omdat het je site sneller maakt voor bezoekers en crawlers, en omdat niet elke bot JavaScript kan uitvoeren. Voor de controle van twee minuten gebruik je curl, een gratis opdrachtregeltool die een pagina ophaalt zoals een eenvoudige crawler dat doet: bash curl -s https://voorbeeld.nl/jouw-pagina grep -c \"een zin die op de pagina hoort te staan\" Krijg je 0 , dan staat die zin niet in wat de server stuurde. Los dat op voordat je aan de rest van deze lijst begint. 3. Indexeerbaar, bereikbaar, één adres De minimumeisen van Google voor Zoeken zijn kort: Googlebot is niet geblokkeerd, de pagina geeft HTTP 200 terug (de code voor \"gelukt\") en er staat indexeerbare inhoud op. Een noindex -tag haalt de pagina helemaal uit Zoeken, en daarmee ook uit de AI-overzichten en de AI-modus. De canonical-tag ( rel=\"canonical\" ) wijst het voorkeursadres aan als meerdere adressen dezelfde inhoud tonen. Google raadt aan dat de canonieke pagina naar zichzelf verwijst. Controleer de status met curl -sI en zoek daarna in de HTML naar noindex en canonical . Met de URL-inspectietool in Search Console zie je wat Googlebot binnenkreeg. 4. Snippetregels bepalen wat geciteerd mag worden Een snippet is het korte stukje tekst dat een zoekresultaat mag tonen. Volgens de specificatie van Google voorkomt nosnippet ook dat de inhoud als directe invoer voor de AI-overzichten en de AI-modus dient, en beperkt max-snippet hoeveel er gebruikt mag worden. data-nosnippet doet hetzelfde voor één deel van een pagina. Handig als je het bewust doet, schadelijk als het per ongeluk gebeurt, bijvoorbeeld wanneer een oud sjabloon die regels op elke pagina zet. Google heeft er nog een schakelaar bij. Search Console heeft een instelling voor generatieve AI in Zoeken (in de Engelse interface: Settings Search generative AI). Volgens Google is die per 31 augustus 2026 voor alle websites beschikbaar. Opnemen is de standaard. Heeft iemand voor uitsluiten gekozen, dan verschijnen links naar je site niet in die functies. 5. Vast adres, zichtbare datum, auteursnaam Verhuist een pagina, dan sturen antwoorden die naar het oude adres linkten, lezers naar een foutpagina. Google raadt een permanente redirect op de server aan en noemt dat de beste manier om zowel Google Zoeken als mensen op de juiste pagina te krijgen. Google vraagt ook om een zichtbare datum, prominent op de pagina. En wat auteurschap betreft, raadt Google nauwkeurige auteursinformatie, zoals een byline, sterk aan waar lezers die verwachten. Geen enkele dienst zegt dat een datum of een auteursnaam een citatie oplevert. Ze staan op deze lijst omdat iemand die een AI-antwoord controleert, ze gebruikt om te beslissen of de pagina waar hij belandt te vertrouwen is. 6. Gestructureerde gegevens helpen, maar zijn geen sleutel Gestructureerde gegevens zijn code in de pagina, meestal schema.org-opmaak, die zaken als de auteur en de publicatiedatum voor machines benoemt. Google is er duidelijk over: voor zijn generatieve AI-functies zijn ze niet vereist, en er bestaat geen speciale schema.org-opmaak die je moet toevoegen. Google raadt ze nog wel aan voor rich results, en vraagt dat ze overeenkomen met de zichtbare tekst. Opmaak die een auteur noemt die de pagina zelf niet toont, is een risico, geen kortere weg. 7. llms.txt is optioneel llms.txt is een voorgesteld bestand dat de belangrijkste pagina's van een site opsomt voor AI-tools. Volgens de gids van Google negeert Google Zoeken zulke bestanden, en helpt of schaadt een llms.txt je zichtbaarheid of ranking in Google Zoeken niet. De crawlerpagina's van OpenAI en Perplexity noemen het niet als instelling voor hun crawlers. Wat is llms.txt? legt uit wanneer het toch zin heeft. Een voorbeeld (hypothetisch) Stel: een kleine verzekeringsmakelaar in Rotterdam heeft een pagina die premies voor bootverzekeringen vergelijkt. In de browser ziet alles er goed uit. Maar de premietabel laadt via JavaScript, pas na de cookiemelding, en curl geeft alleen een kop en het woord \"Laden\" terug. Een crawler die alleen de kale HTML leest, vindt op die pagina dus niets bruikbaars als iemand een AI-assistent naar de kosten van een bootverzekering vraagt. De ontwikkelaar van de makelaar laat de tabel voortaan op de server opbouwen, zodat de bedragen in de HTML staan. Een citatie is daarmee niet gegarandeerd. De pagina doet alleen weer mee, en dat is precies de taak van technische GEO. Wat technische GEO niet doet Het levert geen ranking op. Volgens de helppagina van OpenAI rangschikt ChatGPT zoekresultaten op basis van meerdere factoren en is een plek niet gegarandeerd. Google zegt dat indexering en vertoning evenmin gegarandeerd zijn. Geen leverancier publiceert een formule waaraan je kunt draaien. Het maakt een pagina ook niet het citeren waard. Dat is de andere helft van GEO: een helder antwoord bovenaan, bewijs dat een lezer kan nagaan, iets wat de tien andere pagina's over je onderwerp niet zeggen. Hoe zoek- en antwoordmachines bronnen kiezen gaat over die helft. Het boek dat beide helften als één systeem behandelt, The findability engine, is in productie en nog niet te koop. De korte definitie staat bij het begrip GEO. Probeer dit vandaag (twintig minuten) Kies de pagina die je het liefst in een AI-antwoord terugziet. 1. Minuut 0 tot 5. Open https://jouw-site/robots.txt . Zoek de groepen voor Googlebot, OAI-SearchBot en PerplexityBot, en de groep User-agent: . Noteer per crawler of hij het pad van je pagina mag ophalen. 2. Minuut 5 tot 10. Doe de controle met curl grep van hierboven op één zin van de pagina. Draai daarna curl -sI en noteer de statuscode. 3. Minuut 10 tot 15. Zoek in de paginabron naar noindex , nosnippet , max-snippet en canonical . Noteer alles wat je er niet bewust hebt neergezet. 4. Minuut 15 tot 20. Controleer of de pagina een datum en een auteur toont. Open in Search Console de instelling voor generatieve AI in Zoeken en controleer of die op opnemen staat. Elk \"nee\" op deze lijst is een klus voor een ontwikkelaar, geen opdracht voor een tekstschrijver. Draai eerst de hoofdkraan open. Het poetsen komt later.","keyTakeaways":["Technische GEO bepaalt of een pagina überhaupt bruikbaar is. Het schrijfwerk bepaalt of die pagina het gebruiken waard is. Het leidingwerk gaat voor.","Elke dienst heeft een eigen zoekcrawler: Googlebot voor Google, OAI-SearchBot voor ChatGPT, PerplexityBot voor Perplexity. Een trainingscrawler blokkeren is een andere beslissing.","De regels nosnippet en max-snippet van Google beperken ook wat de AI-overzichten en de AI-modus van een pagina mogen gebruiken.","Volgens Google zijn gestructureerde gegevens, llms.txt-bestanden en opgeknipte teksten niet nodig voor zijn AI-functies.","Open leidingen maken een pagina geschikt. Geen enkele dienst publiceert een formule die geschiktheid in een citatie omzet."],"readingMinutes":9,"publishedAt":"2026-10-02T07:05:00.000Z"}},"degree":6},{"id":"article:the-agentic-author-introduction","type":"article","pillar":"ai-systems","locales":{"en":{"label":"The Agentic Author: Stop Writing Books. Build a Production System.","summary":"The Agentic Author is the operator manual for BooksOS, a seven-stage nonfiction production pipeline where AI agents run stages and the author certifies quality gates. It covers evidence tracking, red-team review, bilingual native editions, and tool-agnostic design so authors ship serious work without surrendering the byline.","url":"/en/blog/the-agentic-author-introduction/","searchText":"The Agentic Author: Stop Writing Books. Build a Production System. Serious nonfiction needs gates, not vibes. The Agentic Author documents the BooksOS pipeline (Brief, Bible, Map, Draft, Edit, Package, Launch) so AI accelerates work while the author keeps judgment. You are not writing a book. You are building a knowledge-production system that happens to output books. BooksOS makes that system auditable. The Agentic Author is the operator manual for BooksOS, a seven-stage nonfiction production pipeline where AI agents run stages and the author certifies quality gates. It covers evidence tracking, red-team review, bilingual native editions, and tool-agnostic design so authors ship serious work without surrendering the byline. agentic book production with BooksOS Author overwhelm is usually an architecture problem, not a discipline problem. BooksOS stages end in named artifacts and quality gates, not vague “AI help.” Gate culture beats prompt culture: evidence tracking, red-team pressure, and an honest byline. This page is the book intro. What is BooksOS owns the seven names. The book is live. booksos ai-agents Most nonfiction authors are stuck between two bad exits. Exit one: reject AI and drown for years. Exit two: outsource judgment to AI and publish generic pages the market sniffs in three screens. Neither path produces a serious book. A third path does, and The Agentic Author documents it. The book is live. This page is the operator intro, not the definition of the pipeline. What is BooksOS? owns the seven names. The reframe that unsticks a draft You are not “bad at writing.” You are running authorship without architecture . A stalled manuscript is often structural collapse wearing the costume of procrastination. The author reads the stall as a verdict on discipline. The cheaper diagnosis is a missing system: nothing was built to inspect, so the failure is invisible until 30,000 words disagree with each other. The book opens with a hard sentence: You are not writing a book. You are building a knowledge-production system that happens to output books. Most books are written as events. You clear the calendar, summon discipline, and push. Momentum holds it together until life breaks the streak. The return is harder than the start, because nothing was built to inspect. The author decides they lack talent. Usually they lack a sequence: input, output, gate. Without those joints, research, structure, drafting, and editing happen in one head, and you cannot isolate the stage that failed. The visible result is the book. The durable asset is the system. Books end. Systems keep producing. An author who treats each title as a heroic event begins every project from nothing. An author who treats authorship as a system keeps the brief, the bible, the map, and the ledger. The second book begins where the first stopped. That reframe is not poetry. It is the operating-system upgrade. Speed does not repair a method. It amplifies one. An event run at machine speed is still an event. It mass-produces the flaw. What the book installs The Agentic Author is the operator manual for BooksOS , a seven-stage production pipeline for serious nonfiction written with AI agents: Brief, Bible, Map, Draft, Edit, Package, Launch. Agents run specialist work inside a stage. The author certifies the gate. Judgment, voice, and the byline stay human. What is BooksOS? is the search-term page: the seven names, the tell when you skipped one, and the refusal that keeps a CMS or a speed course from stealing the word. This intro will not restage that table. What the book adds, and the definition page does not, is the operating posture: - Treat agents as specialists (research, structural critic, fact-checker, red-teamer, bilingual editor), never as a ghostwriter. - Separate judgment from execution so a stage can be delegated without surrendering the book. - Run an evidence ledger and a hallucination check that catch the confident sentence that is merely fluent. - Hold one voice across a draft, and across two languages, by writing the standard down before you write the prose. - Keep the method tool-agnostic, so a model change does not retire the gates. The book was researched, drafted, edited, fact-checked, packaged, and adversarially reviewed by the method it teaches. That recursion is a proof posture, not a magic trick. Anyone can print \"made with AI.\" The unit of differentiation is the audit trail: named gates, a claim-level ledger, receipts in the book. This article does not reprint the bibliography. Each stage leaves a named artifact. Each stage ends in a gate. Twelve working artifacts ship in the book, from a one-page brief to a ninety-day plan. You do not need a throughput number. You need one claim that cannot name its source, and a gate that can fail it. Why gates beat prompt culture Prompt culture optimizes for output volume. Gate culture optimizes for defensible quality . A prompt pack is not a production system. A folder of chapters in a drive is not a production system. A model that \"writes 2,000 words an hour\" is weather. When the tool changes, the gate still has to hold. That is why the book folds the scarce work into the stages rather than into a chat window: - claim-level evidence tracking, so a number cannot wander between chapters - hallucination checks folded into review, so fluency is not treated as verification - adversarial pressure before packaging, so a weak argument is attacked on purpose - bilingual native editions as two products, not one clumsy translation - tool-version isolation so the method outlives this month's model Fiction is a different craft. A \"write a book in a weekend\" shortcut is a different product. A reader who wants the model to keep the byline should leave the book on the shelf. The load-bearing asset in this method is the author's judgment. Everything else is designed, delegated, and governed. If you came looking for a named-model tutorial, a prompt library, or a marketing playbook that treats the book as a funnel asset and stops there, this is the wrong object. The method will make a credibility asset, but only as the output of a gated line. It will not teach you buttons. Tool surfaces change. The gate is what you keep. Who feels the click immediately - the author with 30,000 words and no spine - the founder who needs a book as a credibility asset, not a vanity PDF - the consultant who cannot risk soft claims - the creator graduating from posts to a body of work - the coach who wants a system clients can run with them If you want magic buttons, leave it on the shelf. If you want judgment to stay load-bearing, buy it. Kindle, paperback, and hardcover are live in English and Dutch. The book page owns the full grid. ASINs below match that page. This intro does not invent editions. Buy the format that matches your craft Open the book page → English editions (Amazon.com) Format Link --- --- Kindle Buy English Kindle Paperback Buy English paperback Hardcover Buy English hardcover Dutch editions (Amazon.nl) Format Link --- --- Kindle Koop Nederlandse Kindle Paperback Koop Nederlandse paperback Hardcover Koop Nederlandse hardcover Dutch page: boeken/the-agentic-author. The line to keep An event run at machine speed is still an event. Method turns speed into a body of work that compounds. The tenth book begins with a decade of decisions already made. Install the system. Certify the gates. Keep the byline honest.","keyTakeaways":["Author overwhelm is usually an architecture problem, not a discipline problem.","BooksOS stages end in named artifacts and quality gates, not vague “AI help.”","Gate culture beats prompt culture: evidence tracking, red-team pressure, and an honest byline.","This page is the book intro. What is BooksOS owns the seven names. The book is live."],"readingMinutes":5,"publishedAt":"2026-08-05T12:00:00.000Z"},"nl":{"label":"De agentische auteur: stop met boeken schrijven. Bouw een productiesysteem.","summary":"De agentische auteur is het operatorhandboek voor BooksOS, een productielijn in zeven fases voor non-fictie waarin AI-agents fases draaien en de auteur kwaliteitspoorten certificeert. Het behandelt bewijsvoering, red-team review, tweetalige native edities en tool-agnostisch ontwerp zodat auteurs serieus werk leveren zonder de byline op te geven.","url":"/nl/blog/de-agentische-auteur-introductie/","searchText":"De agentische auteur: stop met boeken schrijven. Bouw een productiesysteem. Serieuze non-fictie heeft poorten nodig, geen sfeer. De agentische auteur documenteert de BooksOS-pijplijn (Brief, Bible, Map, Draft, Edit, Package, Launch) zodat AI versnelt en de auteur het oordeel houdt. Je schrijft geen boek. Je bouwt een kennisproductiesysteem dat toevallig boeken oplevert. BooksOS maakt dat systeem auditbaar. De agentische auteur is het operatorhandboek voor BooksOS, een productielijn in zeven fases voor non-fictie waarin AI-agents fases draaien en de auteur kwaliteitspoorten certificeert. Het behandelt bewijsvoering, red-team review, tweetalige native edities en tool-agnostisch ontwerp zodat auteurs serieus werk leveren zonder de byline op te geven. agentische boekproductie met BooksOS Auteursoverload is meestal een architectuurprobleem, geen disciplineprobleem. BooksOS-fases eindigen in benoemde artefacten en kwaliteitspoorten, niet in vage “AI-hulp.” Poortencultuur verslaat promptcultuur: bewijsvoering, adversariale druk en een eerlijke byline. Deze pagina is de boekintro. Wat is BooksOS bezit de zeven namen. Het boek is live. booksos ai-agents De meeste non-fictieauteurs zitten vast tussen twee slechte uitgangen. Uitgang één: AI afwijzen en jaren verdrinken. Uitgang twee: oordeel uitbesteden aan AI en generieke pagina’s publiceren die de markt in drie schermen ruikt. Geen van beide paden levert een serieus boek op. Een derde pad wel, en De agentische auteur documenteert het. Het boek is live. Deze pagina is de operator-intro, niet de definitie van de pijplijn. Wat is BooksOS? bezit de zeven namen. De herkadering die een manuscript losmaakt Je bent niet “slecht in schrijven.” Je draait auteurschap zonder architectuur . Een vastgelopen manuscript is vaak structurele instorting in het kostuum van uitstel. De auteur leest het vastlopen als een oordeel over discipline. De goedkopere diagnose is een ontbrekend systeem: er is niets gebouwd om te inspecteren, dus de fout blijft onzichtbaar tot 30.000 woorden het oneens zijn met elkaar. Het boek opent met een harde zin: Je schrijft geen boek. Je bouwt een kennisproductiesysteem dat toevallig boeken oplevert. De meeste boeken worden als gebeurtenis geschreven. Je maakt de agenda leeg, roept discipline op en duwt. Momentum houdt het bijeen tot het leven de reeks breekt. De terugkeer is zwaarder dan de start, omdat er niets was om te inspecteren. De auteur besluit dat talent ontbreekt. Meestal ontbreekt een volgorde: invoer, uitvoer, poort. Zonder die gewrichten gebeuren onderzoek, structuur, schrijven en redactie in één hoofd, en kun je de fase die faalde niet isoleren. Het zichtbare resultaat is het boek. Het duurzame bezit is het systeem. Boeken eindigen. Systemen blijven produceren. Een auteur die elke titel als heroïsche gebeurtenis behandelt, begint elk project bij nul. Een auteur die auteurschap als systeem behandelt, houdt de brief, de bijbel, de kaart en het register. Het tweede boek begint waar het eerste stopte. Die herkadering is geen poëzie. Het is de besturingssysteemupgrade. Snelheid repareert geen methode. Ze versterkt er een. Een gebeurtenis op machinesnelheid is nog steeds een gebeurtenis. Ze vermenigvuldigt de fout. Wat het boek installeert De agentische auteur is het operatorhandboek voor BooksOS , een productielijn in zeven fases voor serieuze non-fictie geschreven met AI-agents: Brief, Bible, Map, Draft, Edit, Package, Launch. Agents doen specialistisch werk binnen een fase. De auteur certificeert de poort. Oordeel, stem en auteurschap blijven menselijk. Wat is BooksOS? is de zoekterm-pagina: de zeven namen, het signaal wanneer je er een overslaat, en de weigering die voorkomt dat een CMS of een snelheidscursus het woord steelt. Deze intro speelt die tabel niet opnieuw. Wat het boek toevoegt, en de definitiepagina niet, is de houding van de operator: - Behandel agents als specialisten (onderzoek, structuurcriticus, factchecker, red-team, tweetalige eindredacteur), nooit als ghostwriter. - Koppel oordeel los van uitvoering, zodat je een fase kunt delegeren zonder het boek uit handen te geven. - Draai een bewijsregister en een hallucinatiecheck die de zelfverzekerde zin betrappen die alleen maar vlot klinkt. - Houd één stem vast door een heel manuscript, en door twee talen heen, door de norm op te schrijven voordat je de tekst schrijft. - Houd de methode tool-agnostisch, zodat een modelwissel de poorten niet met pensioen stuurt. Het boek is onderzocht, geschreven, geredigeerd, gefactcheckt, verpakt en adversarieel beoordeeld met de methode die het onderwijst. Die recursie is een bewijshouding, geen goocheltruc. Iedereen kan \"made with AI\" drukken. De eenheid van onderscheid is het auditspoor: benoemde poorten, een register op beweringniveau, bewijsstukken in het boek. Dit artikel herdrukt de bibliografie niet. Elke fase laat een benoemd artefact achter. Elke fase eindigt in een poort. Twaalf werkende artefacten zitten in het boek, van een brief van één pagina tot een negentigdagenplan. Je hebt geen doorvoercijfer nodig. Je hebt één claim nodig die zijn bron niet kan noemen, en een poort die hem kan afkeuren. Waarom poorten promptcultuur verslaan Promptcultuur optimaliseert voor outputvolume. Poortencultuur optimaliseert voor verdedigbare kwaliteit . Een prompt-pack is geen productiesysteem. Een map met hoofdstukken in een drive is geen productiesysteem. Een model dat \"2.000 woorden per uur schrijft\" is een momentopname. Als het gereedschap verandert, moet de poort nog steeds houden. Daarom vouwt het boek het schaarse werk in de fases, niet in een chatvenster: - bewijs op beweringniveau, zodat een getal niet tussen hoofdstukken gaat zwerven - hallucinatiechecks in de review, zodat vloeiendheid niet voor verificatie doorgaat - adversariale druk vóór verpakking, zodat een zwak argument expres wordt aangevallen - tweetalige native edities als twee producten, niet één houterige vertaling - isolatie van toolversies zodat de methode dit model overleeft Fictie is een ander vak. Een \"boek in een weekend\"-snelkoppeling is een ander product. Een lezer die wil dat het model de byline houdt, laat het boek op de plank liggen. Het dragende bezit in deze methode is het oordeel van de auteur. Al het andere wordt ontworpen, gedelegeerd en bestuurd. Kwam je voor een tutorial van een benoemd model, een promptbibliotheek, of een marketingboek dat het boek als lokkertje behandelt en daar stopt, dan is dit het verkeerde object. De methode maakt wél een geloofwaardigheidsbewijs, maar alleen als output van een lijn met poorten. Ze leert je geen knoppen. Gereedschapsoppervlakken veranderen. De poort is wat je houdt. Wie de klik meteen voelt - de auteur met 30.000 woorden zonder ruggengraat - de oprichter die een boek nodig heeft als geloofwaardigheidsbewijs, niet als PDF voor de sier - de consultant die zachte claims niet kan riskeren - de creator die van posts naar een oeuvre groeit - de coach die een systeem wil dat cliënten mee kunnen draaien Wil je magische knoppen? Laat het op de plank liggen. Wil je dat oordeel dragend blijft? Koop het. Kindle, paperback en hardcover zijn live in het Nederlands en het Engels. De boekenpagina bezit het volledige overzicht. De ASIN's hieronder komen daarmee overeen. Deze intro verzint geen edities. Koop het formaat dat bij je vak past Open de boekenpagina → Nederlandse edities (Amazon.nl) Uitvoering Link --- --- Kindle Koop Nederlandse Kindle Paperback Koop Nederlandse paperback Hardcover Koop Nederlandse hardcover Engelse edities (Amazon.com) Uitvoering Link --- --- Kindle Koop Engelse Kindle Paperback Koop Engelse paperback Hardcover Koop Engelse hardcover Engelse pagina: books/the-agentic-author. De zin om vast te houden Een gebeurtenis op machinesnelheid is nog steeds een gebeurtenis. Methode maakt van snelheid een oeuvre dat zich opstapelt. Het tiende boek begint met tien jaar aan beslissingen die al genomen zijn. Installeer het systeem. Certificeer de poorten. Houd de byline eerlijk.","keyTakeaways":["Auteursoverload is meestal een architectuurprobleem, geen disciplineprobleem.","BooksOS-fases eindigen in benoemde artefacten en kwaliteitspoorten, niet in vage “AI-hulp.”","Poortencultuur verslaat promptcultuur: bewijsvoering, adversariale druk en een eerlijke byline.","Deze pagina is de boekintro. Wat is BooksOS bezit de zeven namen. Het boek is live."],"readingMinutes":5,"publishedAt":"2026-08-05T12:00:00.000Z"}},"degree":9},{"id":"article:the-agentic-codebase-introduction","type":"article","pillar":"ai-systems","locales":{"en":{"label":"The Agentic Codebase: Version the Agent OS Like You Version the App","summary":"The Agentic Codebase is a production architecture book for technical founders and senior builders shipping agentic software. It introduces the STACK five-layer model so AGENTS.md, rules, skills, MCP, hooks, evals, and shell automation become versioned repository infrastructure that survives tool churn and team growth.","url":"/en/blog/the-agentic-codebase-introduction/","searchText":"The Agentic Codebase: Version the Agent OS Like You Version the App Agents do not fail only because models are weak. They fail because repos were never designed for machine collaborators. The Agentic Codebase gives you STACK: Structure, Toolchain, Agent configuration, Connection layer, Knowledge and quality. Prompts in chat are not architecture. Scattered rules are not governance. STACK turns your repository into a maintainable agent operating system. The Agentic Codebase is a production architecture book for technical founders and senior builders shipping agentic software. It introduces the STACK five-layer model so AGENTS.md, rules, skills, MCP, hooks, evals, and shell automation become versioned repository infrastructure that survives tool churn and team growth. agentic repository architecture STACK Agent failure is often repository debt — scattered rules, unowned skills, MCP without contracts — not model weakness. STACK unifies structure, toolchain, agent config, connections, and quality into one maintainable system. Version the agent OS like the app: coherent instructions, fail-closed integrations, hooks, and evals that catch regressions. agentic-codebase ai-agents You can demo an agent in an afternoon. You can regret it in six months. Prompts live in chat history. Rules are copy-pasted across five tools. MCP servers sprawl without contracts. Skills exist but nobody knows which agent loads them. \"Vibe coding\" ships until the repository becomes unnavigable for humans and machines. That is not a model problem first. That is agentic repo debt . The Agentic Codebase names the disease and installs the cure. The thesis that cuts through tool noise Agents do not fail only because models are weak. They fail because repositories, rules, and tool contracts were never designed for machine collaborators. So stop treating the agent surface as disposable chat. Version the agent OS like you version the app. STACK: five layers, one maintainable system STACK is the architecture: 1. Structure — the repo tree agents and humans can both navigate. 2. Toolchain — shells, runners, and deterministic workflows that do not rot. 3. Agent configuration — AGENTS.md / CLAUDE.md, rules, skills, roles, and charters that agree. 4. Connection layer — MCP and integrations with contracts, not hope. 5. Knowledge and quality — memory, evals, hooks, CI gates, and regression discipline. Five layers. One operating system for agent work. What you can ship after reading Not vibes. Artifacts. - a coherent agent instruction surface across tools - skill packages that are discoverable and owned - MCP tool contracts that fail closed when wrong - hooks and evals that catch regressions before users do - a STACK audit you can run on a brownfield repo this week This is software engineering applied to the agent instruction plane. Who this book is for - the staff engineer whose team uses Claude Code three incompatible ways - the founder shipping agent features into a real product - the platform lead standardizing AI coding practice - the maintainer who inherited CLAUDE.md , .cursorrules , and AGENTS.md that disagree - the operator who already read the strategy book and now needs the implementation layer If you want a one-tool tour, this will feel rigid. If you want production survival, that rigidity is the product. Series context without soft cross-sell fog - AI Agents for Startup Strategy answers where agents earn a place. - The Agentic Author shows gated production for knowledge work. - The Agentic Codebase hardens the repository those agents live in. Different layer. Same seriousness. Buy the edition your team will actually use Open the book page → English editions (Amazon.com) Format Link --- --- Kindle Buy English Kindle Paperback Buy English paperback Hardcover Buy English hardcover Dutch editions (Amazon.nl) Format Link --- --- Kindle Koop Nederlandse Kindle Paperback Koop Nederlandse paperback Hardcover Koop Nederlandse hardcover Dutch page: boeken/the-agentic-codebase. Close the loop Vibe coding is real. Without a lane, it is a path to repo rot. Name the lane. Instrument the gate. Keep the agent OS versioned.","keyTakeaways":["Agent failure is often repository debt — scattered rules, unowned skills, MCP without contracts — not model weakness.","STACK unifies structure, toolchain, agent config, connections, and quality into one maintainable system.","Version the agent OS like the app: coherent instructions, fail-closed integrations, hooks, and evals that catch regressions."],"readingMinutes":3,"publishedAt":"2026-08-05T13:00:00.000Z"},"nl":{"label":"De agentische codebase: versioneer het agent-OS zoals je de app versioneert","summary":"De agentische codebase is een productie-architectuurboek voor technical founders en senior builders die agentic software leveren. Het introduceert het STACK-vijflagenmodel zodat AGENTS.md, rules, skills, MCP, hooks, evals en shell-automatisering geversioneerde repository-infrastructuur worden die toolwisseling en teamgroei overleeft.","url":"/nl/blog/de-agentische-codebase-introductie/","searchText":"De agentische codebase: versioneer het agent-OS zoals je de app versioneert Agenten falen niet alleen omdat modellen zwak zijn. Ze falen omdat repo’s nooit voor machine-medewerkers zijn ontworpen. De agentische codebase geeft je STACK: Structure, Toolchain, Agent configuration, Connection layer, Knowledge and quality. Prompts in chat zijn geen architectuur. Verspreide rules zijn geen governance. STACK maakt van je repository een onderhoudbaar agentbesturingssysteem. De agentische codebase is een productie-architectuurboek voor technical founders en senior builders die agentic software leveren. Het introduceert het STACK-vijflagenmodel zodat AGENTS.md, rules, skills, MCP, hooks, evals en shell-automatisering geversioneerde repository-infrastructuur worden die toolwisseling en teamgroei overleeft. agentische repository-architectuur STACK Agentfalen is vaak repositoryschuld (verspreide rules, onbeheerde skills, MCP zonder contracten), geen modelzwakte. STACK verenigt structuur, toolchain, agentconfiguratie, verbindingen en kwaliteit in één onderhoudbaar systeem. Versioneer het agent-OS zoals de app: coherente instructies, fail-closed-integraties, hooks en evals die regressies vangen. agentic-codebase ai-agents Je kunt in een middag een agent demo’en. Je kunt er in zes maanden spijt van krijgen. Prompts leven in chatgeschiedenis. Rules worden over vijf tools gekopieerd. MCP-servers woekeren zonder contracten. Skills bestaan en niemand weet welke agent ze laadt. “Vibe coding” blijft opleveren tot de repository onnavigeerbaar wordt voor mensen én machines. Dat is niet eerst een modelprobleem. Dat is agentische repositoryschuld . De agentische codebase benoemt de ziekte en installeert de kuur. De these die door toolruis snijdt Agenten falen niet alleen omdat modellen zwak zijn. Ze falen omdat repositories, rules en toolcontracten nooit voor machine-medewerkers zijn ontworpen. Stop dus met het agentvlak als wegwerpchat te behandelen. Versioneer het agent-OS zoals je de app versioneert. STACK: vijf lagen, één onderhoudbaar systeem STACK is de architectuur: 1. Structure : de repo-boom die agents en mensen beide kunnen navigeren. 2. Toolchain : shells, runners en deterministische workflows die niet rotten. 3. Agent configuration : AGENTS.md / CLAUDE.md, rules, skills, roles en charters die met elkaar kloppen. 4. Connection layer : MCP en integraties met contracten, niet met hoop. 5. Knowledge and quality : memory, evals, hooks, CI-gates en regressiediscipline. Vijf lagen. Eén besturingssysteem voor agentwerk. Wat je na lezen kunt opleveren Geen sfeer. Artefacten. - een coherent agentinstructievlak over tools heen - skill packages die vindbaar zijn en een eigenaar hebben - MCP-toolcontracten die fail-closed gaan als ze fout zijn - hooks en evals die regressies vangen vóór gebruikers dat doen - een STACK-audit die je deze week op een bestaande repo kunt draaien Dit is software engineering toegepast op het agentinstructievlak. Voor wie dit boek is - de staff engineer wiens team Claude Code op drie incompatibele manieren gebruikt - de oprichter die agentfeatures in een echt product levert - de platform lead die AI-codingpraktijk standaardiseert - de maintainer die CLAUDE.md , .cursorrules en AGENTS.md erfde die elkaar tegenspreken - de operator die het strategieboek al las en nu de implementatielaag nodig heeft Wil je een rondleiding langs één tool? Dit voelt streng. Wil je productie-overleving? Die strengheid is het product. Seriecontext zonder zachte verkooppraat - AI-agenten voor startupstrategie beantwoordt waar agents een plek verdienen. - De agentische auteur toont productie met poorten voor kenniswerk. - De agentische codebase hardent de repository waarin die agents leven. Andere laag. Zelfde ernst. Koop de editie die je team echt gebruikt Open de boekenpagina → Nederlandse edities (Amazon.nl) Uitvoering Link --- --- Kindle Koop Nederlandse Kindle Paperback Koop Nederlandse paperback Hardcover Koop Nederlandse hardcover Engelse edities (Amazon.com) Uitvoering Link --- --- Kindle Koop Engelse Kindle Paperback Koop Engelse paperback Hardcover Koop Engelse hardcover Engelse pagina: books/the-agentic-codebase. Sluit de lus Vibe coding is echt. Zonder baan is het een pad naar rot in de repository. Benoem de baan. Instrumenteer de poort. Houd het agent-OS geversioneerd.","keyTakeaways":["Agentfalen is vaak repositoryschuld (verspreide rules, onbeheerde skills, MCP zonder contracten), geen modelzwakte.","STACK verenigt structuur, toolchain, agentconfiguratie, verbindingen en kwaliteit in één onderhoudbaar systeem.","Versioneer het agent-OS zoals de app: coherente instructies, fail-closed-integraties, hooks en evals die regressies vangen."],"readingMinutes":3,"publishedAt":"2026-08-05T13:00:00.000Z"}},"degree":13},{"id":"article:the-multi-agent-organization-introduction","type":"article","pillar":"ai-systems","locales":{"en":{"label":"The Multi-Agent Organization: Close the Coordination Gap With CHORUS","summary":"The Multi-Agent Organization is an operator manual for 2-to-15-person teams that already mix human operators and specialized AI agent workers. It installs CHORUS, a six-skill coordination protocol: Charter, Handoff, Orchestrate, Review, Update, Sync. The book treats agents as workers with contracts, not as a chat demo or a vendor runtime, and it runs in the tools you already have.","url":"/en/blog/the-multi-agent-organization-introduction/","searchText":"The Multi-Agent Organization: Close the Coordination Gap With CHORUS Small teams added AI agents faster than they added coordination. The Multi-Agent Organization installs CHORUS: Charter, Handoff, Orchestrate, Review, Update, Sync. Organizational protocol, not a swarm demo. Tools store state. Protocols decide. CHORUS is the operating layer between having agents and running them as one team. The Multi-Agent Organization is an operator manual for 2-to-15-person teams that already mix human operators and specialized AI agent workers. It installs CHORUS, a six-skill coordination protocol: Charter, Handoff, Orchestrate, Review, Update, Sync. The book treats agents as workers with contracts, not as a chat demo or a vendor runtime, and it runs in the tools you already have. multi-agent organization CHORUS protocol Agent failure is often a coordination gap: capability arrived in an afternoon, and the protocol never did. CHORUS is organizational protocol (charters, packets, gates, loops), not a CrewAI, swarm, or graph demo. Same seven-field charter for humans and agents. Same six-field packet at every boundary. Review before ship. Install a ninety-day triangle first: charter every role, one real review gate, one weekly sync ritual. ai-agents chorus multi-agent-organization CHORUS Coordination protocol of six skills: Charter, Handoff, Orchestrate, Review, Update, Sync. Agent worker A specialized AI process with a bounded role. Not a generic chat assistant and not an employee. Human operator The accountable person who charters work, reviews output, and owns the outcome. Role charter A seven-field contract (purpose, inputs, outputs, authority ceiling, success criteria, review requirement, escalation) that applies to humans and agents alike. Context packet A six-field handoff artifact: goal, constraints, inputs, provenance, acceptance criteria, deadline. Review gate A checkpoint where output passes only against written acceptance criteria, not a vibe check. You added agents faster than you added a protocol. Capability arrives in an afternoon. Coordination almost never does. A research agent drafts. A copy agent writes. A support drafter answers. A second human, not seeing the first run, kicks the same worker again. Three versions circulate. Nobody can say which one shipped. That is not a model failure first. That is a coordination gap . The Multi-Agent Organization names the gap and installs the protocol that closes it. The org chart is the wrong map An org chart shows reporting lines. Who answers to whom. Useful for accountability. Useless for the path a deliverable actually takes. Work lines are different. The research agent feeds the copy agent, which feeds a human reviewer, which feeds the docs agent, which feeds the support drafter. The chart does not show which brief is current, where approval happens, or where a source went stale. Humans sometimes backfill that mess. They overhear. They ask. They notice two people doing the same task. Agent workers do none of that. They execute a slice and stop. Every coordinating instinct a human supplies for free becomes a gap you have to fill on purpose. Reporting lines tell you who is accountable. Work lines tell you how the work moves. Only one of those maps leads you to the deliverable. What a multi-agent organization actually is A multi-agent organization is a team of human operators and specialized agent workers pursuing shared goals through coordinated work. That is the whole definition. Not a lab. Not a science-fiction premise. If a few humans and a handful of agent roles already draft, research, reply, and pull data, you are already running one. The only open question is whether you run it on purpose. Two terms keep the spine straight: - A human operator defines the work, reviews the output, and owns the outcome. Accountability does not transfer to a tool. - An agent worker is a specialized process with bounded authority. It holds a role, not a position. A task, not ownership. \"The agent answered it\" describes how accountability went missing, not what actually happened. Once you accept the roster you already have, you stop optimizing only the humans (hire, train, manage) and start optimizing the seams: who is chartered, how work hands off, where it is reviewed, and how the team stays on one picture of reality. This is not a swarm demo A CrewAI crew, a LangGraph graph, or a swarm notebook is a runtime . Models call tools. Messages pass. Loops run. That can be useful. It is not an organization. An organization needs answers the runtime will not invent for you: - who may spend money or talk to a customer - which brief is current - what \"approved\" means - who owns a wrong reply - how last week's defect changes next week's charter You can implement CHORUS with those runtimes. You can also implement it with a shared doc and a task board. The protocol does not care. Buying another orchestration product and hoping the process arrives with it is the expensive version of the same mistake. Tools store state. They will happily hold three conflicting versions of your landing-page copy in three tidy cards. Approval is a decision your team has to write down. Protocol first. Tools second. Every time. If your coordination cannot survive a tool migration, you do not have a protocol. You have a hostage situation. CHORUS: six skills, one loop CHORUS is the coordination protocol. Six skills. Each one closes a specific seam. The name is a method, not a product. If you have seen software sold under the same word, this is not that. What Review finds, Update writes back into the charters, and Sync makes visible. The protocol improves as it runs. Charter Define the role before you run it. Same seven fields for a human or an agent: 1. Purpose. Why the role exists, as an outcome, not an activity. 2. Inputs. What must arrive, in what form, before work is legitimate. 3. Outputs. Format and shape someone can check. 4. Authority ceiling. What the role may do without asking, and what it may never do. 5. Success criteria. Checks, not feelings. 6. Review requirement. Who reviews, against which criteria, before downstream use. 7. Escalation. Where the role stops and raises a hand. A worker without a charter improvises. Improvisation is how pricing language gets invented. The template does not change between a human operator and an agent worker. The completeness does. A human will sometimes notice an unstated assumption and ask. An agent will not. So the charter for an agent must be more complete, not less. It is the only judgment the agent has. Handoff A charter is the standing contract. A handoff is the work order. Context dies at boundaries. The receiver reconstructs what the sender knew, or, more often, substitutes something plausible. Humans ask. Agents substitute. The output arrives looking complete against a context you never provided. Carry a context packet with six fields: 1. Goal. What done looks like. 2. Constraints. Length, tone, scope, what to avoid. 3. Inputs. Exact artifacts, with the current one marked current. 4. Provenance. Who or what produced those inputs, from what. 5. Acceptance criteria. The checklist the next reviewer can verify without asking you. 6. Deadline. When, and what depends on it. \"You know the one\" is not a handoff. \"It is all in the thread\" is archaeology, not a work order. Orchestrate Parallel work needs routing, not hope. Draw the flow: - Serial where step B needs step A's output - Parallel where it does not - Fan-out to split independent branches - Fan-in to merge them into one coherent artifact - Escalation to a human when confidence is low, the action is irreversible, or the policy has not been written Fan-in is synthesis, not a folder. If two branches disagree and you concatenate them, you ship the contradiction. Five symbols are enough for the graph: box, arrow, split, merge, gate. Mark a gate E to stop and decide, R to stop and check. If you cannot draw the flow on one page, you are still holding it in one head. That does not scale past a quiet week. Review Unreviewed agent output is technical debt. It looks done. It bills later, usually in front of a customer. A review gate checks written acceptance criteria. Vibe-checking is not a gate. Match the gate to blast radius: - Automated check for mechanical properties (links, banned terms, schema) - Spot-check for medium-consequence volume - Full read for irreversible or customer-facing work, by someone who did not produce the draft A gate that exists on the board and never actually reads is review theatre . That is worse than no gate, because the team thinks it is safe. Update A review that changes nothing is a review you ran for the file. Feed findings back up a ladder: 1. the prompt 2. the examples 3. the tool config 4. the SOP or playbook 5. the charter Fix it at the prompt the first time. The third time the same class of defect appears, stop patching. The prompt is where the problem shows, not where it lives. Sync Shared state beats status meetings. One surface. Four status words: queued, running, blocked, in review. One short ritual that asks what shipped, what the gate caught, and what you are changing because of it. If the surface is not the place decisions land, people stop reading it. Then it rots. That is sync debt . Install the triangle, not the binder Do not roll out six skills in a week. That produces a document nobody follows. The ninety-day triangle from the book: - Days 1 to 30. Charter every role, starting with the one whose mistakes cost the most rework. - Days 31 to 60. Install one review gate where shipping wrong hurts most. - Days 61 to 90. Keep one weekly sync ritual, about fifteen minutes, backed by a surface. Handoff, Orchestrate, and Update arrive because the triangle demands them. Chartered roles need packets. A second gate forces you to map the flow. A ritual has nothing to discuss unless findings feed back. Announce nothing. Install one thing. Five ways this fails, and which skill repairs each Multi-agent teams fail in a small, predictable set: Failure Tell Repair --- --- --- Shadow agents Output no chartered role produced Charter Context rot Plausible answers about a world that no longer exists Handoff Duplicate orchestration Two workers, one task, no merge Orchestrate Review theatre Near-100% approval; the reviewer cannot say what they checked Review Sync debt Decisions live in chat; the surface is a lie Sync Diagnose your top two. Repair those. The rest shrink because the failures feed each other. Where this sits next to SENSE and STACK Different layer. Same seriousness. - AI Agents for Startup Strategy (SENSE) decides where to deploy agent systems and where the judgment boundary sits. Concept note: the SENSE introduction. - The Agentic Codebase (STACK) hardens the repository those agents live in. Concept note: the STACK introduction. - The Multi-Agent Organization (CHORUS) is the daily team protocol that runs the roster on a Tuesday. SENSE without CHORUS deploys workers into a coordination vacuum. STACK without CHORUS versions the repo while the team still coordinates in hope. CHORUS without either still runs. The protocol fits in a README. The named step lists live on the book pages and on the standalone CHORUS, STACK, and SENSE pages. Who this book is for - the founder of a 2-to-15-person team with more agent roles than written contracts - the lead whose last customer-facing miss was unreviewed model output - the senior IC running a solo stack who keeps re-explaining the same brief - the operator who already chose what to deploy and now needs how the team runs Skip it if you want a vendor tour or a prompt pack. Buy the edition your team will actually use Open the book page → English editions (Amazon.com) Format Link --- --- Kindle Buy English Kindle Paperback Buy English paperback Hardcover Buy English hardcover Dutch editions (Amazon.nl) Format Link --- --- Kindle Koop Nederlandse Kindle Paperback Koop Nederlandse paperback Hardcover Koop Nederlandse hardcover Dutch catalogue page: boeken/multi-agent-organization. Close the loop You already run a multi-agent organization. The chart just has not admitted it. Charter before run. Handoff after charter. Review before ship. Write the protocol. Then rent the tools.","keyTakeaways":["Agent failure is often a coordination gap: capability arrived in an afternoon, and the protocol never did.","CHORUS is organizational protocol (charters, packets, gates, loops), not a CrewAI, swarm, or graph demo.","Same seven-field charter for humans and agents. Same six-field packet at every boundary. Review before ship.","Install a ninety-day triangle first: charter every role, one real review gate, one weekly sync ritual."],"readingMinutes":8,"publishedAt":"2026-08-15T16:00:00.000Z"},"nl":{"label":"De multi-agent organisatie: sluit de coördinatiekloof met CHORUS","summary":"De multi-agent organisatie is een operatorgids voor teams van 2 tot 15 personen die al menselijke operators en gespecialiseerde AI-agenten mixen. Het installeert CHORUS, een coördinatieprotocol met zes vaardigheden: Charter, Handoff, Orchestrate, Review, Update, Sync. Het boek behandelt agenten als medewerkers met contracten, niet als chatdemo of vendor-runtime, en het draait in de tools die je al gebruikt.","url":"/nl/blog/de-multi-agent-organisatie-introductie/","searchText":"De multi-agent organisatie: sluit de coördinatiekloof met CHORUS Kleine teams voegden sneller AI-agenten toe dan coördinatie. De multi-agent organisatie installeert CHORUS: Charter, Handoff, Orchestrate, Review, Update, Sync. Een operationeel protocol, geen swarm-demo. Tools slaan status op. Protocollen beslissen. CHORUS is de operationele laag tussen het simpelweg hebben van agenten en het draaien als één team. De multi-agent organisatie is een operatorgids voor teams van 2 tot 15 personen die al menselijke operators en gespecialiseerde AI-agenten mixen. Het installeert CHORUS, een coördinatieprotocol met zes vaardigheden: Charter, Handoff, Orchestrate, Review, Update, Sync. Het boek behandelt agenten als medewerkers met contracten, niet als chatdemo of vendor-runtime, en het draait in de tools die je al gebruikt. multi-agent organisatie CHORUS protocol Agentfalen is vaak een coördinatiekloof: de capaciteit arriveerde in een middag, maar het protocol bleef achter. CHORUS is een organisatorisch protocol (charters, packets, gates, loops), geen CrewAI-, swarm- of graph-demo. Hetzelfde charter van zeven velden voor mensen en agenten. Hetzelfde packet van zes velden bij elke overdracht. Review vóórdat je verzendt. Installeer eerst een negentig-dagen-driehoek: charter elke rol, zet één echte reviewpoort neer en houd één wekelijks sync-ritueel. ai-agents chorus multi-agent-organization CHORUS Coördinatieprotocol van zes vaardigheden: Charter, Handoff, Orchestrate, Review, Update, Sync. Agent worker Een gespecialiseerd AI-proces met een afgebakende rol. Geen generieke chat-assistent en geen werknemer. Human operator De verantwoordelijke persoon die werk chartert, output reviewt en de uitkomst bezit. Role charter Een contract met zeven velden (doel, inputs, outputs, bevoegdheidsplafond, succescriteria, review-vereiste, escalatie) dat voor mensen en agenten geldt. Context packet Een overdrachtsartefact met zes velden: doel, randvoorwaarden, inputs, herkomst, acceptatiecriteria, deadline. Review gate Een controlepunt waar output uitsluitend passeert tegen geschreven acceptatiecriteria, niet op basis van een vibe check. Je voegde sneller agenten toe dan een protocol Capaciteit arriveert in een middag. Coördinatie vrijwel nooit. Een research-agent maakt een opzet. Een copy-agent schrijft. Een support-agent beantwoordt vragen. Een tweede mens, die de eerste run niet zag, trapt dezelfde agent nogmaals aan. Drie versies circuleren. Niemand kan met zekerheid zeggen welke er daadwerkelijk is verzonden. Dat is in de eerste plaats geen modelprobleem. Dat is een coördinatiekloof . De multi-agent organisatie benoemt die kloof en installeert het protocol om hem te dichten. Het organogram is de verkeerde kaart Een organogram toont rapportagelijnen. Wie legt verantwoording af aan wie. Nuttig voor aansprakelijkheid. Waardeloos voor het pad dat een oplevering daadwerkelijk aflegt. Werklijnen zijn wezenlijk anders. De research-agent voedt de copy-agent, die voedt een menselijke reviewer, die voedt de docs-agent, die voedt de support-drafter. Het organogram laat niet zien welke briefing actueel is, waar goedkeuring plaatsvindt of waar een bronbestand stagneert. Mensen vullen die chaos soms aan. Ze vangen iets op. Ze stellen vragen. Ze merken op dat twee collega's exact dezelfde taak uitvoeren. Agent-medewerkers doen niets van dat alles. Ze voeren een taak uit en stoppen. Elk coördinerend instinct dat een mens gratis levert, verandert in een gat dat je bewust moet vullen. Rapportagelijnen vertellen je wie eindverantwoordelijk is. Werklijnen vertellen je hoe het werk stroomt. Slechts één van die kaarten leidt je daadwerkelijk naar het eindproduct. Wat een multi-agent organisatie werkelijk is Een multi-agent organisatie is een team van menselijke operators en gespecialiseerde agenten die via gecoördineerd werk gedeelde doelen najagen. Dat is de volledige definitie. Geen lab-experiment. Geen sciencefiction-premisse. Als een paar mensen en een handvol agenten vandaag al teksten opstellen, onderzoek doen, e-mails beantwoorden en data ophalen, dan stuur je er al een aan. De enige open vraag is of je dat bewust doet. Twee termen houden de ruggengraat recht: - Een human operator definieert het werk, reviewt de output en is eigenaar van de uitkomst. Verantwoordelijkheid schuift niet door naar een tool. - Een agent worker is een gespecialiseerd proces met begrensde bevoegdheid. Het bekleedt een rol, geen positie. Het voert een taak uit, geen eigenaarschap. \"De agent heeft het beantwoord\" beschrijft hooguit hoe verantwoordelijkheid zoekraakte, niet wat er feitelijk is gebeurd. Zodra je de bezetting accepteert die je al hebt, stop je met het uitsluitend optimaliseren van mensen (aannemen, trainen, aansturen). Je start met het optimaliseren van de naden: wie is gecharterd, hoe vindt werkoverdracht plaats, waar wordt het gereviewd en hoe behoudt het team één gezamenlijk beeld van de realiteit. Dit is geen swarm-demo Een CrewAI-crew, een LangGraph-graph of een swarm-notebook is een runtime . Modellen roepen tools aan. Berichten passeren. Loops draaien. Dat kan enorm waardevol zijn. Het is geen organisatie. Een organisatie eist antwoorden die de runtime niet voor je bedenkt: - wie mag geld uitgeven of een klant aanspreken - welke briefing is de actuele - wat \"goedgekeurd\" precies betekent - wie verantwoordelijk is voor een onjuist antwoord - hoe het defect van vorige week het charter van volgende week aanpast Je kunt CHORUS implementeren met die runtimes. Je kunt het evengoed implementeren met een gedeeld document en een takenbord. Dat maakt het protocol niets uit. Een nieuw orkestratieproduct inkopen in de hoop dat het proces vanzelf meekomt, is simpelweg de dure variant van dezelfde fout. Tools slaan status op. Ze houden met alle plezier drie tegenstrijdige versies van je landingspagina-copy vast in drie keurige kaarten. Goedkeuring is een besluit dat je team zelf moet opschrijven. Eerst het protocol. Dan de tools. Elke keer weer. Als je coördinatie een migratie naar een andere tool niet overleeft, heb je geen protocol. Dan heb je een gijzelingssituatie. CHORUS: zes vaardigheden, één loop CHORUS is het coördinatieprotocol. Zes vaardigheden. Elk daarvan dicht een specifieke naad. De naam staat voor een methode, niet voor een product. Als je software onder deze noemer verkocht hebt zien worden, is dit iets anders. Wat Review ontdekt, schrijft Update terug in de charters, en Sync maakt het inzichtelijk. Het protocol verbetert zichzelf terwijl het draait. Charter Definieer de rol voordat je deze draait. Hetzelfde contract met zeven velden voor zowel een mens als een agent: 1. Purpose. Waarom de rol bestaat, omschreven als een uitkomst, niet als een activiteit. 2. Inputs. Wat er moet arriveren, en in welke vorm, voordat het werk start. 3. Outputs. Het format en de structuur die iemand kan controleren. 4. Authority ceiling. Wat de rol mag doen zonder te vragen, en wat strikt verboden is. 5. Success criteria. Harde checks, geen gevoelens. 6. Review requirement. Wie controleert, tegen welke criteria, voorafgaand aan stroomafwaarts gebruik. 7. Escalation. Waar de rol stopt en een hand opsteekt. Een medewerker zonder charter improviseert. Improvisatie is exact de manier waarop prijsteksten per ongeluk worden verzonnen. Het template verschilt niet tussen een human operator en een agent worker. De volledigheid wél. Een mens merkt soms een onuitgesproken aanname op en stelt een vraag. Een agent doet dat niet. Het charter voor een agent moet dus completer zijn, niet korter. Het is het enige beoordelingsvermogen dat de agent bezit. Handoff Een charter is het doorlopende contract. Een handoff is de specifieke werkorder. Context sterft bij de grenzen. De ontvanger reconstrueert wat de zender wist, of, vaker nog, bedenkt een plausibel alternatief. Mensen vragen door. Agenten substitueren. De output arriveert en oogt compleet tegen een context die je nooit hebt verstrekt. Draag een context packet over met zes velden: 1. Goal. Hoe 'klaar' eruitziet. 2. Constraints. Lengte, toon, scope, wat absoluut te vermijden. 3. Inputs. Exacte artefacten, waarbij het huidige als actueel is gemarkeerd. 4. Provenance. Wie of wat die inputs produceerde, en op basis waarvan. 5. Acceptance criteria. De afvinklijst die de volgende reviewer zelfstandig kan controleren. 6. Deadline. Wanneer, en wat ervan afhangt. \"Je weet wel welke\" is geen overdracht. \"Het staat in de draad\" is archeologie, geen werkopdracht. Orchestrate Parallel werk vereist routing, geen hoop. Teken de flow uit: - Serial waar stap B de output van stap A nodig heeft - Parallel waar dat niet zo is - Fan-out om onafhankelijke takken te splitsen - Fan-in om ze samen te voegen tot één coherent artefact - Escalation naar een mens bij lage zekerheid, onomkeerbare acties, of als de policy ontbreekt Fan-in is synthese, geen mapje. Als twee takken elkaar tegenspreken en je ze plat samenvoegt, stuur je de contradictie rechtstreeks door naar de klant. Vijf symbolen zijn genoeg voor het schema: box, pijl, split, merge, gate. Markeer een poort met E om te stoppen en te beslissen, en R om te stoppen en te controleren. Als je de flow niet op één pagina kunt uittekenen, bewaar je hem nog steeds in één hoofd. Dat schaalt niet voorbij een rustige werkweek. Review Niet-gecontroleerde agent-output is technical debt. Het ziet er afgerond uit. De rekening volgt later, meestal vol in het zicht van een klant. Een review gate toetst geschreven acceptatiecriteria. Een vibe check is geen poort. Stem de controle af op de impact: - Automated check voor mechanische eigenschappen (links, verboden termen, structuur) - Spot-check voor middelgrote risico's op volume - Full read voor onomkeerbaar of klantgericht werk, uitgevoerd door iemand die niet de maker van de draft is Een poort die wel op het bord staat maar nooit echt leest, is review theatre . Dat is gevaarlijker dan geen poort, omdat het team ten onrechte denkt dat de boel veilig is. Update Een review die niets verandert, is een review die je puur voor het dossier draaide. Voer bevindingen terug omhoog via een vaste ladder: 1. de prompt 2. de voorbeelden 3. de toolconfiguratie 4. de SOP of het draaiboek 5. het charter Los het de eerste keer op bij de prompt. Zodra dezelfde foutklasse voor de derde keer opduikt, stop je met het oplappen van symptomen. De prompt is waar het probleem zichtbaar wordt, niet waar het leeft. Sync Gedeelde status verslaat statusoverleggen. Eén oppervlak. Vier statussen: queued, running, blocked, in review. Eén kort ritueel dat vraagt wat er is verzonden, wat de poort heeft tegengehouden, en wat je daardoor gaat aanpassen. Als het oppervlak niet de plek is waar beslissingen landen, stopt men met lezen. Dan rot het weg. Dat is sync debt . Installeer de driehoek, niet de ordner Rol geen zes vaardigheden uit in één week. Dat levert enkel een document op dat niemand volgt. De negentig-dagen-driehoek uit het boek: - Dag 1 tot 30. Charter elke rol, startend met de rol wiens fouten het meeste herstelwerk kosten. - Dag 31 tot 60. Installeer één review gate op de plek waar een foute zending de meeste pijn doet. - Dag 61 tot 90. Houd één wekelijkse sync, zo'n vijftien minuten, ondersteund door één overzicht. Handoff, Orchestrate en Update volgen vanzelf omdat de driehoek erom vraagt. Gecharterde rollen vereisen overdrachtspakketten. Een tweede poort dwingt je de flow uit te tekenen. Een ritueel heeft niets te bespreken tenzij bevindingen worden teruggekoppeld. Kondig niets aan. Installeer simpelweg één ding. Vijf manieren waarop dit faalt, en welke vaardigheid het repareert Multi-agentteams falen volgens een kleine, voorspelbare set: Falen Signaal Reparatie --- --- --- Shadow agents Output die geen gecharterde rol produceerde Charter Context rot Plausibele antwoorden over een wereld die niet meer bestaat Handoff Duplicate orchestration Twee werkers, één taak, geen samenvoeging Orchestrate Review theatre Vrijwel 100% goedkeuring; de reviewer weet niet wat hij checkt Review Sync debt Beslissingen leven in chat; het overzicht is een leugen Sync Diagnosticeer je top twee. Repareer die. De rest krimpt vanzelf mee omdat deze faalmodi elkaar voeden. Waar dit staat naast SENSE en STACK Andere laag. Zelfde ernst. - AI-agenten voor startupstrategie (SENSE) beslist waar je agent-systemen inzet en waar de beoordelingsgrens ligt. Conceptartikel: de SENSE-introductie. - De agentische codebase (STACK) hardent de repository waarin die agenten leven. Conceptartikel: de STACK-introductie. - De multi-agent organisatie (CHORUS) is het dagelijkse teamprotocol dat de bezetting daadwerkelijk draait. SENSE zonder CHORUS zet medewerkers in een coördinatievacuüm. STACK zonder CHORUS versioneert de repo terwijl het team coördineert op basis van hoop. CHORUS zonder die twee draait nog steeds. Het protocol past in een README. De benoemde stap-voor-stap lijsten staan op de boekenpagina's en op de op zichzelf staande CHORUS-, STACK- en SENSE-pagina's. Voor wie dit boek is - de founder van een team van 2 tot 15 personen met meer agent-rollen dan geschreven contracten - de lead wiens laatste klantgerichte fout ongecontroleerde modeloutput was - de senior IC die een solo-stack draait en steeds dezelfde briefing moet uitleggen - de operator die al besloot wat in te zetten en nu het protocol zoekt voor hoe het team draait Sla het over als je een rondleiding langs vendors of een bundel prompts zoekt. Koop de editie die je team daadwerkelijk gebruikt Open de boekenpagina → Nederlandse edities (Amazon.nl) Uitvoering Link --- --- Kindle Koop Nederlandse Kindle Paperback Koop Nederlandse paperback Hardcover Koop Nederlandse hardcover Engelse edities (Amazon.com) Uitvoering Link --- --- Kindle Koop Engelse Kindle Paperback Koop Engelse paperback Hardcover Koop Engelse hardcover Nederlandse cataloguspagina: boeken/multi-agent-organization. Sluit de loop Je stuurt nu al een multi-agent organisatie aan. Het organogram heeft dat alleen nog niet toegegeven. Charter voordat je start. Handoff na het charter. Review vóórdat je verzendt. Schrijf het protocol. Huur pas daarna de tools.","keyTakeaways":["Agentfalen is vaak een coördinatiekloof: de capaciteit arriveerde in een middag, maar het protocol bleef achter.","CHORUS is een organisatorisch protocol (charters, packets, gates, loops), geen CrewAI-, swarm- of graph-demo.","Hetzelfde charter van zeven velden voor mensen en agenten. Hetzelfde packet van zes velden bij elke overdracht. Review vóórdat je verzendt.","Installeer eerst een negentig-dagen-driehoek: charter elke rol, zet één echte reviewpoort neer en houd één wekelijks sync-ritueel."],"readingMinutes":9,"publishedAt":"2026-08-15T16:05:00.000Z"}},"degree":18},{"id":"article:three-answer-engines-three-doors","type":"article","pillar":"seo-geo-aeo","locales":{"en":{"label":"ChatGPT, Perplexity, Google AI Overviews: three engines, three doors to your page","summary":"ChatGPT search, Perplexity and Google's AI Overviews each reach your page through a different door. ChatGPT search needs OpenAI's OAI-SearchBot crawler to be allowed. Perplexity needs PerplexityBot. Google's AI Overviews and AI Mode draw on the ordinary Google Search index, so they need Googlebot, indexing and snippet eligibility, with Search Console's generative AI setting left on include. Opening one door does nothing for the others, and none of the three publishes how it picks the sources it cites.","url":"/en/blog/three-answer-engines-three-doors/","searchText":"ChatGPT, Perplexity, Google AI Overviews: three engines, three doors to your page ChatGPT search, Perplexity and Google AI Overviews reach your page through different crawlers and switches. A table from official docs and a 15-minute check. Opening one door does nothing for the other two. ChatGPT search, Perplexity and Google's AI Overviews each reach your page through a different door. ChatGPT search needs OpenAI's OAI-SearchBot crawler to be allowed. Perplexity needs PerplexityBot. Google's AI Overviews and AI Mode draw on the ordinary Google Search index, so they need Googlebot, indexing and snippet eligibility, with Search Console's generative AI setting left on include. Opening one door does nothing for the others, and none of the three publishes how it picks the sources it cites. ChatGPT Perplexity Google AI Overviews crawler access ChatGPT search is controlled by OAI-SearchBot, Perplexity by PerplexityBot, and Google's AI Overviews and AI Mode by Googlebot plus Google's snippet rules. Training switches are separate doors. GPTBot and Google-Extended do not decide whether you appear in ChatGPT search or in Google Search. The fetchers that act when a person asks play by other rules: OpenAI says robots.txt may not apply to ChatGPT-User, and Perplexity says Perplexity-User generally ignores it. No vendor publishes a formula for choosing citations. OpenAI's own help page says placement is not guaranteed. geo aeo answer engine A service that writes an answer to a question and names sources, instead of only showing a list of links. crawler A program a search or AI company sends to fetch and read web pages. robots.txt A text file at the root of a site that tells crawlers, by name, which paths they may fetch. index The stored copy of web pages that a search engine looks things up in. ChatGPT search, Perplexity and Google's AI Overviews each reach your page through a different door, and each door has its own key. ChatGPT search needs OpenAI's search crawler, OAI-SearchBot, to be allowed. Perplexity needs its crawler, PerplexityBot. Google's AI Overviews and AI Mode use the ordinary Google Search index, so they need Googlebot, a page that can be indexed, and permission to show a snippet. Opening one door does nothing for the other two. A few words first, because the rest depends on them. An answer engine is a service that writes an answer to a question and names its sources, instead of only showing a list of links. A crawler is the program a company sends to fetch web pages. robots.txt is the text file at the root of your site that tells crawlers, by name, what they may fetch. An index is the stored copy of pages that a search engine looks things up in. The three doors in one table Everything in this table comes from the vendors' own documentation, read on 24 September 2026. ChatGPT search Perplexity Google AI Overviews and AI Mode --- --- --- --- What feeds the answer Pages crawled by OAI-SearchBot, plus other search providers OpenAI sometimes partners with Pages crawled by PerplexityBot Google's own Search index robots.txt name that controls it OAI-SearchBot PerplexityBot Googlebot Other switches you will meet GPTBot (training), ChatGPT-User (fetches when a person asks) Perplexity-User (fetches when a person asks) Snippet rules, the Search Console generative AI setting, Google-Extended (not a Search switch) What the docs say about links Answers \"may include citations\"; a citation opens its source PerplexityBot exists \"to surface and link websites\" Eligible pages can be shown \"as a supporting link\" How to check your access Look for OAI-SearchBot in your server logs, from the IP ranges OpenAI publishes Look for PerplexityBot in your logs, from Perplexity's published IP ranges URL Inspection in Search Console; the Generative AI performance report How long a change takes About 24 hours after a robots.txt change Up to 24 hours Several days to several months for snippet-control changes The last Google cell comes from its AI features page, which says recrawling \"can take anywhere from several days to several months\" after you change preview controls such as snippet rules. Door one: ChatGPT search OpenAI's publishers FAQ starts from a generous premise: \"Any public website can appear in ChatGPT search.\" Its crawler page says OAI-SearchBot \"is used to surface websites in search results in ChatGPT's search features.\" Sites that block it \"will not be shown in ChatGPT search answers, though can still appear as navigational links.\" OpenAI's help page adds the second half of the key: allow the crawler and confirm that your host or content delivery network (CDN, the service many sites sit behind for speed and filtering) lets through OpenAI's published searchbot IP addresses. Two details matter. First, OpenAI's help page says \"ChatGPT search sometimes partners with other search providers\", rewriting the question into targeted searches, and it links Microsoft's and Shopify's privacy policies in that section. Your own crawl access is one input, not the only one. Second, GPTBot is a different door: it collects content that may be used to train OpenAI's models. Blocking it does not take you out of ChatGPT search. GPTBot vs OAI-SearchBot vs ChatGPT-User goes through all three OpenAI names. Door two: Perplexity Perplexity's crawler page says PerplexityBot \"is designed to surface and link websites in search results on Perplexity. It is not used to crawl content for AI foundation models.\" It recommends allowing the bot in robots.txt and letting through requests from its published IP ranges, and it gives step-by-step firewall settings for Cloudflare and AWS. Its second agent, Perplexity-User, visits a page when a person asks a question and may \"include a link to the page in its response.\" Perplexity says that because a person requested the fetch, it \"generally ignores robots.txt rules.\" So a robots.txt block on Perplexity-User is not a reliable way to keep a page out. If a page must stay private, put it behind a login. Door three: Google AI Overviews and AI Mode Google has no separate AI crawler for these features. Its AI features page says \"robots.txt directives for Googlebot is the control for site owners to manage access to how their sites are crawled for Search.\" To be eligible as a supporting link, \"a page must be indexed and eligible to be shown in Google Search with a snippet\", and Google adds that \"There are no additional technical requirements.\" Three extra switches sit around that door. The snippet rules nosnippet , max-snippet and data-nosnippet , plus the indexing rule noindex , limit what Google may show or use. Search Console has a generative AI setting where include is the default; Google says it had reached all websites by 31 August 2026. And Google-Extended, a robots.txt token for Gemini training and grounding, \"does not impact a site's inclusion in Google Search nor is it used as a ranking signal in Google Search.\" Even with every switch right, you may see nothing. Google says AI Overviews \"often don't trigger\", because they only appear when its systems judge them useful on top of the ordinary results. What does no vendor tell you? How it chooses. OpenAI's help page is the most direct: \"ChatGPT ranks search results using multiple factors intended to help users find relevant, reliable information. Placement is not guaranteed.\" Google says its AI features are rooted in its core Search ranking systems and that indexing and serving are not guaranteed. Perplexity's crawler page says nothing about selection at all. So when someone offers you \"the ChatGPT citation formula\", they are selling a guess. What you can control is covered in How answer engines choose sources, and the page work in How to get cited by ChatGPT. Opening the doors is the part of AEO (answer engine optimization) that you can check with certainty. Four myths and the facts Myth Fact, from the vendor's own page --- --- \"Blocking GPTBot keeps me out of ChatGPT.\" GPTBot is the training crawler. ChatGPT search uses OAI-SearchBot. \"Blocking Google-Extended keeps me out of AI Overviews.\" Google says Google-Extended does not affect inclusion in Google Search. AI Overviews follow Googlebot, snippet rules and the Search Console setting. \"A robots.txt line for Perplexity-User keeps Perplexity away.\" Perplexity says Perplexity-User generally ignores robots.txt, because a person asked. \"If I let all the bots in, I will be cited.\" Access makes you eligible. OpenAI: \"Placement is not guaranteed.\" A worked example (hypothetical) Imagine a Dutch company that sells accounting software. Its hosting company switches on stricter bot protection one spring. Google traffic carries on as normal, and the page on invoicing rules still shows up in AI Overviews, because Googlebot is let through. But the server logs show no OAI-SearchBot or PerplexityBot visits for weeks, only blocked requests. robots.txt allows both bots. The firewall does not. The fix is a rule that lets through the IP ranges OpenAI and Perplexity publish. Nothing about that fix promises a citation. It only puts two of the three doors back on their hinges. The 15-minute access check 1. Minutes 0 to 3. Open https://your-site/robots.txt . Find the groups that name OAI-SearchBot, PerplexityBot and Googlebot, and the User-agent: group. Write down open or closed for each. 2. Minutes 3 to 6. Open your firewall or CDN settings. Look for bot protection, challenge pages or country blocks that could stop the crawlers before they read robots.txt. 3. Minutes 6 to 10. Search the last seven days of server logs for OAI-SearchBot , PerplexityBot and Googlebot . Note the status codes: 200 means served, 403 means refused. Check a few addresses against the IP lists OpenAI and Perplexity publish, because anyone can fake a user-agent name. 4. Minutes 10 to 13. In Search Console, run URL Inspection on your most important page. Then open the generative AI setting and confirm it says include. 5. Minutes 13 to 15. Write three lines: ChatGPT door, Perplexity door, Google door. Each one is open, closed or unknown. If a line says unknown, that is your next job. The book that treats this as one system, The Findability Engine, is in production and not for sale yet. The check above needs no book: a text file, a firewall screen and a log.","keyTakeaways":["ChatGPT search is controlled by OAI-SearchBot, Perplexity by PerplexityBot, and Google's AI Overviews and AI Mode by Googlebot plus Google's snippet rules.","Training switches are separate doors. GPTBot and Google-Extended do not decide whether you appear in ChatGPT search or in Google Search.","The fetchers that act when a person asks play by other rules: OpenAI says robots.txt may not apply to ChatGPT-User, and Perplexity says Perplexity-User generally ignores it.","No vendor publishes a formula for choosing citations. OpenAI's own help page says placement is not guaranteed."],"readingMinutes":7,"publishedAt":"2026-10-08T10:17:00.000Z"},"nl":{"label":"ChatGPT, Perplexity en de AI-overzichten van Google: drie machines, drie deuren naar je pagina","summary":"ChatGPT, Perplexity en de AI-overzichten van Google bereiken je pagina elk via een andere deur. Voor zoeken in ChatGPT moet je de crawler OAI-SearchBot van OpenAI toelaten. Perplexity heeft PerplexityBot nodig. De AI-overzichten en de AI-modus van Google putten uit de gewone zoekindex van Google, dus daar gaat het om Googlebot, indexering en toestemming voor een snippet, met de instelling voor generatieve AI in Search Console op opnemen. Eén deur openen doet niets voor de andere, en geen van de drie publiceert hoe hij de bronnen kiest die hij citeert.","url":"/nl/blog/drie-antwoordmachines-drie-deuren/","searchText":"ChatGPT, Perplexity en de AI-overzichten van Google: drie machines, drie deuren naar je pagina ChatGPT, Perplexity en Googles AI-overzichten bereiken je pagina via eigen crawlers en schakelaars. Eén tabel uit officiële bronnen en een check van 15 minuten. Wie één deur opent, heeft de andere twee nog niet open. ChatGPT, Perplexity en de AI-overzichten van Google bereiken je pagina elk via een andere deur. Voor zoeken in ChatGPT moet je de crawler OAI-SearchBot van OpenAI toelaten. Perplexity heeft PerplexityBot nodig. De AI-overzichten en de AI-modus van Google putten uit de gewone zoekindex van Google, dus daar gaat het om Googlebot, indexering en toestemming voor een snippet, met de instelling voor generatieve AI in Search Console op opnemen. Eén deur openen doet niets voor de andere, en geen van de drie publiceert hoe hij de bronnen kiest die hij citeert. ChatGPT Perplexity AI-overzichten crawlertoegang Zoeken in ChatGPT regel je met OAI-SearchBot, Perplexity met PerplexityBot en de AI-overzichten en AI-modus van Google met Googlebot plus de snippetregels van Google. Trainingsschakelaars zijn aparte deuren. GPTBot en Google-Extended bepalen niet of je in de zoekresultaten van ChatGPT of in Google Zoeken verschijnt. De bots die pagina's ophalen als een mens erom vraagt, volgen andere regels: volgens OpenAI geldt robots.txt mogelijk niet voor ChatGPT-User, en volgens Perplexity negeert Perplexity-User robots.txt meestal. Geen leverancier publiceert een formule voor het kiezen van citaties. OpenAI schrijft zelf dat een plek niet gegarandeerd is. geo aeo antwoordmachine Een dienst die een antwoord op een vraag schrijft en daarbij bronnen noemt, in plaats van alleen een lijst links te tonen. crawler Een programma waarmee een zoek- of AI-bedrijf webpagina's ophaalt en leest. robots.txt Een tekstbestand in de hoofdmap van een site dat crawlers bij naam vertelt welke paden ze mogen ophalen. index De opgeslagen kopie van webpagina's waarin een zoekmachine dingen opzoekt. ChatGPT, Perplexity en de AI-overzichten van Google (AI Overviews) bereiken je pagina elk via een andere deur, en elke deur heeft een eigen sleutel. Voor zoeken in ChatGPT moet je de zoekcrawler van OpenAI, OAI-SearchBot, toelaten. Perplexity heeft zijn crawler PerplexityBot nodig. De AI-overzichten en de AI-modus van Google gebruiken de gewone zoekindex van Google. Daar gaat het dus om Googlebot, een pagina die geïndexeerd kan worden en toestemming voor een snippet. Wie één deur opent, heeft de andere twee nog niet open. Eerst een paar begrippen, want de rest bouwt erop voort. Een antwoordmachine is een dienst die een antwoord op een vraag schrijft en daarbij bronnen noemt, in plaats van alleen een lijst links te tonen. Een crawler is het programma waarmee een bedrijf webpagina's ophaalt. robots.txt is het tekstbestand in de hoofdmap van je site dat crawlers bij naam vertelt wat ze mogen ophalen. Een index is de opgeslagen kopie van pagina's waarin een zoekmachine dingen opzoekt. De drie deuren in één tabel Alles in deze tabel komt uit de eigen documentatie van de leveranciers, gelezen op 24 september 2026. ChatGPT Perplexity AI-overzichten en AI-modus van Google --- --- --- --- Waar het antwoord uit put Pagina's die OAI-SearchBot ophaalde, plus andere zoekaanbieders waarmee OpenAI soms samenwerkt Pagina's die PerplexityBot ophaalde De eigen zoekindex van Google Naam in robots.txt die de deur regelt OAI-SearchBot PerplexityBot Googlebot Andere schakelaars die je tegenkomt GPTBot (training), ChatGPT-User (haalt op als een mens erom vraagt) Perplexity-User (haalt op als een mens erom vraagt) Snippetregels, de instelling voor generatieve AI in Search Console, Google-Extended (geen schakelaar voor Zoeken) Wat de documentatie over links zegt Antwoorden kunnen citaties bevatten; een citatie opent de bron PerplexityBot bestaat om websites te tonen en ernaar te linken Geschikte pagina's kunnen verschijnen als ondersteunende link Hoe je je toegang controleert Zoek in je serverlogs naar verzoeken van OAI-SearchBot vanaf de IP-reeksen die OpenAI publiceert Zoek in je logs naar verzoeken van PerplexityBot vanaf de gepubliceerde IP-reeksen van Perplexity URL-inspectie in Search Console; het prestatierapport over generatieve AI Hoe lang een wijziging duurt Ongeveer 24 uur na een wijziging in robots.txt Hooguit 24 uur Enkele dagen tot enkele maanden bij gewijzigde snippetregels Die laatste cel voor Google komt van de pagina over AI-functies: opnieuw crawlen kan volgens Google enkele dagen tot enkele maanden duren nadat je weergave-instellingen zoals snippetregels hebt gewijzigd. Deur één: ChatGPT De FAQ van OpenAI voor uitgevers begint ruimhartig: \"Any public website can appear in ChatGPT search.\" Elke openbare website kan dus in de zoekresultaten van ChatGPT verschijnen. Volgens de crawlerpagina van OpenAI gebruikt ChatGPT OAI-SearchBot om websites in zijn zoekfuncties te tonen. Sites die hem blokkeren, verschijnen niet in zoekantwoorden van ChatGPT, al kunnen ze nog als navigatielink opduiken. De helppagina voegt de tweede helft van de sleutel toe: laat de crawler toe en controleer of je hostingpartij of CDN (content delivery network, de dienst waar veel sites achter staan voor snelheid en filtering) de gepubliceerde IP-adressen van de zoekbot van OpenAI doorlaat. Let op twee details. Ten eerste schrijft OpenAI dat ChatGPT soms samenwerkt met andere zoekaanbieders en de vraag dan omzet in gerichte zoekopdrachten. In dat deel van de helppagina staan links naar de privacyverklaringen van Microsoft en Shopify. Je eigen crawltoegang is dus één ingang, niet de enige. Ten tweede is GPTBot een andere deur: die bot verzamelt content die gebruikt kan worden om de modellen van OpenAI te trainen. Hem blokkeren haalt je niet uit de zoekresultaten van ChatGPT. GPTBot versus OAI-SearchBot versus ChatGPT-User loopt alle drie de namen van OpenAI door. Deur twee: Perplexity Volgens de crawlerpagina van Perplexity is PerplexityBot bedoeld om websites te tonen en ernaar te linken in de zoekresultaten van Perplexity, en wordt hij niet gebruikt om content voor AI-basismodellen te verzamelen. Perplexity raadt aan om de bot in robots.txt toe te laten en verzoeken vanaf de gepubliceerde IP-reeksen door te laten. Voor Cloudflare en AWS staan er stapsgewijze instructies voor de firewall bij. De tweede bot, Perplexity-User, bezoekt een pagina als iemand een vraag stelt, en kan een link naar die pagina in het antwoord opnemen. Omdat een mens om het ophalen vroeg, negeert Perplexity-User robots.txt volgens Perplexity over het algemeen. Een blokkade voor Perplexity-User in robots.txt is dus geen betrouwbare manier om een pagina af te schermen. Moet een pagina echt privé blijven, zet die dan achter een login. Deur drie: de AI-overzichten en de AI-modus van Google Google heeft voor deze functies geen aparte AI-crawler. Op de pagina over AI-functies schrijft Google dat de regels in robots.txt voor Googlebot dé knop zijn waarmee je bepaalt hoe je site voor Zoeken wordt gecrawld. Om als ondersteunende link in aanmerking te komen, moet een pagina geïndexeerd zijn en met een snippet in Google Zoeken kunnen verschijnen. Extra technische eisen zijn er volgens Google niet. Rond die deur zitten drie extra schakelaars. De snippetregels nosnippet , max-snippet en data-nosnippet , plus de indexeringsregel noindex , beperken wat Google mag tonen of gebruiken. Search Console heeft een instelling voor generatieve AI waarbij opnemen de standaard is; die instelling is volgens Google per 31 augustus 2026 voor alle websites beschikbaar. En Google-Extended, een robots.txt-token voor training en grounding van Gemini, heeft volgens Google geen invloed op opname in Google Zoeken en is geen rankingsignaal. Ook als alles goed staat, zie je misschien niets. Google zegt dat AI-overzichten vaak niet verschijnen, omdat ze alleen worden getoond als het systeem ze een nuttige aanvulling op de gewone resultaten vindt. Wat vertelt geen enkele leverancier? Hoe hij kiest. De helppagina van OpenAI is het meest direct: ChatGPT rangschikt zoekresultaten op basis van meerdere factoren die gebruikers moeten helpen relevante, betrouwbare informatie te vinden, en \"Placement is not guaranteed.\" Een plek is dus niet gegarandeerd. Google zegt dat zijn AI-functies wortelen in de kernsystemen voor ranking van Zoeken, en dat indexering en vertoning niet gegarandeerd zijn. De crawlerpagina van Perplexity zegt helemaal niets over selectie. Wie je \"de citatieformule van ChatGPT\" aanbiedt, verkoopt dus een gok. Wat je wel in de hand hebt, staat in Hoe zoek- en antwoordmachines bronnen kiezen, en het werk aan de pagina zelf in Hoe je geciteerd wordt door ChatGPT. De deuren openzetten is het deel van AEO (answer engine optimization) dat je met zekerheid kunt controleren. Vier mythes en de feiten Mythe Feit, volgens de eigen pagina van de leverancier --- --- \"Als ik GPTBot blokkeer, kom ik niet in ChatGPT.\" GPTBot is de trainingscrawler. Zoeken in ChatGPT loopt via OAI-SearchBot. \"Als ik Google-Extended blokkeer, kom ik niet in de AI-overzichten.\" Google-Extended heeft volgens Google geen invloed op opname in Google Zoeken. De AI-overzichten volgen Googlebot, de snippetregels en de instelling in Search Console. \"Een regel voor Perplexity-User in robots.txt houdt Perplexity weg.\" Volgens Perplexity negeert Perplexity-User robots.txt meestal, omdat een mens erom vroeg. \"Als ik alle bots binnenlaat, word ik geciteerd.\" Toegang maakt je geschikt. OpenAI: \"Placement is not guaranteed.\" Een voorbeeld (hypothetisch) Stel je een Nederlands bedrijf voor dat boekhoudsoftware verkoopt. Op een voorjaarsdag zet de hostingpartij een strengere botbeveiliging aan. Het verkeer uit Google loopt gewoon door, en de pagina over factuureisen blijft in de AI-overzichten verschijnen, want Googlebot komt er nog in. Maar de serverlogs tonen wekenlang geen bezoek van OAI-SearchBot of PerplexityBot, alleen geweigerde verzoeken. robots.txt laat beide bots toe. De firewall niet. De oplossing is een regel die de IP-reeksen doorlaat die OpenAI en Perplexity publiceren. Een citatie is daarmee niet beloofd. Twee van de drie deuren hangen alleen weer in hun scharnieren. De toegangscheck van vijftien minuten 1. Minuut 0 tot 3. Open https://jouw-site/robots.txt . Zoek de groepen voor OAI-SearchBot, PerplexityBot en Googlebot, en de groep User-agent: . Noteer per bot open of dicht. 2. Minuut 3 tot 6. Open de instellingen van je firewall of CDN. Zoek naar botbeveiliging, controlepagina's of landenblokkades die de crawlers kunnen tegenhouden voordat ze robots.txt lezen. 3. Minuut 6 tot 10. Doorzoek de serverlogs van de afgelopen zeven dagen op OAI-SearchBot , PerplexityBot en Googlebot . Noteer de statuscodes: 200 betekent geleverd, 403 betekent geweigerd. Vergelijk een paar adressen met de IP-lijsten die OpenAI en Perplexity publiceren, want iedereen kan de naam van een bot nadoen. 4. Minuut 10 tot 13. Doe in Search Console een URL-inspectie op je belangrijkste pagina. Open daarna de instelling voor generatieve AI en controleer of die op opnemen staat. 5. Minuut 13 tot 15. Schrijf drie regels: deur ChatGPT, deur Perplexity, deur Google. Zet achter elke regel: open, dicht of onbekend. Staat er ergens onbekend, dan weet je wat je volgende klus is. Het boek dat dit als één systeem behandelt, The findability engine, is in productie en nog niet te koop. Voor de check hierboven heb je geen boek nodig, alleen een tekstbestand, een firewallscherm en een logbestand.","keyTakeaways":["Zoeken in ChatGPT regel je met OAI-SearchBot, Perplexity met PerplexityBot en de AI-overzichten en AI-modus van Google met Googlebot plus de snippetregels van Google.","Trainingsschakelaars zijn aparte deuren. GPTBot en Google-Extended bepalen niet of je in de zoekresultaten van ChatGPT of in Google Zoeken verschijnt.","De bots die pagina's ophalen als een mens erom vraagt, volgen andere regels: volgens OpenAI geldt robots.txt mogelijk niet voor ChatGPT-User, en volgens Perplexity negeert Perplexity-User robots.txt meestal.","Geen leverancier publiceert een formule voor het kiezen van citaties. OpenAI schrijft zelf dat een plek niet gegarandeerd is."],"readingMinutes":7,"publishedAt":"2026-10-08T10:17:00.000Z"}},"degree":6},{"id":"article:trace-vs-rag","type":"article","pillar":"ai-systems","locales":{"en":{"label":"TRACE vs RAG: one fetches the text, the other checks what it proves","summary":"RAG (retrieval-augmented generation) is a software design: before an AI model answers, it fetches passages from a document collection and writes from them. TRACE is a research method from The Verified Research Loop: Target, Retrieve, Assess, Cross-check, Export. RAG answers the question 'which text did the model use?' TRACE answers 'what does the evidence prove, and may we act on it?' RAG can feed TRACE's Retrieve step. Neither one proves a conclusion true on its own.","url":"/en/blog/trace-vs-rag/","searchText":"TRACE vs RAG: one fetches the text, the other checks what it proves RAG is software that fetches text for an AI answer. TRACE is a research method that checks what sources prove before a decision. How they differ and fit. An answer can quote the right document and still draw the wrong conclusion. RAG (retrieval-augmented generation) is a software design: before an AI model answers, it fetches passages from a document collection and writes from them. TRACE is a research method from The Verified Research Loop: Target, Retrieve, Assess, Cross-check, Export. RAG answers the question 'which text did the model use?' TRACE answers 'what does the evidence prove, and may we act on it?' RAG can feed TRACE's Retrieve step. Neither one proves a conclusion true on its own. TRACE versus RAG RAG is a software design for AI answers. TRACE is a research method for decisions. RAG gets a passage into the answer. TRACE asks what that passage can prove. A correct citation can sit under a conclusion that is broader than its source. GRAIN is the checklist for building RAG. TRACE is the checklist for the claim. When an answer fails, name where it failed first: the passage, the answer, or the decision. agent-ops RAG Retrieval-augmented generation: an AI system first searches a document collection, then writes its answer from the passages it found. TRACE A five-step research method from The Verified Research Loop: Target, Retrieve, Assess, Cross-check, Export. GRAIN A five-step framework for building and debugging RAG systems, from The RAG Engineer: Gather corpora, Rank and rerank, Assemble context, Inspect failures, Navigate freshness. Grounding Whether a generated sentence is actually supported by the passages the model was given. RAG and TRACE solve different problems. RAG is a software design that fetches text for an AI model before it answers. TRACE is a research method that checks what the sources prove before someone acts. RAG works inside a product, on every question. TRACE works around one decision. You can use them together, and most of the confusion comes from assuming one does the other's job. What is RAG, in plain words? RAG stands for retrieval-augmented generation. When you ask a question, the system first searches a document collection (a company wiki, a policy library, a folder of contracts), picks the passages that look most relevant, and hands them to a language model, which writes the answer from them. The name comes from a 2020 research paper by Patrick Lewis and colleagues, which paired a text generator with a searchable index of Wikipedia. What is RAG? covers the method in more depth. What is TRACE, in plain words? TRACE is a five-step method for checking research before a decision. It comes from The Verified Research Loop by Len P. van der Hof, available in English and Dutch. You do not need the book to use it. - Target: tie the question to a decision and state the exact claim you need to test. - Retrieve: obtain the actual source documents, not snippets or summaries. - Assess: judge what each source can prove for this claim. Sources get one of four roles (Primary, Secondary, Advocacy, or Grey), and none of the roles is a verdict. - Cross-check: compare the sources claim by claim and trace each one to its origin. Three articles repeating one press release count as one origin. - Export: hand over a dated memo that separates what is supported from what is still open, with an owner for every gap. What is the difference, side by side? RAG TRACE --- --- --- What it is A software design A research method Who runs it A system, automatically, on every question A person (with or without AI help), for one decision Main question Which passages should the model see? What do the sources prove, and may we act on it? Output A generated answer, ideally with citations A claim ledger and a dated decision memo Typical failure Missing, stale, or wrong passage; answer drifts from its passage Claim broader than the evidence; one origin counted as several Done when Each sentence is supported by the passages the model received Every important claim has a status, and every gap has an owner Framework on this site GRAIN TRACE How can the document be right and the conclusion wrong? Here is a hypothetical. An operations team asks its internal assistant: \"What does the incident report say caused Tuesday's outage?\" The RAG system retrieves the current report and answers correctly, quoting the right passage: a timeout at an external payment provider. Retrieval did its job. A week later, someone writes in a planning document: \"This provider causes most of our failed payments.\" The author cites the same answer and proposes switching providers. The citation is real. The passage is accurate. But one incident report cannot tell you what causes most failures. That claim needs a defined period, a count of all failed payments, the cause of each, and a look at evidence that points elsewhere. RAG was never asked that question, so it could not fail it. TRACE is where the broader claim gets tested: 1. Target states the real question: \"Share of failed payments by cause, last 90 days.\" 2. Retrieve collects the payment logs and all incident reports for the period, not only Tuesday's. 3. Assess notes that Tuesday's report is primary evidence for one incident only. 4. Cross-check finds no source for \"most\". 5. Export records the incident finding as supported, the \"most failures\" claim as Unresolved, and puts the switch on HOLD , the TRACE word for \"this action waits until a named person closes the gap or formally accepts the risk\". Which one do I need? - You are building an assistant that answers from your own documents: RAG, built and debugged with GRAIN. - You must decide something from outside sources (a market, a competitor, a regulation, a supplier): TRACE. AI tools, including RAG systems, can help with the Retrieve step. - People act on your RAG assistant's answers: both. RAG gets the right passage into the answer. A TRACE-style check decides whether that answer supports the action. - You have one document and one question: neither. Open the document and read it. When to use RAG covers the cases where building RAG is the wrong job. Where does GRAIN fit? GRAIN is the matching framework on the RAG side. It comes from The RAG Engineer, also available in English and Dutch, and names the five places a retrieval system can break: - Gather corpora: which documents may enter the searchable collection, with their permissions and versions. - Rank and rerank: finding candidate passages, then putting them in order for the actual question. - Assemble context: choosing which passages go to the model, in what order, within its input limit. - Inspect failures: tracing a wrong answer back to the step that caused it. - Navigate freshness: keeping the collection up to date and showing how old an answer could be. What is GRAIN? has more. In one line: GRAIN checks the pipe, TRACE checks the claim. When an answer fails, whose problem is it? Name the broken step before you fix anything. What you see Where it broke Whose job --- --- --- The answer relies on an outdated report The collection was not updated RAG side: Navigate freshness The right report was retrieved, but the answer drops a condition The sentence does not match its passage RAG side: Assemble context and answer checks Several citations all go back to one account The sources share one origin TRACE: Cross-check An unresolved claim is used to justify a decision The decision outran the evidence TRACE: Export, with an owner and HOLD What do people get wrong? - \"Our AI cites its sources, so the answer is verified.\" A citation is a route back to the evidence. Someone still has to check that the passage supports the exact sentence, including its scope and date. What is LLM grounding? explains that check. - \"TRACE needs an AI system.\" It does not. A browser and a spreadsheet are enough. - \"RAG makes the answer true.\" RAG makes the answer depend on specific passages. That is what lets you check it, not a guarantee that it is right. - \"Finishing TRACE proves the conclusion.\" It shows what the evidence supports and where it stops. The book is explicit that TRACE has not been shown to make research more accurate or faster. Try this today (10 minutes) Take one AI answer your team has acted on, or is about to. Write three lines under it: 1. Passage: which text did the answer come from, and can you open it? 2. Sentence: does that text support the sentence exactly, including its scope and date? 3. Decision: does the sentence support the action being proposed? The first \"no\" tells you where to work. Lines 1 and 2 belong to whoever runs the RAG system. Line 3 belongs to whoever owns the decision, and that is where TRACE starts.","keyTakeaways":["RAG is a software design for AI answers. TRACE is a research method for decisions.","RAG gets a passage into the answer. TRACE asks what that passage can prove.","A correct citation can sit under a conclusion that is broader than its source.","GRAIN is the checklist for building RAG. TRACE is the checklist for the claim.","When an answer fails, name where it failed first: the passage, the answer, or the decision."],"readingMinutes":6,"publishedAt":"2026-09-28T07:00:00.000Z"},"nl":{"label":"TRACE versus RAG: de een haalt de tekst op, de ander toetst wat die bewijst","summary":"RAG (retrieval-augmented generation) is een softwareontwerp: voordat een AI-model antwoordt, haalt het passages uit een documentverzameling en schrijft het daarmee het antwoord. TRACE is een onderzoeksmethode uit De geverifieerde research-loop: Target, Retrieve, Assess, Cross-check, Export. RAG beantwoordt de vraag 'welke tekst heeft het model gebruikt?' TRACE beantwoordt 'wat toont het bewijs aan, en mogen we ernaar handelen?' RAG kan de Retrieve-stap van TRACE voeden. Geen van beide bewijst op zichzelf dat een conclusie klopt.","url":"/nl/blog/trace-versus-rag/","searchText":"TRACE versus RAG: de een haalt de tekst op, de ander toetst wat die bewijst RAG is software die tekst ophaalt voor een AI-antwoord. TRACE is een onderzoeksmethode die vóór een besluit toetst wat bronnen bewijzen. Verschil en samenhang. Een antwoord kan het juiste document citeren en toch de verkeerde conclusie trekken. RAG (retrieval-augmented generation) is een softwareontwerp: voordat een AI-model antwoordt, haalt het passages uit een documentverzameling en schrijft het daarmee het antwoord. TRACE is een onderzoeksmethode uit De geverifieerde research-loop: Target, Retrieve, Assess, Cross-check, Export. RAG beantwoordt de vraag 'welke tekst heeft het model gebruikt?' TRACE beantwoordt 'wat toont het bewijs aan, en mogen we ernaar handelen?' RAG kan de Retrieve-stap van TRACE voeden. Geen van beide bewijst op zichzelf dat een conclusie klopt. TRACE versus RAG RAG is een softwareontwerp voor AI-antwoorden. TRACE is een onderzoeksmethode voor besluiten. RAG zorgt dat een passage in het antwoord belandt. TRACE vraagt wat die passage kan bewijzen. Een kloppende bronvermelding kan onder een conclusie staan die breder is dan de bron. GRAIN is de checklist voor het bouwen van RAG. TRACE is de checklist voor de claim. Klopt een antwoord niet, benoem dan eerst waar het misgaat: bij de passage, bij het antwoord of bij het besluit. agent-ops RAG Retrieval-augmented generation: een AI-systeem doorzoekt eerst een documentverzameling en schrijft daarna het antwoord op basis van de gevonden passages. TRACE Een onderzoeksmethode in vijf stappen uit De geverifieerde research-loop: Target, Retrieve, Assess, Cross-check, Export. GRAIN Een framework in vijf stappen om RAG-systemen te bouwen en te debuggen, uit De RAG-engineer: Gather corpora, Rank and rerank, Assemble context, Inspect failures, Navigate freshness. Grounding De vraag of een gegenereerde zin echt wordt gedekt door de passages die het model kreeg. RAG en TRACE lossen verschillende problemen op. RAG is een softwareontwerp dat tekst ophaalt voor een AI-model voordat het antwoordt. TRACE is een onderzoeksmethode die toetst wat de bronnen bewijzen voordat iemand handelt. RAG werkt binnen een product, bij elke vraag. TRACE werkt rond één besluit. Je kunt ze samen gebruiken, en de meeste verwarring ontstaat als je aanneemt dat de een het werk van de ander doet. Wat is RAG, in gewone taal? RAG staat voor retrieval-augmented generation. Stel je een vraag, dan doorzoekt het systeem eerst een documentverzameling (een bedrijfswiki, een beleidsbibliotheek, een map met contracten), kiest het de passages die het meest relevant lijken en geeft het die aan een taalmodel, dat er het antwoord mee schrijft. De naam komt uit een onderzoeksartikel uit 2020 van Patrick Lewis en collega's, dat een tekstgenerator koppelde aan een doorzoekbare index van Wikipedia. Wat is RAG? gaat dieper op de methode in. Wat is TRACE, in gewone taal? TRACE is een methode in vijf stappen om onderzoek te controleren voordat er een besluit valt. De methode komt uit De geverifieerde research-loop van Len P. van der Hof, verkrijgbaar in het Nederlands en het Engels. Je hebt het boek niet nodig om ermee te werken. - Target: koppel de vraag aan een besluit en formuleer de precieze claim die je moet toetsen. - Retrieve: haal de bronnen zelf binnen, geen fragmenten of samenvattingen. - Assess: beoordeel wat elke bron voor deze claim kan bewijzen. Elke bron krijgt een van de vier rollen (Primair, Secundair, Pleitend of Grijs), en geen van die rollen is een oordeel. - Cross-check: vergelijk de bronnen per claim en herleid elke bron tot haar oorsprong. Drie artikelen die één persbericht herhalen, tellen als één oorsprong. - Export: lever een gedateerde memo die onderscheid maakt tussen wat onderbouwd is en wat nog openstaat, met een eigenaar voor elk gat. Wat is het verschil, naast elkaar gezet? RAG TRACE --- --- --- Wat het is Een softwareontwerp Een onderzoeksmethode Wie het uitvoert Een systeem, automatisch, bij elke vraag Een mens (met of zonder hulp van AI), voor één besluit Hoofdvraag Welke passages moet het model zien? Wat bewijzen de bronnen, en mogen we ernaar handelen? Resultaat Een gegenereerd antwoord, liefst met bronvermelding Een claimregister en een gedateerde besluitmemo Typische fout Ontbrekende, verouderde of verkeerde passage; het antwoord dwaalt af van de passage Claim breder dan het bewijs; één oorsprong geteld als meerdere Klaar als Elke zin wordt gedekt door de passages die het model kreeg Elke belangrijke claim heeft een status en elk gat een eigenaar Framework op deze site GRAIN TRACE Hoe kan het document kloppen en de conclusie niet? Een verzonnen voorbeeld. Een operationsteam vraagt zijn interne assistent: \"Wat staat er in het incidentrapport over de oorzaak van de storing van dinsdag?\" Het RAG-systeem haalt het actuele rapport op en antwoordt correct, met de juiste passage: een time-out bij een externe betaalprovider. Het ophalen deed zijn werk. Een week later schrijft iemand in een planningsdocument: \"Deze provider veroorzaakt het merendeel van onze mislukte betalingen.\" De schrijver verwijst naar hetzelfde antwoord en stelt voor om van provider te wisselen. De bronvermelding is echt. De passage klopt. Maar één incidentrapport kan niet vertellen wat het merendeel van de mislukte betalingen veroorzaakt. Daarvoor heb je een afgebakende periode nodig, een telling van alle mislukte betalingen, de oorzaak van elk geval en een blik op bewijs dat een andere kant op wijst. RAG heeft die vraag nooit gekregen, dus kon het die ook niet fout beantwoorden. Bij TRACE wordt de bredere claim wél getoetst: 1. Target formuleert de echte vraag: \"Aandeel van de mislukte betalingen per oorzaak, afgelopen 90 dagen.\" 2. Retrieve verzamelt de betaallogs en alle incidentrapporten over die periode, niet alleen dat van dinsdag. 3. Assess noteert dat het rapport van dinsdag primair bewijs is voor één incident, en voor niets meer. 4. Cross-check vindt geen enkele bron voor \"het merendeel\". 5. Export legt de bevinding over het incident vast als onderbouwd, de claim over \"het merendeel\" als Unresolved, en zet de overstap op HOLD . Dat is het TRACE-woord voor: deze actie wacht tot een bij naam genoemde persoon het gat dicht of het risico formeel aanvaardt. Welke van de twee heb ik nodig? - Je bouwt een assistent die antwoordt op basis van je eigen documenten: RAG, gebouwd en gedebugd met GRAIN. - Je moet iets besluiten op basis van externe bronnen (een markt, een concurrent, regelgeving, een leverancier): TRACE. AI-tools, RAG-systemen inbegrepen, kunnen helpen bij de Retrieve-stap. - Mensen handelen naar de antwoorden van je RAG-assistent: allebei. RAG zorgt dat de juiste passage in het antwoord belandt. Een controle in de geest van TRACE bepaalt of dat antwoord de actie rechtvaardigt. - Je hebt één document en één vraag: geen van beide. Open het document en lees het. Wanneer RAG gebruiken beschrijft wanneer het bouwen van RAG de verkeerde klus is. Waar hoort GRAIN thuis? GRAIN is het bijbehorende framework aan de kant van RAG. Het komt uit De RAG-engineer, ook verkrijgbaar in het Nederlands en het Engels, en benoemt de vijf plekken waar een retrievalsysteem kan haperen. De stapnamen blijven ook in de Nederlandse editie Engels: - Gather corpora: welke documenten de doorzoekbare verzameling in mogen, met hun rechten en versies. - Rank and rerank: kandidaat-passages vinden en ze daarna ordenen voor de vraag die echt gesteld is. - Assemble context: kiezen welke passages naar het model gaan, in welke volgorde, binnen de invoerlimiet. - Inspect failures: een onjuist antwoord herleiden tot de stap die het veroorzaakte. - Navigate freshness: de verzameling actueel houden en laten zien hoe oud een antwoord kan zijn. Wat is GRAIN? vertelt er meer over. In één zin: GRAIN controleert de pijplijn, TRACE controleert de claim. Klopt een antwoord niet: wiens probleem is dat? Benoem de kapotte stap voordat je iets repareert. Wat je ziet Waar het misging Wiens werk --- --- --- Het antwoord leunt op een verouderd rapport De verzameling is niet bijgewerkt RAG-kant: Navigate freshness Het juiste rapport is opgehaald, maar het antwoord laat een voorwaarde weg De zin klopt niet met de passage RAG-kant: Assemble context en antwoordcontrole Meerdere bronvermeldingen gaan terug op één verslag De bronnen hebben één oorsprong TRACE: Cross-check Een onopgeloste claim wordt gebruikt om een besluit te rechtvaardigen Het besluit liep vooruit op het bewijs TRACE: Export, met een eigenaar en HOLD Welke misverstanden kom je vaak tegen? - \"Onze AI noemt zijn bronnen, dus het antwoord is gecontroleerd.\" Een bronvermelding is een weg terug naar het bewijs. Iemand moet nog nagaan of de passage precies die zin dekt, inclusief reikwijdte en datum. Wat is LLM-grounding? legt die controle uit. - \"Voor TRACE heb je een AI-systeem nodig.\" Nee. Een browser en een spreadsheet zijn genoeg. - \"RAG maakt het antwoord waar.\" RAG maakt het antwoord afhankelijk van specifieke passages. Daardoor kun je het controleren; een garantie dat het klopt, is het niet. - \"Wie TRACE afrondt, heeft de conclusie bewezen.\" TRACE laat zien wat het bewijs onderbouwt en waar het ophoudt. Het boek zegt uitdrukkelijk dat niet is aangetoond dat TRACE onderzoek nauwkeuriger of sneller maakt. Probeer het vandaag (10 minuten) Neem één AI-antwoord waarnaar je team heeft gehandeld, of op het punt staat te handelen. Schrijf er drie regels onder: 1. Passage: uit welke tekst komt het antwoord, en kun je die openen? 2. Zin: dekt die tekst de zin precies, inclusief reikwijdte en datum? 3. Besluit: rechtvaardigt de zin de voorgestelde actie? Het eerste \"nee\" vertelt je waar het werk ligt. Regel 1 en 2 horen bij wie het RAG-systeem beheert. Regel 3 hoort bij de eigenaar van het besluit, en daar begint TRACE.","keyTakeaways":["RAG is een softwareontwerp voor AI-antwoorden. TRACE is een onderzoeksmethode voor besluiten.","RAG zorgt dat een passage in het antwoord belandt. TRACE vraagt wat die passage kan bewijzen.","Een kloppende bronvermelding kan onder een conclusie staan die breder is dan de bron.","GRAIN is de checklist voor het bouwen van RAG. TRACE is de checklist voor de claim.","Klopt een antwoord niet, benoem dan eerst waar het misgaat: bij de passage, bij het antwoord of bij het besluit."],"readingMinutes":6,"publishedAt":"2026-09-28T07:05:00.000Z"}},"degree":11},{"id":"article:upstream-vs-downstream","type":"article","pillar":"venture-building","locales":{"en":{"label":"Upstream vs downstream: one river picture that explains oil, supply chains, software, and decisions","summary":"Upstream means earlier in a flow, closer to the source; downstream means later, closer to where things end up. The picture comes from rivers and works across fields: in oil, exploration and production versus refining and sales; in supply chains, suppliers versus customers; in software, the original project versus the products built on it; in data pipelines, the task before versus the tasks after; in decisions, the choice versus its later effects. The labels are relative: the same team can be downstream of one group and upstream of another.","url":"/en/blog/upstream-vs-downstream/","searchText":"Upstream vs downstream: one river picture that explains oil, supply chains, software, and decisions Upstream vs downstream: upstream is nearer the source, downstream later in the flow. One river picture, a six-field table, and why it depends where you stand. Every flow has a source and an end. The two words only tell you where you stand. Upstream means earlier in a flow, closer to the source; downstream means later, closer to where things end up. The picture comes from rivers and works across fields: in oil, exploration and production versus refining and sales; in supply chains, suppliers versus customers; in software, the original project versus the products built on it; in data pipelines, the task before versus the tasks after; in decisions, the choice versus its later effects. The labels are relative: the same team can be downstream of one group and upstream of another. upstream vs downstream Upstream is earlier and nearer the source. Downstream is later and nearer the end. X is downstream of Y when X receives what Y sends. The labels describe position, not importance. Ask: upstream of whom? The upstream party acts; the downstream party pays. The fix is to put downstream needs into upstream planning. For decisions, the downstream side is where delayed costs land on people who were not in the meeting. downstream-effects upstream Earlier in a flow, closer to the source; relating to an earlier stage in a process. downstream Later in a flow, closer to where things end up; relating to a later stage in a process. downstream of Receiving what something else sends. A report is downstream of the data import it reads. midstream In oil and gas, the middle segment that transports and stores crude oil and natural gas. DOWNSTREAM A ten-move operating protocol for naming who pays later, and where, before you commit to a decision. From The Downstream Effects (in production, not for sale). Upstream is where something comes from; downstream is where it goes. In any flow (water, oil, parts, code, data, work, the effects of a decision) upstream means earlier and closer to the source, and downstream means later and closer to the end. The labels are relative. They tell you where you stand, not who matters. The rest of this page maps that one picture onto six fields, shows why the same team can be both, and tells what a real river taught Europe about who pays downstream. What is the river picture? Stand on a bridge and look at the water. Cambridge Dictionary defines upstream as \"(moving) on a river or stream towards its origin\" and downstream as \"in the direction a river or stream is flowing\". Whatever enters the water above you reaches you. Whatever you drop in reaches everyone below you. Business English borrowed both words. Cambridge gives upstream as \"relating to an earlier stage in a process or series of events\", and downstream as \"something that happens later in a process or series of events\". Merriam-Webster adds an industrial sense for downstream that includes \"the stages (such as marketing) after manufacture\". Two rules carry over from the river to every field below: 1. Things flow one way. Water, oil, parts, code, data and consequences move from upstream to downstream. 2. Position is relative. \"X is downstream of Y\" means X receives what Y sends. Cambridge's example: \"Higher concentrations of some chemicals were found in fish downstream of sewage-treatment plants.\" What do upstream and downstream mean in each field? Field Upstream Downstream Example --- --- --- --- Oil and gas Finding and producing crude oil and gas Refining, product sales and marketing A drilling platform is upstream; a refinery and a filling station are downstream Supply chains Your suppliers and their raw materials or parts Your distribution, through to the end customer Hypothetical bakery: the flour mill is upstream, the shops selling its bread are downstream Software projects and forks The original project where changes are made and released The distributions, products and forks built on it The Linux kernel is upstream of Fedora; Red Hat Enterprise Linux is downstream of Fedora Data pipelines The task that must finish first The tasks that run after it and use its output A nightly data import is upstream of the report that reads it Teams and workflows The team whose work you depend on The teams that depend on yours The team that owns the customer database is upstream of the team that builds invoices Decisions The choice, and the assumptions behind it The later effects on partners, customers, staff and regulators A pricing change is upstream of the partner margin it squeezes months later Oil and gas. The US Energy Information Administration (EIA) puts it plainly: \"Upstream refers to crude oil exploration, production, and other operations prior to refining. Downstream refers to refinery operations, product sales, and marketing.\" EIA also names a middle segment, midstream : companies that transport and store crude oil and natural gas, typically with tanker ships, pipelines or storage facilities. Supply chains. The Chartered Institute of Procurement & Supply (CIPS) describes a supply chain as looking upstream to your suppliers and their raw materials or components, and downstream from your own activities to delivery to the end consumer. Software. In open source, Red Hat explains, an upstream is \"the source repository and project where contributions happen and releases are made\", and \"the contributions flow from upstream to downstream\". A bug fixed upstream can benefit every project built on it, which is why Red Hat describes working \"upstream first\". On GitHub, if you copy a project to build your own version (a fork), the documentation has you add a link named upstream that points back to the original. Data pipelines. In Apache Airflow, open-source software for scheduling workflows such as data pipelines, each step is a task, and the documentation says: \"By default, a Task will run when all of its upstream (parent) tasks have succeeded.\" Teams. Eric Evans's Domain-Driven Design Reference , a summary of definitions and patterns for software design, defines an upstream-downstream relationship between two groups in which the upstream group's actions affect the downstream group's success, but not the other way round. His example is the river itself: \"If two cities are along the same river, the upstream city's pollution primarily affects the downstream city.\" Decisions. This is the sense behind \"downstream effects\" on this site. The decision sits upstream. Its later costs land downstream, on partners, customers and regulators who were not in the meeting. What are downstream effects? gives the full definition. Why can the same thing be upstream and downstream? Because the words describe position, not rank. Red Hat's own example: Red Hat Enterprise Linux (RHEL) is based on Fedora, and Fedora pulls from many original projects. In Red Hat's words, \"Fedora is downstream of these projects and RHEL is downstream of Fedora.\" Fedora is downstream and upstream at the same time. Your team works the same way. You are downstream of whoever supplies your inputs and upstream of whoever uses your output. When someone says \"that is an upstream problem\", ask: upstream of whom? Three confusions to avoid: - Upstream is not \"more important\". It is earlier. Power does often sit upstream, though: Evans warns that a downstream team \"can be helpless, at the mercy of upstream priorities\". - Direction follows the flow, not the org chart. An analyst who owns a data source is upstream of the chief executive's dashboard. - The fields stretch the words differently. In oil, downstream reaches all the way to selling fuel. In software, upstream is also a place: the project you send your fixes back to. What happens when the upstream party does not look downstream? On 1 November 1986, a fire broke out in a warehouse belonging to Sandoz near Basel, Switzerland. According to the International Commission for the Protection of the Rhine (ICPR), firefighting water mixed with up to thirty tons of pesticides flowed into the Rhine and killed fish and other organisms along hundreds of kilometers of the river. The Swiss water research institute Eawag recalls that the firefighting water was red, and that images of dead fish went around the world. The cost landed downstream. The ICPR writes that it was the first time citizens \"from Switzerland downstream to the Netherlands\" showed solidarity with the river. Ministers from the Rhine states then adopted the Rhine Action Programme, coordinated by the ICPR, with two aims: halve the discharges of 40 dangerous chemicals within 10 years, and make the Rhine clean enough for salmon to return. Two honest footnotes from Eawag: the river's life recovered relatively quickly, within a few months, and the accident led to major progress in water-quality monitoring, legal rules and risk reduction in the chemical industry. It is Evans's river example in real life: the upstream party acts, the downstream parties pay, and the lasting fix put downstream needs into upstream rules. How do you use the river picture for your own decisions? DOWNSTREAM is an operating protocol for delayed consequences: ten moves for naming who pays later, and where, before you commit. It comes from The Downstream Effects , a book by Len van der Hof that is in production and not for sale yet. It is an operating heuristic, not a validated risk instrument, and you do not need the book to use it. The DOWNSTREAM framework page has the same moves. 1. Detect. Before you commit, list who and what sits downstream of the decision. 2. Observe. After launch, watch what actually happens in the places the decision touches. 3. Weigh. Compare the real later costs with the first win, not with a wish. 4. Navigate. Choose a path that still works when the later effect arrives: accept, reduce or avoid each branch. 5. Stream effects. Look at each effect over several time horizons, so the cost is not dumped on one later quarter. 6. Trace. Keep the chain from decision to effect written down, so a surprise many months later can still be linked to its cause. 7. Review. Reopen the map after the decision ships, on a fixed rhythm, and compare it with what really happened. 8. Effects on stakeholders. Name who actually pays: a partner, a regulator, a network, a user. 9. Assess systemic risk. Find the point where local damage stops being local and spreads. 10. Mitigate. Install the smallest control that changes where the cost lands, with an owner and a test. A worked example, hypothetical. An online shop wants to rename a product field in its catalog export, because the old name confuses new staff. The product team that owns the export is upstream. Everyone who reads the export is downstream. - Detect. List every reader of the export: the marketplace feed that lists the products, finance's margin report, and the customer-service templates that quote product details. - Effects on stakeholders. Listings could drop off the marketplace until someone remaps the field. Finance's report could quietly show blanks. Support could send customers wrong details. None of those people sit in the product team's meeting. - Mitigate. Keep the old field name alive next to the new one for one release, name an owner who checks each reader, and add a test that fails if a reader still breaks. The decision survives, reshaped rather than killed. For the longer method, including a twenty-minute audit of recent decisions, read Downstream effects: why the real cost of a decision lands later, and somewhere else. The book page is The Downstream Effects. Try this today (ten minutes) Draw your own river. 1. Write your team, or your own job, in the middle of a page. 2. On the left, write two things you depend on: people, systems or suppliers. That is your upstream. 3. On the right, write three people or teams who use what you produce. That is your downstream. 4. Pick one downstream name and ask them one question this week: \"If I changed [the thing I produce] next week, what would break for you?\" 5. Write the answer next to their name. That one line is the start of a detection checklist, and it costs you one conversation.","keyTakeaways":["Upstream is earlier and nearer the source. Downstream is later and nearer the end.","X is downstream of Y when X receives what Y sends.","The labels describe position, not importance. Ask: upstream of whom?","The upstream party acts; the downstream party pays. The fix is to put downstream needs into upstream planning.","For decisions, the downstream side is where delayed costs land on people who were not in the meeting."],"readingMinutes":8,"publishedAt":"2026-10-13T07:00:00.000Z"},"nl":{"label":"Stroomopwaarts en stroomafwaarts: één rivierbeeld voor olie, toeleveringsketens, software en besluiten","summary":"Stroomopwaarts (upstream) betekent eerder in een stroom, dichter bij de bron; stroomafwaarts (downstream) betekent later, dichter bij het eindpunt. Het beeld komt van rivieren en werkt in veel vakgebieden: in de olie- en gassector opsporing en winning tegenover raffinage en verkoop; in een toeleveringsketen leveranciers tegenover klanten; in software het oorspronkelijke project tegenover wat erop voortbouwt; in datapijplijnen de taak ervoor tegenover de taken erna; bij besluiten de keuze tegenover de latere gevolgen. De labels zijn relatief: hetzelfde team kan stroomafwaarts van de een en stroomopwaarts van de ander zitten.","url":"/nl/blog/stroomopwaarts-en-stroomafwaarts/","searchText":"Stroomopwaarts en stroomafwaarts: één rivierbeeld voor olie, toeleveringsketens, software en besluiten Stroomafwaarts betekent later in de stroom, stroomopwaarts dichter bij de bron. Eén rivierbeeld, zes vakgebieden in een tabel en waarom je positie telt. Elke stroom heeft een bron en een eindpunt. De twee woorden zeggen alleen waar jij staat. Stroomopwaarts (upstream) betekent eerder in een stroom, dichter bij de bron; stroomafwaarts (downstream) betekent later, dichter bij het eindpunt. Het beeld komt van rivieren en werkt in veel vakgebieden: in de olie- en gassector opsporing en winning tegenover raffinage en verkoop; in een toeleveringsketen leveranciers tegenover klanten; in software het oorspronkelijke project tegenover wat erop voortbouwt; in datapijplijnen de taak ervoor tegenover de taken erna; bij besluiten de keuze tegenover de latere gevolgen. De labels zijn relatief: hetzelfde team kan stroomafwaarts van de een en stroomopwaarts van de ander zitten. stroomafwaarts betekenis Stroomopwaarts is eerder en dichter bij de bron. Stroomafwaarts is later en dichter bij het eindpunt. X ligt stroomafwaarts van Y als X krijgt wat Y doorgeeft. De labels zeggen iets over positie, niet over belang. Vraag: stroomopwaarts van wie? De partij stroomopwaarts handelt, de partij stroomafwaarts betaalt. De oplossing: neem de behoeften stroomafwaarts mee in de planning stroomopwaarts. Bij besluiten is stroomafwaarts de plek waar uitgestelde kosten terechtkomen bij mensen die niet aan tafel zaten. downstream-effects stroomopwaarts (upstream) Eerder in een stroom, dichter bij de bron; in een proces een eerdere fase. stroomafwaarts (downstream) Later in een stroom, dichter bij het eindpunt; in een proces een latere fase. stroomafwaarts van Krijgen wat iets anders doorgeeft. Een rapport dat de gegevens van een data-import inleest, ligt stroomafwaarts van die import. midstream In de olie- en gassector het middensegment dat ruwe olie en aardgas vervoert en opslaat. voorketen Het deel van de keten vóór je eigen schakel, zoals winning en transport. Een Nederlandse tegenhanger van upstream. DOWNSTREAM Een operationeel protocol van tien zetten om vóór een besluit te benoemen wie later betaalt, en waar. Uit De stroomafwaartse effecten (in productie, nog niet te koop). Stroomopwaarts is waar iets vandaan komt; stroomafwaarts is waar het naartoe gaat. In elke stroom (water, olie, onderdelen, code, data, werk, de gevolgen van een besluit) betekent stroomopwaarts eerder en dichter bij de bron, en stroomafwaarts later en dichter bij het eindpunt. In het Engels heet dat upstream en downstream. De labels zijn relatief: ze zeggen waar je staat, niet wie er belangrijk is. Hieronder zie je hoe dat ene beeld past op zes vakgebieden, waarom hetzelfde team beide kan zijn, en wat een echte rivier Europa leerde over wie er stroomafwaarts betaalt. Voor Nederland is dat laatste geen abstractie: ons land ligt aan de stroomafwaartse kant van de Rijn. Wat betekenen stroomopwaarts en stroomafwaarts precies? Ga op een brug staan en kijk naar het water. WikiWoordenboek omschrijft stroomafwaarts als \"met de stroom mee, in de richting van de oorsprong naar de mond\", en stroomopwaarts als \"tegen de stroom in, in de richting van de mond naar de oorsprong\". Cambridge Dictionary omschrijft de Engelse woorden net zo: upstream als \"(moving) on a river or stream towards its origin\", downstream als \"in the direction a river or stream is flowing\". Wat stroomopwaarts van je in het water komt, bereikt jou. Wat jij erin gooit, bereikt iedereen stroomafwaarts van je. Het zakelijke Engels heeft beide woorden overgenomen. Cambridge geeft voor upstream \"relating to an earlier stage in a process or series of events\" en voor downstream \"something that happens later in a process or series of events\": een eerdere en een latere fase van een proces. Merriam-Webster geeft downstream daarnaast een industriële betekenis, die onder meer \"the stages (such as marketing) after manufacture\" omvat. Twee regels neem je van de rivier mee naar elk vakgebied hieronder: 1. Alles stroomt één kant op. Water, olie, onderdelen, code, data en gevolgen gaan van stroomopwaarts naar stroomafwaarts. 2. Positie is relatief. \"X ligt stroomafwaarts van Y\" betekent dat X krijgt wat Y doorgeeft. Het voorbeeld van Cambridge: \"Higher concentrations of some chemicals were found in fish downstream of sewage-treatment plants.\" Vis stroomafwaarts van een rioolwaterzuivering krijgt mee wat die zuivering loost. Wat betekenen upstream en downstream per vakgebied? Vakgebied Stroomopwaarts (upstream) Stroomafwaarts (downstream) Voorbeeld --- --- --- --- Olie en gas Opsporen en winnen van ruwe olie en gas Raffinage, verkoop en marketing van producten Een boorplatform zit stroomopwaarts; een raffinaderij en een tankstation zitten stroomafwaarts Toeleveringsketens Je leveranciers en hun grondstoffen of onderdelen Je distributie, tot en met de eindklant Verzonnen bakkerij: de meelfabriek zit stroomopwaarts, de winkels die het brood verkopen stroomafwaarts Softwareprojecten en forks Het oorspronkelijke project waar wijzigingen worden gemaakt en uitgebracht De distributies, producten en forks die erop voortbouwen De Linux-kernel zit stroomopwaarts van Fedora; Red Hat Enterprise Linux zit stroomafwaarts van Fedora Datapijplijnen De taak die eerst klaar moet zijn De taken die daarna draaien en de uitvoer gebruiken Een nachtelijke data-import zit stroomopwaarts van het rapport dat hem inleest Teams en werkstromen Het team van wie jouw werk afhangt De teams die van jouw werk afhangen Het team dat de klantendatabase beheert, zit stroomopwaarts van het team dat facturen maakt Besluiten De keuze, en de aannames eronder De latere gevolgen voor partners, klanten, personeel en toezichthouders Een prijswijziging zit stroomopwaarts van de partnermarge die ze maanden later onder druk zet Olie en gas. De Amerikaanse Energy Information Administration (EIA) zegt het kort: \"Upstream refers to crude oil exploration, production, and other operations prior to refining. Downstream refers to refinery operations, product sales, and marketing.\" Stroomopwaarts is dus opsporen en winnen, stroomafwaarts raffineren en verkopen. De EIA noemt ook een middensegment, midstream : bedrijven die ruwe olie en aardgas vervoeren en opslaan, meestal met tankers, pijpleidingen of opslagfaciliteiten. In Nederland gebruikt de vakwereld het Engelse woord gewoon. Energie Beheer Nederland (EBN) publiceert een rapport van CE Delft over \"upstream-emissies\" van geïmporteerde ruwe olie, en noemt dat deel van de keten ook de voorketen : \"de winning, het transport naar Nederland\". Toeleveringsketens. Het Chartered Institute of Procurement & Supply (CIPS), de beroepsorganisatie voor inkoop, beschrijft een toeleveringsketen zo: stroomopwaarts kijk je naar je leveranciers en hun grondstoffen of onderdelen, stroomafwaarts van je eigen activiteiten tot aan de levering aan de eindgebruiker. Software. In open source is een upstream volgens Red Hat \"the source repository and project where contributions happen and releases are made\": de plek waar bijdragen binnenkomen en versies worden uitgebracht. Bijdragen stromen, zo legt Red Hat uit, van upstream naar downstream. Wordt een bug upstream opgelost, dan kan elk project dat erop voortbouwt daarvan profiteren; daarom beschrijft Red Hat een werkwijze die ze \"upstream first\" noemt. Maak je op GitHub een eigen kopie van een project (een fork), dan laat de documentatie je een koppeling met de naam upstream toevoegen die terugwijst naar het origineel. Datapijplijnen. In Apache Airflow, opensourcesoftware voor het plannen van werkstromen zoals datapijplijnen, heet elke stap een taak. De documentatie zegt: \"By default, a Task will run when all of its upstream (parent) tasks have succeeded.\" Een taak draait dus pas als alle taken stroomopwaarts gelukt zijn. Teams. De Domain-Driven Design Reference van Eric Evans, een overzicht van definities en patronen voor softwareontwerp, beschrijft een upstream-downstreamrelatie tussen twee groepen: wat de groep stroomopwaarts doet, bepaalt mede het succes van de groep stroomafwaarts, maar niet andersom. Zijn voorbeeld is de rivier zelf: \"If two cities are along the same river, the upstream city's pollution primarily affects the downstream city.\" Besluiten. Dit is de betekenis achter stroomafwaartse effecten op deze site. Het besluit zit stroomopwaarts. De latere kosten komen stroomafwaarts terecht, bij partners, klanten en toezichthouders die niet aan tafel zaten. Wat zijn stroomafwaartse effecten? geeft de volledige definitie. Waarom kan iets tegelijk stroomopwaarts en stroomafwaarts zijn? Omdat de woorden een positie beschrijven, geen rang. Neem het voorbeeld van Red Hat zelf: Red Hat Enterprise Linux (RHEL) is gebaseerd op Fedora, en Fedora put uit veel oorspronkelijke projecten. In de woorden van Red Hat: \"Fedora is downstream of these projects and RHEL is downstream of Fedora.\" Fedora zit dus tegelijk stroomafwaarts en stroomopwaarts. Voor jouw team geldt hetzelfde. Je zit stroomafwaarts van wie jouw input levert en stroomopwaarts van wie jouw output gebruikt. Zegt iemand \"dat is een upstream-probleem\", vraag dan: stroomopwaarts van wie? Drie misverstanden die je kunt vermijden: - Stroomopwaarts is niet belangrijker. Het is eerder. Macht zit wel vaak stroomopwaarts: Evans waarschuwt dat een team stroomafwaarts \"can be helpless, at the mercy of upstream priorities\", machteloos en overgeleverd aan de prioriteiten stroomopwaarts. - De richting volgt de stroom, niet het organogram. Een analist die een databron beheert, zit stroomopwaarts van het dashboard van de directeur. - Elk vakgebied rekt de woorden anders op. In de oliesector loopt stroomafwaarts door tot de verkoop van brandstof. In software is upstream ook een plek: het project waarnaar je je verbeteringen terugstuurt. Wat gebeurt er als de partij stroomopwaarts niet stroomafwaarts kijkt? Op 1 november 1986 brak er brand uit in een opslaghal van Sandoz bij Bazel. Volgens de Internationale Commissie ter Bescherming van de Rijn (ICBR) stroomde er samen met het bluswater tot wel 30 ton pesticiden in de Rijn, waardoor vissen en andere waterorganismen over honderden kilometers stierven. Het Zwitserse wateronderzoeksinstituut Eawag herinnert eraan dat het bluswater rood gekleurd was en dat beelden van dode vissen de hele wereld overgingen. De rekening kwam stroomafwaarts terecht. De ICBR schrijft dat burgers \"van Zwitserland tot Nederland\" zich voor het eerst in de geschiedenis solidair verklaarden met de Rijn. De ministers van de Rijnstaten stelden daarna het Rijnactieprogramma vast, gecoördineerd door de ICBR, met twee doelen: de lozing van veertig gevaarlijke chemicaliën in tien jaar tijd halveren, en de Rijn zo schoon krijgen dat er weer zalmen in konden leven. Eawag plaatst eerlijkheidshalve twee kanttekeningen: het leven in de rivier herstelde relatief snel, binnen enkele maanden, en het ongeluk leidde tot flinke vooruitgang in de bewaking van de waterkwaliteit, in wetgeving en in risicobeperking in de chemische industrie. Het is het rivierbeeld van Evans in het echt: de partij stroomopwaarts handelt, de partijen stroomafwaarts betalen, en de blijvende oplossing verankerde de belangen stroomafwaarts in de regels stroomopwaarts. Hoe gebruik je het rivierbeeld bij je eigen besluiten? DOWNSTREAM is een operationeel protocol voor uitgestelde gevolgen: tien zetten om te benoemen wie er later betaalt, en waar, voordat je je vastlegt. Het komt uit De stroomafwaartse effecten (Engelse titel The Downstream Effects ), een boek van Len van der Hof dat in productie en nog niet te koop is. Het is een operationele heuristiek, geen gevalideerd risico-instrument, en je hebt het boek niet nodig om ermee te werken. De DOWNSTREAM-frameworkpagina toont dezelfde zetten. De namen van de zetten blijven Engels, omdat ze samen het acroniem vormen. 1. Detect. Breng vóór het besluit in kaart wie en wat er stroomafwaarts zit. 2. Observe. Kijk na de livegang wat er echt gebeurt op de plekken die het besluit raakt. 3. Weigh. Weeg de werkelijke latere kosten tegen de eerste winst, niet tegen een wens. 4. Navigate. Kies een pad dat nog werkt als het latere effect aankomt: per tak accepteren, beperken of vermijden. 5. Stream effects. Bekijk elk effect over meerdere tijdshorizonnen, zodat de kosten niet allemaal in één later kwartaal terechtkomen. 6. Trace. Leg de keten van besluit naar effect vast, zodat je een verrassing van vele maanden later nog aan de oorzaak kunt koppelen. 7. Review. Open de kaart opnieuw nadat het besluit is uitgevoerd, op een vast ritme, en vergelijk die met wat er echt gebeurde. 8. Effects on stakeholders. Benoem wie er echt betaalt: een partner, een toezichthouder, een netwerk, een gebruiker. 9. Assess systemic risk. Zoek het punt waarop lokale schade niet meer lokaal blijft en zich verspreidt. 10. Mitigate. Bouw de kleinste maatregel in die verandert waar de kosten terechtkomen, met een eigenaar en een test. Een uitgewerkt, verzonnen voorbeeld. Een webwinkel wil een productveld in de catalogusexport hernoemen, omdat de oude naam nieuwe medewerkers in verwarring brengt. Het productteam dat de export beheert, zit stroomopwaarts. Iedereen die de export leest, zit stroomafwaarts. - Detect. Zet elke lezer van de export op een rij: de feed die de producten op een online marktplaats zet, het margerapport van finance en de sjablonen van de klantenservice die productgegevens overnemen. - Effects on stakeholders. Producten kunnen van de marktplaats verdwijnen tot iemand het veld opnieuw koppelt. Het rapport van finance kan ongemerkt lege kolommen tonen. De klantenservice kan klanten verkeerde gegevens sturen. Geen van die mensen zit in het overleg van het productteam. - Mitigate. Houd de oude veldnaam één release lang naast de nieuwe in stand, wijs een eigenaar aan die elke lezer controleert, en voeg een test toe die faalt zolang er nog een lezer stukgaat. Het besluit blijft staan, alleen in een andere vorm. Wil je de langere methode, met een audit van twintig minuten op je recente besluiten, lees dan Stroomafwaartse effecten: de rekening die later en ergens anders binnenkomt. De boekpagina is De stroomafwaartse effecten. Probeer dit vandaag (tien minuten) Teken je eigen rivier. 1. Schrijf je team, of je eigen functie, in het midden van een vel papier. 2. Schrijf links twee dingen waar je van afhangt: mensen, systemen of leveranciers. Dat is wat stroomopwaarts van jou ligt. 3. Schrijf rechts drie mensen of teams die gebruiken wat jij maakt. Dat is wat stroomafwaarts van jou ligt. 4. Kies één naam aan de rechterkant en stel die persoon deze week één vraag: \"Als ik volgende week [wat ik maak] zou veranderen, wat gaat er dan bij jou stuk?\" 5. Schrijf het antwoord naast de naam. Die ene regel is het begin van een detectiechecklist, en hij kost je één gesprek.","keyTakeaways":["Stroomopwaarts is eerder en dichter bij de bron. Stroomafwaarts is later en dichter bij het eindpunt.","X ligt stroomafwaarts van Y als X krijgt wat Y doorgeeft.","De labels zeggen iets over positie, niet over belang. Vraag: stroomopwaarts van wie?","De partij stroomopwaarts handelt, de partij stroomafwaarts betaalt. De oplossing: neem de behoeften stroomafwaarts mee in de planning stroomopwaarts.","Bij besluiten is stroomafwaarts de plek waar uitgestelde kosten terechtkomen bij mensen die niet aan tafel zaten."],"readingMinutes":9,"publishedAt":"2026-10-13T07:05:00.000Z"}},"degree":5},{"id":"article:using-ai-agents-effectively","type":"article","pillar":"ai-systems","locales":{"en":{"label":"Using AI agents effectively: one job, a ceiling, a log","summary":"An AI agent is already defined on this site: a system that holds a goal, uses tools, and continues across steps under a charter. Using one effectively means giving it one job, the smallest tool set that job needs, a written refuse-list, a hard ceiling on steps and spend, and a human on send, spend, delete, and speak-as-the-company. Writes should be draft-first or reversible, and an unfamiliar tool error should stop the run rather than start a retry loop. Optimisation is not a bigger model. It is a tighter charter, fewer write tools, a log you can open on Tuesday, full review of early writes, and a permanent human gate on irreversible calls. If it cannot refuse and cannot stop, it is not an agent you can run.","url":"/en/blog/using-ai-agents-effectively/","searchText":"Using AI agents effectively: one job, a ceiling, a log Use an AI agent on one job with a written charter, the smallest tool set that job needs, a step ceiling, and a named reviewer on irreversible calls. Optimise the refuse-list and the log, not the model name. A second tool without a ceiling is not leverage. It is a second way to spend. An AI agent is already defined on this site: a system that holds a goal, uses tools, and continues across steps under a charter. Using one effectively means giving it one job, the smallest tool set that job needs, a written refuse-list, a hard ceiling on steps and spend, and a human on send, spend, delete, and speak-as-the-company. Writes should be draft-first or reversible, and an unfamiliar tool error should stop the run rather than start a retry loop. Optimisation is not a bigger model. It is a tighter charter, fewer write tools, a log you can open on Tuesday, full review of early writes, and a permanent human gate on irreversible calls. If it cannot refuse and cannot stop, it is not an agent you can run. how to use and optimise AI agents The definition page is the test. This page is the roster: one job per agent. Give the loop a ceiling: max steps, max tool calls, a spend cap, and a stop on the first unknown error. Prefer draft-first and reversible writes. A send with no draft step is a design choice you have to make deliberately. Optimise the charter, the allowlist, and the log. The model is weather. Score the tool calls, not the prose. A tidy paragraph built on the wrong invoice is a failure. ai-agents AI agent A system that holds a goal, uses tools, and acts across steps under a charter. Human in the loop A named person with an authority ceiling and a review gate. Override doctrine The written list of decisions an agent may never take. What is an AI agent? is the meeting test: goal, tools, steps, and a refusal boundary. This page assumes you passed that test and now want the thing on a roster. How it actually works Strip the product names. The loop is short. 1. A goal is still true after one prompt (\"chase unpaid invoices this week\"). 2. The host shows the model a list of tools . 3. The model calls one. A server runs it. A result comes back. 4. The model observes the result and either calls again, stops, or should refuse. That is the whole machine. MCP is how a tool is allowed to touch the building. HITL is who sits on the irreversible call. Neither is optional once the tool can send, spend, or delete. Notice what is missing from that loop unless you add it: nothing in step four says when to stop. First, check you need one An agent is the expensive answer. It is worth it when the path cannot be known in advance. If you can draw the steps on a whiteboard before the run, write the script. A script is cheaper, faster, and fails somewhere you can point at. An agentic workflow is not an automation is the longer split. Use an agent when the branch depends on what a tool returns: which invoices are actually disputed, which of these forty pages is the one with the clause, what to do when the export has a new column. Judgment inside the loop is what you are paying for. If there is no judgment in the loop, you are paying a language model to be a for loop with worse error handling. One job per agent Leverage is not \"add agents.\" Leverage is one worker who cannot wander. Bad: an agent that reads mail, edits the CRM, posts Slack, and \"just handles ops.\" Better: an agent whose purpose is \"draft reminder emails for overdue rows in today's sheet.\" Inputs, outputs, and a send that a named person must pass. That is the charter from the definition page, used as a roster card, not as theory. If you cannot say the job in one sentence that excludes other jobs, you do not have an agent. You have a pile of plugins. Give the loop a ceiling An agent with no stop condition does not fail loudly. It fails deep in a retry loop, still spending. Write four numbers before the first run, and write them where the run can enforce them, not in a doc. - Max steps. How many model turns before the run halts and asks. Start low enough that you will inspect every halted run. If the job routinely hits the cap, revisit the job boundary. - Max calls per tool. Especially anything that costs money or sends. \"One send per row, ever\" is a real constraint you can implement. - Spend cap. Tokens and any tool that touches an account. Per run and per day. - Wall-clock. A run that has not finished in its window is not close to finishing. It is stuck. Then decide what happens on error, because the default is worse than you think. A tool returns a 500, the model reads it as messy input, tries a variation, and now you are in a retry loop that looks like progress from the outside. The rule that holds: an unfamiliar error stops the run. Retry only error classes you have seen before and decided are safe to retry, and only a fixed number of times. Everything else escalates with the trace attached. You will loosen this later, from evidence, on specific errors. Start closed. Prefer writes you can take back Rank every write tool by how hard it is to undo, and buy the reversible version first. - Draft, not send. The mail sits in a folder. A person presses send. - Propose, not merge. A pull request, not a push to main. - Stage, not commit. A row in a review table, not a mutation of the customer record. - Soft, not hard. A flag, not a delete. That single design choice moves risk into a place where human review is cheap. It also makes the first ten reviews possible at all; you cannot review a send that already went. Where irreversible is genuinely required, that is where the named reviewer sits. Not everywhere. A gate on every read creates approval fatigue; reserve it for irreversible steps. How to optimise it The model you run this quarter is weather. Optimise the objects that survive a model swap. Tighten the charter. Purpose, inputs, outputs, authority, success, review, escalation. If success is \"be helpful,\" you will get send-happy drafts. Write success as something a reviewer can fail: \"every draft names the invoice number and the true amount.\" Split standing context from run input. The charter, the refuse-list, and the house facts are versioned standing context; they change on purpose, with a diff. Today's sheet, today's rows, today's window are run input. Mixing run input into standing context is how stale data survives into later runs. Shrink the tool list. Prefer a read-only server before a write server. Allowlist tools on the host. Do not take \"all tools from this server.\" MCP explained for founders is the permission page. Write the refuse-list. Override doctrine is what the agent may never do even when the charter is silent. Start with three categories: money (spend above a ceiling, issue a discount, promise a refund), identity (speak as the company, commit on your behalf, contact a customer unprompted), and irreversibility (change production data, delete, publish). Anything in those three is a refuse or a gate, never a default. Put a person on the irreversible step. Send, spend, delete, speak. Review the first ten writes in full. Then use the log to decide whether any reversible gate can be relaxed. Irreversible steps remain gated. No log, no write tool. Read the trace, not the paragraph A common review failure is grading the English. Open one run and score the calls, not the prose. Four questions per call: 1. Was this tool allowed for this job? 2. Were the arguments right, and where did each argument come from? A plausible invoice number the model produced from nothing is a serious failure in this class of system. 3. Did the model read the result, or continue past it? Continuing after an error is a failure even when the final output looks fine. 4. Did it stop when the charter said stop? A tidy paragraph that used the wrong invoice is a miss. A blunt draft with the correct number and a clean refusal is a pass. Evaluate reasoning, not fluency is the longer version of this argument. Keep the failures. Ten real traces where the agent got it wrong form a more relevant regression suite for your system than a generic benchmark. They are the tests that know your data. Walk one week Monday: one agent, one sheet, draft-only mail. Step cap set. A named reviewer rejects anything that invents a fee. Wednesday: read the log. If a call tried to send without a draft step, the permission design is wrong. Fix the host or server controls, not the prompt. A prompt patch on a permission bug lasts until the next model. Friday: if the drafts are usable and the log is reconstructable, you have leverage. If you \"added three more servers\" and cannot say who owns send, you have a demo with extra fuses. The next week is the same agent with one constraint relaxed, on evidence. Not a second agent. What effective is not It is not autonomy theatre. An agent that cannot refuse is a fuse. It is not a bigger context window. More memory without a charter is a longer mood. It is not a multi-agent graph. Why multi-agent systems fail is next door. Coordination is a different job from connection, and adding a second agent to fix a charter problem gives you two charter problems that now talk to each other. Put the definition in the meeting. Put this page on the roster. Then give the worker one drawer, a lock on the rest, a number that makes it stop, and a log on the frame.","keyTakeaways":["The definition page is the test. This page is the roster: one job per agent.","Give the loop a ceiling: max steps, max tool calls, a spend cap, and a stop on the first unknown error.","Prefer draft-first and reversible writes. A send with no draft step is a design choice you have to make deliberately.","Optimise the charter, the allowlist, and the log. The model is weather.","Score the tool calls, not the prose. A tidy paragraph built on the wrong invoice is a failure."],"readingMinutes":7,"publishedAt":"2026-08-27T10:00:00.000Z"},"nl":{"label":"AI-agents effectief inzetten: één klus, een plafond, een log","summary":"Een AI-agent is op deze site al gedefinieerd: een systeem dat een doel vasthoudt, tools gebruikt en over meerdere stappen doorwerkt onder een charter. Effectief inzetten betekent één klus, de kleinste toolset die die klus nodig heeft, een geschreven weigerlijst, een hard plafond op stappen en uitgaven, en een mens op versturen, betalen, verwijderen en spreken namens het bedrijf. Schrijfacties horen concept-eerst of omkeerbaar te zijn, en een onbekende toolfout hoort de run te stoppen in plaats van een retry-lus te starten. Optimaliseren is geen groter model. Het is een strakker charter, minder schrijftools, een log die je op dinsdag kunt openen, volledige review van de eerste schrijfacties, en een blijvende menselijke poort op onomkeerbare handelingen. Kan het ding niet weigeren en niet stoppen, dan is het geen agent die je kunt draaien.","url":"/nl/blog/ai-agents-effectief-inzetten/","searchText":"AI-agents effectief inzetten: één klus, een plafond, een log Zet een AI-agent op één klus met een geschreven charter, de kleinste toolset die die klus nodig heeft, een plafond op stappen en uitgaven, en een aangewezen reviewer op onomkeerbare handelingen. Optimaliseer de weigerlijst en de log, niet de modelnaam. Een tweede tool zonder plafond is geen hefboom. Het is een tweede manier om geld uit te geven. Een AI-agent is op deze site al gedefinieerd: een systeem dat een doel vasthoudt, tools gebruikt en over meerdere stappen doorwerkt onder een charter. Effectief inzetten betekent één klus, de kleinste toolset die die klus nodig heeft, een geschreven weigerlijst, een hard plafond op stappen en uitgaven, en een mens op versturen, betalen, verwijderen en spreken namens het bedrijf. Schrijfacties horen concept-eerst of omkeerbaar te zijn, en een onbekende toolfout hoort de run te stoppen in plaats van een retry-lus te starten. Optimaliseren is geen groter model. Het is een strakker charter, minder schrijftools, een log die je op dinsdag kunt openen, volledige review van de eerste schrijfacties, en een blijvende menselijke poort op onomkeerbare handelingen. Kan het ding niet weigeren en niet stoppen, dan is het geen agent die je kunt draaien. AI-agents inzetten en optimaliseren De definitiepagina is de toets. Deze pagina is het rooster: één klus per agent. Geef de lus een plafond: maximaal stappen, maximaal toolaanroepen, een uitgavenlimiet, en stoppen bij de eerste onbekende fout. Kies concept-eerst en omkeerbaar. Versturen zonder conceptstap is een ontwerpbesluit dat je bewust moet nemen. Optimaliseer het charter, de allowlist en de log. Het model is het weer. Beoordeel de toolaanroepen, niet het proza. Een keurige alinea op de verkeerde factuur is een fout. ai-agents AI-agent Een systeem dat een doel vasthoudt, tools gebruikt en over stappen handelt onder een charter. Mens in de lus Een aangewezen persoon met een bevoegdheidsplafond en een reviewpoort. Override-doctrine De geschreven lijst met besluiten die een agent nooit mag nemen. Wat is een AI-agent? is de toets voor in de vergadering: doel, tools, stappen en een weigergrens. Deze pagina gaat ervan uit dat je die toets hebt gehaald en het ding nu op het rooster wilt zetten. Hoe het werkelijk werkt Haal de productnamen weg. De lus is kort. 1. Een doel dat na één prompt nog steeds geldt (\"achter openstaande facturen aan deze week\"). 2. De host toont het model een lijst met tools . 3. Het model roept er een aan. Een server voert hem uit. Er komt een resultaat terug. 4. Het model leest het resultaat en roept opnieuw aan, stopt, of hoort te weigeren. Dat is de hele machine. MCP bepaalt hoe een tool het gebouw mag aanraken. HITL bepaalt wie op de onomkeerbare handeling zit. Geen van beide is optioneel zodra de tool kan versturen, betalen of verwijderen. Let op wat er in stap vier ontbreekt zolang je het niet toevoegt: nergens staat wanneer er gestopt wordt. Controleer eerst of je er een nodig hebt Een agent is het dure antwoord. Hij is het waard wanneer het pad vooraf niet bekend kan zijn. Kun je de stappen vóór de run op een whiteboard tekenen, schrijf dan het script. Een script is goedkoper, sneller, en faalt op een plek die je kunt aanwijzen. Een agentische workflow is geen automatisering is de langere scheiding. Zet een agent in wanneer de vertakking afhangt van wat een tool teruggeeft: welke facturen werkelijk betwist zijn, welke van deze veertig pagina's de clausule bevat, wat te doen wanneer de export een nieuwe kolom heeft. Het oordeel binnen de lus is waar je voor betaalt. Zit er geen oordeel in de lus, dan betaal je een taalmodel om een for -lus te zijn met slechtere foutafhandeling. Eén klus per agent Hefboom is niet \"meer agents\". Hefboom is één werker die niet kan afdwalen. Slecht: een agent die mail leest, het CRM bijwerkt, in Slack post en \"gewoon ops doet\". Beter: een agent met als doel \"conceptherinneringen opstellen voor de openstaande rijen in het blad van vandaag.\" Invoer, uitvoer, en een verzendactie die een aangewezen persoon moet vrijgeven. Dat is het charter van de definitiepagina, gebruikt als roosterkaart en niet als theorie. Kun je de klus niet in één zin zeggen die andere klussen uitsluit, dan heb je geen agent. Dan heb je een stapel plug-ins. Geef de lus een plafond Een agent zonder stopvoorwaarde faalt niet luid. Hij faalt diep in een retry-lus, terwijl hij geld blijft uitgeven. Schrijf vier getallen op vóór de eerste run, en schrijf ze op een plek waar de run ze kan afdwingen, niet in een document. - Maximaal aantal stappen. Hoeveel modelbeurten voordat de run stopt en vraagt. Begin laag genoeg dat je elke gestopte run daadwerkelijk inspecteert. Loopt de klus routinematig tegen het plafond aan, herzie dan de grens van de klus. - Maximaal aantal aanroepen per tool. Zeker alles wat geld kost of iets verstuurt. \"Eén verzending per rij, ooit\" is een echte beperking die je kunt implementeren. - Uitgavenlimiet. Tokens en elke tool die een rekening raakt. Per run en per dag. - Kloktijd. Een run die binnen zijn venster niet klaar is, is niet bijna klaar. Hij zit vast. Beslis daarna wat er bij een fout gebeurt, want de standaard is erger dan je denkt. Een tool geeft een 500 terug, het model leest dat als rommelige invoer, probeert een variant, en nu zit je in een retry-lus die van buitenaf op voortgang lijkt. De regel die standhoudt: een onbekende fout stopt de run. Herhaal alleen foutklassen die je eerder hebt gezien en veilig hebt verklaard, en alleen een vast aantal keer. Al het andere escaleert met de trace erbij. Je versoepelt dit later, op bewijs, op specifieke fouten. Begin dicht. Kies schrijfacties die je kunt terugnemen Rangschik elke schrijftool naar hoe moeilijk hij ongedaan te maken is, en koop eerst de omkeerbare variant. - Concept, geen verzending. De mail staat in een map. Een mens drukt op versturen. - Voorstel, geen merge. Een pull request, geen push naar main. - Klaarzetten, niet vastleggen. Een rij in een reviewtabel, geen mutatie op het klantrecord. - Zacht, niet hard. Een vlag, geen verwijdering. Dat ene ontwerpbesluit verplaatst risico naar een plek waar menselijke review goedkoop is. Het maakt de eerste tien reviews ook pas mogelijk; je kunt een verzending die al weg is niet meer beoordelen. Waar onomkeerbaar echt nodig is, daar zit de aangewezen reviewer. Niet overal. Een poort op elke leesactie levert goedkeuringsmoeheid op; reserveer hem voor onomkeerbare stappen. Hoe je hem optimaliseert Het model dat je dit kwartaal draait, is het weer. Optimaliseer de objecten die een modelwissel overleven. Zet het charter strakker. Doel, invoer, uitvoer, bevoegdheid, succes, review, escalatie. Is succes \"behulpzaam zijn\", dan krijg je concepten die willen versturen. Schrijf succes op als iets waar een reviewer op kan afkeuren: \"elk concept noemt het factuurnummer en het werkelijke bedrag.\" Scheid vaste context van run-invoer. Het charter, de weigerlijst en de huisfeiten zijn geversioneerde vaste context; die verandert bewust, met een diff. Het blad van vandaag, de rijen van vandaag en het venster van vandaag zijn run-invoer. Run-invoer in de vaste context mengen is precies hoe verouderde data in latere runs overleeft. Krimp de toollijst. Kies eerst een alleen-lezen server, pas daarna een server die schrijft. Zet tools op een allowlist bij de host. Neem niet \"alle tools van deze server\". MCP uitgelegd voor ondernemers is de permissiepagina. Schrijf de weigerlijst. De override-doctrine is wat de agent nooit mag doen, ook wanneer het charter zwijgt. Begin met drie categorieën: geld (uitgeven boven een plafond, korting geven, een terugbetaling toezeggen), identiteit (spreken namens het bedrijf, zich namens jou vastleggen, ongevraagd een klant benaderen) en onomkeerbaarheid (productiedata wijzigen, verwijderen, publiceren). Alles in die drie is een weigering of een poort, nooit een standaardhandeling. Zet een mens op de onomkeerbare stap. Versturen, betalen, verwijderen, spreken. Beoordeel de eerste tien schrijfacties volledig. Gebruik daarna de log om te bepalen of een omkeerbare poort losser kan. Onomkeerbare stappen blijven bewaakt. Geen log, geen schrijftool. Lees de trace, niet de alinea Een veelvoorkomende reviewfout is het Nederlands beoordelen. Open één run en beoordeel de aanroepen, niet het proza. Vier vragen per aanroep: 1. Was deze tool toegestaan voor deze klus? 2. Klopten de argumenten, en waar kwam elk argument vandaan? Een plausibel factuurnummer dat het model uit het niets produceerde, is in dit soort systemen een ernstige fout. 3. Heeft het model het resultaat gelezen, of ging het eroverheen? Doorgaan na een fout is een fout, ook wanneer de uitvoer er prima uitziet. 4. Stopte het waar het charter stoppen voorschreef? Een keurige alinea die de verkeerde factuur gebruikte, is een misser. Een bot concept met het juiste nummer en een nette weigering is een geslaagde run. Evalueer de redenering, niet de vloeiendheid is de langere versie van dat argument. Bewaar de mislukkingen. Tien echte traces waarin de agent het misdeed, vormen voor jouw systeem een relevantere regressieset dan een algemene benchmark. Dat zijn de tests die jouw data kennen. Loop één week na Maandag: één agent, één blad, alleen concepten voor mail. Stappenplafond ingesteld. Een aangewezen reviewer keurt alles af wat een tarief verzint. Woensdag: lees de log. Probeerde een aanroep te versturen zonder conceptstap, dan klopt het permissieontwerp niet. Repareer de host of de servercontroles, niet de prompt. Een promptpleister op een permissiefout houdt het tot het volgende model. Vrijdag: zijn de concepten bruikbaar en is de log reconstrueerbaar, dan heb je hefboom. Heb je \"drie servers toegevoegd\" en kun je niet zeggen wie versturen bezit, dan heb je een demo met extra stoppen. De week erna is dezelfde agent met één beperking losser, op bewijs. Niet een tweede agent. Wat effectief niet is Het is geen autonomietheater. Een agent die niet kan weigeren, is een lont. Het is geen groter contextvenster. Meer geheugen zonder charter is een langere bui. Het is geen graaf van meerdere agents. Waarom multi-agentsystemen falen staat hiernaast. Coördinatie is een andere klus dan koppeling, en een tweede agent toevoegen om een charterprobleem op te lossen levert je twee charterproblemen op die nu ook met elkaar praten. Zet de definitie in de vergadering. Zet deze pagina op het rooster. Geef de werker daarna één lade, een slot op de rest, een getal dat hem laat stoppen, en een log aan het frame.","keyTakeaways":["De definitiepagina is de toets. Deze pagina is het rooster: één klus per agent.","Geef de lus een plafond: maximaal stappen, maximaal toolaanroepen, een uitgavenlimiet, en stoppen bij de eerste onbekende fout.","Kies concept-eerst en omkeerbaar. Versturen zonder conceptstap is een ontwerpbesluit dat je bewust moet nemen.","Optimaliseer het charter, de allowlist en de log. Het model is het weer.","Beoordeel de toolaanroepen, niet het proza. Een keurige alinea op de verkeerde factuur is een fout."],"readingMinutes":7,"publishedAt":"2026-08-27T10:05:00.000Z"}},"degree":22},{"id":"article:what-are-downstream-effects","type":"article","pillar":"venture-building","locales":{"en":{"label":"What are downstream effects?","summary":"A downstream effect is a consequence of an operational decision that is delayed, lands on a different surface than the metric you optimized, and had no owner in the room when the decision was made. Downstream consequences is the same river with slightly wider language. Downstream affect is the verb; the noun you want is effect. You do not need to predict every consequence. You need a way to name the next bend before commitment. The first-order metric can be genuinely green. Partner margin, a regulator queue, an agent network, or a customer renewal are typical landing surfaces.","url":"/en/blog/what-are-downstream-effects/","searchText":"What are downstream effects? A downstream effect is a consequence of a decision that arrives later, on a different surface than the metric you optimized, with no owner in the room at commitment. Downstream consequences is the same river. The first-order metric can be green. The cost still has to land somewhere. A downstream effect is a consequence of an operational decision that is delayed, lands on a different surface than the metric you optimized, and had no owner in the room when the decision was made. Downstream consequences is the same river with slightly wider language. Downstream affect is the verb; the noun you want is effect. You do not need to predict every consequence. You need a way to name the next bend before commitment. The first-order metric can be genuinely green. Partner margin, a regulator queue, an agent network, or a customer renewal are typical landing surfaces. what are downstream effects Delayed, displaced, unowned at decision time. That is the definition. Effect is the noun. Affect is the verb. Consequences is the same river. This page is the definition. The longer operator article is the audit. The Downstream Effects is in production and not for sale. The definition is already usable. downstream-effects downstream effect A delayed, displaced, previously unowned consequence of an operational decision. landing surface The place the cost actually arrives, usually not the metric the room optimized. People search \"downstream effects\" because a meeting used the phrase and nobody wrote down what it meant. The first-order metric was green. The cost arrived later, on a different desk, and had no owner in the room. What are downstream effects? A consequence of an operational decision that is delayed, lands on a different surface than the metric you optimized, and had no owner in the room when the decision was made. That is the whole definition. The rest of this page is collision control, so the word does not collapse into \"second-order thinking\" or \"risk management\" or a weather report. Three tests, all required. Delayed: it does not show up in the same reporting window as the win. Displaced: it lands on a surface the room did not watch. Unowned at commitment: nobody in the room had the later cost in their job. If you only have a delayed cost on the same metric, with the same owner, you have a lag. You do not yet have this noun. Effect, affect, consequences Effect is the noun. The downstream effect is the later cost. Affect is the verb. A pricing change affects partner margins. Downstream consequences is the same river with slightly wider language. Use the phrase your team will actually say. The unit that matters is one decision, one later bend, one landing surface. If you landed here looking for hydrology, leave. This is operations. Not systems thinking in general Systems primers explain feedback. Risk registers catch threats the room already imagined. Downstream work names surfaces that were not in the room: partners, regulators, agent networks, customer renewals. The first-order metric can be genuinely green. That is the trap. A locally correct decision still starts a river. Most teams only watch the first bend. You do not need to predict every consequence. You need a way to name the next bend before commitment. Seeing the third bend usually reshapes a decision rather than killing it. Second-order thinking is adjacent and not the same job. Second-order work asks what happens after the first effect. Downstream work asks where the cost lands and who did not own it when you committed . You can be fluent at second-order commentary and still ship an unowned cost onto a partner's margin. A decision with a green metric A team shortens payment terms to \"improve cash.\" Cash this month is green. The landing surface is partner margin three quarters later, when the channel starts quietly steering volume to a slower payer who is easier to live with. Nobody from partnerships was in the room. The cost is delayed, displaced, and was unowned at commitment. That is the noun. A second example, different surface. You attach an agent to inbound support because first-response time is the metric. First-response time goes green. The landing surface is the refund queue and the public review pile, six weeks later, when the agent closes tickets it was not chartered to close. Support leadership owned the timer. Nobody owned the later refunds at the moment of commitment. A third. You publish a pricing page that is easier to scan. Conversion is green. The landing surface is a regulator queue, or a most-favoured clause in an existing contract, or a customer success team that now has to explain a change nobody scoped. Conversion had an owner. The later surface did not. The operator article already walks payment terms in full. This page only needs you to see the shape: green first-order, later desk, empty owner line. Two pages, one query This site already has a longer operator article: Downstream effects: why the real cost of a decision lands later, and somewhere else. That page is the anatomy, the twenty-minute audit, and the worked payment-terms walkthrough. This page is the search term. If you only needed the noun, you can stop after the three tests. If you need the audit, go there. DOWNSTREAM is the named protocol. It is an operating heuristic, not a validated risk instrument. The Downstream Effects is the book. It is in production. It is not for sale. You do not need the hardcover to ask, before you commit, who pays later and on which surface. A deal architect who only moved price is a common source of this noun. The visible number can be green. Power, alignment, constraints, terms, and options still have to land. What to write before the next commit One decision still open this week. Four lines. 1. The first-order metric the room is watching. 2. One later bend you can already name. 3. The landing surface (desk, partner, queue, renewal, agent network). 4. The human who owns that surface now , before you commit. If line four is blank, you found the gap. Assign it or change the decision. Predicting every branch is not the job. Naming the next one, with an owner, is.","keyTakeaways":["Delayed, displaced, unowned at decision time. That is the definition.","Effect is the noun. Affect is the verb. Consequences is the same river.","This page is the definition. The longer operator article is the audit.","The Downstream Effects is in production and not for sale. The definition is already usable."],"readingMinutes":4,"publishedAt":"2026-08-22T14:00:00.000Z"},"nl":{"label":"Wat zijn stroomafwaartse effecten?","summary":"Een stroomafwaarts effect is een gevolg van een operationele beslissing dat is vertraagd, landt op een ander oppervlak dan de metriek die je optimaliseerde, en geen eigenaar in de kamer had toen de beslissing werd genomen. Downstream effects is dezelfde rivier met iets bredere taal. Je hoeft niet elk gevolg te voorspellen. Je hebt een manier nodig om de volgende bocht te benoemen vóór de toezegging. De eerstelijnsmetriek kan oprecht groen zijn. Partnermarge, een toezichthouderwachtrij, een agent-netwerk of een klantverlenging zijn typische landingsoppervlakken.","url":"/nl/blog/wat-zijn-stroomafwaartse-effecten/","searchText":"Wat zijn stroomafwaartse effecten? Een stroomafwaarts effect is een gevolg van een beslissing dat later arriveert, op een ander oppervlak dan de metriek die je optimaliseerde, zonder eigenaar in de kamer bij de toezegging. De eerstelijnsmetriek kan groen zijn. De kosten moeten nog steeds ergens landen. Een stroomafwaarts effect is een gevolg van een operationele beslissing dat is vertraagd, landt op een ander oppervlak dan de metriek die je optimaliseerde, en geen eigenaar in de kamer had toen de beslissing werd genomen. Downstream effects is dezelfde rivier met iets bredere taal. Je hoeft niet elk gevolg te voorspellen. Je hebt een manier nodig om de volgende bocht te benoemen vóór de toezegging. De eerstelijnsmetriek kan oprecht groen zijn. Partnermarge, een toezichthouderwachtrij, een agent-netwerk of een klantverlenging zijn typische landingsoppervlakken. wat zijn stroomafwaartse effecten Vertraagd, verplaatst, zonder eigenaar op het moment van de beslissing. Dat is de definitie. Effect is het zelfstandig naamwoord. Consequenties is dezelfde rivier. Deze pagina is de definitie. Het langere operatorartikel is de audit. De stroomafwaartse effecten is in productie en niet te koop. De definitie is al bruikbaar. downstream-effects stroomafwaarts effect Een vertraagd, verplaatst, eerder eigenaarloos gevolg van een operationele beslissing. landingsoppervlak De plek waar de kosten daadwerkelijk aankomen, meestal niet de metriek die de kamer optimaliseerde. Mensen zoeken op \"stroomafwaartse effecten\" omdat een vergadering de zin gebruikte en niemand opschreef wat het betekende. De eerstelijnsmetriek was groen. De kosten arriveerden later, op een ander bureau, en hadden geen eigenaar in de kamer. Wat zijn stroomafwaartse effecten? Een gevolg van een operationele beslissing dat is vertraagd, landt op een ander oppervlak dan de metriek die je optimaliseerde, en geen eigenaar in de kamer had toen de beslissing werd genomen. In het Engels noemen we dit vaak downstream effects . Dat is de hele definitie. De rest van deze pagina is controle over de verwarring, zodat het woord niet vervalt in \"tweede-orde denken\" of \"risicobeheer\" of een weersverwachting. Drie tests, alle drie nodig. Vertraagd: het verschijnt niet in hetzelfde rapportagevenster als de winst. Verplaatst: het landt op een oppervlak dat de kamer niet bekeek. Zonder eigenaar bij de toezegging: niemand in de kamer had de latere kost in het takenpakket. Heb je alleen een vertraagde kost op dezelfde metriek, met dezelfde eigenaar, dan heb je een vertraging. Dit zelfstandig naamwoord heb je dan nog niet. Effect, invloed, consequenties Effect is het zelfstandig naamwoord. Het stroomafwaartse effect is de latere kost. Beïnvloeden is het werkwoord. Een prijswijziging beïnvloedt partnermarges. Stroomafwaartse consequenties is dezelfde rivier met iets bredere taal. Gebruik de zin die je team daadwerkelijk zal uitspreken. De eenheid die ertoe doet is één beslissing, één latere bocht, één landingsoppervlak. Als je hier bent beland op zoek naar hydrologie, vertrek dan. Dit is bedrijfsvoering. Niet zomaar systeemdenken Systeeminleidingen leggen feedback uit. Risicoregisters vangen dreigingen op die de kamer al had bedacht. Stroomafwaarts werk benoemt oppervlakken die niet in de kamer waren: partners, toezichthouders, agent-netwerken, klantverlengingen. De eerstelijnsmetriek kan oprecht groen zijn. Dat is de valstrik. Een lokaal correcte beslissing start nog steeds een rivier. De meeste teams kijken alleen naar de eerste bocht. Je hoeft niet elk gevolg te voorspellen. Je hebt een manier nodig om de volgende bocht te benoemen vóór de toezegging. Het zien van de derde bocht hervormt meestal een beslissing in plaats van deze te doden. Tweede-orde denken ligt ernaast en is niet hetzelfde werk. Tweede-orde werk vraagt wat er gebeurt na het eerste effect. Stroomafwaarts werk vraagt waar de kost landt en wie hem niet bezat toen je toezegde . Je kunt vloeiend tweede-orde commentaar geven en alsnog een eigenaarloze kost op iemands partnermarge zetten. Een beslissing met een groene metriek Een team verkort de betalingstermijn om \"cash te verbeteren.\" Cash deze maand is groen. Het landingsoppervlak is partnermarge drie kwartalen later, wanneer het kanaal stilletjes volume stuurt naar een tragere betaler die makkelijker te dragen is. Niemand van partnerships zat in de kamer. De kost is vertraagd, verplaatst, en was bij de toezegging van niemand. Dat is het zelfstandig naamwoord. Een tweede voorbeeld, ander oppervlak. Je koppelt een agent aan inbound support omdat first-response time de metriek is. First-response time wordt groen. Het landingsoppervlak is de restitutiewachtrij en de publieke reviews, zes weken later, wanneer de agent tickets sluit die hij volgens zijn charter niet mocht sluiten. Supportleiding bezat de timer. Niemand bezat de latere restituties op het moment van de toezegging. Een derde. Je publiceert een prijzenpagina die makkelijker te scannen is. Conversie is groen. Het landingsoppervlak is een wachtrij bij de toezichthouder, of een most-favoured-clausule in een bestaand contract, of een customer-successteam dat nu een wijziging moet uitleggen die niemand heeft afgebakend. Conversie had een eigenaar. Het latere oppervlak niet. Het operatorartikel werkt betalingstermijnen al volledig uit. Deze pagina hoeft je alleen de vorm te laten zien: groene eerstelijn, later bureau, lege eigenaarsregel. Twee pagina's, één zoekopdracht Deze site heeft al een langer operatorartikel: Stroomafwaartse effecten: de rekening die later en ergens anders binnenkomt. Die pagina bevat de anatomie, de audit van twintig minuten en de uitgewerkte walkthrough van betalingsvoorwaarden. Deze pagina is de zoekterm. Had je alleen het zelfstandig naamwoord nodig, dan kun je stoppen na de drie tests. Heb je de audit nodig, ga daarheen. DOWNSTREAM is het benoemde protocol. Het is een operationele heuristiek, geen gevalideerd risico-instrument. De stroomafwaartse effecten is het boek. Het is in productie. Het is niet te koop. Je hebt de hardcover niet nodig om, voordat je je vastlegt, te vragen wie er later betaalt en op welk oppervlak. Een deal-architect die alleen de prijs heeft verschoven is een veelvoorkomende bron van dit zelfstandig naamwoord. Het zichtbare getal kan groen zijn. Macht, afstemming, beperkingen, voorwaarden en opties moeten nog landen. Wat je opschrijft vóór de volgende toezegging Eén beslissing die deze week nog openstaat. Vier regels. 1. De eerstelijnsmetriek waar de kamer naar kijkt. 2. Eén latere bocht die je al kunt benoemen. 3. Het landingsoppervlak (bureau, partner, wachtrij, verlenging, agent-netwerk). 4. De mens die dat oppervlak nu bezit, voordat je toezegt. Is regel vier leeg, dan heb je de kloof gevonden. Wijs hem toe of wijzig de beslissing. Elke tak voorspellen is niet het werk. De volgende benoemen, met een eigenaar, wel.","keyTakeaways":["Vertraagd, verplaatst, zonder eigenaar op het moment van de beslissing. Dat is de definitie.","Effect is het zelfstandig naamwoord. Consequenties is dezelfde rivier.","Deze pagina is de definitie. Het langere operatorartikel is de audit.","De stroomafwaartse effecten is in productie en niet te koop. De definitie is al bruikbaar."],"readingMinutes":4,"publishedAt":"2026-08-22T14:05:00.000Z"}},"degree":10},{"id":"article:what-does-likely-mean","type":"article","pillar":"founder-performance","locales":{"en":{"label":"What does 'likely' mean? Ask five people and you get five numbers","summary":"'Likely' has no fixed number. In a survey of about 1,700 people, answers for common probability words spread widely, and in a 2020 study of 881 Dutch speakers, nine in ten put the Dutch word for likely anywhere from 57% to 91%. So two people can agree that something is 'likely' while holding very different odds. When the number matters, say it, together with the event, the date and how it will be judged: 'likely (about 70%) that we ship by 30 June'.","url":"/en/blog/what-does-likely-mean/","searchText":"What does 'likely' mean? Ask five people and you get five numbers 'Likely' has no fixed number: most people put it somewhere between about 55% and 90%. Where that spread comes from, what it costs a team, and the fix. A shared word is not a shared number. The CIA learned that in 1951, and most teams still have not. 'Likely' has no fixed number. In a survey of about 1,700 people, answers for common probability words spread widely, and in a 2020 study of 881 Dutch speakers, nine in ten put the Dutch word for likely anywhere from 57% to 91%. So two people can agree that something is 'likely' while holding very different odds. When the number matters, say it, together with the event, the date and how it will be judged: 'likely (about 70%) that we ship by 30 June'. what does likely mean 'Likely' is not one number. Most people put it somewhere between about 55% and 90%. In 1951, CIA board members who had agreed on 'serious possibility' meant anything from 20% to 80%. Putting the number in brackets next to the word roughly doubled agreement in a 924-person experiment. A number needs an event, a date and a rule for judging it, or it is only half a claim. A five-minute silent exercise shows your team's spread before it costs you a decision. founder-resilience probability word A word or phrase such as likely, probably or a real possibility that signals a chance without stating a number. National Intelligence Estimate A formal forecast produced and agreed by the US intelligence community for policymakers. calibration The match between how confident you say you are and how often you turn out to be right. \"Likely\" does not mean one number. It means whatever number the listener already has in mind, and those numbers differ. In surveys, most people put \"likely\" somewhere between about 55% and 90%. Ask five colleagues and you can easily hear 60, 70, 75, 80 and 90. If a decision depends on the difference, say the number. Below: where this spread was first caught, what surveys have measured since, and a five-minute exercise that exposes your own team's spread. Where was this problem first noticed? At the CIA, in 1951. That March, a US National Intelligence Estimate (a formal forecast agreed by the US intelligence community) concluded that \"an attack on Yugoslavia in 1951 should be considered a serious possibility.\" A few days later, the chairman of the State Department's Policy Planning Staff asked Sherman Kent, a member of the CIA's Board of National Estimates, what odds that phrase meant. Kent said his own estimate was about 65 to 35 in favor of an attack. The planner and his colleagues had read it as considerably lower. Kent then asked his fellow Board members, the people who had agreed on the wording. The lowest had meant about 20 to 80. The highest had meant 80 to 20. He wrote the episode up in 1964 in an essay called Words of Estimative Probability, which the CIA now publishes. His diagnosis still fits most meeting rooms: \"We did not use the numbers, however, and it appeared that we were misusing the words.\" His fix was a table that pinned each phrase to a band of odds: \"almost certain\" around 93%, \"probable\" around 75%, \"chances about even\" 50%, \"probably not\" around 30%, \"almost certainly not\" around 7%. The table never became a universal standard. The diagnosis stuck: a shared phrase is not a shared number. What do surveys show about \"likely\" today? In 2018, Andrew Mauboussin and Michael J. Mauboussin asked members of the public to put numbers on 23 common probability words. Harvard Business Review published the results from 1,700 respondents. Most people, though not all, read \"always\" as 100%. \"Real possibility\" was read anywhere from about 20% to 80%. Native English speakers put \"slam dunk\" at 93% on average; non-native speakers put it at 81%. The authors also posted their raw data. We recalculated the word \"likely\" from that file. The most common answers were 75%, 70%, 60% and 80%, and the middle answer was 70%. About one person in nine answered 55% or lower. About one in five answered 80% or higher. Kent's phrase is in the data too. \"Serious possibility\" had a middle answer of 66%, almost exactly Kent's own 65 to 35. Yet a third of the answers were 55% or lower, and more than a quarter were 80% or higher. Almost seventy years after Kent's poll, the phrase still splits a room. Word Middle answer Middle 80% of answers --- --- --- almost certainly 90% 80% to 99% likely 70% 55% to 80% probably 70% 51% to 80% serious possibility 66% 30% to 86% real possibility 60% 20% to 80% maybe 50% 25% to 50% possibly 45% 15% to 60% unlikely 20% 5% to 30% Our recalculation from the Mauboussins' public raw data. Read it as a picture of spread, not as a standard. Dutch behaves the same way. In a 2020 study, Sanne Willems, Casper Albers and Ionica Smeets asked 881 Dutch speakers to turn 29 Dutch probability phrases into numbers. For waarschijnlijk , the Dutch word for likely, the average was 75%, and 90% of participants answered somewhere between 57% and 91%. On average, statisticians read the phrases much like everyone else: the largest difference between the two groups' averages was four percentage points. Why does this go wrong in teams? Agreement that is not agreement. Five people sign off on \"likely\" while holding five different numbers. Kent's Board did exactly that, on a question of war. A word ends the conversation a number would start. Imagine an engineer calls a release \"low risk,\" meaning about 80% safe. The product manager hears 95% and ships. Had the engineer said \"80%,\" someone would have asked what the other 20% looked like. Words protect the speaker. The forecasting researcher Phil Tetlock is quoted in the same HBR piece: \"vague verbiage gives you political safety.\" If the thing happens, you said it would. If it does not, you only said \"likely.\" What is the fix? Say the number. Then say what it is about. A bare percentage is half a claim. \"70%\" on \"the migration is done\" can mean the code switched over, the last old system was turned off, or finance approved the final invoice. Pin three things next to the number: the event, the date, and how it will be judged. \"70% that every service runs on the new stack by 30 June, judged by the deploy log.\" If you want to keep the word, put the number right beside it: \"likely (about 70%).\" In a 2019 experiment with 924 participants, Bonnie Wintle and colleagues tested four ways of showing readers the numbers behind probability words. Only one clearly worked: numbers in brackets inside the sentence. Agreement with the intended meaning averaged 66%, against 32% when readers got no guidance. A guidelines table one click away did not substantially improve agreement. A later reanalysis by David Mandel and Daniel Irwin used a fairer scoring method and reached the same conclusion about which format works. How does CALIBRATE deal with words like \"likely\"? CALIBRATE is a nine-step system for matching how sure you are to what your evidence can carry. It comes from The Calibrated Mind by Len P. van der Hof, available in English and Dutch. You do not need the book to use it. 1. Calibrate confidence. Turn a feeling of certainty into a number you can check later. 2. Assess assumptions. List the hidden premises under your judgment and test the weakest one. 3. Lean on probabilities. Replace words like \"likely\" with numbers and ranges. 4. Investigate alternatives. Build the strongest case against your own view. 5. Build updating rules. Decide in advance how much new evidence should move you. 6. Record and review. Keep a prediction journal and score it. 7. Act with appropriate uncertainty. Set a threshold for acting instead of waiting for certainty. 8. Teach and extend. Explain your numbers to someone else. The gaps show fast. 9. Evolve your model. Review on a rhythm, because calibration drifts. Step 3 is the one this article is about. Here it is on a hypothetical sales forecast: \"We will likely close the Acme deal this quarter.\" - Place it on a fixed scale. The book anchors the scale so everyone reads it the same way: 10% is very unlikely, 50% is a balanced call, 90% is very likely, and 100% is reserved for logical truths. You settle on 70%. - Pin the event. \"70% that Acme signs by 30 September, judged by a countersigned contract.\" - Translate the failure rate out loud. \"That means I expect to be wrong on calls like this about three times in ten.\" The last line does more work than it seems. It tells the room the number is a real claim, and it takes the sting out of the day you land in the three. A five-minute exercise: your team's probability dictionary Run this at the start of your next planning meeting. 1. Two minutes, in silence. Everyone fills in the \"My number\" column alone. No discussion yet. If the first person to speak says 80, the others can drift toward 80, and you lose the spread you came to measure. 2. Two minutes, out loud. Go word by word. Write down the team's lowest and highest number. 3. One minute, agree a rule. For every word with a spread of more than 20 points, agree that in written documents it always carries a number in brackets. Word My number Team low Team high Our rule --- --- --- --- --- almost certain likely probably a serious possibility maybe unlikely Why a rule and not a team glossary? Kent's table never became standard practice, and Wintle's experiment found that a table readers had to open separately did not substantially help. The bracket travels with the sentence. Try this today Open the last document you sent that contains \"likely,\" \"probably,\" \"possible\" or \"unlikely.\" Put a number in brackets after each one, and a date where the claim has one. It takes about ten minutes. Where you cannot choose a number, you have found a claim you had not actually made yet. What calibration means explains what to do next: write the claim, the evidence, and a percentage you would bet. For five habits that keep the numbers honest over a week, see calibration techniques for founders.","keyTakeaways":["'Likely' is not one number. Most people put it somewhere between about 55% and 90%.","In 1951, CIA board members who had agreed on 'serious possibility' meant anything from 20% to 80%.","Putting the number in brackets next to the word roughly doubled agreement in a 924-person experiment.","A number needs an event, a date and a rule for judging it, or it is only half a claim.","A five-minute silent exercise shows your team's spread before it costs you a decision."],"readingMinutes":7,"publishedAt":"2026-10-04T19:00:00.000Z"},"nl":{"label":"Wat betekent 'waarschijnlijk'? Vraag het vijf mensen en je krijgt vijf getallen","summary":"'Waarschijnlijk' heeft geen vast getal. In een Nederlands onderzoek uit 2020 onder 881 mensen was het gemiddelde 75 procent, maar negen op de tien deelnemers kozen iets tussen 57 en 91 procent. Twee collega's kunnen het er dus over eens zijn dat iets waarschijnlijk is en toch heel andere kansen bedoelen. Gaat het ergens om, noem dan het getal, met de gebeurtenis, de datum en hoe je vaststelt of het is uitgekomen: 'We gaan waarschijnlijk (zo'n 70 procent) uiterlijk 30 juni live.'","url":"/nl/blog/wat-betekent-waarschijnlijk/","searchText":"Wat betekent 'waarschijnlijk'? Vraag het vijf mensen en je krijgt vijf getallen 'Waarschijnlijk' heeft geen vast getal: in een Nederlands onderzoek kozen negen op de tien iets tussen 57 en 91 procent. Waar dat misgaat, en wat wel helpt. Een gedeeld woord is geen gedeeld getal. De CIA ontdekte dat in 1951; de meeste teams nog steeds niet. 'Waarschijnlijk' heeft geen vast getal. In een Nederlands onderzoek uit 2020 onder 881 mensen was het gemiddelde 75 procent, maar negen op de tien deelnemers kozen iets tussen 57 en 91 procent. Twee collega's kunnen het er dus over eens zijn dat iets waarschijnlijk is en toch heel andere kansen bedoelen. Gaat het ergens om, noem dan het getal, met de gebeurtenis, de datum en hoe je vaststelt of het is uitgekomen: 'We gaan waarschijnlijk (zo'n 70 procent) uiterlijk 30 juni live.' wat betekent waarschijnlijk 'Waarschijnlijk' is geen vast getal. Negen op de tien deelnemers aan een Nederlands onderzoek kozen iets tussen 57 en 91 procent. In 1951 liepen de lezingen van de CIA-analisten die 'serious possibility' hadden goedgekeurd, uiteen van 20 tot 80 procent. Het getal tussen haakjes naast het woord zetten verdubbelde ruwweg de overeenstemming in een experiment met 924 deelnemers. Een getal heeft een gebeurtenis, een datum en een beoordelingsregel nodig; anders is het een halve bewering. Een stille oefening van vijf minuten laat de spreiding in je team zien voordat die je een beslissing kost. founder-resilience kansuitdrukking Een woord of zinsdeel dat een kans aanduidt zonder getal, zoals 'waarschijnlijk', 'vermoedelijk' of 'een reële kans'. National Intelligence Estimate Een formele voorspelling die de Amerikaanse inlichtingendiensten samen opstellen en goedkeuren voor beleidsmakers. kalibratie De mate waarin de zekerheid die je uitspreekt overeenkomt met hoe vaak je gelijk krijgt. Waarschijnlijk is niet één getal. Het is het getal dat de luisteraar al in zijn hoofd had, en dat verschilt per persoon. In een Nederlands onderzoek onder 881 mensen kozen negen op de tien voor waarschijnlijk iets tussen 57 en 91 procent. Vraag het vijf collega's en je hoort zomaar 60, 70, 75, 80 en 90. Hangt een beslissing van dat verschil af, noem dan het getal. Hieronder lees je wat Nederlanders onder kanswoorden verstaan, waar het probleem voor het eerst aan het licht kwam, en hoe je met een oefening van vijf minuten de spreiding in je eigen team zichtbaar maakt. Wat verstaan Nederlanders onder 'waarschijnlijk'? In 2020 publiceerden Sanne Willems, Casper Albers en Ionica Smeets een onderzoek naar 29 Nederlandse kansuitdrukkingen. Ze kozen woorden die vaak in berichten op nu.nl staan. De 881 deelnemers zagen elke uitdrukking in een neutrale zin, zoals 'Het is waarschijnlijk dat dit plan slaagt', en gaven er een percentage bij. Uitdrukking Gemiddeld Negen op de tien antwoorden tussen --- --- --- zeker 96% 82 en 100% bijna zeker 88% 71 en 98% zeer waarschijnlijk 86% 70 en 95% grote kans 78% 60 en 92% waarschijnlijk 75% 57 en 91% vermoedelijk 67% 41 en 86% mogelijk 47% 22 en 70% misschien 41% 17 en 60% kleine kans 17% 5 en 32% onwaarschijnlijk 16% 3 en 36% Bron: Willems, Albers en Smeets (2020). De middelste kolom is het gemiddelde, de rechterkolom loopt van het 5e tot het 95e percentiel. Drie dingen vallen op. Vermoedelijk ligt lager dan waarschijnlijk en loopt veel verder uiteen. Waarschijnlijk en onwaarschijnlijk tellen samen op tot 91 procent, niet tot 100. En gemiddeld lazen statistici de uitdrukkingen vrijwel net als de rest: het grootste verschil tussen de gemiddelden van beide groepen was vier procentpunten. Waar kwam dit probleem voor het eerst aan het licht? Bij de CIA, in 1951. In maart van dat jaar concludeerde een National Intelligence Estimate, een formele voorspelling van de Amerikaanse inlichtingendiensten, dat een aanval op Joegoslavië in 1951 moest worden gezien als een \"serious possibility\", een serieuze mogelijkheid. Een paar dagen later vroeg de voorzitter van de beleidsplanningsafdeling van het Amerikaanse ministerie van Buitenlandse Zaken aan Sherman Kent, lid van de Board of National Estimates van de CIA, welke kans die woorden eigenlijk uitdrukten. Kent schatte de kans zelf op ongeveer 65 tegen 35 in het voordeel van een aanval. Zijn gesprekspartner en diens collega's hadden het als een veel kleinere kans gelezen. Kent legde de vraag daarop voor aan zijn collega's in de Board, precies de mensen die de formulering hadden goedgekeurd. De laagste inschatting was ongeveer 20 tegen 80, de hoogste 80 tegen 20. Hij beschreef het voorval in 1964 in het essay Words of Estimative Probability, dat de CIA nu zelf publiceert. Zijn diagnose past nog steeds op veel vergaderingen: \"We did not use the numbers, however, and it appeared that we were misusing the words.\" Getallen gebruikten ze niet, en de woorden gebruikten ze kennelijk verkeerd. Kent stelde daarna een tabel op die elke uitdrukking aan een kansband koppelde: \"almost certain\" rond 93 procent, \"probable\" rond 75 procent, \"chances about even\" 50 procent, \"probably not\" rond 30 procent en \"almost certainly not\" rond 7 procent. Die tabel is nooit een algemene standaard geworden. De diagnose bleef staan: een gedeelde formulering is geen gedeeld getal. Wat laten Engelstalige enquêtes zien? In 2018 vroegen Andrew en Michael J. Mauboussin het publiek 23 Engelse kanswoorden om te zetten in getallen. Harvard Business Review publiceerde de uitkomsten van 1700 respondenten. \"Always\" lazen de meesten, maar niet iedereen, als 100 procent. De lezingen van \"real possibility\" liepen uiteen van ongeveer 20 tot 80 procent. Eén bevinding is vooral nuttig als je in het Engels werkt. Moedertaalsprekers van het Engels zetten \"slam dunk\" gemiddeld op 93 procent, niet-moedertaalsprekers op 81 procent. De auteurs raden daarom af om cultuurgebonden uitdrukkingen en vooral sportbeelden te gebruiken als je duidelijk wilt zijn. De auteurs zetten hun ruwe data online. Wij rekenden daarmee de cijfers voor \"likely\" na: het middelste antwoord was 70 procent, en de meest gekozen antwoorden waren 75, 70, 60 en 80 procent. Ongeveer één op de negen antwoordde 55 procent of lager, ongeveer één op de vijf 80 procent of hoger. Kents eigen formulering zit er ook in. \"Serious possibility\" had als middelste antwoord 66 procent, bijna precies Kents 65 tegen 35. Toch zat een derde van de antwoorden op 55 procent of lager, en ruim een kwart op 80 procent of hoger. Bijna zeventig jaar na Kents rondvraag lopen de lezingen van die uitdrukking nog altijd ver uiteen. Woord Middelste antwoord Middelste 80% van de antwoorden --- --- --- almost certainly 90% 80 tot 99% likely 70% 55 tot 80% probably 70% 51 tot 80% serious possibility 66% 30 tot 86% real possibility 60% 20 tot 80% maybe 50% 25 tot 50% possibly 45% 15 tot 60% unlikely 20% 5 tot 30% Onze herberekening uit de openbare ruwe data van de Mauboussins. Lees de tabel als beeld van de spreiding, niet als norm. Kun je een getal ook verkeerd lezen? Ja, als niet duidelijk is waar het getal over gaat. Onderzoekers rond Gerd Gigerenzer vroegen in het najaar van 2002 aan 750 voorbijgangers in vijf steden wat \"morgen 30 procent kans op regen\" betekent. In Amsterdam deden 117 mensen mee. Ze konden kiezen uit drie lezingen: het regent morgen in 30 procent van het gebied, 30 procent van de tijd, of op 30 procent van de dagen zoals morgen. De laatste is wat meteorologen bedoelen. Alleen in New York koos een meerderheid die lezing. In Amsterdam, Berlijn, Milaan en Athene was \"30 procent van de tijd\" het populairst. Amsterdammers leken het getal bovendien het vaakst op te vatten als een uitspraak over de hoeveelheid regen, terwijl het Nederlandse publiek al sinds 1975 kansen op regen te horen krijgt. Het getal zelf klopte. Wat ontbrak, was een gedeelde afspraak over waar het over ging. Waarom gaat dit mis in teams? Instemming die geen instemming is. Vijf mensen tekenen voor \"waarschijnlijk\" met vijf verschillende getallen in hun hoofd. Kents Board deed precies dat, over een mogelijke oorlog. Een woord sluit het gesprek dat een getal zou openen. Stel dat een engineer een release \"laag risico\" noemt en daarmee ongeveer 80 procent veilig bedoelt. De productmanager hoort 95 procent en zet de release live. Had de engineer \"80 procent\" gezegd, dan had iemand gevraagd hoe die andere 20 procent eruitzag. Woorden beschermen de spreker. Voorspellingsonderzoeker Phil Tetlock wordt in hetzelfde HBR-stuk geciteerd: \"vague verbiage gives you political safety.\" Vage taal geeft je politieke dekking. Gebeurt het, dan had je het voorspeld. Gebeurt het niet, dan zei je alleen \"waarschijnlijk\". Wat helpt wel? Noem het getal. Zeg daarna waar het over gaat. Een kaal percentage is een halve bewering. \"70 procent dat de migratie klaar is\" kan betekenen dat de code is overgezet, dat het laatste oude systeem uitstaat of dat de financiële afdeling de slotfactuur heeft goedgekeurd. Zet drie dingen naast het getal: de gebeurtenis, de datum en hoe je vaststelt of het is uitgekomen. \"70 procent dat elke dienst uiterlijk 30 juni op de nieuwe stack draait, af te lezen aan de deploylog.\" Wil je het woord houden, zet het getal er dan direct naast: \"waarschijnlijk (zo'n 70 procent)\". In een experiment uit 2019 met 924 deelnemers testten Bonnie Wintle en collega's vier manieren om lezers de getallen achter kanswoorden te laten zien. Alleen getallen tussen haakjes in de zin zelf hielpen duidelijk. De overeenstemming met de bedoelde betekenis was gemiddeld 66 procent, tegenover 32 procent zonder hulp. Een tabel die je apart moest openklikken, hielp niet wezenlijk. Een latere heranalyse door David Mandel en Daniel Irwin, met een eerlijkere scoringsmethode, kwam tot dezelfde conclusie over welke vorm werkt. Hoe pakt CALIBRATE woorden als 'waarschijnlijk' aan? CALIBRATE is een systeem in negen stappen om je zekerheid af te stemmen op wat je bewijs kan dragen. Het komt uit De gekalibreerde geest van Len P. van der Hof, verkrijgbaar in het Nederlands en het Engels. In de Nederlandse editie heet het systeem KALIBREER. Je hebt het boek niet nodig om ermee te werken. 1. Kalibreer vertrouwen. Zet een gevoel van zekerheid om in een getal dat je later kunt toetsen. 2. Analyseer aannames. Zet de verborgen premissen onder je oordeel op een rij en test de zwakste. 3. Leun op waarschijnlijkheden. Vervang woorden als \"waarschijnlijk\" door getallen en bandbreedtes. 4. Onderzoek alternatieven. Bedenk de sterkste argumenten tegen je eigen standpunt. 5. Bouw bijstellingsregels. Leg vooraf vast hoe ver nieuw bewijs je oordeel mag verschuiven. 6. Registreer en evalueer. Houd een voorspellingsdagboek bij en bereken je score. 7. Handel met passende onzekerheid. Stel een handelingsdrempel vast in plaats van op zekerheid te wachten. 8. Leer anderen en breid uit. Leg je getallen uit aan iemand anders; de gaten worden snel zichtbaar. 9. Ontwikkel je model verder. Evalueer op een vast ritme, want zonder onderhoud glijdt je kalibratie weg. Stap 3 is waar dit artikel over gaat. Neem een hypothetische verkoopprognose: \"We sluiten de deal met Acme waarschijnlijk nog dit kwartaal.\" - Zet het op een vaste schaal. Het boek legt de schaal vast zodat iedereen hem hetzelfde leest: 10 procent is heel onwaarschijnlijk, 50 procent een afgewogen inschatting, 90 procent heel waarschijnlijk, en 100 procent bewaar je voor logische waarheden. Je komt uit op 70 procent. - Pin de gebeurtenis vast. \"70 procent dat Acme uiterlijk 30 september tekent, af te lezen aan een door beide partijen getekend contract.\" - Zeg de foutkans hardop. \"Bij 70 procent verwacht ik bij dit soort inschattingen drie van de tien keer ongelijk te krijgen.\" Die laatste zin doet meer dan je denkt. Hij laat de zaal horen dat het getal een echte bewering is, en hij haalt de angel eruit op de dag dat je in die drie terechtkomt. Een oefening van vijf minuten: het kanswoordenboek van je team Doe dit aan het begin van je volgende planningsoverleg. 1. Twee minuten stilte. Iedereen vult alleen de kolom \"Mijn getal\" in. Nog niet overleggen. Zegt de eerste spreker 80, dan kan de rest richting 80 schuiven, en dan verlies je precies de spreiding die je wilde meten. 2. Twee minuten hardop. Ga woord voor woord langs. Noteer het laagste en het hoogste getal in het team. 3. Eén minuut afspraak. Voor elk woord met meer dan 20 procentpunten spreiding spreek je af dat het in geschreven stukken altijd een getal tussen haakjes krijgt. Uitdrukking Mijn getal Laagste in team Hoogste in team Onze afspraak --- --- --- --- --- bijna zeker grote kans waarschijnlijk vermoedelijk misschien onwaarschijnlijk Waarom een afspraak en geen teamwoordenlijst? Kents tabel werd nooit gemeengoed, en in Wintles experiment hielp een aparte tabel niet wezenlijk. Het getal tussen haakjes reist mee met de zin. Probeer dit vandaag Open het laatste stuk dat je verstuurde waarin \"waarschijnlijk\", \"vermoedelijk\", \"mogelijk\" of \"onwaarschijnlijk\" staat. Zet achter elk van die woorden een getal tussen haakjes, en een datum als de bewering er een heeft. Dat kost je een minuut of tien. Lukt het je niet om een getal te kiezen, dan heb je een bewering gevonden die je eigenlijk nog niet had gedaan. Wat betekent kalibratie? legt uit wat je dan doet: schrijf de bewering op, het bewijs en een percentage waarop je zou durven wedden. Voor vijf gewoontes die je getallen een week lang eerlijk houden, zie kalibratietechnieken voor founders.","keyTakeaways":["'Waarschijnlijk' is geen vast getal. Negen op de tien deelnemers aan een Nederlands onderzoek kozen iets tussen 57 en 91 procent.","In 1951 liepen de lezingen van de CIA-analisten die 'serious possibility' hadden goedgekeurd, uiteen van 20 tot 80 procent.","Het getal tussen haakjes naast het woord zetten verdubbelde ruwweg de overeenstemming in een experiment met 924 deelnemers.","Een getal heeft een gebeurtenis, een datum en een beoordelingsregel nodig; anders is het een halve bewering.","Een stille oefening van vijf minuten laat de spreiding in je team zien voordat die je een beslissing kost."],"readingMinutes":9,"publishedAt":"2026-10-04T19:05:00.000Z"}},"degree":5},{"id":"article:what-is-a-confidence-grade","type":"article","pillar":"founder-performance","locales":{"en":{"label":"What is a confidence grade? Why \"high confidence\" is not 90%","summary":"A confidence grade is a short label, such as high, medium or low, that records how well the evidence you have checked supports one specific claim, with the reasons written beside it. It is not a probability: the IPCC tells its authors that confidence should not be read as a probability, and US intelligence standards forbid mixing the two in one sentence. It is not permission to act either. That also depends on what a mistake would cost.","url":"/en/blog/what-is-a-confidence-grade/","searchText":"What is a confidence grade? Why \"high confidence\" is not 90% A confidence grade rates how well the evidence supports one claim. It is not a probability or a go-ahead. How the IPCC, GRADE and analysts keep them apart. \"High confidence\" tells you about the evidence behind a claim. It does not tell you the odds, or what to do next. A confidence grade is a short label, such as high, medium or low, that records how well the evidence you have checked supports one specific claim, with the reasons written beside it. It is not a probability: the IPCC tells its authors that confidence should not be read as a probability, and US intelligence standards forbid mixing the two in one sentence. It is not permission to act either. That also depends on what a mistake would cost. what is a confidence grade A confidence grade rates the evidence behind one claim, not the odds of an event. Write the reasons next to the grade, or the next reader cannot tell what \"high\" meant. Climate assessments, medical guidelines and US intelligence analysis all keep the grade apart from probability or from the decision. Unrated means nobody has checked yet. It does not mean low, and it does not mean false. Often the fix is not a better grade but a narrower claim. founder-resilience Confidence grade A short label (for example high, medium, low, or A to D) for how well the inspected evidence supports one specific claim, kept with its reasons. Likelihood A probability that an event happens or an outcome falls in a range. In the IPCC and US intelligence systems it is expressed on its own scale, separate from confidence. Unrated No grade yet, because nobody has inspected the evidence or it could not be accessed. Not the same as low support, and not the same as false. LEVEL Locate, Estimate, Value, Expose, Lean. A five-step check of how far one claim can carry one decision, from The Evidence-Aware Life. A confidence grade belongs to the Value step. A confidence grade is a short label, such as high, medium or low, that records how well the evidence you have actually checked supports one specific claim, with the reasons written next to it. It answers \"how solid is the support?\" It does not answer \"how likely is it?\", and it does not answer \"should we act?\" That sounds like hair-splitting until you notice who insists on it. The IPCC tells its authors that confidence \"should not be interpreted probabilistically\". US intelligence rules forbid putting a confidence level and a likelihood in the same sentence of an analytic report. Medical guideline panels rate the evidence and the recommendation separately. Three very different fields, one rule: \"high confidence\" is a statement about the evidence, not about the odds. Where do confidence grades come from? You will meet confidence grades in research summaries, risk registers, competitor reports, due-diligence notes and, increasingly, in the output of AI tools. The serious versions all separate the grade from something else. Who uses it What gets graded The scale What it is kept apart from --- --- --- --- IPCC (climate assessments) How valid a finding is, judged from the type, amount, quality and consistency of the evidence and the degree of agreement very low, low, medium, high, very high Likelihood , a separate probability scale where \"likely\" means 66 to 100% GRADE (medical guidelines) The quality of a body of evidence high, moderate, low, very low The strength of the recommendation : strong or weak US intelligence (ICD 203) The analyst's confidence in the basis for a judgment: logic, evidence, quantity and quality of sources e.g. \"high confidence\" The likelihood of the event , which may not share a sentence with it The Agentic Author (Len's book) How much you trust a claim before it has been checked A strong, B good, C mixed, D speculative, plus an X flag for \"remove or verify\" Risk : what being wrong would cost, in its own field The IPCC's rules are in its guidance note for authors of the Fifth Assessment Report. The intelligence rule is in Intelligence Community Directive 203, signed in 2015. GRADE is described in the BMJ. The last row comes from The Agentic Author, where the grade sits in an evidence ledger next to a separate risk column. What does a confidence grade look like in practice? Here is a hypothetical example. A colleague forwards a headline: \"Our main supplier is raising prices 10% in January.\" It looks like one fact. It is three claims, and each deserves its own grade. Claim Evidence you opened Grade Why --- --- --- --- The supplier has announced a price increase for January The supplier's own letter to customers, dated, read in full High Primary source, read directly, says exactly this Prices rise 10% on everything we buy from them The same letter says \"up to 10%\" and lists product groups; two of our five items are not on the list Low The letter supports \"up to 10% on the listed groups\", not \"10% on everything\" Our other suppliers will follow Nothing yet Unrated This is a forecast about the future, not a finding about evidence Notice the second row. The fix is not to argue about whether it deserves medium. The fix is to rewrite the claim to what the evidence supports: \"Prices on the listed product groups rise by up to 10% from January.\" That narrower claim is graded high. The third row needs a different tool. A forecast gets a probability and a date on which it resolves. Checking such numbers against outcomes over time is what calibration means. What should sit next to the grade? A bare \"high\" tells the next reader almost nothing. It could mean the source says exactly this, or that three colleagues agree, or that the writer simply expects it to be true. Keep four things beside the mark. 1. The exact claim. Scope, place, date. \"The supplier announced\" and \"prices rise on everything\" are different claims with different grades. 2. The evidence you actually opened. Document, passage, date or version. A link you have not opened is a lead, not evidence. Twenty reposts of one letter are one source, not twenty. 3. The reason for the grade. What the evidence supports and where it stops. The IPCC asks its authors for \"a traceable account\" of how they judged the evidence. Agree in your team what high, medium and low mean before you compare grades across rows. 4. The recheck trigger. Who looks again, and on which date or event. ICD 203 asks analytic reports, where appropriate, to name the indicators that would change their level of uncertainty. For the price claim, that might be the supplier's new price list. Some evidence ledgers grade the kind of source instead (primary, secondary, internal data, testimony), as in this explainer on evidence ledgers. Source type is a useful input to a confidence grade, but it is not the same thing. Label which one your column means. What a confidence grade is not It is not a probability. \"High\" does not secretly mean 90%. The IPCC keeps confidence and likelihood on two separate scales for exactly this reason, and ICD 203 bans mixing them in one sentence \"to avoid confusion\". If you need odds, write a forecast with a number and a resolution date. It is not permission. The GRADE authors put it plainly: \"High quality evidence doesn't necessarily imply strong recommendations, and strong recommendations can arise from low quality evidence.\" Whether to act also depends on what a mistake would cost. The LEVEL check shows where a grade fits. It is a five-step method from The Evidence-Aware Life, a book by Len that is available now, and you do not need the book to use it: 1. Locate the claim: one sentence someone could check. 2. Estimate the stakes: what acting wrongly, ignoring it wrongly, or waiting would cost. 3. Value the evidence: its kind, quality, independence and relevance. The confidence grade lives here. 4. Expose the gap: what is missing for this particular decision. 5. Lean accordingly: act only as far as evidence and stakes allow. A grade answers step three. Steps two, four and five are still yours. A medium-graded claim can justify a cheap test and still be too weak for a large, hard-to-reverse commitment. Unrated is not low. Unrated means nobody has inspected the evidence yet, or could not get access. Low means someone looked and the support is weak. Contradicted means the evidence points the other way. Those are three different findings. Keep them apart, and write down why a claim is unrated. An AI tool's \"confidence\" is not a grade either. AI Agents for Startup Strategy, another of Len's books, advises treating a system's self-reported confidence as a cue for what to check first, not as a calibrated probability. The trail back to the source is what you review. For competitor intelligence, the same book adds a simple corroboration rule: no claim graded above low confidence without two independent sources. Why keep a grade at all? Because it makes the weak claims visible early, while they are cheap to fix. The Agentic Author calls an honest D (speculative) the most valuable grade on its ladder, because D is where the claims you want to be true are hiding. It also makes a useful point about what grading does: it does not verify a claim. It tells you which claims still need checking, and how far to trust them until then. A grade card you can copy text Claim (exact wording, scope, date): Evidence opened (what, where, which version): Grade: high / medium / low / unrated Why this grade (what it supports, where it stops): Evidence against, if any: Recheck (who, and which date or event): One-line rule: no grade without its reasons, and no probability hiding inside a grade. Try this today (10 minutes) Find one \"high confidence\", \"definitely\" or \"we are confident that\" in a report, a deck or a chat thread from this week. Ask three questions: which claim exactly, what evidence was opened, and what would change the grade? If nobody can answer, relabel it \"unrated\" until someone does. That is not a downgrade. It is the first honest entry in the record.","keyTakeaways":["A confidence grade rates the evidence behind one claim, not the odds of an event.","Write the reasons next to the grade, or the next reader cannot tell what \"high\" meant.","Climate assessments, medical guidelines and US intelligence analysis all keep the grade apart from probability or from the decision.","Unrated means nobody has checked yet. It does not mean low, and it does not mean false.","Often the fix is not a better grade but a narrower claim."],"readingMinutes":7,"publishedAt":"2026-09-28T19:00:00.000Z"},"nl":{"label":"Wat is een zekerheidsgraad? Waarom \"hoge zekerheid\" geen 90 procent is","summary":"Een zekerheidsgraad is een kort label, zoals hoog, gemiddeld of laag, dat vastlegt hoe goed het bewijs dat je hebt gecontroleerd, één specifieke bewering onderbouwt, met de redenen ernaast. Het is geen kans: het IPCC schrijft zijn auteurs voor dat zekerheid niet als waarschijnlijkheid gelezen mag worden, en Amerikaanse inlichtingenregels verbieden de twee in één zin te combineren. Het is ook geen toestemming om te handelen. Dat hangt mede af van wat een vergissing kost.","url":"/nl/blog/wat-is-een-zekerheidsgraad/","searchText":"Wat is een zekerheidsgraad? Waarom \"hoge zekerheid\" geen 90 procent is Een zekerheidsgraad zegt hoe goed het bewijs één bewering onderbouwt. Het is geen kans en geen groen licht. Zo houden het IPCC, GRADE en analisten ze apart. \"Hoge zekerheid\" zegt iets over het bewijs achter een bewering. Het zegt niets over de kans, en niets over wat je nu moet doen. Een zekerheidsgraad is een kort label, zoals hoog, gemiddeld of laag, dat vastlegt hoe goed het bewijs dat je hebt gecontroleerd, één specifieke bewering onderbouwt, met de redenen ernaast. Het is geen kans: het IPCC schrijft zijn auteurs voor dat zekerheid niet als waarschijnlijkheid gelezen mag worden, en Amerikaanse inlichtingenregels verbieden de twee in één zin te combineren. Het is ook geen toestemming om te handelen. Dat hangt mede af van wat een vergissing kost. wat is een zekerheidsgraad Een zekerheidsgraad beoordeelt het bewijs achter één bewering, niet de kans op een gebeurtenis. Schrijf de redenen naast de graad, anders weet de volgende lezer niet wat \"hoog\" betekende. Klimaatrapporten, medische richtlijnen en Amerikaanse inlichtingenanalyses houden de graad allemaal los van de kans of van de beslissing. Niet beoordeeld betekent dat nog niemand heeft gekeken. Het betekent niet laag en ook niet onwaar. Vaak is de oplossing geen betere graad, maar een beperktere bewering. founder-resilience Zekerheidsgraad Een kort label (bijvoorbeeld hoog, gemiddeld, laag, of A tot en met D) voor hoe goed het bewijs dat je hebt bekeken, één specifieke bewering onderbouwt, met de redenen erbij. Waarschijnlijkheid De kans dat iets gebeurt of dat een uitkomst binnen een bepaald bereik valt. Bij het IPCC en de Amerikaanse inlichtingendiensten staat die op een eigen schaal, los van de zekerheid. Niet beoordeeld Nog geen graad, omdat niemand het bewijs heeft bekeken of omdat het niet toegankelijk was. Niet hetzelfde als zwakke onderbouwing, en niet hetzelfde als onwaar. LEVEL Locate, Estimate, Value, Expose, Lean. Een check in vijf stappen om te bepalen hoe ver één bewering één beslissing kan dragen, uit Het bewijsbewuste leven. Een zekerheidsgraad hoort bij de Value-stap. Een zekerheidsgraad is een kort label, zoals hoog, gemiddeld of laag, dat vastlegt hoe goed het bewijs dat je echt hebt gecontroleerd, één specifieke bewering onderbouwt, met de redenen ernaast. Het beantwoordt de vraag \"hoe stevig is de onderbouwing?\" Het beantwoordt niet de vraag \"hoe waarschijnlijk is het?\", en ook niet \"moeten we iets doen?\" Dat klinkt als haarkloverij, tot je ziet wie erop staat. Het IPCC schrijft zijn auteurs voor dat zekerheid niet als waarschijnlijkheid gelezen mag worden. De regels van de Amerikaanse inlichtingendiensten verbieden om in een analyse een zekerheidsniveau en een waarschijnlijkheid in dezelfde zin te zetten. Makers van medische richtlijnen beoordelen het bewijs en de aanbeveling apart. Drie heel verschillende vakgebieden, één regel: \"hoge zekerheid\" zegt iets over het bewijs, niet over de kans. Waar komen zekerheidsgraden vandaan? Je komt zekerheidsgraden tegen in onderzoekssamenvattingen, risicoregisters, concurrentieanalyses, due-diligencenotities en steeds vaker in de uitvoer van AI-tools. De serieuze varianten houden de graad allemaal los van iets anders. Wie gebruikt het Wat wordt beoordeeld De schaal Waar het los van staat --- --- --- --- IPCC (klimaatrapporten) Hoe geldig een bevinding is, op basis van soort, hoeveelheid, kwaliteit en consistentie van het bewijs en de mate van overeenstemming zeer laag, laag, gemiddeld, hoog, zeer hoog Waarschijnlijkheid , een aparte kansschaal waarop \"likely\" (waarschijnlijk) 66 tot 100 procent betekent GRADE (medische richtlijnen) De kwaliteit van het geheel aan bewijs hoog, redelijk, laag, zeer laag De sterkte van de aanbeveling : sterk of conditioneel (vroeger: zwak) Amerikaanse inlichtingendiensten (ICD 203) De zekerheid van de analist over de basis van een oordeel: logica, bewijs, hoeveelheid en kwaliteit van de bronnen bijvoorbeeld \"high confidence\" De waarschijnlijkheid van de gebeurtenis , die niet in dezelfde zin mag staan De agentische auteur (boek van Len) Hoeveel je een bewering vertrouwt voordat ze is gecontroleerd A sterk, B goed, C gemengd, D speculatief, plus een X-vlag voor \"verwijderen of verifiëren\" Risico : wat een vergissing zou kosten, in een eigen veld De regels van het IPCC staan in de richtlijn voor auteurs van het vijfde assessmentrapport. De inlichtingenregel staat in Intelligence Community Directive 203 uit 2015. GRADE is beschreven in de BMJ; ook Nederlandse medische richtlijnen werken ermee, zoals de Richtlijnendatabase uitlegt. De laatste rij komt uit De agentische auteur, waar de graad in een bewijsregister staat, naast een aparte kolom voor risico. Hoe ziet een zekerheidsgraad er in de praktijk uit? Een verzonnen voorbeeld. Een collega stuurt je een kop door: \"Onze belangrijkste leverancier verhoogt in januari de prijzen met 10 procent.\" Het lijkt één feit. Het zijn drie beweringen, en elk verdient een eigen graad. Bewering Bewijs dat je hebt geopend Graad Waarom --- --- --- --- De leverancier heeft een prijsverhoging per januari aangekondigd De eigen brief van de leverancier aan klanten, gedateerd en helemaal gelezen Hoog Primaire bron, zelf gelezen, zegt precies dit Alles wat we bij hen kopen, wordt 10 procent duurder Dezelfde brief spreekt van \"tot 10 procent\" en noemt productgroepen; twee van onze vijf artikelen staan er niet bij Laag De brief onderbouwt \"tot 10 procent op de genoemde groepen\", niet \"10 procent op alles\" Onze andere leveranciers zullen volgen Nog niets Niet beoordeeld Dit is een voorspelling over de toekomst, geen bevinding over bewijs Kijk naar de tweede rij. De oplossing is niet om te discussiëren of de bewering toch gemiddeld verdient. De oplossing is de bewering te herschrijven tot wat het bewijs draagt: \"De prijzen van de genoemde productgroepen stijgen per januari met maximaal 10 procent.\" Die beperktere bewering krijgt de graad hoog. De derde rij vraagt om een ander instrument. Een voorspelling krijgt een kans en een datum waarop blijkt of ze uitkomt. Zulke getallen over langere tijd naast de uitkomsten leggen, heet kalibratie. Wat hoort er naast de graad? Een kaal \"hoog\" zegt de volgende lezer bijna niets. Het kan betekenen dat de bron precies dit zegt, dat drie collega's het eens zijn, of gewoon dat de schrijver verwacht dat het klopt. Zet daarom vier dingen naast het label. 1. De precieze bewering. Reikwijdte, plaats, datum. \"De leverancier heeft aangekondigd\" en \"alles wordt duurder\" zijn verschillende beweringen met verschillende graden. 2. Het bewijs dat je echt hebt geopend. Document, passage, datum of versie. Een link die je niet hebt geopend, is een aanwijzing, geen bewijs. Dezelfde brief, twintig keer doorgestuurd, is één bron, geen twintig. 3. De reden voor de graad. Wat het bewijs draagt en waar het ophoudt. Het IPCC vraagt zijn auteurs om een navolgbare verantwoording van hoe ze het bewijs hebben beoordeeld. Spreek in je team af wat hoog, gemiddeld en laag betekenen voordat je graden in verschillende rijen vergelijkt. 4. Het moment om opnieuw te kijken. Wie kijkt opnieuw, en op welke datum of bij welke gebeurtenis? ICD 203 vraagt van analytische rapporten dat ze waar nodig de signalen noemen die de onzekerheid zouden veranderen. Voor de prijsbewering kan dat de nieuwe prijslijst van de leverancier zijn. Sommige bewijsregisters beoordelen in plaats daarvan de soort bron (primair, secundair, eigen data, getuigenis), zoals in dit artikel over het bewijsregister. De soort bron is nuttige input voor een zekerheidsgraad, maar niet hetzelfde. Zet erbij wat jouw kolom betekent. Wat een zekerheidsgraad niet is Het is geen kans. \"Hoog\" betekent niet stiekem 90 procent. Het IPCC zet zekerheid en waarschijnlijkheid juist daarom op twee aparte schalen, en ICD 203 verbiedt ze in één zin te mengen, \"to avoid confusion\": om verwarring te voorkomen. Heb je een kans nodig, schrijf dan een voorspelling op met een getal en een datum waarop blijkt of ze uitkomt. Het is geen toestemming. De makers van GRADE zeggen het ronduit: bewijs van hoge kwaliteit betekent niet automatisch een sterke aanbeveling, en een sterke aanbeveling kan voortkomen uit bewijs van lage kwaliteit. Of je handelt, hangt ook af van wat een vergissing kost. Waar een graad past, zie je in de LEVEL-check: een methode in vijf stappen uit Het bewijsbewuste leven, een boek van Len dat nu verkrijgbaar is. Je hebt het boek niet nodig om de methode te gebruiken. De stapnamen blijven Engels, net als in het boek: 1. Locate , maak de bewering precies: één zin die iemand kan controleren. 2. Estimate , schat de inzet: wat verkeerd handelen, ten onrechte negeren of wachten zou kosten. 3. Value , weeg het bewijs: soort, kwaliteit, onafhankelijkheid en relevantie. Hier hoort de zekerheidsgraad thuis. 4. Expose , leg het gat bloot: wat ontbreekt er voor deze specifieke beslissing? 5. Lean , handel ernaar: ga alleen zo ver als bewijs en inzet toelaten. Een graad beantwoordt stap drie. Stap twee, vier en vijf blijven jouw werk. Een bewering met de graad gemiddeld kan een goedkope proef rechtvaardigen en toch te zwak zijn voor een grote beslissing die je moeilijk terugdraait. Niet beoordeeld is niet laag. Niet beoordeeld betekent dat nog niemand het bewijs heeft bekeken, of dat het niet toegankelijk was. Laag betekent dat iemand heeft gekeken en dat de onderbouwing zwak is. Weersproken betekent dat het bewijs de andere kant op wijst. Dat zijn drie verschillende bevindingen. Houd ze uit elkaar, en noteer waarom een bewering nog niet is beoordeeld. De \"zekerheid\" van een AI-tool is ook geen graad. AI-agenten voor startupstrategie, een ander boek van Len, raadt aan om de zekerheid die een systeem over zichzelf rapporteert, te behandelen als een signaal voor wat je eerst controleert, niet als een gekalibreerde kans. Wat je beoordeelt, is het spoor terug naar de bron. Voor concurrentieanalyse voegt hetzelfde boek een eenvoudige bevestigingsregel toe: geen bewering boven lage zekerheid zonder twee onafhankelijke bronnen. Waarom zou je überhaupt een graad bijhouden? Omdat hij zwakke beweringen vroeg zichtbaar maakt, zolang ze nog goedkoop te herstellen zijn. De agentische auteur noemt een eerlijke D (speculatief) de waardevolste graad op de ladder, omdat de beweringen waarvan je hoopt dat ze kloppen, zich juist daar verstoppen. Het boek zegt ook iets nuttigs over wat beoordelen doet: het verifieert een bewering niet. Het laat zien welke beweringen nog gecontroleerd moeten worden, en hoeveel je ze tot die tijd kunt vertrouwen. Een graadkaart om over te nemen text Bewering (precieze formulering, reikwijdte, datum): Geopend bewijs (wat, waar, welke versie): Graad: hoog / gemiddeld / laag / niet beoordeeld Waarom deze graad (wat het draagt, waar het ophoudt): Bewijs ertegen, als dat er is: Opnieuw kijken (wie, en op welke datum of bij welke gebeurtenis): De regel in één zin: geen graad zonder redenen, en geen kans die zich in een graad verstopt. Probeer dit vandaag (10 minuten) Zoek in een rapport, een presentatie of een chatgesprek van deze week één plek waar \"hoge zekerheid\", \"zeker weten\" of \"we zijn ervan overtuigd dat\" staat. Stel drie vragen: welke bewering precies, welk bewijs is er geopend, en wat zou de graad veranderen? Kan niemand antwoorden, zet er dan \"niet beoordeeld\" bij tot iemand dat wel kan. Dat is geen afwaardering. Het is de eerste eerlijke regel in het verslag.","keyTakeaways":["Een zekerheidsgraad beoordeelt het bewijs achter één bewering, niet de kans op een gebeurtenis.","Schrijf de redenen naast de graad, anders weet de volgende lezer niet wat \"hoog\" betekende.","Klimaatrapporten, medische richtlijnen en Amerikaanse inlichtingenanalyses houden de graad allemaal los van de kans of van de beslissing.","Niet beoordeeld betekent dat nog niemand heeft gekeken. Het betekent niet laag en ook niet onwaar.","Vaak is de oplossing geen betere graad, maar een beperktere bewering."],"readingMinutes":7,"publishedAt":"2026-09-28T19:05:00.000Z"}},"degree":7},{"id":"article:what-is-a-deal-architect","type":"article","pillar":"venture-building","locales":{"en":{"label":"What is a deal architect?","summary":"A deal architect is an operator who designs a high-stakes deal as a structure, not as a persuasion contest. The work is power, alignment, constraints, terms, and future options. Optimizing one visible number (price, close date, headline valuation) without those five is not architecture. It is a local maximum. The named system on this site is PACT. The book The Deal Architect is in production and not for sale. The definition is already usable.","url":"/en/blog/what-is-a-deal-architect/","searchText":"What is a deal architect? A deal architect designs high-stakes deals around power, alignment, constraints, terms, and future options instead of optimizing one visible number. It is a role, not a job title you buy. The visible number is rarely the deal. The options after signature are. A deal architect is an operator who designs a high-stakes deal as a structure, not as a persuasion contest. The work is power, alignment, constraints, terms, and future options. Optimizing one visible number (price, close date, headline valuation) without those five is not architecture. It is a local maximum. The named system on this site is PACT. The book The Deal Architect is in production and not for sale. The definition is already usable. what is a deal architect A deal architect designs the structure. A closer optimizes the visible number. Power, alignment, constraints, terms, options. Skip one and you skipped the deal. This page is the role. The book is not for sale. positioning deal architect An operator who designs the structure of a deal, not only the visible number. \"Deal architect\" is a phrase people search after they have seen it on a book page and want the role, not a retainer. What is a deal architect? An operator who designs a high-stakes deal as a structure: power, alignment, constraints, terms, and future options. A closer optimizes the visible number. An architect designs what happens after the number is signed. The room usually watches one metric. Price. Close date. Headline valuation. Headcount in the offer. That number can move and still leave you weaker on Monday. The work is the structure around the number: who holds power after signature, what has to stay aligned when incentives drift, which constraint is load-bearing, which term you can live with if it is the only one that survives, and what option remains if the first path dies. Fundraising, an acquisition, a key partnership, an executive hire, a major customer contract. Same role. Different surfaces. The named system on this site is PACT. The Deal Architect is in production. It is not for sale. Do not treat this page as a published how-to for term sheets. The refusal is already usable: if you only moved the visible number, you did not design the deal. You decorated one metric. Not a job title you buy A closer is hired to get to yes. That is a useful job. It is not this one. Architecture is the work you do before the room, and the work that is still true after the signature: governance, optionality, the operating agreement hiding in the exhibit nobody read. You do not need a business card that says Deal Architect. You need five answers in writing before you shake a hand. If those lines are blank, you are negotiating a number. The collision is cheap on the internet. Some people mean a sales overlay. Some mean a lawyer who redlines. Some mean a consultant with a slide titled \"win-win.\" On this site the role is an operator who treats the deal as a designed system. Relationship and ego are variables in that system. They are not the method. No close-rate is asserted here. No valuation multiple. No \"we saved X.\" Those claims belong in a case study with a source. This page is the test. Five questions before the handshake 1. Who actually holds power after signature? 2. What has to stay aligned when incentives drift? 3. Which constraint is load-bearing? 4. Which term can you live with if it is the only one that survives? 5. What option remains if the first path dies? Walk them in order. Skipping one is how a \"good\" close becomes a bad year. Power. After the ink, who can block, delay, or reopen? A board seat, a most-favoured clause, a change-of-control, a key-person, a customer who can cancel on thirty days. If you cannot name the person or the clause, you designed a handshake, not a structure. Alignment. Positions are what people say they want. Interests are why. Price is a position. Runway, control, a hire who will stay, a channel that does not poison the next deal: those are interests. When the bonus plan on their side rewards a metric your side cannot survive, the deal is already misaligned. You will feel it after the announcement, when nobody is in the room. Constraints. Not every constraint is load-bearing. Works council, notarial form, a regulator queue, a hard date that is actually hard, cash that has to last until the next close. The load-bearing one is the constraint that, if it moves, the rest of the structure fails. Decorate around it and you are still standing on it. Terms. The term sheet is not neutral. It encodes power and future optionality. The line you can live with if it is the only one that survives is the one you write down before you start trading the others. If you cannot name it, you will give it away to save a number the room can screenshot. Options. The first path dies more often than the deck admits. Walk-away is a designed asset, not a mood. A second buyer, a delayed close, a smaller scope, a hire who stays as an advisor, a contract that expires cleanly. If the only option is \"hope they sign,\" you are not architecting. You are waiting. A deal that closed and still failed the test A founder \"wins\" a key-customer contract. The visible number moved: a better unit price, a close this quarter, a logo the board wanted. The five lines were blank. Power after signature sits with a procurement clause that lets the customer reopen price if any other customer gets a better rate. Alignment is a customer success bonus on the other side that pays for expansion the product cannot support. The load-bearing constraint is a data-residency requirement that was \"to be discussed in implementation.\" The term they could not live with, exclusivity in one vertical, was given away to save the unit price. The option if the first path dies is none: the team staffed as if the contract were already the year. The metric was green. The structure was a local maximum. That is the usual miss. You do not need a dollar figure to see it. You need the five lines filled before the number moves. A hire can fail the same way. Headline compensation looks competitive. Power after day one sits in a vague \"strategic\" title with no budget. Alignment is a bonus on a metric the founder still owns. The load-bearing constraint is a non-compete the candidate cannot actually sign. The term you could live with, a six-month review with a written exit, never made the offer. The option if they leave in quarter two is a contractor you have not named. You closed. You did not design. What this page will not do It will not teach a full term-sheet redline. It will not expand PACT as a four-move course. The manuscript owns that longer practice, and it is not for sale. It will not invent a BATNA number, a close rate, or a war story with a real company. It will tell you when you are still decorating a metric. Price, close date, and headline valuation are allowed to move. They are not the deal. Downstream effects is the adjacent noun: a cost that arrives later, on a different desk, with no owner in the room at commitment. A deal you only priced is a common source. The first-order metric can be genuinely green. Partner margin, a regulator queue, or a renewal still has to land. What to write this week Pick the next material conversation: a round, a partnership, a hire, a customer close. Fill the five lines in a document the other side will never see. - Power after signature: names and clauses. - Alignment: the interest under each position, including theirs. - Load-bearing constraint: one sentence. - The term you can live with if it is the only survivor. - The option if the first path dies, dated, with a named owner. If a line is empty, you are not ready to shake a hand. Empty is information. Fill it or walk. The hardcover can wait. The structure cannot.","keyTakeaways":["A deal architect designs the structure. A closer optimizes the visible number.","Power, alignment, constraints, terms, options. Skip one and you skipped the deal.","This page is the role. The book is not for sale."],"readingMinutes":6,"publishedAt":"2026-09-06T13:00:00.000Z"},"nl":{"label":"Wat is een deal-architect?","summary":"Een deal-architect is een operator die een complexe deal ontwerpt als een structuur, niet als een overtuigingswedstrijd. Het werk draait om macht, de afstemming van belangen, harde beperkingen, voorwaarden en opties voor de toekomst. Het optimaliseren van één zichtbaar getal (zoals de prijs, sluitingsdatum of waardering) zonder aandacht voor deze vijf pijlers is geen architectuur. Het is een lokaal maximum. Het bijbehorende systeem op deze site is PACT. Het boek De deal-architect is in productie en niet te koop. De definitie zelf is al wel bruikbaar.","url":"/nl/blog/wat-is-een-deal-architect/","searchText":"Wat is een deal-architect? Een deal-architect ontwerpt strategische deals rondom macht, afstemming, beperkingen, voorwaarden en toekomstige opties in plaats van slechts één zichtbaar getal te optimaliseren. Het is een rol, geen titel die je inhuurt. Het zichtbare getal is zelden de daadwerkelijke deal. De opties ná de handtekening zijn dat wel. Een deal-architect is een operator die een complexe deal ontwerpt als een structuur, niet als een overtuigingswedstrijd. Het werk draait om macht, de afstemming van belangen, harde beperkingen, voorwaarden en opties voor de toekomst. Het optimaliseren van één zichtbaar getal (zoals de prijs, sluitingsdatum of waardering) zonder aandacht voor deze vijf pijlers is geen architectuur. Het is een lokaal maximum. Het bijbehorende systeem op deze site is PACT. Het boek De deal-architect is in productie en niet te koop. De definitie zelf is al wel bruikbaar. wat is een deal-architect Een deal-architect ontwerpt de structuur. Een closer optimaliseert het zichtbare getal. Macht, afstemming, beperkingen, voorwaarden, opties. Sla er één over en je mist de kern van de deal. Deze pagina beschrijft de rol. Het boek is niet te koop. positioning deal-architect Een operator die de structuur van een deal ontwerpt, niet alleen het zichtbare getal. \"Deal-architect\" is een term waar mensen op zoeken nadat ze het op een boekpagina hebben gezien, met de wens om de rol te begrijpen, niet om een factuur te sturen. Wat is een deal-architect? Een operator die een zware deal ontwerpt als een constructie: macht, afstemming, beperkingen, voorwaarden en toekomstige opties. Een closer optimaliseert het zichtbare getal. Een architect ontwerpt wat er gebeurt nadat dat getal is getekend. De kamer kijkt meestal naar één metriek. Prijs. Sluitingsdatum. Headline-waardering. FTE in het aanbod. Dat getal kan bewegen en je maandag nog zwakker achterlaten. Het werk is de structuur om het getal heen: wie de macht houdt na de handtekening, wat op één lijn moet blijven als de prikkels verschuiven, welke beperking de constructie draagt, met welke voorwaarde je kunt leven als dat de enige is die standhoudt, en welke optie overblijft als het eerste pad sterft. Een ronde ophalen, een overname, een sleutelpartnerschap, een executive-hire, een groot klantcontract. Dezelfde rol. Andere oppervlakken. Het benoemde systeem op deze site is PACT. De deal-architect is in productie. Het is niet te koop. Gebruik deze pagina niet als een gepubliceerde handleiding voor term sheets. De grens is nu al bruikbaar: als je alleen het zichtbare getal hebt verschoven, heb je de deal niet ontworpen. Je hebt een statistiek versierd. Geen titel die je zomaar koopt Een closer wordt ingehuurd om bij ja uit te komen. Dat is nuttig werk. Dit is het niet. Architectuur is het werk vóór de kamer, en het werk dat na de handtekening nog waar is: governance, optionaliteit, de operationele afspraak die in de bijlage zit die niemand las. Je hebt geen visitekaartje nodig met Deal Architect. Je hebt vijf antwoorden op schrift nodig voordat je een hand schudt. Blijven die regels leeg, dan onderhandel je over een getal. De botsing op het internet is goedkoop. Sommigen bedoelen een sales-overlay. Sommigen een advocaat die roodlijn trekt. Sommigen een consultant met een slide \"win-win.\" Op deze site is de rol een operator die de deal als ontworpen systeem behandelt. Relatie en ego zijn variabelen in dat systeem. Ze zijn niet de methode. Hier staat geen sluitingspercentage. Geen waarderingsmultiple. Geen \"we hebben X bespaard.\" Die claims horen in een casus met een bron. Deze pagina is de test. Vijf vragen vóór de handdruk 1. Wie heeft er daadwerkelijk de macht na de handtekening? 2. Wat moet er op één lijn blijven als de prikkels beginnen te verschuiven? 3. Welke beperking draagt de constructie? 4. Met welke voorwaarde kun je leven als dat de enige is die standhoudt? 5. Welke optie blijft er over als het eerste pad doodloopt? Loop ze in volgorde. Eentje overslaan is hoe een \"goede\" close een slecht jaar wordt. Macht. Na de inkt: wie kan blokkeren, vertragen of heropenen? Een board seat, een most-favoured-clausule, een change-of-control, een key-person, een klant die in dertig dagen kan opzeggen. Kun je de persoon of de clausule niet noemen, dan heb je een handdruk ontworpen, geen structuur. Afstemming. Posities zijn wat mensen zeggen te willen. Belangen zijn waarom. Prijs is een positie. Runway, zeggenschap, een hire die blijft, een kanaal dat de volgende deal niet vergiftigt: dat zijn belangen. Belooft hun bonusplan een metriek die jouw kant niet overleeft, dan is de deal al scheef. Dat voel je na de aankondiging, als niemand meer in de kamer zit. Beperkingen. Niet elke beperking draagt de constructie. Ondernemingsraad, notariële vorm, een wachtrij bij de toezichthouder, een harde datum die echt hard is, cash die moet reiken tot de volgende close. De dragende is de beperking die, als ze beweegt, de rest van de structuur laat vallen. Er omheen versieren en je staat er nog steeds op. Voorwaarden. De term sheet is niet neutraal. Hij codeert macht en toekomstige optionaliteit. De regel waarmee je kunt leven als het de enige overlevende is, schrijf je op voordat je de rest gaat ruilen. Kun je hem niet noemen, dan geef je hem weg om een getal te redden dat de kamer kan screenshotten. Opties. Het eerste pad sterft vaker dan het deck toegeeft. Weglopen is een ontworpen bezit, geen stemming. Een tweede koper, een uitgestelde close, een kleinere scope, een hire die als adviseur blijft, een contract dat schoon afloopt. Is de enige optie \"hopelijk tekenen ze,\" dan ontwerp je niet. Je wacht. Een deal die sloot en de test alsnog zakte Een founder \"wint\" een sleutelklantcontract. Het zichtbare getal bewoog: een betere stukprijs, close dit kwartaal, een logo dat de board wilde. De vijf regels waren leeg. Macht na de handtekening zit in een inkoopclausule waarmee de klant de prijs mag heropenen als een andere klant een beter tarief krijgt. Afstemming is een customer-successbonus aan de andere kant die uitbreiding beloont die het product niet aankan. De dragende beperking is een dataresidentie-eis die \"in de implementatie zou worden besproken.\" De voorwaarde waarmee ze niet konden leven, exclusiviteit in één vertical, ging weg om de stukprijs te redden. De optie als het eerste pad sterft, ontbreekt: het team is bemand alsof het contract al het jaar was. De metriek was groen. De structuur was een lokaal maximum. Dat is de gebruikelijke misser. Je hebt geen dollarbedrag nodig om hem te zien. Je hebt de vijf regels vóór het getal beweegt. Een hire kan op dezelfde manier zakken. De headline-compensatie oogt concurrerend. Macht na dag één zit in een vage \"strategische\" titel zonder budget. Afstemming is een bonus op een metriek die de founder nog bezit. De dragende beperking is een concurrentiebeding dat de kandidaat niet echt kan tekenen. De voorwaarde waarmee je kon leven, een review na zes maanden met een geschreven uitgang, kwam niet in het aanbod. De optie als ze in kwartaal twee vertrekken is een contractor die je niet hebt benoemd. Je hebt gesloten. Je hebt niet ontworpen. Wat deze pagina niet doet Ze leert geen volledige term-sheet-redline. Ze trekt PACT niet open als een cursus in vier zetten. Het manuscript bezit die langere praktijk, en het is niet te koop. Ze verzint geen BATNA-getal, geen sluitingspercentage, geen oorlogsverhaal met een echt bedrijf. Ze zegt je wanneer je nog een metriek aan het versieren bent. Prijs, sluitingsdatum en headline-waardering mogen bewegen. Ze zijn de deal niet. Stroomafwaartse effecten is het naburige zelfstandig naamwoord: een kost die later aankomt, op een ander bureau, zonder eigenaar in de kamer bij de toezegging. Een deal die je alleen hebt geprijsd is een veelvoorkomende bron. De eerstelijnsmetriek kan oprecht groen zijn. Partnermarge, een wachtrij bij de toezichthouder of een verlenging moet nog landen. Wat je deze week opschrijft Pak het volgende materiële gesprek: een ronde, een partnerschap, een hire, een klantclose. Vul de vijf regels in een document dat de andere kant nooit ziet. - Macht na de handtekening: namen en clausules. - Afstemming: het belang onder elke positie, ook de hunne. - Dragende beperking: één zin. - De voorwaarde waarmee je kunt leven als het de enige overlevende is. - De optie als het eerste pad sterft, gedateerd, met een benoemde eigenaar. Is een regel leeg, dan ben je niet klaar om een hand te schudden. Leeg is informatie. Vul of loop weg. De hardcover kan wachten. De structuur niet.","keyTakeaways":["Een deal-architect ontwerpt de structuur. Een closer optimaliseert het zichtbare getal.","Macht, afstemming, beperkingen, voorwaarden, opties. Sla er één over en je mist de kern van de deal.","Deze pagina beschrijft de rol. Het boek is niet te koop."],"readingMinutes":6,"publishedAt":"2026-09-06T13:05:00.000Z"}},"degree":4},{"id":"article:what-is-a-dominated-model","type":"article","pillar":"venture-building","locales":{"en":{"label":"What is a dominated AI model? Better and cheaper is only half the test","summary":"A dominated AI model is one where another model scores at least as high on the same quality test, costs no more for the same kind of work, and is better on at least one of the two. Undominated.ai, an independent AI price index, adds a third check: the alternative must also cover what the first model can do, such as context length, output length, and input types, or the index names what you would give up. The verdict tells you what to test, not what to buy.","url":"/en/blog/what-is-a-dominated-model/","searchText":"What is a dominated AI model? Better and cheaper is only half the test A dominated AI model has an alternative that scores at least as high for no more money. What that means, two real examples, and the check before you switch. Another model is better and no dearer. Before you switch, ask the question the label skips: can it still do your job? A dominated AI model is one where another model scores at least as high on the same quality test, costs no more for the same kind of work, and is better on at least one of the two. Undominated.ai, an independent AI price index, adds a third check: the alternative must also cover what the first model can do, such as context length, output length, and input types, or the index names what you would give up. The verdict tells you what to test, not what to buy. what is a dominated AI model Dominated means another model is no worse on quality, no dearer on price, and better on one of the two. Always ask the third question: can the alternative still do the job (context, output length, input types, tools)? A tiny score gap can make a model dominated. Read the gap before you read the label. Unrated is not a bad score. It means no independent quality measurement exists on that test. A verdict is a reason to test, not a migration plan. Date it and check it again. undominated Dominated model A model for which another model scores at least as high on the same quality test, costs no more for the same work, and is better on at least one of the two. Frontier The models that nothing else dominates under the chosen quality test and workload. Capability envelope What a model can take in and give back: context length, maximum output, input types, tool use, and reasoning. Unrated No independent quality score exists for the model on the chosen test. Not zero, and not a clean bill of health. ROUTE Register, Objective typing, Utilize policy, Track, Evolve. A five-step discipline for running a mix of AI models, from The Model Portfolio. If another AI model is at least as good and costs no more, the one you are paying for is dominated. More precisely: a model is dominated when an alternative scores at least as high on the same quality test, costs no more for the same kind of work, and is better on at least one of the two. On those two measures, keeping a dominated model buys you nothing. The catch is a third question the two numbers cannot answer: can the alternative still do your job? On Undominated.ai, the independent AI inference price index I built, that question changes a lot. Its methodology page reports that without a capability check, 61% of raw \"better and cheaper\" verdicts pointed at a model that could not do the current model's job (59 of 97, measured on the 24 August 2026 catalogue). Where does the word \"dominated\" come from? From optimisation. One option dominates another when it is no worse on every criterion and better on at least one (definition). The options that nothing dominates form the frontier. For each of them, nothing cheaper scores as high. For AI models, the two criteria are quality and price. On the board dated 23 September 2026, 123 of the 136 models with both an independent score and a standard price had an alternative that scored at least as high for no more money. Only 13 had none: that is the frontier. The 123 cost a median 6.7 times as much as the cheapest such alternative. Those numbers move with every catalogue update. The live board is the source, not this paragraph. What are the three checks behind the label? A dominated verdict is only as good as three comparisons. Each one can fail in a predictable way. Check The plain question What goes wrong if you skip it --- --- --- Same quality test Were both models scored on the same test? A higher number from a different benchmark proves nothing about the one you chose. Same work, same price Is the price for the same mix of input and output? A model that is cheap for short chats can be dear for long documents. Same job Can the alternative take in and give back everything yours does? \"Better and cheaper\" points at a model that lacks the one capability you rely on. Quality. Undominated uses LMArena Elo: a score built from crowdsourced votes in which people compare the answers of two models side by side (Chatbot Arena paper). Scores carry noise. On this board, two scores need to differ by about 10.55 points before the difference is statistically clear (a 95% interval), so models inside that margin share a rank. Price. AI providers bill per token, a small chunk of text, often a short word or part of a longer one. Input (what you send) and output (what comes back) have separate rates, so the price of a model depends on the work. The board prices every model for a workload you choose: Balanced (three tokens in for every token out), Summarise, Chat, Code gen, or Agentic. It also flags the traps: 69 models change their rate once a prompt passes a length threshold, and some bill reasoning tokens (the model's hidden working) on a separate meter. Capability. Call it the capability envelope: what a model can take in and give back. That means context length (how much text it reads at once), maximum output, input types such as images or audio, tool use, and reasoning. The board only calls a replacement clean when its envelope covers the original. Of the 123 verdicts on 23 September 2026, 109 were clean and 14 (11%) named what you would give up. Two real verdicts, read carefully Both come from the board's Check pages, Balanced workload, catalogue dated 23 September 2026. They are snapshots, not advice. Dominated at the same price. Claude Opus 4.6 is dominated by Claude Opus 5. Both cost $10.00 per million tokens on this workload. Opus 5 scores 1.9 points higher and covers everything Opus 4.6 can take in and give back. The saving: 0%. Now read the gap. 1.9 points is well inside the 10.55-point margin, and the board itself shows both models sharing rank 1. So the verdict means \"there is no reason to pick the older model at the same price\". It does not mean \"the newer model is measurably better\". Switching still costs work: The Model Portfolio treats prompts as assets tied to one model, because a prompt tuned for one model can perform worse on another. Better and cheaper, but not a drop-in. Gemini 3.8 Flash scores 5.0 points higher than Muse Spark 1.3 and costs 25% less ($1.50 against $2.00 per million tokens). The board still refuses to call it a replacement, because you would give up maximum output: Muse Spark 1.3 can return up to 943,718 tokens in one answer. On the leaderboard, the Gemini row also notes that reasoning tokens are billed on top, so the 25% gap is before that charge. If your job never needs very long answers, that trade may be worth a test. If it does, the \"better and cheaper\" model is the wrong model. Quiz: dominated or not? A hypothetical current model, A, scores 1,400, costs $4 per million tokens on your workload, reads 200,000 tokens of context, and accepts text and images. Cover the last column and decide for each alternative. Alternative Score Price Envelope Verdict --- --- --- --- --- B 1,420 $3 200K, text only Not a replacement. Better and cheaper, but it loses image input. A trade. C 1,400 $3 200K, text and images Dominates A. Same score, cheaper, same envelope. D 1,460 $6 1M, text and images Does not dominate A. Better, but dearer. A choice about money. E Unrated $1 200K, text and images Unknown. No independent score, so no quality verdict either way. F 1,404 $4 200K, text and images Dominates A by the rule, but 4 points is inside the noise. Read it as \"no reason to prefer A\". Row F is the one people misread. The label is correct, and the difference is not measurable. What does \"unrated\" mean? Unrated means no independent quality score exists for that model on the chosen test. It is not zero, and it is not a clean bill of health. On 23 September 2026, 210 of the 346 standard-delivery models in the catalogue (61%) had no score on the LMArena general board; the catalogue's other 91 rows are batch and free listings. The board lists them by price and keeps them out of the quality order. An unrated model can be excellent. You simply cannot use this board to prove it, in either direction. What should you do with a dominated verdict? A verdict is evidence for a decision, not the decision. The discipline I use for that step is ROUTE, from my book The Model Portfolio, which is available in English and Dutch. ROUTE is a five-step way to run a mix of AI models on purpose instead of by habit. You do not need the book to use it. - Register. Keep a list of every model you run, with its owner, its cost class, the data it may see, and its retirement status. - Objective typing. Write down what each task needs (reasoning depth, output format, speed, quality bar, privacy) before you choose a model. - Utilize policy. Write the rule that sends each task to a model, including what happens when that model fails. - Track. Measure cost, speed, and quality per task, not only the monthly bill. - Evolve. Promote, demote, and retire models on a schedule, with a way back. A hypothetical worked example. Your support team summarises customer tickets with model A, and the board says C dominates A with nothing to give up. 1. Register: confirm that A is really what runs, on which endpoint, and who owns the task. 2. Objective typing: the task reads tickets of up to 8,000 tokens, returns a 150-word summary, and may only process data in the EU. The board checks none of that last requirement. 3. Utilize policy: keep A in place. Run C as a trial on a copy of last week's tickets. 4. Track: compare cost per summary and the share of summaries your team rejects. 5. Evolve: if C holds up, switch at the next review, keep A as the fallback for a month, and record the decision with its date. ROUTE has its own page, and What is model routing? covers the routing policy itself. What the label does not tell you It does not tell you how a model does on your task. The default lens is general human preference. The board also offers a document lens and per-task rankings, but none of them is your support queue. It does not include your switching cost. The Check page asks for your monthly spend and switching cost only to estimate how many months a switch would take to pay back. It does not last. A new model, a price change, or a different workload can flip a verdict at the next update. The index takes no cut of inference, no affiliate fees, and no paid placement (independence page), but its numbers are still a snapshot. Try this today (10 minutes) 1. Open Check a model and name the model you pay the most for. 2. Set the workload closest to your real work. 3. Write down one of four results: on the frontier, dominated with nothing lost, dominated with a named loss, or unrated. 4. Add the date, the score gap, and one sentence on what you would have to test before switching. That one line is worth more than a leaderboard screenshot, because it says what you checked and when. For the story of why the index exists, read Introducing Undominated.ai.","keyTakeaways":["Dominated means another model is no worse on quality, no dearer on price, and better on one of the two.","Always ask the third question: can the alternative still do the job (context, output length, input types, tools)?","A tiny score gap can make a model dominated. Read the gap before you read the label.","Unrated is not a bad score. It means no independent quality measurement exists on that test.","A verdict is a reason to test, not a migration plan. Date it and check it again."],"readingMinutes":8,"publishedAt":"2026-09-27T07:00:00.000Z"},"nl":{"label":"Wat is een gedomineerd AI-model? Beter en goedkoper is maar de halve toets","summary":"Een AI-model is gedomineerd als een ander model op dezelfde kwaliteitstoets minstens zo hoog scoort, voor hetzelfde soort werk niet meer kost en op minstens één van die twee beter is. Undominated.ai, een onafhankelijke prijsindex voor AI-modellen, voegt een derde controle toe: het alternatief moet ook kunnen wat het eerste model kan, zoals contextlengte, uitvoerlengte en invoertypen. Lukt dat niet, dan noemt de index wat je inlevert. Het oordeel zegt wat je moet testen, niet wat je moet kopen.","url":"/nl/blog/wat-is-een-gedomineerd-model/","searchText":"Wat is een gedomineerd AI-model? Beter en goedkoper is maar de halve toets Een AI-model is gedomineerd als een alternatief minstens zo hoog scoort voor niet meer geld. Wat dat betekent, twee echte voorbeelden en de controle vooraf. Een ander model is beter en niet duurder. Stel vóór je overstapt de vraag die het label overslaat: kan het jouw werk nog wel? Een AI-model is gedomineerd als een ander model op dezelfde kwaliteitstoets minstens zo hoog scoort, voor hetzelfde soort werk niet meer kost en op minstens één van die twee beter is. Undominated.ai, een onafhankelijke prijsindex voor AI-modellen, voegt een derde controle toe: het alternatief moet ook kunnen wat het eerste model kan, zoals contextlengte, uitvoerlengte en invoertypen. Lukt dat niet, dan noemt de index wat je inlevert. Het oordeel zegt wat je moet testen, niet wat je moet kopen. wat is een gedomineerd AI-model Gedomineerd betekent: een ander model is niet slechter, niet duurder en op een van beide beter. Stel altijd de derde vraag: kan het alternatief het werk nog (context, uitvoerlengte, invoertypen, tools)? Een piepklein scoreverschil kan een model al gedomineerd maken. Lees eerst het verschil, dan het label. Unrated is geen slechte score. Er bestaat dan geen onafhankelijke kwaliteitsmeting op die toets. Een oordeel is een reden om te testen, geen migratieplan. Zet er een datum bij en controleer het opnieuw. undominated Gedomineerd model Een model waarvoor een alternatief bestaat dat op dezelfde kwaliteitstoets minstens zo hoog scoort, voor hetzelfde werk niet meer kost en op minstens één van die twee beter is. Frontier De modellen die door niets anders worden gedomineerd, bij de gekozen kwaliteitstoets en workload. Bereik Wat een model kan opnemen en teruggeven: contextlengte, maximale uitvoer, invoertypen, toolgebruik en redeneren. Unrated Er bestaat geen onafhankelijke kwaliteitsscore voor het model op de gekozen toets. Geen nul, en ook geen garantie. ROUTE Register, Doel-typering, Uitvoeringsbeleid, Tracken, Evolueren. Een discipline van vijf stappen om een mix van AI-modellen te besturen, uit Het model-portfolio. Scoort een ander AI-model minstens zo goed en kost het niet meer, dan is het model waarvoor je nu betaalt gedomineerd. Preciezer: een model is gedomineerd als een alternatief op dezelfde kwaliteitstoets minstens zo hoog scoort, voor hetzelfde soort werk niet meer kost en op minstens één van die twee beter is. Op die twee punten heb je dan geen enkele reden om het te houden. Het addertje onder het gras is een derde vraag, waarop de twee getallen geen antwoord geven: kan het alternatief jouw werk nog wel? Op Undominated.ai, de onafhankelijke prijsindex voor AI-inference die ik heb gebouwd, maakt die vraag veel uit. De methodologiepagina meldt dat zonder capaciteitscontrole 61% van de ruwe oordelen 'beter en goedkoper' wees naar een model dat het werk van het huidige model niet aankon (59 van 97, gemeten op de catalogus van 24 augustus 2026). Waar komt het woord 'gedomineerd' vandaan? Uit de optimalisatietheorie. De ene optie domineert de andere als ze op geen enkel criterium slechter is en op minstens één criterium beter (definitie). De opties die door niets worden gedomineerd, vormen samen de frontier. Voor elk daarvan geldt: niets goedkopers scoort even hoog. Bij AI-modellen zijn die twee criteria kwaliteit en prijs. Op het bord van 23 september 2026 hadden 123 van de 136 modellen met zowel een onafhankelijke score als een standaardprijs een alternatief dat minstens zo hoog scoorde voor niet meer geld. Slechts 13 hadden er geen: dat is de frontier. Mediaan genomen kostten die 123 modellen 6,7 keer zoveel als hun goedkoopste dominerende alternatief. Die getallen verschuiven bij elke update van de catalogus. De bron is het live bord, niet deze alinea. Welke drie controles zitten achter het label? Een oordeel 'gedomineerd' is maar zo goed als de drie vergelijkingen erachter. Elk ervan kan op een voorspelbare manier misgaan. Controle De eenvoudige vraag Wat misgaat als je hem overslaat --- --- --- Dezelfde kwaliteitstoets Zijn beide modellen op dezelfde toets gescoord? Een hoger cijfer uit een andere benchmark zegt niets over de toets die jij koos. Hetzelfde werk, dezelfde prijs Geldt de prijs voor dezelfde mix van invoer en uitvoer? Een model dat goedkoop is voor korte chats, kan duur uitvallen bij lange documenten. Hetzelfde kunnen Kan het alternatief alles opnemen en teruggeven wat het jouwe kan? 'Beter en goedkoper' wijst naar een model dat juist mist wat jij nodig hebt. Kwaliteit. Undominated gebruikt LMArena Elo: een score op basis van stemmen van grote aantallen mensen die de antwoorden van twee modellen naast elkaar vergelijken (Chatbot Arena-paper). Zo'n score bevat ruis. Op dit bord moeten twee scores ongeveer 10,55 punten uit elkaar liggen voordat het verschil statistisch duidelijk is (een 95%-interval). Modellen binnen die marge delen een rang. Prijs. AI-aanbieders rekenen per token, een klein stukje tekst: vaak een kort woord of een deel van een langer woord. Invoer (wat je instuurt) en uitvoer (wat terugkomt) hebben elk een eigen tarief, dus wat een model kost, hangt af van het werk. Het bord rekent elk model door voor een workload die je zelf kiest: Balanced (drie tokens invoer op één token uitvoer), Summarise, Chat, Code gen of Agentic. Het wijst ook de valkuilen aan: 69 modellen rekenen een ander tarief zodra een prompt langer wordt dan een bepaalde grens, en sommige factureren reasoningtokens (het verborgen denkwerk van het model) apart. Bereik. Met het bereik van een model bedoel ik wat het kan opnemen en teruggeven: contextlengte (hoeveel tekst het in één keer leest), maximale uitvoer, invoertypen zoals beeld of audio, toolgebruik en redeneren. Het bord noemt een alternatief alleen een volwaardige vervanger als zijn bereik dat van het origineel dekt. Van de 123 oordelen op 23 september 2026 wezen er 109 een volwaardige vervanger aan en noemden er 14 (11%) wat je zou inleveren. Twee echte oordelen, nauwkeurig gelezen Beide komen van de Check-pagina's van het bord, workload Balanced, catalogus van 23 september 2026. Het zijn momentopnamen, geen advies. Gedomineerd bij dezelfde prijs. Claude Opus 4.6 wordt gedomineerd door Claude Opus 5. Voor deze workload kosten ze allebei $10,00 per miljoen tokens. Opus 5 scoort 1,9 punt hoger en kan alles opnemen en teruggeven wat Opus 4.6 kan. Besparing: 0%. Kijk nu naar het verschil: 1,9 punt valt ruim binnen de marge van 10,55 punten, en het bord zet beide modellen zelf op een gedeelde eerste plaats. Het oordeel betekent dus: er is geen reden om voor dezelfde prijs het oudere model te kiezen. Het betekent niet: het nieuwe model is meetbaar beter. Overstappen blijft werk: Het model-portfolio behandelt prompts als modelgebonden assets, want een prompt die op het ene model is afgesteld, kan op een ander slechter presteren. Beter en goedkoper, maar geen directe vervanger. Gemini 3.8 Flash scoort 5,0 punten hoger dan Muse Spark 1.3 en kost 25% minder ($1,50 tegenover $2,00 per miljoen tokens). Toch noemt het bord het geen vervanger, omdat je maximale uitvoer inlevert: Muse Spark 1.3 kan tot 943.718 tokens in één antwoord teruggeven. Op het bord staat bij Gemini bovendien dat reasoningtokens er nog bij komen, dus dat verschil van 25% geldt vóór die kosten. Heeft jouw werk nooit heel lange antwoorden nodig, dan is die ruil misschien een test waard. Heeft het die wel nodig, dan is het model dat 'beter en goedkoper' heet, het verkeerde model. Quiz: gedomineerd of niet? Een hypothetisch huidig model, A, scoort 1.400, kost $4 per miljoen tokens voor jouw workload, leest 200.000 tokens context en accepteert tekst en beeld. Dek de laatste kolom af en beslis per alternatief. Alternatief Score Prijs Bereik Oordeel --- --- --- --- --- B 1.420 $3 200K, alleen tekst Geen vervanger. Beter en goedkoper, maar zonder beeldinvoer. Een ruil. C 1.400 $3 200K, tekst en beeld Domineert A. Zelfde score, goedkoper, zelfde bereik. D 1.460 $6 1M, tekst en beeld Domineert A niet. Beter, maar duurder. Een budgetkeuze. E Unrated $1 200K, tekst en beeld Onbekend. Geen onafhankelijke score, dus geen kwaliteitsoordeel, in geen van beide richtingen. F 1.404 $4 200K, tekst en beeld Domineert A volgens de regel, maar 4 punten valt binnen de ruis. Lees het als 'geen reden om A te verkiezen'. Rij F wordt het vaakst verkeerd gelezen. Het label klopt, en het verschil is niet meetbaar. Wat betekent 'unrated'? Unrated betekent dat er voor dat model geen onafhankelijke kwaliteitsscore bestaat op de gekozen toets. Het is geen nul, en ook geen garantie dat het model deugt. Op 23 september 2026 hadden 210 van de 346 modellen met standaardlevering in de catalogus (61%) geen score op het algemene LMArena-bord; de overige 91 rijen van de catalogus zijn batch- en gratis aanbiedingen. Het bord sorteert ze op prijs en houdt ze buiten de kwaliteitsvolgorde. Een unrated model kan uitstekend zijn. Alleen kun je dat met dit bord niet aantonen, en het tegendeel evenmin. Wat doe je met een oordeel 'gedomineerd'? Een oordeel is bewijs voor een besluit, niet het besluit zelf. Voor die stap gebruik ik ROUTE, uit mijn boek Het model-portfolio, verkrijgbaar in het Nederlands en het Engels. ROUTE is een aanpak in vijf stappen om een mix van AI-modellen bewust te besturen in plaats van uit gewoonte. Je hebt het boek niet nodig om ermee te werken. - Register. Houd een lijst bij van elk model dat je gebruikt, met eigenaar, kostenklasse, de data die het mag zien en de uitfaseringsstatus. - Doel-typering. Schrijf per taak op wat die nodig heeft (redeneerdiepte, uitvoerformaat, snelheid, kwaliteitsgrens, privacy) voordat je een model kiest. - Uitvoeringsbeleid. Leg de regel vast die elke taak naar een model stuurt, inclusief wat er gebeurt als dat model faalt. - Tracken. Meet kosten, snelheid en kwaliteit per taak, niet alleen de maandfactuur. - Evolueren. Promoveer, degradeer en faseer modellen uit volgens een vast schema, met een weg terug. Een hypothetisch uitgewerkt voorbeeld. Je supportteam laat klanttickets samenvatten door model A, en volgens het bord domineert C model A zonder dat je iets inlevert. 1. Register: controleer of A echt is wat er draait, op welk endpoint, en wie eigenaar is van de taak. 2. Doel-typering: de taak leest tickets tot 8.000 tokens, levert een samenvatting van 150 woorden en mag data alleen binnen de EU verwerken. Dat laatste controleert het bord niet. 3. Uitvoeringsbeleid: laat A staan. Draai C als proef op een kopie van de tickets van vorige week. 4. Tracken: vergelijk de kosten per samenvatting en het aandeel samenvattingen dat je team afkeurt. 5. Evolueren: houdt C stand, stap dan bij de volgende review over, houd A een maand als fallback en leg het besluit met datum vast. ROUTE heeft een eigen pagina, en Wat is modelroutering? behandelt het routeringsbeleid zelf. Wat het label je niet vertelt Het vertelt niet hoe een model het doet op jouw taak. De standaardlens is algemene menselijke voorkeur. Het bord biedt ook een documentlens en ranglijsten per taak, maar geen daarvan is jouw supportwachtrij. Het rekent je overstapkosten niet mee. De Check-pagina vraagt naar je maandelijkse uitgaven en je overstapkosten, maar alleen om te schatten na hoeveel maanden een overstap zich terugverdient. Het is niet blijvend. Een nieuw model, een prijswijziging of een andere workload kan een oordeel bij de volgende update omdraaien. De index ontvangt geen commissie op inference of affiliatevergoeding en accepteert geen betaalde plaatsing (onafhankelijkheidspagina), maar de cijfers blijven een momentopname. Probeer dit vandaag (10 minuten) 1. Open Check a model en vul het model in waaraan je het meest uitgeeft. 2. Kies de workload die het dichtst bij je echte werk ligt. 3. Noteer welke van de vier uitkomsten het is: op de frontier, gedomineerd zonder verlies, gedomineerd met een genoemd verlies, of unrated. 4. Zet er de datum bij, het scoreverschil en één zin over wat je zou moeten testen voordat je overstapt. Die ene regel is meer waard dan een screenshot van een ranglijst, omdat erin staat wat je hebt gecontroleerd en wanneer. Waarom de index bestaat, lees je in de introductie van Undominated.ai.","keyTakeaways":["Gedomineerd betekent: een ander model is niet slechter, niet duurder en op een van beide beter.","Stel altijd de derde vraag: kan het alternatief het werk nog (context, uitvoerlengte, invoertypen, tools)?","Een piepklein scoreverschil kan een model al gedomineerd maken. Lees eerst het verschil, dan het label.","Unrated is geen slechte score. Er bestaat dan geen onafhankelijke kwaliteitsmeting op die toets.","Een oordeel is een reden om te testen, geen migratieplan. Zet er een datum bij en controleer het opnieuw."],"readingMinutes":8,"publishedAt":"2026-09-27T07:05:00.000Z"}},"degree":7},{"id":"article:what-is-a-knowledge-graph","type":"article","pillar":"ai-systems","locales":{"en":{"label":"What is a knowledge graph? Named nodes, typed edges, a walk you can audit","summary":"A knowledge graph is a store of named nodes and typed edges: this account depends on that service, this claim cites that source, this person owns that system. You query it by walking relations, not by hoping a similar paragraph appears. It is not a mind map, dashboard, or vector index. RAG fetches a passage. A graph stores how things connect. Microsoft's GraphRAG is a graph-index method for global questions across a corpus; its GitHub project is largely in maintenance mode as checked 2026-08-27. That method is not the definition of a knowledge graph. In a company the useful graphs are boring: ownership, dependencies, evidence. Keep the edge vocabulary closed and give every edge an owner and a date, or it will go stale while sounding certain. If documentation cannot answer 'what breaks if this changes,' the missing object is often an edge.","url":"/en/blog/what-is-a-knowledge-graph/","searchText":"What is a knowledge graph? Named nodes, typed edges, a walk you can audit A knowledge graph stores named entities and typed relations so you can walk from one fact to another. It is not a mind map, not a vector store, and not a substitute for RAG when you need a passage. If you cannot name the edge, you have a poster. If you cannot open the node, you have a rumour. A knowledge graph is a store of named nodes and typed edges: this account depends on that service, this claim cites that source, this person owns that system. You query it by walking relations, not by hoping a similar paragraph appears. It is not a mind map, dashboard, or vector index. RAG fetches a passage. A graph stores how things connect. Microsoft's GraphRAG is a graph-index method for global questions across a corpus; its GitHub project is largely in maintenance mode as checked 2026-08-27. That method is not the definition of a knowledge graph. In a company the useful graphs are boring: ownership, dependencies, evidence. Keep the edge vocabulary closed and give every edge an owner and a date, or it will go stale while sounding certain. If documentation cannot answer 'what breaks if this changes,' the missing object is often an edge. knowledge graph meaning and use with AI and RAG Nodes have names. Edges have types. If either is 'related,' you built a poster. RAG answers 'show me the clause.' A graph answers 'what depends on this.' Useful business graphs: ownership, dependencies, claim-to-source. Not a 3D hairball. Start with a short, closed edge vocabulary. Add a verb only when a live query requires it. An edge with no owner and no date is a confident rumour with a schema. Documentation is a graph when a stranger can walk from a term to an owner to a changing file. ai-agents RAG An AI method. Fetch named passages, then generate. Evidence ledger A claim-level register: what was asserted, which source supports it, how strong that source is. A knowledge graph is a store of named nodes and typed edges . A node is a thing you can point at: a person, a system, a contract, a claim. An edge is a labelled relation: owns, depends-on, cites, supersedes, is-bound-by. You query it by walking. Who owns this service. What breaks if we change it. Which source backs this sentence. If the edge is unlabelled \"related,\" you have a poster. If the node has no name a stranger can look up, you have a rumour with nicer layout. Not a mind map, not a vector store, not RAG A mind map is a drawing. It does not answer a query twice the same way. A vector store retrieves similar text. Similarity is not a type. \"Close in embedding space\" is not \"depends-on.\" RAG fetches a passage, then writes. Use it when the job is \"open clause 12.3.\" A knowledge graph answers \"what is connected, and how.\" You often want both. You should not use one word for both jobs. When to use RAG is the retrieval-choice page. This page is the relation-choice page. Microsoft's GraphRAG extracts entities and relations from a corpus, detects communities, and generates community summaries for global questions across that corpus. Its public GitHub README, read 2026-08-27, says the project is largely in maintenance mode. It is one way to build a graph index from prose and feed a language model; it is not the definition. A sales-ops graph of accounts, owners, and products can exist with no LLM at all. If the graph exists only inside retrieval, call it a graph index. Institutional memory also needs owners, dates, and operational queries. How it sits next to AI Language models are fluent. They are not a register. If you ask \"who owns billing\" and the answer cannot name a node with an owner edge, you got a paragraph. Tomorrow the paragraph will drift. Useful pattern: 1. Keep the graph as the register: nodes, typed edges, a timestamp, a source. 2. Let retrieval fetch the passage that justifies an edge when the edge is disputed. 3. Let the model draft from those two, not from folklore. The evidence ledger on this site is already a graph in boring clothes: claim, source, strength, what would retire it. Operators use it so a number cannot wander between chapters. That is knowledge-graph work without a hairball visualisation. Where it earns its keep in a company Skip the 3D demo. Three graphs pay rent. Ownership. System, document, metric, customer record: who is the named owner. Not a team name. A person who can fail a change. Dependencies. What this launch, this service, this clause depends on. \"What breaks if we change this\" is a walk, not a standup guess. Evidence. Claim to source. Decision to the note written before the act. Forecast to the bet you would actually place. Entrepreneurship is full of missing edges. A pitch says the market is adjacent. Adjacent is not a type. A hire is \"in the network.\" Network is not an edge. Write introduced-by or stop pretending you have a map. Walk one: what breaks if we turn this off An engineer proposes deprecating an old pricing service. The room does what rooms do: three people say \"I think marketing still calls it,\" nobody is sure, and the decision is deferred for two weeks so somebody can ask around. With a graph, that is a query rather than a memory test. 1. Start at the node pricing-service-v1 . Walk every incoming depends-on edge. You get the checkout flow, a quote generator nobody has touched in a year, and a nightly export. 2. From each of those, walk owned-by . You get three names, not three team labels. One of them left in June, which is its own finding: that node has no current owner and the deprecation now needs an ownership repair. 3. From the nightly export, walk feeds . It lands in the revenue dashboard the board reads on Monday. That edge is why this is not a two-week deferral. It is a sequencing problem with a fixed date. Three hops, three real answers: who has to agree, what silently breaks, and what has no owner at all. The graph did not make the decision. It replaced \"I think marketing still calls it\" with a list you can act on. If your answer to step one is \"we would have to grep the codebase and ask in Slack,\" that is the honest state of your register. Grep finds callers in code. It does not find the analyst with a saved query, the Zapier automation, or the contract clause that promised the endpoint stays up. Keep it small enough to stay true Two disciplines separate a graph that pays rent from one that becomes a second wiki nobody trusts. Close the vocabulary. Start with the edge types required by one live workflow: perhaps owns , depends-on , feeds , cites , supersedes , and governed-by . Add a verb only when a real query cannot be expressed without it. If owns , responsible-for , is-steward-of , and accountable-for mean the same thing in one store, queries split the truth across synonyms. A closed list is what makes the walk possible. Date every edge and give it an owner. Prose ages visibly; people can hear that a doc is from 2024. A graph ages invisibly. owned-by: Marta looks exactly as authoritative six months after Marta changed teams. Every edge carries who asserted it and when. Anything past its review date gets shown as stale rather than quietly served as current. An edge nobody will re-confirm is a rumour with a schema. Documentation that a stranger can walk Docs fail when they are a pile of pages with no typed links. A useful documentation graph is small. - Every important term is a node with one owner. - Every runbook names the system it governs and the file that would change. - A cross-link states its relation; \"see also\" is not a useful edge type. - When a page dies, incoming edges show what you just orphaned. If a new operator cannot go from \"refunds\" to the policy file to the person who may change it in three hops, the wiki is a blog. RAG over that wiki can retrieve a fluent wrong page. A current supersedes edge would make the stale page visible before it entered the answer. A five-minute fail test Pick one decision from last week. 1. Name the nodes involved. If you cannot, you do not have entities. You have a story. 2. Name the edges. If the verb is \"related,\" rewrite it or delete it. 3. Point at a source for each edge. A meeting that nobody wrote down is not a source. 4. Ask what breaks if one node is wrong. If the answer is \"nothing visible,\" the graph is decorative. 5. Trace the answer back to graph records. If you cannot, you shipped prose, not a query result. You do not need a new database to start. A table with five columns (from, type, to, source, asserted-on) is enough. Cover one high-stakes workflow end to end: its load-bearing systems, current owners, and dependencies. The visualisation can wait. The typed edge cannot. The RAG Engineer is the longer retrieval practice. It is available now. You do not need it to refuse a slide that says \"we have a knowledge graph\" and cannot name a single edge.","keyTakeaways":["Nodes have names. Edges have types. If either is 'related,' you built a poster.","RAG answers 'show me the clause.' A graph answers 'what depends on this.'","Useful business graphs: ownership, dependencies, claim-to-source. Not a 3D hairball.","Start with a short, closed edge vocabulary. Add a verb only when a live query requires it.","An edge with no owner and no date is a confident rumour with a schema.","Documentation is a graph when a stranger can walk from a term to an owner to a changing file."],"readingMinutes":6,"publishedAt":"2026-09-14T07:00:00.000Z"},"nl":{"label":"Wat is een knowledge graph? Benoemde knopen, getypeerde lijnen, een pad dat je kunt controleren","summary":"Een knowledge graph is een opslag van benoemde knopen en getypeerde relaties: dit account hangt af van die dienst, deze claim citeert die bron, deze persoon is eigenaar van dat systeem. Je bevraagt hem door relaties te doorlopen, niet door te hopen dat er een gelijkende alinea opduikt. Het is geen mindmap, geen dashboard en geen vectorindex. RAG haalt een passage op. Een graaf slaat op hoe dingen samenhangen. GraphRAG van Microsoft is een methode met een graafindex voor globale vragen over een corpus; dat GitHub-project is grotendeels in onderhoudsmodus, gecontroleerd op 2026-08-27. Die methode is niet de definitie van een knowledge graph. In een bedrijf zijn de nuttige grafen saai: eigenaarschap, afhankelijkheden, bewijs. Houd het vocabulaire van relaties gesloten en geef elke relatie een eigenaar en een datum, anders veroudert hij terwijl hij zeker blijft klinken. Kan documentatie de vraag 'wat breekt er als dit verandert' niet beantwoorden, dan ontbreekt er meestal een relatie.","url":"/nl/blog/wat-is-een-knowledge-graph/","searchText":"Wat is een knowledge graph? Benoemde knopen, getypeerde lijnen, een pad dat je kunt controleren Een knowledge graph slaat benoemde entiteiten en getypeerde relaties op, zodat je van het ene feit naar het andere kunt lopen. Het is geen mindmap, geen vector store, en geen vervanging van RAG wanneer je een passage nodig hebt. Kun je de relatie niet benoemen, dan heb je een poster. Kun je de knoop niet openen, dan heb je een gerucht. Een knowledge graph is een opslag van benoemde knopen en getypeerde relaties: dit account hangt af van die dienst, deze claim citeert die bron, deze persoon is eigenaar van dat systeem. Je bevraagt hem door relaties te doorlopen, niet door te hopen dat er een gelijkende alinea opduikt. Het is geen mindmap, geen dashboard en geen vectorindex. RAG haalt een passage op. Een graaf slaat op hoe dingen samenhangen. GraphRAG van Microsoft is een methode met een graafindex voor globale vragen over een corpus; dat GitHub-project is grotendeels in onderhoudsmodus, gecontroleerd op 2026-08-27. Die methode is niet de definitie van een knowledge graph. In een bedrijf zijn de nuttige grafen saai: eigenaarschap, afhankelijkheden, bewijs. Houd het vocabulaire van relaties gesloten en geef elke relatie een eigenaar en een datum, anders veroudert hij terwijl hij zeker blijft klinken. Kan documentatie de vraag 'wat breekt er als dit verandert' niet beantwoorden, dan ontbreekt er meestal een relatie. betekenis van een knowledge graph en het gebruik met AI en RAG Knopen hebben namen. Relaties hebben een type. Is een van beide 'gerelateerd', dan bouwde je een poster. RAG beantwoordt 'laat me de clausule zien'. Een graaf beantwoordt 'wat hangt hiervan af'. Nuttige bedrijfsgrafen: eigenaarschap, afhankelijkheden, claim naar bron. Geen driedimensionale kluwen. Begin met een korte, gesloten lijst relatietypes. Voeg pas een werkwoord toe wanneer een lopende vraag erom vraagt. Een relatie zonder eigenaar en zonder datum is een zelfverzekerd gerucht met een schema. Documentatie is een graaf zodra een nieuwkomer van een term naar een eigenaar naar een veranderend bestand kan lopen. ai-agents RAG Een AI-methode. Haal benoemde passages op, genereer daarna. Bewijsregister Een register op claimniveau: wat is beweerd, welke bron draagt het, hoe sterk is die bron. Een knowledge graph is een opslag van benoemde knopen en getypeerde relaties . Een knoop is een ding dat je kunt aanwijzen: een persoon, een systeem, een contract, een claim. Een relatie is een lijn met een label: is eigenaar van, hangt af van, citeert, vervangt, valt onder. Je bevraagt hem door te lopen. Wie is eigenaar van deze dienst. Wat breekt er als we hem wijzigen. Welke bron draagt deze zin. Draagt de lijn alleen het label \"gerelateerd\", dan heb je een poster. Heeft de knoop geen naam die een buitenstaander kan opzoeken, dan heb je een gerucht met betere opmaak. Geen mindmap, geen vector store, geen RAG Een mindmap is een tekening. Hij beantwoordt een vraag geen twee keer hetzelfde. Een vector store haalt vergelijkbare tekst op. Gelijkenis is geen type. \"Dichtbij in de embeddingruimte\" is niet \"hangt af van\". RAG haalt een passage op en schrijft daarna. Gebruik dat wanneer de klus \"open clausule 12.3\" is. Een knowledge graph beantwoordt \"wat hangt samen, en hoe\". Je wilt vaak allebei. Gebruik er niet één woord voor. Wanneer RAG gebruiken gaat over de ophaalkeuze. Deze pagina gaat over de relatiekeuze. GraphRAG van Microsoft haalt entiteiten en relaties uit een corpus, detecteert communities en genereert per community een samenvatting voor globale vragen over dat corpus. De openbare README op GitHub, gelezen op 2026-08-27, meldt dat het project grotendeels in onderhoudsmodus is. Het is één manier om uit proza een graafindex te bouwen en die aan een taalmodel te voeren; het is niet de definitie. Een sales-ops-graaf van accounts, eigenaren en producten kan bestaan zonder één LLM. Leeft de graaf alleen binnen retrieval, noem hem dan een graafindex. Institutioneel geheugen heeft daarnaast eigenaren, datums en operationele vragen nodig. Hoe hij naast AI staat Taalmodellen zijn vloeiend. Ze zijn geen register. Vraag je \"wie is eigenaar van facturatie\" en het antwoord kan geen knoop met een eigenaarsrelatie noemen, dan kreeg je een alinea. Morgen schuift die alinea op. Bruikbaar patroon: 1. Houd de graaf als register: knopen, getypeerde relaties, een tijdstempel, een bron. 2. Laat retrieval de passage ophalen die een relatie rechtvaardigt zodra die relatie ter discussie staat. 3. Laat het model schrijven vanuit die twee, niet vanuit overlevering. Het bewijsregister op deze site is al een graaf in saaie kleren: claim, bron, sterkte, wat de claim zou intrekken. Operators gebruiken het zodat een getal niet tussen hoofdstukken kan gaan zwerven. Dat is werk aan een knowledge graph zonder de visualisatie van een kluwen. Waar hij zich in een bedrijf terugverdient Sla de driedimensionale demo over. Drie grafen verdienen hun plek. Eigenaarschap. Systeem, document, metric, klantrecord: wie is de benoemde eigenaar. Geen teamnaam. Een persoon die een wijziging kan afkeuren. Afhankelijkheden. Waarvan deze launch, deze dienst, deze clausule afhangt. \"Wat breekt er als we dit wijzigen\" is een pad, geen gok tijdens de standup. Bewijs. Claim naar bron. Besluit naar de notitie die vóór de handeling is geschreven. Forecast naar de inzet die je werkelijk zou doen. Ondernemen zit vol ontbrekende relaties. Een pitch zegt dat de markt aangrenzend is. Aangrenzend is geen type. Een hire zit \"in het netwerk\". Netwerk is geen relatie. Schrijf introduced-by op, of stop met doen alsof je een kaart hebt. Loop er één na: wat breekt er als we dit uitzetten Een engineer stelt voor een oude prijsdienst uit te faseren. De kamer doet wat kamers doen: drie mensen zeggen \"volgens mij roept marketing hem nog aan\", niemand weet het zeker, en het besluit gaat twee weken vooruit zodat iemand kan rondvragen. Met een graaf is dat een query in plaats van een geheugentest. 1. Begin bij de knoop pricing-service-v1 . Loop elke inkomende depends-on relatie af. Je krijgt de checkout-flow, een offertegenerator waar al een jaar niemand aan zat, en een nachtelijke export. 2. Loop vanaf elk daarvan owned-by af. Je krijgt drie namen, geen drie teamlabels. Eén van hen vertrok in juni, en dat is op zichzelf een vondst: die knoop heeft geen actuele eigenaar, en het uitfaseren heeft nu ook een reparatie van eigenaarschap nodig. 3. Loop vanaf de nachtelijke export feeds af. Die landt in het omzetdashboard dat de board maandag leest. Door die relatie is dit geen uitstel van twee weken. Het is een volgordeprobleem met een vaste datum. Drie stappen, drie echte antwoorden: wie moet instemmen, wat er stilletjes breekt, en wat helemaal geen eigenaar heeft. De graaf nam het besluit niet. Hij verving \"volgens mij roept marketing hem nog aan\" door een lijst waarmee je kunt handelen. Is je antwoord op stap één \"dan moeten we de codebase met grep doorzoeken en het in Slack vragen\", dan is dat de eerlijke staat van je register. Grep vindt aanroepers in code. Grep vindt niet de analist met een opgeslagen query, de Zapier-automatisering, of de contractclausule die beloofde dat het endpoint blijft draaien. Houd hem klein genoeg om waar te blijven Twee disciplines scheiden een graaf die zichzelf terugverdient van een tweede wiki die niemand vertrouwt. Sluit het vocabulaire. Begin met de relatietypes die één lopende workflow nodig heeft: bijvoorbeeld owns , depends-on , feeds , cites , supersedes en governed-by . Voeg pas een werkwoord toe wanneer een echte vraag zonder dat werkwoord niet te stellen is. Betekenen owns , responsible-for , is-steward-of en accountable-for in één opslag hetzelfde, dan splitsen queries de waarheid over synoniemen. Een gesloten lijst is precies wat het doorlopen mogelijk maakt. Dateer elke relatie en geef hem een eigenaar. Proza veroudert zichtbaar; mensen horen dat een document uit 2024 komt. Een graaf veroudert onzichtbaar. owned-by: Marta ziet er zes maanden nadat Marta van team wisselde nog precies zo gezaghebbend uit. Elke relatie draagt wie hem beweerde en wanneer. Alles voorbij de herzieningsdatum wordt getoond als verouderd in plaats van stilletjes geserveerd als actueel. Een relatie die niemand opnieuw wil bevestigen is een gerucht met een schema. Documentatie die een vreemde kan doorlopen Documentatie faalt wanneer ze een stapel pagina's is zonder getypeerde links. Een bruikbare documentatiegraaf is klein. - Elke belangrijke term is een knoop met één eigenaar. - Elk runbook noemt het systeem dat het bestuurt en het bestand dat zou veranderen. - Elke kruisverwijzing benoemt de relatie; \"zie ook\" is geen bruikbaar type. - Sterft een pagina, dan tonen de inkomende relaties wat je zojuist verweesd hebt. Kan een nieuwe operator niet in drie stappen van \"terugbetalingen\" naar het beleidsbestand naar de persoon die het mag wijzigen, dan is de wiki een blog. RAG over die wiki kan vloeiend de verkeerde pagina ophalen. Een actuele supersedes relatie had de verouderde pagina zichtbaar gemaakt voordat die in het antwoord belandde. Een faaltest van vijf minuten Pak één besluit van vorige week. 1. Benoem de knopen. Lukt dat niet, dan heb je geen entiteiten. Dan heb je een verhaal. 2. Benoem de relaties. Is het werkwoord \"gerelateerd\", herschrijf het of gooi het weg. 3. Wijs per relatie een bron aan. Een meeting die niemand opschreef is geen bron. 4. Vraag wat er breekt als één knoop fout is. Is het antwoord \"niets zichtbaars\", dan is de graaf decoratie. 5. Herleid het antwoord naar records in de graaf. Lukt dat niet, dan leverde je proza en geen queryresultaat. Je hebt geen nieuwe database nodig om te beginnen. Een tabel met vijf kolommen (van, type, naar, bron, beweerd-op) is genoeg. Dek één workflow met hoge inzet van begin tot eind: de dragende systemen, de actuele eigenaren en de afhankelijkheden. De visualisatie kan wachten. De getypeerde relatie niet. De RAG-engineer is de langere ophaalpraktijk. Het is nu verkrijgbaar. Je hebt het niet nodig om een slide te weigeren die zegt \"we hebben een knowledge graph\" en geen enkele relatie kan noemen.","keyTakeaways":["Knopen hebben namen. Relaties hebben een type. Is een van beide 'gerelateerd', dan bouwde je een poster.","RAG beantwoordt 'laat me de clausule zien'. Een graaf beantwoordt 'wat hangt hiervan af'.","Nuttige bedrijfsgrafen: eigenaarschap, afhankelijkheden, claim naar bron. Geen driedimensionale kluwen.","Begin met een korte, gesloten lijst relatietypes. Voeg pas een werkwoord toe wanneer een lopende vraag erom vraagt.","Een relatie zonder eigenaar en zonder datum is een zelfverzekerd gerucht met een schema.","Documentatie is een graaf zodra een nieuwkomer van een term naar een eigenaar naar een veranderend bestand kan lopen."],"readingMinutes":6,"publishedAt":"2026-09-14T07:05:00.000Z"}},"degree":7},{"id":"article:what-is-a-model-cascade","type":"article","pillar":"ai-systems","locales":{"en":{"label":"What is a model cascade? Escalate with a stop rule","summary":"A model cascade is a planned chain of models for one task: start at the cheapest tier that could do the job, escalate to a more capable model only when a written trigger says the output is insufficient, and stop when a written rule says stop. A fallback is different. A fallback is recovery after the primary model has already missed a latency, quality, or availability target. Retrying the same flagship model is neither. On this site a cascade is a routing pattern inside The Model Portfolio, which is live. It is not the CASCADE framework from The Second-Order Thinker, a different book that is still a manuscript and not for sale.","url":"/en/blog/what-is-a-model-cascade/","searchText":"What is a model cascade? Escalate with a stop rule A model cascade is a planned cost pattern: start at the cheapest model that can do the job, escalate on a written trigger, stop on a written rule. It is not a fallback, not a retry loop, and not the CASCADE framework from The Second-Order Thinker. A cascade without a stop rule is spending until something sounds fluent. A model cascade is a planned chain of models for one task: start at the cheapest tier that could do the job, escalate to a more capable model only when a written trigger says the output is insufficient, and stop when a written rule says stop. A fallback is different. A fallback is recovery after the primary model has already missed a latency, quality, or availability target. Retrying the same flagship model is neither. On this site a cascade is a routing pattern inside The Model Portfolio, which is live. It is not the CASCADE framework from The Second-Order Thinker, a different book that is still a manuscript and not for sale. what is a model cascade Order is cheapest-sufficient first, flagship last. The escalation trigger and the stop rule are the design. Without them you have a spend spiral. A cascade is planned. A fallback is recovery after an SLO miss. Keep the words apart. Not the CASCADE framework from The Second-Order Thinker. Different book, different job. ai-agents model cascade A planned cheapest-first chain with a written escalation trigger and stop rule. Not a fallback. ROUTE Register, Objective typing, Utilize policy, Track, Evolve. Search \"LLM cascade\" and you get a benchmark paper, a vendor diagram, and a framework from a different book on this site. Operators need the boring version. A model cascade is an ordered chain of models for one task, written before the first call. Start at the cheapest model that could do the job. Escalate only when a written trigger says the output is not good enough. Stop when the rule says stop. A fallback is not that. A fallback is recovery: the primary model missed its latency, quality, or availability target, so a spare path runs. You design a cascade to save money on the common case. You design a fallback so an outage does not become a blank page. Merging the two words is how a spend spiral gets renamed \"resilience\". Retrying the same flagship because the first answer felt thin is neither. That is a loop with a credit card. Not CASCADE, not speculative decoding, not \"try the big one again\" On this site, CASCADE as a named framework belongs to The Second-Order Thinker: a personal protocol for tracing the consequences of a decision before you commit. The CASCADE glossary entry holds that meaning. That book is a manuscript, not for sale, and this page does not borrow its label. Speculative decoding is a speed trick inside one serving stack. A cascade is a policy across models. \"If it fails, call the expensive one\" is a sketch. The missing piece is what \"fails\" means, in a field a machine can read. The four parts that make it real Order. Cheapest-sufficient first, flagship last. Reverse that and you have a prestige chain that pays twice. Escalation trigger. A signal the cheap hop produces that the policy can check: the output failed to parse against the schema, a calibrated confidence score fell under the line, a retrieval similarity score came back low. The Model Portfolio's rule is that the trigger belongs to the task, not to the cascade, so you calibrate it on real traffic before you wire it. A trigger you cannot name means you escalate on mood. Stop rule. Maximum hops. Maximum spend per request. A timeout, so the chain does not add net latency. Cases that must never escalate, such as private data that may not reach a hosted model, or an irreversible action that needs a human. Write them down. Trace. Which hop ran, why it escalated, what it cost. Without a trace you cannot tune the chain. You can only argue about it. The test for this week Pick one high-volume task. Run the cheap model and the expensive model on the same requests for a few days and log where they disagree. The disagreement is the trigger you need. Then watch the escalation rate in production. If nearly everything escalates, the cheap hop is theatre and the cascade costs more than calling the flagship directly. If nothing escalates, check the trigger before you celebrate. Two pages What is model routing? owns the policy. A cascade is one pattern inside it, and a fallback is another. The Model Portfolio is live. You do not need the hardcover to write a three-hop chain with one stop rule this week.","keyTakeaways":["Order is cheapest-sufficient first, flagship last.","The escalation trigger and the stop rule are the design. Without them you have a spend spiral.","A cascade is planned. A fallback is recovery after an SLO miss. Keep the words apart.","Not the CASCADE framework from The Second-Order Thinker. Different book, different job."],"readingMinutes":3,"publishedAt":"2026-09-24T19:00:00.000Z"},"nl":{"label":"Wat is een modelcascade? Escaleren met een stopregel","summary":"Een modelcascade is een geplande keten van modellen voor één taak: begin bij de goedkoopste laag die de klus zou kunnen doen, escaleer naar een capabeler model alleen als een geschreven trigger zegt dat de output tekortschiet, en stop wanneer een geschreven regel dat zegt. Een fallback is iets anders. Een fallback is herstel nadat het primaire model al een doel voor latentie, kwaliteit of beschikbaarheid heeft gemist. Hetzelfde vlaggenschipmodel opnieuw aanroepen is geen van beide. Op deze site is een cascade een routeringspatroon uit Het model-portfolio, dat live is. Het is niet het CASCADE-raamwerk uit De tweede-orde-denker, een ander boek dat nog een manuscript is en niet te koop.","url":"/nl/blog/wat-is-een-modelcascade/","searchText":"Wat is een modelcascade? Escaleren met een stopregel Een modelcascade is een gepland kostenpatroon: begin bij het goedkoopste model dat de klus aankan, escaleer op een geschreven trigger, stop op een geschreven regel. Het is geen fallback, geen retry-lus en niet het CASCADE-raamwerk uit De tweede-orde-denker. Een cascade zonder stopregel is geld uitgeven tot iets vloeiend klinkt. Een modelcascade is een geplande keten van modellen voor één taak: begin bij de goedkoopste laag die de klus zou kunnen doen, escaleer naar een capabeler model alleen als een geschreven trigger zegt dat de output tekortschiet, en stop wanneer een geschreven regel dat zegt. Een fallback is iets anders. Een fallback is herstel nadat het primaire model al een doel voor latentie, kwaliteit of beschikbaarheid heeft gemist. Hetzelfde vlaggenschipmodel opnieuw aanroepen is geen van beide. Op deze site is een cascade een routeringspatroon uit Het model-portfolio, dat live is. Het is niet het CASCADE-raamwerk uit De tweede-orde-denker, een ander boek dat nog een manuscript is en niet te koop. wat is een modelcascade De volgorde is eerst het goedkoopste toereikende model, het vlaggenschip als laatste. De escalatietrigger en de stopregel zijn het ontwerp. Zonder die twee heb je een uitgavenspiraal. Een cascade is gepland. Een fallback is herstel na een gemiste SLO. Houd de woorden uit elkaar. Niet het CASCADE-raamwerk uit De tweede-orde-denker. Ander boek, andere klus. ai-agents modelcascade Een geplande keten van goedkoop naar duurder, met een geschreven escalatietrigger en stopregel. Geen fallback. ROUTE Register, Doel-typering, Uitvoeringsbeleid, Tracken, Evolueren. Zoek op \"LLM cascade\" en je krijgt een benchmarkpaper, een leveranciersdiagram en een raamwerk uit een ander boek op deze site. Operators hebben de saaie versie nodig. Een modelcascade is een geordende keten van modellen voor één taak, opgeschreven vóór de eerste aanroep. Begin bij het goedkoopste model dat de klus zou kunnen doen. Escaleer alleen als een geschreven trigger zegt dat de output niet goed genoeg is. Stop wanneer de regel stop zegt. Een fallback is dat niet. Een fallback is herstel: het primaire model miste zijn doel voor latentie, kwaliteit of beschikbaarheid, dus neemt een reservepad het over. Een cascade ontwerp je om geld te besparen op het gewone geval. Een fallback ontwerp je zodat een storing geen lege pagina wordt. Wie de twee woorden door elkaar haalt, noemt een uitgavenspiraal al snel \"veerkracht\". Hetzelfde vlaggenschip nog eens aanroepen omdat het eerste antwoord dun aanvoelde, is geen van beide. Dat is een lus met een creditcard. Geen CASCADE, geen speculative decoding, geen \"probeer de grote nog eens\" Op deze site hoort CASCADE als benoemd raamwerk bij De tweede-orde-denker: een persoonlijk protocol om de gevolgen van een besluit na te lopen voordat je je vastlegt. Die betekenis staat bij het begrip CASCADE. Dat boek is nog een manuscript en niet te koop, en deze pagina leent het etiket niet. Speculative decoding is een snelheidstruc binnen één serving-stack. Een cascade is beleid over modellen heen. \"Als het misgaat, bel dan het dure model\" is een schets. Wat ontbreekt, is wat \"misgaat\" betekent, in een veld dat een machine kan lezen. De vier onderdelen die het echt maken Volgorde. Eerst het goedkoopste model dat toereikend is, het vlaggenschip als laatste. Draai je dat om, dan heb je een prestigeketen die twee keer betaalt. Escalatietrigger. Een signaal dat de goedkope hop oplevert en dat het beleid kan controleren: de output kwam niet door het schema, een gekalibreerde betrouwbaarheidsscore zakte onder de lijn, de gelijkenisscore van de retrieval was laag. De regel in Het model-portfolio is dat de trigger bij de taak hoort, niet bij de cascade. Je kalibreert hem dus op echt verkeer voordat je hem aansluit. Een trigger die je niet kunt benoemen, betekent dat je op gevoel escaleert. Stopregel. Een maximaal aantal hops. Een maximale uitgave per verzoek. Een time-out, zodat de keten netto geen latentie toevoegt. Gevallen die nooit mogen escaleren, zoals privédata die geen gehost model mag bereiken, of een onomkeerbare actie waar een mens naar moet kijken. Schrijf ze op. Trace. Welke hop draaide, waarom hij escaleerde, wat het kostte. Zonder trace kun je de keten niet bijstellen. Je kunt er alleen ruzie over maken. De test voor deze week Kies één taak met veel volume. Laat het goedkope en het dure model een paar dagen dezelfde verzoeken verwerken en log waar ze van elkaar afwijken. Die afwijking is de trigger die je nodig hebt. Houd daarna in productie het escalatiepercentage in de gaten. Escaleert bijna alles, dan is de goedkope hop theater en kost de cascade meer dan rechtstreeks het vlaggenschip aanroepen. Escaleert niets, controleer dan eerst de trigger voordat je het viert. Twee pagina's Wat is modelroutering? bezit het beleid. Een cascade is één patroon daarbinnen, een fallback een ander. Het model-portfolio is live. Je hebt de hardcover niet nodig om deze week een keten van drie hops met één stopregel te schrijven.","keyTakeaways":["De volgorde is eerst het goedkoopste toereikende model, het vlaggenschip als laatste.","De escalatietrigger en de stopregel zijn het ontwerp. Zonder die twee heb je een uitgavenspiraal.","Een cascade is gepland. Een fallback is herstel na een gemiste SLO. Houd de woorden uit elkaar.","Niet het CASCADE-raamwerk uit De tweede-orde-denker. Ander boek, andere klus."],"readingMinutes":3,"publishedAt":"2026-09-24T19:05:00.000Z"}},"degree":8},{"id":"article:what-is-a-personal-health-agent","type":"article","pillar":"ai-systems","locales":{"en":{"label":"What is a personal health agent? Data architecture, not a clinician","summary":"A personal health agent, on this site, is a non-medical data architecture: it organises signals you already have, detects change against a baseline you named, and surfaces questions worth taking to a professional. It is not a clinician, not a diagnosis engine, and not treatment. The named system in AI Agents for Personal Health is AGENT: Assemble, Generate, Evaluate, Notify, Tune. That book is in design and not for sale. This page owns the search 'the anatomy of a personal health agent' as an operating object, not as medical advice. If you need care or have health concerns, consult a qualified healthcare professional; this page is not medical advice.","url":"/en/blog/what-is-a-personal-health-agent/","searchText":"What is a personal health agent? Data architecture, not a clinician A personal health agent, on this site, is a non-medical system that organises wearable and lab-export signals, flags change, and surfaces questions for professionals. It does not diagnose, prescribe, or replace care. If it answers as a doctor, it is already the wrong worker. If it cannot show the row it used, it is a vibe. A personal health agent, on this site, is a non-medical data architecture: it organises signals you already have, detects change against a baseline you named, and surfaces questions worth taking to a professional. It is not a clinician, not a diagnosis engine, and not treatment. The named system in AI Agents for Personal Health is AGENT: Assemble, Generate, Evaluate, Notify, Tune. That book is in design and not for sale. This page owns the search 'the anatomy of a personal health agent' as an operating object, not as medical advice. If you need care or have health concerns, consult a qualified healthcare professional; this page is not medical advice. personal health agent Organise signals. Flag change. Ask a professional. Not a diagnosis. No named source row, no agent. A fluent health paragraph is a hazard. AGENT = Assemble, Generate, Evaluate, Notify, Tune. The book is not for sale. This page is the meaning. It is not medical advice. ai-agents AI agent A system that holds a goal, uses tools, and acts across steps under a charter. AGENT Assemble, Generate, Evaluate, Notify, Tune. Non-medical personal-health data architecture. A personal health agent becomes unsafe the moment its interface is allowed to sound like a clinician. The useful object here is narrower: non-medical data architecture with inspectable source rows and a hard refuse list. What is a personal health agent? On this site: a non-medical system that organises signals you already have, flags change against a named baseline, and surfaces questions for a professional. It does not diagnose. It does not prescribe. It does not replace care. If you need care or have a health concern, consult a qualified healthcare professional; this article is not medical advice. What is an AI agent? still applies. A health wrapper without a charter is a demo that can scare you. The refuse list Write these as ceilings, not as vibes. - No diagnosis language. - No dose, treatment protocol, or “you should start.” - No alteration or override of a clinician's plan. - No emergency monitoring and no claim that silence means you are well. - Every flagged change points at a row you can open: device, timestamp, metric, baseline. What is an evidence ledger? is that discipline in other clothes. If the system answers as a doctor, it is already the wrong worker. AGENT, named and unfinished AI Agents for Personal Health uses AGENT: Assemble, Generate, Evaluate, Notify, Tune. Assemble the sources. Generate a structured, queryable signal pipeline, not a verdict. Evaluate correlations and deviations with explicit limits. Notify a human about a data change, never a diagnosis. Tune data-quality and change-detection settings with a named reviewer; silence is not medical reassurance. The book is in design and not for sale. Collision control Not a clinician. Not a second opinion. Not \"optimise your biology\" as treatment. Not a consumer wellness coach. Fluency about sleep is still fluency. The test is the row. Not the startup-strategy agent. AI Agents for Startup Strategy is live. This book is not. Do not mix the charters. What this page is not It is not medical advice. It is not a wearable setup guide. It is not a study. Write the refuse list and one baseline. If the worker cannot show the row, unplug it.","keyTakeaways":["Organise signals. Flag change. Ask a professional. Not a diagnosis.","No named source row, no agent. A fluent health paragraph is a hazard.","AGENT = Assemble, Generate, Evaluate, Notify, Tune. The book is not for sale.","This page is the meaning. It is not medical advice."],"readingMinutes":2,"publishedAt":"2026-09-21T07:00:00.000Z"},"nl":{"label":"Wat is een persoonlijke gezondheidsagent? Data-architectuur, geen clinicus","summary":"Een persoonlijke gezondheidsagent is op deze site een niet-medische data-architectuur: hij ordent signalen die je al hebt, detecteert verandering tegen een baseline die je hebt benoemd, en brengt vragen boven tafel die je aan een professional kunt stellen. Hij is geen clinicus, geen diagnose-engine en geen behandeling. Het benoemde systeem in AI-agenten voor persoonlijke gezondheid is AGENT: Assemble, Generate, Evaluate, Notify, Tune. Dat boek is in design en niet te koop. Deze pagina behandelt de zoekopdracht 'the anatomy of a personal health agent' als operationeel object, niet als medisch advies. Heb je zorg nodig of gezondheidszorgen, raadpleeg dan een bevoegd zorgverlener; deze pagina is geen medisch advies.","url":"/nl/blog/wat-is-een-persoonlijke-gezondheidsagent/","searchText":"Wat is een persoonlijke gezondheidsagent? Data-architectuur, geen clinicus Een persoonlijke gezondheidsagent is op deze site een niet-medisch systeem dat wearable- en lab-exportsignalen ordent, verandering markeert en vragen boven tafel brengt voor professionals. Hij diagnosticeert niet, schrijft niet voor en vervangt geen zorg. Antwoordt hij als een arts, dan is het al de verkeerde werker. Kan hij de rij niet tonen die hij gebruikte, dan is het gebakken lucht. Een persoonlijke gezondheidsagent is op deze site een niet-medische data-architectuur: hij ordent signalen die je al hebt, detecteert verandering tegen een baseline die je hebt benoemd, en brengt vragen boven tafel die je aan een professional kunt stellen. Hij is geen clinicus, geen diagnose-engine en geen behandeling. Het benoemde systeem in AI-agenten voor persoonlijke gezondheid is AGENT: Assemble, Generate, Evaluate, Notify, Tune. Dat boek is in design en niet te koop. Deze pagina behandelt de zoekopdracht 'the anatomy of a personal health agent' als operationeel object, niet als medisch advies. Heb je zorg nodig of gezondheidszorgen, raadpleeg dan een bevoegd zorgverlener; deze pagina is geen medisch advies. persoonlijke gezondheidsagent Orden signalen. Markeer verandering. Vraag een professional. Geen diagnose. Geen benoemde bronrij, geen agent. Een vloeiende gezondheidsalinea is een gevaar. AGENT = Assemble, Generate, Evaluate, Notify, Tune. Het boek is niet te koop. Deze pagina is de betekenis. Het is geen medisch advies. ai-agents AI-agent Een systeem dat een doel vasthoudt, gereedschappen gebruikt en in stappen handelt onder een charter. AGENT Assemble, Generate, Evaluate, Notify, Tune. Niet-medische data-architectuur voor persoonlijke gezondheid. Een persoonlijke gezondheidsagent wordt onveilig zodra de interface als clinicus mag klinken. Het nuttige object is smaller: niet-medische data-architectuur met inspecteerbare bronrijen en een harde weigerlijst. Wat is een persoonlijke gezondheidsagent? Op deze site: een niet-medisch systeem dat signalen ordent die je al hebt, verandering markeert tegen een benoemde baseline, en vragen boven tafel brengt voor een professional. Hij diagnosticeert niet. Hij schrijft niet voor. Hij vervangt geen zorg. Heb je zorg nodig of gezondheidszorgen, raadpleeg dan een bevoegd zorgverlener; dit artikel is geen medisch advies. Wat is een AI-agent? geldt nog steeds. Een gezondheidsschil zonder charter is een demo die je bang kan maken. De weigerlijst Schrijf dit als harde limieten, niet als abstract concept. - Geen diagnosetaal. - Geen dosis, behandelprotocol of “je moet beginnen.” - Geen wijziging of override van het plan van een clinicus. - Geen spoedmonitoring en geen claim dat stilte betekent dat je gezond bent. - Elke gemarkeerde verandering wijst naar een rij die je kunt openen: apparaat, tijdstempel, metric, baseline. Wat is een bewijsregister? is die discipline in een ander jasje. Antwoordt het systeem als een arts, dan is het al de verkeerde werker. AGENT, benoemd en onaf AI-agenten voor persoonlijke gezondheid gebruikt AGENT: Assemble, Generate, Evaluate, Notify, Tune. Assembleer de bronnen. Generate bouwt een gestructureerde, bevraagbare signaalpijplijn, geen vonnis. Evaluate toetst correlaties en afwijkingen met expliciete grenzen. Notify licht een mens in over een datawijziging, nooit over een diagnose. Tune stelt datakwaliteit en veranderingsdetectie bij met een benoemde reviewer; stilte is geen medische geruststelling. Het boek is in design en niet te koop. Botsingsbeheer Geen clinicus. Geen tweede mening. Niet \"optimaliseer je biologie\" als behandeling. Geen consumentenwellnesscoach. Vloeiendheid over slaap is nog steeds vloeiendheid. De test is de rij. Niet de startupstrategie-agent. AI-agenten voor startupstrategie is live. Dit boek niet. Meng de charters niet. Wat deze pagina niet is Geen medisch advies. Geen wearable-installatiegids. Geen studie. Schrijf de weigerlijst en één baseline. Kan de werker de rij niet tonen, trek de stekker eruit.","keyTakeaways":["Orden signalen. Markeer verandering. Vraag een professional. Geen diagnose.","Geen benoemde bronrij, geen agent. Een vloeiende gezondheidsalinea is een gevaar.","AGENT = Assemble, Generate, Evaluate, Notify, Tune. Het boek is niet te koop.","Deze pagina is de betekenis. Het is geen medisch advies."],"readingMinutes":2,"publishedAt":"2026-09-21T07:05:00.000Z"}},"degree":6},{"id":"article:what-is-aeo","type":"article","pillar":"seo-geo-aeo","locales":{"en":{"label":"The first screen an answer engine can quote","summary":"This page is the craft. The customs collision lives on AEO meaning. AEO, answer engine optimization, is the craft of writing a page so an answer engine can quote a clean capsule: a direct answer near the top, named entities, visible sources, and no invented FAQ schema. GEO is the system around the crawl. AEO is the page. They fail together when the first screen is a brand manifesto. Authorized Economic Operator is a different AEO, in customs. Google ended FAQ rich results on 2026-05-07; a fake FAQPage is a liability, not a tactic. If the first screen cannot be quoted, the rest of the page will not save it.","url":"/en/blog/what-is-aeo/","searchText":"The first screen an answer engine can quote AEO means answer engine optimization: writing one URL so an engine can lift a clean capsule. It is not GEO under another name, not a schema trick, and not Authorized Economic Operator. GEO is the system. AEO is the page. If the first screen cannot be quoted, the rest of the page will not save it. This page is the craft. The customs collision lives on AEO meaning. AEO, answer engine optimization, is the craft of writing a page so an answer engine can quote a clean capsule: a direct answer near the top, named entities, visible sources, and no invented FAQ schema. GEO is the system around the crawl. AEO is the page. They fail together when the first screen is a brand manifesto. Authorized Economic Operator is a different AEO, in customs. Google ended FAQ rich results on 2026-05-07; a fake FAQPage is a liability, not a tactic. If the first screen cannot be quoted, the rest of the page will not save it. AEO meaning answer engine optimization On this site AEO means answer engine optimization, not Authorized Economic Operator. GEO is the system. AEO is one URL. Do not use the words as synonyms. A direct answer in the first screen beats a FAQ block Google no longer rewards. Named entities and visible sources are how a machine attaches the sentence to a person. aeo geo AEO Writing one URL so an engine can lift a clean capsule. GEO Becoming a source an answer engine can retrieve, interpret, extract, and verify. CITATION The eight-move framework from The Findability Engine: Cite, Identify, Triangulate, Anchor, Track, Iterate, Optimize, Normalize. The book is in production and not for sale. AEO is a three-letter pile-up. Customs officers mean Authorized Economic Operator. Slide decks mean \"we added FAQ schema.\" This page means answer engine optimization : writing one URL so an engine can lift a clean capsule. If you landed here from a logistics query, leave. This is not that AEO. The customs status is a real programme. It is a different object. Mixing the letters is how a founder buys schema theatre and a logistics reader gets a blog post. The page, not the system GEO is the system around the crawl: retrieve, interpret, extract, verify. AEO is the craft of one URL. The live capsule is blunt: they fail together when the first screen is a brand manifesto. People use the words as synonyms because both showed up in the same Twitter thread in 2024. They are not synonyms. GEO without AEO is a crawl of pages nobody can quote. AEO without GEO is a beautiful capsule on a URL the crawler never fetched. The three-way with ordinary search lives next door: AEO vs GEO vs SEO. This page does not restage that comparison. It owns the page. The test of the result is plain: was the page discoverable, attributed, answer-shaped, evidenced, and actually used? AEO is how you shape the page so that test can pass. A mention without a checkable source is not that standard. CITATION is a different object: the eight-move framework in The Findability Engine (Cite, Identify, Triangulate, Anchor, Track, Iterate, Optimize, Normalize). What the capsule needs Four cheap objects. Not a framework expansion. A direct answer near the top. The first two or three sentences should survive being stolen. If the claim is in paragraph eight, the engine will steal paragraph one anyway, and paragraph one is currently your mission statement. Answer-first writing is the courtesy to a tired reader. AEO is that courtesy treated as a machine-readable object. Named entities. A person, an organisation, a dated object. \"We\" is not an entity. \"Len P. van der Hof, 2026-08-19\" is. A machine that cannot attach the sentence to a person will attach it to whoever wrote it once, with a name. Visible sources. On the same URL. A footnote the crawler cannot fetch is not a source. It is a costume. A \"studies show\" with no study is a vibe. Put the evidence where the capsule lives, or do not ship the claim. No invented FAQ schema. Google ended FAQ rich results on 2026-05-07 and pulled the documentation on 15 June 2026. A fake FAQPage is now a liability. It is not a shortcut to being quoted. Schema can name an entity after the sentence exists. It cannot rescue a manifesto. A first screen you can fail Same URL. Two openings. Only one is a capsule. The manifesto: \"In a world of accelerating AI search, we help ambitious teams become findable.\" Nothing to steal. No person. No date. No source. An engine that lifts paragraph one lifts a slogan. The capsule: \"AEO, answer engine optimization, is the craft of writing one URL so an answer engine can quote a clean capsule. GEO is the system around the crawl. Authorized Economic Operator is a different AEO, in customs.\" A stranger can repeat that. A machine can attach it. The rest of the page is permission to stay. Other first-screen tells that fail the lift, even when the rest of the article is good: - The claim lives in a hero image. The engine reads HTML. The JPEG is not a capsule. - The claim appears after a cookie wall, a tab, or a widget hydrates. The crawler never saw it. - The first screen is a list of \"who we help\" with no sentence a stranger could repeat. - The entity is a logo. A logo is not a name. You do not need a thinner page. You need the stealable sentence first. Length after that is earned. Google's own guidance still says you do not have to rewrite for generative AI and you do not have to chop a page into chunks. Hiding the claim in paragraph nine is not depth. It is a page that refused to decide. Content architecture for answer engines is the longer operating page: one claim per URL, named entities, structured data after the sentence exists. This page is only whether the first screen can be lifted at all. A page you can fail in five minutes Fetch the HTML. Not the screenshot. Not the CMS preview. 1. Highlight the first 80 words. Is there a claim a stranger could repeat? 2. Name the entity the machine should attach. 3. Point at the evidence on this URL. 4. Search the source for FAQPage . If you added it as a tactic after May 2026, delete it. If step one fails, you do not have an AEO problem. You have an opening problem. Rewrite the first screen before you touch schema, before you buy a dashboard, before you argue about GEO. A fifth tell, if you have five minutes more: would you bet the sentence if someone asked for the source? If you would not, the engine should not either. What this page is not This page is not GEO meaning. That article is the system, including the geography collision. This page is not the three-way with SEO. Rankings, crawler fetches, and named citations are three numbers. They live on the comparison page. This page is not a schema cookbook. Recheck Google's structured-data docs before you add anything. Eligibility does not guarantee a named citation. The Findability Engine owns the larger operating system. It is in production. It is not for sale. You do not need the hardcover to move the conclusion above the myth. If the first screen cannot be quoted, the rest of the page will not save it. Write the capsule. Then earn the right to be long.","keyTakeaways":["On this site AEO means answer engine optimization, not Authorized Economic Operator.","GEO is the system. AEO is one URL. Do not use the words as synonyms.","A direct answer in the first screen beats a FAQ block Google no longer rewards.","Named entities and visible sources are how a machine attaches the sentence to a person."],"readingMinutes":5,"publishedAt":"2026-08-22T16:00:00.000Z"},"nl":{"label":"Het eerste scherm dat een antwoordmachine kan citeren","summary":"Deze pagina is het vak. De douanebotsing staat op AEO-betekenis. AEO, answer engine optimization, is het vakmanschap van een pagina zo schrijven dat een antwoordmachine een schone capsule kan citeren: een direct antwoord bovenaan, benoemde entiteiten, zichtbare bronnen en geen verzonnen FAQ-schema. GEO is het systeem rond de crawl. AEO is de pagina. Ze falen samen wanneer het eerste scherm een manifest is. Authorized Economic Operator is een andere AEO, bij de douane. Google is op 2026-05-07 gestopt met FAQ rich results; een nep-FAQPage is een risico, geen tactiek. Als het eerste scherm niet geciteerd kan worden, zal de rest van de pagina het niet redden.","url":"/nl/blog/wat-is-aeo/","searchText":"Het eerste scherm dat een antwoordmachine kan citeren AEO betekent answer engine optimization: één URL zo schrijven dat een engine er een schone capsule uit kan lichten. Het is geen GEO onder een andere naam, geen schematruc en geen Authorized Economic Operator. GEO is het systeem. AEO is de pagina. Als het eerste scherm niet geciteerd kan worden, zal de rest van de pagina het niet redden. Deze pagina is het vak. De douanebotsing staat op AEO-betekenis. AEO, answer engine optimization, is het vakmanschap van een pagina zo schrijven dat een antwoordmachine een schone capsule kan citeren: een direct antwoord bovenaan, benoemde entiteiten, zichtbare bronnen en geen verzonnen FAQ-schema. GEO is het systeem rond de crawl. AEO is de pagina. Ze falen samen wanneer het eerste scherm een manifest is. Authorized Economic Operator is een andere AEO, bij de douane. Google is op 2026-05-07 gestopt met FAQ rich results; een nep-FAQPage is een risico, geen tactiek. Als het eerste scherm niet geciteerd kan worden, zal de rest van de pagina het niet redden. AEO-betekenis answer engine optimization Op deze site betekent AEO answer engine optimization, niet Authorized Economic Operator. GEO is het systeem. AEO is één URL. Gebruik de woorden niet als synoniemen. Een direct antwoord in het eerste scherm wint het van een FAQ-blok dat Google niet meer beloont. Benoemde entiteiten en zichtbare bronnen zijn hoe een machine de zin aan een persoon koppelt. aeo geo AEO Eén URL zo schrijven dat een engine er een schone capsule uit kan lichten. GEO Een bron worden die een antwoordmachine kan ophalen, interpreteren, extraheren en verifiëren. CITATION Het raamwerk van acht stappen uit The findability engine: Citeren, Identificeren, Trianguleren, Verankeren, Traceren, Itereren, Optimaliseren, Normaliseren. Het boek is in productie en niet te koop. AEO is een opeenstapeling van drie letters. Douanebeambten bedoelen Authorized Economic Operator. Slide decks bedoelen \"we hebben FAQ-schema toegevoegd\". Deze pagina bedoelt answer engine optimization : één URL zo schrijven dat een engine er een schone capsule uit kan lichten. Als je hier bent beland via een logistieke zoekopdracht, vertrek dan. Dit is niet die AEO. De douanestatus is een echt programma. Het is een ander object. De letters door elkaar halen is hoe een founder schema-theater koopt en een logistieke lezer een blogpost krijgt. De pagina, niet het systeem GEO is het systeem rond de crawl: ophalen, interpreteren, extraheren, verifiëren. AEO is het vakmanschap van één URL. De live capsule is direct: ze falen samen wanneer het eerste scherm een merkmanifest is. Mensen gebruiken de woorden als synoniemen omdat beide in dezelfde Twitter-thread opdoken in 2024. Het zijn geen synoniemen. GEO zonder AEO is een crawl van pagina's die niemand kan citeren. AEO zonder GEO is een prachtige capsule op een URL die de crawler nooit heeft opgehaald. De drieweg met gewone search staat ernaast: AEO vs GEO vs SEO. Deze pagina herhaalt die vergelijking niet. Ze behandelt de pagina. De test van het resultaat is eenvoudig: was de pagina vindbaar, toegeschreven, antwoordvormig, onderbouwd en daadwerkelijk gebruikt? AEO is hoe je de pagina zo vormgeeft dat deze test kan slagen. Een vermelding zonder controleerbare bron haalt die lat niet. CITATION is iets anders: het raamwerk van acht stappen uit The findability engine (Citeren, Identificeren, Trianguleren, Verankeren, Traceren, Itereren, Optimaliseren, Normaliseren). Wat de capsule heeft Vier goedkope objecten. Geen uitbreiding van een framework. Een direct antwoord bovenaan. De eerste twee of drie zinnen moeten overleven als ze worden weggenomen. Als de claim in alinea acht staat, zal de engine toch alinea één wegnemen, en alinea één is momenteel je missieverklaring. Antwoord eerst schrijven is de beleefdheid naar een vermoeide lezer. AEO is die beleefdheid als machineleesbaar object. Benoemde entiteiten. Een persoon, een organisatie, een gedateerd object. \"Wij\" is geen entiteit. \"Len P. van der Hof, 2026-08-19\" is dat wel. Een machine die de zin niet aan een persoon kan koppelen, koppelt hem aan wie hem één keer schreef, mét een naam. Zichtbare bronnen. Op dezelfde URL. Een voetnoot die de crawler niet kan ophalen is geen bron. Het is een kostuum. \"Onderzoek toont aan\" zonder onderzoek is een sfeer. Zet het bewijs waar de capsule leeft, of zet de claim niet live. Geen verzonnen FAQ-schema. Google is op 2026-05-07 gestopt met FAQ rich results en heeft de documentatie op 15 juni 2026 ingetrokken. Een nep FAQPage is nu een risico. Het is geen kortere weg om geciteerd te worden. Schema kan een entiteit benoemen nadat de zin bestaat. Het redt geen manifest. Een eerste scherm dat je kunt afkeuren Zelfde URL. Twee openingen. Slechts één is een capsule. Het manifest: \"In een wereld van versnellende AI-search helpen we ambitieuze teams vindbaar te worden.\" Niets om te stelen. Geen persoon. Geen datum. Geen bron. Een engine die alinea één licht, licht een slogan. De capsule: \"AEO, answer engine optimization, is het vakmanschap van één URL zo schrijven dat een antwoordmachine een schone capsule kan citeren. GEO is het systeem rond de crawl. Authorized Economic Operator is een andere AEO, bij de douane.\" Een vreemde kan dat herhalen. Een machine kan het koppelen. De rest van de pagina is toestemming om te blijven. Andere signalen in het eerste scherm die de lift laten zakken, ook als de rest van het artikel deugt: - De claim zit in een hero-afbeelding. De engine leest HTML. De JPEG is geen capsule. - De claim verschijnt pas na een cookiewall, een tabblad of een widget die hydrateert. De crawler heeft hem nooit gezien. - Het eerste scherm is een lijst \"wie we helpen\" zonder een zin die een vreemde kan herhalen. - De entiteit is een logo. Een logo is geen naam. Je hebt geen dunnere pagina nodig. Je hebt eerst de steelbare zin nodig. Lengte daarna verdien je. Googles eigen advies zegt nog steeds dat je niet hoeft te herschrijven voor generatieve AI en dat je een pagina niet in stukken hoeft te hakken. De claim in alinea negen verstoppen is geen diepte. Het is een pagina die weigerde te beslissen. Contentarchitectuur die antwoordmachines kunnen citeren is de langere operationele pagina: één claim per URL, benoemde entiteiten, gestructureerde data nadat de zin bestaat. Deze pagina gaat alleen over de vraag of het eerste scherm überhaupt gelicht kan worden. Een pagina die je in vijf minuten kunt afkeuren Haal de HTML op. Niet de screenshot. Niet de CMS-preview. 1. Markeer de eerste 80 woorden. Is er een claim die een vreemde zou kunnen herhalen? 2. Noem de entiteit die de machine moet koppelen. 3. Wijs naar het bewijs op deze URL. 4. Doorzoek de broncode op FAQPage . Als je het na mei 2026 als tactiek hebt toegevoegd, verwijder het dan. Als stap één faalt, heb je geen AEO-probleem. Je hebt een openingsprobleem. Herschrijf het eerste scherm voordat je schema aanraakt, voordat je een dashboard koopt, voordat je over GEO ruziet. Een vijfde signaal, als je vijf minuten extra hebt: zou je de zin durven verdedigen als iemand om de bron vraagt? Zo niet, dan hoort de engine dat ook niet. Wat deze pagina niet is Deze pagina is niet GEO-betekenis. Dat artikel is het systeem, inclusief de botsing met geografie. Deze pagina is niet de drieweg met SEO. Rankings, crawlerfetches en benoemde citaties zijn drie getallen. Die staan op de vergelijkingspagina. Deze pagina is geen schemakookboek. Controleer de documentatie van Google over gestructureerde data opnieuw voordat je iets toevoegt. Geschiktheid garandeert geen benoemde citatie. The findability engine bezit het grotere besturingssysteem. Het is in productie. Het is niet te koop. Je hebt de hardcover niet nodig om de conclusie boven de mythe te plaatsen. Als het eerste scherm niet te citeren is, redt de rest van de pagina het niet. Schrijf de capsule. Verdien daarna het recht om lang te zijn.","keyTakeaways":["Op deze site betekent AEO answer engine optimization, niet Authorized Economic Operator.","GEO is het systeem. AEO is één URL. Gebruik de woorden niet als synoniemen.","Een direct antwoord in het eerste scherm wint het van een FAQ-blok dat Google niet meer beloont.","Benoemde entiteiten en zichtbare bronnen zijn hoe een machine de zin aan een persoon koppelt."],"readingMinutes":5,"publishedAt":"2026-08-22T16:05:00.000Z"}},"degree":14},{"id":"article:what-is-agent-orchestration","type":"article","pillar":"ai-systems","locales":{"en":{"label":"What is agent orchestration? Coordination, not a graph demo","summary":"Agent orchestration is the assignment of work across specialised human and AI workers so ownership, handoffs, review, and state stay visible. Four artefacts make it inspectable: a named owner, a handoff packet, a review gate, and a shared state surface. A runtime graph can implement routing, but it does not establish those controls by itself. CHORUS is one named protocol for this operating layer. Why multi-agent systems fail owns the coordination gap. The Multi-Agent Organization is live.","url":"/en/blog/what-is-agent-orchestration/","searchText":"What is agent orchestration? Coordination, not a graph demo Agent orchestration assigns work across human and AI workers so ownership, handoffs, review gates, and shared state remain visible. A runtime graph alone does not establish those controls. If ownership or review disappears at a boundary, the canvas is not coordinating the work. Agent orchestration is the assignment of work across specialised human and AI workers so ownership, handoffs, review, and state stay visible. Four artefacts make it inspectable: a named owner, a handoff packet, a review gate, and a shared state surface. A runtime graph can implement routing, but it does not establish those controls by itself. CHORUS is one named protocol for this operating layer. Why multi-agent systems fail owns the coordination gap. The Multi-Agent Organization is live. agent orchestration meaning Orchestration = owner, packet, gate, and shared state across a boundary. A runtime graph can implement routing; it does not prove coordination. If the receiver reconstructs ownership or acceptance from a log, the handoff failed. This page owns the boundary test. CHORUS owns the named protocol. ai-agents CHORUS Six-skill coordination protocol. Charter, Handoff, Orchestrate, Review, Update, Sync. orchestration Passing work across a boundary without reconstructing the job from a chat log. Agent orchestration is the operating layer between specialised workers. The test is not how many nodes the canvas shows. It is whether ownership, handoff, review, and state remain visible across each boundary. What is agent orchestration? The assignment and coordination of work across human and AI workers so the next owner can act from a complete packet, pass a written gate, and update shared state. Why multi-agent systems fail owns the coordination gap. This page owns the boundary test. The four-part boundary test Ask four questions. 1. Who owns the work now, and who owns it after the boundary? 2. What packet crosses with the work? 3. Which written criteria can fail it before downstream use? 4. Where can every responsible worker see current state? If any answer is missing, the canvas is showing activity rather than coordination. What is an AI agent? owns the worker. Orchestration is the operating layer between workers. A runtime graph can encode serial work, fan-out, fan-in, and escalation. That is useful routing. It becomes coordination only when the owner, packet, gate, and state surface are also explicit. Collision control CHORUS is one implementation. CHORUS owns the named six-skill protocol. This page owns the ordinary operating term. Not “we added a second agent.” Worker count says nothing about ownership, review, or shared state. Not the definition of an agent. An agent holds a goal and uses tools. Orchestration determines how several workers share work without losing accountability. What this page is not It is not the six-skill expansion and not a vendor bake-off. It is the four-part boundary test. The Multi-Agent Organization is live. Write the four questions on a card. If the answers are empty, stop calling the graph orchestration.","keyTakeaways":["Orchestration = owner, packet, gate, and shared state across a boundary.","A runtime graph can implement routing; it does not prove coordination.","If the receiver reconstructs ownership or acceptance from a log, the handoff failed.","This page owns the boundary test. CHORUS owns the named protocol."],"readingMinutes":2,"publishedAt":"2026-09-19T07:00:00.000Z"},"nl":{"label":"Wat is agent-orkestratie? Coördinatie, geen diagramdemo","summary":"Agent-orkestratie is het toewijzen van werk over gespecialiseerde menselijke en AI-werkers zodat eigenaarschap, overdrachten, review en staat zichtbaar blijven. Vier artefacten maken het inspecteerbaar: een benoemde eigenaar, een overdrachtspakket, een reviewpoort en een oppervlak voor gedeelde staat. Een runtime-diagram kan routing implementeren, maar vestigt die controles niet vanzelf. CHORUS is één benoemd protocol voor deze operationele laag. Waarom multi-agent-systemen falen behandelt de coördinatiekloof. De multi-agent organisatie is live.","url":"/nl/blog/wat-is-agent-orchestratie/","searchText":"Wat is agent-orkestratie? Coördinatie, geen diagramdemo Agent-orkestratie wijst werk toe over menselijke en AI-werkers zodat eigenaarschap, overdrachten, reviewpoorten en gedeelde staat zichtbaar blijven. Een runtime-diagram alleen vestigt die controles niet. Verdween eigenaarschap of review op een grens, dan coördineert het canvas het werk niet. Agent-orkestratie is het toewijzen van werk over gespecialiseerde menselijke en AI-werkers zodat eigenaarschap, overdrachten, review en staat zichtbaar blijven. Vier artefacten maken het inspecteerbaar: een benoemde eigenaar, een overdrachtspakket, een reviewpoort en een oppervlak voor gedeelde staat. Een runtime-diagram kan routing implementeren, maar vestigt die controles niet vanzelf. CHORUS is één benoemd protocol voor deze operationele laag. Waarom multi-agent-systemen falen behandelt de coördinatiekloof. De multi-agent organisatie is live. agent-orkestratie betekenis Orkestratie = eigenaar, pakket, poort en gedeelde staat over een grens. Een runtime-diagram kan routing implementeren; het bewijst geen coördinatie. Reconstrueert de ontvanger eigenaarschap of acceptatie uit een log, dan is de overdracht mislukt. Deze pagina behandelt de grenstest. CHORUS behandelt het benoemde protocol. ai-agents CHORUS Coördinatieprotocol met zes vaardigheden. Charter, Handoff, Orchestrate, Review, Update, Sync. orkestratie Werk over een grens zetten zonder de klus uit een chatlog te reconstrueren. Agent-orkestratie is de operationele laag tussen gespecialiseerde werkers. De test is niet hoeveel knopen het canvas toont. Het is of eigenaarschap, overdracht, review en staat zichtbaar blijven over elke grens. Wat is agent-orkestratie? Het toewijzen en coördineren van werk over menselijke en AI-werkers, zodat de volgende eigenaar kan handelen vanuit een compleet pakket, een geschreven poort kan halen, en gedeelde staat kan bijwerken. Waarom multi-agent-systemen falen behandelt de coördinatiekloof. Deze pagina behandelt de grenstest. De grenstest in vier delen Stel vier vragen. 1. Wie is eigenaar van het werk nu, en wie erna, na de grens? 2. Welk pakket gaat met het werk mee? 3. Welke geschreven criteria kunnen het afkeuren vóór gebruik stroomafwaarts? 4. Waar ziet iedere verantwoordelijke werker de huidige staat? Ontbreekt een antwoord, dan toont het canvas activiteit, geen coördinatie. Wat is een AI-agent? behandelt de werker. Orkestratie is de operationele laag tussen werkers. Een runtime-diagram kan serieel werk, fan-out, fan-in en escalatie coderen. Dat is nuttige routing. Het wordt pas coördinatie als eigenaar, pakket, poort en staatsoppervlak ook expliciet zijn. Botsingsbeheer CHORUS is één implementatie. CHORUS behandelt het benoemde protocol met zes vaardigheden. Deze pagina behandelt de gewone operationele term. Niet “we hebben een tweede agent toegevoegd.” Aantal werkers zegt niets over eigenaarschap, review of gedeelde staat. Niet de definitie van een agent. Een agent houdt een doel vast en gebruikt gereedschappen. Orkestratie bepaalt hoe meerdere werkers werk delen zonder de verantwoordelijkheid te verliezen. Wat deze pagina niet is Niet de zes-vaardigheden-expansie en geen leveranciersvergelijking. Het is de grenstest in vier delen. De multi-agent organisatie is live. Schrijf de vier vragen op een kaart. Blijven de antwoorden uit, noem het diagram dan geen orkestratie meer.","keyTakeaways":["Orkestratie = eigenaar, pakket, poort en gedeelde staat over een grens.","Een runtime-diagram kan routing implementeren; het bewijst geen coördinatie.","Reconstrueert de ontvanger eigenaarschap of acceptatie uit een log, dan is de overdracht mislukt.","Deze pagina behandelt de grenstest. CHORUS behandelt het benoemde protocol."],"readingMinutes":2,"publishedAt":"2026-09-19T07:05:00.000Z"}},"degree":6},{"id":"article:what-is-agent-strategy","type":"article","pillar":"ai-systems","locales":{"en":{"label":"What is agent strategy? Selection, sequence, exposure, exit","summary":"Agent strategy, on this site, is the portfolio choice above any single worker: which jobs merit agents, which dependency must be proven first, how much aggregate send, spend, delete, or speak-as-the-company authority the portfolio may hold, and what evidence pauses or retires a worker. What is an AI agent owns the worker. Using AI agents effectively owns the single-worker charter, ceiling, and run log. Why multi-agent systems fail owns coordination. This page owns selection, sequence, aggregate exposure, and exit.","url":"/en/blog/what-is-agent-strategy/","searchText":"What is agent strategy? Selection, sequence, exposure, exit Agent strategy decides which jobs enter the agent portfolio, in what sequence, under what aggregate exposure, and with which exit rule. The single-worker charter, ceiling, and run log belong to operations. A well-run agent can still be the wrong worker to deploy first. Agent strategy, on this site, is the portfolio choice above any single worker: which jobs merit agents, which dependency must be proven first, how much aggregate send, spend, delete, or speak-as-the-company authority the portfolio may hold, and what evidence pauses or retires a worker. What is an AI agent owns the worker. Using AI agents effectively owns the single-worker charter, ceiling, and run log. Why multi-agent systems fail owns coordination. This page owns selection, sequence, aggregate exposure, and exit. agent strategy Selection, sequence, aggregate exposure, exit. Not a model name. A clean single-worker runbook does not prove the portfolio is well chosen. Refusal applies both to a worker's actions and to jobs that never enter the portfolio. This page is the portfolio decision. The worker, operating, and coordination pages stay next door. ai-agents AI agent A system that holds a goal, uses tools, and acts across steps under a charter. Override doctrine The written list of decisions an agent may never take. A well-run agent can still be the wrong worker to deploy first. Agent strategy is the portfolio decision above the runbook: selection, sequence, aggregate exposure, and exit. What is an AI agent? owns the worker. Using AI agents effectively owns one worker's charter, tools, ceiling, and log. This page owns which workers enter the portfolio and in what order. Four portfolio choices This is an editorial decision card, not a validated scoring instrument. 1. Selection. Which recurring jobs justify a stateful, tool-using worker, and which remain scripts or human judgment? 2. Sequence. Which dependency must work before the next worker is added? 3. Aggregate exposure. Across all workers, what can send, spend, delete, or speak as the company? Several small ceilings can still create one large exposure. 4. Exit. What evidence pauses, narrows, or retires a worker? Missing an exit rule, an experiment becomes permanent infrastructure. Collision control Not a model pick. Models change. Portfolio choices survive the swap. Not a single-worker runbook. The charter, tool allowlist, step ceiling, and trace stay on the operating page. Not an orchestration graph. Why multi-agent systems fail owns coordination after several workers exist. Not SENSE restaged. SENSE is the strategic-intelligence layer. This card decides which agent jobs enter the operating portfolio. What this page is not It is not a vendor shortlist, charter template, or runtime bake-off. AI Agents for Startup Strategy is live. Name the first job, its dependency, the portfolio exposure, and the exit rule. If the only filled field is a model name, you do not have an agent strategy.","keyTakeaways":["Selection, sequence, aggregate exposure, exit. Not a model name.","A clean single-worker runbook does not prove the portfolio is well chosen.","Refusal applies both to a worker's actions and to jobs that never enter the portfolio.","This page is the portfolio decision. The worker, operating, and coordination pages stay next door."],"readingMinutes":2,"publishedAt":"2026-09-21T10:00:00.000Z"},"nl":{"label":"Wat is agentstrategie? Selectie, volgorde, blootstelling, exit","summary":"Agentstrategie is op deze site de portefeuillekeuze boven één werker: welke klussen een agent verdienen, welke afhankelijkheid eerst bewezen moet zijn, hoeveel gezamenlijke bevoegdheid tot sturen, uitgeven, wissen of namens-het-bedrijf-spreken de portefeuille mag houden, en welk bewijs een werker pauzeert of terugtrekt. Wat is een AI-agent behandelt de werker. AI-agents effectief inzetten behandelt charter, plafond en run-log van één werker. Waarom multi-agent-systemen falen behandelt coördinatie. Deze pagina behandelt selectie, volgorde, gezamenlijke blootstelling en exit.","url":"/nl/blog/wat-is-agentstrategie/","searchText":"Wat is agentstrategie? Selectie, volgorde, blootstelling, exit Agentstrategie bepaalt welke klussen de agentportefeuille in gaan, in welke volgorde, onder welke gezamenlijke blootstelling, en met welke exitregel. Charter, plafond en run-log van één werker horen bij operations. Een goed draaiende agent kan nog steeds de verkeerde werker zijn om als eerste in te zetten. Agentstrategie is op deze site de portefeuillekeuze boven één werker: welke klussen een agent verdienen, welke afhankelijkheid eerst bewezen moet zijn, hoeveel gezamenlijke bevoegdheid tot sturen, uitgeven, wissen of namens-het-bedrijf-spreken de portefeuille mag houden, en welk bewijs een werker pauzeert of terugtrekt. Wat is een AI-agent behandelt de werker. AI-agents effectief inzetten behandelt charter, plafond en run-log van één werker. Waarom multi-agent-systemen falen behandelt coördinatie. Deze pagina behandelt selectie, volgorde, gezamenlijke blootstelling en exit. agentstrategie Selectie, volgorde, gezamenlijke blootstelling, exit. Geen modelnaam. Een schoon runboek van één werker bewijst niet dat de portefeuille goed is gekozen. Weigeren geldt zowel voor acties van een werker als voor klussen die de portefeuille nooit in gaan. Deze pagina is de portefeuillekeuze. Werker, operations en coördinatie blijven ernaast. ai-agents AI-agent Een systeem dat een doel vasthoudt, gereedschappen gebruikt en in stappen handelt onder een charter. Override-doctrine De geschreven lijst van besluiten die een agent nooit mag nemen. Een goed draaiende agent kan nog steeds de verkeerde werker zijn om als eerste in te zetten. Agentstrategie is de portefeuillekeuze boven het runboek: selectie, volgorde, gezamenlijke blootstelling en exit. Wat is een AI-agent? behandelt de werker. AI-agents effectief inzetten behandelt charter, tools, plafond en log van één werker. Deze pagina behandelt welke werkers de portefeuille in gaan, en in welke volgorde. Vier portefeuillekeuzes Dit is een redactionele besliskaart, geen gevalideerd scoringsinstrument. 1. Selectie. Welke terugkerende klussen rechtvaardigen een werker met geheugen en tools, en welke blijven scripts of menselijk oordeel? 2. Volgorde. Welke afhankelijkheid moet werken voordat de volgende werker erbij komt? 3. Gezamenlijke blootstelling. Over alle werkers: wat mag sturen, uitgeven, wissen of namens het bedrijf spreken? Meerdere kleine plafonds kunnen samen nog één grote blootstelling maken. 4. Exit. Welk bewijs pauzeert, versmalt of trekt een werker terug? Zonder exitregel wordt een experiment permanente infrastructuur. Botsingsbeheer Geen modelkeuze. Modellen wisselen. Portefeuillekeuzes overleven die wissel. Geen runboek van één werker. Charter, tool-allowlist, stappenplafond en trace blijven op de operationspagina. Geen orkestratiediagram. Waarom multi-agent-systemen falen behandelt coördinatie nadat er meerdere werkers zijn. SENSE niet opnieuw uitgespeeld. SENSE is de strategische intelligentielaag. Deze kaart bepaalt welke agentklussen de operationele portefeuille in gaan. Wat deze pagina niet is Geen leverancierslijst, geen chartersjabloon, geen runtime-vergelijking. AI-agenten voor startupstrategie is live. Noem de eerste klus, de afhankelijkheid, de portefeuilleblootstelling en de exitregel. Is het enige ingevulde veld een modelnaam, dan heb je geen agentstrategie.","keyTakeaways":["Selectie, volgorde, gezamenlijke blootstelling, exit. Geen modelnaam.","Een schoon runboek van één werker bewijst niet dat de portefeuille goed is gekozen.","Weigeren geldt zowel voor acties van een werker als voor klussen die de portefeuille nooit in gaan.","Deze pagina is de portefeuillekeuze. Werker, operations en coördinatie blijven ernaast."],"readingMinutes":2,"publishedAt":"2026-09-21T10:05:00.000Z"}},"degree":10},{"id":"article:what-is-ai-team-dynamics","type":"article","pillar":"ai-systems","locales":{"en":{"label":"What is AI team dynamics? Mixed teams, human accountability","summary":"AI team dynamics, on this site, is the social operating system of a mixed human and agent team. Productivity is allowed to compound only if accountability stays human. The named system is SYNERGY: Shared intent before tools, Yield to strengths, Negotiate interfaces, Evaluate loops, Review as operating rhythm, Guardrails and kill-switches, Yield ownership, not control. It is not a vibe about collaboration, not a seat-count of bots, and not a replacement plan. Why multi-agent systems fail owns the coordination gap. This page owns the query AI team dynamics. The AI Team Dynamics is in production and not for sale.","url":"/en/blog/what-is-ai-team-dynamics/","searchText":"What is AI team dynamics? Mixed teams, human accountability AI team dynamics is the social system around mixed human and agent work: shared intent, interfaces, review, and kill-switches. Accountability stays human. It is not a productivity dashboard and not 'just add agents.' If the founder is the universal exception handler, you do not have dynamics. You have a queue with extra tools. AI team dynamics, on this site, is the social operating system of a mixed human and agent team. Productivity is allowed to compound only if accountability stays human. The named system is SYNERGY: Shared intent before tools, Yield to strengths, Negotiate interfaces, Evaluate loops, Review as operating rhythm, Guardrails and kill-switches, Yield ownership, not control. It is not a vibe about collaboration, not a seat-count of bots, and not a replacement plan. Why multi-agent systems fail owns the coordination gap. This page owns the query AI team dynamics. The AI Team Dynamics is in production and not for sale. AI team dynamics Mixed team, human accountability. The founder is not the default exception handler. SYNERGY is seven components you install, not a mood. Just add agents is how interface chaos starts. This page is the meaning. The failure article stays next door. The book is not for sale yet. ai-agents SYNERGY Seven components for mixed human and agent teams. Accountability stays human. AI agent A system that holds a goal, uses tools, and acts across steps under a charter. Adding agents changes the social system around the work: who holds intent, who owns each interface, who reviews, and who can stop a run. If those roles collapse onto the founder, the team has created an exception queue, not an operating system. What is AI team dynamics? The social operating system of a mixed human and agent team, so productivity can compound and accountability stays human. Why multi-agent systems fail owns the coordination gap. This page owns the query. Not a seat count A mixed team is not \"how many bots we bought.\" It is who holds intent, who holds which interface, who reviews, and who can kill a run. If those names are missing, you have tools in a group chat. On this site the named system is SYNERGY, from The AI Team Dynamics: - Shared intent before tools. The job is written before the model is picked. - Yield to strengths. Humans and agents do different work on purpose, not by leftover. - Negotiate interfaces. Packets, not paste. - Evaluate loops. The team can fail a run against written criteria. - Review as operating rhythm. Review is a cadence, not a crisis meeting. - Guardrails and kill-switches. Someone can stop it. - Yield ownership, not control. Accountability stays human. The founder is not the universal exception handler. The book is in production and not for sale. You can already refuse \"just add agents.\" Collision control Not a replacement plan. Headcount stories are a different query. Not CHORUS restaged. CHORUS is coordination protocol. SYNERGY is the social system around mixed work. The Multi-Agent Organization is live and owns CHORUS. Do not smuggle one name into the other. Not a productivity dashboard. A green tokens-used tile is not team dynamics. What this page is not It is not the onboarding worksheet. It is not a vendor roster. It does not reduce psychological safety to a slogan. Write who holds intent, who holds the interface, who reviews, and who can kill the run. If the card is empty, you do not have dynamics. You have tools.","keyTakeaways":["Mixed team, human accountability. The founder is not the default exception handler.","SYNERGY is seven components you install, not a mood.","Just add agents is how interface chaos starts.","This page is the meaning. The failure article stays next door. The book is not for sale yet."],"readingMinutes":2,"publishedAt":"2026-09-19T14:00:00.000Z"},"nl":{"label":"Wat is AI-teamdynamiek? Gemengde teams, menselijke verantwoordelijkheid","summary":"AI-teamdynamiek is op deze site het sociale besturingssysteem van een gemengd mens-agentteam. Productiviteit mag zich alleen opstapelen als de verantwoordelijkheid menselijk blijft. Het benoemde systeem is SYNERGY: Shared intent before tools, Yield to strengths, Negotiate interfaces, Evaluate loops, Review as operating rhythm, Guardrails and kill-switches, Yield ownership, not control. Het is geen sfeer over samenwerking, geen stoeltelling van bots en geen vervangingsplan. Waarom multi-agent-systemen falen behandelt de coördinatiekloof. Deze pagina behandelt de zoekopdracht AI-teamdynamiek. De AI-teamdynamiek is in productie en niet te koop.","url":"/nl/blog/wat-is-ai-teamdynamiek/","searchText":"Wat is AI-teamdynamiek? Gemengde teams, menselijke verantwoordelijkheid AI-teamdynamiek is het sociale systeem rond gemengd mens- en agentwerk: gedeelde intentie, interfaces, review en kill-switches. Verantwoordelijkheid blijft menselijk. Het is geen productiviteitsdashboard en niet 'gewoon agents toevoegen.' Lost de oprichter elke uitzondering zelf op, dan heb je geen dynamiek. Je hebt een wachtrij met extra tools. AI-teamdynamiek is op deze site het sociale besturingssysteem van een gemengd mens-agentteam. Productiviteit mag zich alleen opstapelen als de verantwoordelijkheid menselijk blijft. Het benoemde systeem is SYNERGY: Shared intent before tools, Yield to strengths, Negotiate interfaces, Evaluate loops, Review as operating rhythm, Guardrails and kill-switches, Yield ownership, not control. Het is geen sfeer over samenwerking, geen stoeltelling van bots en geen vervangingsplan. Waarom multi-agent-systemen falen behandelt de coördinatiekloof. Deze pagina behandelt de zoekopdracht AI-teamdynamiek. De AI-teamdynamiek is in productie en niet te koop. AI-teamdynamiek Gemengd team, menselijke verantwoordelijkheid. De oprichter is niet de standaardbrandweer voor elke uitzondering. SYNERGY is zeven onderdelen die je installeert, geen stemming. Gewoon agents toevoegen is het begin van interfacechaos. Deze pagina is de betekenis. Het falingsartikel blijft ernaast. Het boek is nog niet te koop. ai-agents SYNERGY Zeven onderdelen voor gemengde mens-agentteams. Verantwoordelijkheid blijft menselijk. AI-agent Een systeem dat een doel vasthoudt, gereedschappen gebruikt en in stappen handelt onder een charter. Agents toevoegen verandert het sociale systeem rond het werk: wie de intentie vasthoudt, wie welke interface heeft, wie reviewt, en wie een run kan stoppen. Vallen die rollen allemaal op de oprichter, dan heb je geen besturingssysteem. Je hebt een wachtrij voor uitzonderingen. Wat is AI-teamdynamiek? Het sociale besturingssysteem van een gemengd mens-agentteam, zodat productiviteit zich kan opstapelen en de verantwoordelijkheid menselijk blijft. Waarom multi-agent-systemen falen behandelt de coördinatiekloof. Deze pagina behandelt de zoekopdracht. Geen stoeltelling Een gemengd team is niet \"hoeveel bots we kochten.\" Het is wie de intentie vasthoudt, wie welke interface vasthoudt, wie reviewt, en wie een run kan stoppen. Ontbreken die namen, dan heb je tools in een groepsapp. Op deze site is het benoemde systeem SYNERGY, uit De AI-teamdynamiek: - Shared intent before tools. De klus is geschreven vóór het model wordt gekozen. - Yield to strengths. Mensen en agents doen expres ander werk, niet als restje. - Negotiate interfaces. Pakketten, geen plakwerk. - Evaluate loops. Het team kan een run afkeuren tegen geschreven criteria. - Review as operating rhythm. Review is een ritme, geen crisisoverleg. - Guardrails and kill-switches. Iemand kan het stoppen. - Yield ownership, not control. Verantwoordelijkheid blijft menselijk. De oprichter is niet de universele brandweer voor uitzonderingen. Het boek is in productie en niet te koop. Je kunt \"gewoon agents toevoegen\" nu al weigeren. Botsingsbeheer Geen vervangingsplan. Headcountverhalen zijn een andere zoekopdracht. CHORUS niet opnieuw uitgespeeld. CHORUS is een coördinatieprotocol. SYNERGY is het sociale systeem rond gemengd werk. De multi-agent organisatie is live en behandelt CHORUS. Plak niet stiekem het ene label op het andere. Geen productiviteitsdashboard. Een groene tegel met tokens is geen teamdynamiek. Wat deze pagina niet is Geen onboardingwerkblad. Geen leveranciersrooster. Psychologische veiligheid wordt hier geen slogan. Schrijf wie de intentie vasthoudt, wie de interface vasthoudt, wie reviewt, en wie de run kan stoppen. Is de kaart leeg, dan heb je geen dynamiek. Je hebt tools.","keyTakeaways":["Gemengd team, menselijke verantwoordelijkheid. De oprichter is niet de standaardbrandweer voor elke uitzondering.","SYNERGY is zeven onderdelen die je installeert, geen stemming.","Gewoon agents toevoegen is het begin van interfacechaos.","Deze pagina is de betekenis. Het falingsartikel blijft ernaast. Het boek is nog niet te koop."],"readingMinutes":2,"publishedAt":"2026-09-19T14:05:00.000Z"}},"degree":6},{"id":"article:what-is-an-ai-agent","type":"article","pillar":"ai-systems","locales":{"en":{"label":"What is an AI agent? A definition founders can use","summary":"An AI agent is a system that takes a goal, uses tools, and acts across more than one step without a human prompting each one. A chatbot answers a turn. An automation runs a fixed script. An agent is only accountable when it has a charter: inputs, outputs, an authority ceiling, and a review gate. Without those, you have a fluent wrapper, not an operator you can put on a roster.","url":"/en/blog/what-is-an-ai-agent/","searchText":"What is an AI agent? A definition founders can use An AI agent takes a goal, uses tools, and acts across steps. A chatbot answers a turn. An automation runs a script. Founders need a charter and a review gate before they call anything an agent. If it cannot refuse a tool call, it is not an agent you can run. It is a demo that can spend money. An AI agent is a system that takes a goal, uses tools, and acts across more than one step without a human prompting each one. A chatbot answers a turn. An automation runs a fixed script. An agent is only accountable when it has a charter: inputs, outputs, an authority ceiling, and a review gate. Without those, you have a fluent wrapper, not an operator you can put on a roster. AI agent definition for founders Three tests: does it hold a goal, use tools, and continue across steps? Chatbot = turn. Automation = script. Agent = goal plus tools plus a ceiling. No charter, no agent. The charter names inputs, outputs, authority, and the human who can fail the work. SENSE decides where an agent belongs. STACK hardens the repo it lives in. This page only defines the worker. ai-agents AI agent A system that holds a goal, uses tools, and acts across steps under a charter. Human in the loop A named person with an authority ceiling and a review gate. SENSE Five-move strategic intelligence layer from AI Agents for Startup Strategy. Override doctrine The written list of decisions an agent may never take. A founder says “we have agents” and usually means one of three different machines. Mixing them up is how a chat window gets production credentials. Three tests Ask three questions of the system in front of you. 1. Does it hold a goal that survives more than one prompt? 2. Can it use tools (files, mail, a browser, a repo, a payment API) without you pasting the output back in? 3. Does it continue across steps when a tool returns something messy? If the answer is no, no, no, you have a chatbot. That is a respectable product. It is not an agent. If the answer is no, yes, no, you have automation: a script with a model somewhere in the pipe. Also respectable. Still not an agent. If the answer is yes, yes, yes, you have something that can act. Now the only question that matters is whether anyone wrote the ceiling down. A fourth no is hidden in the yeses. Can it refuse a tool call? If it cannot stop, you do not have a worker. You have a fuse. Chatbot, automation, agent A chatbot answers a turn. You type. It replies. The context window is the memory. When you close the tab, the work is gone unless you saved it. Useful for drafting. Dangerous the moment you paste its output into a tool it cannot see. An automation runs a fixed path. Ticket arrives, fields get filled, Slack pings. A model might classify the ticket. The path does not invent a new path. When it fails, it fails in a place you can find on a diagram. An agentic workflow is not an automation. A script that calls a model is still a script. An AI agent takes a goal, chooses tools, and keeps going. That is the useful definition for operators. It is also the dangerous one. An agent that can mail, spend, or open a pull request is not “AI.” It is a junior hire with no employment contract. Walk one object through the three boxes. “Summarise this PDF in the chat” is a chatbot. “When a PDF lands in this folder, extract the invoice total into the sheet” is automation. “Chase unpaid invoices this week, using the sheet and the mail tool, and stop if a customer disputes” is an agent, but only if someone wrote the stop. The glossary capsule is the short form. This page is the test you run in a meeting. The charter is the definition I do not call a system an agent until it has a written charter. Seven fields, the same ones I use for human operators in CHORUS: - purpose - inputs - outputs - authority ceiling - success criteria - review requirement - escalation If you cannot fill those fields, you do not have an agent. You have a demo. Demos are allowed. Demos do not get the production key. Filled, for the invoice worker: - Purpose. Collect overdue invoices this week without starting a legal fight. - Inputs. The receivables sheet dated today. The last approved reminder template. - Outputs. A send-ready draft per overdue row, or a skip with a reason. - Authority ceiling. Draft only. No send. No new discount. No promise of legal action. - Success criteria. Every draft names the invoice number and the true amount. A skip is valid if the row is disputed. - Review. Founder fails any draft that invents a fee or changes due date. - Escalation. Anything that looks like a dispute goes to the founder before a second draft. That is seven fields. Not six (that is a handoff packet). Not four (that is a slogan). The CHORUS Charter line is the same list for a human or an agent. The human in the loop is not a person glancing at a dashboard. It is a named reviewer who can fail the output against the success criteria. No named reviewer, no loop. The override doctrine is the other half of the charter. The charter says what the agent does. The doctrine says what it must refuse: spending above a ceiling, speaking as the company, changing production data, closing a judgment you still own. MCP is how that worker is allowed to touch the building: visibility, mutation, log. It is not the definition of the worker. A clean server with no charter is still a hole with nicer plumbing. Where this sits in the library SENSE decides where an agent belongs in a founder’s week: which signal is worth a standing system, which claim needs a confidence grade, which Monday decision changes. The 90-day calendar is Diagnose, Deploy, Evaluate. AI Agents for Startup Strategy is the book that installs that layer. Why multi-agent systems fail is what happens when you add three of these workers and skip the protocol. Capability is cheap. Coordination is not. STACK is the next door. Once you have a real agent, the repo it lives in starts to rot unless the agent OS is versioned like the app. That is a different article. This page does not sell a runtime. Runtimes change names. The three tests and the charter do not. A five-minute audit Pick one system you already call an agent. 1. Write the goal in one sentence that still makes sense tomorrow. 2. List the tools it can touch. If “whatever the plugin list is” is the answer, you do not have a list. 3. Name the human who can stop a call. A role is not a name. 4. Write the one action it is forbidden to take. 5. Write the last time that human actually failed an output. If any line is blank, stop using the word agent for that system until the line is filled. The vocabulary is the control. Loose vocabulary is how a chatbot inherits an API key.","keyTakeaways":["Three tests: does it hold a goal, use tools, and continue across steps?","Chatbot = turn. Automation = script. Agent = goal plus tools plus a ceiling.","No charter, no agent. The charter names inputs, outputs, authority, and the human who can fail the work.","SENSE decides where an agent belongs. STACK hardens the repo it lives in. This page only defines the worker."],"readingMinutes":5,"publishedAt":"2026-08-15T20:50:00.000Z"},"nl":{"label":"Wat is een AI-agent? Een definitie die founders kunnen gebruiken","summary":"Een AI-agent is een systeem dat een doel krijgt, tools kiest en zelfstandig meerdere stappen zet zonder dat je elke stap hoeft in te voeren. Een chatbot geeft antwoord op een prompt. Een automatisering draait een vast script. Een agent is pas bruikbaar met een charter: input, output, een bevoegdheidsplafond en een review gate. Zonder dit heb je een soepele wrapper, geen operator voor in je team.","url":"/nl/blog/wat-is-een-ai-agent/","searchText":"Wat is een AI-agent? Een definitie die founders kunnen gebruiken Een AI-agent heeft een doel, gebruikt tools en voert meerdere stappen uit. Een chatbot beantwoordt één vraag. Een automatisering draait een script. Founders hebben een charter en een review gate nodig voordat ze iets een agent noemen. Als het een tool call niet kan weigeren, is het geen agent. Het is een demo die je geld kan uitgeven. Een AI-agent is een systeem dat een doel krijgt, tools kiest en zelfstandig meerdere stappen zet zonder dat je elke stap hoeft in te voeren. Een chatbot geeft antwoord op een prompt. Een automatisering draait een vast script. Een agent is pas bruikbaar met een charter: input, output, een bevoegdheidsplafond en een review gate. Zonder dit heb je een soepele wrapper, geen operator voor in je team. AI-agent definitie voor founders Drie tests: houdt het een doel vast, gebruikt het tools, en gaat het door over meerdere stappen? Chatbot = beurt. Automatisering = script. Agent = doel + tools + plafond. Geen charter, geen agent. Het charter benoemt de input, de output, de bevoegdheden en de mens die het werk mag afkeuren. SENSE bepaalt waar een agent thuishoort. STACK hardt de repo waarin hij leeft. Deze pagina definieert alleen de werker zelf. ai-agents AI-agent Een systeem dat een doel vasthoudt, tools gebruikt en in stappen werkt onder een charter. Mens in de lus Een specifiek aangewezen persoon met een bevoegdheidsplafond en een reviewpoort. SENSE Strategielaag van vijf stappen uit AI-agenten voor startupstrategie. Override-doctrine De uitgeschreven lijst met beslissingen die een agent nooit mag nemen. Een founder zegt \"we hebben agents\" en bedoelt daarmee meestal een van drie verschillende systemen. Door ze door elkaar te halen krijgt een chatvenster ineens productie-credentials. Drie tests Stel drie vragen aan het systeem dat voor je staat. 1. Heeft het een doel dat langer dan één prompt overleeft? 2. Kan het tools gebruiken (bestanden, mail, een browser, een repo, een betaal-API) zonder dat jij de output weer hoeft terug te plakken? 3. Gaat het verder over meerdere stappen wanneer een tool iets rommeligs teruggeeft? Als het antwoord nee, nee, nee is, heb je een chatbot. Dat is een respectabel product. Het is geen agent. Als het antwoord nee, ja, nee is, heb je automatisering: een script met ergens een model in de pijplijn. Ook respectabel. Nog steeds geen agent. Als het antwoord ja, ja, ja is, heb je iets dat kan handelen. Nu is de enige vraag die ertoe doet of iemand het plafond op papier heeft gezet. In die ja's zit een vierde nee verborgen. Kan het een tool-call weigeren ? Als het niet kan stoppen, heb je geen werknemer. Je hebt een lont. Chatbot, automatisering, agent Een chatbot reageert op jouw beurt. Jij typt. Hij antwoordt. Het contextvenster is het geheugen. Zodra je het tabblad sluit, is het werk weg tenzij je het hebt opgeslagen. Handig voor het maken van een eerste opzet. Gevaarlijk zodra je zijn output in een tool plakt die hij zelf niet kan zien. Een automatisering volgt een vast pad. Een ticket komt binnen, velden worden ingevuld, Slack geeft een ping. Misschien classificeert een model het ticket. Het pad verzint geen nieuw pad. Als het faalt, faalt het op een plek die je kunt aanwijzen in een diagram. Een agentische workflow is geen automatisering. Een script dat een model aanroept, blijft gewoon een script. Een AI-agent pakt een doel op, kiest tools en gaat door. Dat is de werkbare definitie voor operators. Het is ook de gevaarlijke. Een agent die kan mailen, geld kan uitgeven of een pull request kan openen, is geen \"AI\". Het is een junior medewerker zonder arbeidscontract. Haal één object door de drie hokjes. \"Vat deze PDF samen in de chat\" is een chatbot. \"Wanneer er een PDF in deze map landt, haal het factuurbedrag eruit en zet het in de sheet\" is automatisering. \"Ga deze week achter onbetaalde facturen aan met de sheet en de mailtool, en stop als een klant protesteert\" is een agent, maar alleen als iemand die stop daadwerkelijk heeft geschreven. De begrippencapsule is de korte versie. Deze pagina is de test die je in een meeting uitvoert. Het charter is de definitie Ik noem een systeem pas een agent als het een geschreven charter heeft. Zeven velden, precies dezelfde die ik gebruik voor menselijke operators in CHORUS: - Doel - Input - Output - Autoriteitsplafond - Succescriteria - Review - Escalatie Als je die velden niet kunt invullen, heb je geen agent. Je hebt een demo. Demo's zijn toegestaan. Demo's krijgen alleen niet de productiesleutel. Ingevuld, voor de facturatiemedewerker: - Doel. Deze week openstaande facturen innen zonder een juridisch gevecht te starten. - Input. De debiteurensheet van vandaag. De laatst goedgekeurde template voor herinneringen. - Output. Een verzendklare conceptmail per openstaande regel, of een overgeslagen regel mét een reden. - Autoriteitsplafond. Alleen concepten maken. Niet verzenden. Geen nieuwe kortingen geven. Geen juridische stappen beloven. - Succescriteria. Elk concept vermeldt het factuurnummer en het exacte bedrag. Overslaan is legitiem als de regel wordt betwist. - Review. De founder keurt elk concept af dat zelf een boete verzint of de vervaldatum verandert. - Escalatie. Alles wat lijkt op een conflict gaat naar de founder voordat er een tweede concept wordt gemaakt. Dat zijn zeven velden. Geen zes (dat is een handoff-pakket). Geen vier (dat is een slogan). De CHORUS charter-lijn hanteert dezelfde lijst voor een mens als voor een agent. De human in the loop is geen persoon die af en toe met een schuin oog naar een dashboard kijkt. Het is een benoemde reviewer die de output kan afkeuren op basis van de succescriteria. Geen benoemde reviewer, geen loop. De override-doctrine is de andere helft van het charter. Het charter beschrijft wat de agent doet. De doctrine bepaalt wat hij moet weigeren: meer uitgeven dan een bepaald plafond, spreken namens het bedrijf, productiedata wijzigen, of een oordeel vellen dat nog steeds bij jou hoort te liggen. MCP bepaalt hoe die werknemer het pand mag aanraken: zichtbaarheid, mutatie, logboek. Het is niet de definitie van de werknemer. Een schone server zonder charter is nog steeds een gat, maar dan met beter leidingwerk. Waar dit in de bibliotheek thuishoort SENSE bepaalt waar een agent in de week van een founder thuishoort: welk signaal een permanent systeem waard is, welke claim een betrouwbaarheidsscore nodig heeft, welke beslissing op maandag verandert. De 90-dagenkalender is Diagnose, Deploy, Evaluate. AI-agenten voor startupstrategie is het boek dat die laag installeert. Waarom multi-agentsystemen falen laat zien wat er gebeurt als je drie van dit soort werknemers toevoegt en het protocol overslaat. Capaciteit is goedkoop. Coördinatie is dat niet. STACK is de volgende deur. Zodra je een echte agent hebt, begint de repo waarin hij leeft te rotten, tenzij het agent-OS op dezelfde manier geversioneerd wordt als de app. Dat is weer een ander artikel. Deze pagina verkoopt je geen runtime. Runtimes veranderen van naam. De drie tests en het charter niet. Een audit van vijf minuten Kies één systeem dat je nu al een agent noemt. 1. Schrijf het doel op in één zin die morgen ook nog logisch is. 2. Maak een lijst van de tools die het mag aanraken. Als het antwoord \"wat er ook maar in de plugin-lijst staat\" is, heb je geen lijst. 3. Noem de mens die een aanroep kan stoppen. Een rol is geen naam. 4. Schrijf de ene actie op die hij absoluut niet mag uitvoeren. 5. Schrijf op wanneer die persoon voor het laatst daadwerkelijk een output heeft afgekeurd. Als een van die regels leeg blijft, stop dan met het woord agent te gebruiken voor dat systeem totdat je de regel hebt ingevuld. Het vocabulaire is je controlemechanisme. Een slordig vocabulaire is hoe een chatbot een API-key in handen krijgt.","keyTakeaways":["Drie tests: houdt het een doel vast, gebruikt het tools, en gaat het door over meerdere stappen?","Chatbot = beurt. Automatisering = script. Agent = doel + tools + plafond.","Geen charter, geen agent. Het charter benoemt de input, de output, de bevoegdheden en de mens die het werk mag afkeuren.","SENSE bepaalt waar een agent thuishoort. STACK hardt de repo waarin hij leeft. Deze pagina definieert alleen de werker zelf."],"readingMinutes":5,"publishedAt":"2026-08-15T20:55:00.000Z"}},"degree":41},{"id":"article:what-is-an-ai-agent-charter","type":"article","pillar":"ai-systems","locales":{"en":{"label":"What is an AI agent charter? Seven fields or it is a demo","summary":"An AI agent charter is the written contract that makes an agent accountable. Seven fields, the same ones used for human operators in CHORUS: purpose, inputs, outputs, authority ceiling, success criteria, review requirement, and escalation. An AI agent takes a goal, uses tools, and continues across steps. Without the charter you cannot say what it may not do, which means you cannot hand it a credential. The refuse-list lives next door in override doctrine: money, identity, irreversibility. This page owns the seven fields. What is an AI agent owns the worker. Using AI agents effectively owns the operating loop.","url":"/en/blog/what-is-an-ai-agent-charter/","searchText":"What is an AI agent charter? Seven fields or it is a demo An AI agent charter is a written contract for one worker: purpose, inputs, outputs, authority ceiling, success criteria, review, escalation. Empty fields mean a demo that can spend money. If you cannot fill the seven fields, do not hand it a key. An AI agent charter is the written contract that makes an agent accountable. Seven fields, the same ones used for human operators in CHORUS: purpose, inputs, outputs, authority ceiling, success criteria, review requirement, and escalation. An AI agent takes a goal, uses tools, and continues across steps. Without the charter you cannot say what it may not do, which means you cannot hand it a credential. The refuse-list lives next door in override doctrine: money, identity, irreversibility. This page owns the seven fields. What is an AI agent owns the worker. Using AI agents effectively owns the operating loop. AI agent charter seven fields Seven fields: purpose, inputs, outputs, ceiling, success, review, escalation. Empty fields = demo. Demos do not get production credentials. The refuse-list is override doctrine, not a vibe in the prompt. This page is the template. The definition and the operating note stay next door. ai-agents AI agent A system that holds a goal, uses tools, and acts across steps under a charter. Override doctrine The written list of decisions an agent may never take. People search \"AI agent charter\" after someone said the word in a meeting and nobody wrote the fields down. A prompt is not a charter. A Slack thread is not a charter. A vendor card titled \"agent\" is not a charter. What is an AI agent charter? A written contract for one worker. Seven fields. If you cannot fill them, you do not have an agent you can run. You have a demo that can spend money. What is an AI agent? owns the worker. This page owns the seven fields. The seven fields Same list I use for human operators in CHORUS. Agents do not get a softer contract. 1. Purpose. One job, in a sentence a reviewer can fail. \"Be helpful\" is not a purpose. 2. Inputs. Named sources, dated if they move. Today's sheet, not \"the customer data.\" 3. Outputs. What leaves the worker: a draft, a skip with a reason, a patch. Not \"value.\" 4. Authority ceiling. Draft only, or send. No new discount. No legal threat. Write the no. 5. Success criteria. Observable. \"Every draft names the invoice number and the true amount. A skip is valid if the row is disputed.\" 6. Review requirement. A named person who can fail the work. \"The team\" is not a person. 7. Escalation. Where a dispute, a tool error, or a spend near the ceiling goes, before a retry loop starts. Filled, for a refund-triage worker: - Purpose. Clear the refund queue to a decision, without granting one. - Inputs. Today's ticket export. The refund policy version in force this month. - Outputs. Per ticket: approve-recommended, decline-recommended, or escalate, each with the policy clause cited. - Authority ceiling. Recommend only. No refund issued. No policy exception. No goodwill credit. - Success criteria. Every recommendation cites a clause that exists in this month's policy. - Review. Support lead fails any recommendation citing a clause that is not there. - Escalation. Anything over the goodwill threshold, or any ticket naming a chargeback, goes to the lead unrecommended. That is a charter. A system prompt that says \"you are a helpful refund agent\" is not. What sits beside the charter Override doctrine is the refuse-list even when the charter is silent. Start with three categories: money, identity, irreversibility. Override doctrine owns that list. Do not hide it in the purpose line. Standing context versus run input. The charter, the refuse-list, and house facts change on purpose, with a diff. Today's rows are run input. Mixing them is how stale data survives. Using AI agents effectively is that operating loop. What this page is not It is not the three tests for chatbot versus agent. It is not a SENSE 90-day install. It is not a runtime. If the seven fields are empty, do not argue about models. Fill the card, or keep the key.","keyTakeaways":["Seven fields: purpose, inputs, outputs, ceiling, success, review, escalation.","Empty fields = demo. Demos do not get production credentials.","The refuse-list is override doctrine, not a vibe in the prompt.","This page is the template. The definition and the operating note stay next door."],"readingMinutes":3,"publishedAt":"2026-09-16T07:00:00.000Z"},"nl":{"label":"Wat is een AI-agent-charter? Zeven velden of het is een demo","summary":"Een AI-agent-charter is het geschreven contract dat een agent aansprakelijk maakt. Zeven velden, dezelfde als voor menselijke operators in CHORUS: doel, invoer, uitvoer, autoriteitsplafond, succescriteria, beoordelingseis en escalatie. Een AI-agent houdt een doel vast, gebruikt gereedschappen en handelt in stappen. Zonder charter kun je niet zeggen wat hij niet mag, dus kun je hem geen inloggegevens geven. De weigerlijst staat ernaast in de override-doctrine: geld, identiteit, onomkeerbaarheid. Deze pagina bevat de zeven velden. Wat is een AI-agent behandelt de werker. AI-agents effectief inzetten beschrijft de operationele lus.","url":"/nl/blog/wat-is-een-ai-agent-charter/","searchText":"Wat is een AI-agent-charter? Zeven velden of het is een demo Een AI-agent-charter is een geschreven contract voor één werker: doel, invoer, uitvoer, autoriteitsplafond, succescriteria, beoordeling, escalatie. Lege velden betekenen een demo die geld kan uitgeven. Kun je de zeven velden niet vullen, geef hem dan geen sleutel. Een AI-agent-charter is het geschreven contract dat een agent aansprakelijk maakt. Zeven velden, dezelfde als voor menselijke operators in CHORUS: doel, invoer, uitvoer, autoriteitsplafond, succescriteria, beoordelingseis en escalatie. Een AI-agent houdt een doel vast, gebruikt gereedschappen en handelt in stappen. Zonder charter kun je niet zeggen wat hij niet mag, dus kun je hem geen inloggegevens geven. De weigerlijst staat ernaast in de override-doctrine: geld, identiteit, onomkeerbaarheid. Deze pagina bevat de zeven velden. Wat is een AI-agent behandelt de werker. AI-agents effectief inzetten beschrijft de operationele lus. AI-agent-charter zeven velden Zeven velden: doel, invoer, uitvoer, plafond, succes, beoordeling, escalatie. Lege velden = demo. Demo's krijgen geen productiecredentials. De weigerlijst is de override-doctrine, geen sfeer in de prompt. Deze pagina bevat de zeven velden. Definitie en operationele notitie blijven ernaast. ai-agents AI-agent Een systeem dat een doel vasthoudt, gereedschappen gebruikt en in stappen handelt onder een charter. Override-doctrine De geschreven lijst van besluiten die een agent nooit mag nemen. Mensen zoeken \"AI-agent-charter\" nadat iemand het woord in een meeting gebruikte en niemand de velden opschreef. Een prompt is geen charter. Een Slack-draad is geen charter. Een leverancierskaart met \"agent\" erop is geen charter. Wat is een AI-agent-charter? Een geschreven contract voor één werker. Zeven velden. Kun je ze niet vullen, dan heb je geen agent die je kunt draaien. Je hebt een demo die geld kan uitgeven. Wat is een AI-agent? behandelt de werker. Deze pagina bevat de zeven velden. De zeven velden Dezelfde lijst die ik voor menselijke operators in CHORUS gebruik. Agents krijgen geen zachter contract. 1. Doel. Eén klus, in een zin die een beoordelaar kan afkeuren. \"Wees behulpzaam\" is geen doel. 2. Invoer. Benoemde bronnen, gedateerd als ze bewegen. Het blad van vandaag, niet \"de klantdata.\" 3. Uitvoer. Wat de werker oplevert: een concept, een skip met reden, een patch. Niet \"waarde\". 4. Autoriteitsplafond. Alleen concept, of versturen. Geen nieuwe korting. Geen juridische dreiging. Schrijf het nee op. 5. Succescriteria. Waarneembaar. 6. Beoordelingseis. Een benoemd persoon die het werk kan afkeuren. \"Het team\" is geen persoon. 7. Escalatie. Waar een geschil, een toolfout of een uitgave bij het plafond naartoe gaat, voordat een retry-lus begint. Ingevuld, voor een refund-triagewerker: - Doel. De refund-wachtrij tot een besluit brengen, zonder er een te geven. - Invoer. De ticketexport van vandaag. De refundpolicy die deze maand geldt. - Uitvoer. Per ticket: goedkeuren-aanbevolen, afwijzen-aanbevolen, of escaleren, elk met de policyclausule erbij. - Autoriteitsplafond. Alleen aanbevelen. Geen refund uitgekeerd. Geen policy-uitzondering. Geen goodwillkrediet. - Succescriteria. Elke aanbeveling citeert een clausule die in deze maandpolicy bestaat. - Beoordeling. Supportlead keurt elke aanbeveling af die een clausule noemt die er niet is. - Escalatie. Alles boven de goodwillgrens, of elk ticket dat een chargeback noemt, gaat zonder aanbeveling naar de lead. Dat is een charter. Een systeemprompt die zegt \"je bent een behulpzame refund-agent\" is dat niet. Wat naast het charter staat De override-doctrine is de weigerlijst zelfs als het charter zwijgt. Begin met drie categorieën: geld, identiteit, onomkeerbaarheid. Wat een agent nooit mag doen behandelt die lijst. Verstop hem niet in de doelzin. Vaste context versus run-invoer. Het charter, de weigerlijst en huisfeiten veranderen expres, met een diff. De rijen van vandaag zijn run-invoer. Die twee door elkaar halen is hoe oude data overleeft. AI-agents effectief inzetten is die operationele lus. Wat deze pagina niet is Niet de drie tests voor chatbot versus agent. Geen SENSE-installatie van negentig dagen. Geen runtime. Zijn de zeven velden leeg, ga dan niet over modellen debatteren. Vul de kaart in, of hou de sleutel in je zak.","keyTakeaways":["Zeven velden: doel, invoer, uitvoer, plafond, succes, beoordeling, escalatie.","Lege velden = demo. Demo's krijgen geen productiecredentials.","De weigerlijst is de override-doctrine, geen sfeer in de prompt.","Deze pagina bevat de zeven velden. Definitie en operationele notitie blijven ernaast."],"readingMinutes":2,"publishedAt":"2026-09-16T07:05:00.000Z"}},"degree":17},{"id":"article:what-is-an-evidence-ledger","type":"article","pillar":"ai-systems","locales":{"en":{"label":"What is an evidence ledger?","summary":"An evidence ledger is a claim-level register: what was asserted, which source supports it, how strong that source is, and what would retire the claim. It is not a bibliography dumped at the end, not a reading list, and not a folder of PDFs. The unit is one claim, not one source. The grade is a ceiling on the verb: an internal export can carry \"in our data, this quarter\" and cannot carry \"in the market.\" The retire condition names something you would trip over in normal work, not \"if it turns out to be wrong.\" Operators keep one so a number cannot wander between a chapter, a pitch deck, a back-cover line, and an answer-engine capsule. If the claim cannot point at a row, it is not ready to print, pitch, or paste.","url":"/en/blog/what-is-an-evidence-ledger/","searchText":"What is an evidence ledger? An evidence ledger is a claim-level register: what was asserted, which source supports it, how strong that source is, and what would retire the claim. It is not a bibliography at the end. The ledger is the product. The reference list is a rendering. An evidence ledger is a claim-level register: what was asserted, which source supports it, how strong that source is, and what would retire the claim. It is not a bibliography dumped at the end, not a reading list, and not a folder of PDFs. The unit is one claim, not one source. The grade is a ceiling on the verb: an internal export can carry \"in our data, this quarter\" and cannot carry \"in the market.\" The retire condition names something you would trip over in normal work, not \"if it turns out to be wrong.\" Operators keep one so a number cannot wander between a chapter, a pitch deck, a back-cover line, and an answer-engine capsule. If the claim cannot point at a row, it is not ready to print, pitch, or paste. what is an evidence ledger One claim, one row, one source grade, one retire condition. The unit is the claim, not the source. The grade is a ceiling on the verb and the scope. A blog post cannot carry a causal claim about a market. A retire condition you would never notice is not a retire condition. Name an observable or a date. Give every row a key. A retraction then becomes a grep across the manuscript, the deck, and the site. A bibliography is a rendering. The ledger is the work, and it has to exist before the draft, not after. booksos Evidence ledger A claim-level register. The bibliography is a rendering. BooksOS A gated production system. Agents draft. Gates decide. An evidence ledger is the least glamorous object in a serious book, and the one that stops a number from wandering. What is an evidence ledger? A claim-level register: what was asserted, which source supports it, how strong that source is, and what would retire the claim. If the claim cannot point at a row, it is not ready to print, pitch, or paste into an answer. Not a bibliography A bibliography is a rendering at the end. A reading list is a pile of intentions. A folder of PDFs is a folder. The difference is the unit. A bibliography has one entry per source. A ledger has one row per claim. One paper can be cited for four claims, and three can still misstate what it measured. That is why the object exists. Quick test on a file someone hands you: if one row contains only a source and several distinct claims point to it, you are looking at a bibliography with extra columns. The row Five fields. Not a schema project. Field What goes in it Failure it prevents --- --- --- Key A stable id, EL-2026-014 Retraction becomes a grep, not a memory exercise Claim One sentence, with scope and window \"70 percent\" meaning four different denominators Source Locator, not a title: file, page, table, date accessed A citation nobody can open Grade What class of source this is A causal verb resting on a LinkedIn post Retire The observable that kills the row A dead claim living on in the deck Filled out, one row looks like this in a CSV beside the manuscript: csv key,claim,source,grade,retire EL-2026-014,\"Inbound leads that reached a first call in Q1 2026 closed at 70% within 90 days\",\"exports/crm-2026-04-02.csv, rows 1-40 (28 closed)\",C,\"New export N =40 with close rate below 55%, or the definition of inbound changes\" Keep it in version control beside the draft, not in a shared doc with no history. You need a diff when a grade moves from C to A, and you need to see who moved it. If the source column is empty, the claim does not ship. Not \"we will find one later.\" Later is how an unsupported claim ships. The grade is a ceiling on the verb Grade is the field people skip, and it is the one that does the work. It is not a star rating for how much you liked the source. It caps what the sentence is allowed to say. Four classes are enough to start. - A. Primary and checkable. The dataset, the filing, the paper itself with N and design, the dated export. Can carry a specific number and a scope. - B. Reputable secondary. A serious outlet reporting a primary you have not opened. Can carry the number if you name the primary and the date it referred to. Cannot carry a causal verb. - C. Internal operational count. Your CRM, your analytics, your invoices. Can carry \"in our data, in this window.\" Cannot carry \"in the market\" or \"industry-leading.\" - D. Testimony. An interview, a practitioner claim, a conference remark. Can carry an attributed quote. Cannot carry a number. Then one rule: the grade caps the verb and the scope. A grade D row can say \"one operator told me.\" It cannot say \"operators report.\" A grade C row can say \"our close rate.\" It cannot say \"the benchmark.\" A common form of drift is not invented data. It is a real number promoted to a verb it cannot support somewhere between the sheet and the slide. Write a retire condition you would trip over \"If it turns out to be wrong\" is not a retire condition. It is a wish. A usable one passes three tests. 1. It names an observable. A new export, a corrected figure, a version bump, a date. 2. You would meet it without hunting. Tied to work you already do monthly, or to a calendar date you can put in the file. 3. It could actually happen. If nothing realistic would fire it, you did not write a condition. You wrote a defence. A date is the cheap version. \"Retire on 2027-01-15 unless re-sourced\" costs nothing and quietly kills every stale number in the manuscript on one day. What does not need a row A ledger that tries to cover everything gets abandoned in a week. Rows are for anything a stranger could reasonably ask you to prove: numbers, named third parties, dates, causal claims, quoted material, anything about a market or a population. No row needed for your own definitions, your own framework names, or judgment marked as judgment. \"I think positioning is a decision, not a discovery\" is a claim about your opinion. It needs a clear voice, not a source. The line is simple. If the sentence would embarrass you in a deposition, it needs a row. If it would only start an argument, it needs a byline. Where it earns its keep Use a ledger anywhere a fact will be copied. Manuscripts and long memos. A chapter, a board pack, a fundraising note. The same N in two places with two different years is how a back cover lies. Answer-shaped pages. GEO and AEO fail when the first screen quotes a number the rest of the site cannot defend. The capsule should point at a row, and the row key belongs in the page's source notes. Agent output. If a model answers from \"our docs,\" the inspectable object is the row, not the fluency. RAG names the passage. The ledger names whether that passage is allowed to carry the claim. That is the same discipline as scoring the reasoning instead of the prose. Decisions. Pair it with calibration: the bet is the claim, the evidence is the row, the retire line is what would move you. Start the moment a number, a quote, or a causal verb enters the draft. A second appearance is already drift. Why it is powerful A bibliography cannot tell you which sentence used which page. A PDF folder cannot tell you the grade. A meeting cannot show where a retired claim still appears. Four practical effects: 1. Drift becomes visible. Same figure, two N's, two dates. The ledger shows the fork. Without it you argue from memory. 2. Retirement is a field, not a fight. If the source is retracted or the locator was wrong, you kill the row and grep the key across every surface that pointed at it. 3. Grade is a ceiling. A blog post cannot carry a causal claim about a market. A primary paper with N and design might. The row says so before the sentence ships. 4. Reuse gets cheaper. The pitch, the article, and the agent share the row. They do not each invent a number. That is why BooksOS treats the ledger as a gate, not as paperwork. Agents draft. The gate decides whether the claim survives. The Agentic Author is live. Walk one number Someone writes: \"70 percent of our inbound leads close.\" Without a ledger that sentence will appear in a slide, a blog, and a model answer by Friday, each with a different denominator. With a ledger: 1. Key. EL-2026-014 . 2. Claim. 70 percent of inbound leads that reached a first call in Q1 2026 closed within 90 days. 3. Source. CRM export, 2026-04-02, N = 40 first calls, 28 closed. Path in the row. 4. Grade. C. Internal operational count. So the sentence may say \"our\", may name the quarter, and may not say \"industry-leading.\" 5. Retire. New export with N ≥ 40 and a close rate below 55 percent, or a definition change of \"inbound.\" Now the capsule can reuse the sentence. The agent can repeat it. The back cover cannot inflate it, because the grade forbids the verb. If next quarter the rate is 48 percent, you retire EL-2026-014 and follow the key to every surface that used it. You do not hunt Slack. Four ways a ledger goes bad 1. It is written after the draft. Then it is a defence, not a gate. Sourcing backwards means you go looking for support for a sentence you have already decided to keep. 2. Everything is grade A. Inflation makes the column decorative. If every row is an A, inspect the grading before you trust it. 3. Nobody diffs it. A ledger in a shared doc with no version history cannot show you when a claim changed. Put it in the repo. 4. The rows are sources. One row per PDF, four claims leaning on it, none of them checked against what the PDF actually measured. A five-minute start Open a table. Five columns. Ten live claims from this week's draft. Grade them honestly first, before you touch the wording. Then fix every sentence whose verb outruns its grade. That pass exposes scope inflation before it ships. If you cannot fill the source column, cut the sentence or mark it unknown. Unknown is honest. A fluent number with no row is a liability. A definition is not a citation-style manual. APA can wait. The row cannot.","keyTakeaways":["One claim, one row, one source grade, one retire condition. The unit is the claim, not the source.","The grade is a ceiling on the verb and the scope. A blog post cannot carry a causal claim about a market.","A retire condition you would never notice is not a retire condition. Name an observable or a date.","Give every row a key. A retraction then becomes a grep across the manuscript, the deck, and the site.","A bibliography is a rendering. The ledger is the work, and it has to exist before the draft, not after."],"readingMinutes":7,"publishedAt":"2026-08-31T07:00:00.000Z"},"nl":{"label":"Wat is een bewijsregister?","summary":"Een bewijsregister is een register op claimniveau: wat is beweerd, welke bron draagt het, hoeveel gewicht die bron aankan en wat de claim intrekt. Het is geen literatuurlijst die je achterin dumpt, geen leeslijst en geen map met PDF's. De eenheid is één claim, niet één bron. De graad is een plafond op het werkwoord: een interne export kan 'in onze data, dit kwartaal' dragen en kan 'in de markt' niet dragen. De intrekvoorwaarde noemt iets waar je in normaal werk over struikelt, niet 'als het toch niet klopt'. Operators houden er één bij zodat een getal niet gaat rondzwerven tussen een hoofdstuk, een deck, een achterflaptekst en een capsule in een antwoordmachine. Kan de claim niet naar een rij wijzen, dan is hij niet klaar om te drukken, te pitchen of te plakken.","url":"/nl/blog/wat-is-een-bewijsregister/","searchText":"Wat is een bewijsregister? Een bewijsregister is een register op claimniveau: wat is beweerd, welke bron draagt het, hoeveel gewicht die bron aankan en wat de claim intrekt. Het is geen literatuurlijst achterin. Het register is het product. De literatuurlijst is een weergave. Een bewijsregister is een register op claimniveau: wat is beweerd, welke bron draagt het, hoeveel gewicht die bron aankan en wat de claim intrekt. Het is geen literatuurlijst die je achterin dumpt, geen leeslijst en geen map met PDF's. De eenheid is één claim, niet één bron. De graad is een plafond op het werkwoord: een interne export kan 'in onze data, dit kwartaal' dragen en kan 'in de markt' niet dragen. De intrekvoorwaarde noemt iets waar je in normaal werk over struikelt, niet 'als het toch niet klopt'. Operators houden er één bij zodat een getal niet gaat rondzwerven tussen een hoofdstuk, een deck, een achterflaptekst en een capsule in een antwoordmachine. Kan de claim niet naar een rij wijzen, dan is hij niet klaar om te drukken, te pitchen of te plakken. wat is een bewijsregister Eén claim, één rij, één graad, één intrekvoorwaarde. De eenheid is de claim, niet de bron. De graad is een plafond op het werkwoord en op de reikwijdte. Een blogpost draagt geen causale claim over een markt. Een intrekvoorwaarde die je nooit tegenkomt is geen voorwaarde. Noem iets waarneembaars of een datum. Geef elke rij een sleutel. Een intrekking wordt dan een zoekopdracht door manuscript, deck en site. De literatuurlijst is een weergave. Het register is het werk, en het bestaat vóór het concept, niet erna. booksos Bewijsregister Een register op claimniveau. De literatuurlijst is een weergave. BooksOS Een productiesysteem met poorten. Agents schrijven. Poorten beslissen. Een bewijsregister is het minst glamoureuze object in een serieus boek, en het enige dat voorkomt dat een getal gaat rondzwerven. Wat is een bewijsregister? Een register op claimniveau: wat is beweerd, welke bron draagt het, hoeveel gewicht die bron aankan en wat de claim intrekt. Kan de claim niet naar een rij wijzen, dan is hij niet klaar om te drukken, te pitchen of in een antwoord te plakken. Geen literatuurlijst Een literatuurlijst is een weergave aan het eind. Een leeslijst is een stapel voornemens. Een map met PDF's is een map. Het verschil zit in de eenheid. Een literatuurlijst heeft één regel per bron. Een register heeft één rij per claim. Eén paper kan voor vier claims worden aangehaald, en drie daarvan kunnen alsnog verkeerd weergeven wat er gemeten is. Daarom bestaat dit object. Snelle toets op een bestand dat iemand je aanreikt: staat er in één rij alleen een bron terwijl meerdere losse claims ernaar wijzen, dan kijk je naar een literatuurlijst met extra kolommen. De rij Vijf velden. Geen schemaproject. Veld Wat erin gaat Wat het voorkomt --- --- --- Sleutel Een vast id, BR-2026-014 Intrekken wordt zoeken, geen geheugenoefening Claim Eén zin, met reikwijdte en periode \"70 procent\" met vier verschillende noemers Bron Vindplaats, geen titel: bestand, pagina, tabel, raadpleegdatum Een verwijzing die niemand kan openen Graad Wat voor soort bron dit is Een causaal werkwoord dat op een LinkedIn-post rust Intrekken Het waarneembare dat de rij doodt Een dode claim die voortleeft in het deck Ingevuld ziet één rij er zo uit, in een CSV naast het manuscript: csv sleutel,claim,bron,graad,intrekken BR-2026-014,\"Inbound leads die in Q1 2026 een eerste gesprek haalden, sloten binnen 90 dagen op 70%\",\"exports/crm-2026-04-02.csv, rijen 1-40 (28 gesloten)\",C,\"Nieuwe export N =40 met een slotpercentage onder 55%, of de definitie van inbound verandert\" Bewaar het in versiebeheer naast het concept, niet in een gedeeld document zonder historie. Je hebt een diff nodig wanneer een graad van C naar A schuift, en je moet kunnen zien wie hem verschoof. Is de bronkolom leeg, dan gaat de claim niet mee. Niet \"we zoeken er later een bij.\" Later is precies hoe een ongedekte claim naar buiten gaat. De graad is een plafond op het werkwoord De graad is het veld dat mensen overslaan, en het is het veld dat het werk doet. Het is geen sterrenscore voor hoe leuk je de bron vond. Het topt af wat de zin mag zeggen. Vier klassen zijn genoeg om te beginnen. - A. Primair en controleerbaar. De dataset, het jaarverslag, het paper zelf met N en opzet, de gedateerde export. Mag een specifiek getal en een reikwijdte dragen. - B. Serieus secundair. Een degelijk medium dat rapporteert over een primaire bron die jij niet hebt geopend. Mag het getal dragen als je de primaire bron en de datum noemt. Mag geen causaal werkwoord dragen. - C. Interne operationele telling. Je CRM, je analytics, je facturen. Mag \"in onze data, in deze periode\" dragen. Mag niet \"in de markt\" of \"marktleidend\" dragen. - D. Getuigenis. Een interview, een uitspraak van een vakgenoot, een opmerking op een congres. Mag een toegeschreven citaat dragen. Mag geen getal dragen. Dan één regel: de graad topt het werkwoord en de reikwijdte af. Een rij met graad D mag zeggen \"één operator vertelde me\". Hij mag niet zeggen \"operators melden\". Een rij met graad C mag zeggen \"ons slotpercentage\". Hij mag niet zeggen \"de benchmark\". De meest voorkomende vorm van drift is niet verzonnen data. Het is een echt getal dat ergens tussen het werkblad en de slide werd gepromoveerd naar een werkwoord dat het niet kan dragen. Schrijf een intrekvoorwaarde waar je over struikelt \"Als het toch niet klopt\" is geen intrekvoorwaarde. Dat is een wens. Een bruikbare voorwaarde haalt drie toetsen. 1. Hij noemt iets waarneembaars. Een nieuwe export, een gecorrigeerd cijfer, een versiesprong, een datum. 2. Je komt hem tegen zonder te jagen. Gekoppeld aan werk dat je toch al maandelijks doet, of aan een kalenderdatum die je in het bestand zet. 3. Hij kan echt gebeuren. Vuurt niets realistisch hem af, dan schreef je geen voorwaarde. Je schreef een verdediging. Een datum is de goedkope variant. \"Intrekken op 2027-01-15 tenzij opnieuw onderbouwd\" kost niets en ruimt op één dag stilletjes elk verouderd getal in het manuscript op. Wat geen rij nodig heeft Een register dat alles wil dekken, ligt binnen een week stil. Rijen zijn voor alles wat een vreemde je redelijkerwijs kan vragen te bewijzen: getallen, genoemde derden, data, causale claims, geciteerd materiaal, alles over een markt of een populatie. Geen rij nodig voor je eigen definities, je eigen raamwerknamen, of een oordeel dat als oordeel is gemarkeerd. \"Ik vind positionering een besluit, geen ontdekking\" is een claim over jouw mening. Die heeft een duidelijke stem nodig, geen bron. De grens is eenvoudig. Zou de zin je in een verhoor in verlegenheid brengen, dan heeft hij een rij nodig. Zou hij alleen een discussie starten, dan heeft hij een naam eronder nodig. Waar het zich terugverdient Gebruik een register overal waar een feit gekopieerd gaat worden. Manuscripten en lange memo's. Een hoofdstuk, een boardpack, een investeringsnotitie. Dezelfde N op twee plekken met twee verschillende jaren: zo liegt een achterflap. Antwoordvormige pagina's. GEO en AEO lopen stuk wanneer het eerste scherm een getal citeert dat de rest van de site niet kan verdedigen. De capsule hoort naar een rij te wijzen, en de sleutel van die rij hoort in de bronnotitie van de pagina. Uitvoer van agents. Antwoordt een model \"uit onze documenten\", dan is de inspecteerbare eenheid de rij, niet de vlotheid. RAG noemt de passage. Het register bepaalt of die passage de claim mag dragen. Dat is dezelfde discipline als de redenering beoordelen in plaats van het proza. Besluiten. Combineer het met kalibratie: de weddenschap is de claim, het bewijs is de rij, de intrekvoorwaarde is wat je van gedachten zou doen veranderen. Begin op het moment dat een getal, een citaat of een causaal werkwoord het concept binnenkomt. Een tweede vermelding is al drift. Waarom het werkt Een literatuurlijst kan je niet vertellen welke zin welke pagina gebruikte. Een map met PDF's kent geen graad. Een vergadering laat niet zien waar een ingetrokken claim nog steeds staat. Vier praktische effecten: 1. Drift wordt zichtbaar. Hetzelfde cijfer, twee N'en, twee data. Het register laat de splitsing zien. Zonder register discussieer je uit je hoofd. 2. Intrekken is een veld, geen ruzie. Blijkt de bron teruggetrokken of de vindplaats verkeerd, dan dood je de rij en zoek je de sleutel op elk oppervlak dat ernaar wees. 3. De graad is een plafond. Een blogpost draagt geen causale claim over een markt. Een primair paper met N en opzet misschien wel. De rij zegt dat vóórdat de zin naar buiten gaat. 4. Hergebruik wordt goedkoper. De pitch, het artikel en de agent delen dezelfde rij. Ze verzinnen niet elk een eigen getal. Daarom behandelt BooksOS het register als een poort en niet als administratie. Agents schrijven. De poort beslist of de claim het overleeft. De agentische auteur is live. Loop één getal na Iemand schrijft: \"70 procent van onze inbound leads sluit\". Zonder register staat die zin vrijdag in een slide, een blog en een modelantwoord, elk met een andere noemer. Met register: 1. Sleutel. BR-2026-014 . 2. Claim. 70 procent van de inbound leads die in Q1 2026 een eerste gesprek haalden, sloot binnen 90 dagen. 3. Bron. CRM-export, 2026-04-02, N = 40 eerste gesprekken, 28 gesloten. Het pad staat in de rij. 4. Graad. C. Interne operationele telling. De zin mag dus \"onze\" zeggen, mag het kwartaal noemen, en mag niet \"marktleidend\" zeggen. 5. Intrekken. Nieuwe export met N ≥ 40 en een slotpercentage onder 55 procent, of een definitiewijziging van \"inbound\". Nu mag de capsule de zin hergebruiken. De agent mag hem herhalen. De achterflap kan hem niet opblazen, want de graad verbiedt het werkwoord. Zakt het percentage volgend kwartaal naar 48, dan trek je BR-2026-014 in en volg je de sleutel naar elk oppervlak dat hem gebruikte. Je gaat niet in Slack zoeken. Vier manieren waarop een register bederft 1. Het wordt na het concept geschreven. Dan is het een verdediging, geen poort. Achteraf onderbouwen betekent dat je steun zoekt voor een zin die je al hebt besloten te houden. 2. Alles is graad A. Inflatie maakt de kolom decoratief. Is elke rij een A, controleer dan eerst de gradering voordat je het register vertrouwt. 3. Niemand kijkt naar de diff. Een register in een gedeeld document zonder versiehistorie laat niet zien wanneer een claim veranderde. Zet het in de repo. 4. De rijen zijn bronnen. Eén rij per PDF, vier claims die erop leunen, en geen ervan getoetst aan wat die PDF werkelijk mat. Begin in vijf minuten Open een tabel. Vijf kolommen. Tien levende claims uit het concept van deze week. Geef ze eerst eerlijk een graad, voordat je aan de formulering komt. Herschrijf daarna elke zin waarvan het werkwoord de graad voorbijloopt. Die ronde legt opgeblazen reikwijdte bloot voordat hij naar buiten gaat. Krijg je de bronkolom niet gevuld, schrap de zin of markeer hem als onbekend. Onbekend is eerlijk. Een vlot getal zonder rij is een risico. Een definitie is geen handleiding voor citatiestijl. APA kan wachten. De rij niet.","keyTakeaways":["Eén claim, één rij, één graad, één intrekvoorwaarde. De eenheid is de claim, niet de bron.","De graad is een plafond op het werkwoord en op de reikwijdte. Een blogpost draagt geen causale claim over een markt.","Een intrekvoorwaarde die je nooit tegenkomt is geen voorwaarde. Noem iets waarneembaars of een datum.","Geef elke rij een sleutel. Een intrekking wordt dan een zoekopdracht door manuscript, deck en site.","De literatuurlijst is een weergave. Het register is het werk, en het bestaat vóór het concept, niet erna."],"readingMinutes":8,"publishedAt":"2026-08-31T07:05:00.000Z"}},"degree":19},{"id":"article:what-is-an-mcp-connector","type":"article","pillar":"ai-systems","locales":{"en":{"label":"An MCP connector is the plug. Permission is a separate ceiling.","summary":"An MCP connector is the attachment between a host (ChatGPT, Claude, Gemini, Grok, a desktop app, a CLI) and an MCP server. The server exposes tools, resources, and prompts. The host opens one client per server. Local connectors usually start a process over stdio. Remote connectors speak HTTPS (Streamable HTTP or SSE) so a cloud host can reach the server. ChatGPT custom MCP is remote-only. Claude Desktop can run local stdio servers from a config file. Grok custom connectors need a public HTTPS URL; localhost must be tunnelled. Gemini managed agents and Gemini CLI can attach remote MCP servers. Start first-connect diagnosis with transport, restart, and auth, not the model. Menus move. Recheck first-party docs. A connector without visibility, mutation, and a log is still a hole.","url":"/en/blog/what-is-an-mcp-connector/","searchText":"An MCP connector is the plug. Permission is a separate ceiling. An MCP connector is how a host attaches an MCP server: local stdio on the same machine, or a remote HTTPS endpoint. It is not a product you buy and not a substitute for a permission ceiling. The connector is a plug. The server is the tool. The ceiling is still the product. An MCP connector is the attachment between a host (ChatGPT, Claude, Gemini, Grok, a desktop app, a CLI) and an MCP server. The server exposes tools, resources, and prompts. The host opens one client per server. Local connectors usually start a process over stdio. Remote connectors speak HTTPS (Streamable HTTP or SSE) so a cloud host can reach the server. ChatGPT custom MCP is remote-only. Claude Desktop can run local stdio servers from a config file. Grok custom connectors need a public HTTPS URL; localhost must be tunnelled. Gemini managed agents and Gemini CLI can attach remote MCP servers. Start first-connect diagnosis with transport, restart, and auth, not the model. Menus move. Recheck first-party docs. A connector without visibility, mutation, and a log is still a hole. MCP connector meaning and how to connect MCP servers Connector = host attaches server. Server = tools, resources, prompts. MCP = the contract. Local stdio vs remote HTTPS is the split that decides ChatGPT vs Claude Desktop vs Grok. First-connect failures are boring: the app was not fully quit, the JSON is invalid, stdout was polluted by a log line, or the remote auth never completed. Tool descriptions and tool output are untrusted input. They are data, not instructions. Easy paths exist. They are not a ceiling. Read visibility, mutation, log before you enable write. ai-agents MCP A contract for how a model calls tools. Visibility, mutation, log. Vendors could not agree on the word. Connector, app, custom app, plugin, MCP server. The Dutch search is MCP koppeling . The object is the same: a host attaches a server that speaks MCP. MCP is the dictionary. MCP explained for founders is the ceiling. This page is the plug. What a koppeling actually is The host (Claude Desktop, ChatGPT, Grok, Gemini CLI, VS Code, this site's own tools) creates one client per server . The server exposes tools (actions), resources (reads), and prompts (templates). Two transports matter in daily work: - Local stdio. The host starts a process on your machine and talks JSON-RPC over its standard input and output. Claude Desktop's claude desktop config.json is the usual example. No network and no public URL. The files it can see are the files on that machine, running as your user. - Remote HTTPS. Streamable HTTP or SSE. A cloud host can reach it. ChatGPT custom MCP needs this (or OpenAI's Secure MCP Tunnel). Grok custom connectors reject localhost; you tunnel. Gemini managed agents attach a remote mcp server URL. That one split decides almost every \"why will this not connect\" question: Host Local stdio Remote HTTPS Where it is configured --- --- --- --- Claude Desktop Yes Yes claude desktop config.json , or reviewed Extensions ChatGPT (custom MCP) No Yes, required Developer mode, then a public HTTPS URL or OpenAI's tunnel Grok (grok.com connectors) No, localhost rejected Yes, required Connector settings, public URL or an xAI tunnel Grok CLI Yes Yes grok mcp add Gemini (managed agents, CLI) CLI only Yes Agent config or CLI settings, Google credentials or API key If the setup starts with npx and no public URL, ChatGPT will not see it until you bridge it. That is not a bug in your JSON. It is the remote-only rule. Easy connectors, four hosts Menus move. Recheck the first-party link before you treat a path as law. The split above is the durable part. Claude. Desktop can install reviewed Extensions , or you paste a local server into claude desktop config.json and fully quit the app. The official MCP walkthrough and Anthropic's help article both use a filesystem server: npx -y @modelcontextprotocol/server-filesystem plus the directories you allow. That is the easiest real connector: one folder, then a restart. Note what the argument list is doing. The allowed directories define the file boundary. Write tools still need a review. ChatGPT. Built-in apps (OpenAI also still says connectors) are packaged integrations: Gmail, Drive, and similar, clicked and signed in. Custom MCP is different: developer mode, then create an app or connector pointing at a public HTTPS MCP URL, scan the tools, authenticate. OpenAI documents the connect flow and describes full write MCP as a beta for Business, Enterprise, and Edu. Plan access and workspace admin policy still apply. Do not paste an npx stdio command into ChatGPT and expect it to boot. Gemini. Managed agents in the Gemini API can take a remote mcp server tool at interaction time (Google's July 2026 agent update). Gemini CLI and Cloud Agent Platform speak HTTP MCP with Google credentials or an API key. Consumer Gemini chat UI labels change; use Google's current docs, not a screenshot from a roundup blog. Grok. Custom connectors on grok.com need a public HTTPS URL. xAI's tunneling doc says localhost and RFC1918 addresses are rejected. The Grok CLI can add local stdio ( grok mcp add filesystem -- npx … ) or remote HTTP. Same contract, two surfaces. The MCP Registry lists published servers. It is a catalogue, not a safety review. Official reference servers (filesystem, fetch, git, memory, time, sequential thinking, everything) teach the protocol. They are educational, not production-ready. This site's ReasonKit is a specialised reasoning server, not an official reference. When it does not connect The failures are boring and they repeat. Work them in this order before you blame the model. The server never appears after you edited the config. Quit the desktop app completely, not just the window. On macOS, closing the window leaves it running. Then validate the JSON. A trailing comma is a common cause of a config the app silently ignores. The server appears and immediately dies. Run the exact command from the config in a terminal, as the same user. Common causes are a binary missing from the app's PATH (the app does not inherit your shell profile) and a relative path resolving somewhere unexpected. Use absolute paths in the config. A local server connects, then behaves strangely. On stdio, standard output is the transport. Anything a server prints there that is not a valid protocol message corrupts the stream. Logs go to stderr. If you wrote the server, check for a stray print before you check anything else. A remote server 404s or hangs. Confirm the URL is the MCP endpoint, not the marketing page, and that it is reachable from outside your network. A tunnel that expired looks exactly like a broken server. Auth loops. Remote connectors that use OAuth need a callback the host can actually reach, and a token whose audience is that server. A token issued for something else is not a substitute. Tools are listed but never called. That is not a connection failure. Check the host allowlist, then the tool names and descriptions. Fix those before you rewrite the prompt. Before you attach someone else's server A remote connector is an integration with somebody else's infrastructure, holding credentials you issued. Five questions, in writing, before you click connect: 1. Who runs it? A named company or maintainer, not a GitHub handle you found in a thread. 2. Whose credentials does it hold, and at what scope? One credential per server. Never a shared admin token. 3. What does it log, and can you get your own trail out? 4. Read or write? Attach the read-only version first, always, even when the write version is one checkbox away. 5. What happens when you revoke it at 17:00? If nobody knows, you have not attached a tool. You have taken a dependency. One more thing that gets skipped. Tool descriptions and tool output are untrusted input. A server describes its own tools, and a fetched page can contain text that looks like an instruction. The specification tells clients not to trust tool annotations unless the server itself is trusted, and the same logic runs downstream: content a tool returns is data, not orders. A connector that reads the open web and can also write somewhere is the shape of the problem, not a convenience. Daily workflow without a hole 1. Decide read vs write . Attach a read-only connector first. 2. Name an owner in the repo or the settings note. 3. Fill the three reads: visibility, mutation, log. If you cannot reconstruct Tuesday, do not enable send. 4. Review the first ten write calls in full. Then use the log to decide whether any reversible gate can be relaxed. Keep irreversible writes gated. 5. Re-read the host's help article when the Settings tree moves. It will. A koppeling that \"just works\" with write access is a junior hire with root. The plug is easy. The ceiling is the work.","keyTakeaways":["Connector = host attaches server. Server = tools, resources, prompts. MCP = the contract.","Local stdio vs remote HTTPS is the split that decides ChatGPT vs Claude Desktop vs Grok.","First-connect failures are boring: the app was not fully quit, the JSON is invalid, stdout was polluted by a log line, or the remote auth never completed.","Tool descriptions and tool output are untrusted input. They are data, not instructions.","Easy paths exist. They are not a ceiling. Read visibility, mutation, log before you enable write."],"readingMinutes":6,"publishedAt":"2026-08-27T16:00:00.000Z"},"nl":{"label":"Een MCP-koppeling is de stekker. Toestemming is een apart plafond.","summary":"Een MCP-koppeling is de verbinding tussen een host (ChatGPT, Claude, Gemini, Grok, een desktop-app, een CLI) en een MCP-server. De server biedt tools, resources en prompts aan. De host opent één client per server. Lokale koppelingen starten meestal een proces over stdio. Koppelingen op afstand spreken HTTPS (Streamable HTTP of SSE), zodat een host in de cloud de server kan bereiken. Een eigen MCP-server in ChatGPT werkt alleen op afstand. Claude Desktop kan lokale stdio-servers starten vanuit een configuratiebestand. Eigen connectors in Grok hebben een publieke HTTPS-URL nodig; localhost moet je tunnelen. Beheerde agents in Gemini en de Gemini CLI kunnen MCP-servers op afstand aanhaken. Begin bij een eerste koppeling met transport, herstart en authenticatie, niet met het model. Menu's verschuiven. Controleer de eerstelijnsdocumentatie. Een koppeling zonder zichtbaarheid, mutatie en log blijft een gat.","url":"/nl/blog/wat-is-een-mcp-koppeling/","searchText":"Een MCP-koppeling is de stekker. Toestemming is een apart plafond. Een MCP-koppeling is de manier waarop een host een MCP-server aanhaakt: lokaal via stdio op dezelfde machine, of op afstand via HTTPS. Het is geen product dat je koopt en geen vervanging voor een permissieplafond. De koppeling is een stekker. De server is het gereedschap. Het plafond blijft het product. Een MCP-koppeling is de verbinding tussen een host (ChatGPT, Claude, Gemini, Grok, een desktop-app, een CLI) en een MCP-server. De server biedt tools, resources en prompts aan. De host opent één client per server. Lokale koppelingen starten meestal een proces over stdio. Koppelingen op afstand spreken HTTPS (Streamable HTTP of SSE), zodat een host in de cloud de server kan bereiken. Een eigen MCP-server in ChatGPT werkt alleen op afstand. Claude Desktop kan lokale stdio-servers starten vanuit een configuratiebestand. Eigen connectors in Grok hebben een publieke HTTPS-URL nodig; localhost moet je tunnelen. Beheerde agents in Gemini en de Gemini CLI kunnen MCP-servers op afstand aanhaken. Begin bij een eerste koppeling met transport, herstart en authenticatie, niet met het model. Menu's verschuiven. Controleer de eerstelijnsdocumentatie. Een koppeling zonder zichtbaarheid, mutatie en log blijft een gat. betekenis van een MCP-koppeling en MCP-servers verbinden Koppeling = host haakt server aan. Server = tools, resources, prompts. MCP = het contract. Lokaal stdio tegenover HTTPS op afstand is de scheiding die ChatGPT, Claude Desktop en Grok uit elkaar houdt. Fouten bij de eerste koppeling zijn saai: de app was niet volledig afgesloten, de JSON is ongeldig, een logregel vervuilde stdout, of de authenticatie op afstand is nooit afgerond. Toolbeschrijvingen en tooluitvoer zijn onvertrouwde invoer. Het is data, geen opdracht. Makkelijke routes bestaan. Ze zijn geen plafond. Lees zichtbaarheid, mutatie en log voordat je schrijven aanzet. ai-agents MCP Een contract voor hoe een model tools aanroept. Zichtbaarheid, mutatie, log. Leveranciers werden het niet eens over het woord. Connector, app, eigen app, plug-in, MCP-server. In het Nederlands zoek je op MCP-koppeling . Het object is hetzelfde: een host haakt een server aan die MCP spreekt. MCP is het woordenboek. MCP uitgelegd voor ondernemers is het plafond. Deze pagina is de stekker. Wat een koppeling werkelijk is De host (Claude Desktop, ChatGPT, Grok, Gemini CLI, VS Code, de eigen tools van deze site) maakt één client per server . De server biedt tools (handelingen), resources (leesacties) en prompts (sjablonen) aan. Twee transporten doen ertoe in dagelijks werk: - Lokaal stdio. De host start een proces op jouw machine en praat JSON-RPC over de standaardinvoer en -uitvoer daarvan. Het claude desktop config.json van Claude Desktop is het bekendste voorbeeld. Geen netwerk en geen publieke URL. De bestanden die het ziet, zijn de bestanden op die machine, draaiend als jouw gebruiker. - HTTPS op afstand. Streamable HTTP of SSE. Een host in de cloud kan erbij. Een eigen MCP-server in ChatGPT heeft dit nodig (of de Secure MCP Tunnel van OpenAI). Eigen connectors in Grok weigeren localhost; dan tunnel je. Beheerde agents in Gemini haken een mcp server -URL op afstand aan. Die ene scheiding beslist bijna elke \"waarom wil dit niet verbinden\"-vraag: Host Lokaal stdio HTTPS op afstand Waar je het instelt --- --- --- --- Claude Desktop Ja Ja claude desktop config.json , of beoordeelde Extensions ChatGPT (eigen MCP) Nee Ja, verplicht Developer mode, daarna een publieke HTTPS-URL of de tunnel van OpenAI Grok (connectors op grok.com) Nee, localhost wordt geweigerd Ja, verplicht Connectorinstellingen, publieke URL of een tunnel van xAI Grok CLI Ja Ja grok mcp add Gemini (beheerde agents, CLI) Alleen CLI Ja Agentconfiguratie of CLI-instellingen, Google-credentials of een API-sleutel Begint de installatie met npx en zonder publieke URL, dan ziet ChatGPT hem niet totdat je ertussen gaat zitten. Dat is geen fout in je JSON. Dat is de regel dat het alleen op afstand werkt. Makkelijke koppelingen, vier hosts Menu's verschuiven. Controleer de eerstelijnslink voordat je een pad als wet behandelt. De scheiding hierboven is het duurzame deel. Claude. Desktop kan beoordeelde Extensions installeren, of je plakt een lokale server in claude desktop config.json en sluit de app volledig af. De officiële MCP-walkthrough en het helpartikel van Anthropic gebruiken allebei een filesystem -server: npx -y @modelcontextprotocol/server-filesystem plus de mappen die je vrijgeeft. Dat is de makkelijkste echte koppeling: één map, dan een herstart. Let op wat die argumentenlijst doet. De toegestane mappen bepalen de bestandsgrens. Schrijftools hebben nog steeds een review nodig. ChatGPT. Ingebouwde apps (OpenAI zegt ook nog steeds connectors) zijn kant-en-klare integraties: Gmail, Drive en soortgelijke, aanklikken en inloggen. Eigen MCP is iets anders: developer mode, daarna een app of connector maken die naar een publieke HTTPS MCP-URL wijst, de tools scannen, authenticeren. OpenAI documenteert die verbindingsstroom en beschrijft volledige MCP met schrijfrechten als beta voor Business, Enterprise en Edu. Abonnement en beheerdersbeleid van de werkruimte gelden nog steeds. Plak geen npx -stdio-commando in ChatGPT en verwacht niet dat het opstart. Gemini. Beheerde agents in de Gemini API kunnen tijdens een interactie een mcp server -tool op afstand meekrijgen (de agentupdate van Google uit juli 2026). Gemini CLI en Cloud Agent Platform spreken MCP over HTTP met Google-credentials of een API-sleutel. De labels in de consumenten-chat van Gemini veranderen; gebruik de actuele documentatie van Google, geen schermafbeelding uit een verzamelblog. Grok. Eigen connectors op grok.com hebben een publieke HTTPS -URL nodig. De tunneldocumentatie van xAI stelt dat localhost en RFC1918-adressen worden geweigerd. De Grok CLI kan wel lokaal stdio toevoegen ( grok mcp add filesystem -- npx … ) of HTTP op afstand. Hetzelfde contract, twee oppervlakken. Het MCP Registry somt gepubliceerde servers op. Het is een catalogus, geen veiligheidskeuring. De officiële referentieservers (filesystem, fetch, git, memory, time, sequential thinking, everything) leren je het protocol. Ze zijn educatief, niet productieklaar. De ReasonKit van deze site is een gespecialiseerde redeneerserver, geen officiële referentie. Wanneer hij niet verbindt De fouten zijn saai en ze herhalen zich. Werk ze in deze volgorde af voordat je het model de schuld geeft. De server verschijnt niet nadat je de configuratie hebt aangepast. Sluit de desktop-app volledig af, niet alleen het venster. Op macOS blijft de app draaien wanneer je het venster sluit. Valideer daarna de JSON. Een komma te veel is een gangbare oorzaak van een configuratie die de app stil negeert. De server verschijnt en sterft direct. Draai het exacte commando uit de configuratie in een terminal, als dezelfde gebruiker. Gangbare oorzaken zijn een binary die ontbreekt in de PATH van de app (de app erft je shellprofiel niet) en een relatief pad dat ergens onverwachts uitkomt. Gebruik absolute paden in de configuratie. Een lokale server verbindt en gedraagt zich daarna vreemd. Bij stdio is de standaarduitvoer het transport. Alles wat een server daar afdrukt en geen geldig protocolbericht is, vervuilt de stroom. Logs gaan naar stderr. Schreef je de server zelf, controleer dan eerst op een vergeten print . Een server op afstand geeft een 404 of blijft hangen. Bevestig dat de URL het MCP-endpoint is en niet de marketingpagina, en dat hij van buiten je netwerk bereikbaar is. Een verlopen tunnel ziet er precies uit als een kapotte server. Authenticatielussen. Connectors op afstand met OAuth hebben een callback nodig die de host werkelijk kan bereiken, en een token waarvan het publiek die server is. Een token dat voor iets anders is uitgegeven, is geen vervanging. Tools staan in de lijst maar worden nooit aangeroepen. Dat is geen verbindingsfout. Controleer de allowlist van de host, daarna de toolnamen en -beschrijvingen. Repareer die voordat je de prompt herschrijft. Voordat je andermans server aanhaakt Een koppeling op afstand is een integratie met de infrastructuur van iemand anders, die credentials vasthoudt die jij hebt uitgegeven. Vijf vragen, op papier, voordat je op verbinden klikt: 1. Wie beheert hem? Een bedrijf of onderhouder met een naam, geen GitHub-handle uit een thread. 2. Wiens credentials houdt hij vast, en met welke rechten? Eén credential per server. Nooit een gedeeld beheerderstoken. 3. Wat logt hij, en krijg je je eigen spoor eruit? 4. Lezen of schrijven? Haak altijd eerst de alleen-lezen variant aan, ook wanneer de schrijfvariant één vinkje verderop zit. 5. Wat gebeurt er wanneer je hem om 17:00 intrekt? Weet niemand dat, dan heb je geen tool aangehaakt. Dan heb je een afhankelijkheid genomen. Nog iets dat wordt overgeslagen. Toolbeschrijvingen en tooluitvoer zijn onvertrouwde invoer. Een server beschrijft zijn eigen tools, en een opgehaalde pagina kan tekst bevatten die op een instructie lijkt. De specificatie zegt dat clients toolannotaties niet moeten vertrouwen tenzij de server zelf vertrouwd is, en dezelfde logica loopt door: wat een tool teruggeeft is data, geen opdracht. Een koppeling die het open web leest en ook ergens kan schrijven, is de vorm van het probleem, niet een gemak. Dagelijkse werkwijze zonder gat 1. Beslis lezen of schrijven . Haak eerst een alleen-lezen koppeling aan. 2. Wijs een eigenaar aan in de repo of in de notitie bij de instellingen. 3. Vul de drie leesacties in: zichtbaarheid, mutatie, log. Kun je dinsdag niet reconstrueren, zet versturen dan niet aan. 4. Beoordeel de eerste tien schrijfaanroepen volledig. Gebruik daarna de log om te bepalen of een omkeerbare poort losser kan. Onomkeerbare schrijfacties blijven bewaakt. 5. Herlees het helpartikel van de host wanneer de instellingenboom verschuift. Dat gebeurt. Een koppeling die \"gewoon werkt\" met schrijfrechten is een junior met rootrechten. De stekker is makkelijk. Het plafond is het werk.","keyTakeaways":["Koppeling = host haakt server aan. Server = tools, resources, prompts. MCP = het contract.","Lokaal stdio tegenover HTTPS op afstand is de scheiding die ChatGPT, Claude Desktop en Grok uit elkaar houdt.","Fouten bij de eerste koppeling zijn saai: de app was niet volledig afgesloten, de JSON is ongeldig, een logregel vervuilde stdout, of de authenticatie op afstand is nooit afgerond.","Toolbeschrijvingen en tooluitvoer zijn onvertrouwde invoer. Het is data, geen opdracht.","Makkelijke routes bestaan. Ze zijn geen plafond. Lees zichtbaarheid, mutatie en log voordat je schrijven aanzet."],"readingMinutes":6,"publishedAt":"2026-08-27T16:05:00.000Z"}},"degree":9},{"id":"article:what-is-calibration","type":"article","pillar":"founder-performance","locales":{"en":{"label":"What calibration means: matching confidence to evidence","summary":"Calibration, on this site, is the practice of matching the strength of a judgment to the strength of the evidence, then updating when the facts move. Confidence is a report, not a personality trait. A loud claim with a thin source is a calibration failure, not conviction. The work is to score the claim, write what would change your mind, and revise the score when the evidence moves. It is not camera calibration, not model-weight calibration as a product claim, and not a psychometric test you can buy. The named system is CALIBRATE, in The Calibrated Mind, live in English and Dutch paperback and hardcover.","url":"/en/blog/what-calibration-means/","searchText":"What calibration means: matching confidence to evidence Calibration here means matching the strength of a judgment to the strength of the evidence, then updating when the facts move. It is not camera calibration, not a personality trait, and not a psychometric product. Confidence is a report, not a mood. A loud claim with a thin source is a calibration failure, not conviction. Calibration, on this site, is the practice of matching the strength of a judgment to the strength of the evidence, then updating when the facts move. Confidence is a report, not a personality trait. A loud claim with a thin source is a calibration failure, not conviction. The work is to score the claim, write what would change your mind, and revise the score when the evidence moves. It is not camera calibration, not model-weight calibration as a product claim, and not a psychometric test you can buy. The named system is CALIBRATE, in The Calibrated Mind, live in English and Dutch paperback and hardcover. calibration meaning in judgment under uncertainty Calibration here is judgment: entitled confidence against named evidence. A tidy paragraph is not a probability. Fluency is a rendering choice. Write the claim, the evidence, and a percentage you would actually bet. Empty line two means the first line is a mood. CALIBRATE is the named system. This page does not teach the nine-skill expansion. ai-agents CALIBRATE Match the strength of a judgment to the strength of the evidence, then update when the facts move. Calibration is a crowded word. Photographers mean a colour profile. Lab techs mean a scale. Machine-learning decks mean a reliability diagram. People searching it on this site usually want the judgment meaning, and they bounce when the first screen is a camera. What calibration means here: matching the strength of a judgment to the strength of the evidence, then updating when the facts move. Confidence is a report, not a personality trait. A loud claim with a thin source is a calibration failure, not conviction. Tight and wrong is still uncalibrated. A cluster of arrows in the same ring proves consistency. It does not prove the ring was the target. Founders confuse those two. A team that always sounds sure is not a calibrated team. It is a team with a rendering style. Not a feeling You cannot tell, from the inside, whether your certainty matches reality. That is a structural problem, not a character flaw. The feeling of being sure is cheap. It arrives with a tidy sentence. It is the same feeling whether the second line has a source or a blank. The repair is not a better adjective. Write three lines. 1. The claim. 2. The evidence. 3. A percentage you would actually bet. If line two is empty, line one is not a judgment. It is a mood. That is the live CALIBRATE capsule, applied to a paste, a hire, or a forecast. \"Would actually bet\" is the load-bearing phrase. A number you would not put on a calendar invite is theatre. 70% that you would not defend in the Monday meeting is 70% of nothing. Write the number you would still own if the other side asked how you got it. Update is the other half. A score that never moves is a slogan. When the evidence moves, the percentage moves, or you are collecting souvenirs. Three claims, three reports A hire. \"They will raise the bar on the engineering team.\" Evidence: two interviews, one take-home, a reference who worked with them three years ago. A percentage you would bet on \"still here and net-positive at six months.\" If you cannot name the six-month test, you are buying a feeling. The report might read 55%, with the missing evidence being a working session on this codebase. That is allowed. Silent 90% is not. A forecast. \"We will close this quarter.\" Evidence: three verbal yeses, no paper, one champion who has not booked procurement. The percentage belongs on the forecast, not in the all-hands adjective. If paper would move you 25 points, write that down before the paper arrives. After it arrives, memory will say you knew. A model paste. The paragraph is fluent. Fluency is a rendering choice. Evaluate the reasoning, not the fluency is the adjacent operator test. Calibration is whether you were entitled to believe the claim inside the paragraph. Line two is the citation, the log, or the run that would fail. Empty line two means you are about to ship a mood with a typesetting budget. No Brier tables on this page. No training-effect size. Those belong in a methods appendix. The operator object is the three-line report. Not a psychometric product CALIBRATE is the named system in The Calibrated Mind. It is not a test you administer. It is not a personality inventory. The collision is in the glossary on purpose. English and Dutch editions are available now as paperback and hardcover. This page does not teach the nine skills. The book owns that longer practice. It is also not camera calibration, not a colour profile, and not \"the model is calibrated\" as a product claim about temperature. Those are different machines that borrowed the same English word. If you landed here with a lens in your hand, leave. This is judgment under uncertainty. The five-line decision journal is the scorecard that does not lie about a human call. Memory will defend the feeling. The journal will not. Use it when the call is yours. Use the three-line report when the call is a claim you are about to ship. A ten-minute check Take the last claim you shipped. - What would move you 20 points? - What evidence would retire it? - Did anyone write that down before the result landed? If those lines are blank, you are not uncalibrated as a person. You are running without a report. Start the report. A second pass, same ten minutes: pick one claim that is still live. Rewrite it as claim / evidence / percentage. If the percentage is 80 and the evidence is one conversation, cut the number until you would bet it. Then write the observation that would move it 20 points. Put that observation on a calendar, not in your head. The hardcover can wait. The next loud sentence cannot.","keyTakeaways":["Calibration here is judgment: entitled confidence against named evidence.","A tidy paragraph is not a probability. Fluency is a rendering choice.","Write the claim, the evidence, and a percentage you would actually bet. Empty line two means the first line is a mood.","CALIBRATE is the named system. This page does not teach the nine-skill expansion."],"readingMinutes":4,"publishedAt":"2026-08-28T07:00:00.000Z"},"nl":{"label":"Wat betekent kalibratie? Vertrouwen afstemmen op bewijs","summary":"Kalibratie, op deze site, is de praktijk van het afstemmen van de sterkte van een oordeel op de sterkte van het bewijs, en vervolgens updaten wanneer de feiten verschuiven. Vertrouwen is een rapportage, geen persoonlijkheidskenmerk. Een luide claim met een dunne bron is een kalibratiefout, geen overtuiging. Het werk is om de claim te scoren, op te schrijven wat je van gedachten zou doen veranderen, en de score te herzien wanneer het bewijs verschuift. Het is geen camerakalibratie, geen modelgewichtkalibratie als een productclaim, en geen psychometrische test die je kunt kopen. Het benoemde systeem is CALIBRATE, in De gekalibreerde geest, live in Engelse en Nederlandse paperback en hardcover.","url":"/nl/blog/kalibratie-betekenis/","searchText":"Wat betekent kalibratie? Vertrouwen afstemmen op bewijs Kalibratie betekent hier het afstemmen van de sterkte van een oordeel op de sterkte van het bewijs, en vervolgens updaten wanneer de feiten verschuiven. Het is geen camerakalibratie, geen persoonlijkheidskenmerk en geen psychometrisch product. Vertrouwen is een rapportage, geen stemming. Een luide claim met een dunne bron is een kalibratiefout, geen overtuiging. Kalibratie, op deze site, is de praktijk van het afstemmen van de sterkte van een oordeel op de sterkte van het bewijs, en vervolgens updaten wanneer de feiten verschuiven. Vertrouwen is een rapportage, geen persoonlijkheidskenmerk. Een luide claim met een dunne bron is een kalibratiefout, geen overtuiging. Het werk is om de claim te scoren, op te schrijven wat je van gedachten zou doen veranderen, en de score te herzien wanneer het bewijs verschuift. Het is geen camerakalibratie, geen modelgewichtkalibratie als een productclaim, en geen psychometrische test die je kunt kopen. Het benoemde systeem is CALIBRATE, in De gekalibreerde geest, live in Engelse en Nederlandse paperback en hardcover. betekenis van kalibratie bij oordeelsvorming onder onzekerheid Kalibratie is hier een oordeel: gerechtvaardigd vertrouwen tegenover benoemd bewijs. Een nette paragraaf is geen waarschijnlijkheid. Vloeiendheid is een weergavekeuze. Schrijf de claim, het bewijs en een percentage op dat je daadwerkelijk zou inzetten. Een lege regel twee betekent dat de eerste regel een stemming is. CALIBRATE is het benoemde systeem. Deze pagina onderwijst niet de uitbreiding met de negen vaardigheden. ai-agents CALIBRATE Stem de sterkte van een oordeel af op de sterkte van het bewijs, en update vervolgens wanneer de feiten verschuiven. Kalibratie is een overvol woord. Fotografen bedoelen een kleurprofiel. Laboranten bedoelen een weegschaal. Machine-learning decks bedoelen een betrouwbaarheidsdiagram. Mensen die dit op deze site zoeken, willen meestal de betekenis rond oordeelsvorming, en ze haken af wanneer het eerste scherm over een camera gaat. Wat kalibratie hier betekent: de sterkte van een oordeel afstemmen op de sterkte van het bewijs, en vervolgens updaten wanneer de feiten verschuiven. Vertrouwen is een rapportage, geen persoonlijkheidskenmerk. Een luide claim met een dunne bron is een kalibratiefout, geen overtuiging. Strak en ernaast is nog steeds niet gekalibreerd. Een cluster pijlen in dezelfde ring bewijst consistentie. Het bewijst niet dat die ring het doel was. Founders halen die twee door elkaar. Een team dat altijd zeker klinkt is geen gekalibreerd team. Het is een team met een weergavestijl. Geen gevoel Je kunt van binnenuit niet vertellen of je zekerheid overeenkomt met de realiteit. Dat is een structureel probleem, geen karakterfout. Het gevoel ergens zeker van te zijn is goedkoop. Het komt samen met een nette zin. Het is hetzelfde gevoel of de tweede regel nu een bron of een blanco plek heeft. De reparatie is geen beter bijvoeglijk naamwoord. Schrijf drie regels op. 1. De claim. 2. Het bewijs. 3. Een percentage dat je daadwerkelijk zou inzetten. Als regel twee leeg is, is regel één geen oordeel. Het is een stemming. Dat is de live CALIBRATE-capsule, toegepast op een plaktekst, een aanname of een voorspelling. \"Daadwerkelijk inzetten\" is de dragende zin. Een getal dat je niet in een agenda-uitnodiging durft te zetten is theater. 70% dat je in de maandagmeeting niet zou verdedigen is 70% van niks. Schrijf het getal dat je nog bezit als de andere kant vraagt hoe je eraan kwam. Updaten is de andere helft. Een score die nooit beweegt is een slogan. Beweegt het bewijs, dan beweegt het percentage, of je verzamelt souvenirs. Drie claims, drie rapportages Een hire. \"Die persoon trekt de lat van het engineeringteam omhoog.\" Bewijs: twee gesprekken, één take-home, een referentie die drie jaar geleden met hen werkte. Een percentage dat je zou inzetten op \"over zes maanden er nog, en netto positief.\" Kun je de zesmaandentest niet noemen, dan koop je een gevoel. De rapportage mag 55% zijn, met als ontbrekend bewijs een werksessie op deze codebase. Dat mag. Stille 90% mag niet. Een forecast. \"We sluiten dit kwartaal.\" Bewijs: drie mondelinge ja's, geen papier, één champion die procurement niet heeft ingeboekt. Het percentage hoort op de forecast, niet in het bijvoeglijk naamwoord van de all-hands. Als papier je 25 punten zou opschuiven, schrijf dat op vóór het papier er is. Daarna zegt het geheugen dat je het wist. Een modelplaktekst. De alinea loopt soepel. Vloeiendheid is een weergavekeuze. Evalueer de redenering, niet de vloeiendheid is de naburige operatortest. Kalibratie is of je het recht had de claim in de alinea te geloven. Regel twee is de citatie, de log, of de run die zou falen. Lege regel twee betekent dat je een stemming gaat versturen met een budget voor zetwerk. Geen Brier-tabellen op deze pagina. Geen trainingseffect. Die horen in een methodenbijlage. Het operatorobject is de rapportage van drie regels. Geen psychometrisch product CALIBRATE is het benoemde systeem in De gekalibreerde geest. Het is geen test die je afneemt. Het is geen persoonlijkheidsinventarisatie. De botsing in de begrippenlijst is met opzet. Engelse en Nederlandse edities zijn nu beschikbaar als paperback en hardcover. Deze pagina onderwijst niet de negen vaardigheden. Het boek bezit die langere praktijk. Het is ook geen camerakalibratie, geen kleurprofiel, en geen \"het model is gekalibreerd\" als productclaim over temperature. Dat zijn andere machines die hetzelfde Nederlandse woord leenden. Ben je hier beland met een lens in je hand, vertrek dan. Dit is oordeel onder onzekerheid. Het besluitjournaal in vijf regels is de scorekaart die niet liegt over een menselijke beslissing. Het geheugen zal het gevoel verdedigen. Het journaal zal dat niet doen. Gebruik het als de call van jou is. Gebruik de rapportage van drie regels als de call een claim is die je gaat versturen. Een controle van tien minuten Neem de laatste claim die je hebt verzonden. - Wat zou je 20 punten doen opschuiven? - Welk bewijs zou hem intrekken? - Heeft iemand dat opgeschreven voordat het resultaat binnenkwam? Als die regels leeg zijn, ben je als persoon niet ongekalibreerd. Je draait zonder rapportage. Start de rapportage. Een tweede ronde, dezelfde tien minuten: pak één claim die nog live is. Schrijf hem opnieuw als claim / bewijs / percentage. Is het percentage 80 en het bewijs één gesprek, knip het getal tot je het zou inzetten. Schrijf daarna de waarneming die het 20 punten zou bewegen. Zet die waarneming in de agenda, niet in je hoofd. De hardcover kan wachten. De volgende luide zin niet.","keyTakeaways":["Kalibratie is hier een oordeel: gerechtvaardigd vertrouwen tegenover benoemd bewijs.","Een nette paragraaf is geen waarschijnlijkheid. Vloeiendheid is een weergavekeuze.","Schrijf de claim, het bewijs en een percentage op dat je daadwerkelijk zou inzetten. Een lege regel twee betekent dat de eerste regel een stemming is.","CALIBRATE is het benoemde systeem. Deze pagina onderwijst niet de uitbreiding met de negen vaardigheden."],"readingMinutes":4,"publishedAt":"2026-08-28T07:05:00.000Z"}},"degree":14},{"id":"article:what-is-chorus","type":"article","pillar":"ai-systems","locales":{"en":{"label":"What is CHORUS? Coordination, not a choir","summary":"CHORUS is a six-skill coordination protocol for teams of 2 to 15 people who share work with specialised AI workers: Charter, Handoff, Orchestrate, Review, Update, Sync. A charter is seven fields. A handoff is a six-field packet. They are not the same artifact. It is not a choir, not an alphabet song, not CrewAI, and not a graph of model calls. If the receiver reconstructs the job from a chat log, you have a paste, not coordination. The book that owns the name is The Multi-Agent Organization, which is live.","url":"/en/blog/what-is-chorus/","searchText":"What is CHORUS? Coordination, not a choir CHORUS is a six-skill coordination protocol for teams of 2 to 15 people who share work with specialised AI workers. It is not a choir, not an alphabet, and not a CrewAI demo. Org charts name reporting lines. CHORUS names coordination lines. CHORUS is a six-skill coordination protocol for teams of 2 to 15 people who share work with specialised AI workers: Charter, Handoff, Orchestrate, Review, Update, Sync. A charter is seven fields. A handoff is a six-field packet. They are not the same artifact. It is not a choir, not an alphabet song, not CrewAI, and not a graph of model calls. If the receiver reconstructs the job from a chat log, you have a paste, not coordination. The book that owns the name is The Multi-Agent Organization, which is live. what is CHORUS CHORUS is coordination protocol, not a choir and not an alphabet. Charter and handoff are different artifacts. Mixing them is how work gets lost. Six skills, each with a tell. The failure article owns the gap; this page owns the name you can run. The Multi-Agent Organization is live. ai-agents CHORUS Six-skill coordination protocol. Charter, Handoff, Orchestrate, Review, Update, Sync. People search \"chorus\" and get a choir, an alphabet, or a graph product. On this site the word is an operating protocol. What is CHORUS? A six-skill coordination protocol for teams of 2 to 15 people who share work with specialised AI workers: Charter, Handoff, Orchestrate, Review, Update, Sync. Org charts name reporting lines. CHORUS names coordination lines. If the receiver reconstructs the job from a chat log, you have a paste. A small team can add three agents in an afternoon. Capability is cheap. The week gets slower because nobody named who holds the goal at the boundary, what context travels, what must be reviewed, and how the board updates on Monday. That missing layer is the protocol. The glossary capsule is the short form. This page is the test you can run before you add a fourth worker. The six skills Each letter is a skill with a tell. If the tell is present, that skill is missing. You do not need the hardcover to see it. Charter. Work starts because someone typed a prompt. There is no written purpose, no authority ceiling, no escalation. Output appears that no chartered role was allowed to produce. That is a shadow agent. The charter is seven fields: purpose, inputs, outputs, authority ceiling, success criteria, review requirement, escalation. Same list for a human or an agent. What is an AI agent? uses the same seven. If you cannot fill them, you do not have a worker. You have a demo. Handoff. The first worker finishes. The second starts from a thread. Constraints die in the paste. A six-field packet would have been enough: goal, constraints, inputs, provenance, acceptance, deadline. The charter is a different artifact. Do not merge them. A standing role gets a charter. A single task crossing a boundary gets a packet. Orchestrate. Two workers take the same task. Nobody named the merge. Two drafts arrive. Someone pastes the nicer one. A graph of model calls looked busy. Nobody owned the join. Orchestration is serial steps, fan-out, fan-in, and a named human escalation. A graph of calls is not this. Review. Output ships because it sounded right. There is no written acceptance line. The human in the loop is a spectator. Near-100% approval is not a quality system. It is review theatre. A gate that cannot fail the work is decoration. Update. The world moved. The roster did not. Old tools, old prompts, old customer facts. Plausible answers about a world that no longer exists. Review findings have to flow back into prompts, tools, and charters, or you are paying for a museum. Sync. Standup becomes a tour of model traces. A dashboard would have done it. The meeting exists because nobody can see state. Decisions live in chat. The board is a lie. One surface, read in a short weekly ritual. Do not narrate the traces. Named failure is fixable. \"Agents disappointed us\" is not. Charter is seven. Handoff is six. Mixing the two artifacts is the usual way work gets lost when you add agents. The charter says what this role is allowed to do, standing. The packet says what this task is, once. Filled, for a competitive-brief worker that runs every Friday: - Purpose. Produce a one-page brief on named competitors for the Monday product meeting. - Inputs. The public changelog folder. Last week's brief. The open-issue list tagged competitor. - Outputs. One page, or a skip with a reason if nothing material moved. - Authority ceiling. Draft only. No email to the company. No claim about a competitor's revenue. No pricing change. - Success criteria. Every claim names a public URL or an internal issue id. A skip is valid if the folder is empty. - Review. Founder fails any draft that invents a feature or treats a rumour as a ship date. - Escalation. Anything that looks like a legal threat goes to the founder before a second draft. That is the standing contract. It does not travel with a single Friday's work. The Friday packet does: - Goal. One page for Monday 09:30, existing customers' competitors only. - Constraints. No pricing. No named-customer quotes. No promise the support team has not signed. - Inputs. Changelog dated this Thursday. Last week's approved brief. Issue list exported Friday 08:00. - Provenance. Changelog owner is product. Brief owner is the founder. Issue list is the only source for \"what we already knew.\" - Acceptance. A named reviewer can reject it if it invents a ship date or addresses prospects instead of the product meeting. - Deadline. Friday 16:00, so the reviewer still has an hour before the weekend. If you cannot fill the packet, you are not ready to hand the work to anyone, human or agent. The override doctrine sits next to both artifacts, not inside them. The charter says what the role does. The packet says what this task is. The doctrine says what the worker may never do: spend above a ceiling, speak as the company, change production data, close a judgment you still own. A diagnostic you can run this week Tell Missing skill First fix --- --- --- Output no one was chartered to produce Charter Write purpose, ceiling, escalation before the next run The second worker starts from a chat log Handoff Fill the six fields. Refuse the task if a field is empty Two drafts, no named merge Orchestrate One owner of the join. Serial or fan-in, said out loud Approval with no written check Review One acceptance line the reviewer can fail Answers about last month's product Update Date the roster. Kill stale tools in public Standup is a tour of traces Sync One surface. Read it. Do not narrate it Ten minutes is enough to start. List every agent that touched work last week. For each one, write the last human who accepted its output. If you cannot name that person, you found the gap. Not a choir, not an alphabet, not a swarm demo The collision is in the glossary on purpose. This is not music. This is not a children's alphabet. This is not CrewAI. A graph of model calls is not this protocol. It is not an org chart. It is not a protocol for a 200-person platform team; that org needs a different map. Team size on this site is 2 to 15. Project management assumes human workers. CHORUS is the operating layer for mixed human-and-agent work: provenance, acceptance criteria, and a named escalation to a human. Agent orchestration is the assignment of work so that handoffs, reviews, and state stay visible. If you cannot point at the owner, the packet, the gate, and the board, you have a demo. An agentic workflow still needs a goal, a charter, and a ceiling. A swarm without those is the same missing protocol, only louder. Two pages Why multi-agent systems fail is the coordination-gap article: the six breaks in order, a packet that survives the paste, and the lab rhyme from Cemri et al. 2025, scoped to 1,642 traces on seven open-source frameworks, not a survey of company projects. This page is the name you can run. The Multi-Agent Organization is live. The introduction teaches the six skills in full. You do not need the hardcover to write the packet before the paste. If you install one triangle first: charter every role this month, costliest first; one real review gate next month; one weekly sync that is not a standup tour after that. Then add agents, not before. A SENSE layer will not save a team that cannot hand work across a boundary. An MCP contract will not save a team that has no reviewer.","keyTakeaways":["CHORUS is coordination protocol, not a choir and not an alphabet.","Charter and handoff are different artifacts. Mixing them is how work gets lost.","Six skills, each with a tell. The failure article owns the gap; this page owns the name you can run.","The Multi-Agent Organization is live."],"readingMinutes":6,"publishedAt":"2026-09-06T07:00:00.000Z"},"nl":{"label":"Wat is CHORUS? Coördinatie, geen koor","summary":"CHORUS is een coördinatieprotocol met zes vaardigheden voor teams van 2 tot 15 mensen die werk delen met gespecialiseerde AI-werkers: Charter, Handoff, Orchestrate, Review, Update, Sync. Een charter (handvest) bestaat uit zeven velden. Een handoff (overdracht) is een pakket van zes velden. Het zijn niet dezelfde artefacten. CHORUS is geen zangkoor, geen alfabet, geen CrewAI en geen grafiek van modelaanroepen. Als de ontvanger de taak moet reconstrueren vanuit een chatlog, heb je te maken met simpel knip-en-plakwerk, niet met coördinatie. Het boek dat deze naam draagt is De multi-agent organisatie, dat inmiddels live is.","url":"/nl/blog/wat-is-chorus/","searchText":"Wat is CHORUS? Coördinatie, geen koor CHORUS is een coördinatieprotocol met zes vaardigheden voor teams van 2 tot 15 mensen die werk delen met gespecialiseerde AI-werkers. Het is geen koor, geen alfabet en geen CrewAI-demo. Organogrammen benoemen rapportagelijnen. CHORUS benoemt coördinatielijnen. CHORUS is een coördinatieprotocol met zes vaardigheden voor teams van 2 tot 15 mensen die werk delen met gespecialiseerde AI-werkers: Charter, Handoff, Orchestrate, Review, Update, Sync. Een charter (handvest) bestaat uit zeven velden. Een handoff (overdracht) is een pakket van zes velden. Het zijn niet dezelfde artefacten. CHORUS is geen zangkoor, geen alfabet, geen CrewAI en geen grafiek van modelaanroepen. Als de ontvanger de taak moet reconstrueren vanuit een chatlog, heb je te maken met simpel knip-en-plakwerk, niet met coördinatie. Het boek dat deze naam draagt is De multi-agent organisatie, dat inmiddels live is. wat is CHORUS CHORUS is een coördinatieprotocol, geen muzikaal koor en geen alfabet. Charter en handoff zijn verschillende artefacten. Ze door elkaar halen is hoe werk verloren gaat. Zes vaardigheden, elk met een signaal. Het faalartikel bezit de kloof; deze pagina bezit de naam die je kunt draaien. De multi-agent organisatie is live. ai-agents CHORUS Een coördinatieprotocol met zes vaardigheden. Charter, Handoff, Orchestrate, Review, Update, Sync. Mensen zoeken op \"chorus\" en krijgen een zangkoor, een alfabet, of een abstract softwareproduct in grafiekvorm. Op deze site is het woord een operationeel protocol. Wat is CHORUS? Een coördinatieprotocol met zes vaardigheden voor teams van 2 tot 15 mensen die werk delen met gespecialiseerde AI-werkers: Charter, Handoff, Orchestrate, Review, Update, Sync. Organogrammen bepalen wie aan wie rapporteert. CHORUS bepaalt hoe werk de grens oversteekt. Als de ontvanger de opdracht moet reconstrueren uit een lange chatgeschiedenis, doe je aan knippen en plakken. Een klein team kan in één middag drie agents toevoegen. Capaciteit is goedkoop. De week wordt trager omdat niemand heeft vastgelegd wie het doel aan de grens vasthoudt, welke context meereist, wat er beoordeeld moet worden, en hoe het bord op maandag wordt bijgewerkt. Die ontbrekende laag is het protocol. De begrippencapsule is de korte vorm. Deze pagina is de test die je draait voordat je een vierde werker toevoegt. De zes vaardigheden Elke letter is een vaardigheid met een signaal. Zie je het signaal, dan ontbreekt die vaardigheid. Daarvoor heb je de hardcover niet nodig. Charter. Werk begint omdat iemand een prompt intikte. Geen geschreven doel, geen bevoegdheidsplafond, geen escalatie. Er verschijnt output die geen gecharterde rol mocht maken. Dat is een schaduwagent. Het charter heeft zeven velden: doel, invoer, uitvoer, bevoegdheidsplafond, succescriteria, review-eis, escalatie. Dezelfde lijst voor een mens of een agent. Wat is een AI-agent? gebruikt dezelfde zeven. Kun je ze niet invullen, dan heb je geen werker. Je hebt een demo. Handoff. De eerste werker is klaar. De tweede begint vanuit een draad. Beperkingen sterven in de plaktekst. Een pakket van zes velden was genoeg geweest: doel, beperkingen, invoer, herkomst, acceptatie, deadline. Het charter is een ander artefact. Gooi ze niet op één hoop. Een staande rol krijgt een charter. Een enkele taak die een grens oversteekt krijgt een pakket. Orchestrate. Twee werkers pakken dezelfde taak. Niemand heeft de samenvoeging benoemd. Er komen twee concepten binnen. Iemand plakt de mooiste. Een grafiek van modelaanroepen leek druk. Niemand bezat de join. Orkestratie is seriële stappen, fan-out, fan-in, en een benoemde menselijke escalatie. Een grafiek van aanroepen is dat niet. Review. Output gaat de deur uit omdat het er goed uitzag. Er is geen geschreven acceptatieregel. De mens in de lus is toeschouwer. Bijna-100% goedkeuring is geen kwaliteitssysteem. Het is reviewtheater. Een poort die het werk niet kan afkeuren is versiering. Update. De wereld is verschoven. De roosters niet. Oude tools, oude prompts, oude klantfeiten. Aannemelijke antwoorden over een wereld die niet meer bestaat. Bevindingen uit review moeten terugvloeien naar prompts, tools en charters, anders betaal je voor een museum. Sync. De stand-up wordt een rondleiding langs modelsporen. Een dashboard had het gedaan. De meeting bestaat omdat niemand de stand ziet. Besluiten leven in chat. Het bord liegt. Eén oppervlak, gelezen in een kort wekelijks ritueel. Vertel de sporen niet na. Een benoemde misser is te repareren. \"Agents vielen tegen\" is dat niet. Charter is zeven. Handoff is zes. Die twee artefacten door elkaar halen is de gebruikelijke manier waarop werk verdwijnt zodra je agents toevoegt. Het charter zegt wat deze rol mag, blijvend. Het pakket zegt wat deze taak is, één keer. Ingevuld, voor een concurrentiebrief die elke vrijdag draait: - Doel. Eén pagina over benoemde concurrenten voor de productmeeting op maandag. - Invoer. De map met publieke changelogs. De brief van vorige week. De open-issuelijst met tag concurrent. - Uitvoer. Eén pagina, of een overslaan met reden als er niets wezenlijks is verschoven. - Bevoegdheidsplafond. Alleen concept. Geen mail naar het bedrijf. Geen claim over omzet van een concurrent. Geen prijswijziging. - Succescriteria. Elke claim noemt een publieke URL of een intern issue-id. Overslaan mag als de map leeg is. - Review. De founder keurt elk concept af dat een feature verzint of een gerucht tot shippedatum maakt. - Escalatie. Alles wat op een juridische dreiging lijkt gaat naar de founder vóór een tweede concept. Dat is het staande contract. Het reist niet mee met het werk van één vrijdag. Het vrijdagpakket wel: - Doel. Eén pagina voor maandag 09:30, alleen concurrenten van bestaande klanten. - Beperkingen. Geen prijzen. Geen citaten van benoemde klanten. Geen belofte die support niet heeft getekend. - Invoer. Changelog van deze donderdag. Goedgekeurde brief van vorige week. Issuelijst geëxporteerd vrijdag 08:00. - Herkomst. Changelog-eigenaar is product. Brief-eigenaar is de founder. De issuelijst is de enige bron voor \"wat we al wisten.\" - Acceptatie. Een benoemde reviewer kan het afkeuren als het een shippedatum verzint of prospects aanspreekt in plaats van de productmeeting. - Deadline. Vrijdag 16:00, zodat de reviewer nog een uur heeft vóór het weekend. Kun je het pakket niet vullen, dan ben je niet klaar om het werk aan iemand over te dragen, mens of agent. De override-doctrine staat naast beide artefacten, niet erin. Het charter zegt wat de rol doet. Het pakket zegt wat deze taak is. De doctrine zegt wat de werker nooit mag: boven een plafond uitgeven, namens het bedrijf spreken, productiedata wijzigen, een oordeel sluiten dat jij nog bezit. Een diagnose die je deze week kunt draaien Signaal Ontbrekende vaardigheid Eerste herstel --- --- --- Output die niemand gecharterd was om te maken Charter Schrijf doel, plafond, escalatie vóór de volgende run De tweede werker begint vanuit een chatlog Handoff Vul de zes velden. Weiger de taak als een veld leeg is Twee concepten, geen benoemde samenvoeging Orchestrate Eén eigenaar van de join. Serieel of fan-in, hardop gezegd Goedkeuring zonder geschreven check Review Eén acceptatieregel die de reviewer kan laten zakken Antwoorden over het product van vorige maand Update Dateer het rooster. Ruim verouderde tools in het openbaar op Stand-up is een rondleiding langs sporen Sync Eén oppervlak. Lees het. Vertel het niet na Tien minuten is genoeg om te beginnen. Zet elke agent op een lijst die vorige week werk heeft aangeraakt. Schrijf per agent de laatste mens die de output accepteerde. Kun je die naam niet noemen, dan heb je de kloof gevonden. Geen koor, geen alfabet, geen swarm-demo Dat de zoekterm botst in de begrippenlijst is met opzet. Dit gaat niet over muziek. Dit gaat niet over het leren van een alfabet. Dit is geen CrewAI. Een visueel overzicht van modelaanroepen vormt nog geen protocol. Het is geen organogram. Het is geen protocol voor een platformteam van 200 mensen; die organisatie heeft een andere kaart nodig. Teamgrootte op deze site is 2 tot 15. Projectmanagement gaat uit van menselijke medewerkers. CHORUS is de operationele laag voor gemengd mens-en-agentwerk: herkomst, goedkeuringscriteria en een benoemde escalatie naar een mens. Agent-orkestratie is de verdeling van werk zodat overdrachten, reviews en de stand zichtbaar blijven. Kun je de eigenaar, het pakket, de poort en het bord niet aanwijzen, dan heb je een demo. Een agentische workflow heeft nog steeds een doel, een charter en een plafond nodig. Een swarm zonder die drie is hetzelfde ontbrekende protocol, alleen luider. Twee pagina's Waarom multi-agentsystemen falen is het artikel over de coördinatiekloof: de zes breuken in volgorde, een pakket dat de plaktekst overleeft, en de echo uit het lab van Cemri et al. 2025, begrensd tot 1.642 sporen op zeven opensourceframeworks, geen enquête onder bedrijfsprojecten. Deze pagina is de naam die je kunt draaien. De multi-agent organisatie is live. De introductie behandelt de zes vaardigheden volledig. Je hebt de hardcover niet nodig om het overdrachtspakket strak te trekken voordat het knip-en-plakwerk begint. Installeer eerst één driehoek: charter deze maand elke rol, de duurste eerst; volgende maand één echte reviewpoort; daarna één wekelijkse sync die geen stand-uprondleiding is. Voeg daarna agents toe, niet eerder. Een SENSE-laag redt geen team dat werk niet over een grens kan tillen. Een MCP-contract redt geen team zonder reviewer.","keyTakeaways":["CHORUS is een coördinatieprotocol, geen muzikaal koor en geen alfabet.","Charter en handoff zijn verschillende artefacten. Ze door elkaar halen is hoe werk verloren gaat.","Zes vaardigheden, elk met een signaal. Het faalartikel bezit de kloof; deze pagina bezit de naam die je kunt draaien.","De multi-agent organisatie is live."],"readingMinutes":6,"publishedAt":"2026-09-06T07:05:00.000Z"}},"degree":21},{"id":"article:what-is-citeturn0search0","type":"article","pillar":"seo-geo-aeo","locales":{"en":{"label":"What is citeturn0search0? The ChatGPT leftover that shows an answer was copied without its sources","summary":"citeturn0search0 is a ChatGPT citation marker that survived a copy and paste. Inside ChatGPT, that spot is a clickable link to a web page the answer used. Pasted elsewhere, the link is lost and the code stays. Read against OpenAI's developer guide to the same format, turn0 is the first tool call (such as a web search) and search0 is the first source it returned. The string shows a passage came from a search-backed ChatGPT answer. It does not show which page, or whether the claim is true.","url":"/en/blog/what-is-citeturn0search0/","searchText":"What is citeturn0search0? The ChatGPT leftover that shows an answer was copied without its sources citeturn0search0 is a ChatGPT citation marker left behind when an answer is pasted without its link. What it means, what it proves, and how to fix it. The code is harmless. The missing source is the problem. citeturn0search0 is a ChatGPT citation marker that survived a copy and paste. Inside ChatGPT, that spot is a clickable link to a web page the answer used. Pasted elsewhere, the link is lost and the code stays. Read against OpenAI's developer guide to the same format, turn0 is the first tool call (such as a web search) and search0 is the first source it returned. The string shows a passage came from a search-backed ChatGPT answer. It does not show which page, or whether the claim is true. citeturn0search0 citeturn0search0 marks a spot where a ChatGPT answer linked to a source. The link was lost in the paste. It shows that a passage came from a search-backed ChatGPT answer. It does not name the page or prove the claim. Deleting the code fixes nothing. Restore the source or cut the claim. Ask for the source, not a confession. aeo geo citation marker A short code an AI system places in its answer to point at a source. The app is meant to turn it into a link before a reader sees it. tool call One action a model takes while answering, such as running a web search or reading a file. Private Use Area A block of Unicode code points with no standard meaning, which software may use for its own signals. Readers normally cannot see them. paste-as-research Moving AI output into a document while the claims inside it have no recorded check against a source. The term comes from The Verified Research Loop. TRACE A five-step research routine: Target, Retrieve, Assess, Cross-check, Export. citeturn0search0 is where a link to a source used to be. It is a citation marker from ChatGPT. Inside the app, that spot showed a clickable link to a web page the answer relied on. When someone copied the answer into a document, a LinkedIn post, or a report, the link did not travel and the code did. So the string tells you one thing for certain: the sentence in front of it came from a ChatGPT answer that searched the web, and its source fell off on the way. It does not tell you which page was cited, whether that page said what the sentence says, or who wrote the rest of the document. The fix is not to delete the code. The fix is to put the source back. What do the parts of citeturn0search0 mean? OpenAI publishes a guide to citation formatting for developers who build products on its models. It describes a marker made of a type name, a source ID, and an optional location inside the source. OpenAI calls its recommended markers \"highly recommended because they closely match the markers our models are trained on.\" Read the string with that guide in hand: Part What it means --- --- cite The marker type: this is a citation. turn0 The first tool call in the answer. A tool call is one action the model takes while answering, such as running a web search. Counting starts at zero. search0 Source number zero from that search, in other words the first one. The next would be search1 . The guide also wraps each marker in three special characters: U+E200 to open, U+E202 to separate, U+E201 to close. They sit in Unicode's Private Use Area. Unicode is the standard that gives every letter and symbol a number, and private-use characters are, in its words, code points \"whose interpretation is not specified by a character encoding standard.\" Readers normally cannot see them, which is why the visible text looks like one glued-together word. One limit, stated plainly: that guide documents the format for developers. OpenAI does not publicly document how the ChatGPT app stores these markers or why they sometimes survive a copy. The best record of the leak comes from people who catalogue it. Who has documented it, and where? Wikipedia's volunteer editors keep a field guide called Signs of AI writing. It lists citeturn0search0 under internal formatting bugs and explains it this way: \"These are places where the chatbot links to an external site, but a human pasting the conversation into Wikipedia has that link converted into placeholder code.\" The guide says the pattern was first observed in February 2025. We opened one of the examples the guide points to: an edit made on 8 February 2025 to Wikipedia's list of English-medium schools in Bangladesh. One pasted sentence reads \"For more information, you can visit their official website:\" and then, where the website should be, the marker. We inspected the raw characters. Each of the four markers in that edit is built exactly as OpenAI's guide describes: U+E200, then cite , then U+E202, then turn0search0 or turn0search1 , then U+E201. That sentence is the whole problem in miniature. It promises a source and delivers a code. The complaint is older than this exact marker. In OpenAI's community forum, a user reported in September 2024 that copying a search answer left placeholders such as 【9†source】 instead of links. No OpenAI staff member replied in that thread. What does it prove, and what does it not? What you will hear What the evidence supports --- --- \"It is a watermark OpenAI adds to catch copying.\" OpenAI's guide describes citation markup that software should parse and strip before a reader sees it. Nothing in it describes a watermark. \"It proves the whole text is AI-written.\" It shows that the passage around it came from a ChatGPT answer that used search. It says nothing about the rest of the document, or how much a person rewrote. \"The code tells you which website was used.\" The ID numbers a result inside one conversation. It is not a web address, and nothing outside that chat turns it back into one. \"Delete it and the text is fine.\" Deleting it hides the symptom. The claim still has no source. Wikipedia's guide makes the last point in bold: \"Please do not merely treat these signs as the problems to be fixed; that could just make detection harder.\" Why is this a sources problem, not an AI problem? Using ChatGPT to find information is not the issue. OpenAI's own help page on web search says \"Search results and citations can be incomplete, outdated, or incorrect.\" It then says what a reader should do with a citation, which a lost link makes impossible: \"Open a cited source to check that it supports the answer, review when it was published or updated, and use an authoritative source when accuracy matters.\" A surviving link would not prove the claim either. In a 2023 Stanford audit of four AI search products, only 74.5% of citations supported the sentence they were attached to. A link is where checking starts. That is the difference between a mention and a citation: a citation is something a reader can open and check. The Verified Research Loop, one of Len's books, names the habit behind the leftover. It calls it paste-as-research: \"moving generated output into a memo, deck, brief, or conversation while leaving the claims inside it in an unrecorded evidence state.\" What do the other leftovers look like? The same Wikipedia guide documents cousins of the marker. You may meet: - citeturn0news0 or citeturn1file0 : the same format, pointing at a news result or an uploaded file. - iturn0image0turn0image1 : a row of images that did not survive the paste. - :contentReference[oaicite:0]{index=0} and oai citation : other ChatGPT placeholders for links. - ({\"attribution\":{\"attributableIndex\":\"1009-1\"}}) : a block of code at the end of a sentence. - [cite: 1] : the guide attributes this form to text copied from Google Gemini. - ?utm source=chatgpt.com at the end of a link. A UTM tag is a label on a link that tells analytics software where a visitor came from, and OpenAI's publisher FAQ says ChatGPT adds this one automatically. This is the good case: the link survived. People also search for chatgpt://url-citation?citation-number=0 . We found no public documentation for that form. It is not a web address anyone else can open, so it leaves the reader in the same place: no source. A regular expression is a search pattern that matches text by its shape rather than by exact words. This one finds all of the above. Paste it into any editor with regular-expression search (VS Code, for example) or run it with grep -E : turn[0-9]+(search news file image)[0-9]+ oaicite oai citation attributableIndex \\[cite: ?[0-9] chatgpt:// utm source=chatgpt\\.com Each hit is a claim to check, not a verdict on the author. What should you do when you find one? If you wrote it. Do not just delete the code. Go back to the chat and select Sources, which OpenAI's help page says shows \"cited sources and other relevant links.\" Open the page, check that it says what your sentence says, and paste the real link. If no page supports the sentence, cut the sentence or mark it as unchecked. If you are editing, teaching, or reading it. Ask for the source, not a confession. \"Which page supports this sentence?\" is a fair question for any claim, written by a person or a model. It also gets a better answer than an accusation. If you run a team. Keep a claim-to-source record for anything that leaves the building: the claim, the link, the passage, and who checked it on which date. This site calls that an evidence ledger. A leftover then becomes a row with an empty source cell, which is easier to fix than a rumour. How does TRACE turn a pasted answer into a checked one? TRACE is a five-step routine for turning a research question into a decision record in which every claim that matters can be traced to its source. It comes from The Verified Research Loop, which is available now in English and Dutch. You do not need the book to use it. 1. Target. Fix the question, the scope, and the output before a single search runs. 2. Retrieve. Gather the actual source documents, from more than one place, instead of trusting one confident answer. 3. Assess. Give each source a role: Primary (close to the event or the data), Secondary (reporting on it), Advocacy (made by someone with a stake), or Grey (everything else). Then check what that source can support for this one claim. 4. Cross-check. For each claim that carries the decision, record what every source actually shows about it, one row per source, and keep disagreement and dependence visible, instead of padding the memo with a token second link. 5. Export. Ship the memo with a claim ledger, so someone else can check the work without redoing it. A hypothetical example. A marketing manager pastes a ChatGPT answer into a board memo: \"Dutch e-bike sales grew strongly in 2025 citeturn0search0.\" - Target: the board is deciding whether to open a second store. The growth claim carries that decision; the paragraph on company history does not. Check the first. - Retrieve: reopen the chat's sources, or search again, and open the page itself rather than the summary. - Assess: is it a national statistics office (Primary), a news story about those figures (Secondary), or a trade group that promotes e-bikes (Advocacy)? Does the passage cover the Netherlands, 2025, and sales, or something nearby, such as imports? - Cross-check: note what each source says about the claim and whether one simply copied the other. If the statistics office is the only real source, record that dependence rather than adding a news story that repeats it. - Export: the memo carries one line per claim: the claim, the link, the passage, and who checked it when. The book is careful about its own limits. TRACE makes a research record inspectable; it has not been shown to produce better decisions. That is also the honest promise of this routine. The TRACE framework page has the one-page version. Try this today (10 minutes) 1. Open the last three documents you shared that drew on an AI answer. 2. Run the pattern above over each one. 3. For every hit, find the page that supports the sentence, or cut the sentence. 4. Write down two numbers: hits found, sources restored. That pair is your team's baseline.","keyTakeaways":["citeturn0search0 marks a spot where a ChatGPT answer linked to a source. The link was lost in the paste.","It shows that a passage came from a search-backed ChatGPT answer. It does not name the page or prove the claim.","Deleting the code fixes nothing. Restore the source or cut the claim.","Ask for the source, not a confession."],"readingMinutes":9,"publishedAt":"2026-10-03T19:00:00.000Z"},"nl":{"label":"Wat is citeturn0search0? Het ChatGPT-restje dat verraadt dat een antwoord zonder bronnen is gekopieerd","summary":"citeturn0search0 is een bronmarkering van ChatGPT die een kopieer- en plakactie heeft overleefd. In ChatGPT staat op die plek een klikbare link naar een webpagina waarop het antwoord leunde. Plak je het antwoord elders, dan verdwijnt de link en blijft de code staan. Volgens de ontwikkelaarshandleiding van OpenAI, die hetzelfde formaat beschrijft, is turn0 de eerste toolaanroep, zoals een zoekopdracht op het web, en search0 de eerste bron die daaruit kwam. De string laat zien dat een passage uit een ChatGPT-antwoord met zoekfunctie komt. Welke pagina, en of de claim klopt, laat hij niet zien.","url":"/nl/blog/wat-is-citeturn0search0/","searchText":"Wat is citeturn0search0? Het ChatGPT-restje dat verraadt dat een antwoord zonder bronnen is gekopieerd citeturn0search0 blijft achter als een geplakt ChatGPT-antwoord de link naar zijn bron verliest. Wat de markering betekent, wat ze bewijst en wat je eraan doet. De code is onschuldig. De ontbrekende bron is het probleem. citeturn0search0 is een bronmarkering van ChatGPT die een kopieer- en plakactie heeft overleefd. In ChatGPT staat op die plek een klikbare link naar een webpagina waarop het antwoord leunde. Plak je het antwoord elders, dan verdwijnt de link en blijft de code staan. Volgens de ontwikkelaarshandleiding van OpenAI, die hetzelfde formaat beschrijft, is turn0 de eerste toolaanroep, zoals een zoekopdracht op het web, en search0 de eerste bron die daaruit kwam. De string laat zien dat een passage uit een ChatGPT-antwoord met zoekfunctie komt. Welke pagina, en of de claim klopt, laat hij niet zien. citeturn0search0 citeturn0search0 markeert een plek waar een ChatGPT-antwoord naar een bron linkte. De link ging verloren bij het plakken. Het laat zien dat een passage uit een ChatGPT-antwoord met zoekfunctie komt. Het noemt de pagina niet en bewijst de claim niet. De code weghalen lost niets op. Zet de bron terug of schrap de claim. Vraag om de bron, niet om een bekentenis. aeo geo bronmarkering Een korte code die een AI-systeem in zijn antwoord zet om naar een bron te wijzen. De app hoort die om te zetten in een link voordat een lezer hem ziet. toolaanroep Eén actie die een model tijdens het antwoorden uitvoert, zoals een zoekopdracht op het web of het lezen van een bestand. Private Use Area Een blok codepunten in Unicode zonder vastgelegde betekenis, dat software voor eigen signalen mag gebruiken. Lezers zien die tekens normaal gesproken niet. plakken-als-onderzoek AI-output in een document zetten terwijl de claims erin nooit aantoonbaar aan een bron zijn getoetst. De term komt uit De geverifieerde research-loop. TRACE Een onderzoeksroutine in vijf stappen: Target, Retrieve, Assess, Cross-check, Export. citeturn0search0 is de plek waar een link naar een bron stond. Het is een bronmarkering van ChatGPT. In de app stond op die plek een klikbare link naar de webpagina waarop het antwoord leunde. Toen iemand het antwoord kopieerde naar een document, een LinkedIn-post of een rapport, ging de link niet mee en de code wel. De string vertelt je dus één ding zeker: de zin ervoor komt uit een ChatGPT-antwoord waarvoor op het web is gezocht, en de bron is onderweg zoekgeraakt. Welke pagina er werd geciteerd, of die pagina zegt wat de zin beweert en wie de rest van het document schreef, vertelt hij niet. De oplossing is niet de code weghalen, maar de bron terugzetten. Wat betekenen de onderdelen van citeturn0search0? OpenAI publiceert een handleiding voor bronvermeldingen voor ontwikkelaars die producten bouwen op zijn modellen. Die beschrijft een markering met een typenaam, een bron-ID en eventueel een plek binnen de bron. OpenAI raadt dat formaat nadrukkelijk aan, omdat het nauw aansluit bij de markeringen waarop zijn modellen zijn getraind. Lees de string met die handleiding ernaast: Onderdeel Betekenis --- --- cite Het type markering: dit is een bronvermelding. turn0 De eerste toolaanroep in het antwoord. Een toolaanroep is één actie die het model tijdens het antwoorden uitvoert, zoals een zoekopdracht op het web. Het tellen begint bij nul. search0 Bron nummer nul uit die zoekopdracht, dus de eerste. De volgende heet search1 . De handleiding zet elke markering bovendien tussen drie speciale tekens: U+E200 om te openen, U+E202 om te scheiden en U+E201 om te sluiten. Ze liggen in het privégebruiksgebied van Unicode, de Private Use Area. Unicode is de standaard die elke letter en elk symbool een nummer geeft, en tekens voor privégebruik hebben volgens Unicode geen betekenis die de standaard vastlegt. Lezers zien ze normaal gesproken niet. Daarom lijkt de zichtbare tekst één aan elkaar geplakt woord. Eerlijk is eerlijk: die handleiding beschrijft het formaat voor ontwikkelaars. Hoe de ChatGPT-app zelf die markeringen opslaat en waarom ze soms een kopieeractie overleven, documenteert OpenAI niet openbaar. De beste beschrijving van het lek komt van mensen die zulke restjes verzamelen. Wie heeft het gedocumenteerd, en waar? De vrijwillige redacteuren van Wikipedia houden een veldgids bij: Signs of AI writing. Daarin staat citeturn0search0 bij de interne opmaakfouten, met deze uitleg: op die plekken linkte de chatbot naar een externe site, maar wie het gesprek in Wikipedia plakte, hield alleen een plaatshouder over. Volgens de gids is het patroon voor het eerst gezien in februari 2025. We openden een van de voorbeelden waar de gids naar verwijst: een bewerking van 8 februari 2025 van de lijst met Engelstalige scholen in Bangladesh op de Engelse Wikipedia. Eén geplakte zin luidt \"For more information, you can visit their official website:\" en daarna volgt, waar de website had moeten staan, de markering. We bekeken de ruwe tekens. Elk van de vier markeringen in die bewerking is precies zo opgebouwd als OpenAI's handleiding beschrijft: U+E200, dan cite , dan U+E202, dan turn0search0 of turn0search1 , dan U+E201. Die ene zin vat het hele probleem samen. Hij belooft een bron en levert een code. De klacht is ouder dan deze markering. Op het communityforum van OpenAI meldde een gebruiker in september 2024 dat een gekopieerd zoekantwoord plaatshouders als 【9†source】 bevatte in plaats van links. Niemand van OpenAI reageerde in die thread. Wat bewijst het, en wat niet? Wat je hoort Wat het bewijs ondersteunt --- --- \"Het is een watermerk waarmee OpenAI betrapt wie kopieert.\" OpenAI's handleiding beschrijft bronopmaak die software moet verwerken en weghalen voordat een lezer hem ziet. Over een watermerk staat er niets in. \"Het bewijst dat de hele tekst door AI is geschreven.\" Het laat zien dat de passage eromheen uit een ChatGPT-antwoord met zoekfunctie komt. Over de rest van het document zegt het niets, en ook niet over hoeveel iemand heeft herschreven. \"De code vertelt welke website is gebruikt.\" De ID nummert een resultaat binnen één gesprek. Het is geen webadres, en buiten die chat is het niet meer naar een adres te herleiden. \"Haal hem weg en de tekst klopt weer.\" Weghalen verbergt het symptoom. De claim heeft nog steeds geen bron. De Wikipedia-gids zet dat laatste punt vetgedrukt: \"Please do not merely treat these signs as the problems to be fixed; that could just make detection harder.\" Het teken is een aanwijzing, niet het probleem zelf. Waarom is dit een bronnenprobleem en geen AI-probleem? ChatGPT gebruiken om informatie te vinden is het probleem niet. OpenAI's eigen helppagina over zoeken op het web waarschuwt dat zoekresultaten en bronvermeldingen onvolledig, verouderd of onjuist kunnen zijn. De pagina zegt ook wat een lezer met een bronvermelding hoort te doen, en juist dat kan niet meer als de link verloren is gegaan: open de geciteerde bron, controleer of die het antwoord ondersteunt, kijk wanneer hij is gepubliceerd of bijgewerkt, en kies een gezaghebbende bron als nauwkeurigheid telt. Een link die wel was meegekomen, had de claim evenmin bewezen. In een Stanford-audit uit 2023 van vier AI-zoekproducten ondersteunde maar 74,5% van de bronvermeldingen de zin waar ze bij stonden. Met een link begint het controleren pas. Dat is ook het verschil tussen een vermelding en een citatie: een lezer kan een citatie openen en nakijken. De geverifieerde research-loop, een van de boeken van Len, geeft de gewoonte achter het restje een naam: plakken-als-onderzoek. Het boek omschrijft dat als \"het verplaatsen van gegenereerde output naar een memo, presentatie, nota of gesprek, waarbij de claims een ongeregistreerde bewijsstatus houden.\" Hoe zien de andere restjes eruit? Dezelfde Wikipedia-gids beschrijft verwanten van de markering. Dit kun je tegenkomen: - citeturn0news0 of citeturn1file0 : hetzelfde formaat, met een verwijzing naar een nieuwsresultaat of een geüpload bestand. - iturn0image0turn0image1 : een rij afbeeldingen die het plakken niet heeft overleefd. - :contentReference[oaicite:0]{index=0} en oai citation : andere plaatshouders van ChatGPT voor links. - ({\"attribution\":{\"attributableIndex\":\"1009-1\"}}) : een blok code aan het eind van een zin. - [cite: 1] : volgens de gids afkomstig uit tekst die uit Google Gemini is gekopieerd. - ?utm source=chatgpt.com achter een link. Een UTM-tag is een label op een link waarmee analysesoftware ziet waar een bezoeker vandaan komt. Volgens OpenAI's FAQ voor uitgevers voegt ChatGPT deze tag automatisch toe. Dit is het goede geval: de link is heel gebleven. Mensen zoeken ook op chatgpt://url-citation?citation-number=0 . Daarvoor vonden we geen openbare documentatie. Het is geen webadres dat iemand anders kan openen, dus de lezer blijft met hetzelfde probleem zitten: geen bron. Een reguliere expressie (regex) is een zoekpatroon dat tekst vindt op vorm in plaats van op exacte woorden. Dit patroon vindt alles hierboven. Plak het in een editor die met regex kan zoeken, zoals VS Code, of draai het met grep -E : turn[0-9]+(search news file image)[0-9]+ oaicite oai citation attributableIndex \\[cite: ?[0-9] chatgpt:// utm source=chatgpt\\.com Elke treffer is een claim die je moet controleren, geen oordeel over de schrijver. Wat doe je als je er een vindt? Heb je het zelf geschreven? Haal de code niet alleen weg. Ga terug naar de chat en open de lijst met bronnen (de knop Sources in de Engelse versie); volgens OpenAI's helppagina staan daar de geciteerde bronnen en andere relevante links. Open de pagina, controleer of die zegt wat jouw zin zegt en plak de echte link. Vind je geen pagina die de zin onderbouwt, schrap de zin dan of markeer hem als ongecontroleerd. Ben je redacteur, docent of lezer? Vraag om de bron, niet om een bekentenis. \"Welke pagina onderbouwt deze zin?\" is een redelijke vraag bij elke claim, of die nu van een mens of van een model komt. Je krijgt er ook een beter antwoord op dan op een beschuldiging. Leid je een team? Leg voor alles wat de deur uitgaat vast welke bron bij welke claim hoort: de claim, de link, de passage, en wie het wanneer controleerde. Deze site noemt dat een bewijsregister. Een restje wordt dan een regel met een lege broncel, en dat is makkelijker te repareren dan een gerucht. Hoe maakt TRACE van een geplakt antwoord een gecontroleerd antwoord? TRACE is een werkwijze in vijf stappen die een onderzoeksvraag omzet in een besluitdossier waarin elke claim die ertoe doet terug te voeren is op zijn bron. Het komt uit De geverifieerde research-loop, dat nu verkrijgbaar is in het Nederlands en het Engels. Je hebt het boek niet nodig om TRACE te gebruiken. 1. Target. Leg de vraag, de reikwijdte en de gewenste output vast voordat er ook maar één zoekopdracht draait. 2. Retrieve. Verzamel de echte brondocumenten, uit meer dan één hoek, in plaats van te vertrouwen op één zelfverzekerd antwoord. 3. Assess. Geef elke bron een rol: primair (dicht bij de gebeurtenis of de data), secundair (bericht erover), pleitend (gemaakt door iemand met een belang) of grijs (al het andere). Kijk daarna wat die bron kan dragen voor deze ene claim. 4. Cross-check. Leg voor elke claim waar het besluit op leunt vast wat elke bron er werkelijk over laat zien, één regel per bron, en houd tegenspraak en afhankelijkheid zichtbaar, in plaats van de memo aan te vullen met een symbolische tweede link. 5. Export. Lever de memo met een claimregister, zodat een ander het werk kan controleren zonder het over te doen. In de Nederlandse editie heten de stappen Richt de vraag, Verzamel, Beoordeel bronnen, Cross-check en Exporteer de besluitmemo. Een hypothetisch voorbeeld. Een marketingmanager plakt een ChatGPT-antwoord in een memo voor de directie: \"De verkoop van e-bikes in Nederland groeide in 2025 flink citeturn0search0.\" - Target: de directie beslist of er een tweede winkel komt. De groeiclaim draagt dat besluit, de alinea over de bedrijfsgeschiedenis niet. Controleer de eerste. - Retrieve: open de bronnen in de chat opnieuw, of zoek opnieuw, en open de pagina zelf in plaats van de samenvatting. - Assess: komt het cijfer van een statistiekbureau zoals het CBS (primair), uit een nieuwsbericht over die cijfers (secundair) of van een branchevereniging die e-bikes promoot (pleitend)? Gaat de passage over Nederland, over 2025 en over verkoop, of over iets wat erop lijkt, zoals import? - Cross-check: noteer wat elke bron over de claim zegt en of de ene de andere simpelweg heeft overgenomen. Is het statistiekbureau de enige echte bron, leg die afhankelijkheid dan vast in plaats van er een nieuwsbericht bij te zetten dat hetzelfde herhaalt. - Export: de memo krijgt per claim één regel: de claim, de link, de passage, en wie het wanneer controleerde. Het boek is voorzichtig over zijn eigen grenzen. TRACE maakt een onderzoeksdossier controleerbaar; dat het tot betere besluiten leidt, is niet aangetoond. Dat is ook de eerlijke belofte van deze werkwijze. Op de TRACE-frameworkpagina staat de versie op één pagina. Probeer dit vandaag (10 minuten) 1. Open de laatste drie documenten die je deelde en waarin een AI-antwoord is verwerkt. 2. Laat het patroon hierboven over elk document lopen. 3. Zoek bij elke treffer de pagina die de zin onderbouwt, of schrap de zin. 4. Noteer twee getallen: gevonden treffers en herstelde bronnen. Dat is de nulmeting van je team.","keyTakeaways":["citeturn0search0 markeert een plek waar een ChatGPT-antwoord naar een bron linkte. De link ging verloren bij het plakken.","Het laat zien dat een passage uit een ChatGPT-antwoord met zoekfunctie komt. Het noemt de pagina niet en bewijst de claim niet.","De code weghalen lost niets op. Zet de bron terug of schrap de claim.","Vraag om de bron, niet om een bekentenis."],"readingMinutes":9,"publishedAt":"2026-10-03T19:05:00.000Z"}},"degree":7},{"id":"article:what-is-founder-resilience","type":"article","pillar":"founder-performance","locales":{"en":{"label":"What is founder resilience? Capacity, not a mood","summary":"Founder resilience is trained capacity under load, not a mood that returns after a holiday. On this site the named model is RESILIENT, from The Psychology of Founder Resilience: nine capacities you train and budget, which are reappraisal, emotional granularity, somatic regulation, identity flexibility, learning orientation, interpersonal support, executive function, narrative integration, and titrated exposure. The four the book puts in public first are sleep, recovery, decision quality, and the social cover that lets a founder tell the truth. RESILIENT is an authorial dashboard, proposed and applied, not a validated clinical scale and not medical advice. The book is live. This page is the name. The capacity article is the spec.","url":"/en/blog/what-is-founder-resilience/","searchText":"What is founder resilience? Capacity, not a mood Founder resilience is trained capacity under load: sleep, recovery, decision quality, and the social cover that lets you tell the truth. It is not grit theatre, not a wellness brand, and not a clinical scale. The company can keep moving while you are its hidden single point of failure. That is what this word is for. Founder resilience is trained capacity under load, not a mood that returns after a holiday. On this site the named model is RESILIENT, from The Psychology of Founder Resilience: nine capacities you train and budget, which are reappraisal, emotional granularity, somatic regulation, identity flexibility, learning orientation, interpersonal support, executive function, narrative integration, and titrated exposure. The four the book puts in public first are sleep, recovery, decision quality, and the social cover that lets a founder tell the truth. RESILIENT is an authorial dashboard, proposed and applied, not a validated clinical scale and not medical advice. The book is live. This page is the name. The capacity article is the spec. what is founder resilience Resilience here is capacity you train and budget, not a slogan you recover. RESILIENT is an authorial dashboard, not a clinical instrument and not medical advice. The public four are sleep, recovery, decision quality, and social cover. The spec lives on the capacity page. This page is the name. The book owns the nine-capacity expansion. founder-resilience RESILIENT Nine-capacity model for founder performance under load. An authorial dashboard, not a clinical scale. founder resilience Trained capacity under load, not a mood after a holiday. Search \"founder resilience\" and you get a podcast about grinding harder, a wellness brand, and a comeback story told after the company already died. The useful version applies while the company is still moving. Founder resilience is trained capacity under load. Not a mood. Not a quote on a mug. The company can keep moving while the founder is its hidden single point of failure. Runway is tracked. Hiring is tracked. The person who signs the decisions runs on whatever is left and calls that commitment. If sleep is the first cut and \"grind harder\" is the only protocol on the table, what is missing is capacity, not another tactic. Not grit, not wellness, not a diagnosis Grit is a story you tell after you survived. It budgets nothing. Wellness is a market. This page is not selling a retreat. RESILIENT is an authorial dashboard, proposed and applied in The Psychology of Founder Resilience. It is not a validated clinical scale and it is not medical advice. If your judgment is impaired or the distress is clinical, the next step is professional care. No book page is a diagnosis. What the name points at The model names nine capacities: reappraisal, emotional granularity, somatic regulation, identity flexibility, learning orientation, interpersonal support, executive function, narrative integration, and titrated exposure. You do not have to memorise the list to use the idea. You do have to stop treating the founder as an infinite input. The four the book puts in public first are sleep, recovery, decision quality, and the social cover that lets you tell the truth. Those four get a spec, slack, and an owner on A holiday is not a refill protocol. That page is the spec. This page will not restage it, and it will not fake a workshop for the other five. A test for this week Answer three questions in writing, one line each. 1. What was cut first in the last hard week: sleep, recovery, or a decision you needed time to think about? 2. Who can hear the truth about the company from you without a performance? A name, not a role. 3. Which of those two answers has an owner and a date? If line two is blank, or line three says \"me, whenever\", you have endurance, not resilience. Endurance is the thing that runs out. The capacity page shows what to write next. Two pages Founder capacity is infrastructure is the spec. This page is the name. The Psychology of Founder Resilience is live. You do not need the hardcover to stop cutting sleep first.","keyTakeaways":["Resilience here is capacity you train and budget, not a slogan you recover.","RESILIENT is an authorial dashboard, not a clinical instrument and not medical advice.","The public four are sleep, recovery, decision quality, and social cover. The spec lives on the capacity page.","This page is the name. The book owns the nine-capacity expansion."],"readingMinutes":2,"publishedAt":"2026-09-24T07:00:00.000Z"},"nl":{"label":"Wat is oprichtersveerkracht? Capaciteit, geen stemming","summary":"Oprichtersveerkracht is getrainde capaciteit onder druk, geen stemming die na een vakantie terugkomt. Op deze site heet het benoemde model RESILIENT, uit De psychologie van oprichtersveerkracht: negen capaciteiten die je traint en begroot, namelijk re-evaluatie, emotionele granulariteit, somatische regulatie, identiteitsflexibiliteit, leeroriëntatie, interpersoonlijke steun, executieve functie, narratieve integratie en getitreerde blootstelling. De vier die het boek als eerste in het openbaar zet, zijn slaap, herstel, besluitkwaliteit en de sociale dekking waardoor een oprichter de waarheid kan vertellen. RESILIENT is een dashboard van de auteur, voorgesteld en toegepast, geen gevalideerde klinische schaal en geen medisch advies. Het boek is live. Deze pagina is de naam. Het capaciteitsartikel is de specificatie.","url":"/nl/blog/wat-is-oprichtersveerkracht/","searchText":"Wat is oprichtersveerkracht? Capaciteit, geen stemming Oprichtersveerkracht is getrainde capaciteit onder druk: slaap, herstel, besluitkwaliteit en de sociale dekking waardoor je de waarheid kunt vertellen. Het is geen grit-theater, geen wellnessmerk en geen klinische schaal. Het bedrijf kan doorgaan terwijl jij het verborgen single point of failure bent. Daar is dit woord voor. Oprichtersveerkracht is getrainde capaciteit onder druk, geen stemming die na een vakantie terugkomt. Op deze site heet het benoemde model RESILIENT, uit De psychologie van oprichtersveerkracht: negen capaciteiten die je traint en begroot, namelijk re-evaluatie, emotionele granulariteit, somatische regulatie, identiteitsflexibiliteit, leeroriëntatie, interpersoonlijke steun, executieve functie, narratieve integratie en getitreerde blootstelling. De vier die het boek als eerste in het openbaar zet, zijn slaap, herstel, besluitkwaliteit en de sociale dekking waardoor een oprichter de waarheid kan vertellen. RESILIENT is een dashboard van de auteur, voorgesteld en toegepast, geen gevalideerde klinische schaal en geen medisch advies. Het boek is live. Deze pagina is de naam. Het capaciteitsartikel is de specificatie. wat is oprichtersveerkracht Veerkracht is hier capaciteit die je traint en begroot, geen slogan waar je van bijkomt. RESILIENT is een dashboard van de auteur, geen klinisch instrument en geen medisch advies. De publieke vier zijn slaap, herstel, besluitkwaliteit en sociale dekking. De specificatie staat op de capaciteitspagina. Deze pagina is de naam. Het boek bezit de uitwerking van de negen capaciteiten. founder-resilience RESILIENT Model van negen capaciteiten voor de prestaties van een oprichter onder druk. Een dashboard van de auteur, geen klinische schaal. oprichtersveerkracht Getrainde capaciteit onder druk, geen stemming na een vakantie. Zoek op \"founder resilience\" en je krijgt een podcast over harder doorbeuken, een wellnessmerk en een comebackverhaal dat pas wordt verteld als het bedrijf al dood is. De bruikbare versie geldt terwijl het bedrijf nog draait. Oprichtersveerkracht is getrainde capaciteit onder druk. Geen stemming. Geen spreuk op een mok. Het bedrijf kan doorgaan terwijl de oprichter het verborgen single point of failure is. De runway wordt bijgehouden. De werving wordt bijgehouden. Degene die de besluiten tekent, draait op wat er overblijft en noemt dat toewijding. Als slaap de eerste bezuiniging is en \"harder doorgaan\" het enige protocol op tafel, dan ontbreekt er capaciteit, niet nóg een tactiek. Geen grit, geen wellness, geen diagnose Grit is een verhaal dat je achteraf vertelt, als je het hebt overleefd. Het begroot niets. Wellness is een markt. Deze pagina verkoopt geen retreat. RESILIENT is een dashboard van de auteur, voorgesteld en toegepast in De psychologie van oprichtersveerkracht. Het is geen gevalideerde klinische schaal en het is geen medisch advies. Is je oordeel aangetast of zijn de klachten klinisch, dan is professionele zorg de volgende stap. Geen enkele boekpagina is een diagnose. Waar de naam naar wijst Het model benoemt negen capaciteiten: re-evaluatie, emotionele granulariteit, somatische regulatie, identiteitsflexibiliteit, leeroriëntatie, interpersoonlijke steun, executieve functie, narratieve integratie en getitreerde blootstelling. Je hoeft de lijst niet uit je hoofd te kennen om het idee te gebruiken. Je moet wel ophouden de oprichter als onuitputtelijke input te behandelen. De vier die het boek als eerste in het openbaar zet, zijn slaap, herstel, besluitkwaliteit en de sociale dekking waardoor je de waarheid kunt vertellen. Die vier krijgen een specificatie, speling en een eigenaar op Een vakantie is geen protocol om bij te tanken. Die pagina is de specificatie. Deze pagina doet dat werk niet over, en gaat voor de andere vijf geen workshop naspelen. Een test voor deze week Beantwoord drie vragen op papier, één regel per vraag. 1. Wat sneuvelde het eerst in de laatste zware week: slaap, herstel, of een besluit waar je tijd voor had moeten nemen? 2. Wie kan van jou de waarheid over het bedrijf horen zonder dat je een optreden hoeft te geven? Een naam, geen functie. 3. Welk van die twee antwoorden heeft een eigenaar en een datum? Blijft regel twee leeg, of staat er bij regel drie \"ik, wanneer het uitkomt\", dan heb je uithoudingsvermogen, geen veerkracht. Uithoudingsvermogen is precies wat opraakt. Op de capaciteitspagina staat wat je daarna opschrijft. Twee pagina's Het stuk over capaciteit als infrastructuur is de specificatie. Deze pagina is de naam. De psychologie van oprichtersveerkracht is live. Je hebt de hardcover niet nodig om te stoppen met slaap als eerste bezuiniging.","keyTakeaways":["Veerkracht is hier capaciteit die je traint en begroot, geen slogan waar je van bijkomt.","RESILIENT is een dashboard van de auteur, geen klinisch instrument en geen medisch advies.","De publieke vier zijn slaap, herstel, besluitkwaliteit en sociale dekking. De specificatie staat op de capaciteitspagina.","Deze pagina is de naam. Het boek bezit de uitwerking van de negen capaciteiten."],"readingMinutes":3,"publishedAt":"2026-09-24T07:05:00.000Z"}},"degree":7},{"id":"article:what-is-grain","type":"article","pillar":"ai-systems","locales":{"en":{"label":"What is GRAIN? The inspectable retrieval loop","summary":"GRAIN is a retrieval loop with five named moves from The RAG Engineer: Gather corpora, Rank and rerank, Assemble context, Inspect failures, and Navigate freshness. If you cannot inspect the retrieved and supplied passages, you do not have inspectable retrieval. You have a fluent guess. It is not a metaphor for grain size, not a cereal brand, and not the sentence 'we added a vector store.' RAG names the architecture. GRAIN names the production boundaries. The RAG Engineer owns the chapter-length build and is live in English and Dutch paperback, hardcover, and Kindle. This page is the letters.","url":"/en/blog/what-is-grain/","searchText":"What is GRAIN? The inspectable retrieval loop GRAIN is a retrieval loop: Gather, Rank, Assemble, Inspect, Navigate. If you cannot point at the passage the model used, you do not have retrieval. You have a fluent guess. It is not grain size and not a vector store. RAG names the architecture. GRAIN names the honesty check. GRAIN is a retrieval loop with five named moves from The RAG Engineer: Gather corpora, Rank and rerank, Assemble context, Inspect failures, and Navigate freshness. If you cannot inspect the retrieved and supplied passages, you do not have inspectable retrieval. You have a fluent guess. It is not a metaphor for grain size, not a cereal brand, and not the sentence 'we added a vector store.' RAG names the architecture. GRAIN names the production boundaries. The RAG Engineer owns the chapter-length build and is live in English and Dutch paperback, hardcover, and Kindle. This page is the letters. GRAIN Gather Rank Assemble Inspect Navigate GRAIN = Gather corpora, Rank and rerank, Assemble context, Inspect failures, Navigate freshness. RAG is the architecture. GRAIN is the honesty check. A vector store without Inspect is still a fluent guess with extra plumbing. This page is the meaning. What is RAG owns the method. The book owns the expansion. ai-agents GRAIN Gather corpora, Rank and rerank, Assemble context, Inspect failures, Navigate freshness. RAG Look up a named passage, then write. Retrieval is the product. People search \"GRAIN\" after a slide used the letters and nobody wrote down the moves. Some of them meant cereal. Some meant a vector database. The useful object is smaller. What is GRAIN? A retrieval loop: Gather corpora, Rank and rerank, Assemble context, Inspect failures, Navigate freshness. If you cannot inspect the retrieved and supplied passages, you do not have inspectable retrieval. You have a fluent guess. What is RAG? owns the architecture. This page owns the letters and the collision. The five moves Not a product pack. Five jobs with owners. Gather. Corpora: sources, permissions, structure, versions. Wrong splits and stripped metadata fail here, before any embedding argument starts. Rank. Retrieve candidates and rerank them for the question actually asked. In the index but not in the top-k is a Rank miss, not a model miss. Assemble. Context budget, ordering, citations. Right chunks retrieved, then dropped, buried, or duplicated, is an Assemble miss. Inspect. Traces, evals, bad-chunk analysis. If the team cannot name which boundary failed, the regression ships undetected. Evaluate the reasoning, not the fluency is the same demand in other clothes. Navigate. Freshness: updates, staleness, TTL. Confident answers from superseded documents fail here, not at the embedding. The lamp is Inspect. Demo quality dies there. Freshness is Navigate. Do not smuggle \"the next lookup\" into the N. Collision control Not grain size. Not a milling metaphor. Not a cereal brand. Not \"we added a vector store.\" A store covers part of retrieval. It does not supply reranking, context assembly, failure inspection, or freshness control. Not RAG itself. RAG, retrieval-augmented generation, is the method: look up a named passage, then write. GRAIN is how you keep that method honest. You can have RAG theatre without GRAIN. You cannot have GRAIN without retrieval. If someone says GRAIN and means a vendor feature named Grain, ask which of the five moves they own. Empty answer, empty loop. What this page is not It is not the book-length build: chunking, hybrid retrieval, rerankers, grounding, freshness, evals, drift. It is not a chunking tutorial. It is not a bake-off. The RAG Engineer owns the expansion. It is live in English and Dutch paperback, hardcover, and Kindle. You do not need the hardcover to fail a demo that cannot open its own citation. Write the five moves on a card. Run one failure trace. If you cannot locate the failed boundary, the retrieval system is not inspectable.","keyTakeaways":["GRAIN = Gather corpora, Rank and rerank, Assemble context, Inspect failures, Navigate freshness.","RAG is the architecture. GRAIN is the honesty check.","A vector store without Inspect is still a fluent guess with extra plumbing.","This page is the meaning. What is RAG owns the method. The book owns the expansion."],"readingMinutes":2,"publishedAt":"2026-09-15T07:00:00.000Z"},"nl":{"label":"Wat is GRAIN? De inspecteerbare retrieval-loop","summary":"GRAIN is een retrieval-loop met vijf benoemde zetten uit De RAG-engineer: Gather corpora, Rank and rerank, Assemble context, Inspect failures en Navigate freshness. Kun je de opgehaalde en aangeleverde passages niet inspecteren, dan heb je geen inspecteerbare retrieval. Je hebt een vloeiende gok. Het is geen metafoor voor korrelgrootte, geen ontbijtmerk en niet de zin 'we hebben een vector store toegevoegd.' RAG noemt de architectuur. GRAIN noemt de productieranden. De RAG-engineer bevat de hoofdstuklange uitwerking en is live in het Engels en het Nederlands als paperback, hardcover en Kindle. Deze pagina gaat over de letters.","url":"/nl/blog/wat-is-grain/","searchText":"Wat is GRAIN? De inspecteerbare retrieval-loop GRAIN is een retrieval-loop: corpora verzamelen, ranken en herranken, context assembleren, storingen inspecteren, actualiteit navigeren. Kun je de opgehaalde passages niet inspecteren, dan heb je geen retrieval. Je hebt een vloeiende gok. RAG noemt de architectuur. GRAIN noemt de productieranden. GRAIN is een retrieval-loop met vijf benoemde zetten uit De RAG-engineer: Gather corpora, Rank and rerank, Assemble context, Inspect failures en Navigate freshness. Kun je de opgehaalde en aangeleverde passages niet inspecteren, dan heb je geen inspecteerbare retrieval. Je hebt een vloeiende gok. Het is geen metafoor voor korrelgrootte, geen ontbijtmerk en niet de zin 'we hebben een vector store toegevoegd.' RAG noemt de architectuur. GRAIN noemt de productieranden. De RAG-engineer bevat de hoofdstuklange uitwerking en is live in het Engels en het Nederlands als paperback, hardcover en Kindle. Deze pagina gaat over de letters. GRAIN Gather Rank Assemble Inspect Navigate GRAIN = Gather corpora, Rank and rerank, Assemble context, Inspect failures, Navigate freshness. RAG is de architectuur. GRAIN is de eerlijkheidscheck. Een vector store dekt maar een deel van retrieval. Deze pagina is de betekenis. Wat is RAG behandelt de methode. Het boek bevat de uitwerking. ai-agents GRAIN Gather corpora, Rank and rerank, Assemble context, Inspect failures, Navigate freshness. RAG Zoek een benoemde passage op, schrijf daarna. Retrieval is het product. Mensen zoeken \"GRAIN\" nadat een slide de letters gebruikte en niemand de zetten opschreef. Sommigen bedoelden ontbijt. Sommigen een vectordatabase. Het nuttige object is kleiner. Wat is GRAIN? Een retrieval-loop: Gather corpora, Rank and rerank, Assemble context, Inspect failures, Navigate freshness. Kun je de opgehaalde en aangeleverde passages niet inspecteren, dan heb je geen inspecteerbare retrieval. Je hebt een vloeiende gok. Wat is RAG? behandelt de architectuur. Deze pagina behandelt de afkorting en de spraakverwarring. De vijf zetten Geen productpakket. Vijf klussen met eigenaren. Gather. Corpora: bronnen, permissies, structuur, versies. Verkeerde splits en verminkte metadata vallen hier door de mand, vóór elk embedding-debat begint. Rank. Haal kandidaten op en herrank ze voor de vraag die gesteld is. In de index maar niet in de top-k is een Rank-misser, geen modelmisser. Assemble. Contextbudget, volgorde, citaties. Juiste chunks opgehaald, daarna weggelaten, begraven of gedupliceerd, is een Assemble-misser. Inspect. Traces, evals, analyse van slechte chunks. Kan het team het punt waar het misging niet benoemen, dan gaat de regressie ongezien live. Evalueer de redenering, niet de vloeiendheid is dezelfde eis in een ander jasje. Navigate. Actualiteit: updates, veroudering, TTL. Zelfverzekerde antwoorden uit achterhaalde documenten zakken hier, niet bij de embedding. De lamp is Inspect. Demokwaliteit sterft daar. Actualiteit is Navigate. Smokkel \"de volgende lookup\" niet de N in. Botsingsbeheer Geen korrelgrootte. Geen maalmetafoor. Geen ontbijtmerk. Niet \"we hebben een vector store toegevoegd.\" Een store dekt een deel van retrieval. Hij levert geen herranking, geen contextassemblage, geen storingsinspectie en geen actualiteitsbeheer. Niet RAG zelf. RAG, retrieval-augmented generation, is de methode: zoek een benoemde passage op, schrijf daarna. GRAIN is hoe je die methode eerlijk houdt. Je kunt RAG-theater hebben zonder GRAIN. Je kunt geen GRAIN hebben zonder retrieval. Zegt iemand GRAIN en bedoelt die een leveranciersfeature met die naam, vraag dan welke van de vijf zetten die feature dekt. Leeg antwoord, lege loop. Wat deze pagina niet is Geen hoofdstuklange uitwerking. Geen chunking-tutorial. Geen bake-off. De RAG-engineer bezit de uitwerking. Hij is live in het Engels en het Nederlands als paperback, hardcover en Kindle. Je hebt de hardcover niet nodig om een demo te laten zakken die zijn eigen citatie niet kan openen. Schrijf de vijf zetten op een kaart. Draai één storingsspoor. Kun je het punt waar het misging niet vinden, dan is het retrieval-systeem niet inspecteerbaar.","keyTakeaways":["GRAIN = Gather corpora, Rank and rerank, Assemble context, Inspect failures, Navigate freshness.","RAG is de architectuur. GRAIN is de eerlijkheidscheck.","Een vector store dekt maar een deel van retrieval.","Deze pagina is de betekenis. Wat is RAG behandelt de methode. Het boek bevat de uitwerking."],"readingMinutes":2,"publishedAt":"2026-09-15T07:05:00.000Z"}},"degree":11},{"id":"article:what-is-hybrid-search","type":"article","pillar":"ai-systems","locales":{"en":{"label":"What is hybrid search? Two indexes, one inspectable hit","summary":"Hybrid search is retrieval that runs two signals over the same corpus, a sparse lexical index such as BM25 and a dense vector index, computes each independently, and fuses the two rankings before the model writes. Lexical search catches exact identifiers, error codes, and rare names. Vector search catches paraphrase. Either alone drops a class of honest questions, and 'we added embeddings' is not hybrid. In GRAIN, the loop from The RAG Engineer, hybrid retrieval lives in Rank, and it does not excuse Inspect: if you cannot open the passage that was supplied, the fused score is decoration. The RAG Engineer is live. This page is the split, not the full loop.","url":"/en/blog/what-is-hybrid-search/","searchText":"What is hybrid search? Two indexes, one inspectable hit Hybrid search runs a lexical index and a vector index over the same corpus and fuses the two rankings before the model writes. A vector store alone is not hybrid. If you cannot open the passage the model used, you still have a fluent guess. Keywords catch the name. Vectors catch the paraphrase. You still have to open the hit. Hybrid search is retrieval that runs two signals over the same corpus, a sparse lexical index such as BM25 and a dense vector index, computes each independently, and fuses the two rankings before the model writes. Lexical search catches exact identifiers, error codes, and rare names. Vector search catches paraphrase. Either alone drops a class of honest questions, and 'we added embeddings' is not hybrid. In GRAIN, the loop from The RAG Engineer, hybrid retrieval lives in Rank, and it does not excuse Inspect: if you cannot open the passage that was supplied, the fused score is decoration. The RAG Engineer is live. This page is the split, not the full loop. what is hybrid search Hybrid means two retrieval signals fused, not a vector store with a marketing name. Lexical wins on identifiers. Vectors win on paraphrase. Production corpora need both. A fused hit you cannot open is still a fluent guess. This page is the Rank split. What is RAG owns the method. GRAIN owns the honesty check. ai-agents hybrid search Lexical and vector retrieval over one corpus, fused before the model writes. GRAIN Gather corpora, Rank and rerank, Assemble context, Inspect failures, Navigate freshness. Search \"hybrid search RAG\" and the first page is vendors who renamed embeddings. The operator version is smaller. Hybrid search runs two indexes over the same corpus. A lexical index, BM25 or a learned sparse model, scores exact terms. A vector index scores meaning. Each returns its own ranked list. You fuse the two lists, and only then is the model allowed to write from the hits. The RAG Engineer calls the same thing hybrid retrieval. Lexical search is still how you find an error code, a SKU, a proper name, a clause number. Those tokens are rare on purpose, and an embedding model tends to blur them. Vector search is still how you find the paragraph that never used your words. Honest questions come in both shapes. One index picks a side and loses the other. Not \"we added a vector store\", not magic fusion A vector store without a lexical path is dense retrieval with a budget. Useful, and not hybrid. A keyword search with an embedding rerank of the same keyword hits is a rerank, not a second index. Also useful. Also different. Fusion is plumbing. Reciprocal rank fusion ignores the raw scores and adds up each document's reciprocal rank across the two lists. Score normalisation squashes the scores onto one scale first. The RAG Engineer treats RRF as the safer default. Neither proves that the passage on screen is the passage you would accept in a dispute. Where it sits in GRAIN GRAIN is Gather corpora, Rank and rerank, Assemble context, Inspect failures, Navigate freshness. Hybrid retrieval is the first half of Rank: two signals in, one fused candidate list out, reranker after. It does not replace Assemble, which decides what actually fits in the window. It does not replace Inspect, which asks whether the right chunk was fetched and used. It does not replace Navigate, which asks whether the passage is still current. Skip Inspect because the fused score looked confident and you have built a fluent miss with more maths. A test for this week Pull twenty real queries from your logs. Mark the ones where you would expect exact-term matching to win: identifiers, names, codes. Run them against your current retriever and count how many of those land in the top ten. That count is your case for hybrid, before anyone argues about fusion parameters. If the exact-term queries already land, hybrid is not your first problem. If they miss, no reranker will recover a chunk that never entered the candidate list. Two pages What is RAG? owns the method. What is GRAIN? owns the loop. This page is the Rank split. The RAG Engineer is live. You do not need the hardcover to stop shipping a vector-only demo as \"hybrid\".","keyTakeaways":["Hybrid means two retrieval signals fused, not a vector store with a marketing name.","Lexical wins on identifiers. Vectors win on paraphrase. Production corpora need both.","A fused hit you cannot open is still a fluent guess.","This page is the Rank split. What is RAG owns the method. GRAIN owns the honesty check."],"readingMinutes":3,"publishedAt":"2026-09-29T07:00:00.000Z"},"nl":{"label":"Wat is hybride zoeken? Twee indexen, één inspecteerbare treffer","summary":"Hybride zoeken is retrieval die twee signalen over hetzelfde corpus draait, een sparse lexicale index zoals BM25 en een dense vectorindex, elk apart berekent en daarna de twee ranglijsten fuseert voordat het model schrijft. Lexicaal zoeken vangt exacte identifiers, foutcodes en zeldzame namen. Vectorzoeken vangt parafrase. Elk alleen laat een klasse eerlijke vragen vallen, en 'we hebben embeddings toegevoegd' is niet hybride. In GRAIN, de loop uit De RAG-engineer, zit hybride retrieval in Rank, en het ontslaat je niet van Inspect: kun je de aangeleverde passage niet openen, dan is de gefuseerde score versiering. De RAG-engineer is live. Deze pagina is de splitsing, niet de hele loop.","url":"/nl/blog/wat-is-hybride-zoeken/","searchText":"Wat is hybride zoeken? Twee indexen, één inspecteerbare treffer Hybride zoeken draait een lexicale index en een vectorindex over hetzelfde corpus en fuseert de twee ranglijsten voordat het model schrijft. Een vector store alleen is niet hybride. Kun je de passage die het model gebruikte niet openen, dan heb je nog steeds een vloeiende gok. Trefwoorden vangen de naam. Vectoren vangen de parafrase. De treffer moet je nog steeds openen. Hybride zoeken is retrieval die twee signalen over hetzelfde corpus draait, een sparse lexicale index zoals BM25 en een dense vectorindex, elk apart berekent en daarna de twee ranglijsten fuseert voordat het model schrijft. Lexicaal zoeken vangt exacte identifiers, foutcodes en zeldzame namen. Vectorzoeken vangt parafrase. Elk alleen laat een klasse eerlijke vragen vallen, en 'we hebben embeddings toegevoegd' is niet hybride. In GRAIN, de loop uit De RAG-engineer, zit hybride retrieval in Rank, en het ontslaat je niet van Inspect: kun je de aangeleverde passage niet openen, dan is de gefuseerde score versiering. De RAG-engineer is live. Deze pagina is de splitsing, niet de hele loop. wat is hybride zoeken Hybride betekent twee retrievalsignalen gefuseerd, geen vector store met een marketingnaam. Lexicaal wint op identifiers. Vectoren winnen op parafrase. Een productiecorpus heeft beide nodig. Een gefuseerde treffer die je niet kunt openen, blijft een vloeiende gok. Deze pagina is de Rank-splitsing. Wat is RAG bezit de methode. GRAIN bezit de eerlijkheidscheck. ai-agents hybride zoeken Lexicale en vectorretrieval over één corpus, gefuseerd voordat het model schrijft. GRAIN Gather corpora, Rank and rerank, Assemble context, Inspect failures, Navigate freshness. Zoek op \"hybrid search RAG\" en de eerste pagina staat vol leveranciers die embeddings een nieuwe naam hebben gegeven. De operatorversie is kleiner. Hybride zoeken draait twee indexen over hetzelfde corpus. Een lexicale index, BM25 of een geleerd sparse model, scoort exacte termen. Een vectorindex scoort betekenis. Elk levert een eigen ranglijst. Die twee lijsten fuseer je, en pas daarna mag het model schrijven vanuit de treffers. In De RAG-engineer heet hetzelfde hybride retrieval. Lexicaal zoeken is nog altijd hoe je een foutcode, een SKU, een eigennaam of een artikelnummer terugvindt. Zulke tokens zijn met opzet zeldzaam, en een embeddingmodel smeert ze uit. Vectorzoeken is nog altijd hoe je de alinea vindt die jouw woorden nooit gebruikte. Eerlijke vragen komen in beide vormen. Eén index kiest een kant en verliest de andere. Geen \"we hebben een vector store toegevoegd\", geen magische fusie Een vector store zonder lexicaal pad is dense retrieval met een budget. Nuttig, en niet hybride. Op trefwoorden zoeken en dezelfde treffers daarna met embeddings herordenen is een rerank, geen tweede index. Ook nuttig. Ook iets anders. Fusie is leidingwerk. Reciprocal rank fusion negeert de ruwe scores en telt per document de omgekeerde rangen uit beide lijsten bij elkaar op. Scorenormalisatie zet de scores eerst op één schaal. De RAG-engineer houdt RRF aan als de veiligere standaard. Geen van beide bewijst dat de passage op het scherm de passage is die je in een geschil zou accepteren. Waar het in GRAIN zit GRAIN is Gather corpora, Rank and rerank, Assemble context, Inspect failures, Navigate freshness. Hybride retrieval is de eerste helft van Rank: twee signalen erin, één gefuseerde kandidatenlijst eruit, de reranker erna. Het vervangt Assemble niet, want dat bepaalt wat er echt in het venster past. Het vervangt Inspect niet, want dat vraagt of de juiste chunk is opgehaald en gebruikt. Het vervangt Navigate niet, want dat vraagt of de passage nog actueel is. Sla je Inspect over omdat de gefuseerde score zelfverzekerd oogde, dan heb je een vloeiende misser gebouwd met meer wiskunde. Een test voor deze week Haal twintig echte zoekvragen uit je logs. Markeer de vragen waarvan je verwacht dat exacte termen winnen: identifiers, namen, codes. Draai ze door je huidige retriever en tel hoeveel daarvan in de top tien landen. Dat aantal is je argument voor hybride, nog voordat iemand over fusieparameters begint. Landen de exacte-termvragen al, dan is hybride niet je eerste probleem. Missen ze, dan haalt geen reranker een chunk terug die nooit in de kandidatenlijst heeft gestaan. Twee pagina's Wat is RAG? bezit de methode. Wat is GRAIN? bezit de loop. Deze pagina is de Rank-splitsing. De RAG-engineer is live. Je hebt de hardcover niet nodig om niet langer een vector-only demo als \"hybride\" uit te leveren.","keyTakeaways":["Hybride betekent twee retrievalsignalen gefuseerd, geen vector store met een marketingnaam.","Lexicaal wint op identifiers. Vectoren winnen op parafrase. Een productiecorpus heeft beide nodig.","Een gefuseerde treffer die je niet kunt openen, blijft een vloeiende gok.","Deze pagina is de Rank-splitsing. Wat is RAG bezit de methode. GRAIN bezit de eerlijkheidscheck."],"readingMinutes":3,"publishedAt":"2026-09-29T07:05:00.000Z"}},"degree":5},{"id":"article:what-is-level","type":"article","pillar":"founder-performance","locales":{"en":{"label":"What is LEVEL? A five-step check before you act on a claim","summary":"LEVEL is a five-step check for deciding how far to rely on one claim before you act on it. Locate the claim in one checkable sentence. Estimate what being wrong, or waiting, would cost. Value the evidence: what kind it is and how good. Expose the gap between that evidence and what the decision needs. Lean accordingly: act only as far as evidence and stakes allow, with an owner and a review date. It comes from the book The Evidence-Aware Life.","url":"/en/blog/what-is-level/","searchText":"What is LEVEL? A five-step check before you act on a claim LEVEL is a five-step check for any claim you might act on: Locate, Estimate, Value, Expose, Lean. A plain definition, a worked example and a card to copy. The same evidence can be good enough for a small test and too weak for a big commitment. LEVEL is how you tell the two apart. LEVEL is a five-step check for deciding how far to rely on one claim before you act on it. Locate the claim in one checkable sentence. Estimate what being wrong, or waiting, would cost. Value the evidence: what kind it is and how good. Expose the gap between that evidence and what the decision needs. Lean accordingly: act only as far as evidence and stakes allow, with an owner and a review date. It comes from the book The Evidence-Aware Life. what is LEVEL Locate Estimate Value Expose Lean LEVEL stands for Locate, Estimate, Value, Expose, Lean: five questions you ask before you act on a claim. How good the evidence is and how costly a mistake would be are two separate questions. Stakes change what you do, not whether the claim is true. The same claim can justify a cheap test and still be too weak for a large, hard-to-reverse commitment. The output is a five-line record ending in a bounded next step with an owner, a limit and a review date. LEVEL is the author's practical method, not a truth score or a validated clinical scale. founder-resilience LEVEL A five-step check for how far to rely on one claim before acting: Locate the claim, Estimate the stakes, Value the evidence, Expose the gap, Lean accordingly. From The Evidence-Aware Life. Evidence Ladder Seven kinds of support for a claim (assertion, anecdote, authority, mechanism, study, convergence, your own test). Categories that prompt questions, not a quality score. Borrowed certainty Believing a claim because it arrived confidently packaged, rather than because of the evidence under it. Stakes What it costs to act on a claim that turns out wrong, to ignore one that turns out right, or to wait, and whether the choice can be undone. LEVEL is a five-step check for deciding how far to rely on one claim before you act on it: Locate the claim, Estimate the stakes, Value the evidence, Expose the gap, and Lean accordingly. It comes from The Evidence-Aware Life, a book by Len P. van der Hof that is available now in English and Dutch. You do not need the book to use it. Everything you need is on this page. The idea behind it fits in one sentence: the same evidence can be good enough for a small test and too weak for a big commitment. LEVEL keeps those two questions apart and makes you write down which one you are answering. What problem does LEVEL solve? Most bad calls do not start with a lie. They start with a claim that arrived well dressed: a confident tone, a credential, a clean chart, a friend who swears by it. The book calls this borrowed certainty: believing something because of how it was packaged rather than what supports it. LEVEL is a short routine for looking past the packaging. It does not tell you whether a claim is true. It tells you what the claim can justify right now, for this decision, and what you would need to know before you do more. What do the five steps mean? Step The question you ask In plain words --- --- --- Locate the claim What exactly is being claimed? Write it as one sentence someone could check. If you cannot, you are judging the packaging, not the claim. Estimate the stakes What does it cost if I act and I am wrong? If I ignore it and it was right? If I wait? Money, time, safety, and whether you can undo it. Stakes decide how careful you need to be. They do not make the claim more or less likely to be true. Value the evidence What supports this, and how good is that support? Name the kind of evidence you actually hold, then check its quality, its independence (are three sources really one?) and whether it fits your situation. Expose the gap What is missing that could change my decision? The distance between the evidence you hold and what this decision needs. Stating the strongest case against the claim is a good way to find it. Lean accordingly How far should I act? Act only as far as evidence and stakes allow: go ahead, run a small test, ask a qualified person, or wait until a set date. Write down who does what, the limit, and what would make you look again. The result is a record of five short lines. It is written to be read later, by you or by someone else, so they can see what you knew when you decided. The LEVEL framework page keeps the one-line version of each step. A worked example: \"This heat pump will halve your energy bill\" Imagine you own a house heated by a gas boiler. An installer visits and says a heat pump will halve your energy bill. The example is hypothetical: the promise belongs to an imaginary installer, not to any real product. Locate. \"Halve your energy bill\" hides several claims. A heat pump runs on electricity instead of gas, as Milieu Centraal, the Dutch public information centre on energy, explains. So your gas use goes down while your electricity use goes up. \"Halve our gas use\" and \"halve our total energy cost\" are different claims. And compared with which year, at which prices, in which house? A checkable version reads: \"In our house, heated the way we heat it now, the heat pump will cut our yearly gas-plus-electricity cost to about half of last year's.\" Estimate. The purchase is expensive and you will not undo it next month. If you act and the claim is wrong, you have paid for savings that never arrive. If you refuse and it was right, you keep paying more than you need to. Waiting costs you another winter on the current bill. High stakes and little room to reverse justify careful checking. None of this makes the installer more or less likely to be right. Value. List what you actually hold. The promise itself is an assertion until someone shows how it was worked out. The neighbour whose bill dropped is an anecdote, from a different house and a different winter. The installer is an authority, and also a seller. The mechanism is real: a heat pump uses electricity and often draws heat from the outside air, which is why it is efficient. But a mechanism tells you why something could work, not how much it will save in your house. If three neighbours quote the same installer's figure, you have one source, not three. Expose. The installer's \"half\" rests on assumptions about your house. Milieu Centraal notes that which type of heat pump suits a home depends on how well it is insulated. So the missing piece is plain: what insulation, energy prices and usage did the calculation assume, and do they match yours? You can get that answer before you sign. Lean. Do not sign today, and do not drop the idea either. Ask the installer for the calculation in writing, with its assumptions. Put your own meter readings from last year next to it. Get a second quote from another installer. Owner: you. Limit: no deposit before the written calculation. Review trigger: if the assumptions do not match your house, \"half\" is off the table; if they do, you decide with a real number instead of a sales line. Same five steps, a different answer The book shows the same method producing different next steps. Mara, a physiotherapist in the book (a composite character, not a real person), runs LEVEL twice. First on a supplement she takes every morning. The stakes include safety and interactions, not only the price, and her support is a testimonial, a plausible mechanism and her own uncontrolled experience. Her Lean: take the claim and her history to a pharmacist or clinician, and stop presenting the benefit as proven. Then on whether music helps her finish her administrative notes. Little is at risk and the trial is easy to stop. Her Lean: a short planned comparison of quiet and music sessions, with a rule to stop if the work suffers. The method stayed the same. The claim, the evidence and the stakes changed, so the next step changed too. What is the Evidence Ladder behind the Value step? The Value step uses a second tool from the book, the Evidence Ladder. Its seven rungs name the kinds of support you will meet: 1. Assertion: someone said it. 2. Anecdote: it happened to someone. 3. Authority: a qualified person says so. 4. Mechanism: there is a plausible reason it should be true. 5. Study: one real test looked at it. 6. Convergence: several independent lines of evidence point the same way. 7. Your own test: a planned comparison in your own situation. The order runs from bare assertion toward tested evidence, but the rungs are categories, not scores. A poor study does not beat careful expert judgment just because it is a study. Quality, independence and relevance still have to be checked on every rung. One well-known result shows why a single study is a rung and not a verdict. When the Open Science Collaboration repeated 100 studies from three psychology journals, 97% of the originals had statistically significant results, but only 36% of the repeats did, and the repeated effects were on average half as large. That finding describes those studies. It is not a failure rate for all of science. Why keep \"how good\" and \"how costly\" apart? Because mixing them is a classic error, and medicine built a system to avoid it. GRADE rates the quality of evidence separately from the strength of a recommendation; by 2008 more than 25 organisations, including the World Health Organization and Cochrane, had adopted it. Its authors put the point bluntly in the BMJ: \"High quality evidence doesn't necessarily imply strong recommendations, and strong recommendations can arise from low quality evidence.\" LEVEL borrows that separation for everyday claims. Value is about the evidence. Estimate is about the consequences. Lean is where the two meet. The book credits GRADE and states that its Ladder is a teaching tool, not a clinical grading system. What LEVEL is not - Not a truth score. It produces a decision record, not a number. - Not a replacement for experts. For health, legal or money decisions, asking a qualified person is often the right Lean. - Not a validated intervention. The book presents LEVEL as the author's practical method and says plainly that the combined method has not been shown to improve outcomes. Judge it by whether it helps you decide. - Not CALIBRATE. LEVEL checks one claim before one decision. CALIBRATE, from The Calibrated Mind, checks over many decisions whether your confidence matches what actually happens. What calibration means explains that second idea. If you want to keep LEVEL records over time, they fit naturally into an evidence ledger: a list with one row per claim, its source, and what would retire it. The LEVEL card Copy this into a note, a document or the back of an envelope. text LEVEL card Date: Locate The claim, in one checkable sentence: Estimate Cost if I act and it is wrong: Cost if I ignore it and it is right: Cost of waiting / can I undo it? Value Evidence I actually hold (which rung?): Quality, independence, relevance: Expose The missing piece that could change my mind: Can I get it in time? Lean Next step: Owner: Limit: Review date or trigger: Try this today (15 minutes) Pick one claim you are about to act on this week: a supplier's promise, a statistic in a slide deck, a tip a colleague swears by. Fill in the card. If you cannot write the Locate line in one sentence, stop there. That is your finding, and it is worth more than the other four lines. If your Lean line says \"test\", put the review date in your calendar before you close the note.","keyTakeaways":["LEVEL stands for Locate, Estimate, Value, Expose, Lean: five questions you ask before you act on a claim.","How good the evidence is and how costly a mistake would be are two separate questions. Stakes change what you do, not whether the claim is true.","The same claim can justify a cheap test and still be too weak for a large, hard-to-reverse commitment.","The output is a five-line record ending in a bounded next step with an owner, a limit and a review date.","LEVEL is the author's practical method, not a truth score or a validated clinical scale."],"readingMinutes":8,"publishedAt":"2026-09-25T07:00:00.000Z"},"nl":{"label":"Wat is LEVEL? Een check in vijf stappen voordat je op een bewering afgaat","summary":"LEVEL is een check in vijf stappen om te bepalen hoe ver je op één bewering kunt bouwen voordat je ernaar handelt. Locate: schrijf de bewering op als één controleerbare zin. Estimate: schat wat ongelijk hebben of wachten kost. Value: weeg het bewijs, naar soort en kwaliteit. Expose: benoem wat er ontbreekt voor deze beslissing. Lean: handel alleen zo ver als bewijs en inzet toelaten, met een eigenaar en een datum om opnieuw te kijken. De check komt uit het boek Het bewijsbewuste leven.","url":"/nl/blog/wat-is-level/","searchText":"Wat is LEVEL? Een check in vijf stappen voordat je op een bewering afgaat LEVEL is een check in vijf stappen voor elke bewering waar je op wilt handelen: Locate, Estimate, Value, Expose, Lean. Met uitleg, voorbeeld en een kaart. Hetzelfde bewijs kan goed genoeg zijn voor een kleine proef en te zwak voor een grote beslissing. Met LEVEL zie je welke van de twee het is. LEVEL is een check in vijf stappen om te bepalen hoe ver je op één bewering kunt bouwen voordat je ernaar handelt. Locate: schrijf de bewering op als één controleerbare zin. Estimate: schat wat ongelijk hebben of wachten kost. Value: weeg het bewijs, naar soort en kwaliteit. Expose: benoem wat er ontbreekt voor deze beslissing. Lean: handel alleen zo ver als bewijs en inzet toelaten, met een eigenaar en een datum om opnieuw te kijken. De check komt uit het boek Het bewijsbewuste leven. wat is LEVEL Locate Estimate Value Expose Lean LEVEL staat voor Locate, Estimate, Value, Expose, Lean: vijf vragen die je stelt voordat je op een bewering handelt. Hoe goed het bewijs is en hoe duur een vergissing zou zijn, zijn twee losse vragen. De inzet verandert wat je doet, niet of de bewering klopt. Dezelfde bewering kan een goedkope proef rechtvaardigen en toch te zwak zijn voor een grote beslissing die je moeilijk terugdraait. Wat je overhoudt is een verslag van vijf regels dat eindigt in een afgebakende volgende stap, met eigenaar, grens en datum om opnieuw te kijken. LEVEL is een praktische methode van de auteur, geen waarheidsscore en geen gevalideerde klinische schaal. founder-resilience LEVEL Een check in vijf stappen om te bepalen hoe ver je op één bewering kunt bouwen voordat je handelt: Locate (maak de bewering precies), Estimate (schat de inzet), Value (weeg het bewijs), Expose (leg het gat bloot), Lean (handel ernaar). Uit Het bewijsbewuste leven. Bewijsladder Zeven soorten onderbouwing voor een bewering (bewering, anekdote, autoriteit, mechanisme, studie, convergentie, je eigen test). Categorieën die vragen oproepen, geen kwaliteitsscore. Geleende zekerheid Een bewering geloven omdat ze stellig verpakt binnenkwam, niet omdat er bewijs onder zit. Inzet Wat het kost om te handelen op een bewering die niet klopt, om een bewering te negeren die wel klopt, of om te wachten, en of je die keuze kunt terugdraaien. LEVEL is een check in vijf stappen om te bepalen hoe ver je op één bewering kunt bouwen voordat je ernaar handelt: Locate (maak de bewering precies), Estimate (schat de inzet), Value (weeg het bewijs), Expose (leg het gat bloot) en Lean (handel ernaar). De check komt uit Het bewijsbewuste leven, een boek van Len P. van der Hof dat in het Nederlands en het Engels verkrijgbaar is. Je hebt het boek niet nodig om ermee te werken: alles wat je nodig hebt, staat op deze pagina. De stapnamen blijven Engels, net als in de Nederlandse editie. Het idee past in één zin: hetzelfde bewijs kan goed genoeg zijn voor een kleine proef en te zwak voor een grote beslissing. LEVEL houdt die twee vragen uit elkaar en dwingt je op te schrijven welke van de twee je beantwoordt. Welk probleem lost LEVEL op? De meeste verkeerde beslissingen beginnen niet met een leugen. Ze beginnen met een bewering die mooi verpakt binnenkwam: een stellige toon, een indrukwekkende titel, een strakke grafiek, een vriend die er heilig in gelooft. Het boek noemt dat geleende zekerheid: iets geloven om de verpakking, niet om wat eronder zit. LEVEL is een korte routine om langs die verpakking te kijken. De check zegt niet of een bewering waar is. Hij zegt wat de bewering nu rechtvaardigt, voor deze beslissing, en wat je nog moet weten voordat je verder gaat. Wat betekenen de vijf stappen? Stap De vraag die je stelt Gewoon gezegd --- --- --- Locate : maak de bewering precies Wat wordt er precies beweerd? Schrijf het op als één zin die iemand kan controleren. Lukt dat niet, dan beoordeel je de verpakking en niet de bewering. Estimate : schat de inzet Wat kost het als ik ernaar handel en het klopt niet? Als ik het negeer en het klopte wel? Als ik wacht? Geld, tijd, veiligheid, en of je het kunt terugdraaien. De inzet bepaalt hoe zorgvuldig je moet zijn. Aan de kans dat de bewering klopt, verandert hij niets. Value : weeg het bewijs Wat onderbouwt dit, en hoe goed is die onderbouwing? Benoem welk soort bewijs je echt hebt en kijk dan naar de kwaliteit, de onafhankelijkheid (zijn drie bronnen eigenlijk één?) en of het bij jouw situatie past. Expose : leg het gat bloot Wat ontbreekt er dat mijn beslissing kan veranderen? De afstand tussen het bewijs dat je hebt en wat deze beslissing vraagt. Het sterkste tegenargument opschrijven helpt om dat gat te vinden. Lean : handel ernaar Hoe ver ga ik? Ga alleen zo ver als bewijs en inzet toelaten: doorgaan, een kleine proef, een deskundige raadplegen of wachten tot een vaste datum. Noteer wie wat doet, waar de grens ligt en wanneer je opnieuw kijkt. Wat je overhoudt, is een verslag van vijf korte regels. Het is bedoeld om later terug te lezen, door jezelf of door een ander, zodat zichtbaar blijft wat je wist toen je besliste. Op de frameworkpagina van LEVEL staat elke stap in één regel. Een uitgewerkt voorbeeld: \"Deze warmtepomp halveert je energierekening\" Stel: je hebt een huis met een cv-ketel op gas. Een installateur komt langs en zegt dat een warmtepomp je energierekening halveert. Het voorbeeld is verzonnen: de belofte komt van een denkbeeldige installateur, niet van een echt product. Locate. \"Je energierekening halveert\" verbergt meerdere beweringen. Een warmtepomp gebruikt stroom in plaats van gas, legt Milieu Centraal uit. Je gasverbruik daalt dus, terwijl je stroomverbruik stijgt. \"We gebruiken de helft minder gas\" en \"onze totale energiekosten halveren\" zijn twee verschillende beweringen. En vergeleken met welk jaar, tegen welke tarieven, in welk huis? Controleerbaar wordt het zo: \"In ons huis, met onze manier van stoken, dalen onze jaarlijkse kosten voor gas en stroom samen tot ongeveer de helft van vorig jaar.\" Estimate. De aanschaf is duur en draai je volgende maand niet terug. Handel je ernaar en klopt het niet, dan heb je betaald voor een besparing die niet komt. Wijs je het af terwijl het wel klopte, dan betaal je langer te veel. Wachten betekent nog een winter met je huidige energierekening. Veel geld en weinig kans om het terug te draaien: dat rechtvaardigt een zorgvuldige controle. Of de installateur gelijk heeft, verandert daar niet door. Value. Zet op een rij wat je echt in handen hebt. De belofte zelf is een losse bewering, zolang niemand laat zien hoe ze is berekend. De buurman met de lagere rekening is een anekdote, uit een ander huis en een andere winter. De installateur is een deskundige, maar ook een verkoper. Het mechanisme klopt: een warmtepomp werkt op stroom en haalt vaak warmte uit de buitenlucht, en is daardoor zuinig. Maar een mechanisme vertelt je waarom iets zou kunnen werken, niet hoeveel het in jouw huis bespaart. En noemen drie buren hetzelfde bedrag van dezelfde installateur, dan heb je één bron, geen drie. Expose. Achter \"de helft\" zitten aannames over jouw huis. Milieu Centraal wijst erop dat de isolatie van een woning bepaalt welk type warmtepomp past. Het ontbrekende stuk is dus eenvoudig: welke isolatie, welke energieprijzen en welk verbruik zitten er in de berekening, en kloppen die met jouw situatie? Dat antwoord kun je krijgen voordat je tekent. Lean. Teken vandaag niet, maar schuif het idee ook niet van tafel. Vraag de berekening op papier, met de aannames erbij. Leg je eigen meterstanden van vorig jaar ernaast. Vraag een tweede offerte bij een andere installateur. Eigenaar: jij. Grens: geen aanbetaling zonder schriftelijke berekening. Moment om opnieuw te kijken: passen de aannames niet bij jouw huis, dan is \"de helft\" van tafel; passen ze wel, dan beslis je met een echt getal in plaats van een verkooppraatje. Dezelfde vijf stappen, een ander antwoord Het boek laat zien dat dezelfde methode tot verschillende vervolgstappen leidt. Mara, fysiotherapeut in het boek (een samengesteld personage, geen echt persoon), doet de LEVEL-check twee keer. Eerst bij een supplement dat ze elke ochtend neemt. Er staat meer op het spel dan de prijs: ook veiligheid en wisselwerkingen tellen mee. Haar onderbouwing bestaat uit een getuigenis, een aannemelijk mechanisme en haar eigen ongecontroleerde ervaring. Haar Lean: de bewering en haar voorgeschiedenis voorleggen aan een apotheker of arts, en het voordeel niet langer als bewezen presenteren. Daarna bij de vraag of muziek haar helpt haar administratie af te werken. Er staat weinig op het spel en de proef is makkelijk te stoppen. Haar Lean: een korte, geplande vergelijking tussen sessies met en zonder muziek, en stoppen zodra het werk eronder lijdt. De methode bleef gelijk. De bewering, het bewijs en de inzet verschilden, en dus ook de volgende stap. Wat is de Bewijsladder achter de Value-stap? Voor de Value-stap gebruik je een tweede instrument uit het boek: de Bewijsladder. De zeven sporten benoemen de soorten onderbouwing die je tegenkomt: 1. Bewering: iemand zegt het, meer niet. 2. Anekdote: het is iemand overkomen. 3. Autoriteit: een deskundige zegt het. 4. Mechanisme: er is een aannemelijke reden waarom het zou kloppen. 5. Studie: één echt onderzoek heeft ernaar gekeken. 6. Convergentie: meerdere onafhankelijke lijnen van bewijs wijzen dezelfde kant op. 7. Je eigen test: een geplande vergelijking in je eigen situatie. De volgorde loopt van een kale bewering naar getest bewijs, maar de sporten zijn categorieën, geen cijfers. Een slechte studie wint niet van een zorgvuldig deskundig oordeel alleen omdat het een studie is. Op elke sport moet je nog steeds kijken naar kwaliteit, onafhankelijkheid en relevantie. Een bekend resultaat laat zien waarom één studie een sport is en geen eindoordeel. Toen de Open Science Collaboration honderd studies uit drie psychologietijdschriften herhaalde, had 97 procent van de oorspronkelijke studies statistisch significante resultaten, maar slechts 36 procent van de herhalingen. De herhaalde effecten waren gemiddeld half zo groot. Die bevinding gaat over die studies. Het is geen faalpercentage voor de hele wetenschap. Waarom houd je \"hoe goed\" en \"hoe duur\" uit elkaar? Omdat het een klassieke fout is om ze te vermengen, en de geneeskunde een systeem bouwde om die fout te voorkomen. GRADE beoordeelt de kwaliteit van het bewijs los van de sterkte van een aanbeveling; in 2008 werkten er al meer dan 25 organisaties mee, waaronder de Wereldgezondheidsorganisatie en Cochrane. De makers zeggen het zonder omwegen in de BMJ: bewijs van hoge kwaliteit betekent niet automatisch een sterke aanbeveling, en een sterke aanbeveling kan voortkomen uit bewijs van lage kwaliteit. LEVEL neemt die scheiding over voor alledaagse beweringen. Value gaat over het bewijs. Estimate gaat over de gevolgen. Lean is waar die twee samenkomen. Het boek noemt GRADE als bron en zegt uitdrukkelijk dat de Bewijsladder een leermiddel is, geen klinisch beoordelingssysteem. Wat LEVEL niet is - Geen waarheidsscore. Je krijgt een beslisverslag, geen cijfer. - Geen vervanging van deskundigen. Bij beslissingen over gezondheid, recht of geld is een deskundige raadplegen vaak precies de juiste Lean. - Geen gevalideerde interventie. Het boek brengt LEVEL als praktische methode van de auteur en zegt ronduit dat niet is aangetoond dat de gecombineerde methode uitkomsten verbetert. Beoordeel de check op de vraag of hij je helpt beslissen. - Geen CALIBRATE. LEVEL toetst één bewering vóór één beslissing. CALIBRATE, uit De gekalibreerde geest, kijkt over veel beslissingen heen of je zekerheid klopt met wat er werkelijk gebeurt. Wat betekent kalibratie? legt dat tweede idee uit. Wil je je LEVEL-verslagen bewaren, dan passen ze goed in een bewijsregister: een lijst met één regel per bewering, de bron ervan en wat de bewering onderuit zou halen. De LEVEL-kaart Neem dit over in een notitie, een document of op de achterkant van een envelop. text LEVEL-kaart Datum: Locate De bewering, in één controleerbare zin: Estimate Kosten als ik handel en het klopt niet: Kosten als ik het negeer en het klopt wel: Kosten van wachten / kan ik het terugdraaien? Value Bewijs dat ik echt heb (welke sport?): Kwaliteit, onafhankelijkheid, relevantie: Expose Het ontbrekende stuk dat mijn beslissing kan veranderen: Kan ik het op tijd krijgen? Lean Volgende stap: Eigenaar: Grens: Datum of aanleiding om opnieuw te kijken: Probeer dit vandaag (15 minuten) Kies één bewering waar je deze week op wilt handelen: een belofte van een leverancier, een cijfer in een presentatie, een tip waar een collega bij zweert. Vul de kaart in. Lukt het niet om de Locate-regel in één zin te schrijven, stop dan daar. Dat is je bevinding, en die is meer waard dan de andere vier regels. Staat er bij Lean \"proef\", zet dan de datum om opnieuw te kijken in je agenda voordat je de notitie sluit.","keyTakeaways":["LEVEL staat voor Locate, Estimate, Value, Expose, Lean: vijf vragen die je stelt voordat je op een bewering handelt.","Hoe goed het bewijs is en hoe duur een vergissing zou zijn, zijn twee losse vragen. De inzet verandert wat je doet, niet of de bewering klopt.","Dezelfde bewering kan een goedkope proef rechtvaardigen en toch te zwak zijn voor een grote beslissing die je moeilijk terugdraait.","Wat je overhoudt is een verslag van vijf regels dat eindigt in een afgebakende volgende stap, met eigenaar, grens en datum om opnieuw te kijken.","LEVEL is een praktische methode van de auteur, geen waarheidsscore en geen gevalideerde klinische schaal."],"readingMinutes":8,"publishedAt":"2026-09-25T07:05:00.000Z"}},"degree":6},{"id":"article:what-is-llm-grounding","type":"article","pillar":"ai-systems","locales":{"en":{"label":"What is LLM grounding? The sentence has to open a folder","summary":"LLM grounding means that every factual claim in a generated answer is supported by specific evidence the model was given for that answer. The support can come from one passage or from several passages read together, and the evidence must have been present in the generation-time context. A valid source link is not enough on its own: the cited passage has to entail the claim. Terminology varies by vendor. Google's Search guide calls retrieval-augmented generation, or RAG, a technique also known as grounding, while Google Cloud describes RAG as a commonly used grounding technique. This site keeps an operational distinction: RAG retrieves and assembles evidence, and grounding tests whether the answer follows from it.","url":"/en/blog/what-is-llm-grounding/","searchText":"What is LLM grounding? The sentence has to open a folder LLM grounding is the support relationship between a generated claim and the evidence present in the model's context at generation time. RAG retrieves that context. Grounding checks whether the answer actually follows from it. A real source ID can decorate a false claim. Grounding begins after the citation resolves. LLM grounding means that every factual claim in a generated answer is supported by specific evidence the model was given for that answer. The support can come from one passage or from several passages read together, and the evidence must have been present in the generation-time context. A valid source link is not enough on its own: the cited passage has to entail the claim. Terminology varies by vendor. Google's Search guide calls retrieval-augmented generation, or RAG, a technique also known as grounding, while Google Cloud describes RAG as a commonly used grounding technique. This site keeps an operational distinction: RAG retrieves and assembles evidence, and grounding tests whether the answer follows from it. what is LLM grounding RAG gets evidence into the context. Grounding tests whether each factual claim follows from that evidence. A citation can resolve correctly and still fail grounding when its passage does not support the claim beside it. The evidence must be in the generation-time context. A source found after generation cannot ground the original answer. A grounded answer can still be stale. Support and currency are different tests with different owners. ai-agents RAG Retrieval-augmented generation retrieves relevant evidence and supplies it as context before a model answers. GRAIN Gather corpora, Rank and rerank, Assemble context, Inspect failures, Navigate freshness. A citation can be real, clickable, and wrong. Suppose an answer says your cancellation window is 30 days and cites the current supplier contract. The link opens. The document is genuine. The cited clause says only that either party may cancel in writing. The number came from somewhere else. The interface has provenance. The claim has no support. LLM grounding is the support relationship between a generated claim and the evidence the model was given for that answer. A claim is grounded when one passage, or a stated combination of passages read together, entails what the sentence says, and when that evidence was present in the context at generation time. Plausibility does not pass. A similar passage elsewhere in the corpus does not pass. Training data does not pass. A tidy footnote does not pass either. Grounding vs RAG The words are used loosely, and the vendors do not agree with each other. Google's Search guide describes retrieval-augmented generation as a technique \"also known as grounding.\" Google Cloud draws the relation the other way: RAG is a commonly used grounding technique. Both usages are current, and each is consistent inside its own product. For operating a retrieval system, this site keeps the jobs apart: Job Question it answers Typical failure --- --- --- RAG retrieval Did the system find and assemble the relevant passages before generation? The governing clause never entered the context Grounding Does each factual claim follow from the passages that entered the context? The model adds a number the context does not contain, or joins two facts wrongly Citation Can a reader open the claimed support? The link resolves, but the passage does not entail the sentence beside it RAG can retrieve excellent context and still produce an ungrounded answer. The model can skip the decisive sentence, import a familiar number from training, or attach the wrong source ID. Grounding tests that last mile. What is RAG? defines the retrieval architecture. This page defines the check that runs after it. The inverse case matters too. A claim can be faithfully supported by an obsolete policy. It is grounded in the supplied source and still wrong for today's decision. That is a freshness failure, not a grounding failure, and What is GRAIN? owns it. Two failures that look alike The book behind this page names two. Ungrounded generation is a claim with no support anywhere in the assembled context. The model produced a plausible continuation from its training distribution, and nothing retrieved can vouch for it. Miscited generation is subtler. The model cites a real passage from the context, but the passage does not say what the claim says. The syntax is correct, retrieval did its job, and the association is false. Both are caught by the same mechanism: compare the output against the assembled context and ask, claim by claim, whether each follows from what was given. The check has to be structural. A prompt line that says \"only use the provided context\" is an instruction, not a guarantee. The support test Run it at claim level, not paragraph level. 1. Split the answer into factual claims. \"The policy changed on 1 June and now allows 30 days\" contains at least two. 2. Record the exact passages present in the generation-time context, with stable source and chunk identifiers. 3. For each claim, name the passage or passages that support it. 4. Ask whether the evidence entails the whole claim. Shared vocabulary and semantic similarity are weaker tests, and they pass sentences they should not. 5. Verify that the visible citation opens those same supporting passages. 6. Route what fails: drop a peripheral detail, answer only the supported part, retrieve again, refuse, or escalate to a person. The order matters because of a common repair that changes nothing. A team finds an unsupported sentence, searches the corpus afterwards, finds a paragraph that could support it, and adds the citation. The display now looks defensible. The original generation was still ungrounded, because the evidence arrived after the answer. A source found later cannot ground a sentence written earlier. Where GRAIN puts the work In The RAG Engineer, GRAIN means Gather corpora, Rank and rerank, Assemble context, Inspect failures, Navigate freshness . The grounding check belongs to Assemble, as integral to that stage as building the context itself. Source identifiers and passage boundaries travel into the context, and the check asks whether the resulting claims follow from it. Every flagged answer then becomes a record for Inspect, which keeps the failure trace and measures how often the check fires. Navigate keeps the supporting source current. That division stops one overloaded word from hiding three different defects: - the right evidence was never retrieved; - the evidence was retrieved and did not support the generated claim; - the evidence supported the claim when indexed and has since been superseded. Each has a different owner and a different repair. A citation is an interface, not a verdict Clickable source IDs are valuable. They let a reader open the exact passage, and they let software confirm that an identifier existed in the assembly trace. That is referential validity: the pointer is real. Grounding requires the second check. Does the pointed passage support the sentence beside it? A model can cite clause 12.3 accurately and misstate clause 12.3 in the same breath. Automated grounding judges can triage this work. Their scores measure a particular judge, prompt, claim set, and threshold; they are not truth meters. Build labelled examples from your own corpus, include partial-support cases, and keep a human route for decisions where a polished error costs real money. Evaluate the reasoning, not the fluency covers the wider habit of mistaking finish for evidence. Grounding sits between retrieval and trust. Every factual sentence must be able to reopen the evidence that was on the table when it was written.","keyTakeaways":["RAG gets evidence into the context. Grounding tests whether each factual claim follows from that evidence.","A citation can resolve correctly and still fail grounding when its passage does not support the claim beside it.","The evidence must be in the generation-time context. A source found after generation cannot ground the original answer.","A grounded answer can still be stale. Support and currency are different tests with different owners."],"readingMinutes":5,"publishedAt":"2026-09-22T14:00:00.000Z"},"nl":{"label":"Wat is LLM-grounding? De zin moet een map kunnen openen","summary":"LLM-grounding betekent dat elke feitelijke bewering in een gegenereerd antwoord wordt onderbouwd door specifiek bewijs dat het model voor dat antwoord kreeg. Die onderbouwing kan uit één passage komen of uit meerdere passages samen, en het bewijs moet in de context hebben gestaan op het moment van genereren. Een geldige bronlink is op zichzelf niet genoeg: de geciteerde passage moet de bewering dragen. De terminologie verschilt per leverancier. De Search-gids van Google noemt retrieval-augmented generation, RAG, een techniek die ook bekendstaat als grounding; Google Cloud beschrijft RAG als een veelgebruikte techniek voor grounding. Deze site houdt een operationeel onderscheid aan: RAG haalt bewijs op en bouwt de context, grounding toetst of het antwoord daaruit volgt.","url":"/nl/blog/wat-is-llm-grounding/","searchText":"Wat is LLM-grounding? De zin moet een map kunnen openen LLM-grounding is de vraag of een gegenereerde bewering wordt onderbouwd door het bewijs dat het model bij het genereren in zijn context had. RAG haalt die context op. Grounding toetst of het antwoord er ook echt uit volgt. Een echt bron-ID kan een onjuiste bewering sieren. Grounding begint pas nadat de link opent. LLM-grounding betekent dat elke feitelijke bewering in een gegenereerd antwoord wordt onderbouwd door specifiek bewijs dat het model voor dat antwoord kreeg. Die onderbouwing kan uit één passage komen of uit meerdere passages samen, en het bewijs moet in de context hebben gestaan op het moment van genereren. Een geldige bronlink is op zichzelf niet genoeg: de geciteerde passage moet de bewering dragen. De terminologie verschilt per leverancier. De Search-gids van Google noemt retrieval-augmented generation, RAG, een techniek die ook bekendstaat als grounding; Google Cloud beschrijft RAG als een veelgebruikte techniek voor grounding. Deze site houdt een operationeel onderscheid aan: RAG haalt bewijs op en bouwt de context, grounding toetst of het antwoord daaruit volgt. wat is LLM-grounding RAG brengt bewijs in de context. Grounding toetst of elke feitelijke bewering uit dat bewijs volgt. Een citatie kan keurig openen en toch zakken voor grounding, als de passage de bewering ernaast niet draagt. Het bewijs moet in de context hebben gestaan op het moment van genereren. Een bron die je achteraf vindt, onderbouwt het oorspronkelijke antwoord niet. Een gegrond antwoord kan alsnog verouderd zijn. Onderbouwing en actualiteit zijn twee toetsen met twee eigenaren. ai-agents RAG Retrieval-augmented generation haalt relevant bewijs op en levert het als context voordat een model antwoordt. GRAIN Gather corpora, Rank and rerank, Assemble context, Inspect failures, Navigate freshness. Een citatie kan echt zijn, klikbaar, en fout. Stel dat een antwoord zegt dat je opzegtermijn dertig dagen is, en het huidige leverancierscontract citeert. De link opent. Het document is echt. De geciteerde clausule zegt alleen dat beide partijen schriftelijk kunnen opzeggen. Het getal komt ergens anders vandaan. De interface toont herkomst. De bewering heeft geen dekking. LLM-grounding is de vraag of een gegenereerde bewering wordt onderbouwd door het bewijs dat het model voor dat antwoord kreeg. Een bewering is gegrond wanneer één passage, of een benoemde combinatie van passages die je samen leest, draagt wat de zin zegt, en wanneer dat bewijs in de context stond op het moment van genereren. Aannemelijkheid telt niet. Een vergelijkbare passage elders in het corpus telt niet. Trainingsdata telt niet. Een nette voetnoot ook niet. Grounding versus RAG De woorden worden losjes gebruikt, en de leveranciers zijn het onderling niet eens. De Search-gids van Google beschrijft retrieval-augmented generation als een techniek \"also known as grounding\". Google Cloud legt de relatie andersom: RAG is een veelgebruikte techniek voor grounding. Beide formuleringen zijn actueel, en elk klopt binnen het eigen product. Voor wie een retrievalsysteem beheert, houdt deze site de taken uit elkaar: Taak Vraag die ze beantwoordt Typische misser --- --- --- RAG-retrieval Heeft het systeem de relevante passages gevonden en samengebracht vóór het genereren? De bepalende clausule kwam nooit in de context Grounding Volgt elke feitelijke bewering uit de passages die in de context stonden? Het model voegt een getal toe dat de context niet bevat, of plakt twee feiten verkeerd aan elkaar Citatie Kan een lezer de aangevoerde onderbouwing openen? De link werkt, maar de passage draagt de zin ernaast niet RAG kan uitstekende context ophalen en toch een ongegrond antwoord opleveren. Het model kan de beslissende zin overslaan, een vertrouwd getal uit zijn training invoegen of het verkeerde bron-ID aanhechten. Grounding toetst die laatste meter. Wat is RAG? definieert de retrievalarchitectuur. Deze pagina definieert de controle die daarna draait. Het omgekeerde geval telt ook. Een bewering kan trouw steunen op een verouderde beleidsversie. Ze is dan gegrond in de aangeleverde bron en toch fout voor het besluit van vandaag. Dat is een fout in actualiteit, niet in grounding, en Wat is GRAIN? is daar de eigenaar van. Twee fouten die op elkaar lijken Het boek achter deze pagina benoemt er twee. Ongegronde generatie is een bewering zonder steun waar dan ook in de samengestelde context. Het model produceerde een aannemelijke voortzetting uit zijn trainingsdistributie, en niets van wat is opgehaald kan ervoor instaan. Fout geciteerde generatie is subtieler. Het model citeert een echte passage uit de context, maar die passage zegt niet wat de bewering zegt. De syntax klopt, retrieval deed zijn werk, en de koppeling is vals. Beide worden door hetzelfde mechanisme gevangen: vergelijk de uitvoer met de samengestelde context en vraag, bewering voor bewering, of ze volgt uit wat is aangeleverd. Die controle moet structureel zijn. Een promptregel als \"gebruik alleen de aangeleverde context\" is een instructie, geen garantie. De toets per bewering Voer de toets uit per bewering, niet per alinea. 1. Splits het antwoord in feitelijke beweringen. \"Het beleid wijzigde op 1 juni en staat nu dertig dagen toe\" bevat er minstens twee. 2. Leg de exacte passages vast die in de context stonden op het moment van genereren, met stabiele bron- en chunk-ID's. 3. Benoem per bewering welke passage of passages haar dragen. 4. Vraag of het bewijs de hele bewering dekt. Gedeelde woorden en semantische gelijkenis zijn zwakkere toetsen, en ze laten zinnen door die niet door mogen. 5. Controleer of de zichtbare citatie precies die dragende passages opent. 6. Handel af wat zakt: schrap een bijkomstig detail, beantwoord alleen het gedekte deel, haal opnieuw op, weiger, of leg het voor aan een mens. De volgorde is belangrijk vanwege een veelvoorkomende reparatie die niets verandert. Een team vindt een niet-onderbouwde zin, doorzoekt achteraf het corpus, vindt een alinea die de zin zou kunnen dragen en voegt die citatie toe. De weergave oogt nu verdedigbaar. De oorspronkelijke generatie was nog steeds ongegrond, want het bewijs kwam ná het antwoord. Een bron die je later vindt, kan een zin die eerder is geschreven niet onderbouwen. Waar GRAIN het werk plaatst In De RAG-engineer staat GRAIN voor Gather corpora, Rank and rerank, Assemble context, Inspect failures, Navigate freshness . De grounding-check hoort bij Assemble, even wezenlijk voor die fase als het bouwen van de context zelf. Bron-ID's en passagegrenzen reizen mee de context in, en de check vraagt of de beweringen die eruit komen daaruit volgen. Elk afgekeurd antwoord wordt daarna een record voor Inspect, dat de failure-trace bewaart en meet hoe vaak de check afgaat. Navigate houdt de dragende bron actueel. Die verdeling voorkomt dat één overbelast woord drie verschillende defecten verbergt: - het juiste bewijs is nooit opgehaald; - het bewijs is opgehaald en droeg de gegenereerde bewering niet; - het bewijs droeg de bewering bij het indexeren en is sindsdien achterhaald. Elk defect heeft een andere eigenaar en een andere reparatie. Een citatie is een interface, geen oordeel Klikbare bron-ID's zijn waardevol. Een lezer opent er de exacte passage mee, en software kan ermee vaststellen dat een identifier in het spoor van de contextopbouw voorkwam. Dat is referentiële geldigheid: de verwijzing bestaat. Grounding vraagt de tweede controle. Draagt de passage waarnaar wordt gewezen de zin ernaast? Een model kan clausule 12.3 correct citeren en clausule 12.3 in dezelfde adem verkeerd weergeven. Geautomatiseerde grounding-beoordelaars kunnen dit werk voorsorteren. Hun scores meten één beoordelaar, één prompt, één set beweringen en één drempel; het zijn geen waarheidsmeters. Bouw gelabelde voorbeelden uit je eigen corpus, neem gevallen met gedeeltelijke dekking op en houd een route naar een mens open voor besluiten waarbij een gepolijste fout echt geld kost. Evalueer de redenering, niet de vloeiendheid behandelt de bredere gewoonte om afwerking voor bewijs aan te zien. Grounding zit tussen retrieval en vertrouwen. Elke feitelijke zin moet het bewijs kunnen heropenen dat op tafel lag toen ze werd geschreven.","keyTakeaways":["RAG brengt bewijs in de context. Grounding toetst of elke feitelijke bewering uit dat bewijs volgt.","Een citatie kan keurig openen en toch zakken voor grounding, als de passage de bewering ernaast niet draagt.","Het bewijs moet in de context hebben gestaan op het moment van genereren. Een bron die je achteraf vindt, onderbouwt het oorspronkelijke antwoord niet.","Een gegrond antwoord kan alsnog verouderd zijn. Onderbouwing en actualiteit zijn twee toetsen met twee eigenaren."],"readingMinutes":5,"publishedAt":"2026-09-22T14:05:00.000Z"}},"degree":13},{"id":"article:what-is-llms-txt","type":"article","pillar":"seo-geo-aeo","locales":{"en":{"label":"What is llms.txt? A manifesto, not a ranking switch","summary":"llms.txt is a proposed Markdown file, named llms.txt, published at a site's root or at any path within it. It gives agents and retrieval clients a short description of the site or section plus curated links to more detailed, preferably machine-readable pages. Reading it is voluntary. The only required element is an H1. It is not robots.txt, not an access control, and not a replacement for a sitemap. Google's guide to generative AI features in Search, last updated 2026-07-10 and re-read 2026-09-04, says Google Search does not use such files and that creating one neither helps nor harms visibility or rankings, including in generative features such as AI Overviews and AI Mode.","url":"/en/blog/what-is-llms-txt/","searchText":"What is llms.txt? A manifesto, not a ranking switch llms.txt is a voluntary Markdown map for agents and retrieval clients that choose to read it. It does not control crawling, replace a sitemap, or move Google rankings. Google says Search ignores it, and that it neither helps nor harms. A voluntary map guides the client that opens it. It has no power over one that never asks. llms.txt is a proposed Markdown file, named llms.txt, published at a site's root or at any path within it. It gives agents and retrieval clients a short description of the site or section plus curated links to more detailed, preferably machine-readable pages. Reading it is voluntary. The only required element is an H1. It is not robots.txt, not an access control, and not a replacement for a sitemap. Google's guide to generative AI features in Search, last updated 2026-07-10 and re-read 2026-09-04, says Google Search does not use such files and that creating one neither helps nor harms visibility or rankings, including in generative features such as AI Overviews and AI Mode. what is llms.txt llms.txt is a proposal, now at version 2, for a concise Markdown guide to a site or section. Clients must choose to read it. Google Search ignores llms.txt. Publishing one neither helps nor harms visibility or rankings, generative features included. robots.txt sets crawler permissions, a sitemap aids discovery, llms.txt offers optional guidance. None does another's job. Publish the file only when you can name the intended reader and someone owns keeping every listed URL current. aeo geo CITATION The eight-move framework from The Findability Engine: Cite, Identify, Triangulate, Anchor, Track, Iterate, Optimize, Normalize. The book is in production and not for sale. GEO Making a page usable as a source in generative answers, not relying on a special file. llms.txt is a voluntary map for machines. You publish a small Markdown file. An agent or retrieval client that chooses to read it gets a short description of your site and the links you selected. Nothing obliges any system to open it, and the file has no power over one that never does. The proposal, now at version 2, asks for a file named llms.txt at the site root or at any path within it, covering the pages under that path. The only required element is an H1 with the name of the site or project. Everything else is optional: a one-paragraph summary in a blockquote, short guidance, H2 lists of links with one-line descriptions, and an \"Optional\" section for secondary material. It was first published in September 2024 and revised in August 2026. It is a proposal, not a standard. It is not a well-known URI either; the authors deliberately stayed out of /.well-known/ , because a well-known URI can only live at the origin root and this file is meant to cover a path. Google's answer is unusually plain. Its guide to generative AI features in Search says Google Search does not use such files, and that creating one will neither help nor harm your site's visibility or rankings in Google Search. That includes the generative features, AI Overviews and AI Mode among them. So \"does llms.txt help Google?\" has an answer: no, and it does not hurt either. Whether some other client finds the file useful is a separate question, and only your logs can answer it. llms.txt, robots.txt, and sitemap.xml The three files answer different questions: File Job What it cannot promise --- --- --- llms.txt Offers optional context and a curated path through your content to clients that read it Crawl compliance, indexing, ranking, citation, or adoption by any client robots.txt States crawler permissions by user-agent and path Confidentiality, authentication, or a ranking result sitemap.xml Helps search engines discover canonical URLs and their metadata Crawling or indexing of every listed URL Google says a small, well-linked site may not need a sitemap, while larger, newer, or media-heavy sites can benefit from one, and that a sitemap is a hint. llms.txt does not do that discovery job. A sitemap does not do the narrative one. Training and Search controls live elsewhere too. To tell OpenAI not to use crawled content for foundation-model training, configure GPTBot. The crawler comparison separates that switch from ChatGPT Search and from person-triggered fetching. llms.txt can grant or withhold neither permission. What belongs in the file Start with the reader, not the format. Which agent, assistant, or retrieval workflow are you helping, and what should it find faster than it would by crawling? A useful file stays small: - the name of the site or section and one honest paragraph on what it is; - a few notes that prevent predictable confusion, such as two products with similar names or a retired API; - canonical public URLs, each with a one-line description; - links to clean text or Markdown versions when you maintain them; - an Optional section for secondary material that would otherwise crowd the main path. This site publishes /llms.txt and a longer /llms-full.txt . Both answered with HTTP 200 and text/plain when checked on 2026-09-04. That is a choice made for clients that read such files. It is not evidence that any search engine rewards them. Where the file fails The first failure is an audience with no name. A file generated because an audit tool showed an empty checkbox has no operating purpose and no owner. The second is stale guidance. If the map lists retired products, redirected pages, or unpublished drafts, a compliant client follows the wrong route perfectly. Update the file when canonical URLs, access rules, or publication status change. Ownership matters more than generation. The third is duplication without judgment. Dumping every URL into Markdown recreates the navigation problem the file was meant to reduce. Select. Describe. Keep the detail behind the link. The fourth is magical attribution. An answer may cite your page after ordinary web search, a third-party index, a pasted URL, or some other retrieval path. The citation does not prove that llms.txt was read. If you need to know, inspect request logs for the file, or run a controlled test with the client you care about. The decision Publish llms.txt when three conditions hold: 1. You can name at least one client or workflow that may use it. 2. The linked material is public, canonical, and useful in machine-readable form. 3. Someone owns the freshness of every link and description. Otherwise, improve the pages themselves. The citation-readiness audit asks whether a URL exposes a clear answer, a name, and support that survives inspection. What GEO means covers the wider job of becoming a source. The Findability Engine owns the longer treatment; the book is in production and not for sale. Google reads the ordinary pages. So does every other engine. A manifesto in the root cannot rescue an empty one.","keyTakeaways":["llms.txt is a proposal, now at version 2, for a concise Markdown guide to a site or section. Clients must choose to read it.","Google Search ignores llms.txt. Publishing one neither helps nor harms visibility or rankings, generative features included.","robots.txt sets crawler permissions, a sitemap aids discovery, llms.txt offers optional guidance. None does another's job.","Publish the file only when you can name the intended reader and someone owns keeping every listed URL current."],"readingMinutes":4,"publishedAt":"2026-09-22T07:00:00.000Z"},"nl":{"label":"Wat is llms.txt? Een manifest, geen rankingknop","summary":"llms.txt is een voorgesteld Markdown-bestand met de naam llms.txt, gepubliceerd in de root van een site of op een pad daaronder. Het geeft agents en zoeksystemen een korte beschrijving van de site of sectie plus uitgekozen links naar uitgebreidere, liefst machineleesbare pagina's. Lezen is vrijwillig. Het enige verplichte onderdeel is een H1. Het is geen robots.txt, geen toegangscontrole en geen vervanging van een sitemap. De gids van Google voor generatieve AI-functies in Search, voor het laatst bijgewerkt op 2026-07-10 en opnieuw gelezen op 2026-09-04, zegt dat Google Search zulke bestanden niet gebruikt en dat het aanmaken ervan zichtbaarheid of ranking niet helpt en niet schaadt, ook niet in generatieve functies zoals de AI-overzichten en de AI-modus.","url":"/nl/blog/wat-is-llms-txt/","searchText":"Wat is llms.txt? Een manifest, geen rankingknop llms.txt is een vrijwillige wegwijzer in Markdown voor agents en zoeksystemen die hem willen lezen. Het bestand stuurt geen crawlers aan, vervangt geen sitemap en beweegt je Google-ranking niet. Google zegt dat Search het negeert en dat het helpt noch schaadt. Een vrijwillige wegwijzer helpt het systeem dat hem opent. Over een systeem dat nooit vraagt, heeft hij geen macht. llms.txt is een voorgesteld Markdown-bestand met de naam llms.txt, gepubliceerd in de root van een site of op een pad daaronder. Het geeft agents en zoeksystemen een korte beschrijving van de site of sectie plus uitgekozen links naar uitgebreidere, liefst machineleesbare pagina's. Lezen is vrijwillig. Het enige verplichte onderdeel is een H1. Het is geen robots.txt, geen toegangscontrole en geen vervanging van een sitemap. De gids van Google voor generatieve AI-functies in Search, voor het laatst bijgewerkt op 2026-07-10 en opnieuw gelezen op 2026-09-04, zegt dat Google Search zulke bestanden niet gebruikt en dat het aanmaken ervan zichtbaarheid of ranking niet helpt en niet schaadt, ook niet in generatieve functies zoals de AI-overzichten en de AI-modus. wat is llms.txt llms.txt is een voorstel, inmiddels versie 2, voor een beknopte Markdown-gids bij een site of sectie. Systemen kiezen zelf of ze hem lezen. Google Search negeert llms.txt. Publiceren helpt je zichtbaarheid of ranking niet en schaadt die ook niet, generatieve functies inbegrepen. robots.txt regelt wat crawlers mogen, een sitemap helpt bij ontdekking, llms.txt geeft vrijblijvende uitleg. Geen van de drie doet het werk van een ander. Publiceer het bestand alleen als je de beoogde lezer kunt noemen en iemand eigenaar is van de actualiteit van elke vermelde URL. aeo geo CITATION Het raamwerk van acht stappen uit The findability engine: Citeren, Identificeren, Trianguleren, Verankeren, Traceren, Itereren, Optimaliseren, Normaliseren. Het boek is in productie en niet te koop. GEO Een pagina bruikbaar maken als bron in generatieve antwoorden, zonder te leunen op een speciaal bestand. llms.txt is een vrijwillige wegwijzer voor machines. Je publiceert een klein Markdown-bestand. Een agent of zoeksysteem dat ervoor kiest het te lezen, krijgt een korte beschrijving van je site en de links die jij hebt uitgekozen. Niets verplicht een systeem om het te openen, en over een systeem dat dat nooit doet, heeft het bestand geen enkele macht. Het voorstel, inmiddels versie 2, vraagt om een bestand met de naam llms.txt in de root van de site of op elk pad daaronder; het dekt dan de pagina's onder dat pad. Het enige verplichte onderdeel is een H1 met de naam van de site of het project. Al het andere is optioneel: een samenvatting van één alinea in een blockquote, korte toelichting, H2-lijsten met links en een beschrijving van één regel, en een sectie \"Optional\" voor bijzaken. Het voorstel verscheen in september 2024 en werd in augustus 2026 herzien. Het is een voorstel, geen standaard. Het is ook geen well-known URI: de auteurs bleven bewust weg uit /.well-known/ , omdat zo'n adres alleen in de root van een origin kan bestaan en dit bestand juist een pad moet kunnen dekken. Google is ongewoon duidelijk. De gids voor generatieve AI-functies in Search zegt dat Google Search zulke bestanden niet gebruikt, en dat het aanmaken ervan je zichtbaarheid of ranking in Google Search niet helpt en niet schaadt. Dat geldt ook voor de generatieve functies, de AI-overzichten (AI Overviews) en de AI-modus (AI Mode) inbegrepen. Op \"helpt llms.txt bij Google?\" is het antwoord dus nee, en het schaadt ook niet. Of een ander systeem het bestand nuttig vindt, is een aparte vraag. Alleen je logs kunnen die beantwoorden. llms.txt, robots.txt en sitemap.xml De drie bestanden beantwoorden elk een andere vraag: Bestand Taak Wat het niet kan beloven --- --- --- llms.txt Biedt vrijwillige context en een uitgekozen route door je content aan systemen die het lezen Naleving door crawlers, indexering, ranking, een citatie of adoptie door welk systeem dan ook robots.txt Legt per user-agent en pad vast wat crawlers mogen Vertrouwelijkheid, authenticatie of een rankingresultaat sitemap.xml Helpt zoekmachines canonieke URL's en hun metadata te ontdekken Dat elke vermelde URL wordt gecrawld of geïndexeerd Google zegt dat een kleine, goed gelinkte site misschien geen sitemap nodig heeft, dat grotere, nieuwe of mediarijke sites er baat bij kunnen hebben, en dat een sitemap een hint is. llms.txt neemt die ontdekkingstaak niet over. Een sitemap neemt de toelichtende taak niet over. Ook de knoppen voor training en Search zitten ergens anders. Wil je OpenAI laten weten dat gecrawlde content niet voor het trainen van basismodellen gebruikt mag worden, dan stel je GPTBot in. De vergelijking van de OpenAI-crawlers houdt die schakelaar apart van ChatGPT Search en van pagina's die op verzoek van een mens worden opgehaald. llms.txt kan geen van beide toestemmingen geven of intrekken. Wat in het bestand thuishoort Begin bij de lezer, niet bij het formaat. Welke agent, assistent of zoekproces help je, en wat moet die sneller vinden dan via een gewone crawl? Een bruikbaar bestand blijft klein: - de naam van de site of sectie en één eerlijke alinea over wat het is; - een paar notities die voorspelbare verwarring voorkomen, zoals twee producten met bijna dezelfde naam of een API die niet meer bestaat; - canonieke openbare URL's, elk met een beschrijving van één regel; - links naar schone tekst- of Markdown-versies als je die onderhoudt; - een sectie Optional voor bijzaken die anders de hoofdroute verstoppen. Deze site publiceert /llms.txt en een langere /llms-full.txt . Beide gaven HTTP 200 met text/plain terug toen dit artikel op 2026-09-04 werd gecontroleerd. Dat is een keuze voor systemen die zulke bestanden lezen. Het is geen bewijs dat een zoekmachine ze beloont. Waar het bestand faalt De eerste fout is een doelgroep zonder naam. Een bestand dat is aangemaakt omdat een audittool een leeg vinkje toonde, heeft geen operationeel doel en geen eigenaar. De tweede is verouderde sturing. Verwijst de wegwijzer naar geschrapte producten, omgeleide pagina's of ongepubliceerde concepten, dan volgt een gehoorzaam systeem feilloos de verkeerde route. Werk het bestand bij zodra canonieke URL's, toegangsregels of publicatiestatus veranderen. Beheer weegt zwaarder dan aanmaken. De derde is dupliceren zonder te kiezen. Elke URL in Markdown storten herschept het navigatieprobleem dat het bestand moest verkleinen. Kies. Beschrijf. Laat het detail achter de link. De vierde is een citatie aanzien voor een oorzaak. Een antwoord kan je pagina citeren na een gewone webzoekopdracht, via een index van derden, via een geplakte URL of langs een andere weg. Die citatie bewijst niet dat llms.txt is gelezen. Wil je het echt weten, kijk dan in je logs naar verzoeken om het bestand, of doe een gecontroleerde test met het systeem waar het je om gaat. De beslissing Publiceer llms.txt als drie voorwaarden gelden: 1. Je kunt minstens één systeem of proces noemen dat het mogelijk gebruikt. 2. Het gelinkte materiaal is openbaar, canoniek en bruikbaar in machineleesbare vorm. 3. Iemand is eigenaar van de actualiteit van elke link en beschrijving. Verbeter anders de pagina's zelf. De citatiegereedheid-audit vraagt of een URL een helder antwoord, een naam en onderbouwing toont die een controle overleeft. Wat GEO betekent behandelt het bredere werk om bron te worden. The findability engine bezit de langere uitwerking; het boek is in productie en niet te koop. Google leest de gewone pagina's. Elke andere zoekmachine ook. Een manifest in de root redt geen lege pagina.","keyTakeaways":["llms.txt is een voorstel, inmiddels versie 2, voor een beknopte Markdown-gids bij een site of sectie. Systemen kiezen zelf of ze hem lezen.","Google Search negeert llms.txt. Publiceren helpt je zichtbaarheid of ranking niet en schaadt die ook niet, generatieve functies inbegrepen.","robots.txt regelt wat crawlers mogen, een sitemap helpt bij ontdekking, llms.txt geeft vrijblijvende uitleg. Geen van de drie doet het werk van een ander.","Publiceer het bestand alleen als je de beoogde lezer kunt noemen en iemand eigenaar is van de actualiteit van elke vermelde URL."],"readingMinutes":5,"publishedAt":"2026-09-22T07:05:00.000Z"}},"degree":11},{"id":"article:what-is-model-routing","type":"article","pillar":"ai-systems","locales":{"en":{"label":"What is model routing? A policy, not a default","summary":"Model routing is a written policy that sends each task to a named model for a named reason. The objective is typed first and the model is chosen second. A route you can defend carries a mandate, a cost class, a privacy class, a latency class, and a fallback. Sending every call to the flagship model because last quarter's demo did is a default, and a default is a habit with a bill attached. On this site the discipline is ROUTE, from The Model Portfolio: Register, Objective typing, Utilize policy, Track, Evolve. The book is live in English and Dutch paperback, hardcover, and Kindle. This page is the definition. The book owns the operating loop.","url":"/en/blog/what-is-model-routing/","searchText":"What is model routing? A policy, not a default Model routing is a written policy that sends each task to a named model for a named reason. Objective first, model second. Calling the flagship for everything is a default with a bill attached, not a policy. If you cannot name which model owns which job, you do not have a routing policy. You have a default. Model routing is a written policy that sends each task to a named model for a named reason. The objective is typed first and the model is chosen second. A route you can defend carries a mandate, a cost class, a privacy class, a latency class, and a fallback. Sending every call to the flagship model because last quarter's demo did is a default, and a default is a habit with a bill attached. On this site the discipline is ROUTE, from The Model Portfolio: Register, Objective typing, Utilize policy, Track, Evolve. The book is live in English and Dutch paperback, hardcover, and Kindle. This page is the definition. The book owns the operating loop. what is model routing Routing starts with the task, not the leaderboard. A route has five fields: mandate, cost class, privacy class, latency class, fallback. Privacy class is a routing input, not a later compliance surprise. This page is the definition. The Model Portfolio owns the operating loop. ai-agents ROUTE Register, Objective typing, Utilize policy, Track, Evolve. model routing A written policy that sends each task to a named model for a named reason. Model routing is a written policy that sends each task to a named model for a named reason. Objective first, model second. If a new engineer can read on Monday which model owns which job, and why, you have routing. If the answer lives in one person's head or in last quarter's demo, you have a default. A default is cheap to start and expensive to unwind. The flagship model answers everything, the invoice arrives, and nobody can point at the decision that spent the money. Not a leaderboard, not load balancing, not a gateway Three different things get sold under this one word. A leaderboard ranks models on a public exam. Your job is not that exam. A rank says nothing about the privacy class of your prompt or how long your user will wait. Load balancing spreads identical work across identical capacity. Routing sends different work to different models on purpose. A gateway product is a box that executes a policy. Buy the box after the policy exists. Otherwise you configure someone else's default and call it architecture. What a route contains A route you can defend in a review has five fields. Mandate. What this model is allowed to do: summarise, extract, classify, plan, refuse. Cost class. What you pay per million tokens on this route, and the point where the bill forces a review. Privacy class. What data may leave the building. If the answer is never, the route runs locally or it does not exist. Latency class. How long the user waits. A nightly batch and a chat window are different routes even when the prompt is identical. Fallback. What runs when the primary model is down, over budget, or outside policy. A route without a fallback is a single point of failure with extra vocabulary. If you cannot fill those five, you are not routing yet. Fill them before you argue about vendors. Where ROUTE comes in ROUTE is the discipline in The Model Portfolio that keeps a routing policy standing. Register every model with its mandate and privacy class. Type the objective before you choose. Utilize a written policy that also names cascades and fallbacks. Track cost, latency, and quality per route. Evolve the mix on a cadence instead of on release day. Routing is the U. The other four letters are what keep the policy true a quarter later. A test for this week Take yesterday's busiest model call. Write one line: task, model, reason, fallback. Then ask the person who wired it whether the reason still holds. If the line takes more than a minute, or the reason is \"it was the best model\", that call runs on a default. Write the route. Then take the next call. Two pages Frontier, workhorse, and local are the class split a policy chooses between. A model cascade is one pattern a policy can name. This page is the policy itself. LLM integration is an operating-design problem is the wider frame that puts the policy in the operating loop. The Model Portfolio is live. You do not need the hardcover to write the first routing table this week.","keyTakeaways":["Routing starts with the task, not the leaderboard.","A route has five fields: mandate, cost class, privacy class, latency class, fallback.","Privacy class is a routing input, not a later compliance surprise.","This page is the definition. The Model Portfolio owns the operating loop."],"readingMinutes":3,"publishedAt":"2026-09-23T19:00:00.000Z"},"nl":{"label":"Wat is modelroutering? Een beleid, geen standaardkeuze","summary":"Modelroutering is een geschreven beleid dat elke taak om een benoemde reden naar een benoemd model stuurt. Eerst typeer je het doel, daarna kies je het model. Een route die je in een review overeind houdt, heeft een mandaat, een kostenklasse, een privacyklasse, een latentieklasse en een fallback. Elke aanroep naar het vlaggenschipmodel sturen omdat de demo van vorig kwartaal dat deed, is een standaardkeuze, en een standaardkeuze is een gewoonte met een rekening eraan. Op deze site heet de discipline ROUTE, uit Het model-portfolio: Register, Doel-typering, Uitvoeringsbeleid, Tracken, Evolueren. Het boek is live in het Engels en het Nederlands als paperback, hardcover en Kindle. Deze pagina is de definitie. Het boek bezit de operationele lus.","url":"/nl/blog/wat-is-modelroutering/","searchText":"Wat is modelroutering? Een beleid, geen standaardkeuze Modelroutering is een geschreven beleid dat elke taak om een benoemde reden naar een benoemd model stuurt. Eerst het doel, dan het model. Alles naar het vlaggenschip sturen is een standaardkeuze met een rekening eraan, geen beleid. Kun je niet benoemen welk model welk werk doet, dan heb je geen routeringsbeleid. Dan heb je een standaardkeuze. Modelroutering is een geschreven beleid dat elke taak om een benoemde reden naar een benoemd model stuurt. Eerst typeer je het doel, daarna kies je het model. Een route die je in een review overeind houdt, heeft een mandaat, een kostenklasse, een privacyklasse, een latentieklasse en een fallback. Elke aanroep naar het vlaggenschipmodel sturen omdat de demo van vorig kwartaal dat deed, is een standaardkeuze, en een standaardkeuze is een gewoonte met een rekening eraan. Op deze site heet de discipline ROUTE, uit Het model-portfolio: Register, Doel-typering, Uitvoeringsbeleid, Tracken, Evolueren. Het boek is live in het Engels en het Nederlands als paperback, hardcover en Kindle. Deze pagina is de definitie. Het boek bezit de operationele lus. wat is modelroutering Routering begint bij de taak, niet bij het leaderboard. Een route heeft vijf velden: mandaat, kostenklasse, privacyklasse, latentieklasse, fallback. Privacyklasse is invoer voor de route, geen complianceverrassing achteraf. Deze pagina is de definitie. Het model-portfolio bezit de operationele lus. ai-agents ROUTE Register, Doel-typering, Uitvoeringsbeleid, Tracken, Evolueren. modelroutering Een geschreven beleid dat elke taak om een benoemde reden naar een benoemd model stuurt. Modelroutering is een geschreven beleid dat elke taak om een benoemde reden naar een benoemd model stuurt. Eerst het doel, dan het model. Kan een nieuwe collega op maandag nalezen welk model welk werk doet, en waarom, dan heb je routering. Zit het antwoord in het hoofd van één persoon of in de demo van vorig kwartaal, dan heb je een standaardkeuze. Een standaardkeuze is goedkoop om mee te beginnen en duur om terug te draaien. Het vlaggenschipmodel beantwoordt alles, de factuur komt binnen, en niemand kan aanwijzen welk besluit het geld heeft uitgegeven. Geen leaderboard, geen load balancing, geen gateway Onder dit ene woord worden drie verschillende dingen verkocht. Een leaderboard rangschikt modellen op een openbaar examen. Jouw werk is dat examen niet. Een positie op die lijst zegt niets over de privacyklasse van je prompt of over hoe lang je gebruiker wil wachten. Load balancing verdeelt identiek werk over identieke capaciteit. Routering stuurt verschillend werk bewust naar verschillende modellen. Een gateway-product is een doos die een beleid uitvoert. Koop die doos pas als het beleid bestaat. Anders configureer je andermans standaardkeuze en noem je dat architectuur. Wat een route bevat Een route die je in een review overeind houdt, heeft vijf velden. Mandaat. Wat dit model mag doen: samenvatten, extraheren, classificeren, plannen, weigeren. Kostenklasse. Wat je op deze route per miljoen tokens betaalt, en bij welk bedrag de rekening een review afdwingt. Privacyklasse. Welke data het gebouw mag verlaten. Is het antwoord nooit, dan draait de route lokaal of bestaat hij niet. Latentieklasse. Hoe lang de gebruiker wacht. Een nachtelijke batch en een chatvenster zijn verschillende routes, ook als de prompt hetzelfde is. Fallback. Wat er draait als het primaire model plat ligt, over het budget heen gaat of buiten het beleid valt. Een route zonder fallback is een single point of failure met extra vocabulaire. Kun je die vijf niet invullen, dan routeer je nog niet. Vul ze in voordat je over leveranciers gaat discussiëren. Waar ROUTE binnenkomt ROUTE is de discipline uit Het model-portfolio die een routeringsbeleid overeind houdt. Register: elk model staat in het register, met mandaat en privacyklasse. Doel-typering: je typeert het doel voordat je kiest. Uitvoeringsbeleid: het beleid staat op papier en benoemt ook de cascades en fallbacks. Tracken: kosten, latentie en kwaliteit meet je per route. Evolueren: de mix verandert op een vaste cadans, niet op de dag van een release. Routering is de U. De andere vier letters zorgen dat het beleid een kwartaal later nog klopt. Een test voor deze week Neem de drukste modelaanroep van gisteren. Schrijf één regel op: taak, model, reden, fallback. Vraag daarna aan degene die hem heeft aangesloten of de reden nog klopt. Kost die regel je meer dan een minuut, of luidt de reden \"het was het beste model\", dan draait die aanroep op een standaardkeuze. Schrijf de route op. Pak dan de volgende aanroep. Twee pagina's Frontier, workhorse en lokaal zijn de klassenindeling waaruit een beleid kiest. Een modelcascade is één patroon dat een beleid kan benoemen. Deze pagina is het beleid zelf. LLM-integratie is een operationeel ontwerpprobleem is het bredere kader dat het beleid in de operationele lus zet. Het model-portfolio is live. Je hebt de hardcover niet nodig om deze week de eerste routeringstabel te schrijven.","keyTakeaways":["Routering begint bij de taak, niet bij het leaderboard.","Een route heeft vijf velden: mandaat, kostenklasse, privacyklasse, latentieklasse, fallback.","Privacyklasse is invoer voor de route, geen complianceverrassing achteraf.","Deze pagina is de definitie. Het model-portfolio bezit de operationele lus."],"readingMinutes":3,"publishedAt":"2026-09-23T19:05:00.000Z"}},"degree":12},{"id":"article:what-is-rag","type":"article","pillar":"ai-systems","locales":{"en":{"label":"What is RAG? When AI looks up a source before it answers","summary":"RAG, retrieval-augmented generation, is an AI method. A language model does not magically know your contracts, handbook, or last Tuesday's report. RAG makes it look up a specific passage in a collection you gave it, then write the answer from that passage. Retrieval is the product. The sentence is the last mile. If you cannot open the source behind the sentence, you do not have RAG. You have a chat window with extra text pasted in.","url":"/en/blog/what-is-rag/","searchText":"What is RAG? When AI looks up a source before it answers RAG is an AI method: the system finds a named passage in your files, then writes the answer from that passage. If you cannot open the source behind the sentence, you do not have RAG. A fluent AI answer can still be unsourced. RAG is the method that has to show the page it used. RAG, retrieval-augmented generation, is an AI method. A language model does not magically know your contracts, handbook, or last Tuesday's report. RAG makes it look up a specific passage in a collection you gave it, then write the answer from that passage. Retrieval is the product. The sentence is the last mile. If you cannot open the source behind the sentence, you do not have RAG. You have a chat window with extra text pasted in. what is RAG retrieval-augmented generation RAG is an AI method: look up a named passage, then write. A fluent answer can still be unsourced. The test is whether you can open the page behind the sentence. Pasting a PDF into ChatGPT once is not a retrieval system. GRAIN is the inspectable loop. This page defines RAG, not a nine-move product. The RAG Engineer is available now in English and Dutch. You can already demand the passage. ai-agents RAG An AI method. Fetch named passages, then generate. If you cannot open the source, it is not RAG. GRAIN Gather, Rank, Assemble, Inspect, Navigate. The inspectable retrieval loop. You asked an AI chatbot a question about your company. It answered in clean English. You still cannot tell whether it used last year's handbook, this year's, or a paragraph it invented that merely sounded like a handbook. That is the job RAG is supposed to do. RAG is a method in artificial intelligence. The letters mean retrieval-augmented generation . In order: the system finds a specific passage in a collection you gave it, then it writes the answer from that passage. Retrieval is the product. The sentence is the last mile. If you cannot open the source behind the sentence, you do not have RAG. You have a chat window with extra text pasted in. What a language model actually does A language model is the engine behind tools such as ChatGPT. It was trained on a huge pile of public text. It is good at sounding right. It does not have a live copy of your supplier contract, your HR handbook, or last Tuesday's incident report unless you give it one. When the model has no source, it still answers. Fluency is cheap. A confident number about notice periods, refunds, or who may sign, written from general internet folklore, is still a guess. Pasting a PDF into the chat once is not a system. The window fills up. Tomorrow's question starts from zero. Nobody can later point at which paragraph was used. Look it up, then write Picture a warehouse of identical boxes. RAG is the person who pulls one folder, puts it under the lamp, and only then writes. The product is that folder, not the sentence. In software terms the collection is usually cut into short passages, sometimes called chunks. A chunk is just a piece of a larger file: a clause, a section, a paragraph. The AI has to fetch one you can name, then generate. Walk a question that actually costs money. Someone asks: how many days of notice do we need to cancel the supplier contract? Without retrieval, the model produces a number that sounds like contract law. It may even be a common number. It is still not your clause. With RAG, the system searches the signed contracts you indexed, finds clause 12.3, and the answer names that clause. You can open the file. If the file is last year's draft, you will see that too. The same test holds for a holiday policy, a refund rule, a safety instruction, or a product spec. You can check the sentence against a file. That is the whole advantage. If you do not build AI for a living You do not need to buy new software to use this definition. The next time a tool answers from \"our docs,\" ask to see the paragraph. If nobody can show it, the letters on the slide are decoration. Treat the chatbot as a drafting aid. Keep it off anything that has to match a signed file. What you were sold Vendors put RAG on a slide and mean \"we connected a search index to a chatbot.\" A search index is a filing cabinet. Useful, and not a finished system. Embeddings, vector stores, and similar parts are furniture in that cabinet. They help the system find candidates. They do not prove that the sentence on screen came from the passage you would accept in a dispute. The system starts when someone can name the passage. Until then you shipped generation with extras. The five-line test Take one bad answer from last week. Fill these lines. Use ordinary language. 1. Which passage was gathered? 2. Why did this one rank for this question, and not the older version? 3. What was assembled around it before the model wrote? 4. Did anyone inspect a miss, or only the demo that worked? 5. What would you look up next, or would you refuse to answer? If those lines are blank, stop arguing about chunk size. You shipped a fluent guess. GRAIN is the same loop with names: Gather, Rank, Assemble, Inspect, Navigate. RAG names the architecture. GRAIN names the honesty check. This page is the definition. It is not the nine-move expansion. Evaluate the reasoning, not the fluency is the adjacent test when the sentence is tidy and the source is not. Demand the passage The RAG Engineer owns the longer practice. It is available now in English and Dutch paperback, hardcover, and Kindle. You do not need the hardcover to demand the folder under the lamp. If the team cannot open the passage behind the sentence, do not call it RAG. Call it a prompt with extras. Then take the extras out of any decision that has to survive a dispute.","keyTakeaways":["RAG is an AI method: look up a named passage, then write.","A fluent answer can still be unsourced. The test is whether you can open the page behind the sentence.","Pasting a PDF into ChatGPT once is not a retrieval system.","GRAIN is the inspectable loop. This page defines RAG, not a nine-move product.","The RAG Engineer is available now in English and Dutch. You can already demand the passage."],"readingMinutes":4,"publishedAt":"2026-08-23T08:00:00.000Z"},"nl":{"label":"Wat is RAG? Als AI een bron opzoekt voordat het antwoordt","summary":"RAG, retrieval-augmented generation, is een methode binnen kunstmatige intelligentie. Een taalmodel kent niet op magische wijze je contracten, je handboek of het verslag van afgelopen dinsdag. RAG laat het een specifieke passage opzoeken in een verzameling die jij hebt aangeleverd, en daarna het antwoord daaruit schrijven. Het ophalen is het product. De zin is de laatste stap. Als je de bron achter de zin niet kunt openen, heb je geen RAG. Dan heb je een chatvenster met extra tekst erin geplakt.","url":"/nl/blog/wat-is-rag/","searchText":"Wat is RAG? Als AI een bron opzoekt voordat het antwoordt RAG is een methode binnen kunstmatige intelligentie: het systeem zoekt een benoemde passage in je bestanden en schrijft het antwoord daaruit. Als je de bron achter de zin niet kunt openen, heb je geen RAG. Een vloeiend AI-antwoord kan nog steeds zonder bron zijn. RAG is de methode die de gebruikte pagina moet kunnen tonen. RAG, retrieval-augmented generation, is een methode binnen kunstmatige intelligentie. Een taalmodel kent niet op magische wijze je contracten, je handboek of het verslag van afgelopen dinsdag. RAG laat het een specifieke passage opzoeken in een verzameling die jij hebt aangeleverd, en daarna het antwoord daaruit schrijven. Het ophalen is het product. De zin is de laatste stap. Als je de bron achter de zin niet kunt openen, heb je geen RAG. Dan heb je een chatvenster met extra tekst erin geplakt. wat is RAG retrieval-augmented generation RAG is een AI-methode: zoek een benoemde passage op en schrijf daarna pas. Een vloeiend antwoord kan nog steeds zonder bron zijn. De test is of je de pagina achter de zin kunt openen. Eén keer een pdf in ChatGPT plakken is geen ophaalsysteem. GRAIN is de controleerbare loop. Deze pagina definieert RAG, geen product van negen stappen. De RAG-engineer is nu verkrijgbaar in het Engels en het Nederlands. Je kunt nu al de passage eisen. ai-agents RAG Een AI-methode. Haal benoemde passages op, genereer daarna. Als je de bron niet kunt openen, is het geen RAG. GRAIN Gather, Rank, Assemble, Inspect, Navigate. De controleerbare ophaal-loop. Je stelde een vraag over je bedrijf aan een AI-chatbot. Het antwoord was in foutloos Nederlands. Toch weet je niet of het systeem het handboek van vorig jaar gebruikte, dat van dit jaar, of een alinea verzon die alleen klonk als een handboek. Daarvoor is RAG bedoeld. RAG is een methode binnen kunstmatige intelligentie (AI). De letters staan voor retrieval-augmented generation . In volgorde: het systeem zoekt een specifieke passage op in een verzameling die jij hebt aangeleverd, en schrijft daarna het antwoord uit die tekst. Het ophalen is het product. De zin is de laatste stap. Als je de bron achter de zin niet kunt openen, heb je geen RAG. Dan heb je een chatvenster met extra tekst erin geplakt. Wat een taalmodel werkelijk doet Een taalmodel is de motor achter tools zoals ChatGPT. Het is getraind op een enorme berg openbare tekst. Het is goed in klinken alsof het klopt. Het heeft geen actuele kopie van je leverancierscontract, je HR-handboek of het incidentenrapport van afgelopen dinsdag, tenzij jij die aanlevert. Ook zonder bron geeft het model antwoord. Vloeiende zinnen kosten weinig. Een zelfverzekerd getal over opzegtermijnen, terugbetalingen of wie er mag tekenen, gehaald uit algemene internetkennis, blijft een gok. Eén keer een pdf in de chat plakken maakt nog geen systeem. Het venster stroomt vol. De vraag van morgen begint weer op nul. Achteraf kan niemand aanwijzen welke alinea er is gebruikt. Eerst opzoeken, dan schrijven Stel je een magazijn vol identieke dozen voor. RAG is de persoon die één map pakt, die onder de lamp legt, en dan pas schrijft. Het product is die map, niet de zin. In de software wordt de verzameling meestal geknipt in korte passages. Soms heten die chunks: een kort stuk uit een groter bestand. Een clausule, een sectie, een alinea. De AI moet een passage ophalen die je bij naam kunt noemen, en daarna pas tekst maken. Loop een vraag na die daadwerkelijk geld kost. Iemand vraagt: hoeveel dagen opzegtermijn hebben we nodig om het leverancierscontract te beëindigen? Zonder ophalen produceert het model een getal dat klinkt als contractenrecht. Het is misschien zelfs een gangbare termijn. Het is nog steeds niet jóuw clausule. Met RAG doorzoekt het systeem de getekende contracten die je doorzoekbaar hebt gemaakt, vindt het clausule 12.3, en noemt het antwoord die clausule. Je kunt het bestand openen. Als dat bestand de conceptversie van vorig jaar is, zie je dat ook. Dezelfde test geldt voor een verlofregeling, een terugbetalingsregel, een veiligheidsinstructie of een productspecificatie. Je kunt de zin toetsen aan een bestand. Dat is het voordeel. Als je niet dagelijks AI bouwt Je hoeft geen nieuwe software te kopen om deze definitie te gebruiken. De volgende keer dat een tool antwoordt uit \"onze documenten\", vraag dan de alinea te zien. Als niemand die kan tonen, zijn de letters op de slide versiering. Behandel de chatbot dan als hulpmiddel bij het schrijven. Houd hem weg van alles wat exact moet kloppen met een getekend bestand. Wat je is verkocht Leveranciers zetten RAG op een slide en bedoelen: we hebben een zoekindex aan een chatbot gekoppeld. Een zoekindex is een archiefkast. Nuttig, en nog geen kant-en-klaar systeem. Embeddings, vector stores en vergelijkbare onderdelen zijn de inrichting van die kast. Ze helpen kandidaten te vinden. Ze bewijzen niet dat de zin op het scherm uit de passage komt die je in een geschil zou accepteren. Het systeem begint pas als iemand de passage kan aanwijzen. Tot die tijd heb je tekstgeneratie met extra's opgeleverd. De test van vijf regels Neem één slecht antwoord van vorige week. Vul deze regels in. Gewone taal. 1. Welke passage is verzameld? 2. Waarom scoorde juist deze voor deze vraag, en niet de oudere versie? 3. Wat is eromheen gezet voordat het model ging schrijven? 4. Heeft iemand een misser nagekeken, of alleen de demo die werkte? 5. Wat zou je hierna opzoeken, of zou je weigeren te antwoorden? Als die regels leeg blijven, stop dan met discussiëren over de grootte van je chunks. Je hebt een vloeiende gok opgeleverd. GRAIN is dezelfde loop met namen: Gather, Rank, Assemble, Inspect, Navigate. RAG is de naam van de architectuur. GRAIN is de naam van de eerlijkheidscheck. Deze pagina is de definitie. Het is geen uitwerking in negen stappen. Evalueer de redenering, niet de vloeiendheid is de test ernaast als de zin keurig is en de bron niet. Eis de passage De RAG-engineer beschrijft de langere praktijk. Het is nu verkrijgbaar in het Engels en het Nederlands als paperback, hardcover en Kindle. Je hebt de hardcover niet nodig om de map onder de lamp te eisen. Als het team de passage achter de zin niet kan openen, noem het dan geen RAG. Noem het een prompt met extra's. Haal die extra's uit elke beslissing die een geschil moet overleven.","keyTakeaways":["RAG is een AI-methode: zoek een benoemde passage op en schrijf daarna pas.","Een vloeiend antwoord kan nog steeds zonder bron zijn. De test is of je de pagina achter de zin kunt openen.","Eén keer een pdf in ChatGPT plakken is geen ophaalsysteem.","GRAIN is de controleerbare loop. Deze pagina definieert RAG, geen product van negen stappen.","De RAG-engineer is nu verkrijgbaar in het Engels en het Nederlands. Je kunt nu al de passage eisen."],"readingMinutes":4,"publishedAt":"2026-08-23T08:05:00.000Z"}},"degree":18},{"id":"article:what-is-reasonkit","type":"article","pillar":"ai-systems","locales":{"en":{"label":"What is ReasonKit? Structured decisions through MCP","summary":"ReasonKit Think is a free, open-source add-on for AI coding assistants. It helps the assistant turn a decision into a map of options, test the important claims against evidence you or the assistant supply, stop when critical evidence is missing, and export a record of how the decision was reached. It connects through MCP (Model Context Protocol), the open standard for linking AI apps to outside tools, and runs on your own machine. Len P. van der Hof, who writes this site, built it.","url":"/en/blog/what-is-reasonkit/","searchText":"What is ReasonKit? Structured decisions through MCP ReasonKit MCP explained: what ReasonKit Think does, how it plugs into AI assistants through MCP, a worked decision, what it is not, and its install status. An AI assistant can sound certain. ReasonKit makes it show which claims were checked, and stop when the evidence is missing. ReasonKit Think is a free, open-source add-on for AI coding assistants. It helps the assistant turn a decision into a map of options, test the important claims against evidence you or the assistant supply, stop when critical evidence is missing, and export a record of how the decision was reached. It connects through MCP (Model Context Protocol), the open standard for linking AI apps to outside tools, and runs on your own machine. Len P. van der Hof, who writes this site, built it. ReasonKit MCP ReasonKit Think is an MCP server: a small program your AI assistant starts and calls, on your own machine. Your AI assistant still does the thinking. ReasonKit records the decision, checks supplied evidence, and blocks a conclusion while critical evidence is missing. Six modes: Auto, Quick, Explore, Map, Sketch and Test. Auto is the default. It is Apache-2.0 licensed and free. Check which version you install: the published crate lags the release candidate. Disclosure: Len built it, as a product of his holding LPH98.ventures. mcp MCP Model Context Protocol, an open-source standard for connecting AI applications to outside tools and data. MCP server A program that offers tools to an AI application over MCP. ReasonKit Think is one. host agent The AI assistant you already use, such as Claude Code or Cursor, which calls the MCP server and does the actual reasoning. fail closed When something required is missing, stop and say so, instead of carrying on as if it were fine. STACK Structure, Toolchain, Agent configuration, Connection, Knowledge and quality. Five layers for a codebase that people and AI agents share, from The Agentic Codebase. ReasonKit Think is a free, open-source add-on for AI coding assistants that makes a decision inspectable. It helps the assistant lay out the options as a map, test each important claim against evidence, stop when critical evidence is missing, and export a record of how the decision was reached. It plugs in through MCP, the open standard that lets AI apps use outside tools, and it runs on your own machine. ReasonKit is the brand; ReasonKit Think is the product its public site offers today. A plain disclosure: Len P. van der Hof, who writes this site, built it. The ReasonKit site says it is built by him \"as a product of LPH98.ventures\", his holding company (reasonkit.sh). Read this page as a maker describing his own tool. Every feature below is taken from the product's public site and README; nothing is added from memory. What problem does it address? When an AI assistant recommends something, you usually get fluent text. You rarely get a record of which claims it checked, which ones it assumed, and what would have changed its mind. The ReasonKit site frames the problem this way: most AI agents either reason \"shallowly (fast but wrong) or deeply but opaquely (slow and unverifiable)\". Its answer is structure. Each decision becomes a set of options, claims, evidence and assumptions that a person can inspect afterwards. The same idea runs through Evaluate the reasoning, not the fluency on this site: a polished answer is not proof that the thinking behind it was checked. How does it plug in? MCP in two sentences MCP stands for Model Context Protocol, \"an open-source standard for connecting AI applications to external systems\" (MCP introduction). An MCP server is a program that offers tools to an AI app over that standard. For the full picture, see MCP meaning. ReasonKit Think is an MCP server that uses the stdio transport, which the specification describes simply: \"The client launches the MCP server as a subprocess\" (MCP transports). In plain words, your AI app starts it as a small program on your own computer. Its GitHub README adds: \"No daemon, hosted service, or telemetry export is required\" (GitHub README). The public site lists setup paths for Claude Code, Gemini CLI, Codex CLI, Cursor, GitHub Copilot CLI, VS Code, OpenCode, Qwen Code, Zed and others. It claims automatic configuration only for some of them (Claude Code, Gemini CLI, Codex CLI and VS Code on the day this page was checked) and marks the rest as manual or \"update in progress\". Who does the thinking? Your AI assistant does. This is the most important thing to understand, and the README says it directly: \"The host agent remains the semantic engine.\" The host agent is the AI assistant you already use. According to the README, ReasonKit Think records only what the assistant submits through its tools. It does not run a language model to pull facts out of the assistant's reasoning, it \"cannot read a repository, URL, or @mention by itself\", and it \"does not expose a model's private chain of thought\". Its job is to hold the structure, apply the evidence rules, and refuse to sign off when the rules are not met. The six thinking modes Mode What it does, in plain words Good for --- --- --- Auto Picks a suitable path for you (the default) Most decisions Quick A short, linear check of assumptions and conclusion First passes, simple reviews Explore Branches into options, scores them, drops the weak ones Comparing alternatives Map Links dependencies and merges branches into one plan Architecture and system choices Sketch Writes the outline first, then fills in each part Multi-part plans and documents Test Checks the supplied claims and returns a go or no-go route Release gates, risky changes One trap in the naming: Test checks claims. It \"does not run your project test suite\", as the site puts it. The evidence gate Each claim ends up with a status. The site shows labels such as VERIFIED (backed by several strong sources), HEURISTIC (a structural estimate that still needs a human look), DATA DEFICIT (blocked until evidence arrives) and SOURCE CONFLICT (sources disagree, so no conclusion). When a critical claim is missing evidence or has conflicting sources, the decision does not go through. The server returns GATHER MORE EVIDENCE instead. That is what fail closed means: when something required is missing, stop and say so. Critical assumptions work the same way. Under the default settings, an assumption recorded as critical and not yet resolved blocks the final answer. A worked example (hypothetical) Imagine a three-person software team asking its AI assistant, with ReasonKit Think connected: \"Use Auto mode. Should we move our database to a new hosting provider this quarter? Return an auditable recommendation.\" 1. Options. The assistant lays out three branches: stay, move now, move after the current contract renews. 2. Claims. \"The new provider's import tool handles our database size.\" The assistant attaches the provider's documentation page as evidence, and the claim gets a status based on that source. \"The move fits in one weekend.\" Nobody has evidence, so it is marked DATA DEFICIT . 3. Assumption. \"No customer contract requires the data to stay in the EU\" is recorded as critical. Nobody has checked the contracts yet. 4. Checkpoint. With a critical gap and an unresolved critical assumption, the route comes back as GATHER MORE EVIDENCE . 5. Record. The team exports the audit: the option map, the claims with their evidence, the route, and the stated limitations. Without the structure, it is easy to get a confident paragraph recommending the move. With it, the answer is \"not yet\", plus the two things to find out first: a timed test migration, and a look at the customer contracts. What ReasonKit is not - Not a model. Your assistant still does the reasoning. ReasonKit holds the structure and applies the rules. - Not a web or code fact-checker. It cannot fetch pages or read your repository. Your assistant has to bring the evidence to it. - Not a benchmark claim. Its public pages publish no accuracy numbers, and this page claims none. - Not an official MCP reference server. It is a first-party tool from this site's author. - Not a test runner. The Test mode checks claims, not code. Install, licence and status (checked 26 September 2026) Licence. Apache-2.0, a permissive open-source licence. The site says \"Free forever. No credit card.\" Install. The site offers a one-line installer ( curl -fsSL https://get.reasonkit.sh/think bash ), which downloads and runs a script, so read the script before you run it. The installer pins version 0.2.0: on Linux x86 64 it downloads the prebuilt binary from the GitHub release and checks its SHA-256 checksum; elsewhere it builds from source, which needs Rust (the README lists Rust 1.95 or newer). The manual alternative is cargo install --locked --git https://github.com/reasonkit/ReasonKit-think reasonkit-think-mcp , where cargo is the package tool of the Rust programming language. Status. Check which version you get. crates.io, the Rust package registry, lists 0.1.1 from May 2026 as the latest published release. Version 0.2.0 is a release candidate: GitHub carries it as a prerelease (26 September 2026) with a Linux binary, and the one-line installer pins it. An unversioned cargo install reasonkit-think-mcp from crates.io still resolves the older 0.1.1. Where it sits in your setup: STACK STACK is a framework for organising a code repository so that people and AI coding agents can work in it safely. It comes from The Agentic Codebase , which is available now. Its five layers: 1. Structure. The layout, entry points and boundaries an agent can find its way through in its first minute. 2. Toolchain. The shells and commands an agent may run, written down instead of remembered. 3. Agent configuration. Instruction files such as AGENTS.md and CLAUDE.md, rules and skills, versioned like code. 4. Connection. MCP servers, tool contracts, hooks and guardrails, with least privilege (only the access the job needs) and a known failure story. 5. Knowledge and quality. Memory, context budgets, evals (automated tests of AI output) and CI, so a model upgrade does not quietly lower the bar. You do not need the book to use this. ReasonKit Think belongs in the Connection layer, and it deserves the same short contract as any other server: what it can reach (only what the assistant submits), where it runs (locally, over stdio), where its records live (the README says submitted state is stored locally so sessions can be replayed), who owns it on your team, and which decisions must go through it. The book itself mentions Len's ReasonKit tooling as part of his own setup and tells readers to \"read it as the author's stack, not as a recommendation you must adopt\". Try this today: the paper version in fifteen minutes You do not need to install anything to test the idea. Pick one decision you face this week and write: 1. two or three options, 2. the three claims the best option depends on, 3. next to each claim, the evidence you actually have (a link, a number, a document) or the words \"no evidence\", 4. one assumption that must be true, marked critical, 5. the rule: any critical claim with no evidence, or any unresolved critical assumption, means \"not yet\". If the rule says \"not yet\", you have your to-do list. That is the protocol ReasonKit Think runs inside an AI assistant. If you already use an MCP-capable coding tool, run the same decision through it in Auto mode afterwards and compare the two records.","keyTakeaways":["ReasonKit Think is an MCP server: a small program your AI assistant starts and calls, on your own machine.","Your AI assistant still does the thinking. ReasonKit records the decision, checks supplied evidence, and blocks a conclusion while critical evidence is missing.","Six modes: Auto, Quick, Explore, Map, Sketch and Test. Auto is the default.","It is Apache-2.0 licensed and free. Check which version you install: the published crate lags the release candidate.","Disclosure: Len built it, as a product of his holding LPH98.ventures."],"readingMinutes":8,"publishedAt":"2026-10-04T14:00:00.000Z"},"nl":{"label":"Wat is ReasonKit? Gestructureerde beslissingen via MCP","summary":"ReasonKit Think is een gratis opensource-uitbreiding voor AI-codeerassistenten. Het helpt de assistent een besluit om te zetten in een overzicht van opties, belangrijke claims te toetsen aan bewijs dat jij of de assistent aanlevert, te stoppen als cruciaal bewijs ontbreekt en een verslag te exporteren van hoe het besluit tot stand kwam. Het werkt via MCP (Model Context Protocol), de open standaard om AI-apps met externe tools te verbinden, en draait op je eigen computer. Len P. van der Hof, de schrijver van deze site, heeft het gebouwd.","url":"/nl/blog/wat-is-reasonkit/","searchText":"Wat is ReasonKit? Gestructureerde beslissingen via MCP ReasonKit MCP uitgelegd: wat ReasonKit Think doet, hoe het via MCP aansluit op AI-assistenten, een uitgewerkt besluit, wat het niet is en de installatiestatus. Een AI-assistent kan heel zeker klinken. Met ReasonKit moet hij laten zien welke claims gecontroleerd zijn, en stoppen als het bewijs ontbreekt. ReasonKit Think is een gratis opensource-uitbreiding voor AI-codeerassistenten. Het helpt de assistent een besluit om te zetten in een overzicht van opties, belangrijke claims te toetsen aan bewijs dat jij of de assistent aanlevert, te stoppen als cruciaal bewijs ontbreekt en een verslag te exporteren van hoe het besluit tot stand kwam. Het werkt via MCP (Model Context Protocol), de open standaard om AI-apps met externe tools te verbinden, en draait op je eigen computer. Len P. van der Hof, de schrijver van deze site, heeft het gebouwd. ReasonKit MCP ReasonKit Think is een MCP-server: een klein programma dat je AI-assistent op je eigen computer start en aanroept. Het denkwerk blijft bij je AI-assistent. ReasonKit legt het besluit vast, toetst aangeleverd bewijs en houdt een conclusie tegen zolang cruciaal bewijs ontbreekt. Zes modi: Auto, Quick, Explore, Map, Sketch en Test. Auto is de standaard. Het valt onder de Apache-2.0-licentie en is gratis. Let op welke versie je installeert: de gepubliceerde crate loopt achter op de release candidate. Openheid vooraf: Len bouwde het, als product van zijn holding LPH98.ventures. mcp MCP Model Context Protocol, een opensourcestandaard om AI-toepassingen te koppelen aan externe tools en data. MCP-server Een programma dat via MCP tools aanbiedt aan een AI-toepassing. ReasonKit Think is er een. hostagent De AI-assistent die je al gebruikt, zoals Claude Code of Cursor. Die roept de MCP-server aan en doet het eigenlijke denkwerk. fail closed Als er iets vereists ontbreekt, stoppen en dat melden, in plaats van doorgaan alsof er niets aan de hand is. STACK Structure, Toolchain, Agent configuration, Connection, Knowledge and quality. Vijf lagen voor een codebase die mensen en AI-agents delen, uit De agentische codebase. ReasonKit Think is een gratis opensource-uitbreiding voor AI-codeerassistenten die een besluit controleerbaar maakt. Het helpt de assistent de opties als een kaart uit te zetten, elke belangrijke claim aan bewijs te toetsen, te stoppen als cruciaal bewijs ontbreekt en een verslag te exporteren van hoe het besluit tot stand kwam. Het maakt verbinding via MCP, de open standaard waarmee AI-apps externe tools gebruiken, en het draait op je eigen computer. ReasonKit is de merknaam; ReasonKit Think is het product dat de openbare site op dit moment aanbiedt. Eerst een eerlijke kanttekening: Len P. van der Hof, die deze site schrijft, heeft het gebouwd. Op de site van ReasonKit staat dat hij het maakt als product van LPH98.ventures, zijn holding (reasonkit.sh). Lees deze pagina dus als een maker die over zijn eigen tool schrijft. Elke functie hieronder komt van de openbare site en de README van het product; er is niets uit het hoofd aan toegevoegd. Welk probleem lost het op? Als een AI-assistent iets aanraadt, krijg je meestal vlotte tekst. Wat je zelden krijgt, is een verslag van welke claims hij heeft gecontroleerd, welke hij aannam en wat hem van gedachten had kunnen doen veranderen. De site van ReasonKit beschrijft het probleem zo: de meeste AI-agents redeneren óf oppervlakkig (snel maar fout), óf diep maar ondoorzichtig (traag en niet te controleren). Het antwoord van ReasonKit is structuur. Elk besluit wordt een set opties, claims, bewijs en aannames die een mens achteraf kan nalopen. Hetzelfde idee staat in Evalueer de redenering, niet de vloeiendheid op deze site: een gepolijst antwoord bewijst niet dat het denkwerk erachter gecontroleerd is. Hoe koppel je het? MCP in twee zinnen MCP staat voor Model Context Protocol, een opensourcestandaard om AI-toepassingen te koppelen aan externe systemen (MCP-introductie). Een MCP-server is een programma dat via die standaard tools aanbiedt aan een AI-app. Het volledige verhaal staat in MCP-betekenis. ReasonKit Think is een MCP-server die het stdio -transport gebruikt. De specificatie zegt daarover kortweg dat de client de MCP-server als subproces start (MCP-transports). In gewone woorden: je AI-app start het als een klein programma op je eigen computer. Volgens de README op GitHub is er geen achtergronddienst, gehoste dienst of telemetrie-export voor nodig (README op GitHub). De openbare site noemt een installatieroute voor onder meer Claude Code, Gemini CLI, Codex CLI, Cursor, GitHub Copilot CLI, VS Code, OpenCode, Qwen Code en Zed. Automatische configuratie claimt de site maar voor een deel daarvan (Claude Code, Gemini CLI, Codex CLI en VS Code op de dag dat deze pagina werd gecontroleerd); de rest staat op handmatig of op \"update in progress\". Wie doet het denkwerk? Je AI-assistent. Dat is het belangrijkste om te snappen, en de README zegt het rechtstreeks: de hostagent blijft de semantische motor. De hostagent is de AI-assistent die je al gebruikt. Volgens de README legt ReasonKit Think alleen vast wat de assistent via de tools aanlevert. Het draait geen taalmodel om feiten uit de redenering van de assistent te halen, het kan zelf geen repository, URL of @mention lezen, en het toont de verborgen gedachtegang van een model niet. Zijn taak is de structuur bewaken, de bewijsregels toepassen en weigeren af te tekenen zolang niet aan die regels is voldaan. De zes denkmodi Modus Wat het doet, in gewone woorden Geschikt voor --- --- --- Auto Kiest zelf een passende route (de standaard) De meeste besluiten Quick Een korte, lineaire check van aannames en conclusie Eerste rondes, eenvoudige reviews Explore Vertakt naar opties, scoort ze en schrapt de zwakke Alternatieven vergelijken Map Legt afhankelijkheden vast en voegt takken samen tot één plan Architectuur- en systeemkeuzes Sketch Schrijft eerst de opzet en werkt daarna elk deel uit Plannen en documenten met meerdere delen Test Toetst de aangeleverde claims en geeft een go of no-go Releasepoorten, riskante wijzigingen Een valkuil in de naamgeving: Test toetst claims. Volgens de site draait het de testsuite van je project niet. De bewijspoort Elke claim krijgt een status. De site toont labels als VERIFIED (gesteund door meerdere sterke bronnen), HEURISTIC (een structurele inschatting die nog een menselijke blik nodig heeft), DATA DEFICIT (geblokkeerd tot er bewijs is) en SOURCE CONFLICT (bronnen spreken elkaar tegen, dus geen conclusie). Ontbreekt bij een cruciale claim het bewijs, of spreken de bronnen elkaar tegen, dan komt het besluit niet door de poort. De server geeft dan GATHER MORE EVIDENCE terug. Dat heet fail closed : ontbreekt er iets vereists, dan stop je en zeg je dat. Cruciale aannames werken net zo. Met de standaardinstellingen houdt een aanname die als cruciaal is vastgelegd en nog niet is opgelost, het eindantwoord tegen. Een uitgewerkt voorbeeld (verzonnen) Stel: een softwareteam van drie mensen vraagt zijn AI-assistent, met ReasonKit Think gekoppeld: \"Gebruik Auto-modus. Moeten we onze database dit kwartaal naar een andere hostingprovider verhuizen? Geef een controleerbare aanbeveling.\" 1. Opties. De assistent zet drie takken uit: blijven, nu verhuizen, verhuizen nadat het huidige contract is verlengd. 2. Claims. \"De importtool van de nieuwe provider kan de omvang van onze database aan.\" De assistent voegt de documentatiepagina van de provider toe als bewijs, en de claim krijgt een status op basis van die bron. \"De verhuizing past in één weekend.\" Niemand heeft daar bewijs voor, dus die claim krijgt DATA DEFICIT . 3. Aanname. \"Geen enkel klantcontract eist dat de data in de EU blijft\" wordt als cruciaal vastgelegd. Niemand heeft de contracten nog nagelezen. 4. Checkpoint. Met een cruciaal gat en een onopgeloste cruciale aanname komt de route terug als GATHER MORE EVIDENCE . 5. Verslag. Het team exporteert de audit: de kaart met opties, de claims met hun bewijs, de route en de vastgelegde beperkingen. Zonder die structuur krijg je al snel een stellige alinea die de verhuizing aanraadt. Met structuur is het antwoord \"nog niet\", plus de twee dingen die je eerst moet uitzoeken: een proefmigratie met een stopwatch erbij, en een blik in de klantcontracten. Wat ReasonKit niet is - Geen model. Je assistent redeneert nog steeds zelf. ReasonKit bewaakt de structuur en past de regels toe. - Geen feitencontroleur voor het web of je code. Het kan geen pagina's ophalen of je repository lezen. Je assistent moet het bewijs aandragen. - Geen benchmarkclaim. De openbare pagina's noemen geen nauwkeurigheidscijfers, en deze pagina doet dat ook niet. - Geen officiële MCP-referentieserver. Het is een eigen tool van de auteur van deze site. - Geen testrunner. De modus Test toetst claims, geen code. Installatie, licentie en status (gecontroleerd op 26 september 2026) Licentie. Apache-2.0, een permissieve opensourcelicentie. De site belooft dat het voorgoed gratis blijft, zonder creditcard. Installatie. De site biedt een installatie in één regel ( curl -fsSL https://get.reasonkit.sh/think bash ). Die haalt een script op en voert het uit, dus lees het script voordat je het draait. Het script zet versie 0.2.0 vast: op Linux x86 64 haalt het de kant-en-klare binary uit de release op GitHub en controleert het de SHA-256-checksum; op andere systemen bouwt het vanuit de broncode, en daarvoor heb je Rust nodig (volgens de README Rust 1.95 of nieuwer). Het handmatige alternatief is cargo install --locked --git https://github.com/reasonkit/ReasonKit-think reasonkit-think-mcp ; cargo is de pakketbeheerder van de programmeertaal Rust. Status. Kijk welke versie je krijgt. crates.io, het pakketregister van Rust, noemt 0.1.1 uit mei 2026 als laatste gepubliceerde release. Versie 0.2.0 is een release candidate: GitHub vermeldt haar sinds 26 september 2026 als prerelease met een Linux-binary, en de installatie in één regel zet precies die versie vast. Een installatie via crates.io zonder versienummer ( cargo install reasonkit-think-mcp ) levert nog steeds de oudere 0.1.1 op. Waar het in je opstelling hoort: STACK STACK is een framework om een coderepository zo in te richten dat mensen en AI-codeeragents er veilig in kunnen werken. Het komt uit De agentische codebase , dat nu verkrijgbaar is. De vijf lagen houden hun Engelse namen: 1. Structure. De indeling, toegangspunten en grenzen waarin een agent in zijn eerste minuut zijn weg vindt. 2. Toolchain. De shells en commando's die een agent mag draaien, opgeschreven in plaats van onthouden. 3. Agent configuration. Instructiebestanden als AGENTS.md en CLAUDE.md, regels en skills, geversioneerd zoals code. 4. Connection. MCP-servers, toolcontracten, hooks en vangrails, met minimale rechten (alleen de toegang die de klus vraagt) en een uitgewerkt faalscenario. 5. Knowledge and quality. Geheugen, contextbudgetten, evals (geautomatiseerde tests van AI-output) en CI, zodat een modelupgrade de lat niet stilletjes verlaagt. Je hebt het boek niet nodig om dit te gebruiken. ReasonKit Think hoort in de laag Connection , en verdient hetzelfde korte contract als elke andere server: waar het bij kan (alleen wat de assistent aanlevert), waar het draait (lokaal, via stdio), waar de vastleggingen staan (volgens de README bewaart het aangeleverde gegevens lokaal, zodat je sessies opnieuw kunt afspelen), wie er in je team eigenaar van is, en welke besluiten erdoorheen moeten. Het boek zelf noemt de ReasonKit-tooling van Len als onderdeel van zijn eigen opstelling en zegt erbij: \"Lees dat als een concreet voorbeeld, niet als leveranciersgebonden aanbeveling.\" Probeer het vandaag: de papieren versie in een kwartier Je hoeft niets te installeren om het idee te testen. Kies één besluit dat je deze week moet nemen en schrijf op: 1. twee of drie opties, 2. de drie claims waar de beste optie op leunt, 3. bij elke claim het bewijs dat je echt hebt (een link, een getal, een document), of de woorden \"geen bewijs\", 4. één aanname die waar moet zijn, gemarkeerd als cruciaal, 5. de regel: elke cruciale claim zonder bewijs, of elke onopgeloste cruciale aanname, betekent \"nog niet\". Zegt de regel \"nog niet\", dan heb je je takenlijst. Dat is het protocol dat ReasonKit Think binnen een AI-assistent uitvoert. Gebruik je al een codeertool die MCP ondersteunt, laat hetzelfde besluit er dan daarna in Auto-modus doorheen gaan en vergelijk de twee verslagen.","keyTakeaways":["ReasonKit Think is een MCP-server: een klein programma dat je AI-assistent op je eigen computer start en aanroept.","Het denkwerk blijft bij je AI-assistent. ReasonKit legt het besluit vast, toetst aangeleverd bewijs en houdt een conclusie tegen zolang cruciaal bewijs ontbreekt.","Zes modi: Auto, Quick, Explore, Map, Sketch en Test. Auto is de standaard.","Het valt onder de Apache-2.0-licentie en is gratis. Let op welke versie je installeert: de gepubliceerde crate loopt achter op de release candidate.","Openheid vooraf: Len bouwde het, als product van zijn holding LPH98.ventures."],"readingMinutes":8,"publishedAt":"2026-10-04T14:05:00.000Z"}},"degree":7},{"id":"article:what-is-roster","type":"article","pillar":"ai-systems","locales":{"en":{"label":"What is ROSTER? How one person manages a team of AI agents","summary":"ROSTER is a framework from The Agent Dream Team for a founder who works alone but runs several AI agents. It names six decisions to make for every agent: Roles (one job with written limits), Objectives (a result you can grade), Skills and tools (only the access that job needs), Triggers (the event that starts it), Evaluation (a written scorecard) and Rotation (when to upgrade, merge or retire it). It is a management method, not software.","url":"/en/blog/what-is-roster/","searchText":"What is ROSTER? How one person manages a team of AI agents ROSTER is a six-decision framework for running AI agents as named specialists in a one-person business: plain definitions, a worked role, a 15-minute check. A role is defined by what it may not do. Six written decisions turn an AI agent into a specialist you can grade, fix or retire. ROSTER is a framework from The Agent Dream Team for a founder who works alone but runs several AI agents. It names six decisions to make for every agent: Roles (one job with written limits), Objectives (a result you can grade), Skills and tools (only the access that job needs), Triggers (the event that starts it), Evaluation (a written scorecard) and Rotation (when to upgrade, merge or retire it). It is a management method, not software. what is ROSTER ROSTER = Roles, Objectives, Skills and tools, Triggers, Evaluation, Rotation: six decisions per agent, from The Agent Dream Team. Every role needs a written list of what it does not own. It is the line founders skip. Start with three roles and stay between three and five. Around eight, you become the bottleneck. One bad week starts a diagnosis. Two in a row, or four of the last six, start a decision to upgrade, merge or retire. ROSTER is a management method. It makes failures visible; it does not prove the agents will do better work. agent-ops multi-agent-organization ROSTER Roles, Objectives, Skills and tools, Triggers, Evaluation, Rotation. Six decisions for running AI agents as named specialists in a one-person business. AI agent Software that takes a goal, chooses its own steps and uses tools such as search, email or files. Charter A one-page job description for one agent role: what it owns, what it does not own, what it receives and delivers, which tools it may use, and what it must hand back to you. Least privilege The security rule that every account or agent gets only the access its job needs. Minimum Viable Roster The book's starting set of three roles: Research Specialist, Draft Editor, Ops Coordinator. ROSTER is a management framework for a one-person business that runs several AI agents. An AI agent here means software that takes a goal, chooses its own steps and uses tools such as search, email or a shared folder. ROSTER turns \"I use a few AI tools\" into \"I run a small team of named specialists\" by making six decisions for every agent: Roles, Objectives, Skills and tools, Triggers, Evaluation, Rotation. The framework comes from The Agent Dream Team by Len P. van der Hof, available now in English and Dutch. You do not need the book to use it. This page gives you the six decisions in plain words, one role filled in from top to bottom, the book's rules on how many agents to run, and a fifteen-minute audit you can do today. What problem does ROSTER solve? Most solo founders start with one chat window that does everything: research on Monday, a client email on Tuesday, the invoice list on Wednesday. The book names four ways that single thread degrades. - Task-type collision. Research, writing and admin share one conversation, so the habits of one job bleed into the next. - Memory pollution. Old material (last month's client, a rejected draft) piles up and drowns out what matters for today's task. - Tool sprawl. One assistant holds every permission, so a research question sits one step away from a tool that can send or delete. - Quality variance. There is no written standard, so you judge each output by mood and cannot tell good work from bad. ROSTER's answer is the one small companies already use: split the work into jobs, and write down what each job is. The six decisions, in plain words 1. Roles. Give each agent one job and a one-page charter (a written job description). The book's charter has six fields: role name, mandate (what the role owns and, explicitly, what it does not), input (what it receives), output (what it delivers), permitted tools, and an escalation rule (what it must hand back to you instead of attempting). 2. Objectives. Make the role measurable. \"Deliver three sourced competitor profiles by Thursday\" is an objective. \"Help me with research\" is a wish. A role without an objective is a job title. 3. Skills and tools. Give the role only the access its job needs, and cut the rest. This is least privilege, the security rule that every account gets the minimum rights its job requires. Enforce it in the tool settings; a sentence in the prompt removes nothing. 4. Triggers. Decide which event starts which agent: a new email from a prospect, a draft landing in a shared folder, a list you approve. You decide once, instead of choosing a chat window every time work arrives. 5. Evaluation. Grade the output against a written scorecard of three to five criteria, every week, with you as the final check before anything goes out. 6. Rotation. Roles are not permanent. When a role keeps failing its scorecard, or the work it was built for changes, you upgrade it, merge it with another role, or retire it. The six form a loop, not a form you fill in once. The book's own examples: a trigger that wakes the wrong agent is a role-design problem, and a scorecard that cannot catch bad output is an objectives problem. What does one role look like, filled in? Here is a hypothetical role for a one-person software company: an agent that drafts release notes (the short \"what is new\" text customers read after an update). All of it fits on one page, which is the book's test for a charter. If it does not fit on one page, the mandate is too broad. Decision What you write down --- --- Roles Release-note drafter. Owns: turning the approved release list into customer-facing notes. Does not own: deciding what shipped, publishing, promising dates. Hands back: any item it cannot match to the list. Objectives Each Tuesday, a draft in which every change matches the approved list, nothing unreleased appears, and gaps are flagged instead of filled in. Skills and tools Reads the approved list and the product docs. Writes to one drafts folder. No publishing login, no email. Triggers You mark the release list \"approved\". No approval, no run. A weekly calendar slot does not prove there is anything to announce. Evaluation Three checks each week: every claim traces to the list; no unreleased feature; unclear items flagged, not guessed. Once a month, plant one unreleased item in the input and confirm the draft leaves it out. Rotation One failed week: read the last three drafts and find the cause. Two failed weeks in a row: rewrite the prompt from the charter. Still failing two weeks later: retire the role and write the notes yourself. Look at the \"does not own\" line. The book calls the explicit list of what a role does not own the line founders skip. It is also the line that stops a drafting agent from announcing a feature you have not shipped. For a second filled-in charter, see the AI agent charter guide. It uses the seven-field version from the sister book on team coordination, which overlaps with the six fields above. How many agents should you run? Fewer than you think. The book's starting point is three roles, which it calls the Minimum Viable Roster: - a Research Specialist that gathers, summarises and cites, and never drafts or advises; - a Draft Editor that writes in your house voice, and never researches or schedules; - an Ops Coordinator that schedules, tracks and logs, and never writes client-facing text. Three to five roles is the working range for a founder who reviews everything personally. Around eight, the book says, the founder stops being a coach and becomes the bottleneck again: every role you add is a role you have to read. Six decisions do not mean six agents. Several roles can run on the same AI model with different instructions, access and scorecards. There is also a bill. In its own write-up of a research system, Anthropic reported that a multi-agent setup beat a single agent by 90.2% on the company's internal research evaluation, and that multi-agent systems use about 15 times as many tokens (the units AI providers bill by) as a normal chat. That is one vendor measuring its own system, not proof that more agents beat fewer. It does show that a roster is a spending decision as much as a design decision. When does a role get fixed, merged or retired? The book gives rules you can write on the charter before anything goes wrong. - One week below your scorecard floor (the lowest score you will accept) starts a diagnosis, not a verdict. Read the last three outputs and look for the cause. - Two weeks in a row below the floor, or four of the last six, start a decision: upgrade the role (rewrite the prompt, try another model, or add a missing tool), merge it with a role doing overlapping work, or retire it. - Before you blame the role, check the model underneath it. If the provider changed or retired it, treat that as a forced move: switch, re-test, and only then judge the design. - Once a quarter, review the roster as a whole: which roles are still needed, which overlap, which work you still do yourself, and what you would build from scratch today. The author is plain that these counts are his operating rules, not research findings, and the book states that no study measures whether rotating agent roles improves a solo founder's output. Pick your own thresholds. The point is to write them down in a calm week, so that in a bad week you read a rule instead of negotiating with yourself. What ROSTER is not Not software. It is a set of decisions that works with any AI tool. A charter can live in a text file; a system prompt is only one way to encode it. The step limits and logs in Using AI agents effectively are how you enforce the charter in a real tool. Not CHORUS. CHORUS (Charter, Handoff, Orchestrate, Review, Update, Sync) is the sister framework from The Multi-Agent Organization, also available, written for teams of 2 to 15 people who share work with agents. The Agent Dream Team puts the split in one line: \"CHORUS scales a team. ROSTER scales a person.\" Not a productivity guarantee. Named roles make failures visible and fixable. They do not prove the agents will do better work. How does ROSTER run week to week? The book pairs the six decisions with a thirty-minute weekly routine: a Monday charter review, a midweek check that the triggers fired as intended, and a Friday scorecard pass in which you grade each role. In a company of one, that Friday pass is the main systematic review in the whole setup. Skip it, and quality can drift until a deliverable fails in front of a client. Try this today: a 15-minute ROSTER gap audit This is a shortened version of the book's first exercise. 1. List every AI workflow you ran in the last two weeks: research, writing, client email, scheduling, review. 2. Give each workflow a candidate role name. Group workflows that belong to the same specialist. 3. Score each role against the six decisions: Y (in place), P (partly), N (missing). Role (hypothetical) Roles Objectives Skills and tools Triggers Evaluation Rotation --- --- --- --- --- --- --- Client research P N N Y N N Newsletter draft Y P N P N N Invoice reminders N N P Y N N 4. Count the Ns. Each one is a gap in how you run your agents. 5. For the role with the most Ns, write two lines before you close the tab: what it does not own, and one objective you could grade on Friday. The ROSTER framework page keeps the six steps on one screen if you want them next to your list.","keyTakeaways":["ROSTER = Roles, Objectives, Skills and tools, Triggers, Evaluation, Rotation: six decisions per agent, from The Agent Dream Team.","Every role needs a written list of what it does not own. It is the line founders skip.","Start with three roles and stay between three and five. Around eight, you become the bottleneck.","One bad week starts a diagnosis. Two in a row, or four of the last six, start a decision to upgrade, merge or retire.","ROSTER is a management method. It makes failures visible; it does not prove the agents will do better work."],"readingMinutes":8,"publishedAt":"2026-09-26T14:00:00.000Z"},"nl":{"label":"Wat is ROSTER? Zo stuur je in je eentje een team van AI-agents aan","summary":"ROSTER is een framework uit Het agent-droomteam voor een oprichter die alleen werkt maar wel meerdere AI-agents inzet. Het benoemt zes besluiten die je per agent neemt: Rollen (één taak met vastgelegde grenzen), Doelstellingen (een resultaat dat je kunt beoordelen), Vaardigheden en tools (alleen de toegang die die taak vraagt), Triggers (de gebeurtenis die de agent start), Evaluatie (een vaste scorecard) en Rotatie (wanneer je hem verbetert, samenvoegt of uit bedrijf neemt). Het is een managementmethode, geen software.","url":"/nl/blog/wat-is-roster/","searchText":"Wat is ROSTER? Zo stuur je in je eentje een team van AI-agents aan ROSTER legt in zes besluiten vast hoe je AI-agents als benoemde specialisten inzet in een eenmansbedrijf. Met één uitgewerkte rol en een check van 15 minuten. Een rol staat of valt met wat ze niet mag doen. Zes vastgelegde besluiten maken van een AI-agent een specialist die je kunt beoordelen, bijsturen of uit bedrijf nemen. ROSTER is een framework uit Het agent-droomteam voor een oprichter die alleen werkt maar wel meerdere AI-agents inzet. Het benoemt zes besluiten die je per agent neemt: Rollen (één taak met vastgelegde grenzen), Doelstellingen (een resultaat dat je kunt beoordelen), Vaardigheden en tools (alleen de toegang die die taak vraagt), Triggers (de gebeurtenis die de agent start), Evaluatie (een vaste scorecard) en Rotatie (wanneer je hem verbetert, samenvoegt of uit bedrijf neemt). Het is een managementmethode, geen software. wat is ROSTER ROSTER staat voor Roles, Objectives, Skills and tools, Triggers, Evaluation, Rotation: zes besluiten per agent, uit Het agent-droomteam. Elke rol heeft een uitgeschreven lijst nodig van wat ze niet bezit. Juist die regel slaan oprichters over. Begin met drie rollen en blijf tussen drie en vijf. Rond de acht word je zelf het knelpunt. Eén slechte week is aanleiding voor een diagnose. Twee op rij, of vier van de laatste zes, vragen om een besluit: verbeteren, samenvoegen of uit bedrijf nemen. ROSTER is een managementmethode. Het maakt fouten zichtbaar, maar bewijst niet dat de agents beter werk leveren. agent-ops multi-agent-organization ROSTER Rollen, Doelstellingen, Vaardigheden en tools, Triggers, Evaluatie, Rotatie (in het Engels Roles, Objectives, Skills and tools, Triggers, Evaluation, Rotation). Zes besluiten om AI-agents als benoemde specialisten in te zetten in een eenmansbedrijf. AI-agent Software die een doel meekrijgt, zelf de stappen kiest en tools gebruikt, zoals zoeken, e-mail of bestanden. Charter Een functiebeschrijving van één pagina voor één agentrol: wat de rol bezit, wat ze niet bezit, wat ze ontvangt en oplevert, welke tools ze mag gebruiken en wat ze aan jou moet voorleggen. Minimale rechten De beveiligingsregel dat elk account en elke agent alleen de toegang krijgt die de taak vraagt (in het Engels least privilege). Minimaal werkbaar rooster De startopstelling van drie rollen uit het boek: Onderzoeksspecialist, Conceptredacteur en Ops-coördinator. ROSTER is een managementframework voor een eenmansbedrijf dat meerdere AI-agents inzet. Met een AI-agent bedoelen we hier software die een doel meekrijgt, zelf de stappen kiest en tools gebruikt, zoals zoeken, e-mail of een gedeelde map. ROSTER is het verschil tussen \"ik gebruik een paar AI-tools\" en \"ik stuur een klein team van benoemde specialisten aan\". Dat verschil maak je door per agent zes besluiten te nemen: Rollen, Doelstellingen, Vaardigheden en tools, Triggers, Evaluatie en Rotatie. De naam komt van de Engelse beginletters: Roles, Objectives, Skills and tools, Triggers, Evaluation, Rotation. Het framework komt uit Het agent-droomteam van Len P. van der Hof, nu verkrijgbaar in het Nederlands en het Engels. Je hebt het boek niet nodig om ermee te werken. Op deze pagina vind je de zes besluiten in gewone taal, één volledig ingevulde rol, de regels uit het boek over hoeveel agents je moet inzetten, en een check van een kwartier die je vandaag nog kunt doen. Welk probleem lost ROSTER op? De meeste solo-ondernemers beginnen met één chatvenster dat alles doet: maandag onderzoek, dinsdag een klantmail, woensdag de openstaande facturen. Het boek noemt vier manieren waarop die ene chat achteruitgaat. - Taaktype-botsing. Onderzoek, schrijfwerk en administratie delen één gesprek, dus de gewoonten van de ene klus sijpelen door in de volgende. - Geheugenverontreiniging. Oud materiaal (de klant van vorige maand, een afgekeurd concept) stapelt zich op en overstemt wat telt voor de taak van vandaag. - Toolversnippering. Eén assistent heeft alle rechten, dus een onderzoeksvraag is maar één stap verwijderd van een tool die iets kan versturen of wissen. - Kwaliteitsvariantie. Er is geen vastgelegde norm, dus je beoordeelt elke output op gevoel en ziet het verschil tussen goed en slecht werk niet meer. Het antwoord van ROSTER is wat kleine bedrijven al lang doen: verdeel het werk in functies en schrijf op wat elke functie inhoudt. De zes besluiten in gewone taal 1. Rollen (Roles). Geef elke agent één taak en een charter van één pagina (een functiebeschrijving op papier). Het charter uit het boek heeft zes velden: rolnaam, mandaat (wat de rol bezit en, uitdrukkelijk, wat niet), input (wat ze ontvangt), output (wat ze oplevert), toegestane tools en een escalatieregel (wat ze aan jou moet voorleggen in plaats van het zelf te proberen). 2. Doelstellingen (Objectives). Maak de rol meetbaar. \"Lever voor donderdag drie concurrentieprofielen met bronnen\" is een doelstelling. \"Help me met onderzoek\" is een wens. Een rol zonder doelstelling is een functietitel. 3. Vaardigheden en tools (Skills and tools). Geef de rol alleen de toegang die de taak vraagt, en haal de rest weg. Dat is het principe van minimale rechten: elk account krijgt niet meer toegang dan het werk vereist. Regel dat in de instellingen van de tool; een zin in de prompt neemt geen enkel recht af. 4. Triggers. Leg vast welke gebeurtenis welke agent start: een nieuwe mail van een prospect, een concept dat in een gedeelde map verschijnt, een lijst die jij goedkeurt. Dat beslis je één keer, in plaats van telkens te kiezen welk chatvenster je opent als er werk binnenkomt. 5. Evaluatie (Evaluation). Beoordeel de output elke week aan de hand van een vaste scorecard met drie tot vijf criteria, met jezelf als laatste controle voordat er iets de deur uitgaat. 6. Rotatie (Rotation). Rollen zijn niet voor eeuwig. Haalt een rol keer op keer haar scorecard niet, of verandert het werk waarvoor ze is gebouwd, dan verbeter je haar, voeg je haar samen met een andere rol of neem je haar uit bedrijf. De zes vormen een kringloop, geen formulier dat je één keer invult. Het boek geeft er zelf voorbeelden van: een trigger die de verkeerde agent wakker maakt, is een probleem in het rolontwerp, en een scorecard die slechte output doorlaat, is een probleem in de doelstelling. Hoe ziet één ingevulde rol eruit? Neem een hypothetische rol in een softwarebedrijf van één persoon: een agent die releasenotes opstelt (de korte tekst \"wat is er nieuw\" die klanten na een update lezen). Alles past op één pagina, en dat is precies de toets die het boek hanteert: past het charter niet op één pagina, dan is het mandaat te breed. Besluit Wat je vastlegt --- --- Rollen Opsteller van releasenotes. Bezit: de goedgekeurde releaselijst omzetten in releasenotes voor klanten. Bezit niet: beslissen wat er is uitgebracht, publiceren, datums toezeggen. Legt voor: elk punt dat niet op de lijst terug te vinden is. Doelstellingen Elke dinsdag een concept waarin elke wijziging overeenkomt met de goedgekeurde lijst, niets staat wat nog niet is uitgebracht en gaten worden gemeld in plaats van opgevuld. Vaardigheden en tools Leest de goedgekeurde lijst en de productdocumentatie. Schrijft in één conceptenmap. Geen publicatietoegang, geen e-mail. Triggers Jij zet de releaselijst op \"goedgekeurd\". Geen goedkeuring, geen run. Een vast wekelijks moment in de agenda bewijst niet dat er iets aan te kondigen valt. Evaluatie Drie controles per week: elke claim is terug te voeren op de lijst; geen functie die nog niet is uitgebracht; onduidelijke punten gemeld, niet op de gok ingevuld. Stop één keer per maand bewust een nog niet uitgebracht punt in de input en controleer of het concept het weglaat. Rotatie Eén week onvoldoende: lees de laatste drie concepten en zoek de oorzaak. Twee weken op rij: herschrijf de prompt vanuit het charter. Twee weken later nog steeds onvoldoende: neem de rol uit bedrijf en schrijf de releasenotes zelf. Kijk vooral naar de regel \"bezit niet\". Volgens het boek is de uitdrukkelijke lijst van wat een rol niet bezit precies de regel die oprichters overslaan. Het is ook de regel die voorkomt dat een schrijfagent een functie aankondigt die je nog niet hebt uitgebracht. Een tweede ingevuld charter vind je in de uitleg over het AI-agent-charter. Die pagina gebruikt de versie met zeven velden uit het zusterboek over teamcoördinatie, die overlapt met de zes velden hierboven. Hoeveel agents moet je inzetten? Minder dan je denkt. Het boek begint met drie rollen en noemt dat het minimaal werkbare rooster: - een Onderzoeksspecialist die verzamelt, samenvat en bronnen vermeldt, en nooit schrijft of adviseert; - een Conceptredacteur die schrijft in jouw huisstijl, en nooit bronnen zoekt of plant; - een Ops-coördinator die plant, bijhoudt en vastlegt, en nooit tekst voor klanten schrijft. Drie tot vijf rollen is de werkbare bandbreedte voor een oprichter die alles zelf beoordeelt. Rond de acht, zegt het boek, is de oprichter geen coach meer maar weer het knelpunt: elke rol die je toevoegt, is een rol waarvan je de output moet lezen. Zes besluiten betekenen geen zes agents. Meerdere rollen kunnen op hetzelfde AI-model draaien, elk met eigen instructies, toegang en scorecard. En er hangt een prijskaartje aan. In een eigen verslag over een onderzoekssysteem meldt Anthropic dat een opzet met meerdere agents op de interne onderzoeksevaluatie van het bedrijf 90,2 procent beter scoorde dan één agent, en dat systemen met meerdere agents ongeveer 15 keer zoveel tokens gebruiken als een gewone chat. Tokens zijn de eenheden waarin AI-aanbieders factureren. Dit is één leverancier die zijn eigen systeem meet, geen bewijs dat meer agents het beter doen dan minder. Het laat wel zien dat een team van agents net zo goed een uitgavenbesluit is als een ontwerpbesluit. Wanneer verbeter je een rol, voeg je rollen samen of stop je ermee? Het boek geeft regels die je al op het charter zet voordat er iets misgaat. - Eén week onder je ondergrens (de laagste score die je accepteert) is aanleiding voor een diagnose, niet voor een oordeel. Lees de laatste drie outputs en zoek de oorzaak. - Twee weken op rij onder de ondergrens, of vier van de laatste zes, vragen om een besluit: verbeter de rol (herschrijf de prompt, probeer een ander model of voeg een ontbrekende tool toe), voeg haar samen met een rol die overlappend werk doet, of neem haar uit bedrijf. - Controleer eerst het onderliggende model voordat je de rol de schuld geeft. Heeft de aanbieder het model gewijzigd of uitgefaseerd, dan is dat een gedwongen overstap: schakel over, test opnieuw en beoordeel pas daarna het ontwerp. - Eén keer per kwartaal bekijk je het team als geheel: welke rollen zijn nog nodig, welke overlappen, welk werk doe je nog steeds zelf, en wat zou je bouwen als je vandaag opnieuw begon? De auteur zegt er eerlijk bij dat deze aantallen zijn eigen werkregels zijn en geen onderzoeksresultaten. Volgens het boek meet geen enkele studie of het rouleren van agentrollen de output van een solo-oprichter verbetert. Kies dus je eigen drempels. Het gaat erom dat je ze opschrijft in een rustige week, zodat je in een slechte week een regel leest in plaats van met jezelf te onderhandelen. Wat ROSTER niet is Geen software. Het is een set besluiten die met elke AI-tool werkt. Een charter kan in een tekstbestand staan; een systeemprompt is maar één manier om het vast te leggen. De staplimieten en logboeken uit AI-agents effectief inzetten zijn de manier om het charter in een echte tool af te dwingen. Geen CHORUS. CHORUS (Charter, Handoff, Orchestrate, Review, Update, Sync) is het zusterframework uit De multi-agent organisatie, ook verkrijgbaar, geschreven voor teams van 2 tot 15 mensen die werk delen met agents. Het agent-droomteam vat het verschil samen in één zin: \"CHORUS schaalt een team. ROSTER schaalt een persoon.\" Geen productiviteitsgarantie. Benoemde rollen maken fouten zichtbaar en herstelbaar. Ze bewijzen niet dat de agents beter werk leveren. Hoe draait ROSTER van week tot week? Het boek koppelt de zes besluiten aan een vaste routine van een halfuur per week: op maandag de charters nalopen, halverwege de week controleren of de triggers zijn afgegaan zoals bedoeld, en op vrijdag de scorecards invullen voor elke rol. In een eenmansbedrijf is die vrijdagse ronde de belangrijkste vaste controle in het hele systeem. Sla je haar over, dan kan de kwaliteit wegzakken tot er een oplevering misgaat waar een klant bij is. Probeer dit vandaag: de ROSTER-check van 15 minuten Dit is een ingekorte versie van de eerste oefening uit het boek. 1. Schrijf elke AI-werkstroom op die je de afgelopen twee weken hebt gedraaid: onderzoek, schrijven, klantmail, planning, controle. 2. Geef elke werkstroom een voorlopige rolnaam. Voeg werkstromen samen die bij dezelfde specialist horen. 3. Scoor elke rol op de zes besluiten: J (geregeld), D (deels), N (ontbreekt). Rol (hypothetisch) Rollen Doelstellingen Vaardigheden en tools Triggers Evaluatie Rotatie --- --- --- --- --- --- --- Klantonderzoek D N N J N N Concept nieuwsbrief J D N D N N Betalingsherinneringen N N D J N N 4. Tel de N'en. Elke N is een gat in de manier waarop je je agents aanstuurt. 5. Schrijf voor de rol met de meeste N'en twee regels op voordat je dit tabblad sluit: wat ze niet bezit, en één doelstelling die je vrijdag kunt beoordelen. Op de ROSTER-frameworkpagina staan de zes stappen op één scherm, handig om naast je lijst te houden.","keyTakeaways":["ROSTER staat voor Roles, Objectives, Skills and tools, Triggers, Evaluation, Rotation: zes besluiten per agent, uit Het agent-droomteam.","Elke rol heeft een uitgeschreven lijst nodig van wat ze niet bezit. Juist die regel slaan oprichters over.","Begin met drie rollen en blijf tussen drie en vijf. Rond de acht word je zelf het knelpunt.","Eén slechte week is aanleiding voor een diagnose. Twee op rij, of vier van de laatste zes, vragen om een besluit: verbeteren, samenvoegen of uit bedrijf nemen.","ROSTER is een managementmethode. Het maakt fouten zichtbaar, maar bewijst niet dat de agents beter werk leveren."],"readingMinutes":9,"publishedAt":"2026-09-26T14:05:00.000Z"}},"degree":9},{"id":"article:what-is-sense","type":"article","pillar":"ai-systems","locales":{"en":{"label":"What is SENSE? Five moves, not another unread summary","summary":"SENSE is an authorial five-phase design grammar for strategic agent systems, introduced in AI Agents for Startup Strategy: Scan, Evaluate, Navigate, Simulate, Execute. A strategic intelligence layer is the standing system that turns signals into sourced claims and brings them to a decision cadence; SENSE is one way to design and diagnose that system. Scan collects against a strategic thesis. Evaluate turns a signal into a sourced claim with stated confidence. Navigate changes what happens next. Simulate rehearses plausible futures and their signposts. Execute delivers the work to an owner, a deadline, and a decision moment, usually as prepare and present rather than autonomous action. SENSE deliberately has no Decide phase: a person keeps judgment. Deliberately partial systems are valid when the missing phase and the human handoff are explicit.","url":"/en/blog/what-is-sense/","searchText":"What is SENSE? Five moves, not another unread summary SENSE is Len P. van der Hof's five-phase design grammar for strategic agent systems: Scan, Evaluate, Navigate, Simulate, Execute. It prepares decisions inside a strategic intelligence layer and leaves judgment with a person. A digest proves that a system can produce text. SENSE asks where that text changes the work. SENSE is an authorial five-phase design grammar for strategic agent systems, introduced in AI Agents for Startup Strategy: Scan, Evaluate, Navigate, Simulate, Execute. A strategic intelligence layer is the standing system that turns signals into sourced claims and brings them to a decision cadence; SENSE is one way to design and diagnose that system. Scan collects against a strategic thesis. Evaluate turns a signal into a sourced claim with stated confidence. Navigate changes what happens next. Simulate rehearses plausible futures and their signposts. Execute delivers the work to an owner, a deadline, and a decision moment, usually as prepare and present rather than autonomous action. SENSE deliberately has no Decide phase: a person keeps judgment. Deliberately partial systems are valid when the missing phase and the human handoff are explicit. what is SENSE framework SENSE is an authorial design grammar, not a validated assessment instrument and not an industry standard. The five phases are Scan, Evaluate, Navigate, Simulate, and Execute. Each has a required output and a known way to collapse. There is no Decide phase. The system prepares the choice; a person owns the decision. A partial SENSE design can be sound. An unnoticed missing phase is the failure. ai-agents SENSE An authorial design grammar for strategic agent systems: Scan, Evaluate, Navigate, Simulate, Execute. strategic intelligence layer A standing system that turns external and internal signals into sourced claims connected to a human decision cadence. A market monitor can run every Tuesday for five months and change nothing. The feeds arrive. The model summarizes them. Nobody can name the claim that moved a price, a watchlist, or a meeting. SENSE exists for that diagnosis. SENSE is Len P. van der Hof's five-phase design grammar for strategic agent systems: Scan, Evaluate, Navigate, Simulate, Execute. Give it one strategic question and it makes the team specify how evidence enters, becomes a claim, changes course, meets a rehearsed future, and arrives where a person can decide. It comes from AI Agents for Startup Strategy, which is available now, and it is the book's own synthesis. The book credits its ancestry, OODA's tempo logic and Weick's sensemaking among it, and then departs from both: SENSE is prospective and prescriptive, a builder's checklist rather than a theory of cognition. It is not an industry standard and not a validated assessment scale. The layer and the grammar A strategic intelligence layer is the standing system: named inputs, sourced claims, a decision cadence, owners, and expiry rules. SENSE is one grammar for designing and diagnosing that system. The distinction keeps the architecture honest. A model, a feed, or a dashboard is a component. The layer exists when information has a governed route into judgment. SENSE lets you inspect that route one phase at a time. The five SENSE phases Phase Required output Collapse mode --- --- --- Scan A bounded set of signals tied to one strategic thesis Collecting whatever is easy and producing a feed nobody reads Evaluate A sourced claim with confidence and contradictions visible Summarizing findings while exporting all judgment back to the reader Navigate A change in attention, routing, assumptions, or preparation Watching in month six exactly what mattered in week one Simulate A small set of plausible futures with assumptions and signposts One confident forecast wearing the word scenario Execute Work delivered to a named owner, deadline, and decision moment A polished digest sent into no meeting and no action path Scan is collection with a thesis. Start from the exposure: what would have to change in the world to damage or invalidate the strategy? That question decides which competitor pages, regulatory sources, customer signals, or internal measures belong in scope, and it excludes the rest. Evaluate turns signal into a claim. The output says what the evidence means for the named exposure. It carries sources, a confidence mark, and any contradiction with the current position, stated rather than overwritten. A summary is raw material. It has not completed Evaluate. Navigate changes what happens next. Tighten the watchlist, raise the review cadence, route a question to the founder before the meeting instead of after it, revise an assumption. Navigate is the steering function. It makes the layer a loop instead of a pipe. Simulate rehearses futures. Test a small set of plausible states, the assumptions that produce them, and the signposts that would tell them apart. The phase prepares conditional action. It does not predict one future with borrowed precision. Execute meets a decision or it never happened. Deliver the brief, the alert, the draft response, or the recommendation to the person and the moment that can use it. In strategic work, Execute is the smallest phase in autonomy terms. It usually means prepare and present, not act unilaterally. Why SENSE has no Decide phase The omission is deliberate. SENSE prepares a choice and routes it into a decision cadence. A person keeps judgment, under a written delegation boundary. That boundary sorts decisions into lanes. Some low-cost, reversible actions may run on their own. For consequential calls, the system assembles the claim, the evidence, and the options, and a person makes the call. Some decisions stay reserved for human framing from the start. None of those lanes turns Decide into a hidden sixth box. The boundary matters most when the output is excellent. Fluency and a complete evidence packet make rubber-stamping feel like review. Naming who decides, before the system has earned trust, is what keeps review real. Partial systems can be honest Not every useful system needs machinery in all five phases. A narrow regulatory monitor may Scan and Evaluate, then hand Navigate and Execute to a weekly review that already exists. A scenario system may start from human-curated evidence. Those are sound designs, and often the best available ones. The test is whether the gap is intentional and the handoff has an owner. \"Simulate is deferred to the quarterly session\" is a design choice. A project team assuming that someone else runs Simulate is a design failure. This is where SENSE becomes a diagnostic rather than a slogan. \"The AI project disappointed us\" is a mood. \"We built Scan five times and never specified Evaluate\" is a repair order. Run the five-line diagnostic Write one strategic question at the top of a page. Then answer: 1. Scan: Which sources matter, and which thesis puts them in scope? 2. Evaluate: What claim shape, evidence standard, and confidence mark will the system produce? 3. Navigate: What may change when the claim changes? 4. Simulate: Which futures and signposts must stay ready? 5. Execute: Which owner and decision moment receive the work? Mark any phase handled by a person, another system, or a later cadence. Blank is allowed when it is deliberate. Invisible is not. What is an evidence ledger? shows one place an evaluated claim can live. SENSE: a 90-day strategic intelligence layer covers installation, gates, and artifacts. This page stops at the definition: five named phases, one human decision boundary, and no unread summary pretending to be a layer.","keyTakeaways":["SENSE is an authorial design grammar, not a validated assessment instrument and not an industry standard.","The five phases are Scan, Evaluate, Navigate, Simulate, and Execute. Each has a required output and a known way to collapse.","There is no Decide phase. The system prepares the choice; a person owns the decision.","A partial SENSE design can be sound. An unnoticed missing phase is the failure."],"readingMinutes":5,"publishedAt":"2026-09-23T14:00:00.000Z"},"nl":{"label":"Wat is SENSE? Vijf zetten, geen extra ongelezen samenvatting","summary":"SENSE is een ontwerpgrammatica van vijf fasen voor strategische agentsystemen, de eigen synthese van de auteur, geïntroduceerd in AI-agenten voor startupstrategie: Scan, Evaluate, Navigate, Simulate, Execute. Een strategische intelligentielaag is het vaste systeem dat signalen omzet in onderbouwde claims en die naar een besluitcadans brengt; SENSE is één manier om dat systeem te ontwerpen en te diagnosticeren. Scan verzamelt vanuit een strategische these. Evaluate maakt van een signaal een onderbouwde claim met een benoemde mate van zekerheid. Navigate verandert wat er daarna gebeurt. Simulate repeteert plausibele toekomsten en hun wegwijzers. Execute levert het werk af bij een eigenaar, een deadline en een besluitmoment, meestal als voorbereiden en presenteren en niet als zelfstandig handelen. SENSE heeft bewust geen Decide-fase: een mens houdt het oordeel. Bewust gedeeltelijke systemen zijn legitiem zolang de ontbrekende fase en de overdracht aan een mens expliciet zijn.","url":"/nl/blog/wat-is-sense/","searchText":"Wat is SENSE? Vijf zetten, geen extra ongelezen samenvatting SENSE is de ontwerpgrammatica van vijf fasen die Len P. van der Hof ontwikkelde voor strategische agentsystemen: Scan, Evaluate, Navigate, Simulate, Execute. Het bereidt besluiten voor binnen een strategische intelligentielaag en laat het oordeel bij een mens. Een samenvatting bewijst dat een systeem tekst kan maken. SENSE vraagt waar die tekst het werk verandert. SENSE is een ontwerpgrammatica van vijf fasen voor strategische agentsystemen, de eigen synthese van de auteur, geïntroduceerd in AI-agenten voor startupstrategie: Scan, Evaluate, Navigate, Simulate, Execute. Een strategische intelligentielaag is het vaste systeem dat signalen omzet in onderbouwde claims en die naar een besluitcadans brengt; SENSE is één manier om dat systeem te ontwerpen en te diagnosticeren. Scan verzamelt vanuit een strategische these. Evaluate maakt van een signaal een onderbouwde claim met een benoemde mate van zekerheid. Navigate verandert wat er daarna gebeurt. Simulate repeteert plausibele toekomsten en hun wegwijzers. Execute levert het werk af bij een eigenaar, een deadline en een besluitmoment, meestal als voorbereiden en presenteren en niet als zelfstandig handelen. SENSE heeft bewust geen Decide-fase: een mens houdt het oordeel. Bewust gedeeltelijke systemen zijn legitiem zolang de ontbrekende fase en de overdracht aan een mens expliciet zijn. wat is SENSE SENSE is een ontwerpgrammatica van de auteur, geen gevalideerd meetinstrument en geen industriestandaard. De vijf fasen zijn Scan, Evaluate, Navigate, Simulate en Execute. Elke fase heeft een vereiste uitkomst en een bekende manier om in te storten. Er is geen Decide-fase. Het systeem bereidt de keuze voor; een mens neemt het besluit. Een gedeeltelijk SENSE-ontwerp kan deugen. Een fase die ongemerkt ontbreekt, is de fout. ai-agents SENSE Een ontwerpgrammatica van de auteur voor strategische agentsystemen: Scan, Evaluate, Navigate, Simulate, Execute. strategische intelligentielaag Het vaste systeem dat externe en interne signalen omzet in onderbouwde claims, gekoppeld aan een menselijke besluitcadans. Een marktmonitor kan vijf maanden lang elke dinsdag draaien en niets veranderen. De feeds komen binnen. Het model vat ze samen. Niemand kan de claim aanwijzen die een prijs, een watchlist of een vergadering heeft veranderd. Daarvoor bestaat SENSE. SENSE is de ontwerpgrammatica van vijf fasen die Len P. van der Hof ontwikkelde voor strategische agentsystemen: Scan, Evaluate, Navigate, Simulate, Execute. Geef het één strategische vraag en het dwingt het team vast te leggen hoe bewijs binnenkomt, een claim wordt, de koers bijstelt, een gerepeteerde toekomst ontmoet en aankomt waar een mens kan beslissen. Het komt uit AI-agenten voor startupstrategie, dat nu verkrijgbaar is, en het is de eigen synthese van dat boek. Het boek benoemt zijn voorouders, onder meer de tempologica van OODA en de sensemaking van Weick, en wijkt daar vervolgens van af: SENSE kijkt vooruit en schrijft voor, een checklist voor bouwers in plaats van een theorie over denken. Het is geen industriestandaard en geen gevalideerde meetschaal. De laag en de grammatica Een strategische intelligentielaag is het vaste systeem: benoemde bronnen, onderbouwde claims, een besluitcadans, eigenaren en vervalregels. SENSE is één grammatica om dat systeem te ontwerpen en te diagnosticeren. Dat onderscheid houdt de architectuur eerlijk. Een model, een feed of een dashboard is een onderdeel. De laag bestaat pas als informatie een beheerde route naar menselijk oordeel heeft. Met SENSE inspecteer je die route fase voor fase. De vijf SENSE-fasen Fase Vereiste uitkomst Faalmodus --- --- --- Scan Een afgebakende set signalen rond één strategische these Verzamelen wat makkelijk is en een feed maken die niemand leest Evaluate Een onderbouwde claim met zekerheid en tegenspraak zichtbaar Bevindingen samenvatten en al het oordeel terugleggen bij de lezer Navigate Een verandering in aandacht, routering, aannames of voorbereiding In maand zes nog precies volgen wat in week één telde Simulate Een kleine set plausibele toekomsten met aannames en wegwijzers Eén stellige voorspelling die zich scenario noemt Execute Werk afgeleverd bij een benoemde eigenaar, deadline en besluitmoment Een gepolijst overzicht dat naar geen enkele vergadering en geen enkele actie gaat Scan is verzamelen met een these. Begin bij de blootstelling: wat zou er in de wereld moeten veranderen om de strategie te beschadigen of onderuit te halen? Die vraag bepaalt welke concurrentpagina's, toezichtbronnen, klantsignalen of interne maatstaven erbij horen, en sluit de rest uit. Evaluate maakt van een signaal een claim. De uitkomst zegt wat het bewijs betekent voor de benoemde blootstelling. Ze draagt bronnen, een mate van zekerheid en elke tegenspraak met de huidige positie, benoemd in plaats van overschreven. Een samenvatting is grondstof. Ze heeft Evaluate nog niet afgerond. Navigate verandert wat er hierna gebeurt. Trek de watchlist strakker, verhoog de reviewfrequentie, stuur een vraag naar de oprichter vóór de vergadering in plaats van erna, herzie een aanname. Navigate is de stuurfunctie. Ze maakt van de laag een lus in plaats van een pijp. Simulate repeteert toekomsten. Toets een kleine set plausibele situaties, de aannames die ze voortbrengen en de wegwijzers waaraan je ze uit elkaar houdt. De fase bereidt voorwaardelijke actie voor. Ze voorspelt niet één toekomst met geleende precisie. Execute ontmoet een besluit, of het is nooit gebeurd. Lever de briefing, de melding, het conceptantwoord of de aanbeveling af bij de persoon en het moment die er iets mee kunnen. In strategisch werk is Execute de kleinste fase qua autonomie. Meestal betekent het voorbereiden en presenteren, niet eenzijdig handelen. Waarom SENSE geen Decide-fase heeft Dat ontbrekende werkwoord is een bewuste keuze. SENSE bereidt een keuze voor en leidt die naar een besluitcadans. Een mens houdt het oordeel, binnen een opgeschreven delegatiegrens. Die grens verdeelt besluiten in banen. Sommige goedkope, omkeerbare acties mogen vanzelf lopen. Bij zwaarwegende keuzes verzamelt het systeem de claim, het bewijs en de opties, en hakt een mens de knoop door. Sommige besluiten blijven vanaf het begin voorbehouden aan menselijke weging. Geen van die banen maakt van Decide een verborgen zesde vakje. De grens telt het zwaarst als de output uitstekend is. Vloeiende tekst en een compleet bewijsdossier laten blind aftekenen aanvoelen als een review. Vooraf benoemen wie beslist, nog voordat het systeem vertrouwen heeft verdiend, is wat een review echt houdt. Gedeeltelijke systemen kunnen eerlijk zijn Niet elk nuttig systeem heeft machinerie in alle vijf fasen nodig. Een smalle toezichtmonitor kan Scan en Evaluate doen en Navigate en Execute overlaten aan een weekoverleg dat al bestaat. Een scenariosysteem kan beginnen met bewijs dat mensen hebben geselecteerd. Dat zijn deugdelijke ontwerpen, en vaak de beste die beschikbaar zijn. De toets is of het gat bewust is en de overdracht een eigenaar heeft. \"Simulate schuift door naar de kwartaalsessie\" is een ontwerpkeuze. Een projectteam dat aanneemt dat iemand anders Simulate wel draait, is een ontwerpfout. Hier wordt SENSE een diagnose in plaats van een slogan. \"Het AI-project viel tegen\" is een stemming. \"We bouwden Scan vijf keer en legden Evaluate nooit vast\" is een werkorder. Doe de diagnose in vijf regels Schrijf één strategische vraag bovenaan een pagina. Beantwoord daarna: 1. Scan: Welke bronnen doen ertoe, en welke these brengt ze in beeld? 2. Evaluate: Welke claimvorm, bewijsstandaard en mate van zekerheid levert het systeem? 3. Navigate: Wat mag er veranderen als de claim verandert? 4. Simulate: Welke toekomsten en wegwijzers moeten klaarstaan? 5. Execute: Welke eigenaar en welk besluitmoment ontvangen het werk? Markeer elke fase die een mens, een ander systeem of een latere cadans afhandelt. Leeg mag, als het bewust is. Onzichtbaar mag niet. Wat is een bewijsregister? laat één plek zien waar een geëvalueerde claim kan wonen. SENSE: een strategische intelligentielaag in negentig dagen behandelt installatie, poorten en artefacten. Deze pagina stopt bij de definitie: vijf benoemde fasen, één menselijke besluitgrens, en geen ongelezen samenvatting die zich voordoet als laag.","keyTakeaways":["SENSE is een ontwerpgrammatica van de auteur, geen gevalideerd meetinstrument en geen industriestandaard.","De vijf fasen zijn Scan, Evaluate, Navigate, Simulate en Execute. Elke fase heeft een vereiste uitkomst en een bekende manier om in te storten.","Er is geen Decide-fase. Het systeem bereidt de keuze voor; een mens neemt het besluit.","Een gedeeltelijk SENSE-ontwerp kan deugen. Een fase die ongemerkt ontbreekt, is de fout."],"readingMinutes":5,"publishedAt":"2026-09-23T14:05:00.000Z"}},"degree":6},{"id":"article:what-is-stack","type":"article","pillar":"ai-systems","locales":{"en":{"label":"What is STACK? Five layers, not a vendor diagram","summary":"STACK is a five-layer architecture for repositories where humans and agents share work: Structure, Toolchain, Agent configuration, Connection, Knowledge and quality. Structure is the map an agent can navigate on minute one. Toolchain is the commands it may run. Agent configuration is versioned standing context. Connection is MCP with contracts and least privilege. Knowledge and quality is memory, evals, and CI, so a model upgrade does not silently lower the bar. It is not a vendor 'AI stack' diagram. The book that owns the name is The Agentic Codebase, which is live.","url":"/en/blog/what-is-stack/","searchText":"What is STACK? Five layers, not a vendor diagram STACK is a five-layer architecture for repositories where humans and agents share work: Structure, Toolchain, Agent configuration, Connection, Knowledge and quality. It is not a vendor AI-stack slide. The agent OS should be versioned like the app. If the rules live in five tools, you have debt, not a model problem. STACK is a five-layer architecture for repositories where humans and agents share work: Structure, Toolchain, Agent configuration, Connection, Knowledge and quality. Structure is the map an agent can navigate on minute one. Toolchain is the commands it may run. Agent configuration is versioned standing context. Connection is MCP with contracts and least privilege. Knowledge and quality is memory, evals, and CI, so a model upgrade does not silently lower the bar. It is not a vendor 'AI stack' diagram. The book that owns the name is The Agentic Codebase, which is live. what is STACK STACK is five named layers with owners. Not a product pack. Demo quality is not repo quality. This page is the definition. The architecture article versions the OS. MCP belongs in Connection, with a contract, or it does not belong. ai-agents STACK Five-layer architecture for repos humans and agents share. MCP A contract for how a model calls tools. STACK is a word vendors print on a slide and operators need as an architecture. What is STACK? Five layers for repositories where humans and agents share work: Structure, Toolchain, Agent configuration, Connection, Knowledge and quality. The agent operating system should be versioned like the application. It is not a vendor \"AI stack\" diagram. It is not a pile of tools. If prompts, MCP servers, and skills live outside the repo, or live in five places inside it, you have agentic repo debt. The disease is ownership, not a weak model. A demo can look clean on one laptop. Six months later a second engineer cannot say which rule allowed the agent to edit the wrong module. The glossary capsule is the short form. This page is the map you can hang on the repo before you add another host. The five names Each layer has an owner. If a change cannot be named as a layer, it does not belong in the pull-request description. \"Tweaked the agent\" is not a commit message. Structure. Layout, entry points, workspaces, and boundaries an agent can navigate on minute one. The map is a directory, not a Slack memory. If a new worker has to ask where the rules live, Structure is missing. One tree. Nowhere else. Toolchain. The shells, commands, and CLI contracts an agent is allowed to run, written down instead of remembered. Hosts and runners are pinned. \"Whatever the laptop has\" is how a demo works and a second machine fails. If two people get two different command lists, you do not have a toolchain. You have folklore. Agent configuration. Versioned standing context. AGENTS.md, rules, skills, subagent charters. Not a prompt in a chat. Not a gist in someone's drive. If the standing instructions exist in three files that disagree, the agent will pick the loudest one. Put a name on the CODEOWNERS line. Connection. MCP with contracts and least privilege. Visibility, mutation, log. A server without those three is a hole in the repo. When a tool can send, spend, or delete, the first ten calls have a human name next to them. After that, the log is the review. No log, no tool. Knowledge and quality. Memory, evals, and CI, so a model upgrade does not silently lower the bar. What the agent may treat as true, and the tests that fail a bad change. If you swapped the model last Tuesday and nothing in CI noticed, you do not have a quality layer. You have hope. The override doctrine is a file, not a Slack memory. It names the decisions an agent may never take. It sits next to Agent configuration and Connection. It is not a sixth layer. It is the refuse-line those two layers enforce. A walk through a repo that already smells Take a product repo that \"has agents.\" You open it on a Monday. Structure is four places: a .cursor/rules file, a CLAUDE.md at the root, a prompt in a Notion page, and a skill the founder pasted into a host last month. The agent reads two of them. Nobody can say which two. Toolchain is \"use the CLI on my machine.\" The CI image has a different Node. The agent runs a formatter the laptop does not have. Review comments argue about whitespace that the agent never saw. Agent configuration is a chat from March. The charter for the docs worker lives in that thread. The docs worker still runs. The charter does not. Connection is two MCP servers. One can read the repo. One can open a pull request and comment on GitHub. Neither has a written mutation list. The log is the vendor dashboard, which expires. Knowledge and quality is a README sentence: \"be careful with main.\" There is no eval. There is no test that fails when the agent edits a billing module. Last week's model upgrade made the prose nicer and the diffs larger. Nobody measured. That is agentic repo debt. A smarter model will not pay it down. Ownership will. What belongs where MCP belongs in Connection, with a contract, or it does not belong. MCP meaning is the definition of the protocol: host, client, server; tools, resources, prompts. This page only places it. A clean server with no ceiling is still a hole with nicer plumbing. A charter belongs in Agent configuration as standing context, and in CHORUS as a coordination artifact. STACK versions the file. CHORUS names the fields. Do not collapse them. The repo can have a beautiful AGENTS.md and still lose work at every handoff. Evals belong in Knowledge and quality. A vibe check in a pull request is Review in CHORUS, not an eval. If the only quality signal is a human saying \"looks good,\" you have a spectator, not a gate. Not a vendor slide The collision is in the glossary on purpose. STACK is not a product pack. It is not LangChain plus a vector database plus a host. It is not \"our AI stack\" on a Series A deck. Tool names age fast. The five layers do not. A solo founder plus agents is already a multi-actor repo. STACK is sized for that, not for an enterprise platform team. Vibe coding wins the demo. STACK is for the six months after, when the agent edits the wrong module and nobody can say which rule allowed it. Two pages STACK: version the agent OS like you version the app is the architecture article: how to treat prompts, skills, and server contracts as code, with reviewers and a rollback. This page is the definition. The Agentic Codebase is live. The introduction is the launch article. You do not need the hardcover to put the rules in one place. If you do one thing this week: pick a single directory as the agent OS, move the stray prompts into it, and put a name on the CODEOWNERS line. Folklore ends at the first owner. Then name the five layers on a one-page map. If a change cannot point at a layer, it does not merge.","keyTakeaways":["STACK is five named layers with owners. Not a product pack.","Demo quality is not repo quality.","This page is the definition. The architecture article versions the OS.","MCP belongs in Connection, with a contract, or it does not belong."],"readingMinutes":5,"publishedAt":"2026-09-05T07:00:00.000Z"},"nl":{"label":"Wat is STACK? Vijf lagen, geen diagram van een leverancier","summary":"STACK is een vijflaagse architectuur voor repositories waar mensen en agents hun werk delen: Structure, Toolchain, Agent configuration, Connection, Knowledge and quality. Structure is de kaart die een agent direct in minuut één kan navigeren. Toolchain omvat de commando's die hij mag uitvoeren. Agent configuration is de geversioneerde vaste context. Connection is MCP met strakke contracten en 'least privilege'. Knowledge and quality staat voor geheugen, evals en CI, zodat een model-upgrade niet stilletjes de lat verlaagt. Het is geen diagram van een 'AI stack' die je kunt kopen. Het boek dat deze naam claimt is De agentische codebase, dat live is.","url":"/nl/blog/wat-is-stack/","searchText":"Wat is STACK? Vijf lagen, geen diagram van een leverancier STACK is een vijflaagse architectuur voor repositories waar mensen en agents samenwerken: Structure, Toolchain, Agent configuration, Connection, Knowledge and quality. Het is geen 'AI stack'-slide van een verkoper. Het agent-OS moet net zo geversioneerd worden als de applicatie. Als de regels in vijf losse tools staan, heb je schuld, geen modelprobleem. STACK is een vijflaagse architectuur voor repositories waar mensen en agents hun werk delen: Structure, Toolchain, Agent configuration, Connection, Knowledge and quality. Structure is de kaart die een agent direct in minuut één kan navigeren. Toolchain omvat de commando's die hij mag uitvoeren. Agent configuration is de geversioneerde vaste context. Connection is MCP met strakke contracten en 'least privilege'. Knowledge and quality staat voor geheugen, evals en CI, zodat een model-upgrade niet stilletjes de lat verlaagt. Het is geen diagram van een 'AI stack' die je kunt kopen. Het boek dat deze naam claimt is De agentische codebase, dat live is. wat is STACK STACK is vijf benoemde lagen met eigenaars. Geen pakket aan producten. De kwaliteit van een demo is niet de kwaliteit van je repo. Deze pagina is de definitie. Het artikel over architectuur versioneert het OS. MCP hoort thuis in Connection, met een contract, of het hoort er helemaal niet. ai-agents STACK Vijflaagse architectuur voor repo's die mensen en agents delen. MCP Een contract voor hoe een model tools aanroept. STACK is een woord dat leveranciers op een slide printen, en dat operators nodig hebben als architectuur. Wat is STACK? Vijf lagen voor repositories waar mensen en agents samenwerken: Structure, Toolchain, Agent configuration, Connection, Knowledge and quality. Het agent-besturingssysteem moet op dezelfde manier worden geversioneerd als de applicatie. Het is geen \"AI stack\"-diagram dat je koopt. Het is geen willekeurige stapel tools. Als prompts, MCP-servers en vaardigheden buiten de repo leven, of verspreid staan over vijf plekken daarbinnen, heb je agentic repo-schuld. De ziekte is een gebrek aan eigenaarschap, geen zwak taalmodel. Een demo kan op één laptop schoon ogen. Zes maanden later kan een tweede engineer niet zeggen welke regel de agent toestond de verkeerde module te bewerken. De begrippencapsule is de korte vorm. Deze pagina is de kaart die je aan de repo hangt voordat je nóg een host toevoegt. De vijf namen Elke laag heeft een eigenaar. Als een wijziging niet als laag te benoemen is, hoort die niet in de pull-requestbeschrijving. \"De agent een beetje aangepast\" is geen commitmessage. Structure. Indeling, toegangspunten, werkruimtes en grenzen waar een agent in minuut één doorheen navigeert. De kaart is een directory, geen Slack-geheugen. Moet een nieuwe werker vragen waar de regels wonen, dan ontbreekt Structure. Eén boom. Nergens anders. Toolchain. De shells, commando's en CLI-contracten die een agent mag draaien, opgeschreven in plaats van onthouden. Hosts en runners staan vast. \"Wat er toevallig op de laptop staat\" is hoe een demo werkt en een tweede machine faalt. Krijgen twee mensen twee verschillende commandolijsten, dan heb je geen toolchain. Je hebt folklore. Agent configuration. Geversioneerde vaste context. AGENTS.md, regels, skills, subagent-charters. Niet een prompt in een chatvenster. Niet een gist in iemands drive. Bestaan de staande instructies in drie bestanden die elkaar tegenspreken, dan kiest de agent het luidste. Zet een naam op de CODEOWNERS-regel. Connection. MCP met contracten en minimale rechten. Zichtbaarheid, mutatie, log. Een server zonder die drie is een gat in de repo. Als een tool kan versturen, uitgeven of wissen, staat bij de eerste tien aanroepen een menselijke naam. Daarna is de log de review. Geen log, geen tool. Knowledge and quality. Geheugen, evals en CI, zodat een modelupgrade de lat niet stilletjes verlaagt. Wat de agent als waar mag behandelen, en de tests die een slechte wijziging laten zakken. Wisselde je afgelopen dinsdag het model en merkte CI niets, dan heb je geen kwaliteitslaag. Je hebt hoop. De override-doctrine is een bestand, geen Slack-herinnering. Zij noemt de beslissingen die een agent nooit mag nemen. Zij staat naast Agent configuration en Connection. Het is geen zesde laag. Het is de weigerlijn die die twee lagen afdwingen. Een wandeling door een repo die al stinkt Neem een productrepo die \"agents heeft.\" Je opent hem op maandag. Structure is vier plekken: een .cursor/rules -bestand, een CLAUDE.md in de root, een prompt op een Notion-pagina, en een skill die de founder vorige maand in een host plakte. De agent leest er twee van. Niemand kan zeggen welke twee. Toolchain is \"gebruik de CLI op mijn machine.\" Het CI-image heeft een andere Node. De agent draait een formatter die de laptop niet heeft. Reviewcommentaar ruziet over whitespace die de agent nooit zag. Agent configuration is een chat van maart. Het charter van de docs-werker leeft in die draad. De docs-werker draait nog. Het charter niet. Connection is twee MCP-servers. Eén kan de repo lezen. Eén kan een pull request openen en op GitHub reageren. Geen van beide heeft een geschreven mutatielijst. De log is het vendor-dashboard, dat verloopt. Knowledge and quality is een zin in de README: \"wees voorzichtig met main.\" Er is geen eval. Er is geen test die faalt als de agent een billingmodule bewerkt. De modelupgrade van vorige week maakte het proza mooier en de diffs groter. Niemand mat het. Dat is agentic repo-schuld. Een slimmer model lost haar niet af. Eigenaarschap wel. Wat hoort waar MCP hoort in Connection, met een contract, of het hoort er niet. MCP-betekenis is de definitie van het protocol: host, client, server; tools, resources, prompts. Deze pagina plaatst het alleen. Een schone server zonder plafond is nog steeds een gat met mooiere leidingen. Een charter hoort in Agent configuration als staande context, en in CHORUS als coördinatieartefact. STACK versioneert het bestand. CHORUS benoemt de velden. Trek ze niet ineen. De repo kan een prachtige AGENTS.md hebben en alsnog werk verliezen bij elke overdracht. Evals horen in Knowledge and quality. Een gevoelscheck in een pull request is Review in CHORUS, geen eval. Als het enige kwaliteitssignaal een mens is die \"ziet er goed uit\" zegt, heb je een toeschouwer, geen poort. Geen slide van een leverancier Dat de zoekterm botst in de begrippenlijst is met opzet. STACK is geen productpakket. Het is niet LangChain plus een vectordatabase plus een host. Het is niet \"onze AI-stack\" op een Series A-deck. Toolnamen verouderen snel. De vijf lagen niet. Een solo-founder plus agents is al een repo met meerdere acteurs. STACK is daarop bemeten, niet op een enterprise-platformteam. Vibe coding wint de demo. STACK is voor de zes maanden erna, als de agent de verkeerde module bewerkt en niemand kan zeggen welke regel dat toeliet. Twee pagina's STACK: versioneer het agent-OS is het architectuurartikel: hoe je prompts, skills en servercontracten als code behandelt, met reviewers en een rollback. Deze pagina is de definitie. De agentische codebase is live. De introductie is het lanceerartikel. Je hebt de hardcover niet nodig om de regels op één plek te zetten. Als je deze week maar één ding doet: kies één map als agent-OS, verplaats de rondslingerende prompts daarheen, en zet een naam op de CODEOWNERS-regel. Folklore stopt bij de eerste eigenaar. Benoem daarna de vijf lagen op een kaart van één pagina. Kan een wijziging niet naar een laag wijzen, dan gaat hij niet mee.","keyTakeaways":["STACK is vijf benoemde lagen met eigenaars. Geen pakket aan producten.","De kwaliteit van een demo is niet de kwaliteit van je repo.","Deze pagina is de definitie. Het artikel over architectuur versioneert het OS.","MCP hoort thuis in Connection, met een contract, of het hoort er helemaal niet."],"readingMinutes":5,"publishedAt":"2026-09-05T07:05:00.000Z"}},"degree":14},{"id":"article:what-is-trace","type":"article","pillar":"ai-systems","locales":{"en":{"label":"What is TRACE? Five steps to check research before you act on it","summary":"TRACE is a five-step method for checking research before someone acts on it: Target (tie the question to a decision), Retrieve (get the actual source documents), Assess (judge what each source can prove for this exact claim), Cross-check (compare sources claim by claim and trace them to their origin), and Export (hand over a memo that separates what is supported from what is still open, with an owner). It comes from The Verified Research Loop. It shows what the evidence supports; it does not prove a conclusion true.","url":"/en/blog/what-is-trace/","searchText":"What is TRACE? Five steps to check research before you act on it TRACE is a five-step research check: Target, Retrieve, Assess, Cross-check, Export. What each step means, a worked example, and a card to use today. Three links can be one source. TRACE is how you find out before the decision does. TRACE is a five-step method for checking research before someone acts on it: Target (tie the question to a decision), Retrieve (get the actual source documents), Assess (judge what each source can prove for this exact claim), Cross-check (compare sources claim by claim and trace them to their origin), and Export (hand over a memo that separates what is supported from what is still open, with an owner). It comes from The Verified Research Loop. It shows what the evidence supports; it does not prove a conclusion true. TRACE Target Retrieve Assess Cross-check Export TRACE = Target, Retrieve, Assess, Cross-check, Export. Judge a source against one exact claim, not by its reputation. Count origins, not links: three articles repeating one announcement are one source. Primary, Secondary, Advocacy, and Grey describe a source's role. None of them is a verdict. End with a dated memo: what is supported, what is open, who owns the gap, and when to recheck. agent-ops TRACE A five-step research check from The Verified Research Loop: Target, Retrieve, Assess, Cross-check, Export. Primary source A source close to the event, measurement, rule, or original analysis, such as a filing, dataset, contract, judgment, or system log. Grey source Relevant material outside the primary, secondary, and advocacy roles, such as a forum post, working paper, or unattributed slide. Grey does not mean false or anonymous. Corroborated Supported by evidence from origins that are distinct enough for this claim. It is not the same as two sources agreeing. HOLD The TRACE stop state: the action waits until a named person resolves the gap or formally accepts the risk. TRACE is a five-step way to check research before anyone acts on it: Target, Retrieve, Assess, Cross-check, Export. You tie the question to a decision, get the actual source documents, judge what each one can prove, compare them claim by claim, and hand over a short memo that says what is supported, what is still open, and who decides next. TRACE comes from The Verified Research Loop by Len P. van der Hof, available in English and Dutch. You do not need the book to use it. Everything below works with a notepad and the links you already have. Why would you need a method for this? Because a research summary can look finished long before anyone knows what it proves. AI assistants and search engines make it cheap to collect ten links and write a confident paragraph. The paragraph reads well. Nobody checks whether the ten links say what the paragraph says. Imagine a memo that says a competitor has launched a new feature for all paying customers. It cites the competitor's announcement and two news articles. Every link works. But both articles repeat the announcement, and the announcement describes an invitation-only preview. Three documents, one origin, and a claim broader than any of them. TRACE is built to catch that gap before it turns into a roadmap change, a hire, or an investor update. What are the five steps? Each step answers one question and hands one piece of work to the next. Step The question it answers What you hand on Go back or stop when --- --- --- --- Target Which decision is this for, and what exactly must we find out? A short brief: decision, owner, deadline, the precise claim, what is out of scope Nobody can say which decision the research serves Retrieve Which sources did we actually obtain? A source list: title, date or version, and how much of each you could read You only have search snippets or an AI summary Assess What can this source prove about this claim? A note per source: its role, its method, its limits for this claim The source covers a different group, place, or date Cross-check What does each source add, contradict, or repeat? A claim ledger: one row per source per claim, with a status Several sources turn out to share one origin Export What may the decision owner do now? A dated memo: supported, inferred, open, owner, next check A gap that matters has no owner In plain words: Target. Turn a topic into the question a decision depends on. \"Tell me about Competitor X\" is a topic. \"Before Friday's roadmap review: is Competitor X's feature available to all paying customers in the EU?\" is a target. Write down who decides, by when, and what would make you stop. Retrieve. Get the source itself, not a description of it. A search snippet, an abstract, or an AI summary is a lead. Record the title, the date or version, and whether you read the full text or only part of it. Assess. Ask what this particular source can show about this particular claim. The competitor's announcement proves what the competitor announced. It does not prove who can use the feature today. Cross-check. Give each source its own row against the claim and mark whether it supports the claim, contradicts it, adds a missing piece, or only gives background. Then find out where each source got its information. Export. Write a short, dated memo that keeps three things apart: what the sources support, what you infer, and what you recommend. Every open question gets an owner and a date to check again. TRACE is a loop, not a conveyor belt. If Assess shows the question was vague, you go back to Target. If Cross-check finds that two sources share one origin, you go back to Retrieve for an independent one, or you record the dependence honestly. Which sources count most? TRACE sorts sources into four roles. The role tells you what to ask next. It never tells you the answer. - Primary: close to the event, measurement, rule, or original analysis. A company filing, a dataset, a contract, a court judgment, a system log. - Secondary: built from other sources. A news report, a review article, an analyst report. - Advocacy: made by a party that wants something from the reader. A vendor case study, a campaign report. - Grey: relevant material outside those three, such as a forum post, a working paper, or an unattributed slide. Grey does not mean anonymous or false. It means the label alone tells you little, so the content decides. The trap is treating the role as a score. A real case shows why. In May 2020, The Lancet published a large study of hydroxychloroquine and chloroquine in COVID-19 patients, said to draw on data from 671 hospitals on six continents. According to STAT, its findings led to the pause of some international clinical trials of the drug. In June 2020, three of the authors retracted it. Independent reviewers could not get the full dataset from the data company, Surgisphere, and the authors wrote that they could \"no longer vouch for the veracity of the primary data sources.\" A peer-reviewed primary study in a leading journal, and the claim could not bear weight. The retraction notice records the failed data access. It does not, on its own, prove the data were invented, and TRACE would record exactly that limit. Two sources that agree: is that enough? No. This is the most common shortcut in research checks, and TRACE rejects it on purpose. What matters is whether the sources reached their conclusion by different routes: different data, different people, different methods. Three articles quoting one press release are one source with three web addresses. TRACE uses four plain status words for each claim: - Corroborated: supported by origins that are distinct enough for this claim. - Partial: some support, but a gap, a limit, or a shared origin remains. - Unresolved: not settled within the scope you set. - Conflicting: serious evidence points both ways. Keep both sides visible. The reverse is also true. One primary record can support a narrow claim about itself, such as what a contract says. If only one source exists, write that down. Do not go hunting for a token second link to make the row look complete. What does the finished memo look like? Short. It opens with the decision and its current status. It gives the answer while keeping evidence, inference, and recommendation apart. It links each important claim to its row in the claim ledger, lists what is still open and who disagrees, and ends with actions, owners, and the event that would reopen it. The decision status uses a fixed set of words: Proceed, Conditional proceed, Pilot, Defer, Reject, Specialist review, Accepted risk, or HOLD . HOLD means the action waits until a named person resolves the gap or formally accepts the risk. Accepting a risk changes what you do. It does not make the evidence any stronger. A worked example: did the competitor really launch? This is a hypothetical, about half an hour of work. - Target. Decision: do we pull our own feature forward at Friday's roadmap review? Claim to test: \"Competitor X's feature is available to all paying EU customers this week.\" Owner: the head of product. - Retrieve. The competitor's announcement, its help-center page on availability, two news articles, and one forum thread. All read in full, all dated. - Assess. The announcement is the company's own record of what it announced. The help-center page is the company's own record of who has access. The two articles are secondary. The forum thread is grey: one user saying they have access. - Cross-check. Both articles say \"launched\", and both quote the announcement. The announcement says \"invite-only preview\". The help center shows a waitlist. One invited forum user fits a preview. Status for general availability: Unresolved. The narrower claim, \"a preview was announced\", is supported by the company's own record. - Export. The memo reads: Supported: Competitor X announced an invite-only preview (announcement and help center, both dated). Not supported: general availability; the two \"launched\" articles repeat the announcement. Decision: HOLD on pulling our feature forward. Owner: head of product. Recheck: when the help-center waitlist disappears, or on 15 October. The memo is narrower than the original claim. That is the point. It is also the version a colleague can check in two minutes. What TRACE is not - Not a two-source rule. Origins count, not links. - Not a credibility score. Primary, Secondary, Advocacy, and Grey are roles. A primary source can be wrong, out of date, or beside the point. - Not RAG. RAG (retrieval-augmented generation) is software that fetches text for an AI model before it answers. It can help with Retrieve. It does not judge what the fetched text proves. - Not a guarantee. The book says plainly that TRACE has not been shown to make research more accurate or faster. It makes the evidence behind a decision visible, so someone else can check it. Finishing the five steps proves the work was done, not that the conclusion is true. Try this today (15 minutes) 1. Pick one sentence someone will act on this week, in a memo, a deck, or a chat thread. 2. Rewrite it as a precise claim: who, what, where, and as of when. 3. Open the source behind it. The source itself, not the snippet or the AI summary. 4. Label its role: Primary, Secondary, Advocacy, or Grey. 5. Check whether the other links behind the sentence share its origin. 6. Write one line under the sentence: supported, partial, or unresolved, plus a name and a date to recheck. If step 3 fails, you have found the most useful thing TRACE can show you. The templates for each step (research brief, source list, claim ledger, decision memo) are in The Verified Research Loop. The TRACE framework page has the one-page summary.","keyTakeaways":["TRACE = Target, Retrieve, Assess, Cross-check, Export.","Judge a source against one exact claim, not by its reputation.","Count origins, not links: three articles repeating one announcement are one source.","Primary, Secondary, Advocacy, and Grey describe a source's role. None of them is a verdict.","End with a dated memo: what is supported, what is open, who owns the gap, and when to recheck."],"readingMinutes":8,"publishedAt":"2026-09-25T19:00:00.000Z"},"nl":{"label":"Wat is TRACE? In vijf stappen onderzoek controleren voordat je handelt","summary":"TRACE is een methode in vijf stappen om onderzoek te controleren voordat iemand erop handelt: Target (koppel de vraag aan een besluit), Retrieve (haal de bronnen zelf binnen), Assess (beoordeel wat elke bron voor deze ene claim kan bewijzen), Cross-check (vergelijk de bronnen per claim en herleid ze tot hun oorsprong) en Export (lever een memo die scheidt wat onderbouwd is en wat nog open staat, met een eigenaar). TRACE komt uit De geverifieerde research-loop. Het laat zien wat het bewijs onderbouwt, maar bewijst geen conclusie.","url":"/nl/blog/wat-is-trace/","searchText":"Wat is TRACE? In vijf stappen onderzoek controleren voordat je handelt TRACE is een controle in vijf stappen: Target, Retrieve, Assess, Cross-check, Export. Wat elke stap inhoudt, een uitgewerkt voorbeeld en een kaart voor vandaag. Drie links kunnen één bron zijn. Met TRACE ontdek je dat voordat het besluit valt. TRACE is een methode in vijf stappen om onderzoek te controleren voordat iemand erop handelt: Target (koppel de vraag aan een besluit), Retrieve (haal de bronnen zelf binnen), Assess (beoordeel wat elke bron voor deze ene claim kan bewijzen), Cross-check (vergelijk de bronnen per claim en herleid ze tot hun oorsprong) en Export (lever een memo die scheidt wat onderbouwd is en wat nog open staat, met een eigenaar). TRACE komt uit De geverifieerde research-loop. Het laat zien wat het bewijs onderbouwt, maar bewijst geen conclusie. TRACE Target Retrieve Assess Cross-check Export TRACE = Target, Retrieve, Assess, Cross-check, Export. Beoordeel een bron op één precieze claim, niet op haar reputatie. Tel de oorsprong, niet de links: drie artikelen die één aankondiging herhalen, zijn één bron. Primair, Secundair, Pleitend en Grijs beschrijven de rol van een bron. Geen van die rollen is een oordeel. Sluit af met een gedateerde memo: wat is onderbouwd, wat staat open, wie is eigenaar van het gat en wanneer controleer je opnieuw. agent-ops TRACE Een controle in vijf stappen uit De geverifieerde research-loop: Target, Retrieve, Assess, Cross-check, Export. Primaire bron Een bron dicht bij de gebeurtenis, meting, regel of oorspronkelijke analyse, zoals een jaarrekening, dataset, contract, rechterlijke uitspraak of systeemlog. Grijze bron Relevant materiaal buiten de rollen primair, secundair en pleitend, zoals een forumbericht, een werkdocument of een slide zonder afzender. Grijs betekent niet onwaar of anoniem. Corroborated Onderbouwd door bronnen met een oorsprong die voor deze claim voldoende verschilt. Dat is iets anders dan twee bronnen die het eens zijn. HOLD De stopstand van TRACE: de actie wacht tot een met naam genoemde persoon het gat dicht of het risico formeel aanvaardt. TRACE is een methode in vijf stappen om onderzoek te controleren voordat iemand erop handelt: Target, Retrieve, Assess, Cross-check, Export. Je koppelt de vraag aan een besluit, haalt de bronnen zelf binnen, beoordeelt wat elke bron kan bewijzen, vergelijkt de bronnen per claim en levert een korte memo op: wat is onderbouwd, wat staat nog open en wie beslist er nu. TRACE komt uit De geverifieerde research-loop van Len P. van der Hof, verkrijgbaar in het Nederlands en het Engels. In de Nederlandse editie heten de stappen richt de vraag, verzamel, beoordeel bronnen, cross-check en exporteer de besluitmemo. Je hebt het boek niet nodig om TRACE te gebruiken. Alles hieronder lukt met een notitieblok en de links die je al hebt. Waarom heb je hier een methode voor nodig? Omdat een onderzoekssamenvatting er al af uitziet, lang voordat iemand weet wat ze bewijst. Met AI-assistenten en zoekmachines verzamel je in een paar minuten tien links en schrijf je er een stellige alinea bij. Die alinea leest prettig. Niemand controleert of de tien links zeggen wat de alinea zegt. Stel: in een memo staat dat een concurrent een nieuwe functie heeft uitgerold voor al zijn betalende klanten. De memo verwijst naar de aankondiging van de concurrent en naar twee nieuwsberichten. Alle links werken. Maar beide berichten herhalen de aankondiging, en die aankondiging beschrijft een preview op uitnodiging. Drie documenten, één oorsprong, en een claim die breder is dan elk van de drie. TRACE is gemaakt om dat gat te vinden voordat het uitmondt in een aangepaste roadmap, een nieuwe vacature of een update aan investeerders. Wat zijn de vijf stappen? Elke stap beantwoordt één vraag en geeft één stuk werk door aan de volgende. Stap De vraag die de stap beantwoordt Wat je doorgeeft Terug of stoppen als --- --- --- --- Target Voor welk besluit is dit, en wat moeten we precies weten? Een korte onderzoeksopdracht: besluit, eigenaar, deadline, de precieze claim, wat erbuiten valt Niemand kan zeggen welk besluit het onderzoek dient Retrieve Welke bronnen hebben we echt binnen? Een bronnenlijst: titel, datum of versie, en hoeveel je van elke bron kon lezen Je hebt alleen zoekfragmenten of een AI-samenvatting Assess Wat kan deze bron over deze claim bewijzen? Per bron een notitie: rol, methode, grenzen voor deze claim De bron gaat over een andere groep, plek of periode Cross-check Wat voegt elke bron toe, wat spreekt ze tegen, wat herhaalt ze? Een claimregister: per claim één rij per bron, met een status Meerdere bronnen blijken dezelfde oorsprong te hebben Export Wat mag de eigenaar van het besluit nu doen? Een gedateerde memo: onderbouwd, afgeleid, open, eigenaar, volgende controle Een gat dat ertoe doet, heeft geen eigenaar In gewone taal: Target. Maak van een onderwerp de vraag waar een besluit van afhangt. \"Vertel me iets over concurrent X\" is een onderwerp. \"Is de functie van concurrent X vóór de roadmapbespreking van vrijdag beschikbaar voor alle betalende klanten in de EU?\" is een target. Noteer wie beslist, wanneer, en wat voor jou een reden is om te stoppen. Retrieve. Haal de bron zelf binnen, niet een beschrijving ervan. Een zoekfragment, een abstract of een AI-samenvatting is een aanwijzing. Noteer titel, datum of versie, en of je de volledige tekst hebt gelezen of maar een deel. Assess. Vraag wat déze bron over déze claim kan laten zien. De aankondiging van de concurrent bewijst wat de concurrent heeft aangekondigd. Ze bewijst niet wie de functie vandaag kan gebruiken. Cross-check. Geef elke bron een eigen rij naast de claim en noteer of ze de claim steunt, tegenspreekt, een ontbrekend stuk aanvult of alleen achtergrond geeft. Zoek daarna uit waar elke bron haar informatie vandaan heeft. Export. Schrijf een korte, gedateerde memo die drie dingen gescheiden houdt: wat de bronnen onderbouwen, wat jij daaruit afleidt en wat je aanbeveelt. Elke open vraag krijgt een eigenaar en een datum voor een nieuwe controle. TRACE is een lus, geen lopende band. Blijkt bij Assess dat de vraag te vaag was, dan ga je terug naar Target. Ontdek je bij Cross-check dat twee bronnen dezelfde oorsprong hebben, dan ga je terug naar Retrieve voor een onafhankelijke bron, of je legt die afhankelijkheid eerlijk vast. Welke bronnen tellen het zwaarst? TRACE deelt bronnen in vier rollen in. De rol vertelt je welke vraag je daarna stelt. Het antwoord geeft hij nooit. - Primair: dicht bij de gebeurtenis, meting, regel of oorspronkelijke analyse. Een gedeponeerde jaarrekening, een dataset, een contract, een rechterlijke uitspraak, een systeemlog. - Secundair: gebouwd op andere bronnen. Een nieuwsbericht, een overzichtsartikel, een analistenrapport. - Pleitend: gemaakt door een partij die iets van de lezer wil. Een klantcase van een leverancier, een campagnerapport. - Grijs: relevant materiaal buiten die drie, zoals een forumbericht, een werkdocument of een slide zonder afzender. Grijs betekent niet anoniem of onwaar. Het betekent dat het label je weinig zegt, dus de inhoud beslist. De valkuil is om de rol als rapportcijfer te behandelen. Een echte zaak laat zien waarom. In mei 2020 publiceerde The Lancet een grote studie naar hydroxychloroquine en chloroquine bij covid-19-patiënten, naar eigen zeggen gebaseerd op gegevens uit 671 ziekenhuizen op zes continenten. Volgens de Amerikaanse medische nieuwssite STAT werden daarna een aantal internationale klinische studies naar het middel tijdelijk stilgezet. In juni 2020 trokken drie van de auteurs het artikel in. Onafhankelijke reviewers kregen de volledige dataset niet van het databedrijf Surgisphere, en de auteurs schreven dat ze niet langer konden instaan voor de juistheid van de primaire databronnen. Een primaire studie, beoordeeld door vakgenoten, in een toonaangevend tijdschrift, en toch kon je er niets op bouwen. De intrekking legt vast dat de toegang tot de data mislukte. Op zichzelf bewijst ze niet dat de data verzonnen waren, en precies die grens zou TRACE noteren. Twee bronnen die het eens zijn: is dat genoeg? Nee. Dit is de bekendste vuistregel bij het controleren van onderzoek, en TRACE wijst hem bewust af. Het gaat erom of de bronnen langs verschillende wegen tot hun conclusie kwamen: andere data, andere mensen, andere methoden. Drie artikelen die hetzelfde persbericht citeren, zijn één bron met drie webadressen. TRACE gebruikt per claim vier statuswoorden, die ook in de Nederlandse editie Engels blijven: - Corroborated (bevestigd): onderbouwd door bronnen met een oorsprong die voor deze claim voldoende verschilt. - Partial (gedeeltelijk): er is steun, maar er blijft een gat, een beperking of een gedeelde oorsprong. - Unresolved (onopgelost): nog niet vastgesteld binnen de afbakening die je koos. - Conflicting (tegenstrijdig): zwaarwegend bewijs wijst twee kanten op. Houd beide kanten zichtbaar. Andersom geldt het ook. Eén primair document kan een smalle claim over zichzelf onderbouwen, bijvoorbeeld wat er in een contract staat. Bestaat er maar één bron, schrijf dat dan op. Ga niet op zoek naar een tweede link voor de sier om de rij compleet te laten lijken. Hoe ziet de memo eruit? Kort. Hij begint met het besluit en de huidige status. Daarna volgt het antwoord, met bewijs, afleiding en aanbeveling netjes uit elkaar gehouden. Elke belangrijke claim verwijst naar haar rij in het claimregister. Verder staat erin wat nog open is en wie het ergens niet mee eens is, en de memo sluit af met acties, eigenaren en de gebeurtenis waardoor hij opnieuw op tafel komt. Voor de besluitstatus gebruikt TRACE een vaste reeks woorden, die in de Nederlandse editie ook Engels blijven: Proceed, Conditional proceed, Pilot, Defer, Reject, Specialist review, Accepted risk of HOLD . HOLD betekent: de actie wacht tot een met naam genoemde persoon het gat dicht of het risico formeel aanvaardt. Een aanvaard risico verandert wat je doet. Het bewijs wordt er niet sterker van. Een uitgewerkt voorbeeld: heeft de concurrent echt gelanceerd? Dit voorbeeld is verzonnen en kost ongeveer een halfuur werk. - Target. Besluit: halen we op de roadmapbespreking van vrijdag onze eigen functie naar voren? Te toetsen claim: \"De functie van concurrent X is deze week beschikbaar voor alle betalende klanten in de EU.\" Eigenaar: het hoofd product. - Retrieve. De aankondiging van de concurrent, de pagina over beschikbaarheid in het helpcentrum, twee nieuwsberichten en één forumdraad. Alles volledig gelezen, alles gedateerd. - Assess. De aankondiging is de eigen bron van het bedrijf voor wát het heeft aangekondigd. De helpcentrumpagina is de eigen bron van het bedrijf voor wíe er toegang heeft. De twee artikelen zijn secundair. De forumdraad is grijs: één gebruiker die zegt toegang te hebben. - Cross-check. Beide artikelen schrijven \"gelanceerd\", en beide citeren de aankondiging. De aankondiging zegt \"preview op uitnodiging\". Het helpcentrum toont een wachtlijst. Eén uitgenodigde forumgebruiker past bij een preview. Status van algemene beschikbaarheid: Unresolved. De smallere claim, \"er is een preview aangekondigd\", wordt onderbouwd door de eigen bron van het bedrijf. - Export. De memo: Onderbouwd: concurrent X heeft een preview op uitnodiging aangekondigd (aankondiging en helpcentrum, beide gedateerd). Niet onderbouwd: algemene beschikbaarheid; de twee artikelen over een lancering herhalen de aankondiging. Besluit: HOLD op het naar voren halen van onze functie. Eigenaar: hoofd product. Opnieuw controleren: zodra de wachtlijst uit het helpcentrum verdwijnt, of op 15 oktober. De memo is smaller dan de oorspronkelijke claim. Daar gaat het om. Het is ook de versie die een collega in twee minuten kan nalopen. Wat TRACE niet is - Geen tweebronnenregel. De oorsprong telt, niet het aantal links. - Geen geloofwaardigheidscijfer. Primair, Secundair, Pleitend en Grijs zijn rollen. Een primaire bron kan fout zijn, verouderd of naast de kwestie. - Geen RAG. RAG (retrieval-augmented generation) is software die tekst ophaalt voor een AI-model voordat dat model antwoordt. RAG kan helpen bij Retrieve, maar beoordeelt niet wat de opgehaalde tekst bewijst. - Geen garantie. Het boek zegt ronduit dat niet is aangetoond dat TRACE onderzoek nauwkeuriger of sneller maakt. TRACE maakt het bewijs onder een besluit zichtbaar, zodat iemand anders het kan controleren. Wie de vijf stappen afrondt, bewijst dat het werk gedaan is, niet dat de conclusie klopt. Probeer het vandaag (15 minuten) 1. Kies één zin waar iemand deze week op gaat handelen: in een memo, een presentatie of een chatgesprek. 2. Herschrijf hem als precieze claim: wie, wat, waar en per wanneer. 3. Open de bron erachter. De bron zelf, niet het zoekfragment of de AI-samenvatting. 4. Geef de bron een rol: Primair, Secundair, Pleitend of Grijs. 5. Kijk of de andere links onder de zin dezelfde oorsprong hebben. 6. Schrijf één regel onder de zin: onderbouwd, gedeeltelijk of onopgelost, met een naam en een datum voor de volgende controle. Lukt stap 3 niet, dan heb je het nuttigste gevonden wat TRACE je kan laten zien. De sjablonen voor elke stap (onderzoeksopdracht, bronnenlijst, claimregister, besluitmemo) staan in De geverifieerde research-loop. De TRACE-frameworkpagina geeft de samenvatting op één pagina.","keyTakeaways":["TRACE = Target, Retrieve, Assess, Cross-check, Export.","Beoordeel een bron op één precieze claim, niet op haar reputatie.","Tel de oorsprong, niet de links: drie artikelen die één aankondiging herhalen, zijn één bron.","Primair, Secundair, Pleitend en Grijs beschrijven de rol van een bron. Geen van die rollen is een oordeel.","Sluit af met een gedateerde memo: wat is onderbouwd, wat staat open, wie is eigenaar van het gat en wanneer controleer je opnieuw."],"readingMinutes":9,"publishedAt":"2026-09-25T19:05:00.000Z"}},"degree":7},{"id":"article:when-not-to-use-an-agent","type":"article","pillar":"ai-systems","locales":{"en":{"label":"When not to use an AI agent: five signs, and what to use instead","summary":"Do not use an AI agent when you can write down every step in advance, when a single prompt does the job, when nobody can say what a correct result looks like, when you cannot limit what it can touch, or when a mistake cannot be undone and no person approves first. Use a script, one model call, a draft-only assistant, or a person instead. An agent, a system that chooses its own next step and tools, earns its cost only when the next step depends on what it finds.","url":"/en/blog/when-not-to-use-an-agent/","searchText":"When not to use an AI agent: five signs, and what to use instead Skip the AI agent when the steps are known, one prompt does the job, or a mistake cannot be undone. Five signs, what to use instead, and a 15-minute test. An agent earns its cost only when the next step depends on what it finds. Most tasks never get there. Do not use an AI agent when you can write down every step in advance, when a single prompt does the job, when nobody can say what a correct result looks like, when you cannot limit what it can touch, or when a mistake cannot be undone and no person approves first. Use a script, one model call, a draft-only assistant, or a person instead. An agent, a system that chooses its own next step and tools, earns its cost only when the next step depends on what it finds. when not to use an AI agent If you can draw every step before the run, write a script. It is cheaper, and it fails where you can see it. If the job is one transformation of input you already have, one model call is usually enough. No written definition of a correct result, no agent. More steps do not supply missing judgment. Irreversible actions stay with a named person. The agent may prepare them; it does not take them. agent-ops AI agent A system that pursues a goal by choosing its own next step and its own tools, based on what it finds along the way. Fixed workflow A sequence of steps written in advance, possibly with conditions and error handling, that runs the same way every time. Also called a script or an automation. Deterministic The same input always leads to the same steps and the same result, as in a script. ROSTER A six-step framework from The Agent Dream Team for running specialist AI agents like a small team: Roles, Objectives, Skills and tools, Triggers, Evaluation, Rotation. Do not use an AI agent when a simpler tool can do the job or when nobody can safely stop its mistakes. In practice that means five signs: you can write down every step in advance, one prompt does the job, nobody can say what a correct result looks like, you cannot limit what it can touch, or a mistake cannot be undone and no named person approves it first. Use a script, a single model call, a draft-only assistant, or a person instead. An AI agent is a system that pursues a goal by choosing its own next step and its own tools, based on what it finds along the way. That freedom is the whole point, and the whole cost. What is an AI agent? has the full definition. Even the companies that sell agents say this Anthropic's engineering guide Building effective agents (December 2024) is blunt: \"When building applications with LLMs, we recommend finding the simplest solution possible, and only increasing complexity when needed. This might mean not building agentic systems at all.\" (An LLM, or large language model, is the kind of AI behind ChatGPT and Claude.) The same guide warns that \"the autonomous nature of agents means higher costs, and the potential for compounding errors.\" OpenAI's A practical guide to building agents (2025) recommends agents for three kinds of work: decisions that need nuanced judgment, rule sets too tangled to maintain, and work that depends on reading messy text such as emails and documents. Then it adds: \"Before committing to building an agent, validate that your use case can meet these criteria clearly. Otherwise, a deterministic solution may suffice.\" Deterministic means the same input always leads to the same steps, as in a script. Five signs, and what to use instead Sign Use this instead Example --- --- --- You can write down every step before the run A script or fixed workflow Every Friday, copy approved invoices from the accounting tool into the cash-flow sheet The job is one transformation of input you already have One model call Summarise this contract; translate this email Nobody can say what a correct result looks like A person, until someone writes the check \"Handle customer operations\" You cannot limit its tools and access to what the job needs No agent yet: a draft-only assistant without send or delete rights The only mail connection available can send as the founder A mistake cannot be undone, and no named person approves first A person takes the step; the agent may prepare it Issuing a refund, paying a supplier, deleting records 1. You can write down every step A fixed workflow can still include conditions, checks, and error handling. What it does not do is invent the next step. Anthropic's guide draws the same line: workflows are \"systems where LLMs and tools are orchestrated through predefined code paths\", while agents \"dynamically direct their own processes and tool usage\". If you can name every branch in advance, you want the first. An agentic workflow is not an automation goes deeper on that split. 2. One prompt does the job Summarising, translating, classifying, or drafting from a document you already have is one call to a model, not a loop. Anthropic again: \"For many applications, however, optimizing single LLM calls with retrieval and in-context examples is usually enough.\" Retrieval means looking up the right document first; in-context examples means showing the model two or three good answers inside the prompt. 3. Nobody can say what a correct result looks like \"Handle customer operations\" gives a reviewer nothing to pass or fail. \"Draft a reply for each ticket tagged refund, or say why it cannot be drafted\" does. If you cannot tell whether an output is right, letting a model take more steps does not add that judgment. It adds more output to check. 4. You cannot limit what it can touch Separate the limits you wrote from the limits your software enforces. The Agent Dream Team , one of Len's books (more on it below), names three levels: the platform itself blocks tools outside the allowed set; the agent can only propose, and a separate approval step executes; or only the instructions say \"do not\", while the tool stays connected. For the third level, the book's advice is to keep dangerous tools disconnected from that agent, or to route the work through a separate approval step. A \"draft-only\" assistant that holds a send credential still has a route past its instructions. 5. The mistake cannot be undone OpenAI's guide says actions that are \"sensitive, irreversible, or have high stakes should trigger human oversight until confidence in the agent's reliability grows. Examples include canceling user orders, authorizing large refunds, or making payments.\" The timing matters. A person who approves a refund before it goes out owns a decision. A person who reads the log afterwards can only investigate one. What an agent may never do lists four categories this site keeps with a human: spending above a ceiling, speaking as the company, changing production data, and closing a judgment the founder still owns. Watch for one quiet version of this sign: retries. If a \"send\" times out, you do not know whether the message went. An agent that simply tries again may send it twice. A worked example: the returns desk Imagine a hypothetical four-person online shop that sells cookware. Returns arrive by email, and the founder wants \"an agent for returns\". Walk the requests through the five signs. Standard returns. The item is inside the return window, unused, and the order number is in the email. The policy already lists every step: check the order date, create a return label, send the template. That is sign 1. A fixed workflow handles it, and when it breaks, you can see which step broke. \"Can you explain the return policy in German?\" One model call with the policy text attached. Sign 2. \"It arrived dented, photos attached.\" Now the next step depends on what the system finds: the photos, the order history, the courier's delivery record. Refund, replacement, or a partial refund? This is genuinely agent territory. But the outcome is a refund, which is money and cannot be undone (sign 5), and the only payment connection the shop has can refund any amount (sign 4). So the damaged-goods assistant reads the case and drafts a recommendation that cites the policy clause. A person approves it and issues the refund. The result: one script, one prompt, one draft-only assistant, and no agent with refund power. That is not a failure to adopt AI. It is the design. Not sure? Ask the six ROSTER questions ROSTER is a framework from The Agent Dream Team , one of Len's books (available now). It is written for solo founders and small teams who run several specialist AI agents the way a manager runs a team with job descriptions. Each letter is a decision you make for every agent. Turned into questions, any blank answer means: not an agent yet. - R, Roles. Can you give it one job, with a one-page charter (a job description) that says what it owns and what it must hand back to you? The book's working rule: if the job description runs past two sentences, the scope is too broad. - O, Objectives. Can you name a result you could grade on Friday without an argument? - S, Skills and tools. Can you give it only the tools and permissions this job needs, and does your platform enforce that? - T, Triggers. Can you name the event that starts it, so it does not run whenever someone happens to remember it? - E, Evaluation. Is there a scorecard, and a person who applies it before anything reaches a customer? - R, Rotation. Do you know when you would rework or retire it, for example when it keeps failing its scorecard or the model it runs on is withdrawn? You do not need the book to use these six questions. The ROSTER framework page has the short version. Applied to the returns desk: the damaged-goods assistant can answer Roles, Objectives, Triggers, Evaluation, and Rotation. It cannot answer Skills and tools while the only payment connection can refund any amount. That one blank is why it stays draft-only. Try this today (15 minutes) Pick one task you were about to hand to an agent, or already have. 1. Run it past the five signs. Write down which alternative from the table fits, if any. 2. If it still needs an agent, write down the first action it must stop before, and the name of the person who approves that action. 3. Check whether your platform actually blocks that action, or whether only the instructions say so. If only the instructions say so, disconnect that tool today. If the task passes all five signs, Using AI agents effectively covers how to run it: one job, a ceiling on steps and spend, and a log you can read.","keyTakeaways":["If you can draw every step before the run, write a script. It is cheaper, and it fails where you can see it.","If the job is one transformation of input you already have, one model call is usually enough.","No written definition of a correct result, no agent. More steps do not supply missing judgment.","Irreversible actions stay with a named person. The agent may prepare them; it does not take them."],"readingMinutes":7,"publishedAt":"2026-09-28T14:00:00.000Z"},"nl":{"label":"Wanneer geen AI-agent gebruiken? Vijf signalen en wat je in plaats daarvan inzet","summary":"Gebruik geen AI-agent als je alle stappen vooraf kunt opschrijven, als één prompt het werk doet, als niemand kan zeggen hoe een goed resultaat eruitziet, als je niet kunt begrenzen wat hij kan aanraken, of als een fout niet terug te draaien is en niemand vooraf akkoord geeft. Kies dan een script, één modelaanroep, een assistent die alleen concepten maakt, of een mens. Een agent, een systeem dat zelf zijn volgende stap en tools kiest, is zijn kosten pas waard als die stap afhangt van wat hij vindt.","url":"/nl/blog/wanneer-geen-agent-gebruiken/","searchText":"Wanneer geen AI-agent gebruiken? Vijf signalen en wat je in plaats daarvan inzet Sla de AI-agent over als de stappen vastliggen, één prompt volstaat of een fout onomkeerbaar is. Vijf signalen, alternatieven en een test van 15 minuten. Een agent is zijn kosten pas waard als de volgende stap afhangt van wat hij onderweg vindt. Bij de meeste taken komt het nooit zover. Gebruik geen AI-agent als je alle stappen vooraf kunt opschrijven, als één prompt het werk doet, als niemand kan zeggen hoe een goed resultaat eruitziet, als je niet kunt begrenzen wat hij kan aanraken, of als een fout niet terug te draaien is en niemand vooraf akkoord geeft. Kies dan een script, één modelaanroep, een assistent die alleen concepten maakt, of een mens. Een agent, een systeem dat zelf zijn volgende stap en tools kiest, is zijn kosten pas waard als die stap afhangt van wat hij vindt. wanneer geen AI-agent gebruiken Kun je elke stap uittekenen voordat het werk begint, schrijf dan een script. Dat is goedkoper, en als het misgaat, zie je waar. Is het werk één bewerking van invoer die je al hebt, dan is één modelaanroep meestal genoeg. Geen opgeschreven definitie van een goed resultaat, geen agent. Meer stappen compenseren geen ontbrekend oordeel. Onomkeerbare handelingen blijven bij een mens met naam en toenaam. De agent mag ze voorbereiden, niet uitvoeren. agent-ops AI-agent Een systeem dat een doel nastreeft door zelf de volgende stap en de tools te kiezen, op basis van wat het onderweg tegenkomt. Vaste workflow Een vooraf vastgelegde reeks stappen, eventueel met voorwaarden en foutafhandeling, die elke keer op dezelfde manier loopt. Ook wel script of automatisering genoemd. Deterministisch Dezelfde invoer leidt altijd tot dezelfde stappen en hetzelfde resultaat, zoals bij een script. ROSTER Een framework in zes stappen uit Het agent-droomteam om gespecialiseerde AI-agents als een klein team aan te sturen: Rollen, Doelstellingen, Vaardigheden en tools, Triggers, Evaluatie, Rotatie. Gebruik geen AI-agent als een eenvoudiger middel het werk kan doen, of als niemand zijn fouten op tijd kan tegenhouden. In de praktijk zijn er vijf signalen: je kunt alle stappen vooraf opschrijven, één prompt doet het werk, niemand kan zeggen hoe een goed resultaat eruitziet, je kunt niet begrenzen wat hij kan aanraken, of een fout is niet terug te draaien en er is niemand aangewezen die de handeling vooraf goedkeurt. Kies dan een script, één modelaanroep, een assistent die alleen concepten maakt, of een mens. Een AI-agent is een systeem dat een doel nastreeft door zelf de volgende stap en de tools te kiezen, op basis van wat het onderweg tegenkomt. Die vrijheid is tegelijk het nut en de prijs. Wat is een AI-agent? geeft de volledige definitie. Zelfs de bedrijven die agents verkopen, zeggen dit Anthropic zegt het in zijn technische gids Building effective agents (december 2024) zonder omwegen: zoek bij toepassingen met LLM's de eenvoudigste oplossing en voeg pas complexiteit toe als dat nodig is. Dat kan betekenen dat je helemaal geen agentsysteem bouwt. (Een LLM, een groot taalmodel, is het soort AI achter ChatGPT en Claude.) Dezelfde gids waarschuwt dat de autonomie van agents hogere kosten meebrengt, en het risico dat fouten zich opstapelen. De Practical guide to building agents van OpenAI (2025) raadt agents aan voor drie soorten werk: beslissingen die genuanceerd oordeel vragen, regelwerken die te ingewikkeld zijn geworden om te onderhouden, en werk dat afhangt van het lezen van rommelige tekst, zoals e-mails en documenten. Daarna volgt het advies om eerst te toetsen of je toepassing duidelijk aan die criteria voldoet, omdat anders een deterministische oplossing misschien volstaat. Deterministisch betekent dat dezelfde invoer altijd tot dezelfde stappen leidt, zoals bij een script. Vijf signalen, en wat je in plaats daarvan gebruikt Signaal Gebruik in plaats daarvan Voorbeeld --- --- --- Je kunt alle stappen vooraf opschrijven Een script of vaste workflow Elke vrijdag goedgekeurde facturen uit het boekhoudpakket overzetten naar de liquiditeitsplanning Het werk is één bewerking van invoer die je al hebt Eén modelaanroep Vat dit contract samen; vertaal deze mail Niemand kan zeggen hoe een goed resultaat eruitziet Een mens, tot iemand heeft opgeschreven hoe je het controleert \"Regel de klantenservice\" Je kunt tools en toegang niet beperken tot wat de taak vraagt Nog geen agent: een assistent die alleen concepten maakt, zonder rechten om te versturen of te verwijderen De enige mailkoppeling die je hebt, kan namens de oprichter versturen Een fout is niet terug te draaien en geen aangewezen persoon geeft vooraf akkoord Een mens zet de stap; de agent mag hem voorbereiden Een terugbetaling doen, een leverancier betalen, records verwijderen 1. Je kunt alle stappen opschrijven Een vaste workflow kan prima voorwaarden, controles en foutafhandeling bevatten. Wat hij niet doet, is zelf de volgende stap bedenken. De gids van Anthropic trekt dezelfde grens: bij een workflow lopen het model en de tools via paden die vooraf in de code zijn vastgelegd, terwijl een agent gaandeweg zelf zijn werkwijze en toolgebruik bepaalt. Kun je elke vertakking vooraf benoemen, dan kies je een workflow. Een agentische workflow is geen automatisering gaat dieper op dat onderscheid in. 2. Eén prompt doet het werk Samenvatten, vertalen, indelen of een concept schrijven op basis van een document dat je al hebt, is één aanroep van een model, geen lus. Opnieuw Anthropic: voor veel toepassingen is één goed ingerichte modelaanroep, met opzoeken en voorbeelden, meestal genoeg. Opzoeken (retrieval) betekent dat eerst het juiste document wordt gezocht; met voorbeelden bedoelen we twee of drie goede antwoorden die je in de prompt meegeeft. 3. Niemand kan zeggen hoe een goed resultaat eruitziet Bij \"regel de klantenservice\" heeft een beoordelaar niets om goed of af te keuren. Bij \"schrijf voor elk ticket met het label terugbetaling een conceptantwoord, of meld waarom dat niet lukt\" wel. Kun je niet zien of een uitkomst klopt, dan krijg je dat oordeel niet door een model meer stappen te laten zetten. Het levert alleen meer controlewerk op. 4. Je kunt niet begrenzen wat de agent aanraakt Maak onderscheid tussen de grenzen die je hebt opgeschreven en de grenzen die je software afdwingt. Het agent-droomteam , een van de boeken van Len (verderop meer), onderscheidt drie niveaus: het platform blokkeert zelf tools buiten de toegestane set; de agent mag alleen voorstellen en een aparte goedkeuringsstap voert uit; of alleen de instructies zeggen \"niet doen\", terwijl de tool gewoon gekoppeld blijft. Voor dat derde niveau is het advies uit het boek: houd gevaarlijke tools losgekoppeld van die agent, of laat het werk via een aparte goedkeuringsstap lopen. Een assistent die \"alleen concepten\" maakt maar wel de rechten heeft om te versturen, kan nog altijd om zijn instructies heen. 5. De fout is niet terug te draaien Volgens de gids van OpenAI horen gevoelige, onomkeerbare of risicovolle handelingen onder menselijk toezicht te staan, tot er genoeg vertrouwen is in de betrouwbaarheid van de agent. Als voorbeelden noemt de gids bestellingen annuleren, grote terugbetalingen goedkeuren en betalingen doen. Het moment telt. Wie een terugbetaling goedkeurt voordat die de deur uitgaat, neemt een besluit. Wie achteraf het logboek leest, kan alleen nog uitzoeken wat er is gebeurd. Wat een agent nooit mag doen noemt vier categorieën die deze site bij een mens houdt: uitgeven boven een plafond, spreken namens het bedrijf, productiedata wijzigen en een oordeel vellen dat nog bij de oprichter ligt. Let op één stille variant van dit signaal: herhaalpogingen. Loopt een verzendopdracht vast op een time-out, dan weet je niet of het bericht al weg is. Een agent die het gewoon opnieuw probeert, verstuurt het misschien twee keer. Een uitgewerkt voorbeeld: de retourafhandeling Neem een fictieve webwinkel in kookgerei met een team van vier mensen. Retouren komen per mail binnen, en de oprichter wil \"een agent voor retouren\". Toets de verzoeken aan de vijf signalen. Gewone retouren. Het artikel valt binnen de retourtermijn, is ongebruikt en het ordernummer staat in de mail. Het beleid beschrijft elke stap al: besteldatum controleren, retourlabel maken, standaardmail versturen. Dat is signaal 1. Een vaste workflow handelt het af, en als er iets misgaat, zie je bij welke stap. \"Kun je het retourbeleid in het Duits uitleggen?\" Eén modelaanroep met de beleidstekst erbij. Signaal 2. \"Kwam gedeukt aan, foto's in de bijlage.\" Nu hangt de volgende stap af van wat het systeem vindt: de foto's, de bestelgeschiedenis, de bezorggegevens van de vervoerder. Terugbetalen, vervangen of gedeeltelijk terugbetalen? Dit is echt werk voor een agent. Maar de uitkomst is een terugbetaling: geld, en niet terug te draaien (signaal 5). Bovendien kan de enige betaalkoppeling van de winkel elk bedrag terugbetalen (signaal 4). Dus leest de assistent voor beschadigde artikelen het dossier door en schrijft een advies met een verwijzing naar de bepaling uit het retourbeleid. Een medewerker keurt het goed en doet de terugbetaling. Het resultaat: één script, één prompt, één assistent die alleen adviseert, en geen agent die zelf kan terugbetalen. Dat is geen mislukte AI-invoering. Dat is het ontwerp. Twijfel je? Stel de zes ROSTER-vragen ROSTER is een framework uit Het agent-droomteam , een van de boeken van Len (nu verkrijgbaar). Het is geschreven voor oprichters die alleen of met een klein team werken en meerdere gespecialiseerde AI-agents aansturen zoals een manager een team met functieomschrijvingen. De naam komt van de Engelse beginletters, en elke stap is een besluit dat je per agent neemt. Maak er vragen van, en elk leeg antwoord betekent: nog geen agent. - Rollen (Roles). Kun je hem één taak geven, met een charter van één pagina (een functieomschrijving) waarin staat waarvoor hij verantwoordelijk is en wat hij bij jou moet opleveren? De vuistregel uit het boek: is de taakomschrijving langer dan twee zinnen, dan is de taak te breed. - Doelstellingen (Objectives). Kun je een resultaat noemen dat je op vrijdag zonder discussie kunt beoordelen? - Vaardigheden en tools (Skills and tools). Kun je hem alleen de tools en rechten geven die deze taak vraagt, en dwingt je platform dat ook af? - Triggers. Kun je de gebeurtenis noemen die hem start, zodat hij niet afhangt van iemand die er toevallig aan denkt? - Evaluatie (Evaluation). Is er een scorecard, en een mens die hem toepast voordat er iets bij een klant terechtkomt? - Rotatie (Rotation). Weet je wanneer je hem aanpast of uit bedrijf neemt, bijvoorbeeld als hij steeds zakt voor zijn scorecard of als het model waarop hij draait wordt stopgezet? Je hebt het boek niet nodig om deze zes vragen te gebruiken. De frameworkpagina van ROSTER geeft de korte versie. Toegepast op de retourafhandeling: bij de assistent voor beschadigde artikelen kun je Rollen, Doelstellingen, Triggers, Evaluatie en Rotatie invullen. Vaardigheden en tools niet, zolang de enige betaalkoppeling elk bedrag kan terugbetalen. Dat ene lege vak is de reden dat hij alleen adviseert. Probeer dit vandaag (15 minuten) Kies één taak die je aan een agent wilde geven, of al hebt gegeven. 1. Toets de taak aan de vijf signalen. Schrijf op welk alternatief uit de tabel past, als er een past. 2. Is er daarna nog steeds een agent nodig, schrijf dan de eerste handeling op waarvoor hij moet stoppen, en de naam van de persoon die die handeling goedkeurt. 3. Controleer of je platform die handeling echt blokkeert, of dat alleen de instructies het verbieden. Staat het alleen in de instructies, koppel die tool dan vandaag nog los. Is geen van de vijf signalen van toepassing, dan lees je in AI-agents effectief inzetten hoe je de agent draait: één klus, een plafond voor stappen en uitgaven, en een logboek dat je kunt lezen.","keyTakeaways":["Kun je elke stap uittekenen voordat het werk begint, schrijf dan een script. Dat is goedkoper, en als het misgaat, zie je waar.","Is het werk één bewerking van invoer die je al hebt, dan is één modelaanroep meestal genoeg.","Geen opgeschreven definitie van een goed resultaat, geen agent. Meer stappen compenseren geen ontbrekend oordeel.","Onomkeerbare handelingen blijven bij een mens met naam en toenaam. De agent mag ze voorbereiden, niet uitvoeren."],"readingMinutes":8,"publishedAt":"2026-09-28T14:05:00.000Z"}},"degree":9},{"id":"article:when-to-use-rag","type":"article","pillar":"ai-systems","locales":{"en":{"label":"When to use RAG: named passages, not a vector store","summary":"Use retrieval-augmented generation when a language model must answer from a private or changing corpus and you need to open the passage behind the sentence. Skip building a RAG system when an authoritative lookup or one-off document read will do, or when the durable question is how entities relate. Before choosing an architecture, set two preconditions: how fast a changed document becomes answerable, and whether retrieval enforces who may see what. Naive retrieve-then-generate, hybrid lexical plus dense search, agentic retrieval as a tool, and graph-index methods such as Microsoft's GraphRAG are different jobs, not a ladder of sophistication. Effective means the answer uses the current authorised version, opens the supporting passage, and refuses when support is absent. The RAG Engineer is available now.","url":"/en/blog/when-to-use-rag/","searchText":"When to use RAG: named passages, not a vector store Use RAG when the answer must name a passage in a corpus that changes. Skip building it for one-off document work, authoritative public lookups, and relationship questions that need a graph. The furniture is optional. The named passage is not. If you cannot open the file, you did not ship retrieval. Use retrieval-augmented generation when a language model must answer from a private or changing corpus and you need to open the passage behind the sentence. Skip building a RAG system when an authoritative lookup or one-off document read will do, or when the durable question is how entities relate. Before choosing an architecture, set two preconditions: how fast a changed document becomes answerable, and whether retrieval enforces who may see what. Naive retrieve-then-generate, hybrid lexical plus dense search, agentic retrieval as a tool, and graph-index methods such as Microsoft's GraphRAG are different jobs, not a ladder of sophistication. Effective means the answer uses the current authorised version, opens the supporting passage, and refuses when support is absent. The RAG Engineer is available now. when to use RAG and which retrieval architecture RAG is for a named passage in a corpus you own. A vector store is furniture. Do not build RAG for a one-off document read, an authoritative public lookup, or 'what connects these accounts.' Two preconditions decide more than architecture: index freshness and who may see what. A system that cannot refuse will answer from the closest wrong paragraph. Refusal is a feature. Naive, hybrid, agentic, and graph-index RAG solve different questions. Pick the job, not the slide. Effective means inspectable. GRAIN names that loop. Win-rate tables are not the product. ai-agents RAG An AI method. Fetch named passages, then generate. If you cannot open the source, it is not RAG. GRAIN Gather, Rank, Assemble, Inspect, Navigate. The inspectable retrieval loop. What is RAG? is the definition: look up a named passage, then write. This page is the operating choice. When is that method the right one, which shapes people actually ship, and what \"effective\" is allowed to mean when nobody will show you the file. When RAG is the job Use RAG when three things are true at once. 1. The answer has to match a corpus you own: contracts, handbook, incident reports, specs, tickets. 2. That corpus changes. Last year's clause is not this year's. 3. Someone must be able to open the passage if the sentence is later disputed. Notice-period questions, refund rules, safety steps, \"what did we tell this customer in March\" are RAG jobs. The product is the folder under the lamp. Generation is the last mile. When it is the wrong job Authoritative public lookups. If the answer belongs to a current registry, API, or first-party page, query that source. Indexing a copy into your private corpus adds staleness without adding authority. A one-off document task. If the relevant file fits in context and the job ends today, open the whole file and keep it with the work. Build retrieval when reuse, corpus size, change, permissions, or repeatable citation justify an ingestion path. Durable relationship questions. \"How are these accounts connected?\" \"What depends on this service?\" \"Who owns the claim in chapter 4?\" If the relation itself must be stored and traversed, use a knowledge graph, not a similar paragraph. You can build that graph from text. It is a different architecture, not a bigger vector store. A decision that needs a named reviewer. Retrieval does not replace HITL. A correct clause can still be sent to the wrong person. Two preconditions people skip Teams argue about embeddings and leave two operating decisions unwritten. Those decisions constrain every architecture. Freshness. How long between a document changing and the system answering from the new version? Set a service target, then test it with a known edit: re-upload a handbook, change a spec, ask the dependent question, and record the gap. An index that quietly lags is worse than no index because the wrong answer arrives with a citation attached. Permissions. Retrieval inherits whatever you indexed, not whatever the asker is allowed to read. If salary letters, board minutes, and the HR handbook went into one collection, the model can retrieve all three unless you stop it. Enforce access during retrieval against the asker's identity, partition corpora by access boundary, or index only material every user may read. Filtering after the model sees the passage is too late. Decide what happens when nothing good is found. Test the retrieval floor on known misses, not only successful demos. If no eligible passage clears it, return no answer and name the next route. Refusal is a feature you build on purpose. Walk one: the policy that had two versions This failure is ordinary and consequential. Someone asks the assistant how much notice a customer needs to give before cancelling. The system returns a clean answer with a citation. The citation points at terms-v3.pdf . The signed agreement with this customer is terms-v4.pdf , uploaded in March, and it moved the number. The components behaved as configured. The product still failed. Both files were in the corpus and matched the question. Nothing in the index said one superseded the other, so ranking picked on similarity, and v3 happened to phrase the clause closer to the query. The repair is not a better embedding model. It is metadata and a rule. 1. Every indexed document carries an effective date, a version, and a status: current, superseded, draft. 2. Superseded and draft documents are filtered out of retrieval by default, not merely ranked lower. 3. The answer names the version, not just the file. \"Clause 12.3 of terms-v4, effective 4 March\" is auditable. \"According to our terms\" is not. 4. Somebody owns deletion. A corpus that only grows will keep every mistake retrievable forever. Run this on your own system this week. Pick one policy you know has been revised. Ask the question. Look at what came back. If the answer cannot tell you which version it read, the architecture argument is premature. Four shapes, four jobs People list architectures as if later ones make earlier ones obsolete. They do not. They answer different questions. Naive retrieve-then-generate. Chunk the corpus. Embed. Fetch nearest neighbours. Stuff them in the prompt. Write. This is the demo. It is enough when the question names a clause and the right chunk is near the query. It fails when two versions of the policy sit next to each other, or when the question is about the whole corpus. Hybrid search. Keyword or BM25 next to dense vectors, then a reranker. Use it when names, IDs, and rare tokens matter: contract numbers, SKUs, error codes. Embeddings are bad at exact strings. Lexical search is bad at paraphrase. The pair is furniture that earns its keep. It still is not Inspect. Agentic retrieval. The model may call search as a tool, look again, refuse. Use it when one hop is not the question: \"compare last year's MSA to this year's and name the clause that moved.\" You now have a workflow. You also have more ways to skip Inspect. The loop in GRAIN still binds: Gather, Rank, Assemble, Inspect, Navigate. Graph-index RAG. Microsoft's GraphRAG method extracts entities and relations from text, clusters them into communities, and generates community summaries. Local questions still want a passage. Global questions such as \"what themes recur across this corpus?\" have no single chunk to fetch; that is the job GraphRAG was built for. It adds an extraction and community-summary indexing pipeline. Its public GitHub README, read 2026-08-27, says the project is largely in maintenance mode. Treat it as a published method, not a default install. Sort by the question, not the slide. The question sounds like What it actually needs --- --- \"What does clause 12.3 say?\" Naive retrieval, with version metadata \"What did we quote on order 88-4471?\" Hybrid search. Exact IDs, not paraphrase \"How did this year's MSA change from last year's?\" Agentic retrieval. More than one hop \"What are the recurring themes in two years of support tickets?\" A graph-index method, or an analyst \"What breaks if we deprecate this service?\" A knowledge graph. Not retrieval None of these is \"most effective\" as a slogan. Test three things: did retrieval use the current authorised version, can a human open the supporting passage, and does the system refuse when no passage supports the answer? A sophisticated graph that fails those tests is still a fluent guess with extra ceremony. What to demand on Friday Take one answer from the week. 1. Which passage was gathered? 2. Why this version, not the older one? 3. What was assembled around it? 4. Did anyone inspect a miss, or only the demo that worked? 5. Next lookup, or refuse? If those lines are blank, stop arguing chunk size. You shipped generation with extras. Evaluate the reasoning, not the fluency is the adjacent test when the sentence is tidy and the source is not. The RAG Engineer owns the longer practice. It is available now. You can already refuse a slide that says RAG and cannot open the folder.","keyTakeaways":["RAG is for a named passage in a corpus you own. A vector store is furniture.","Do not build RAG for a one-off document read, an authoritative public lookup, or 'what connects these accounts.'","Two preconditions decide more than architecture: index freshness and who may see what.","A system that cannot refuse will answer from the closest wrong paragraph. Refusal is a feature.","Naive, hybrid, agentic, and graph-index RAG solve different questions. Pick the job, not the slide.","Effective means inspectable. GRAIN names that loop. Win-rate tables are not the product."],"readingMinutes":6,"publishedAt":"2026-09-13T10:00:00.000Z"},"nl":{"label":"Wanneer RAG gebruiken: benoemde passages, geen vector store","summary":"Gebruik retrieval-augmented generation wanneer een taalmodel moet antwoorden uit een private of veranderende verzameling en je de passage achter de zin moet kunnen openen. Bouw geen RAG-systeem wanneer een gezaghebbende opzoeking of het eenmalig lezen van één document volstaat, of wanneer de blijvende vraag gaat over hoe entiteiten samenhangen. Leg vóór de architectuurkeuze twee voorwaarden vast: hoe snel een gewijzigd document beantwoordbaar wordt, en of het ophalen afdwingt wie wat mag zien. Naïef ophalen-en-genereren, hybride search met lexicale en dense zoekmethodes, agentische retrieval als tool, en methodes met een graafindex zoals GraphRAG van Microsoft zijn verschillende klussen, geen ladder van verfijning. Effectief betekent: het antwoord gebruikt de actuele geautoriseerde versie, de onderbouwende passage is te openen, en het systeem weigert wanneer die ontbreekt. De RAG-engineer is nu verkrijgbaar.","url":"/nl/blog/wanneer-rag-gebruiken/","searchText":"Wanneer RAG gebruiken: benoemde passages, geen vector store Gebruik RAG wanneer het antwoord een passage moet noemen in een verzameling die verandert. Bouw het niet voor eenmalig documentwerk, voor gezaghebbende openbare opzoekingen, of voor vragen over verbanden die een graaf nodig hebben. De inrichting is optioneel. De benoemde passage niet. Kun je het bestand niet openen, dan heb je geen retrieval opgeleverd. Gebruik retrieval-augmented generation wanneer een taalmodel moet antwoorden uit een private of veranderende verzameling en je de passage achter de zin moet kunnen openen. Bouw geen RAG-systeem wanneer een gezaghebbende opzoeking of het eenmalig lezen van één document volstaat, of wanneer de blijvende vraag gaat over hoe entiteiten samenhangen. Leg vóór de architectuurkeuze twee voorwaarden vast: hoe snel een gewijzigd document beantwoordbaar wordt, en of het ophalen afdwingt wie wat mag zien. Naïef ophalen-en-genereren, hybride search met lexicale en dense zoekmethodes, agentische retrieval als tool, en methodes met een graafindex zoals GraphRAG van Microsoft zijn verschillende klussen, geen ladder van verfijning. Effectief betekent: het antwoord gebruikt de actuele geautoriseerde versie, de onderbouwende passage is te openen, en het systeem weigert wanneer die ontbreekt. De RAG-engineer is nu verkrijgbaar. wanneer RAG gebruiken en welke ophaalarchitectuur RAG gaat over een benoemde passage in een verzameling die van jou is. Een vector store is inrichting. Bouw geen RAG voor één keer een document lezen, voor een gezaghebbende openbare opzoeking, of voor 'hoe hangen deze accounts samen'. Twee voorwaarden bepalen meer dan de architectuur: de actualiteit van de index en wie wat mag zien. Een systeem dat niet kan weigeren, antwoordt uit de dichtstbijzijnde verkeerde alinea. Weigeren is een functie. Naïef, hybride, agentisch en graafindex lossen verschillende vragen op. Kies de klus, niet de slide. Effectief betekent controleerbaar. GRAIN benoemt die loop. Winsttabellen zijn niet het product. ai-agents RAG Een AI-methode. Haal benoemde passages op, genereer daarna. Kun je de bron niet openen, dan is het geen RAG. GRAIN Gather, Rank, Assemble, Inspect, Navigate. De controleerbare ophaal-loop. Wat is RAG? is de definitie: zoek een benoemde passage op en schrijf daarna pas. Deze pagina gaat over de operationele keuze. Wanneer is die methode de juiste, welke vormen shippen mensen werkelijk, en wat \"effectief\" mag betekenen als niemand je het bestand laat zien. Wanneer RAG de klus is Gebruik RAG wanneer drie dingen tegelijk waar zijn. 1. Het antwoord moet kloppen met een verzameling die van jou is: contracten, handboek, incidentrapporten, specificaties, tickets. 2. Die verzameling verandert. De clausule van vorig jaar is niet die van dit jaar. 3. Iemand moet de passage kunnen openen als de zin later ter discussie staat. Vragen over opzegtermijnen, terugbetalingsregels, veiligheidsstappen en \"wat hebben we deze klant in maart verteld\" zijn RAG-klussen. Het product is de map onder de lamp. Genereren is de laatste meter. Wanneer het de verkeerde klus is Gezaghebbende openbare opzoekingen. Hoort het antwoord bij een actueel register, een API of een eerstelijnspagina, bevraag dan die bron. Een kopie in je eigen corpus indexeren voegt veroudering toe zonder gezag toe te voegen. Eenmalig documentwerk. Past het relevante bestand in de context en is de klus vandaag klaar, open dan het hele bestand en houd het bij het werk. Bouw retrieval wanneer hergebruik, omvang, verandering, rechten of herhaalbaar citeren een ingestiepad rechtvaardigen. Blijvende vragen over verbanden. \"Hoe hangen deze accounts samen?\" \"Wat is afhankelijk van deze dienst?\" \"Wie is eigenaar van de claim in hoofdstuk 4?\" Moet de relatie zelf worden opgeslagen en doorlopen, gebruik dan een knowledge graph en geen vergelijkbare alinea. Je kunt die graaf uit tekst bouwen. Het is een andere architectuur, geen grotere vector store. Een besluit dat een benoemde beoordelaar nodig heeft. Retrieval vervangt de mens in de lus niet. Een correcte clausule kan nog steeds naar de verkeerde persoon gaan. Twee voorwaarden die mensen overslaan Teams discussiëren over embeddings en laten twee operationele besluiten onbeschreven. Die besluiten beperken elke architectuur. Actualiteit. Hoeveel tijd zit er tussen een document dat verandert en een systeem dat uit de nieuwe versie antwoordt? Zet er een norm op en test die met een bekende wijziging: upload het handboek opnieuw, verander een specificatie, stel de afhankelijke vraag en noteer het gat. Een index die stilletjes achterloopt is erger dan geen index, want het foute antwoord arriveert mét bronvermelding. Rechten. Retrieval erft wat je hebt geïndexeerd, niet wat de vrager mag lezen. Zijn salarisbrieven, notulen van de board en het HR-handboek in één collectie beland, dan kan het model alle drie ophalen tenzij je dat tegenhoudt. Dwing toegang af tijdens het ophalen, tegen de identiteit van de vrager, splits je verzamelingen op de grens van die toegang, of indexeer alleen materiaal dat elke gebruiker mag zien. Filteren nadat het model de passage heeft gezien is te laat. Bepaal wat er gebeurt als er niets goeds wordt gevonden. Test de ophaaldrempel op bekende missers, niet alleen op geslaagde demo's. Haalt geen enkele toegestane passage die drempel, geef dan geen antwoord en noem de volgende route. Weigeren is een functie die je met opzet bouwt. Loop er één na: het beleid dat twee versies had Deze fout is alledaags en kost geld. Iemand vraagt de assistent hoeveel dagen opzegtermijn een klant moet aanhouden voordat die opzegt. Het systeem geeft een net antwoord met een bronvermelding. Die bronvermelding wijst naar terms-v3.pdf . De getekende overeenkomst met deze klant is terms-v4.pdf , geüpload in maart, en die verschoof het getal. De onderdelen deden precies wat er was ingesteld. Het product faalde toch. Beide bestanden stonden in het corpus en pasten bij de vraag. Nergens in de index stond dat het ene het andere verving, dus koos de ranking op gelijkenis, en v3 formuleerde de clausule toevallig dichter bij de vraag. De reparatie is geen beter embeddingmodel. Het zijn metadata en een regel. 1. Elk geïndexeerd document draagt een ingangsdatum, een versie en een status: actueel, vervangen, concept. 2. Vervangen en concept vallen standaard buiten het ophalen, niet alleen lager in de ranking. 3. Het antwoord noemt de versie, niet alleen het bestand. \"Clausule 12.3 van terms-v4, ingegaan op 4 maart\" is controleerbaar. \"Volgens onze voorwaarden\" niet. 4. Iemand is eigenaar van verwijderen. Een corpus dat alleen groeit, houdt elke fout eeuwig opvraagbaar. Draai dit deze week op je eigen systeem. Pak één beleidsstuk waarvan je weet dat het is herzien. Stel de vraag. Kijk wat eruit komt. Kan het antwoord niet vertellen welke versie het las, dan is de discussie over architectuur voorbarig. Vier vormen, vier klussen Mensen sommen architecturen op alsof de latere de eerdere overbodig maken. Dat doen ze niet. Ze beantwoorden verschillende vragen. Naïef ophalen en genereren. Knip het corpus in stukken. Embed. Haal de dichtstbijzijnde buren op. Zet ze in de prompt. Schrijf. Dit is de demo. Het volstaat wanneer de vraag een clausule noemt en de juiste chunk dicht bij de vraag ligt. Het faalt zodra twee versies van hetzelfde beleid naast elkaar staan, of wanneer de vraag over de hele verzameling gaat. Hybride search. Trefwoorden of BM25 naast dense vectoren, daarna een reranker. Gebruik het wanneer namen, ID's en zeldzame tokens ertoe doen: contractnummers, SKU's, foutcodes. Embeddings zijn slecht in exacte strings. Lexicaal zoeken is slecht in parafrase. Dat paar is inrichting die zichzelf terugverdient. Het is nog steeds geen Inspect. Agentische retrieval. Het model mag zoeken aanroepen als tool, nog eens kijken, weigeren. Gebruik het wanneer één hop de vraag niet dekt: \"vergelijk de MSA van vorig jaar met die van dit jaar en noem de clausule die verschoof.\" Nu heb je een workflow. Je hebt ook meer manieren om Inspect over te slaan. De loop uit GRAIN blijft binden: Gather, Rank, Assemble, Inspect, Navigate. RAG met een graafindex. De GraphRAG-methode van Microsoft haalt entiteiten en relaties uit tekst, clustert die tot communities en genereert per community een samenvatting. Lokale vragen willen nog steeds een passage. Globale vragen zoals \"welke thema's keren terug in dit corpus?\" hebben geen enkele chunk om op te halen; daarvoor is GraphRAG gebouwd. Het voegt een indexeerpijplijn toe voor extractie en samenvattingen per community. De openbare README op GitHub, gelezen op 2026-08-27, meldt dat het project grotendeels in onderhoudsmodus is. Behandel het als een gepubliceerde methode, niet als standaardinstallatie. Sorteer op de vraag, niet op de slide. De vraag klinkt als Wat er werkelijk nodig is --- --- \"Wat staat er in clausule 12.3?\" Naïeve retrieval, met versiemetadata \"Wat hebben we geoffreerd op order 88-4471?\" Hybride search. Exacte ID's, geen parafrase \"Hoe verschilt de MSA van dit jaar van die van vorig jaar?\" Agentische retrieval. Meer dan één hop \"Welke thema's keren terug in twee jaar supporttickets?\" Een methode met een graafindex, of een analist \"Wat breekt er als we deze dienst uitfaseren?\" Een knowledge graph. Geen retrieval Geen van deze is \"het meest effectief\" als slogan. Test drie dingen: gebruikte het ophalen de actuele geautoriseerde versie, kan een mens de onderbouwende passage openen, en weigert het systeem wanneer geen enkele passage het antwoord draagt? Een verfijnde graaf die op die drie zakt, blijft een vloeiende gok met extra ceremonie. Wat je vrijdag moet eisen Pak één antwoord uit deze week. 1. Welke passage is opgehaald? 2. Waarom deze versie en niet de oudere? 3. Wat is eromheen gezet? 4. Heeft iemand een misser bekeken, of alleen de demo die werkte? 5. Volgende opzoeking, of weigeren? Blijven die regels leeg, stop dan met discussiëren over chunkgrootte. Je hebt generatie met extra's opgeleverd. Evalueer de redenering, niet de vloeiendheid is de test ernaast wanneer de zin netjes is en de bron niet. De RAG-engineer bezit de langere praktijk. Het is nu verkrijgbaar. Je kunt nu al een slide weigeren die RAG zegt en de map niet kan openen.","keyTakeaways":["RAG gaat over een benoemde passage in een verzameling die van jou is. Een vector store is inrichting.","Bouw geen RAG voor één keer een document lezen, voor een gezaghebbende openbare opzoeking, of voor 'hoe hangen deze accounts samen'.","Twee voorwaarden bepalen meer dan de architectuur: de actualiteit van de index en wie wat mag zien.","Een systeem dat niet kan weigeren, antwoordt uit de dichtstbijzijnde verkeerde alinea. Weigeren is een functie.","Naïef, hybride, agentisch en graafindex lossen verschillende vragen op. Kies de klus, niet de slide.","Effectief betekent controleerbaar. GRAIN benoemt die loop. Winsttabellen zijn niet het product."],"readingMinutes":6,"publishedAt":"2026-09-13T10:05:00.000Z"}},"degree":9},{"id":"article:why-chatgpt-does-not-name-you","type":"article","pillar":"seo-geo-aeo","locales":{"en":{"label":"Why am I not mentioned in ChatGPT?","summary":"ChatGPT does not name you for operating reasons, not because the model likes someone else, and there is no published citation ranking to buy. ChatGPT Search can only quote a public URL that OAI-SearchBot may fetch; GPTBot is training, not Search. Test in a fresh Search chat, more than once. Log three outcomes: absent points to access, linked but unnamed points to weak entity cues near the claim, and apparent reuse without credit is a lead to check, not proof.","url":"/en/blog/why-chatgpt-does-not-name-you/","searchText":"Why am I not mentioned in ChatGPT? ChatGPT does not name you because the Search door is closed, the first HTML screen has no checkable claim with your name on it, someone else's site owns your best sentence, or you tested a memory chat instead of Search. If the crawler never saw a sentence it can steal with your name on it, the model has nothing to name. ChatGPT does not name you for operating reasons, not because the model likes someone else, and there is no published citation ranking to buy. ChatGPT Search can only quote a public URL that OAI-SearchBot may fetch; GPTBot is training, not Search. Test in a fresh Search chat, more than once. Log three outcomes: absent points to access, linked but unnamed points to weak entity cues near the claim, and apparent reuse without credit is a lead to check, not proof. why ChatGPT does not mention or cite you Test ChatGPT Search in a fresh chat, not a memory thread, and run the prompt more than once before you conclude anything. Log three outcomes separately: named, linked without a name, used without attribution. They have different fixes. If OAI-SearchBot is blocked on that URL, you are not in the Search corpus. Allow it. Recheck after about 24 hours. Put the claim and the name in the initial HTML, near the top, so Search can extract and attribute them. If your best sentence lives on LinkedIn, Medium, or a marketplace listing, the engine can credit that host instead of you. geo aeo CITATION The eight-move framework from The Findability Engine: Cite, Identify, Triangulate, Anchor, Track, Iterate, Optimize, Normalize. The book is in production and not for sale. GEO Becoming a source an answer engine can retrieve, interpret, extract, and verify. AEO Writing one URL so an engine can lift a clean capsule. People type this when they have a site, a LinkedIn, maybe a book, and ChatGPT still talks around them. The Dutch query is the same job: why is my name not in the answer. There is no published ChatGPT citation ranking. Nobody can sell you a position in it. What exists is a short list of operating failures, and they are cheap to test in order. How to get cited by ChatGPT is the operating note. This page is the diagnosis. Work the list in order. Do not start with a GEO retainer. Find your symptom first The three failures look identical in a chat window and have nothing in common underneath. What you see Most likely cause First thing to check --- --- --- No trace of you at all The Search door is closed, or the corpus never fetched the URL robots.txt , then your access logs for OAI-SearchBot Your URL appears as a source chip, no name in the prose The page has no entity a machine can attach Is a person or organisation named in the HTML, near the claim Your framing or your number appears, uncredited Your claim lives somewhere the engine credits instead, or it is unattributable Where the canonical version of that sentence actually sits Everything below is one of those three, in the order that costs you the least to fix. You tested the wrong chat ChatGPT's training memory and ChatGPT Search are different doors. Ask the question in Search , with sources visible, not in a private thread that is answering from training and from what it already knows about you. Use a fresh or temporary chat. A thread that has been talking to you for six months is not a neutral instrument; you may be reading your own history back. Then log three outcomes as three different results, because their fixes are different: - Named. The prose says your name or your organisation. This is the thing you actually wanted. - Linked, not named. A source chip points at your URL and the sentence credits nobody. Retrieval worked; attribution did not. - Used, not cited. Your framing, phrase, or number appears with no link and no name. Treat this as a lead, not proof: the wording may be common or independently produced. \"It knew the topic\" is not any of the three. If you only ever test a memory chat, you will diagnose the wrong system for a year. One run is not a result The same prompt does not reliably return the same sources twice. Sources can vary by run, account, date, and phrasing. So do not screenshot one answer and call it a finding. Write down five to ten prompts a real buyer would type, run each in a fresh Search chat, and record the outcome per prompt per run. You are looking for a pattern, not an anecdote. Two things people skip: - Language. Ask in Dutch and in English, and log them separately. The sources can shift with the language of the question. In a September 2025 preprint, Chen et al. translated 100 English product queries into five languages; how many cited domains the English and translated runs shared depended on the engine, and for OpenAI's search model through the API it was near zero. In a controlled retrieval test, Sharma et al. (NAACL 2025) found that models favour documents in the language of the query. Dutch was in neither study. If your market is NL, an English-only test tells you very little. - The branded prompt. \"Who is the leading X\" is a vanity query nobody types. Test the question a customer asks the week before they buy. The Search door is closed OpenAI's publisher FAQ says summaries and snippets in ChatGPT Search require you not to block OAI-SearchBot . That is eligibility. GPTBot is a separate training switch. ChatGPT-User is a person-triggered fetch. Mixing the three is how a robots.txt \"fix\" does nothing. Fetch robots.txt on the live host. If OAI-SearchBot is disallowed on that URL, you are not in the Search corpus. Allow it on the pages you want quoted. OpenAI has said a Search-side robots change can take about 24 hours. Recheck then. Do not declare failure at minute ten. Then check the doors that are not in robots.txt . A 403 from a bot rule, a login wall, a soft-404, a noindex you forgot, or a canonical pointing at a blocked URL are all the same closed door with a friendlier error page. Your access logs settle the first question: if no fetch from the Search crawler ever arrives, solve access and discovery before you rewrite the page. The first HTML screen cannot be stolen Give Search a clean capsule in the initial HTML. A claim buried in a client-rendered widget, paragraph eight, or a PDF is harder to extract and attribute. Often the first usable text is a nav or a manifesto. Fetch the URL with no JavaScript. Highlight the first 80 words. 1. Is there a claim a stranger could repeat? 2. Is a person or organisation named (not \"we\")? 3. Is the evidence on this URL? If step one fails, you do not have a ChatGPT problem. You have an AEO opening problem. GEO is the system around the crawl. AEO is this URL. Step two is the one that produces linked, not named . \"We help founders\" gives a machine nothing to attach. A full name, an organisation, and a date provide explicit entity and time cues. Someone else owns your best sentence This is the quiet one, and it can explain used, not cited results. Your sharpest claim may sit on a platform: a LinkedIn post, a Medium piece, a Substack, a marketplace listing, a podcast show-notes page, a client's case study with your work and their byline. The engine may credit that host. The sentence lives there. The fix is unglamorous. Publish the canonical version on your own URL first, dated, with the evidence attached. Let the platform carry the short version and point home. If a claim only exists as a repost, you are asking to be summarised into somebody else's brand. Same failure inside your own site: if the claim lives on five near-identical pages, none of them is the obvious one to quote. You are eligible and still unnamed Eligibility is not a citation. Once the crawler can fetch you, you still have to win among other eligible pages. Usual misses: - The sentence is true everywhere. \"AI is changing work\" gives the engine little reason to carry your name. - No date, no locator, no source on the same URL. The engine cannot verify you. - The entity is a logo, not text. Machines attach names they can read. - The page answers a topic instead of a question. Category pages and aggregators are better at topics than you are. Write one unique, dated, sourced sentence that only you would put on that URL. Put your name next to it. Then run the prompt set again and log the three outcomes. What this is not It is not a secret prompt. Hidden instructions in a footer are not a strategy. It is not FAQ schema. Google ended FAQ rich results on 2026-05-07. A fake FAQPage is a liability there and does not make ChatGPT name you. It is not fame. Fame is not a technical requirement for eligibility or attribution, and it does not open a blocked door. It is not a volume problem. Ten more commodity posts do not fix an entity that no machine can read. The fail list, in order 1. Fresh Search chat, not memory. Write the prompt down. 2. Five to ten real buyer prompts, more than one run, both languages if you sell in both. 3. robots.txt : OAI-SearchBot allowed on this URL? 4. Access logs: has the Search crawler actually fetched it? 5. curl the HTML. Claim, name, and evidence in the first screen? 6. Where does the canonical version of that claim live: your URL, or a platform? 7. Wait a day after a robots change. Test again. 8. Log named, linked-not-named, used-not-cited. Stop at the first failure and fix it before you spend on the next line. If 3 or 4 fails, do not move to line 5. If 5 or 6 fails, stop buying GEO theatre and fix the capsule. Then read how to get cited for the rest of the operating loop, and how answer engines select sources for what happens after the door is open.","keyTakeaways":["Test ChatGPT Search in a fresh chat, not a memory thread, and run the prompt more than once before you conclude anything.","Log three outcomes separately: named, linked without a name, used without attribution. They have different fixes.","If OAI-SearchBot is blocked on that URL, you are not in the Search corpus. Allow it. Recheck after about 24 hours.","Put the claim and the name in the initial HTML, near the top, so Search can extract and attribute them.","If your best sentence lives on LinkedIn, Medium, or a marketplace listing, the engine can credit that host instead of you."],"readingMinutes":7,"publishedAt":"2026-08-27T07:00:00.000Z"},"nl":{"label":"Waarom word ik niet genoemd in ChatGPT","summary":"Dat ChatGPT je niet noemt, komt door operationele fouten, niet doordat het model iemand anders aardiger vindt. Een gepubliceerde citatieranking die je kunt kopen, bestaat niet. ChatGPT Search kan alleen een publieke URL citeren die OAI-SearchBot mag ophalen; GPTBot gaat over training, niet over Search. Test in een verse Search-chat, vaker dan één keer. Log drie uitkomsten: afwezig wijst op toegang, gelinkt maar niet genoemd wijst op zwakke entiteitssignalen rond de claim, en kennelijk hergebruik zonder vermelding is een spoor om te controleren, geen bewijs.","url":"/nl/blog/waarom-word-ik-niet-genoemd-in-chatgpt/","searchText":"Waarom word ik niet genoemd in ChatGPT ChatGPT noemt je niet omdat de Search-deur dicht zit, het eerste HTML-scherm geen controleerbare claim met jouw naam bevat, iemand anders jouw beste zin bezit, of je een geheugenchat testte in plaats van Search. Zag de crawler nooit een zin met jouw naam erop, dan heeft het model niets om te noemen. Dat ChatGPT je niet noemt, komt door operationele fouten, niet doordat het model iemand anders aardiger vindt. Een gepubliceerde citatieranking die je kunt kopen, bestaat niet. ChatGPT Search kan alleen een publieke URL citeren die OAI-SearchBot mag ophalen; GPTBot gaat over training, niet over Search. Test in een verse Search-chat, vaker dan één keer. Log drie uitkomsten: afwezig wijst op toegang, gelinkt maar niet genoemd wijst op zwakke entiteitssignalen rond de claim, en kennelijk hergebruik zonder vermelding is een spoor om te controleren, geen bewijs. waarom ChatGPT je niet noemt of citeert Test ChatGPT Search in een verse chat, niet in een geheugenthread, en draai de prompt vaker dan één keer voordat je iets concludeert. Log drie uitkomsten los van elkaar: genoemd, gelinkt zonder naam, gebruikt zonder vermelding. Ze hebben verschillende oplossingen. Blokkeer je OAI-SearchBot op die URL, dan zit je niet in het Search-corpus. Zet hem open. Controleer na ongeveer 24 uur opnieuw. Zet de claim en de naam in de initiële HTML, hoog op de pagina, zodat Search ze kan extraheren en toeschrijven. Staat je beste zin op LinkedIn, Medium of een marktplaats, dan kan de engine die host crediteren in plaats van jou. geo aeo CITATION Het raamwerk van acht stappen uit The findability engine: Citeren, Identificeren, Trianguleren, Verankeren, Traceren, Itereren, Optimaliseren, Normaliseren. Het boek is in productie en niet te koop. GEO Een bron worden die een antwoordmachine kan ophalen, interpreteren, extraheren en verifiëren. AEO Eén URL zo schrijven dat een engine er een schone capsule uit kan lichten. Mensen typen dit wanneer ze een site hebben, een LinkedIn, misschien een boek, en ChatGPT nog steeds om hen heen praat. De Engelse zoekopdracht is dezelfde klus: waarom staat mijn naam niet in het antwoord. Er bestaat geen gepubliceerde citatieranking van ChatGPT. Niemand kan je daar een plek in verkopen. Wat wel bestaat is een korte lijst operationele fouten, en die zijn goedkoop om op volgorde te testen. Hoe je geciteerd wordt door ChatGPT is de operationele notitie. Deze pagina is de diagnose. Werk de lijst op volgorde af. Begin niet met een GEO-abonnement. Zoek eerst je symptoom De drie fouten zien er in een chatvenster identiek uit en hebben onderhuids niets met elkaar te maken. Wat je ziet Meest waarschijnlijke oorzaak Wat je als eerste controleert --- --- --- Geen spoor van jou De Search-deur zit dicht, of het corpus heeft de URL nooit opgehaald robots.txt , daarna je access logs op OAI-SearchBot Je URL staat als bronchip, geen naam in de tekst De pagina heeft geen entiteit die een machine kan vastpakken Staat er een persoon of organisatie in de HTML, dicht bij de claim Jouw kader of jouw getal duikt op, zonder vermelding Je claim staat ergens waar de engine iemand anders voor crediteert, of hij is niet toe te schrijven Waar de canonieke versie van die zin werkelijk staat Alles hieronder is een van die drie, in de volgorde die je het minste kost. Je testte de verkeerde chat Het trainingsgeheugen van ChatGPT en ChatGPT Search zijn twee verschillende deuren. Stel de vraag in Search , met de bronnen zichtbaar, niet in een privéthread die antwoordt uit training en uit wat het al over jou weet. Gebruik een verse of tijdelijke chat. Een thread die al zes maanden met jou praat, is geen neutraal instrument; je leest mogelijk je eigen historie terug. Log daarna drie uitkomsten als drie verschillende resultaten, want ze hebben verschillende oplossingen: - Genoemd. De tekst noemt jouw naam of je organisatie. Dit is wat je eigenlijk wilde. - Gelinkt, niet genoemd. Een bronchip wijst naar je URL en de zin crediteert niemand. Retrieval werkte; toeschrijving niet. - Gebruikt, niet geciteerd. Jouw kader, formulering of getal duikt op zonder link en zonder naam. Behandel dit als aanwijzing, niet als bewijs: de formulering kan gangbaar zijn of onafhankelijk ontstaan. \"Hij kende het onderwerp\" is geen van de drie. Test je alleen ooit een geheugenchat, dan stel je een jaar lang de diagnose op het verkeerde systeem. Eén run is geen resultaat Dezelfde prompt levert niet betrouwbaar twee keer dezelfde bronnen op. Bronnen kunnen verschillen per run, per account, per datum en per formulering. Maak dus geen schermafbeelding van één antwoord en noem dat een bevinding. Schrijf vijf tot tien prompts op die een echte koper zou typen, draai elke prompt in een verse Search-chat, en noteer de uitkomst per prompt per run. Je zoekt een patroon, geen anekdote. Twee dingen die mensen overslaan: - Taal. Vraag het in het Nederlands en in het Engels, en log ze apart. De bronnen kunnen verschuiven met de taal van de vraag. In een preprint van september 2025 vertaalden Chen et al. 100 Engelse productvragen naar vijf talen; hoeveel geciteerde domeinen de Engelse en de vertaalde runs deelden, hing af van de engine, en bij het zoekmodel van OpenAI via de API was dat bijna nul. In een gecontroleerde retrievaltest vonden Sharma et al. (NAACL 2025) dat modellen documenten in de taal van de vraag voortrekken. Nederlands zat in geen van beide studies. Verkoop je in Nederland, dan zegt een test die alleen Engels is bijzonder weinig. - De merkprompt. \"Wie is de beste X\" is een ijdelheidszoekopdracht die niemand typt. Test de vraag die een klant stelt in de week voordat hij koopt. De Search-deur zit dicht De uitgevers-FAQ van OpenAI stelt dat samenvattingen en snippets in ChatGPT Search vereisen dat je OAI-SearchBot niet blokkeert. Dat is geschiktheid. GPTBot is een aparte schakelaar voor training. ChatGPT-User is een ophaalactie die een mens start. Die drie door elkaar halen is precies hoe een \"fix\" in robots.txt niets doet. Haal robots.txt op van de live host. Staat OAI-SearchBot daar op disallow voor die URL, dan zit je niet in het Search-corpus. Zet hem open voor de pagina's die je geciteerd wilt zien. OpenAI heeft gezegd dat een robots-wijziging aan de Search-kant ongeveer 24 uur kan duren. Controleer dan opnieuw. Verklaar het niet mislukt na tien minuten. Controleer daarna de deuren die niet in robots.txt staan. Een 403 uit een botregel, een loginmuur, een soft-404, een vergeten noindex of een canonical die naar een geblokkeerde URL wijst zijn allemaal dezelfde dichte deur met een vriendelijkere foutpagina. Je access logs beslissen de eerste vraag: arriveert er nooit een ophaalactie van de Search-crawler, los dan toegang en vindbaarheid op voordat je de pagina herschrijft. Het eerste HTML-scherm valt niet te stelen Geef Search een schone capsule in de initiële HTML. Een claim die begraven ligt in een widget die pas in de browser rendert, in alinea acht of in een PDF, is lastiger te extraheren en toe te schrijven. Vaak is de eerste bruikbare tekst een navigatiebalk of een manifest. Haal de URL op zonder JavaScript. Markeer de eerste 80 woorden. 1. Staat er een claim die een vreemde kan herhalen? 2. Wordt er een persoon of organisatie genoemd, dus niet \"wij\"? 3. Staat het bewijs op deze URL? Faalt stap één, dan heb je geen ChatGPT-probleem. Dan heb je een AEO-probleem in de opening. GEO is het systeem rond de crawl. AEO is deze URL. Stap twee is de stap die gelinkt, niet genoemd produceert. \"Wij helpen founders\" geeft een machine niets om vast te pakken. Een volledige naam, een organisatie en een datum leveren expliciete signalen over entiteit en tijd. Iemand anders bezit jouw beste zin Dit is de stille variant, en hij verklaart vaak de uitkomst gebruikt, niet geciteerd . Je scherpste claim staat mogelijk op een platform: een LinkedIn-post, een Medium-stuk, een Substack, een marktplaatsvermelding, de shownotes van een podcast, of de casus van een klant met jouw werk en hun naam eronder. De engine kan die host crediteren. De zin staat daar. De oplossing is weinig glamoureus. Publiceer de canonieke versie eerst op je eigen URL, met datum en met het bewijs erbij. Laat het platform de korte versie dragen en naar huis wijzen. Bestaat een claim alleen als herplaatsing, dan vraag je erom samengevat te worden in het merk van iemand anders. Dezelfde fout binnen je eigen site: staat de claim op vijf bijna identieke pagina's, dan is geen daarvan de voor de hand liggende om te citeren. Je bent geschikt en wordt nog steeds niet genoemd Geschiktheid is geen citatie. Zodra de crawler je kan ophalen, moet je nog steeds winnen van andere geschikte pagina's. Gebruikelijke missers: - De zin is overal waar. \"AI verandert werk\" geeft de engine weinig reden om jouw naam mee te dragen. - Geen datum, geen vindplaats, geen bron op dezelfde URL. De engine kan je niet verifiëren. - De entiteit is een logo, geen tekst. Machines pakken namen vast die ze kunnen lezen. - De pagina beantwoordt een onderwerp in plaats van een vraag. Categoriepagina's en aggregators zijn beter in onderwerpen dan jij. Schrijf één unieke, gedateerde, onderbouwde zin die alleen jij op die URL zou zetten. Zet je naam ernaast. Draai daarna de promptset opnieuw en log de drie uitkomsten. Wat dit niet is Het is geen geheime prompt. Verborgen instructies in een footer zijn geen strategie. Het is geen FAQ-schema. Google is op 2026-05-07 gestopt met FAQ rich results. Een nep FAQPage is daar een risico en zorgt er niet voor dat ChatGPT je noemt. Het is geen bekendheid. Bekendheid is geen technische voorwaarde voor geschiktheid of toeschrijving, en ze opent geen geblokkeerde deur. Het is geen volumeprobleem. Tien extra standaardposts repareren geen entiteit die geen machine kan lezen. De faallijst, op volgorde 1. Verse Search-chat, geen geheugen. Schrijf de prompt op. 2. Vijf tot tien echte koperprompts, meer dan één run, beide talen als je in beide verkoopt. 3. robots.txt : staat OAI-SearchBot toe op deze URL? 4. Access logs: heeft de Search-crawler de pagina daadwerkelijk opgehaald? 5. curl de HTML. Claim, naam en bewijs in het eerste scherm? 6. Waar staat de canonieke versie van die claim: op jouw URL of op een platform? 7. Wacht een dag na een robots-wijziging. Test opnieuw. 8. Log genoemd, gelinkt-niet-genoemd, gebruikt-niet-geciteerd. Stop bij de eerste fout en los die op voordat je geld uitgeeft aan de volgende regel. Faalt 3 of 4, ga dan niet door naar regel 5. Faalt 5 of 6, stop dan met GEO-theater en repareer de capsule. Lees daarna hoe je geciteerd wordt voor de rest van de operationele lus, en hoe zoek- en antwoordmachines bronnen kiezen voor wat er gebeurt zodra de deur openstaat.","keyTakeaways":["Test ChatGPT Search in een verse chat, niet in een geheugenthread, en draai de prompt vaker dan één keer voordat je iets concludeert.","Log drie uitkomsten los van elkaar: genoemd, gelinkt zonder naam, gebruikt zonder vermelding. Ze hebben verschillende oplossingen.","Blokkeer je OAI-SearchBot op die URL, dan zit je niet in het Search-corpus. Zet hem open. Controleer na ongeveer 24 uur opnieuw.","Zet de claim en de naam in de initiële HTML, hoog op de pagina, zodat Search ze kan extraheren en toeschrijven.","Staat je beste zin op LinkedIn, Medium of een marktplaats, dan kan de engine die host crediteren in plaats van jou."],"readingMinutes":7,"publishedAt":"2026-08-27T07:05:00.000Z"}},"degree":13},{"id":"article:why-multi-agent-systems-fail","type":"article","pillar":"ai-systems","locales":{"en":{"label":"Why multi-agent systems fail: the coordination gap","summary":"Most multi-agent systems fail as coordination, not as models. A 2-to-15-person team adds specialised agents faster than it adds charters, handoff packets, review gates, and a shared view of state. Org charts name reporting lines. They do not name who holds context at the boundary. CHORUS is one protocol for that gap: Charter, Handoff, Orchestrate, Review, Update, Sync. A graph of model calls is not orchestration.","url":"/en/blog/why-multi-agent-systems-fail/","searchText":"Why multi-agent systems fail: the coordination gap Adding agents often makes a small team slower. The failure is usually coordination: lost handoffs, unreviewed output, no shared board. CHORUS names the missing protocol. Capability arrived in an afternoon. The protocol never did. That gap is the whole story. Most multi-agent systems fail as coordination, not as models. A 2-to-15-person team adds specialised agents faster than it adds charters, handoff packets, review gates, and a shared view of state. Org charts name reporting lines. They do not name who holds context at the boundary. CHORUS is one protocol for that gap: Charter, Handoff, Orchestrate, Review, Update, Sync. A graph of model calls is not orchestration. multi-agent coordination failure The usual failure is a missing protocol, not a weak model. Handoffs fail first: no packet, no owner, no review. A swarm demo is not a team operating system. Lab MAS traces fail on design, alignment, and verification seams. That is not a company-project statistic. CHORUS is organizational protocol. The Multi-Agent Organization is the book. This page is the failure mode. ai-agents chorus multi-agent-organization CHORUS Six-skill coordination protocol for mixed human-and-agent teams. Agent orchestration Visible assignment of work across humans and agents. Human in the loop A named reviewer with a gate, not a spectator. A small team adds three agents and the week gets slower. Inbox noise goes up. Finished work goes down. Someone says the models are not good enough. Usually the models are fine. The team never installed a protocol. The coordination gap Capability is cheap. A specialist AI agent that drafts, files, or researches can be standing by evening. Coordination is expensive. Who holds the goal at the boundary. What context travels. What must be reviewed. How the board updates. How the team sees state on Monday. Agent orchestration is that work. A graph of model calls is not. If you cannot point at the packet that crossed a boundary, you did not orchestrate. You launched. This is why “we tried multi-agent” often means “we tried a swarm demo.” The demo can look busy. The org cannot see who owns the output. An agentic workflow still needs a goal, a charter, and a ceiling. A swarm without those is the same missing protocol, only louder. Lab systems fail on the same seams. Cemri, Pan, Yang and colleagues annotated 1,642 execution traces across seven open-source multi-agent frameworks (arXiv 2503.13657v3, NeurIPS 2025 Datasets and Benchmarks). Task-failure rates on those systems sat between 41% and 86.7%. Their taxonomy groups the misses as system design, inter-agent misalignment, and task verification: role specs ignored, history dropped, other agents’ input skipped, verification missing or wrong. That is a laboratory result on named frameworks. It is not a survey of company projects. It is a rhyme. The operator repair is still a named skill, not a new model. Where it breaks Six boring breaks, in the order I see them. Each one names a missing CHORUS skill. Charter. Work starts because someone typed a prompt. There is no written purpose, no authority ceiling, no escalation. Output appears that no chartered role was allowed to produce. That is a shadow agent. Handoff. The first agent finishes. The second starts from a chat log. Constraints die in the paste. A six-field packet would have been enough: goal, constraints, inputs, provenance, acceptance, deadline. The charter is a different artifact (seven fields). Do not merge them. Orchestrate. Two workers take the same task. Nobody named the merge. Two drafts arrive. Someone pastes the nicer one. A graph of calls looked busy. Nobody owned the join. Review. Output ships because it sounded right. There is no written acceptance line. The human in the loop is a spectator. Near-100% approval is not a quality system. It is review theatre. Update. The world moved. The agent roster did not. Old tools, old prompts, old customer facts. Plausible answers about a world that no longer exists. Sync. Standup becomes a tour of model traces. A dashboard would have done it. The meeting exists because nobody can see state. Decisions live in chat. The board is a lie. Named failure is fixable. “Agents disappointed us” is not. A packet that survives the paste Here is the difference between a thread and a handoff. The thread says: “Can you finish the launch note? Context is above.” The second worker invents tone, audience, and what “done” means. The packet says: - Goal. One launch note for existing customers, 180–220 words, announcing the Tuesday cutover. - Constraints. No pricing. No comparison to a named competitor. No promise the onboarding team has not signed. - Inputs. The cutover checklist dated 12 August. The last approved customer email. The support script for the first 24 hours. - Provenance. Checklist owner is ops. Email owner is the founder. Support script is the only source for “what to do if login fails.” - Acceptance. A named reviewer can reject it if it invents a feature, changes the cutover time, or addresses prospects instead of customers. - Deadline. Monday 16:00, so the reviewer still has an hour before send. That is six fields. Not seven. If you cannot fill them, you are not ready to hand the work to anyone, human or agent. The override doctrine sits next to the packet, not inside it. The packet says what this task is. The doctrine says what the worker may never do: spend above a ceiling, speak as the company, change production data, close a judgment you still own. Write the doctrine before the tool that can send. A diagnostic you can run this week Tell Missing skill First fix --- --- --- Output no one was chartered to produce Charter Write purpose, ceiling, escalation before the next run The second worker starts from a chat log Handoff Fill the six fields. Refuse the task if a field is empty Two drafts, no named merge Orchestrate One owner of the join. Serial or fan-in, said out loud Approval with no written check Review One acceptance line the reviewer can fail Answers about last month’s product Update Date the roster. Kill stale tools in public Standup is a tour of traces Sync One surface. Read it. Do not narrate it Ten minutes is enough to start. List every agent that touched work last week. For each one, write the last human who accepted its output. If you cannot name that person, you found the gap. What CHORUS is for, and what it is not CHORUS is a six-skill protocol: Charter, Handoff, Orchestrate, Review, Update, Sync. Charter is seven fields that turn a vague intention into a contract. Handoff is the six-field packet. Orchestrate is serial steps, fan-out, fan-in, and a named human escalation. Review is a gate against written acceptance, not a vibe check. Update sends findings back into prompts, tools, and charters. Sync is one surface, read in a short weekly ritual. It is for teams of 2 to 15 who already mix humans and specialised agent workers. It is not a CrewAI tutorial. It is not a graph product. It is not an org chart. It is not a music or chat brand. It is not a protocol for a 200-person platform team; that org needs a different map. A human in the loop who cannot fail the output is decoration. The Multi-Agent Organization is the book. The introduction teaches the six skills in full. This page is only the gap: why the team got slower, and which missing skill did it. If you install one triangle first, install this one. - Days 1–30. Charter every role, costliest first. - Days 31–60. One real review gate. - Days 61–90. One weekly sync that is not a standup tour. Then add agents, not before. A SENSE layer will not save a team that cannot hand work across a boundary. An MCP contract will not save a team that has no reviewer. Fill the charter before you add the fourth agent.","keyTakeaways":["The usual failure is a missing protocol, not a weak model.","Handoffs fail first: no packet, no owner, no review.","A swarm demo is not a team operating system.","Lab MAS traces fail on design, alignment, and verification seams. That is not a company-project statistic.","CHORUS is organizational protocol. The Multi-Agent Organization is the book. This page is the failure mode."],"readingMinutes":6,"publishedAt":"2026-08-18T09:00:00.000Z"},"nl":{"label":"Waarom multi-agentsystemen falen: de coördinatiekloof","summary":"Multi-agentsystemen falen zelden door slechte modellen, maar door een gebrek aan coördinatie. Een team van 2 tot 15 personen rolt sneller agents uit dan dat het charters, overdrachtspakketten en controlemomenten inricht. Organogrammen tonen wie aan wie rapporteert, maar niet wie de context vasthoudt bij een overdracht. CHORUS vult die leemte op met zes stappen: Charter, Handoff, Orchestrate, Review, Update, Sync. Een reeks API-calls is nog geen orkestratie.","url":"/nl/blog/waarom-multi-agent-systemen-falen/","searchText":"Waarom multi-agentsystemen falen: de coördinatiekloof Een klein team dat agents toevoegt, wordt vaak juist trager. Het probleem is de coördinatie: verloren overdrachten, onbeoordeelde output, geen centraal overzicht. CHORUS is het protocol dat dit oplost. Capaciteit voeg je in een middag toe. Het protocol ontbrak. Die kloof vertelt het hele verhaal. Multi-agentsystemen falen zelden door slechte modellen, maar door een gebrek aan coördinatie. Een team van 2 tot 15 personen rolt sneller agents uit dan dat het charters, overdrachtspakketten en controlemomenten inricht. Organogrammen tonen wie aan wie rapporteert, maar niet wie de context vasthoudt bij een overdracht. CHORUS vult die leemte op met zes stappen: Charter, Handoff, Orchestrate, Review, Update, Sync. Een reeks API-calls is nog geen orkestratie. falende multi-agentcoördinatie Het echte probleem is een ontbrekend protocol, niet de modellen. Overdrachten falen als eerste: zonder briefing, eigenaar of controle. Een indrukwekkende demo is geen operationeel systeem voor je team. CHORUS is het protocol. De multi-agent organisatie is het boek. Deze pagina beschrijft het faalscenario. ai-agents chorus multi-agent-organization CHORUS Coördinatieprotocol van zes vaardigheden voor gemengde teams van mensen en agents. Agent-orkestratie Het zichtbaar verdelen van werk over mensen en agents. Mens in de lus Een aangewezen beoordelaar met beslissingsbevoegdheid, geen toeschouwer. Een klein team voegt drie agents toe en de week vertraagt. De ruis in je inbox neemt toe. Er wordt minder werk afgerond. Iemand roept dat de modellen niet goed genoeg zijn. Meestal ligt het niet aan de modellen. Het team heeft simpelweg nooit een protocol geïnstalleerd. De coördinatiekloof Capaciteit is goedkoop. Een gespecialiseerde AI-agent die schrijft, archiveert of onderzoek doet, heb je vanavond nog draaien. Coördinatie is duur. Wie bewaakt het doel bij de overdracht. Welke context reist er mee. Wat moet er gereviewd worden. Hoe het bord wordt bijgewerkt. Hoe het team op maandag de actuele status ziet. Dat is wat agent-orkestratie inhoudt. Een graaf van modelaanroepen is dat niet. Als je niet kunt aanwijzen welk pakket de grens is overgegaan, heb je niet georkestreerd. Je hebt iets gelanceerd. Dit is waarom \"we hebben multi-agent geprobeerd\" vaak betekent \"we hebben een zwermdemo geprobeerd.\" De demo ziet er misschien lekker druk uit. Maar de organisatie heeft geen idee wie eigenaar is van de output. Een agentische workflow heeft nog steeds een doel, een charter en een plafond nodig. Een zwerm zonder deze drie is hetzelfde ontbrekende protocol, maar dan luidruchtiger. Labsystemen lopen vast op diezelfde breekpunten. Cemri, Pan, Yang en collega's annoteerden 1642 executiesporen over zeven open-source multi-agent frameworks (arXiv 2503.13657v3, NeurIPS 2025 Datasets and Benchmarks). Het uitvalpercentage van taken in die systemen lag tussen de 41% en 86,7%. Hun taxonomie groepeert de missers in systeemontwerp, gebrekkige afstemming tussen agents en taakverificatie: genegeerde rolspecificaties, weggevallen geschiedenis, overgeslagen input van andere agents, en ontbrekende of foute verificatie. Dat is een labresultaat op bekende frameworks. Het is geen onderzoek naar bedrijfsprojecten. Het rijmt wel. De reparatie door een operator is nog steeds een specifieke vaardigheid, geen nieuw model. Waar het stukloopt Zes oersaaie breekpunten, in de volgorde waarin ik ze tegenkom. Elk breekpunt benoemt een ontbrekende CHORUS-vaardigheid. Charter. Het werk begint omdat iemand een prompt intypte. Er is geen uitgeschreven doel, geen autoriteitsplafond, geen escalatie. Er verschijnt output die door geen enkele rol met een charter geproduceerd mocht worden. Dat is een schaduw-agent. Handoff. De eerste agent is klaar. De tweede begint vanuit een chatlog. Restricties sterven in de copy-paste. Een pakket van zes velden was genoeg geweest: doel, restricties, input, herkomst (provenance), acceptatie en deadline. Het charter is een ander artefact (zeven velden). Voeg ze niet samen. Orchestrate. Twee werkers pakken dezelfde taak op. Niemand heeft de merge benoemd. Er komen twee concepten binnen. Iemand plakt simpelweg degene die het best klinkt. Een graaf van aanroepen leek druk. Niemand was eigenaar van de samenvoeging. Review. Output wordt opgeleverd omdat het wel goed klonk. Er is geen uitgeschreven acceptatieregel. De mens-in-de-lus is een toeschouwer. Een goedkeuringspercentage van bijna 100% is geen kwaliteitssysteem. Het is review-theater. Update. De wereld is veranderd. Je agent-roster niet. Oude tools, oude prompts, oude klantfeiten. Plausibele antwoorden over een wereld die niet meer bestaat. Sync. De standup ontaardt in een rondleiding langs modeltraces. Een dashboard was beter geweest. De meeting bestaat alleen omdat niemand de status kan zien. Beslissingen leven in de chat. Het bord is een leugen. Falen dat je kunt benoemen is op te lossen. \"Agenten vielen ons tegen\" niet. Een pakket dat de copy-paste overleeft Hier is het verschil tussen een thread en een overdracht. De thread zegt: \"Kun je de launch note afmaken? De context staat hierboven.\" De tweede werker verzint vervolgens zelf de toon, de doelgroep en wat \"klaar\" betekent. Het pakket zegt: - Doel. Eén launch note voor bestaande klanten, 180–220 woorden, waarin de cutover van dinsdag wordt aangekondigd. - Restricties. Geen prijzen. Geen vergelijking met een bij naam genoemde concurrent. Geen beloftes waar het onboarding-team niet voor getekend heeft. - Input. De cutover-checklist van 12 augustus. De laatst goedgekeurde klant-e-mail. Het supportscript voor de eerste 24 uur. - Herkomst. De eigenaar van de checklist is ops. De eigenaar van de e-mail is de founder. Het supportscript is de enige bron voor \"wat te doen als inloggen mislukt\". - Acceptatie. Een bij naam genoemde reviewer kan het afkeuren als het een feature verzint, de cutover-tijd aanpast, of zich op prospects richt in plaats van op klanten. - Deadline. Maandag 16:00, zodat de reviewer nog een uur heeft voor verzending. Dat zijn zes velden. Geen zeven. Als je ze niet kunt invullen, ben je er niet klaar voor om het werk aan wie dan ook over te dragen, mens of agent. De override-doctrine staat naast het pakket, er niet in. Het pakket vertelt wat de taak inhoudt. De doctrine bepaalt wat de werker nóóit mag doen: meer uitgeven dan een bepaald plafond, namens het bedrijf spreken, productiedata wijzigen, of een besluit nemen waar jij nog de eigenaar van bent. Schrijf de doctrine voordat je de tool bouwt die daadwerkelijk kan verzenden. Een diagnose die je deze week kunt uitvoeren Signaal Ontbrekende vaardigheid Eerste fix --- --- --- Output die geen enkele rol met een charter mocht produceren Charter Schrijf doel, plafond en escalatie op vóór de volgende run De tweede werker begint vanuit een chatlog Handoff Vul de zes velden in. Weiger de taak als een veld leeg is Twee concepten, geen benoemde merge Orchestrate Eén eigenaar van de merge. Serieel of fan-in, hardop uitgesproken Goedkeuring zonder uitgeschreven check Review Eén acceptatieregel waarop de reviewer kan afkeuren Antwoorden over het product van vorige maand Update Voorzie het roster van een datum. Elimineer verouderde tools publiekelijk De standup is een rondleiding langs traces Sync Eén overzicht. Lees het. Vertel het niet na Tien minuten is genoeg om te beginnen. Maak een lijst van elke agent die vorige week werk heeft aangeraakt. Schrijf bij elk van hen de laatste mens op die de output heeft geaccepteerd. Als je die persoon niet kunt benoemen, heb je de kloof gevonden. Waar CHORUS voor is, en waarvoor niet CHORUS is een protocol van zes vaardigheden: Charter, Handoff, Orchestrate, Review, Update, Sync. Charter bestaat uit zeven velden die een vage intentie omzetten in een contract. Handoff is het pakket van zes velden. Orchestrate gaat over seriële stappen, fan-out, fan-in en een benoemde menselijke escalatie. Review is een poortwachter op basis van uitgeschreven acceptatie, geen vibe-check. Update stuurt bevindingen terug naar prompts, tools en charters. Sync is één overzicht, gelezen in een kort wekelijks ritueel. Het is voor teams van 2 tot 15 mensen die nu al mensen en gespecialiseerde agents combineren. Het is geen CrewAI-tutorial. Het is geen graph-product. Het is geen organogram. Het is geen muziek- of chatmerk. Het is ook geen protocol voor een platformteam van 200 man; die organisatie heeft een andere blauwdruk nodig. Een mens-in-de-lus die de output niet mag afkeuren, is slechts decoratie. De multi-agent organisatie is het boek. De introductie leert je de zes vaardigheden in detail. Deze pagina gaat alleen over de kloof: waarom het team trager werd, en welke ontbrekende vaardigheid daar de oorzaak van was. Als je eerst één driehoek installeert, installeer dan deze. - Dag 1–30. Geef elke rol een charter, de duurste het eerst. - Dag 31–60. Eén echte review-poort. - Dag 61–90. Eén wekelijkse sync die geen standup-rondleiding is. Voeg daarna pas agents toe, niet eerder. Een SENSE-laag gaat een team dat geen werk over een grens kan overdragen niet redden. Een MCP-contract redt een team zonder reviewer niet. Vul het charter in voordat je de vierde agent toevoegt.","keyTakeaways":["Het echte probleem is een ontbrekend protocol, niet de modellen.","Overdrachten falen als eerste: zonder briefing, eigenaar of controle.","Een indrukwekkende demo is geen operationeel systeem voor je team.","CHORUS is het protocol. De multi-agent organisatie is het boek. Deze pagina beschrijft het faalscenario."],"readingMinutes":6,"publishedAt":"2026-08-18T09:05:00.000Z"}},"degree":25},{"id":"artifact:mindsesh","type":"artifact","pillar":"founder-performance","locales":{"en":{"label":"MindSesh","summary":"Browser-based, neurobiologically grounded sessions for focus, NSDR, breathing and stress recovery.","url":"https://mindsesh.net"},"nl":{"label":"MindSesh","summary":"Neurobiologisch onderbouwde browser-sessies voor focus, NSDR, ademhaling en stressherstel.","url":"https://mindsesh.net"}},"degree":0},{"id":"artifact:reasonkit","type":"artifact","pillar":"ai-systems","locales":{"en":{"label":"ReasonKit","summary":"A Rust-based reasoning engine for structured, auditable and verifiable AI workflows.","url":"https://reasonkit.sh"},"nl":{"label":"ReasonKit","summary":"Een op Rust gebaseerde reasoning engine voor gestructureerde, controleerbare en verifieerbare AI-workflows.","url":"https://reasonkit.sh"}},"degree":3},{"id":"artifact:undominated","type":"artifact","pillar":"ai-systems","locales":{"en":{"label":"Undominated.ai","summary":"Independent AI inference price index. Capability first, then price. Names the models that are both worse and dearer. No cut of inference.","url":"https://undominated.ai"},"nl":{"label":"Undominated.ai","summary":"Onafhankelijke prijsindex voor AI-inference. Eerst kwaliteit, dan prijs. Benoemt de modellen die zowel slechter als duurder zijn. Geen commissie op inference.","url":"https://undominated.ai"}},"degree":2},{"id":"concept:aeo","type":"concept","pillar":"seo-geo-aeo","locales":{"en":{"label":"AEO","summary":"AEO, answer engine optimization, is the craft of writing a page so an answer engine can quote a clean capsule: a direct answer near the top, named entities, visible sources, and no invented FAQ schema. GEO is the system. AEO is the page. They fail together when the first screen is a brand manifesto. Google ended FAQ rich results on 2026-05-07; a fake FAQPage is a liability, not a tactic. If the first screen cannot be quoted, the rest of the page will not save it.","url":"/glossary/aeo/","keyTakeaways":["Use it when you are structuring a single URL, not the whole crawl graph. If the first screen is a manifesto, rewrite the opening before you touch schema."]},"nl":{"label":"AEO","summary":"AEO, answer engine optimization, is het ambacht om een pagina zo te structureren dat een answer engine een helder afgebakend citaat kan overnemen: een direct antwoord bovenaan de pagina, benoemde entiteiten, zichtbare bronnen en absoluut geen verzonnen FAQ-schema's. Waar GEO het systeem is, vormt AEO de daadwerkelijke pagina. Ze falen beide direct zodra je eerste scherm vol staat met een merkmanifest. Aangezien Google op 2026-05-07 stopte met FAQ rich results, is een neppe FAQPage inmiddels een risico en geen tactiek. Is het eerste scherm niet citeerbaar, dan kan de rest van de pagina de boel niet meer redden.","url":"/nl/begrippen/aeo/","keyTakeaways":["Zet dit in wanneer je één specifieke URL structureert, in plaats van de volledige crawl-graaf. Als je eerste scherm een manifest is, herschrijf dan die opening voordat je ook maar naar schema's kijkt."]}},"degree":26},{"id":"concept:agent-orchestration","type":"concept","pillar":"ai-systems","locales":{"en":{"label":"Agent orchestration","summary":"Agent orchestration is the assignment of work across humans and specialised agents so that handoffs, reviews, and state stay visible. A graph of model calls is not orchestration. Orchestration is who is chartered, what packet travels, what must be reviewed, and who sees the board. Without those four, adding agents adds waiting. CHORUS is one implementation of that operating layer. If you cannot point at the owner, the packet, the gate, and the board, you have a demo.","url":"/glossary/agent-orchestration/","keyTakeaways":["Use it when more agents produced more waiting, not more finished work. If standups now narrate model runs instead of closed work, the missing layer is orchestration, not another model."]},"nl":{"label":"Agent-orkestratie","summary":"Agent-orkestratie is de verdeling van werk over mensen en gespecialiseerde agents, zodanig dat overdrachten, reviews en de status altijd inzichtelijk blijven. Een simpele reeks van modelaanroepen is geen orkestratie. Echte orkestratie draait om wie er gecharterd is, welk datapakket er verplaatst wordt, wat er beoordeeld moet worden en wie het overzicht behoudt. Zonder die vier elementen zorgt het toevoegen van agents alleen maar voor meer wachttijd. CHORUS is één implementatie van die operationele laag. Kun je de eigenaar, het pakket, de gate en het dashboard niet direct aanwijzen, dan heb je slechts een demo.","url":"/nl/begrippen/agent-orchestratie/","keyTakeaways":["Gebruik dit als extra agents leiden tot langere wachttijden in plaats van afgerond werk. Wanneer stand-ups draaien om het verslaan van modelruns in plaats van voltooide taken, ontbreekt orkestratie, niet een extra model."]}},"degree":5},{"id":"concept:ai-agent","type":"concept","pillar":"ai-systems","locales":{"en":{"label":"AI agent","summary":"An AI agent is a system that takes a goal, uses tools, and acts across steps without a human prompting each one. A chatbot answers a turn. An automation runs a fixed script. An agent is accountable only when it has a charter: purpose, inputs, outputs, authority ceiling, success criteria, review, and escalation. Without those seven fields, it is a demo that can spend money. A wrapper around a chat model is not this. Neither is a scheduled script.","url":"/glossary/ai-agent/","keyTakeaways":["Use this definition when someone calls every LLM wrapper an agent. If there is no written ceiling and no named reviewer, the word is doing sales work, not design work."]},"nl":{"label":"AI-agent","summary":"Een AI-agent is een systeem dat een doel aanneemt, tools inzet en zelfstandig over meerdere stappen handelt zonder dat jij elke actie hoeft te sturen. Waar een chatbot slechts antwoordt op een prompt en een automatisering een vast script afloopt, neemt een agent daadwerkelijk beslissingen. Een agent is pas verantwoordelijk wanneer het draait op een charter: doel, input, output, bevoegdheidsplafond, succescriteria, review en escalatie. Zonder deze zeven velden heb je slechts een demo die geld kan uitgeven. Een simpele schil rond een chatmodel is geen agent, net zomin als een gepland script.","url":"/nl/begrippen/ai-agent/","keyTakeaways":["Gebruik deze definitie wanneer men elke LLM-schil een agent noemt. Zonder een vastgelegd plafond en een benoemde reviewer is de term puur verkooptaal en geen serieus systeemontwerp."]}},"degree":23},{"id":"concept:booksos","type":"concept","pillar":"venture-building","locales":{"en":{"label":"BooksOS","summary":"BooksOS is a gated production system for serious nonfiction: Brief, Bible, Map, Draft, Edit, Package, Launch. Agents do specialist work inside the gates. Judgment, voice, and accountability stay human.","url":"/frameworks/booksos/","keyTakeaways":["Use BooksOS when a long book is being written with agents and the risk is a fluent draft that cannot survive a fact-check, a red team, or a native second edition."]},"nl":{"label":"BooksOS","summary":"BooksOS is een productieproces met poorten voor serieuze non-fictie: Brief, Bible, Map, Draft, Edit, Package, Launch. Agents doen specialistisch werk binnen de poorten. Oordeel, stem en verantwoording blijven menselijk.","url":"/nl/frameworks/booksos/","keyTakeaways":["Gebruik BooksOS als een lang boek met agents wordt geschreven en het risico een vlot manuscript is dat een fact-check, een red team of een zelfstandige tweede editie niet overleeft."]}},"degree":9},{"id":"concept:calibrate","type":"concept","pillar":"founder-performance","locales":{"en":{"label":"CALIBRATE","summary":"CALIBRATE is the practice of matching the strength of a judgment to the strength of the evidence, then updating when the facts move. Confidence is a report, not a personality trait. A loud claim with a thin source is a calibration failure, not conviction.","url":"/frameworks/calibrate/","keyTakeaways":["Use it when a team is confusing loud certainty with a well-scored claim. If nobody can say what evidence would retire the judgment, you do not have a position. You have a mood."]},"nl":{"label":"CALIBRATE","summary":"CALIBRATE is de praktijk waarbij je de kracht van een oordeel afstemt op de kracht van het bewijs, en bijstuurt wanneer de feiten bewegen. Zekerheid is een rapport, geen persoonlijkheidskenmerk. Een harde claim met een dunne bron is een kalibratiefout, geen overtuiging.","url":"/nl/frameworks/calibrate/","keyTakeaways":["Gebruik het wanneer een team luide zekerheid verwart met een goed gescoorde claim. Als niemand kan vertellen welk bewijs het oordeel zou ontkrachten, heb je geen positie. Je hebt een stemming."]}},"degree":15},{"id":"concept:cascade","type":"concept","pillar":"founder-performance","locales":{"en":{"label":"CASCADE","summary":"CASCADE is the personal cognitive companion to DOWNSTREAM: trace the next bend before you commit, in the meeting, in your own head. DOWNSTREAM is organizational. CASCADE is the habit that makes the protocol fire when nobody is watching. It is the pause that names who pays later, on a different surface, before you say yes. The book that owns this name is still in production; the habit is already usable. A first-order win with an unnamed later bill is not a decision. It is a delay.","url":"/glossary/cascade/","keyTakeaways":["Use it when the org protocol exists and the individual decision still skips the second order. If the first-order metric is green and you cannot name the later bill, this is the missing move."]},"nl":{"label":"CASCADE","summary":"CASCADE is de persoonlijke cognitieve metgezel van DOWNSTREAM: de volgende bocht traceren voordat je je vastlegt, in de meeting, in je eigen hoofd. DOWNSTREAM is organisatorisch. CASCADE is de gewoonte die het protocol laat vuren als niemand kijkt. Het is de pauze die benoemt wie er later betaalt, op een ander vlak, voordat je ja zegt. Het boek met deze naam is in productie; de gewoonte is al bruikbaar. Een eerste-orde overwinning met een onbenoemde latere rekening is geen besluit. Het is uitstel.","url":"/nl/begrippen/cascade/","keyTakeaways":["Gebruik het wanneer het organisatieprotocol bestaat en het individuele besluit nog steeds de tweede orde overslaat. Als de eerste-orde metric groen is en je de latere rekening niet kunt benoemen, is dit de ontbrekende zet."]}},"degree":4},{"id":"concept:chorus","type":"concept","pillar":"ai-systems","locales":{"en":{"label":"CHORUS","summary":"CHORUS is a six-skill coordination protocol for teams of 2 to 15 people who share work with specialised AI workers: Charter, Handoff, Orchestrate, Review, Update, Sync. Org charts name reporting lines. CHORUS names coordination lines.","url":"/frameworks/chorus/","keyTakeaways":["Use CHORUS when adding agents made the team slower: lost handoffs, unreviewed model output, standups that could have been a dashboard. Protocol outlives tools."]},"nl":{"label":"CHORUS","summary":"CHORUS is een coördinatieprotocol in zes vaardigheden voor teams van 2 tot 15 mensen die werk delen met gespecialiseerde AI-medewerkers: Charter, Handoff, Orchestrate, Review, Update, Sync. Een organogram noemt rapportagelijnen. CHORUS noemt coördinatielijnen.","url":"/nl/frameworks/chorus/","keyTakeaways":["Gebruik CHORUS als het toevoegen van agents het team trager maakte: kwijtgeraakte overdrachten, onbeoordeelde modeloutput, stand-ups die een dashboard hadden kunnen zijn. Het protocol overleeft de tools."]}},"degree":22},{"id":"concept:citation","type":"concept","pillar":"seo-geo-aeo","locales":{"en":{"label":"CITATION","summary":"CITATION is an eight-part framework for becoming a source answer engines name: Cite, Identify, Triangulate, Anchor, Track, Iterate, Optimize, Normalize. Search eligibility is not a citation. Ranking in ten blue links is a different job. Answer engines quote the first clean capsule they can verify. Invented FAQ schema is not a shortcut; Google ended FAQ rich results on 2026-05-07. The book that owns this name is still being drafted; the framework is already how this site is built. A mention without a checkable source does not count.","url":"/glossary/citation/","keyTakeaways":["Use it when a page ranks and still never appears in an answer. If crawlers can fetch you and models still never name you, the page is eligible and not citable."]},"nl":{"label":"CITATION","summary":"CITATION is een raamwerk van acht onderdelen om een bron te worden die antwoordmachines bij naam noemen: Citeren, Identificeren, Trianguleren, Verankeren, Traceren, Itereren, Optimaliseren, Normaliseren. Geschiktheid voor search is geen citaat. Ranken in tien blauwe links is een andere taak. Antwoordmachines citeren de eerste heldere capsule die ze kunnen verifiëren. Verzonnen FAQ-schema's zijn geen kortere weg; Google beëindigde FAQ rich results op 2026-05-07. Het boek met deze naam wordt nog geschreven; het raamwerk is nu al hoe deze site is gebouwd. Een vermelding zonder controleerbare bron telt niet.","url":"/nl/begrippen/citation/","keyTakeaways":["Gebruik het wanneer een pagina rankt en toch nooit in een antwoord verschijnt. Als crawlers je kunnen ophalen en modellen je nog steeds nooit noemen, heeft de pagina geschiktheid maar is hij niet citeerbaar."]}},"degree":14},{"id":"concept:downstream","type":"concept","pillar":"founder-performance","locales":{"en":{"label":"DOWNSTREAM","summary":"DOWNSTREAM is an operational protocol for consequences that arrive later, on a different surface, with no owner in the room: Detect, Observe, Weigh, Navigate, Stream effects, Trace, Review, Effects on stakeholders, Assess systemic risk, Mitigate. It is an operating heuristic, not a validated risk instrument.","url":"/frameworks/downstream/","keyTakeaways":["Use DOWNSTREAM when a first-order metric is green and the real cost will land on a partner, a regulator, an agent network, or a renewal cycle you are not measuring."]},"nl":{"label":"DOWNSTREAM","summary":"DOWNSTREAM is een operationeel protocol voor gevolgen die later aankomen, op een ander oppervlak, zonder eigenaar in de kamer: Detect, Observe, Weigh, Navigate, Stream effects, Trace, Review, Effects on stakeholders, Assess systemic risk, Mitigate. Het is een werkheuristiek, geen gevalideerd risico-instrument.","url":"/nl/frameworks/downstream/","keyTakeaways":["Gebruik DOWNSTREAM als een eerste-orde-metric groen is en de echte kosten landen bij een partner, een toezichthouder, een agentnetwerk of een verlengingscyclus die je niet meet."]}},"degree":8},{"id":"concept:evidence-ledger","type":"concept","pillar":"venture-building","locales":{"en":{"label":"Evidence ledger","summary":"An evidence ledger is a claim-level register: what was asserted, which source supports it, how strong that source is, and what would retire the claim. It is not a bibliography dumped at the end. Operators use it so a number cannot wander between chapters, books, or a back-cover line. If the claim cannot point at a row, it is not ready to print, pitch, or paste into an answer. The ledger is the product. The reference list is a rendering.","url":"/glossary/evidence-ledger/","keyTakeaways":["Use it the moment a manuscript, article, or strategy memo starts quoting numbers. If two chapters cite the same figure with different N, the ledger is missing or ignored."]},"nl":{"label":"Bewijsregister","summary":"Een bewijsregister is een register op het niveau van individuele beweringen: wat er is gesteld, welke bron dit onderbouwt, hoe krachtig die bron is en wat nodig is om de claim in te trekken. Dit is geen simpel literatuurlijstje aan het einde van een document. Operators gebruiken dit zodat een getal niet zomaar gaat zweven tussen hoofdstukken, boeken of flapteksten. Kan een claim niet direct naar een rij in de ledger wijzen, dan is deze nog niet klaar voor publicatie of een pitch. De ledger is het daadwerkelijke product; de referentielijst is slechts een weergave.","url":"/nl/begrippen/bewijsregister/","keyTakeaways":["Zet dit in zodra een manuscript, artikel of strategiememo cijfers begint te citeren. Als twee hoofdstukken hetzelfde cijfer gebruiken maar met een verschillende N, dan ontbreekt de ledger of wordt deze genegeerd."]}},"degree":7},{"id":"concept:geo","type":"concept","pillar":"seo-geo-aeo","locales":{"en":{"label":"GEO","summary":"GEO, generative engine optimization, is the work of becoming a source that answer engines can retrieve, interpret, extract, and verify. It is not a bag of hidden prompts. Eligibility, extractable answers, original value, and evidence that survives scrutiny are the levers. Ranking in ten blue links is a different job. Google does not require schema, chunking, or an llms.txt file for AI Overviews. A page that cannot be quoted cleanly will not be cited, even if it ranks.","url":"/glossary/geo/","keyTakeaways":["Use it when the question is “why did ChatGPT cite them, not us?” If crawlers can fetch the page and models still never name you, the missing work is citability, not another keyword."]},"nl":{"label":"GEO","summary":"GEO, generative engine optimization, draait om het bouwen van een bron die antwoordmachines foutloos kunnen ophalen, interpreteren, extraheren en verifiëren. Het is geen trucendoos vol verborgen prompts. Jouw geschiktheid, de extraheerbaarheid van antwoorden, unieke waarde en ijzersterk bewijsmateriaal vormen de echte knoppen om aan te draaien. Het scoren in tien blauwe links is een heel ander vakgebied. Google eist geen schema's, chunking of een llms.txt voor AI Overviews. Een pagina die niet zuiver citeerbaar is, zal nooit worden geciteerd, zelfs niet als deze hoog rankt.","url":"/nl/begrippen/geo/","keyTakeaways":["Gebruik dit als de vraag valt: \"Waarom citeert ChatGPT hen wel en ons niet?\" Als crawlers je pagina perfect kunnen lezen maar modellen jou negeren, ontbreekt citeerbaarheid en niet een extra zoekwoord."]}},"degree":25},{"id":"concept:grain","type":"concept","pillar":"ai-systems","locales":{"en":{"label":"GRAIN","summary":"GRAIN is a retrieval loop: Gather, Rank, Assemble, Inspect, Navigate. Gather governs the corpus: sources, permissions, and versioning. Rank retrieves candidate passages and reranks them for the question actually asked. Assemble builds the context the model may see. Inspect traces a wrong answer back to the chunk and retrieval decision behind it. Navigate keeps the index fresh: TTL policy, re-ingest, and change detection. If you cannot point at the passage, you do not have retrieval. You have a fluent guess.","url":"/frameworks/grain/","keyTakeaways":["Use it when a RAG demo cites the wrong paragraph with a straight face. If the team cannot open the chunk the model used, the loop is broken at Inspect."]},"nl":{"label":"GRAIN","summary":"GRAIN is een retrieval-loop: Gather, Rank, Assemble, Inspect, Navigate. Gather beheert het corpus: bronnen, rechten en versiebeheer. Rank haalt kandidaat-passages op en herordent ze voor de daadwerkelijk gestelde vraag. Assemble bouwt de context die het model mag zien. Inspect koppelt een fout antwoord terug aan de chunk en de retrievalbeslissing erachter. Navigate houdt de index vers: TTL-beleid, re-ingest en wijzigingsdetectie. Als je de passage niet kunt aanwijzen, heb je geen retrieval. Je hebt een vloeiende gok.","url":"/nl/frameworks/grain/","keyTakeaways":["Gebruik het wanneer een RAG-demo met een strak gezicht de verkeerde paragraaf citeert. Als het team de chunk die het model gebruikte niet kan openen, is de loop gebroken bij Inspect."]}},"degree":20},{"id":"concept:human-in-the-loop","type":"concept","pillar":"ai-systems","locales":{"en":{"label":"Human in the loop","summary":"Human in the loop means a named person holds an authority ceiling and a review gate. It is not a human glancing at a dashboard. The human charters the work, can stop a tool call, and owns the outcome. If no one can fail the output against written criteria, the loop is decorative. A vendor slide that says HITL without a named reviewer is a slogan. The name, the ceiling, and the fail criteria have to live in the runbook, not in the deck.","url":"/glossary/human-in-the-loop/","keyTakeaways":["Use it when a vendor slide says “HITL” and the runbook has no named reviewer. If the output can ship while that person is offline, the loop is already broken."]},"nl":{"label":"Mens in de lus","summary":"Mens in de lus betekent dat een specifiek benoemd persoon een bevoegdheidsplafond en een reviewpoort beheert. Het is niet zomaar iemand die af en toe een dashboard bekijkt. Deze persoon levert het charter, kan een tool call afbreken en is volledig eigenaar van het resultaat. Als niemand de output kan afkeuren op basis van vooraf vastgelegde criteria, is de loop puur decoratief. Een presentatieslide die HITL belooft zonder een reviewer aan te wijzen, is holle marketing. De naam, het plafond en de afkeurcriteria horen thuis in het runbook, niet in een pitchdeck.","url":"/nl/begrippen/mens-in-de-lus/","keyTakeaways":["Pas dit toe wanneer een leverancier schermt met HITL, maar het runbook geen benoemde reviewer bevat. Als de output live kan gaan terwijl diegene offline is, functioneert de loop niet."]}},"degree":12},{"id":"concept:level","type":"concept","pillar":"venture-building","locales":{"en":{"label":"LEVEL","summary":"LEVEL is a five-move check for grading a claim before you change a belief, a habit, a roadmap, or a bet: Locate, Estimate, Value, Expose, Lean. Locate names the claim in one sentence. Estimate the stakes of being wrong. Value the evidence: name the rung it actually sits on, not the rung the packaging implied, then check its quality within that rung. Expose the gap between that support and what the decision requires. Lean with a next step proportionate to that gap and those stakes. The Evidence Ladder's seven rungs are kinds of support, not a quality scale. Confidence is not a grade.","url":"/frameworks/level/","keyTakeaways":["Use it when a confident study, thread, pitch, or offhand remark is about to change a diet, a hire, a spend, or a mind, and you cannot name the rung under the claim."]},"nl":{"label":"LEVEL","summary":"LEVEL is een check in vijf zetten om een claim te wegen voordat je een overtuiging, gewoonte, roadmap of inzet verandert: Locate, Estimate, Value, Expose, Lean. Locate benoemt de claim in één zin. Estimate de inzet van ongelijk hebben. Value het bewijs: benoem de sport waar het écht op staat, niet de sport van de verpakking, en toets de kwaliteit binnen die sport. Expose de kloof tussen die onderbouwing en wat de beslissing eist. Lean met een volgende stap die past bij die kloof en die inzet. De zeven sporten van de Bewijsladder zijn soorten onderbouwing, geen kwaliteitsschaal. Zekerheid is geen cijfer.","url":"/nl/frameworks/level/","keyTakeaways":["Gebruik het wanneer een zelfverzekerde studie, thread, pitch of terloopse opmerking op het punt staat een dieet, een hire, een uitgave of een mening te veranderen, en je de sport onder de claim niet kunt benoemen."]}},"degree":9},{"id":"concept:mcp","type":"concept","pillar":"ai-systems","locales":{"en":{"label":"MCP","summary":"MCP, the Model Context Protocol, is a contract for how a model calls tools: what it may see, what it may change, and how the call is logged. The official split is host, client, and server, with tools, resources, and prompts as the primitives. Auth is optional; least privilege is not. A server without a contract is a hole in the repo. Founders should care about the interface and the permission, not the logo on the protocol. A clean server with no charter is still a hole with nicer plumbing.","url":"/glossary/mcp/","keyTakeaways":["Use it when an agent can touch files, mail, or money and nobody wrote the ceiling down. If the permission lives in a Slack thread, you do not have a contract."]},"nl":{"label":"MCP","summary":"MCP, het Model Context Protocol, vormt het contract voor hoe een model tools aanroept: wat het mag zien, wat het mag wijzigen en hoe elke aanroep wordt vastgelegd. De officiële indeling bestaat uit host, client en server, met tools, resources en prompts als de basisblokken. Authenticatie is optioneel; het principe van minimale rechten is dat nooit. Een server zonder helder contract is een veiligheidsrisico in je codebase. Als founder moet jij je richten op de interface en permissies, niet op de branding van het protocol. Een nette server zonder charter blijft een kwetsbaarheid, zij het met mooier leidingwerk.","url":"/nl/begrippen/mcp/","keyTakeaways":["Hanteer dit zodra een agent bij je bestanden, e-mail of geld kan zonder dat iemand het plafond heeft opgeschreven. Als permissies slechts in een Slack-berichtje staan, heb je geen contract."]}},"degree":20},{"id":"concept:override-doctrine","type":"concept","pillar":"ai-systems","locales":{"en":{"label":"Override doctrine","summary":"Override doctrine is the written list of decisions an agent may never take: spending above a ceiling, speaking as the company, changing production data, or closing a judgment the founder still owns. It is the complement of a charter. The charter says what the agent does. The doctrine says what it must refuse. A refuse-list that lives in a Slack thread is not doctrine. It is a hope. Write it before the first tool that can send, spend, or delete.","url":"/glossary/override-doctrine/","keyTakeaways":["Use it before an agent gets a tool that can send, spend, or delete. If the refuse-list is oral, the first expensive mistake will be the documentation."]},"nl":{"label":"Override-doctrine","summary":"De override-doctrine is de expliciet vastgelegde lijst met beslissingen die een agent nooit mag nemen. Denk aan het overschrijden van een budget, spreken namens het bedrijf, het wijzigen van productiedata of het vellen van een oordeel dat exclusief bij jou als founder ligt. Het vormt de noodzakelijke aanvulling op een charter. Het charter bepaalt wat de agent moet doen; de doctrine dicteert wat deze hard moet weigeren. Een blokkadelijst in een Slack-thread is geen doctrine, maar ijdele hoop. Schrijf deze lijst voordat je ook maar één tool koppelt die kan verzenden, betalen of verwijderen.","url":"/nl/begrippen/override-doctrine/","keyTakeaways":["Hanteer dit ruim voordat een agent een tool krijgt waarmee hij kan verzenden, betalen of wissen. Als de weigeringslijst enkel mondeling is afgesproken, fungeert je eerste peperdure fout automatisch als de documentatie."]}},"degree":14},{"id":"concept:rag","type":"concept","pillar":"ai-systems","locales":{"en":{"label":"RAG","summary":"RAG, retrieval-augmented generation, means the model must fetch named passages before it answers. The retrieval is the product. The generation is the last mile. If you cannot inspect which chunk was used, you do not have RAG. You have a language model with extra context stuffed in the prompt. A vector store is a component. GRAIN is the loop that keeps the answer honest. Adding embeddings is not a finished system. Naming the passage is.","url":"/glossary/rag/","keyTakeaways":["Use it when a team is treating “we added a vector store” as a finished system. If nobody can open the chunk behind the sentence, you shipped generation, not retrieval."]},"nl":{"label":"RAG","summary":"RAG, retrieval-augmented generation, eist dat het model specifieke passages ophaalt voordat het antwoord geeft. De retrieval is hierbij het kernproduct; de generatie vormt slechts de laatste stap. Als je niet kunt inzien welke chunk is gebruikt, heb je geen RAG. Je hebt simpelweg een taalmodel met extra context in de prompt gepropt. Een vectordatabase is slechts een onderdeel. GRAIN is de loop die het antwoord controleerbaar houdt. Het toevoegen van embeddings maakt nog geen afgewerkt systeem. Het benoemen van de passage wel.","url":"/nl/begrippen/rag/","keyTakeaways":["Pas dit toe wanneer een team roept dat een vectordatabase een kant-en-klaar systeem is. Als niemand de exacte chunk achter een zin kan openen, heb je alleen generatie opgeleverd en geen retrieval."]}},"degree":11},{"id":"concept:resilient","type":"concept","pillar":"founder-performance","locales":{"en":{"label":"RESILIENT","summary":"RESILIENT is nine trainable capacities for founder pressure: reappraisal, emotional granularity, somatic regulation, identity flexibility, learning orientation, interpersonal support, executive function, narrative integration, and titrated exposure. Resilience is infrastructure, not a personality trait.","url":"/frameworks/resilient/","keyTakeaways":["Use RESILIENT when the company is becoming the only room of the self, sleep is the first cut, and advice to \"grind harder\" is the only protocol on the table."]},"nl":{"label":"RESILIENT","summary":"RESILIENT is negen trainbare vermogens onder oprichtersdruk: re-evaluatie, emotionele granulariteit, somatische regulatie, identiteitsflexibiliteit, leeroriëntatie, interpersoonlijke steun, executieve functie, narratieve integratie en getitreerde blootstelling. Veerkracht is infrastructuur, geen karaktereigenschap.","url":"/nl/frameworks/resilient/","keyTakeaways":["Gebruik RESILIENT als het bedrijf de enige kamer van het zelf wordt, slaap het eerste is dat sneuvelt, en \"harder werken\" het enige protocol op tafel is."]}},"degree":10},{"id":"concept:roster","type":"concept","pillar":"ai-systems","locales":{"en":{"label":"ROSTER","summary":"ROSTER is a six-skill protocol for a one-person company that runs named specialist agents: Roles, Objectives, Skills and tools, Triggers, Evaluation, Rotation. Roles give each agent a charter. Objectives make the charter measurable. Skills and tools bound what the agent may use. Triggers decide when it runs. Evaluation scores output instead of vibe. Rotation retires, merges, upgrades, or migrates a role on scorecard evidence. One chatbot that never hands off is not a team.","url":"/frameworks/roster/","keyTakeaways":["Use it when one generic assistant is doing research, drafting, ops, and follow-up in the same thread, and quality swings because nothing has a charter."]},"nl":{"label":"ROSTER","summary":"ROSTER is een protocol van zes vaardigheden voor een eenmansbedrijf dat benoemde specialist-agents draait: Rollen, Doelstellingen, Vaardigheden en tools, Triggers, Evaluatie, Rotatie. Rollen geven elke agent een charter. Doelstellingen maken dat charter meetbaar. Vaardigheden en tools begrenzen wat de agent mag gebruiken. Triggers beslissen wanneer hij draait. Evaluatie scoort output in plaats van gevoel. Rotatie schaft een rol af, voegt haar samen, upgradet of migreert haar, op basis van scorecardbewijs. Eén chatbot die nooit overdraagt is geen team.","url":"/nl/frameworks/roster/","keyTakeaways":["Gebruik het wanneer één generieke assistent onderzoek, tekst, ops en opvolging in dezelfde thread doet, en de kwaliteit zwabbert omdat niets een charter heeft."]}},"degree":9},{"id":"concept:route","type":"concept","pillar":"ai-systems","locales":{"en":{"label":"ROUTE","summary":"ROUTE is a five-skill discipline for governing a mix of language models: Register, Objective typing, Utilize policy, Track, Evolve. Register catalogs every model with mandate, cost class, privacy class, and retirement status. Objective typing names what a task actually requires before a model is chosen. Utilize policy writes the routing rules, cascades, and fallbacks. Track measures cost, latency, and quality per route. Evolve promotes, demotes, and retires on a cadence. A leaderboard pick is a collection. ROUTE is a portfolio.","url":"/frameworks/route/","keyTakeaways":["Use it when every task hits the flagship model and the bill arrives later. If the team cannot name which model owns which job, you do not have a routing policy. You have a default."]},"nl":{"label":"ROUTE","summary":"ROUTE is een discipline van vijf vaardigheden voor het besturen van een mix van taalmodellen: Register, Doel-typering, Uitvoeringsbeleid, Tracken, Evolueren. Register catalogiseert elk model met mandaat, kostenklasse, privacyklasse en uitfaseringsstatus. Doel-typering benoemt wat een taak echt vereist voordat je een model kiest. Uitvoeringsbeleid schrijft de routeringsregels, cascades en fallbacks. Tracken meet kosten, latentie en kwaliteit per route. Evolueren promoveert, degradeert en neemt op een cadans uit bedrijf. Een leaderboardkeuze is een collectie. ROUTE is een portefeuille.","url":"/nl/frameworks/route/","keyTakeaways":["Gebruik het wanneer elke taak het vlaggenschipmodel raakt en de rekening later komt. Als het team niet kan benoemen welk model welk werk doet, heb je geen routeringsbeleid. Je hebt een standaardkeuze."]}},"degree":12},{"id":"concept:sense","type":"concept","pillar":"ai-systems","locales":{"en":{"label":"SENSE","summary":"SENSE is a five-move strategic intelligence layer: Scan, Evaluate, Navigate, Simulate, Execute. It turns agent work from a productivity shortcut into a sourced claim that changes a watchlist, an assumption register, or a Monday decision.","url":"/frameworks/sense/","keyTakeaways":["Use SENSE when you already have models in the loop and still decide from anecdote. The unit of work is one sourced claim with a confidence grade, not another unread summary."]},"nl":{"label":"SENSE","summary":"SENSE is een strategische intelligentielaag in vijf zetten: Scan, Evaluate, Navigate, Simulate, Execute. Het maakt van agentwerk geen productiviteitstruc, maar een claim met bron die een watchlist, een aannameregister of een maandagbesluit verandert.","url":"/nl/frameworks/sense/","keyTakeaways":["Gebruik SENSE als je al modellen in de lus hebt en nog steeds op anekdote beslist. De werkeenheid is één claim met bron en zekerheidsgraad, geen extra samenvatting die niemand leest."]}},"degree":21},{"id":"concept:stack","type":"concept","pillar":"ai-systems","locales":{"en":{"label":"STACK","summary":"STACK is a five-layer architecture for repositories where humans and agents share work: Structure, Toolchain, Agent configuration, Connection, Knowledge and quality. The agent OS is versioned like the app.","url":"/frameworks/stack/","keyTakeaways":["Use STACK when agents demo well and then rot the repo: rules in five tools, MCP without contracts, skills nobody owns. The disease is agentic repo debt, not a weak model."]},"nl":{"label":"STACK","summary":"STACK is een architectuur in vijf lagen voor repositories waarin mensen en agents werk delen: Structure, Toolchain, Agent configuration, Connection, Knowledge and quality. Het agent-besturingssysteem wordt geversioneerd zoals de app.","url":"/nl/frameworks/stack/","keyTakeaways":["Gebruik STACK als agents goed demoën en daarna de repo laten verrotten: regels in vijf tools, MCP zonder contract, skills zonder eigenaar. De ziekte is agentic repo-schuld, geen zwak model."]}},"degree":21},{"id":"concept:strategic-intelligence-layer","type":"concept","pillar":"ai-systems","locales":{"en":{"label":"Strategic intelligence layer","summary":"A strategic intelligence layer is the standing system that turns market, competitor, and internal signals into sourced claims a founder can act on. It is not a dashboard wall and not a weekly PDF. The test is whether a claim changes a watchlist, an assumption, or a Monday decision with a confidence grade attached. SENSE is one implementation: scan, evaluate, navigate, simulate, execute. If competitive work is still a founder reading Slack at midnight, you do not have a layer. You have a habit that will miss a week.","url":"/glossary/strategic-intelligence-layer/","keyTakeaways":["Use it when competitive work is still a founder reading Slack at midnight. If the company cannot name the last sourced claim that changed a decision, the layer does not exist yet."]},"nl":{"label":"Strategische intelligentielaag","summary":"Een strategische intelligentielaag is het vaste systeem dat signalen van de markt, concurrenten en je eigen organisatie omzet in onderbouwde claims waarop jij als founder direct kunt sturen. Het is geen muur vol dashboards en geen wekelijkse pdf. De lakmoesproef is of een claim een watchlist, een aanname of een besluit op maandagochtend verandert, direct voorzien van een zekerheidsgraad. SENSE is hier één implementatie van: Scan, Evaluate, Navigate, Simulate, Execute. Bestaat je concurrentieanalyse nog steeds uit het middernachtelijk doorspitten van Slack? Dan heb je geen systeem, maar een gewoonte die geheid een keer overslaat.","url":"/nl/begrippen/strategische-intelligentielaag/","keyTakeaways":["Stel dit aan de kaak als concurrentieonderzoek nog altijd neerkomt op laat in de avond door Slack scrollen. Kan jouw bedrijf niet benoemen welke onderbouwde claim als laatste een besluit veranderde, dan ontbreekt deze laag."]}},"degree":4},{"id":"concept:tag:agent-ops","type":"concept","pillar":"ai-systems","locales":{"en":{"label":"Agent operations","summary":"How to run and retire production agents so credentials, triggers, and spend stop when the agent should stop.","url":"/en/blog/tag/agent-ops/"},"nl":{"label":"Agentbeheer","summary":"Hoe je een productie-agent laat draaien en buiten gebruik stelt, zodat sleutels, triggers en kosten stoppen op het moment dat de agent stopt.","url":"/nl/blog/tag/agent-ops/"}},"degree":11},{"id":"concept:tag:agentic-codebase","type":"concept","pillar":"ai-systems","locales":{"en":{"label":"Agentic Codebase","summary":"Repository architecture that keeps AI-agent work production-safe: layers, review gates, and durable interfaces that survive real deployments.","url":"/en/blog/tag/agentic-codebase/"},"nl":{"label":"Agentische codebase","summary":"Repository-architectuur die AI-agentwerk productiewaardig houdt: lagen, reviewgates en duurzame interfaces die echte deployments overleven.","url":"/nl/blog/tag/agentic-codebase/"}},"degree":8},{"id":"concept:tag:ai-agents","type":"concept","pillar":"ai-systems","locales":{"en":{"label":"AI Agents","summary":"Architectures and operating patterns for agentic AI systems that founders and engineers can deploy without cargo-cult complexity.","url":"/en/blog/tag/ai-agents/"},"nl":{"label":"AI-agents","summary":"Architecturen en werkpatronen voor agentic AI-systemen die founders en engineers in productie kunnen inzetten zonder cargo-cult-complexiteit.","url":"/nl/blog/tag/ai-agents/"}},"degree":45},{"id":"concept:tag:downstream-effects","type":"concept","pillar":"venture-building","locales":{"en":{"label":"Downstream Effects","summary":"Delayed, displaced consequences of operational decisions: second-order effects, partner and regulatory landing surfaces, and the audit that makes the next bend visible.","url":"/en/blog/tag/downstream-effects/"},"nl":{"label":"Stroomafwaartse effecten","summary":"Vertraagde, verplaatste gevolgen van operationele beslissingen: tweede-orde effecten, partner- en toezichtvlakken, en de audit die de volgende bocht zichtbaar maakt.","url":"/nl/blog/tag/downstream-effects/"}},"degree":7},{"id":"concept:tag:founder-resilience","type":"concept","pillar":"founder-performance","locales":{"en":{"label":"Founder Resilience","summary":"Operator-grade resilience systems for high-stakes founders who need clear thinking under pressure, not motivational slogans.","url":"/en/blog/tag/founder-resilience/"},"nl":{"label":"Founder-veerkracht","summary":"Operator-waardige veerkrachtsystemen voor founders onder hoge druk: helder denken en stabiliteit zonder motiverende praatjes.","url":"/nl/blog/tag/founder-resilience/"}},"degree":17},{"id":"concept:tag:marketing","type":"concept","pillar":"venture-building","locales":{"en":{"label":"Marketing","summary":"Choice architecture, persuasion literacy, and honest commercial practice.","url":"/en/blog/tag/marketing/"},"nl":{"label":"Marketing","summary":"Keuze-architectuur, overtuigingsgeletterdheid en eerlijke commerciële praktijk.","url":"/nl/blog/tag/marketing/"}},"degree":6},{"id":"concept:tag:multi-agent-organization","type":"concept","pillar":"ai-systems","locales":{"en":{"label":"Multi-agent organization","summary":"Small teams where human operators and specialized AI workers share goals, handoffs, and review gates.","url":"/en/blog/tag/multi-agent-organization/"},"nl":{"label":"Multi-agent organisatie","summary":"Kleine teams waarin menselijke operators en gespecialiseerde AI-medewerkers doelen, overdrachten en reviewpoorten delen.","url":"/nl/blog/tag/multi-agent-organisatie/"}},"degree":6},{"id":"concept:tag:positioning","type":"concept","pillar":"venture-building","locales":{"en":{"label":"Positioning","summary":"Positioning as a decision about who you refuse and what you will not claim.","url":"/en/blog/tag/positioning/"},"nl":{"label":"Positionering","summary":"Positionering als besluit over wie je weigert en wat je niet beweert.","url":"/nl/blog/tag/positioning/"}},"degree":3},{"id":"concept:tag:undominated","type":"concept","pillar":"ai-systems","locales":{"en":{"label":"Undominated.ai","summary":"The independent AI inference price index.","url":"/en/blog/tag/undominated/"},"nl":{"label":"Undominated.ai","summary":"De onafhankelijke prijsindex voor AI-inference.","url":"/nl/blog/tag/undominated/"}},"degree":5},{"id":"concept:trace","type":"concept","pillar":"venture-building","locales":{"en":{"label":"TRACE","summary":"TRACE is a five-step research loop: Target, Retrieve, Assess, Cross-check, Export. Target writes the research brief before any search runs. Retrieve obtains the source bodies, not one confident pass. Assess appraises what each body can bear per claim; tiers are source roles, not credibility weights. Cross-check records what each source supports or contradicts, and maps shared origins. Export is a versioned decision memo a co-founder can act on. Fluent collection is not research. TRACE is the verification structure.","url":"/frameworks/trace/","keyTakeaways":["Use it when a clean, confident answer is about to move a market, a hire, a regulation check, or a deal, and nobody can point at the source behind the number."]},"nl":{"label":"TRACE","summary":"TRACE is een onderzoeksloop in vijf stappen: Target, Retrieve, Assess, Cross-check, Export. Target schrijft de onderzoeksbrief voordat er één zoekopdracht draait. Retrieve verkrijgt de bronobjecten zelf, niet één zelfverzekerde ronde. Assess beoordeelt wat elk bronobject per claim kan dragen; tiers zijn bronrollen, geen gewichten voor geloofwaardigheid. Cross-check legt vast wat elke bron ondersteunt of tegenspreekt, en brengt gedeelde herkomst in kaart. Export is een besluitmemo met versiebeheer waarmee een medeoprichter kan handelen. Vlotte verzameling is geen onderzoek. TRACE is de verificatiestructuur.","url":"/nl/frameworks/trace/","keyTakeaways":["Gebruik het wanneer een net, zelfverzekerd antwoord op het punt staat een markt, een hire, een regelcheck of een deal te bewegen, en niemand de bron achter het cijfer kan aanwijzen."]}},"degree":10},{"id":"volume:ai-agents-for-personal-health","type":"volume","pillar":"ai-systems","locales":{"en":{"label":"AI Agents for Personal Health","summary":"Deploy Intelligent Systems to Monitor, Analyze, and Optimize Your Biology","url":"/books/ai-agents-for-personal-health/","status":"Manuscript complete"},"nl":{"label":"AI-agenten voor persoonlijke gezondheid","summary":"Intelligente systemen inzetten om je biologie te monitoren, analyseren en optimaliseren","url":"/boeken/ai-agents-for-personal-health/","status":"Manuscript compleet"}},"degree":1,"status":"draft"},{"id":"volume:ai-agents-for-startup-strategy","type":"volume","pillar":"ai-systems","locales":{"en":{"label":"AI Agents for Startup Strategy","summary":"How Founders and Operators Deploy Agentic AI to Move Faster and Think Smarter","url":"/ai-agents-for-startup-strategy/","status":"Available now"},"nl":{"label":"AI-agenten voor startupstrategie","summary":"Hoe founders en operators agentic AI inzetten om sneller te schakelen en scherper te denken","url":"/boeken/ai-agents-for-startup-strategy/","status":"Nu verkrijgbaar"}},"degree":15,"status":"available"},{"id":"volume:decision-making-under-chaos","type":"volume","pillar":"founder-performance","locales":{"en":{"label":"Decision-Making Under Chaos","summary":"A Practical Toolkit for High-Stakes Decisions Under Uncertainty","url":"/books/decision-making-under-chaos/","status":"Manuscript complete"},"nl":{"label":"Beslissen onder chaos","summary":"Een praktisch protocol voor zware beslissingen onder onzekerheid","url":"/boeken/decision-making-under-chaos/","status":"Manuscript compleet"}},"degree":0,"status":"draft"},{"id":"volume:leadership-under-load","type":"volume","pillar":"founder-performance","locales":{"en":{"label":"Leadership Under Load","summary":"Awareness-Based Practice for Founders and Operators Under Sustained Pressure","url":"/books/leadership-under-load/","status":"Active development"},"nl":{"label":"Leiderschap onder belasting","summary":"Op bewustzijn gerichte praktijk voor oprichters en operators onder aanhoudende druk","url":"/boeken/leadership-under-load/","status":"Actief in ontwikkeling"}},"degree":1,"status":"draft"},{"id":"volume:marketing-without-manipulation","type":"volume","pillar":"venture-building","locales":{"en":{"label":"Marketing Without Manipulation","summary":"How to Sell with Integrity in a World of Persuasion Tactics","url":"/books/marketing-without-manipulation/","status":"Manuscript complete"},"nl":{"label":"Marketing zonder manipulatie","summary":"Hoe je verkoopt met integriteit in een wereld vol overtuigingstechnieken","url":"/boeken/marketing-without-manipulation/","status":"Manuscript compleet"}},"degree":5,"status":"draft"},{"id":"volume:ml-for-agent-builders","type":"volume","pillar":"ai-systems","locales":{"en":{"label":"ML for Agent Builders","summary":"Auto-Training, Fine-Tuning, and Eval Loops for LLM-Powered Systems","url":"/books/ml-for-agent-builders/","status":"Manuscript complete"},"nl":{"label":"ML voor agent-bouwers","summary":"Auto-training, fine-tuning en eval-loops voor LLM-gedreven systemen","url":"/boeken/ml-for-agent-builders/","status":"Manuscript compleet"}},"degree":0,"status":"draft"},{"id":"volume:ml-for-strategic-founders","type":"volume","pillar":"ai-systems","locales":{"en":{"label":"ML for Strategic Founders","summary":"Read Models, Not Math - Decision-Grade Machine Learning for Operators","url":"/books/ml-for-strategic-founders/","status":"Manuscript complete"},"nl":{"label":"ML voor strategische oprichters","summary":"Lees modellen, geen wiskunde - beslissingswaardige machine learning voor operators","url":"/boeken/ml-for-strategic-founders/","status":"Manuscript compleet"}},"degree":1,"status":"draft"},{"id":"volume:multi-agent-organization","type":"volume","pillar":"ai-systems","locales":{"en":{"label":"The Multi-Agent Organization","summary":"How Humans and AI Agents Share Work Without Losing the Plot","url":"/books/multi-agent-organization/","status":"Available now"},"nl":{"label":"De multi-agent organisatie","summary":"Hoe mensen en AI-agenten werk delen zonder de draad kwijt te raken","url":"/boeken/multi-agent-organization/","status":"Nu verkrijgbaar"}},"degree":15,"status":"available"},{"id":"volume:psychology-of-founder-resilience","type":"volume","pillar":"founder-performance","locales":{"en":{"label":"The Psychology of Founder Resilience","summary":"How High-Stakes Leaders Stay Grounded, Clear, and Effective Under Pressure","url":"/books/psychology-of-founder-resilience/","status":"Available now"},"nl":{"label":"De psychologie van oprichtersveerkracht","summary":"Hoe leiders onder hoge druk geaard, helder en effectief blijven","url":"/boeken/psychology-of-founder-resilience/","status":"Nu verkrijgbaar"}},"degree":7,"status":"available"},{"id":"volume:stoic-systems-for-decision-making","type":"volume","pillar":"founder-performance","locales":{"en":{"label":"Stoic Systems for Decision-Making","summary":"A Practical Framework for Clear Judgment Under Pressure","url":"/books/stoic-systems-for-decision-making/","status":"Manuscript complete"},"nl":{"label":"Stoïcijnse systemen voor besluitvorming","summary":"Een praktisch raamwerk voor helder oordeel onder druk","url":"/boeken/stoic-systems-for-decision-making/","status":"Manuscript compleet"}},"degree":2,"status":"draft"},{"id":"volume:strategic-solitude","type":"volume","pillar":"founder-performance","locales":{"en":{"label":"Strategic Solitude","summary":"How Deliberate Alone Time Sharpens Decision-Making","url":"/books/strategic-solitude/","status":"Manuscript complete"},"nl":{"label":"Strategische stilte","summary":"Hoe doelbewuste afzondering besluitvorming scherper maakt","url":"/boeken/strategic-solitude/","status":"Manuscript compleet"}},"degree":0,"status":"draft"},{"id":"volume:the-agent-dream-team","type":"volume","pillar":"ai-systems","locales":{"en":{"label":"The Agent Dream Team","summary":"Build Your Autonomous Specialist Roster for a One-Person Company","url":"/books/the-agent-dream-team/","status":"Available now"},"nl":{"label":"Het agent-droomteam","summary":"Bouw je autonome specialistenrooster voor een eenmansbedrijf","url":"/boeken/the-agent-dream-team/","status":"Nu verkrijgbaar"}},"degree":6,"status":"available"},{"id":"volume:the-agentic-author","type":"volume","pillar":"venture-building","locales":{"en":{"label":"The Agentic Author","summary":"The BooksOS Method for Writing Serious Nonfiction with AI Agents","url":"/books/the-agentic-author/","status":"Available now"},"nl":{"label":"De agentische auteur","summary":"De BooksOS-methode voor het schrijven van serieuze non-fictie met AI-agents","url":"/boeken/the-agentic-author/","status":"Nu verkrijgbaar"}},"degree":10,"status":"available"},{"id":"volume:the-agentic-codebase","type":"volume","pillar":"ai-systems","locales":{"en":{"label":"The Agentic Codebase","summary":"The Five-Layer Architecture That Makes Agent Work Survive Production","url":"/books/the-agentic-codebase/","status":"Available now"},"nl":{"label":"De agentische codebase","summary":"De vijflaagse architectuur waarmee agentwerk productie overleeft","url":"/boeken/the-agentic-codebase/","status":"Nu verkrijgbaar"}},"degree":18,"status":"available"},{"id":"volume:the-ai-risk-register","type":"volume","pillar":"ai-systems","locales":{"en":{"label":"The AI Risk Register","summary":"Build a Living Register That Names, Owns, and Tests Every AI Risk Before It Names You","url":"/books/the-ai-risk-register/","status":"Manuscript complete"},"nl":{"label":"Het AI-risicoregister","summary":"Bouw een levend register dat elk AI-risico benoemt, aan een eigenaar toewijst en test voordat het jou definieert","url":"/boeken/the-ai-risk-register/","status":"Manuscript compleet"}},"degree":0,"status":"draft"},{"id":"volume:the-ai-team-dynamics","type":"volume","pillar":"ai-systems","locales":{"en":{"label":"The AI Team Dynamics","summary":"Designing Mixed Human and Agent Teams So Productivity Compounds and Accountability Stays Human","url":"/books/the-ai-team-dynamics/","status":"Manuscript complete"},"nl":{"label":"De AI-teamdynamiek","summary":"Gemengde teams van mensen en agenten ontwerpen zodat productiviteit zich opstapelt en verantwoordelijkheid menselijk blijft","url":"/boeken/the-ai-team-dynamics/","status":"Manuscript compleet"}},"degree":1,"status":"draft"},{"id":"volume:the-attention-architect","type":"volume","pillar":"founder-performance","locales":{"en":{"label":"The Attention Architect","summary":"Reclaiming Cognitive Sovereignty by Delegating Distraction to AI","url":"/books/the-attention-architect/","status":"Active development"},"nl":{"label":"De aandachtsarchitect","summary":"Cognitieve soevereiniteit hernemen door afleiding aan AI te delegeren","url":"/boeken/the-attention-architect/","status":"Actief in ontwikkeling"}},"degree":2,"status":"draft"},{"id":"volume:the-authentic-operator","type":"volume","pillar":"venture-building","locales":{"en":{"label":"The Authentic Operator","summary":"Voice, Identity, and Trust When AI Writes With You","url":"/books/the-authentic-operator/","status":"Manuscript complete"},"nl":{"label":"De authentieke operator","summary":"Stem, identiteit en vertrouwen wanneer AI met je schrijft","url":"/boeken/the-authentic-operator/","status":"Manuscript compleet"}},"degree":2,"status":"draft"},{"id":"volume:the-calibrated-mind","type":"volume","pillar":"founder-performance","locales":{"en":{"label":"The Calibrated Mind","summary":"How to Hold Judgments at Their Right Strength Under Uncertainty","url":"/books/the-calibrated-mind/","status":"Available now"},"nl":{"label":"De gekalibreerde geest","summary":"Hoe je oordelen op de juiste sterkte houdt onder onzekerheid","url":"/boeken/the-calibrated-mind/","status":"Nu verkrijgbaar"}},"degree":11,"status":"available"},{"id":"volume:the-cognitive-budget","type":"volume","pillar":"founder-performance","locales":{"en":{"label":"The Cognitive Budget","summary":"Spend Focus, Judgment, and Emotion Like Capital","url":"/books/the-cognitive-budget/","status":"Manuscript complete"},"nl":{"label":"Het cognitieve budget","summary":"Besteed focus, oordeel en emotie als kapitaal","url":"/boeken/the-cognitive-budget/","status":"Manuscript compleet"}},"degree":0,"status":"draft"},{"id":"volume:the-constraint-founder","type":"volume","pillar":"founder-performance","locales":{"en":{"label":"The Constraint Founder","summary":"Stoic Limits for Bootstrapped Ambition","url":"/books/the-constraint-founder/","status":"Manuscript complete"},"nl":{"label":"De constraint-founder","summary":"Stoische grenzen voor bootstrapped ambitie","url":"/boeken/the-constraint-founder/","status":"Manuscript compleet"}},"degree":0,"status":"draft"},{"id":"volume:the-crisis-command","type":"volume","pillar":"founder-performance","locales":{"en":{"label":"The Crisis Command","summary":"COMMAND: Calm, Assess, Map, Mandate, Unify, Notify, Decide. The Trained Response","url":"/books/the-crisis-command/","status":"Manuscript complete"},"nl":{"label":"Crisisregie","summary":"COMMAND: Calm, Assess, Map, Mandate, Unify, Notify, Decide. De geoefende respons","url":"/boeken/the-crisis-command/","status":"Manuscript compleet"}},"degree":0,"status":"draft"},{"id":"volume:the-deal-architect","type":"volume","pillar":"founder-performance","locales":{"en":{"label":"The Deal Architect","summary":"Design High-Stakes Deals That Create Value and Protect Optionality","url":"/books/the-deal-architect/","status":"Active development"},"nl":{"label":"De deal architect","summary":"Ontwerp deals met hoge inzet die waarde creëren en optionaliteit beschermen","url":"/boeken/the-deal-architect/","status":"Actief in ontwikkeling"}},"degree":1,"status":"draft"},{"id":"volume:the-delegated-mind","type":"volume","pillar":"founder-performance","locales":{"en":{"label":"The Delegated Mind","summary":"Stoic Judgment in the Age of AI Delegation","url":"/books/the-delegated-mind/","status":"Manuscript complete"},"nl":{"label":"De gedelegeerde geest","summary":"Stoisch oordeel in het tijdperk van AI-delegatie","url":"/boeken/the-delegated-mind/","status":"Manuscript compleet"}},"degree":1,"status":"draft"},{"id":"volume:the-downstream-effects","type":"volume","pillar":"founder-performance","locales":{"en":{"label":"The Downstream Effects","summary":"Trace the Delayed Consequences of Your Decisions Before They Cost You","url":"/books/the-downstream-effects/","status":"Manuscript complete"},"nl":{"label":"De stroomafwaartse effecten","summary":"Traceer de vertraagde gevolgen van je beslissingen voordat ze je duur komen te staan","url":"/boeken/the-downstream-effects/","status":"Manuscript compleet"}},"degree":6,"status":"draft"},{"id":"volume:the-evidence-aware-life","type":"volume","pillar":"venture-building","locales":{"en":{"label":"The Evidence-Aware Life","summary":"How to Think in Levels Instead of Opinions","url":"/books/the-evidence-aware-life/","status":"Available now"},"nl":{"label":"Het bewijsbewuste leven","summary":"Hoe je in niveaus denkt in plaats van in meningen","url":"/boeken/the-evidence-aware-life/","status":"Nu verkrijgbaar"}},"degree":5,"status":"available"},{"id":"volume:the-findability-engine","type":"volume","pillar":"seo-geo-aeo","locales":{"en":{"label":"The Findability Engine","summary":"How to Be Cited, Trusted, and Discovered in the Age of AI Search","url":"/books/the-findability-engine/","status":"Drafting (English edition first)"},"nl":{"label":"The findability engine","summary":"Hoe je wordt geciteerd, vertrouwd en gevonden in het tijdperk van AI-zoekmachines","url":"/boeken/the-findability-engine/","status":"In concept (Engelse editie eerst)"}},"degree":21,"status":"draft"},{"id":"volume:the-founder-cfo","type":"volume","pillar":"founder-performance","locales":{"en":{"label":"The Founder CFO","summary":"Cash, Metrics, and Calm Between Rounds","url":"/books/the-founder-cfo/","status":"Manuscript complete"},"nl":{"label":"The founder CFO","summary":"Cash, kerncijfers en kalmte tussen financieringsrondes","url":"/boeken/the-founder-cfo/","status":"Manuscript compleet"}},"degree":0,"status":"draft"},{"id":"volume:the-founder-sales-system","type":"volume","pillar":"venture-building","locales":{"en":{"label":"The Founder Sales System","summary":"Pipeline, Discovery, and Deals Before You Have a Sales Team","url":"/books/the-founder-sales-system/","status":"Manuscript complete"},"nl":{"label":"The founder sales system","summary":"Pipeline, discovery en deals voordat je een salesteam hebt","url":"/boeken/the-founder-sales-system/","status":"Manuscript compleet"}},"degree":3,"status":"draft"},{"id":"volume:the-fundraising-operator","type":"volume","pillar":"founder-performance","locales":{"en":{"label":"The Fundraising Operator","summary":"Term Sheets, Power, and Calm Under Dilution","url":"/books/the-fundraising-operator/","status":"Manuscript complete"},"nl":{"label":"De fundraising-operator","summary":"Term sheets, macht en kalmte onder verdunning","url":"/boeken/the-fundraising-operator/","status":"Manuscript compleet"}},"degree":0,"status":"draft"},{"id":"volume:the-human-in-the-loop-life","type":"volume","pillar":"founder-performance","locales":{"en":{"label":"The Human-in-the-Loop Life","summary":"How to Stay Essential in an Age of AI Automation","url":"/books/the-human-in-the-loop-life/","status":"Manuscript complete"},"nl":{"label":"Het mens-in-de-lus leven","summary":"Hoe je essentieel blijft in een tijdperk van AI-automatisering","url":"/boeken/the-human-in-the-loop-life/","status":"Manuscript compleet"}},"degree":3,"status":"draft"},{"id":"volume:the-identity-forge","type":"volume","pillar":"founder-performance","locales":{"en":{"label":"The Identity Forge","summary":"The Operating System for Identity That Survives Growth","url":"/books/the-identity-forge/","status":"Manuscript complete"},"nl":{"label":"De identiteitssmidse","summary":"Het besturingssysteem voor een identiteit die met je bedrijf meegroeit","url":"/boeken/the-identity-forge/","status":"Manuscript compleet"}},"degree":0,"status":"draft"},{"id":"volume:the-judgement-gym","type":"volume","pillar":"founder-performance","locales":{"en":{"label":"The Judgment Gym","summary":"Maintain the Thinking That Makes You Worth Hiring When AI Thinks Faster","url":"/books/the-judgement-gym/","status":"Manuscript complete"},"nl":{"label":"De oordeels-gym","summary":"Behoud het denken dat je onmisbaar maakt wanneer AI sneller denkt","url":"/boeken/the-judgement-gym/","status":"Manuscript compleet"}},"degree":1,"status":"draft"},{"id":"volume:the-knowledge-scale","type":"volume","pillar":"founder-performance","locales":{"en":{"label":"The Knowledge Scale","summary":"Engineer Organizational Memory So Your Company Stops Forgetting What It Already Learned","url":"/books/the-knowledge-scale/","status":"Manuscript complete"},"nl":{"label":"De kennisschaal","summary":"Bouw organisatiegeheugen zodat je bedrijf niet langer vergeet wat het al geleerd heeft","url":"/boeken/the-knowledge-scale/","status":"Manuscript compleet"}},"degree":0,"status":"draft"},{"id":"volume:the-meaning-operator","type":"volume","pillar":"founder-performance","locales":{"en":{"label":"The Meaning Operator","summary":"Applied Existentialism for Founders: Why You Build, What It Costs, What It Is Worth","url":"/books/the-meaning-operator/","status":"Manuscript complete"},"nl":{"label":"De zingevende ondernemer","summary":"Toegepast existentialisme voor oprichters: waarom je bouwt, wat het kost en wat het waard is","url":"/boeken/the-meaning-operator/","status":"Manuscript compleet"}},"degree":1,"status":"draft"},{"id":"volume:the-model-portfolio","type":"volume","pillar":"ai-systems","locales":{"en":{"label":"The Model Portfolio","summary":"How to Route, Mix, and Govern LLMs Like a Strategic Asset Allocator","url":"/books/the-model-portfolio/","status":"Available now"},"nl":{"label":"Het model-portfolio","summary":"Hoe je LLM's als strategische bedrijfsmiddelen routeert, combineert en bestuurt","url":"/boeken/the-model-portfolio/","status":"Nu verkrijgbaar"}},"degree":9,"status":"available"},{"id":"volume:the-negotiation-operator","type":"volume","pillar":"founder-performance","locales":{"en":{"label":"The Negotiation Operator","summary":"Evidence-Based Deal-Making for Founders","url":"/books/the-negotiation-operator/","status":"Manuscript complete"},"nl":{"label":"De onderhandelende ondernemer","summary":"Wetenschappelijk onderbouwd onderhandelen voor ondernemers","url":"/boeken/the-negotiation-operator/","status":"Manuscript compleet"}},"degree":1,"status":"draft"},{"id":"volume:the-org-memory","type":"volume","pillar":"ai-systems","locales":{"en":{"label":"The Org Memory","summary":"Build a Company That Remembers What It Learns","url":"/books/the-org-memory/","status":"Manuscript complete"},"nl":{"label":"Het organisatiegeheugen","summary":"Bouw een bedrijf dat onthoudt wat het leert","url":"/boeken/the-org-memory/","status":"Manuscript compleet"}},"degree":0,"status":"draft"},{"id":"volume:the-performance-integrator","type":"volume","pillar":"founder-performance","locales":{"en":{"label":"The Performance Integrator","summary":"One Integrated Protocol for the Body, Mind, Energy, and Team That Runs Your Company","url":"/books/the-performance-integrator/","status":"Manuscript complete"},"nl":{"label":"De prestatie-integrator","summary":"Eén geïntegreerd protocol voor het lichaam, de geest, de energie en het team dat jouw bedrijf runt","url":"/boeken/the-performance-integrator/","status":"Manuscript compleet"}},"degree":0,"status":"draft"},{"id":"volume:the-predictive-founder","type":"volume","pillar":"venture-building","locales":{"en":{"label":"The Predictive Founder","summary":"When to Trust Your Gut, When to Override It, and How to Keep Score","url":"/books/the-predictive-founder/","status":"Manuscript complete"},"nl":{"label":"De voorspellende ondernemer","summary":"Wanneer je op je gevoel kunt vertrouwen, wanneer je het opzij moet zetten, en hoe je de score bijhoudt","url":"/boeken/the-predictive-founder/","status":"Manuscript compleet"}},"degree":1,"status":"draft"},{"id":"volume:the-pricing-mind","type":"volume","pillar":"venture-building","locales":{"en":{"label":"The Pricing Mind","summary":"Behavioral Economics of Price: How Buyers Experience Value and How to Design That Experience","url":"/books/the-pricing-mind/","status":"Manuscript complete"},"nl":{"label":"De prijspsychologie","summary":"Gedragseconomie van prijs: hoe kopers waarde ervaren en hoe je die ervaring ontwerpt","url":"/boeken/the-pricing-mind/","status":"Manuscript compleet"}},"degree":4,"status":"draft"},{"id":"volume:the-proof-engine","type":"volume","pillar":"venture-building","locales":{"en":{"label":"Proof in Public","summary":"Trust Velocity for Evidence-First Founders","url":"/books/the-proof-engine/","status":"Drafting (English edition first)"},"nl":{"label":"Proof in public","summary":"Vertrouwenssnelheid voor bewijsgerichte founders","url":"/boeken/the-proof-engine/","status":"In concept (Engelse editie eerst)"}},"degree":0,"status":"draft"},{"id":"volume:the-rag-engineer","type":"volume","pillar":"ai-systems","locales":{"en":{"label":"The RAG Engineer","summary":"Retrieval Systems That Agents Can Actually Trust in Production","url":"/books/the-rag-engineer/","status":"Available now"},"nl":{"label":"De RAG-engineer","summary":"Retrieval-systemen waar agents in productie echt op kunnen vertrouwen","url":"/boeken/the-rag-engineer/","status":"Nu verkrijgbaar"}},"degree":15,"status":"available"},{"id":"volume:the-red-team-founder","type":"volume","pillar":"founder-performance","locales":{"en":{"label":"The Red Team Founder","summary":"Adversarial Thinking for Operators Who Cannot Afford Surprise","url":"/books/the-red-team-founder/","status":"Manuscript complete"},"nl":{"label":"De red-teamoprichter","summary":"Adversariaal denken voor operators die geen verrassingen kunnen betalen","url":"/boeken/the-red-team-founder/","status":"Manuscript compleet"}},"degree":0,"status":"draft"},{"id":"volume:the-scale-up-operator","type":"volume","pillar":"founder-performance","locales":{"en":{"label":"The Scale-Up Operator","summary":"Build the Operating System That Runs the Company Without You in Every Room","url":"/books/the-scale-up-operator/","status":"Active development"},"nl":{"label":"De scale-up-operator","summary":"Bouw het besturingssysteem dat je bedrijf draaiende houdt zonder jou in elke kamer","url":"/boeken/the-scale-up-operator/","status":"Actief in ontwikkeling"}},"degree":0,"status":"draft"},{"id":"volume:the-second-order-thinker","type":"volume","pillar":"founder-performance","locales":{"en":{"label":"The Second-Order Thinker","summary":"Trace the Full Cascade of a Decision Before You Commit to It","url":"/books/the-second-order-thinker/","status":"Manuscript complete"},"nl":{"label":"De tweede-orde-denker","summary":"Traceer de volledige cascade van een beslissing voordat je je eraan vastlegt","url":"/boeken/the-second-order-thinker/","status":"Manuscript compleet"}},"degree":3,"status":"draft"},{"id":"volume:the-self-experimenting-founder","type":"volume","pillar":"venture-building","locales":{"en":{"label":"The Experimental Founder","summary":"N=1 Protocols for Cognitive and Physical Performance","url":"/books/the-self-experimenting-founder/","status":"Manuscript complete"},"nl":{"label":"De experimentele founder","summary":"N=1-protocollen voor cognitieve en fysieke prestaties","url":"/boeken/the-self-experimenting-founder/","status":"Manuscript compleet"}},"degree":0,"status":"draft"},{"id":"volume:the-simulation-table","type":"volume","pillar":"founder-performance","locales":{"en":{"label":"The Simulation Table","summary":"War Games for Teams Too Small for a Strategy Department","url":"/books/the-simulation-table/","status":"Manuscript complete"},"nl":{"label":"De simulatie-tafel","summary":"Oorlogsspellen voor teams zonder strategieafdeling","url":"/boeken/the-simulation-table/","status":"Manuscript compleet"}},"degree":0,"status":"draft"},{"id":"volume:the-talent-system","type":"volume","pillar":"ai-systems","locales":{"en":{"label":"The Talent System","summary":"Build a Talent Operating System That Compounds in the Agent Era","url":"/books/the-talent-system/","status":"Manuscript complete"},"nl":{"label":"Het talentsysteem","summary":"Bouw een talent-besturingssysteem dat zich opstapelt in het agent-tijdperk","url":"/boeken/the-talent-system/","status":"Manuscript compleet"}},"degree":0,"status":"draft"},{"id":"volume:the-turnaround-protocol","type":"volume","pillar":"founder-performance","locales":{"en":{"label":"The Turnaround Protocol","summary":"RESCUE: Diagnose, Stabilize, Cut, Unify, Execute or Exit with Dignity","url":"/books/the-turnaround-protocol/","status":"Manuscript complete"},"nl":{"label":"Het turnaroundprotocol","summary":"RESCUE: diagnosticeren, stabiliseren, snijden, verenigen, uitvoeren of waardig stoppen","url":"/boeken/the-turnaround-protocol/","status":"Manuscript compleet"}},"degree":0,"status":"draft"},{"id":"volume:the-verified-research-loop","type":"volume","pillar":"venture-building","locales":{"en":{"label":"The Verified Research Loop","summary":"Deep Online Research for Entrepreneurs Using AI Without Trusting It Blindly","url":"/books/the-verified-research-loop/","status":"Available now"},"nl":{"label":"De geverifieerde research-loop","summary":"Diep online onderzoek voor ondernemers met AI zonder blind te vertrouwen","url":"/boeken/the-verified-research-loop/","status":"Nu verkrijgbaar"}},"degree":5,"status":"available"}],"edges":[{"source":"article:aeo-meaning","target":"concept:aeo","relation":"discusses","evidence":"src/content/articles/en/aeo-meaning.md glossary: AEO\nsrc/content/articles/en/aeo-meaning.md tags: aeo\nsrc/content/articles/nl/aeo-betekenis.md glossary: AEO\nsrc/content/articles/nl/aeo-betekenis.md tags: aeo","weight":1.5,"locales":["en","nl"],"id":"article:aeo-meaning|discusses|concept:aeo"},{"source":"article:aeo-meaning","target":"concept:geo","relation":"discusses","evidence":"src/content/articles/en/aeo-meaning.md glossary: GEO\nsrc/content/articles/nl/aeo-betekenis.md glossary: GEO","weight":1.5,"locales":["en","nl"],"id":"article:aeo-meaning|discusses|concept:geo"},{"source":"article:aeo-meaning","target":"article:aeo-vs-geo-vs-seo","relation":"references","evidence":"src/content/articles/en/aeo-meaning.md body: /en/blog/aeo-vs-geo-vs-seo/\nsrc/content/articles/en/aeo-meaning.md sources: /en/blog/aeo-vs-geo-vs-seo/\nsrc/content/articles/nl/aeo-betekenis.md body: /nl/blog/aeo-versus-geo-versus-seo/\nsrc/content/articles/nl/aeo-betekenis.md sources: /nl/blog/aeo-versus-geo-versus-seo/","weight":1,"locales":["en","nl"],"id":"article:aeo-meaning|references|article:aeo-vs-geo-vs-seo"},{"source":"article:aeo-meaning","target":"article:geo-meaning","relation":"references","evidence":"src/content/articles/en/aeo-meaning.md body: /en/blog/what-geo-means/\nsrc/content/articles/en/aeo-meaning.md furtherReading: /en/blog/what-geo-means/\nsrc/content/articles/en/aeo-meaning.md sources: /en/blog/what-geo-means/\nsrc/content/articles/nl/aeo-betekenis.md body: /nl/blog/geo-betekenis/\nsrc/content/articles/nl/aeo-betekenis.md furtherReading: /nl/blog/geo-betekenis/\nsrc/content/articles/nl/aeo-betekenis.md sources: /nl/blog/geo-betekenis/","weight":1,"locales":["en","nl"],"id":"article:aeo-meaning|references|article:geo-meaning"},{"source":"article:aeo-meaning","target":"article:what-is-aeo","relation":"references","evidence":"src/content/articles/en/aeo-meaning.md body: /en/blog/what-is-aeo/\nsrc/content/articles/en/aeo-meaning.md furtherReading: /en/blog/what-is-aeo/\nsrc/content/articles/en/aeo-meaning.md sources: /en/blog/what-is-aeo/\nsrc/content/articles/nl/aeo-betekenis.md body: /nl/blog/wat-is-aeo/\nsrc/content/articles/nl/aeo-betekenis.md furtherReading: /nl/blog/wat-is-aeo/\nsrc/content/articles/nl/aeo-betekenis.md sources: /nl/blog/wat-is-aeo/","weight":1,"locales":["en","nl"],"id":"article:aeo-meaning|references|article:what-is-aeo"},{"source":"article:aeo-meaning","target":"concept:aeo","relation":"references","evidence":"src/content/articles/en/aeo-meaning.md furtherReading: /glossary/aeo/\nsrc/content/articles/en/aeo-meaning.md sources: /glossary/aeo/\nsrc/content/articles/nl/aeo-betekenis.md furtherReading: /nl/begrippen/aeo/\nsrc/content/articles/nl/aeo-betekenis.md sources: /nl/begrippen/aeo/","weight":1,"locales":["en","nl"],"id":"article:aeo-meaning|references|concept:aeo"},{"source":"article:aeo-meaning","target":"article:aeo-vs-geo-vs-seo","relation":"related","evidence":"src/content/articles/en/aeo-meaning.md relatedArticleIds: faf5229c-6225-4a4f-9a52-080d7cea862a\nsrc/content/articles/nl/aeo-betekenis.md relatedArticleIds: faf5229c-6225-4a4f-9a52-080d7cea862a","weight":2,"locales":["en","nl"],"id":"article:aeo-meaning|related|article:aeo-vs-geo-vs-seo"},{"source":"article:aeo-meaning","target":"article:geo-meaning","relation":"related","evidence":"src/content/articles/en/aeo-meaning.md relatedArticleIds: 34e5be7f-a98a-4235-9f21-5b80471033c9\nsrc/content/articles/nl/aeo-betekenis.md relatedArticleIds: 34e5be7f-a98a-4235-9f21-5b80471033c9","weight":2,"locales":["en","nl"],"id":"article:aeo-meaning|related|article:geo-meaning"},{"source":"article:aeo-meaning","target":"article:what-is-aeo","relation":"related","evidence":"src/content/articles/en/aeo-meaning.md relatedArticleIds: 4158475b-0245-4940-a76b-f2d6ea3ccbf1\nsrc/content/articles/nl/aeo-betekenis.md relatedArticleIds: 4158475b-0245-4940-a76b-f2d6ea3ccbf1","weight":2,"locales":["en","nl"],"id":"article:aeo-meaning|related|article:what-is-aeo"},{"source":"article:aeo-meaning","target":"concept:aeo","relation":"related","evidence":"src/data/site-link-graph.ts: aeo-meaning frameworks/glossary","weight":2,"locales":["en","nl"],"id":"article:aeo-meaning|related|concept:aeo"},{"source":"article:aeo-meaning","target":"concept:geo","relation":"related","evidence":"src/data/site-link-graph.ts: aeo-meaning frameworks/glossary","weight":2,"locales":["en","nl"],"id":"article:aeo-meaning|related|concept:geo"},{"source":"article:aeo-meaning","target":"volume:the-findability-engine","relation":"related","evidence":"src/data/site-link-graph.ts: aeo-meaning books","weight":2,"locales":["en","nl"],"id":"article:aeo-meaning|related|volume:the-findability-engine"},{"source":"article:aeo-vs-geo-vs-seo","target":"concept:aeo","relation":"discusses","evidence":"src/content/articles/en/aeo-vs-geo-vs-seo.md glossary: AEO\nsrc/content/articles/en/aeo-vs-geo-vs-seo.md tags: aeo\nsrc/content/articles/nl/aeo-versus-geo-versus-seo.md glossary: AEO\nsrc/content/articles/nl/aeo-versus-geo-versus-seo.md tags: aeo","weight":1.5,"locales":["en","nl"],"id":"article:aeo-vs-geo-vs-seo|discusses|concept:aeo"},{"source":"article:aeo-vs-geo-vs-seo","target":"concept:citation","relation":"discusses","evidence":"src/content/articles/en/aeo-vs-geo-vs-seo.md glossary: CITATION\nsrc/content/articles/nl/aeo-versus-geo-versus-seo.md glossary: CITATION","weight":1.5,"locales":["en","nl"],"id":"article:aeo-vs-geo-vs-seo|discusses|concept:citation"},{"source":"article:aeo-vs-geo-vs-seo","target":"concept:geo","relation":"discusses","evidence":"src/content/articles/en/aeo-vs-geo-vs-seo.md glossary: GEO\nsrc/content/articles/en/aeo-vs-geo-vs-seo.md tags: geo\nsrc/content/articles/nl/aeo-versus-geo-versus-seo.md glossary: GEO\nsrc/content/articles/nl/aeo-versus-geo-versus-seo.md tags: geo","weight":1.5,"locales":["en","nl"],"id":"article:aeo-vs-geo-vs-seo|discusses|concept:geo"},{"source":"article:aeo-vs-geo-vs-seo","target":"article:answer-engine-citations","relation":"references","evidence":"src/content/articles/en/aeo-vs-geo-vs-seo.md sources: /en/blog/how-answer-engines-select-sources/\nsrc/content/articles/nl/aeo-versus-geo-versus-seo.md sources: /nl/blog/hoe-antwoordmachines-bronnen-selecteren/","weight":1,"locales":["en","nl"],"id":"article:aeo-vs-geo-vs-seo|references|article:answer-engine-citations"},{"source":"article:aeo-vs-geo-vs-seo","target":"article:content-architecture-answer-engines","relation":"references","evidence":"src/content/articles/en/aeo-vs-geo-vs-seo.md body: /en/blog/content-architecture-for-answer-engines/\nsrc/content/articles/nl/aeo-versus-geo-versus-seo.md body: /nl/blog/contentarchitectuur-voor-antwoordmachines/","weight":1,"locales":["en","nl"],"id":"article:aeo-vs-geo-vs-seo|references|article:content-architecture-answer-engines"},{"source":"article:aeo-vs-geo-vs-seo","target":"article:geo-meaning","relation":"references","evidence":"src/content/articles/en/aeo-vs-geo-vs-seo.md body: /en/blog/what-geo-means/\nsrc/content/articles/en/aeo-vs-geo-vs-seo.md furtherReading: /en/blog/what-geo-means/\nsrc/content/articles/en/aeo-vs-geo-vs-seo.md sources: /en/blog/what-geo-means/\nsrc/content/articles/nl/aeo-versus-geo-versus-seo.md body: /nl/blog/geo-betekenis/\nsrc/content/articles/nl/aeo-versus-geo-versus-seo.md furtherReading: /nl/blog/geo-betekenis/\nsrc/content/articles/nl/aeo-versus-geo-versus-seo.md sources: /nl/blog/geo-betekenis/","weight":1,"locales":["en","nl"],"id":"article:aeo-vs-geo-vs-seo|references|article:geo-meaning"},{"source":"article:aeo-vs-geo-vs-seo","target":"article:how-to-get-cited-2026","relation":"references","evidence":"src/content/articles/en/aeo-vs-geo-vs-seo.md furtherReading: /en/blog/how-to-get-cited-2026/\nsrc/content/articles/en/aeo-vs-geo-vs-seo.md sources: /en/blog/how-to-get-cited-2026/\nsrc/content/articles/nl/aeo-versus-geo-versus-seo.md furtherReading: /nl/blog/hoe-je-geciteerd-wordt-2026/\nsrc/content/articles/nl/aeo-versus-geo-versus-seo.md sources: /nl/blog/hoe-je-geciteerd-wordt-2026/","weight":1,"locales":["en","nl"],"id":"article:aeo-vs-geo-vs-seo|references|article:how-to-get-cited-2026"},{"source":"article:aeo-vs-geo-vs-seo","target":"article:what-is-aeo","relation":"references","evidence":"src/content/articles/en/aeo-vs-geo-vs-seo.md body: /en/blog/what-is-aeo/\nsrc/content/articles/en/aeo-vs-geo-vs-seo.md furtherReading: /en/blog/what-is-aeo/\nsrc/content/articles/en/aeo-vs-geo-vs-seo.md sources: /en/blog/what-is-aeo/\nsrc/content/articles/nl/aeo-versus-geo-versus-seo.md body: /nl/blog/wat-is-aeo/\nsrc/content/articles/nl/aeo-versus-geo-versus-seo.md furtherReading: /nl/blog/wat-is-aeo/\nsrc/content/articles/nl/aeo-versus-geo-versus-seo.md sources: /nl/blog/wat-is-aeo/","weight":1,"locales":["en","nl"],"id":"article:aeo-vs-geo-vs-seo|references|article:what-is-aeo"},{"source":"article:aeo-vs-geo-vs-seo","target":"article:why-chatgpt-does-not-name-you","relation":"references","evidence":"src/content/articles/en/aeo-vs-geo-vs-seo.md body: /en/blog/why-chatgpt-does-not-name-you/\nsrc/content/articles/nl/aeo-versus-geo-versus-seo.md body: /nl/blog/waarom-word-ik-niet-genoemd-in-chatgpt/","weight":1,"locales":["en","nl"],"id":"article:aeo-vs-geo-vs-seo|references|article:why-chatgpt-does-not-name-you"},{"source":"article:aeo-vs-geo-vs-seo","target":"concept:aeo","relation":"references","evidence":"src/content/articles/en/aeo-vs-geo-vs-seo.md sources: /glossary/aeo/\nsrc/content/articles/nl/aeo-versus-geo-versus-seo.md sources: /nl/begrippen/aeo/","weight":1,"locales":["en","nl"],"id":"article:aeo-vs-geo-vs-seo|references|concept:aeo"},{"source":"article:aeo-vs-geo-vs-seo","target":"concept:citation","relation":"references","evidence":"src/content/articles/en/aeo-vs-geo-vs-seo.md body: /glossary/citation/\nsrc/content/articles/en/aeo-vs-geo-vs-seo.md sources: /glossary/citation/\nsrc/content/articles/nl/aeo-versus-geo-versus-seo.md body: /nl/begrippen/citation/\nsrc/content/articles/nl/aeo-versus-geo-versus-seo.md sources: /nl/begrippen/citation/","weight":1,"locales":["en","nl"],"id":"article:aeo-vs-geo-vs-seo|references|concept:citation"},{"source":"article:aeo-vs-geo-vs-seo","target":"concept:geo","relation":"references","evidence":"src/content/articles/en/aeo-vs-geo-vs-seo.md sources: /glossary/geo/\nsrc/content/articles/nl/aeo-versus-geo-versus-seo.md sources: /nl/begrippen/geo/","weight":1,"locales":["en","nl"],"id":"article:aeo-vs-geo-vs-seo|references|concept:geo"},{"source":"article:aeo-vs-geo-vs-seo","target":"volume:the-findability-engine","relation":"references","evidence":"src/content/articles/nl/aeo-versus-geo-versus-seo.md sources: /boeken/the-findability-engine/","weight":1,"locales":["nl"],"id":"article:aeo-vs-geo-vs-seo|references|volume:the-findability-engine"},{"source":"article:aeo-vs-geo-vs-seo","target":"article:answer-engine-citations","relation":"related","evidence":"src/content/articles/en/aeo-vs-geo-vs-seo.md relatedArticleIds: 018f6f0d-4aa1-7d2e-9c8e-f57fc6f5d100\nsrc/content/articles/nl/aeo-versus-geo-versus-seo.md relatedArticleIds: 018f6f0d-4aa1-7d2e-9c8e-f57fc6f5d100","weight":2,"locales":["en","nl"],"id":"article:aeo-vs-geo-vs-seo|related|article:answer-engine-citations"},{"source":"article:aeo-vs-geo-vs-seo","target":"article:geo-meaning","relation":"related","evidence":"src/content/articles/en/aeo-vs-geo-vs-seo.md relatedArticleIds: 34e5be7f-a98a-4235-9f21-5b80471033c9\nsrc/content/articles/nl/aeo-versus-geo-versus-seo.md relatedArticleIds: 34e5be7f-a98a-4235-9f21-5b80471033c9","weight":2,"locales":["en","nl"],"id":"article:aeo-vs-geo-vs-seo|related|article:geo-meaning"},{"source":"article:aeo-vs-geo-vs-seo","target":"article:how-to-get-cited-2026","relation":"related","evidence":"src/content/articles/en/aeo-vs-geo-vs-seo.md relatedArticleIds: 030afe30-fce7-41d2-b1a4-798d4e2c8048\nsrc/content/articles/nl/aeo-versus-geo-versus-seo.md relatedArticleIds: 030afe30-fce7-41d2-b1a4-798d4e2c8048","weight":2,"locales":["en","nl"],"id":"article:aeo-vs-geo-vs-seo|related|article:how-to-get-cited-2026"},{"source":"article:aeo-vs-geo-vs-seo","target":"article:what-is-aeo","relation":"related","evidence":"src/content/articles/en/aeo-vs-geo-vs-seo.md relatedArticleIds: 4158475b-0245-4940-a76b-f2d6ea3ccbf1\nsrc/content/articles/nl/aeo-versus-geo-versus-seo.md relatedArticleIds: 4158475b-0245-4940-a76b-f2d6ea3ccbf1","weight":2,"locales":["en","nl"],"id":"article:aeo-vs-geo-vs-seo|related|article:what-is-aeo"},{"source":"article:aeo-vs-seo","target":"concept:aeo","relation":"discusses","evidence":"src/content/articles/en/aeo-vs-seo.md glossary: AEO\nsrc/content/articles/en/aeo-vs-seo.md tags: aeo\nsrc/content/articles/nl/aeo-versus-seo.md glossary: AEO\nsrc/content/articles/nl/aeo-versus-seo.md tags: aeo","weight":1.5,"locales":["en","nl"],"id":"article:aeo-vs-seo|discusses|concept:aeo"},{"source":"article:aeo-vs-seo","target":"concept:geo","relation":"discusses","evidence":"src/content/articles/en/aeo-vs-seo.md tags: geo\nsrc/content/articles/nl/aeo-versus-seo.md tags: geo","weight":1.5,"locales":["en","nl"],"id":"article:aeo-vs-seo|discusses|concept:geo"},{"source":"article:aeo-vs-seo","target":"article:aeo-vs-geo-vs-seo","relation":"references","evidence":"src/content/articles/en/aeo-vs-seo.md body: /en/blog/aeo-vs-geo-vs-seo/\nsrc/content/articles/en/aeo-vs-seo.md furtherReading: /en/blog/aeo-vs-geo-vs-seo/\nsrc/content/articles/en/aeo-vs-seo.md sources: /en/blog/aeo-vs-geo-vs-seo/\nsrc/content/articles/nl/aeo-versus-seo.md body: /nl/blog/aeo-versus-geo-versus-seo/\nsrc/content/articles/nl/aeo-versus-seo.md furtherReading: /nl/blog/aeo-versus-geo-versus-seo/\nsrc/content/articles/nl/aeo-versus-seo.md sources: /nl/blog/aeo-versus-geo-versus-seo/","weight":1,"locales":["en","nl"],"id":"article:aeo-vs-seo|references|article:aeo-vs-geo-vs-seo"},{"source":"article:aeo-vs-seo","target":"article:how-to-get-cited-2026","relation":"references","evidence":"src/content/articles/en/aeo-vs-seo.md furtherReading: /en/blog/how-to-get-cited-2026/\nsrc/content/articles/en/aeo-vs-seo.md sources: /en/blog/how-to-get-cited-2026/\nsrc/content/articles/nl/aeo-versus-seo.md furtherReading: /nl/blog/hoe-je-geciteerd-wordt-2026/\nsrc/content/articles/nl/aeo-versus-seo.md sources: /nl/blog/hoe-je-geciteerd-wordt-2026/","weight":1,"locales":["en","nl"],"id":"article:aeo-vs-seo|references|article:how-to-get-cited-2026"},{"source":"article:aeo-vs-seo","target":"article:what-is-aeo","relation":"references","evidence":"src/content/articles/en/aeo-vs-seo.md body: /en/blog/what-is-aeo/\nsrc/content/articles/en/aeo-vs-seo.md furtherReading: /en/blog/what-is-aeo/\nsrc/content/articles/en/aeo-vs-seo.md sources: /en/blog/what-is-aeo/\nsrc/content/articles/nl/aeo-versus-seo.md body: /nl/blog/wat-is-aeo/\nsrc/content/articles/nl/aeo-versus-seo.md furtherReading: /nl/blog/wat-is-aeo/\nsrc/content/articles/nl/aeo-versus-seo.md sources: /nl/blog/wat-is-aeo/","weight":1,"locales":["en","nl"],"id":"article:aeo-vs-seo|references|article:what-is-aeo"},{"source":"article:aeo-vs-seo","target":"concept:aeo","relation":"references","evidence":"src/content/articles/en/aeo-vs-seo.md sources: /glossary/aeo/\nsrc/content/articles/nl/aeo-versus-seo.md sources: /nl/begrippen/aeo/","weight":1,"locales":["en","nl"],"id":"article:aeo-vs-seo|references|concept:aeo"},{"source":"article:aeo-vs-seo","target":"article:aeo-vs-geo-vs-seo","relation":"related","evidence":"src/content/articles/en/aeo-vs-seo.md relatedArticleIds: faf5229c-6225-4a4f-9a52-080d7cea862a\nsrc/content/articles/nl/aeo-versus-seo.md relatedArticleIds: faf5229c-6225-4a4f-9a52-080d7cea862a","weight":2,"locales":["en","nl"],"id":"article:aeo-vs-seo|related|article:aeo-vs-geo-vs-seo"},{"source":"article:aeo-vs-seo","target":"article:how-to-get-cited-2026","relation":"related","evidence":"src/content/articles/en/aeo-vs-seo.md relatedArticleIds: 030afe30-fce7-41d2-b1a4-798d4e2c8048\nsrc/content/articles/nl/aeo-versus-seo.md relatedArticleIds: 030afe30-fce7-41d2-b1a4-798d4e2c8048","weight":2,"locales":["en","nl"],"id":"article:aeo-vs-seo|related|article:how-to-get-cited-2026"},{"source":"article:aeo-vs-seo","target":"article:what-is-aeo","relation":"related","evidence":"src/content/articles/en/aeo-vs-seo.md relatedArticleIds: 4158475b-0245-4940-a76b-f2d6ea3ccbf1\nsrc/content/articles/nl/aeo-versus-seo.md relatedArticleIds: 4158475b-0245-4940-a76b-f2d6ea3ccbf1","weight":2,"locales":["en","nl"],"id":"article:aeo-vs-seo|related|article:what-is-aeo"},{"source":"article:agent-audit-trail","target":"concept:stack","relation":"discusses","evidence":"src/content/articles/en/agent-audit-trail.md glossary: STACK\nsrc/content/articles/nl/agent-audittrail.md glossary: STACK","weight":1.5,"locales":["en","nl"],"id":"article:agent-audit-trail|discusses|concept:stack"},{"source":"article:agent-audit-trail","target":"concept:tag:agent-ops","relation":"discusses","evidence":"src/content/articles/en/agent-audit-trail.md tags: agent-ops\nsrc/content/articles/nl/agent-audittrail.md tags: agent-ops","weight":1.5,"locales":["en","nl"],"id":"article:agent-audit-trail|discusses|concept:tag:agent-ops"},{"source":"article:agent-audit-trail","target":"article:hitl-in-ai-workflows","relation":"references","evidence":"src/content/articles/en/agent-audit-trail.md body: /en/blog/hitl-in-ai-workflows/\nsrc/content/articles/en/agent-audit-trail.md furtherReading: /en/blog/hitl-in-ai-workflows/\nsrc/content/articles/en/agent-audit-trail.md sources: /en/blog/hitl-in-ai-workflows/\nsrc/content/articles/nl/agent-audittrail.md body: /nl/blog/hitl-toepassen-in-ai-workflows/\nsrc/content/articles/nl/agent-audittrail.md furtherReading: /nl/blog/hitl-toepassen-in-ai-workflows/\nsrc/content/articles/nl/agent-audittrail.md sources: /nl/blog/hitl-toepassen-in-ai-workflows/","weight":1,"locales":["en","nl"],"id":"article:agent-audit-trail|references|article:hitl-in-ai-workflows"},{"source":"article:agent-audit-trail","target":"article:what-is-an-evidence-ledger","relation":"references","evidence":"src/content/articles/en/agent-audit-trail.md body: /en/blog/what-is-an-evidence-ledger/\nsrc/content/articles/nl/agent-audittrail.md body: /nl/blog/wat-is-een-bewijsregister/","weight":1,"locales":["en","nl"],"id":"article:agent-audit-trail|references|article:what-is-an-evidence-ledger"},{"source":"article:agent-audit-trail","target":"article:what-is-stack","relation":"references","evidence":"src/content/articles/en/agent-audit-trail.md furtherReading: /en/blog/what-is-stack/\nsrc/content/articles/nl/agent-audittrail.md furtherReading: /nl/blog/wat-is-stack/","weight":1,"locales":["en","nl"],"id":"article:agent-audit-trail|references|article:what-is-stack"},{"source":"article:agent-audit-trail","target":"concept:ai-agent","relation":"references","evidence":"src/content/articles/en/agent-audit-trail.md body: /glossary/ai-agent/\nsrc/content/articles/nl/agent-audittrail.md body: /nl/begrippen/ai-agent/","weight":1,"locales":["en","nl"],"id":"article:agent-audit-trail|references|concept:ai-agent"},{"source":"article:agent-audit-trail","target":"concept:mcp","relation":"references","evidence":"src/content/articles/en/agent-audit-trail.md body: /glossary/mcp/\nsrc/content/articles/nl/agent-audittrail.md body: /nl/begrippen/mcp/","weight":1,"locales":["en","nl"],"id":"article:agent-audit-trail|references|concept:mcp"},{"source":"article:agent-audit-trail","target":"concept:stack","relation":"references","evidence":"src/content/articles/en/agent-audit-trail.md body: /frameworks/stack/\nsrc/content/articles/en/agent-audit-trail.md furtherReading: /frameworks/stack/\nsrc/content/articles/en/agent-audit-trail.md sources: /frameworks/stack/\nsrc/content/articles/nl/agent-audittrail.md body: /nl/frameworks/stack/\nsrc/content/articles/nl/agent-audittrail.md furtherReading: /nl/frameworks/stack/\nsrc/content/articles/nl/agent-audittrail.md sources: /nl/frameworks/stack/","weight":1,"locales":["en","nl"],"id":"article:agent-audit-trail|references|concept:stack"},{"source":"article:agent-audit-trail","target":"volume:the-agentic-codebase","relation":"references","evidence":"src/content/articles/en/agent-audit-trail.md body: /books/the-agentic-codebase/\nsrc/content/articles/en/agent-audit-trail.md furtherReading: /books/the-agentic-codebase/\nsrc/content/articles/en/agent-audit-trail.md sources: /books/the-agentic-codebase/\nsrc/content/articles/nl/agent-audittrail.md body: /boeken/the-agentic-codebase/\nsrc/content/articles/nl/agent-audittrail.md furtherReading: /boeken/the-agentic-codebase/\nsrc/content/articles/nl/agent-audittrail.md sources: /boeken/the-agentic-codebase/","weight":1,"locales":["en","nl"],"id":"article:agent-audit-trail|references|volume:the-agentic-codebase"},{"source":"article:agent-audit-trail","target":"article:hitl-in-ai-workflows","relation":"related","evidence":"src/content/articles/en/agent-audit-trail.md relatedArticleIds: 3b11e8a6-c209-4e26-a37d-55adcbc782a7\nsrc/content/articles/nl/agent-audittrail.md relatedArticleIds: 4c0d71d6-a9f6-4b38-9c13-b628d00ba50b","weight":2,"locales":["en","nl"],"id":"article:agent-audit-trail|related|article:hitl-in-ai-workflows"},{"source":"article:agent-audit-trail","target":"article:what-is-an-evidence-ledger","relation":"related","evidence":"src/content/articles/en/agent-audit-trail.md relatedArticleIds: e38dcaa3-9ba5-4ffd-af9d-ec5437c129d9\nsrc/content/articles/nl/agent-audittrail.md relatedArticleIds: 9c516b69-e424-47da-b512-5a4358029b44","weight":2,"locales":["en","nl"],"id":"article:agent-audit-trail|related|article:what-is-an-evidence-ledger"},{"source":"article:agent-audit-trail","target":"article:what-is-stack","relation":"related","evidence":"src/content/articles/en/agent-audit-trail.md relatedArticleIds: 69b9e6d4-ccc6-4fea-acdb-903f213f37cc\nsrc/content/articles/nl/agent-audittrail.md relatedArticleIds: 884d927d-41a7-48e5-b7fb-8ac9f49eea07","weight":2,"locales":["en","nl"],"id":"article:agent-audit-trail|related|article:what-is-stack"},{"source":"article:agent-runtime-budget","target":"concept:route","relation":"discusses","evidence":"src/content/articles/en/agent-runtime-budget.md glossary: ROUTE\nsrc/content/articles/nl/agent-runtimebudget.md glossary: ROUTE","weight":1.5,"locales":["en","nl"],"id":"article:agent-runtime-budget|discusses|concept:route"},{"source":"article:agent-runtime-budget","target":"concept:tag:agent-ops","relation":"discusses","evidence":"src/content/articles/en/agent-runtime-budget.md tags: agent-ops\nsrc/content/articles/nl/agent-runtimebudget.md tags: agent-ops","weight":1.5,"locales":["en","nl"],"id":"article:agent-runtime-budget|discusses|concept:tag:agent-ops"},{"source":"article:agent-runtime-budget","target":"concept:tag:undominated","relation":"discusses","evidence":"src/content/articles/en/agent-runtime-budget.md tags: undominated\nsrc/content/articles/nl/agent-runtimebudget.md tags: undominated","weight":1.5,"locales":["en","nl"],"id":"article:agent-runtime-budget|discusses|concept:tag:undominated"},{"source":"article:agent-runtime-budget","target":"article:using-ai-agents-effectively","relation":"references","evidence":"src/content/articles/en/agent-runtime-budget.md body: /en/blog/using-ai-agents-effectively/\nsrc/content/articles/en/agent-runtime-budget.md furtherReading: /en/blog/using-ai-agents-effectively/\nsrc/content/articles/en/agent-runtime-budget.md sources: /en/blog/using-ai-agents-effectively/\nsrc/content/articles/nl/agent-runtimebudget.md body: /nl/blog/ai-agents-effectief-inzetten/\nsrc/content/articles/nl/agent-runtimebudget.md furtherReading: /nl/blog/ai-agents-effectief-inzetten/\nsrc/content/articles/nl/agent-runtimebudget.md sources: /nl/blog/ai-agents-effectief-inzetten/","weight":1,"locales":["en","nl"],"id":"article:agent-runtime-budget|references|article:using-ai-agents-effectively"},{"source":"article:agent-runtime-budget","target":"article:what-is-a-model-cascade","relation":"references","evidence":"src/content/articles/en/agent-runtime-budget.md body: /en/blog/what-is-a-model-cascade/\nsrc/content/articles/en/agent-runtime-budget.md furtherReading: /en/blog/what-is-a-model-cascade/\nsrc/content/articles/nl/agent-runtimebudget.md body: /nl/blog/wat-is-een-modelcascade/\nsrc/content/articles/nl/agent-runtimebudget.md furtherReading: /nl/blog/wat-is-een-modelcascade/","weight":1,"locales":["en","nl"],"id":"article:agent-runtime-budget|references|article:what-is-a-model-cascade"},{"source":"article:agent-runtime-budget","target":"article:what-is-model-routing","relation":"references","evidence":"src/content/articles/en/agent-runtime-budget.md body: /en/blog/what-is-model-routing/\nsrc/content/articles/en/agent-runtime-budget.md sources: /en/blog/what-is-model-routing/\nsrc/content/articles/nl/agent-runtimebudget.md body: /nl/blog/wat-is-modelroutering/\nsrc/content/articles/nl/agent-runtimebudget.md sources: /nl/blog/wat-is-modelroutering/","weight":1,"locales":["en","nl"],"id":"article:agent-runtime-budget|references|article:what-is-model-routing"},{"source":"article:agent-runtime-budget","target":"concept:route","relation":"references","evidence":"src/content/articles/en/agent-runtime-budget.md body: /frameworks/route/\nsrc/content/articles/en/agent-runtime-budget.md furtherReading: /frameworks/route/\nsrc/content/articles/en/agent-runtime-budget.md sources: /frameworks/route/\nsrc/content/articles/nl/agent-runtimebudget.md body: /nl/frameworks/route/\nsrc/content/articles/nl/agent-runtimebudget.md furtherReading: /nl/frameworks/route/\nsrc/content/articles/nl/agent-runtimebudget.md sources: /nl/frameworks/route/","weight":1,"locales":["en","nl"],"id":"article:agent-runtime-budget|references|concept:route"},{"source":"article:agent-runtime-budget","target":"volume:the-model-portfolio","relation":"references","evidence":"src/content/articles/en/agent-runtime-budget.md body: /books/the-model-portfolio/\nsrc/content/articles/en/agent-runtime-budget.md sources: /books/the-model-portfolio/\nsrc/content/articles/nl/agent-runtimebudget.md body: /boeken/the-model-portfolio/\nsrc/content/articles/nl/agent-runtimebudget.md sources: /boeken/the-model-portfolio/","weight":1,"locales":["en","nl"],"id":"article:agent-runtime-budget|references|volume:the-model-portfolio"},{"source":"article:agent-runtime-budget","target":"article:using-ai-agents-effectively","relation":"related","evidence":"src/content/articles/en/agent-runtime-budget.md relatedArticleIds: e3799711-41ca-4502-bf91-2ba2ca33ee34\nsrc/content/articles/nl/agent-runtimebudget.md relatedArticleIds: 16ae16b7-50c5-4d11-896d-e84eaec91a42","weight":2,"locales":["en","nl"],"id":"article:agent-runtime-budget|related|article:using-ai-agents-effectively"},{"source":"article:agent-runtime-budget","target":"article:what-is-a-model-cascade","relation":"related","evidence":"src/content/articles/en/agent-runtime-budget.md relatedArticleIds: ee70bd54-2c5a-4de5-9a61-601d87dcafe6\nsrc/content/articles/nl/agent-runtimebudget.md relatedArticleIds: 29d383e4-ed6c-4765-bc5c-3ffecfc198ee","weight":2,"locales":["en","nl"],"id":"article:agent-runtime-budget|related|article:what-is-a-model-cascade"},{"source":"article:agent-runtime-budget","target":"article:what-is-model-routing","relation":"related","evidence":"src/content/articles/en/agent-runtime-budget.md relatedArticleIds: 8128e57b-28a6-403e-9b23-c5952cf90310\nsrc/content/articles/nl/agent-runtimebudget.md relatedArticleIds: b4592d79-701f-48db-959b-6ab97351e45d","weight":2,"locales":["en","nl"],"id":"article:agent-runtime-budget|related|article:what-is-model-routing"},{"source":"article:agent-shadow-mode","target":"concept:chorus","relation":"discusses","evidence":"src/content/articles/en/agent-shadow-mode.md glossary: CHORUS\nsrc/content/articles/en/agent-shadow-mode.md tags: chorus\nsrc/content/articles/nl/agent-schaduwmodus.md glossary: CHORUS\nsrc/content/articles/nl/agent-schaduwmodus.md tags: chorus","weight":1.5,"locales":["en","nl"],"id":"article:agent-shadow-mode|discusses|concept:chorus"},{"source":"article:agent-shadow-mode","target":"concept:tag:agent-ops","relation":"discusses","evidence":"src/content/articles/en/agent-shadow-mode.md tags: agent-ops\nsrc/content/articles/nl/agent-schaduwmodus.md tags: agent-ops","weight":1.5,"locales":["en","nl"],"id":"article:agent-shadow-mode|discusses|concept:tag:agent-ops"},{"source":"article:agent-shadow-mode","target":"article:evaluate-reasoning-not-fluency","relation":"references","evidence":"src/content/articles/en/agent-shadow-mode.md body: /en/blog/evaluate-reasoning-not-fluency/\nsrc/content/articles/nl/agent-schaduwmodus.md body: /nl/blog/evalueer-de-redenering-niet-de-vloeiendheid/","weight":1,"locales":["en","nl"],"id":"article:agent-shadow-mode|references|article:evaluate-reasoning-not-fluency"},{"source":"article:agent-shadow-mode","target":"article:hitl-in-ai-workflows","relation":"references","evidence":"src/content/articles/en/agent-shadow-mode.md body: /en/blog/hitl-in-ai-workflows/\nsrc/content/articles/en/agent-shadow-mode.md furtherReading: /en/blog/hitl-in-ai-workflows/\nsrc/content/articles/en/agent-shadow-mode.md sources: /en/blog/hitl-in-ai-workflows/\nsrc/content/articles/nl/agent-schaduwmodus.md body: /nl/blog/hitl-toepassen-in-ai-workflows/\nsrc/content/articles/nl/agent-schaduwmodus.md furtherReading: /nl/blog/hitl-toepassen-in-ai-workflows/\nsrc/content/articles/nl/agent-schaduwmodus.md sources: /nl/blog/hitl-toepassen-in-ai-workflows/","weight":1,"locales":["en","nl"],"id":"article:agent-shadow-mode|references|article:hitl-in-ai-workflows"},{"source":"article:agent-shadow-mode","target":"article:what-is-an-ai-agent-charter","relation":"references","evidence":"src/content/articles/en/agent-shadow-mode.md body: /en/blog/what-is-an-ai-agent-charter/\nsrc/content/articles/en/agent-shadow-mode.md furtherReading: /en/blog/what-is-an-ai-agent-charter/\nsrc/content/articles/nl/agent-schaduwmodus.md body: /nl/blog/wat-is-een-ai-agent-charter/\nsrc/content/articles/nl/agent-schaduwmodus.md furtherReading: /nl/blog/wat-is-een-ai-agent-charter/","weight":1,"locales":["en","nl"],"id":"article:agent-shadow-mode|references|article:what-is-an-ai-agent-charter"},{"source":"article:agent-shadow-mode","target":"concept:ai-agent","relation":"references","evidence":"src/content/articles/en/agent-shadow-mode.md body: /glossary/ai-agent/\nsrc/content/articles/nl/agent-schaduwmodus.md body: /nl/begrippen/ai-agent/","weight":1,"locales":["en","nl"],"id":"article:agent-shadow-mode|references|concept:ai-agent"},{"source":"article:agent-shadow-mode","target":"concept:chorus","relation":"references","evidence":"src/content/articles/en/agent-shadow-mode.md furtherReading: /frameworks/chorus/\nsrc/content/articles/en/agent-shadow-mode.md sources: /frameworks/chorus/\nsrc/content/articles/nl/agent-schaduwmodus.md furtherReading: /nl/frameworks/chorus/\nsrc/content/articles/nl/agent-schaduwmodus.md sources: /nl/frameworks/chorus/","weight":1,"locales":["en","nl"],"id":"article:agent-shadow-mode|references|concept:chorus"},{"source":"article:agent-shadow-mode","target":"volume:multi-agent-organization","relation":"references","evidence":"src/content/articles/en/agent-shadow-mode.md body: /books/multi-agent-organization/\nsrc/content/articles/en/agent-shadow-mode.md furtherReading: /books/multi-agent-organization/\nsrc/content/articles/en/agent-shadow-mode.md sources: /books/multi-agent-organization/\nsrc/content/articles/nl/agent-schaduwmodus.md body: /boeken/multi-agent-organization/\nsrc/content/articles/nl/agent-schaduwmodus.md furtherReading: /boeken/multi-agent-organization/\nsrc/content/articles/nl/agent-schaduwmodus.md sources: /boeken/multi-agent-organization/","weight":1,"locales":["en","nl"],"id":"article:agent-shadow-mode|references|volume:multi-agent-organization"},{"source":"article:agent-shadow-mode","target":"article:evaluate-reasoning-not-fluency","relation":"related","evidence":"src/content/articles/en/agent-shadow-mode.md relatedArticleIds: f14281cc-3a68-4987-ade4-9c6fdad3acc5\nsrc/content/articles/nl/agent-schaduwmodus.md relatedArticleIds: 33c392ad-9b6e-42a1-b54e-7a1eddc62c45","weight":2,"locales":["en","nl"],"id":"article:agent-shadow-mode|related|article:evaluate-reasoning-not-fluency"},{"source":"article:agent-shadow-mode","target":"article:what-is-an-ai-agent-charter","relation":"related","evidence":"src/content/articles/en/agent-shadow-mode.md relatedArticleIds: b11300b0-7c8e-4871-b065-494e68d33fd6\nsrc/content/articles/nl/agent-schaduwmodus.md relatedArticleIds: 5915a20d-babe-46ee-a4e3-4d0caf1c7ab8","weight":2,"locales":["en","nl"],"id":"article:agent-shadow-mode|related|article:what-is-an-ai-agent-charter"},{"source":"article:agent-shadow-mode","target":"article:what-is-chorus","relation":"related","evidence":"src/content/articles/en/agent-shadow-mode.md relatedArticleIds: f2c09cfd-898d-478d-84f2-dbaaa861097b\nsrc/content/articles/nl/agent-schaduwmodus.md relatedArticleIds: ac971734-8cf2-4a57-adf4-f7cf2182b1ca","weight":2,"locales":["en","nl"],"id":"article:agent-shadow-mode|related|article:what-is-chorus"},{"source":"article:agentic-workflow-vs-automation","target":"concept:ai-agent","relation":"discusses","evidence":"src/content/articles/en/agentic-workflow-vs-automation.md glossary: AI agent\nsrc/content/articles/nl/agentic-workflow-versus-automatisering.md glossary: AI-agent","weight":1.5,"locales":["en","nl"],"id":"article:agentic-workflow-vs-automation|discusses|concept:ai-agent"},{"source":"article:agentic-workflow-vs-automation","target":"concept:chorus","relation":"discusses","evidence":"src/content/articles/en/agentic-workflow-vs-automation.md glossary: CHORUS\nsrc/content/articles/en/agentic-workflow-vs-automation.md tags: chorus\nsrc/content/articles/nl/agentic-workflow-versus-automatisering.md glossary: CHORUS\nsrc/content/articles/nl/agentic-workflow-versus-automatisering.md tags: chorus","weight":1.5,"locales":["en","nl"],"id":"article:agentic-workflow-vs-automation|discusses|concept:chorus"},{"source":"article:agentic-workflow-vs-automation","target":"concept:human-in-the-loop","relation":"discusses","evidence":"src/content/articles/en/agentic-workflow-vs-automation.md glossary: Human in the loop\nsrc/content/articles/nl/agentic-workflow-versus-automatisering.md glossary: Mens in de lus","weight":1.5,"locales":["en","nl"],"id":"article:agentic-workflow-vs-automation|discusses|concept:human-in-the-loop"},{"source":"article:agentic-workflow-vs-automation","target":"concept:tag:agentic-codebase","relation":"discusses","evidence":"src/content/articles/en/agentic-workflow-vs-automation.md tags: agentic-codebase\nsrc/content/articles/nl/agentic-workflow-versus-automatisering.md tags: agentic-codebase","weight":1.5,"locales":["en","nl"],"id":"article:agentic-workflow-vs-automation|discusses|concept:tag:agentic-codebase"},{"source":"article:agentic-workflow-vs-automation","target":"concept:tag:ai-agents","relation":"discusses","evidence":"src/content/articles/en/agentic-workflow-vs-automation.md tags: ai-agents\nsrc/content/articles/nl/agentic-workflow-versus-automatisering.md tags: ai-agents","weight":1.5,"locales":["en","nl"],"id":"article:agentic-workflow-vs-automation|discusses|concept:tag:ai-agents"},{"source":"article:agentic-workflow-vs-automation","target":"article:mcp-explained-for-founders","relation":"references","evidence":"src/content/articles/en/agentic-workflow-vs-automation.md body: /en/blog/mcp-explained-for-founders/\nsrc/content/articles/en/agentic-workflow-vs-automation.md furtherReading: /en/blog/mcp-explained-for-founders/\nsrc/content/articles/nl/agentic-workflow-versus-automatisering.md body: /nl/blog/mcp-uitgelegd-voor-ondernemers/\nsrc/content/articles/nl/agentic-workflow-versus-automatisering.md furtherReading: /nl/blog/mcp-uitgelegd-voor-ondernemers/","weight":1,"locales":["en","nl"],"id":"article:agentic-workflow-vs-automation|references|article:mcp-explained-for-founders"},{"source":"article:agentic-workflow-vs-automation","target":"article:the-multi-agent-organization-introduction","relation":"references","evidence":"src/content/articles/en/agentic-workflow-vs-automation.md body: /en/blog/the-multi-agent-organization-introduction/\nsrc/content/articles/nl/agentic-workflow-versus-automatisering.md body: /nl/blog/de-multi-agent-organisatie-introductie/","weight":1,"locales":["en","nl"],"id":"article:agentic-workflow-vs-automation|references|article:the-multi-agent-organization-introduction"},{"source":"article:agentic-workflow-vs-automation","target":"article:what-is-an-ai-agent","relation":"references","evidence":"src/content/articles/en/agentic-workflow-vs-automation.md body: /en/blog/what-is-an-ai-agent/\nsrc/content/articles/en/agentic-workflow-vs-automation.md furtherReading: /en/blog/what-is-an-ai-agent/\nsrc/content/articles/nl/agentic-workflow-versus-automatisering.md body: /nl/blog/wat-is-een-ai-agent/\nsrc/content/articles/nl/agentic-workflow-versus-automatisering.md furtherReading: /nl/blog/wat-is-een-ai-agent/","weight":1,"locales":["en","nl"],"id":"article:agentic-workflow-vs-automation|references|article:what-is-an-ai-agent"},{"source":"article:agentic-workflow-vs-automation","target":"concept:ai-agent","relation":"references","evidence":"src/content/articles/en/agentic-workflow-vs-automation.md body: /glossary/ai-agent/\nsrc/content/articles/en/agentic-workflow-vs-automation.md sources: /glossary/ai-agent/\nsrc/content/articles/nl/agentic-workflow-versus-automatisering.md body: /nl/begrippen/ai-agent/\nsrc/content/articles/nl/agentic-workflow-versus-automatisering.md sources: /nl/begrippen/ai-agent/","weight":1,"locales":["en","nl"],"id":"article:agentic-workflow-vs-automation|references|concept:ai-agent"},{"source":"article:agentic-workflow-vs-automation","target":"concept:chorus","relation":"references","evidence":"src/content/articles/en/agentic-workflow-vs-automation.md body: /frameworks/chorus/\nsrc/content/articles/en/agentic-workflow-vs-automation.md furtherReading: /frameworks/chorus/\nsrc/content/articles/en/agentic-workflow-vs-automation.md sources: /frameworks/chorus/\nsrc/content/articles/nl/agentic-workflow-versus-automatisering.md body: /nl/frameworks/chorus/\nsrc/content/articles/nl/agentic-workflow-versus-automatisering.md furtherReading: /nl/frameworks/chorus/\nsrc/content/articles/nl/agentic-workflow-versus-automatisering.md sources: /nl/frameworks/chorus/","weight":1,"locales":["en","nl"],"id":"article:agentic-workflow-vs-automation|references|concept:chorus"},{"source":"article:agentic-workflow-vs-automation","target":"concept:human-in-the-loop","relation":"references","evidence":"src/content/articles/en/agentic-workflow-vs-automation.md body: /glossary/human-in-the-loop/\nsrc/content/articles/nl/agentic-workflow-versus-automatisering.md body: /nl/begrippen/mens-in-de-lus/","weight":1,"locales":["en","nl"],"id":"article:agentic-workflow-vs-automation|references|concept:human-in-the-loop"},{"source":"article:agentic-workflow-vs-automation","target":"concept:sense","relation":"references","evidence":"src/content/articles/en/agentic-workflow-vs-automation.md body: /frameworks/sense/\nsrc/content/articles/en/agentic-workflow-vs-automation.md furtherReading: /frameworks/sense/\nsrc/content/articles/en/agentic-workflow-vs-automation.md sources: /frameworks/sense/\nsrc/content/articles/nl/agentic-workflow-versus-automatisering.md body: /nl/frameworks/sense/\nsrc/content/articles/nl/agentic-workflow-versus-automatisering.md furtherReading: /nl/frameworks/sense/\nsrc/content/articles/nl/agentic-workflow-versus-automatisering.md sources: /nl/frameworks/sense/","weight":1,"locales":["en","nl"],"id":"article:agentic-workflow-vs-automation|references|concept:sense"},{"source":"article:agentic-workflow-vs-automation","target":"concept:stack","relation":"references","evidence":"src/content/articles/en/agentic-workflow-vs-automation.md body: /frameworks/stack/\nsrc/content/articles/en/agentic-workflow-vs-automation.md furtherReading: /frameworks/stack/\nsrc/content/articles/en/agentic-workflow-vs-automation.md sources: /frameworks/stack/\nsrc/content/articles/nl/agentic-workflow-versus-automatisering.md body: /nl/frameworks/stack/\nsrc/content/articles/nl/agentic-workflow-versus-automatisering.md furtherReading: /nl/frameworks/stack/\nsrc/content/articles/nl/agentic-workflow-versus-automatisering.md sources: /nl/frameworks/stack/","weight":1,"locales":["en","nl"],"id":"article:agentic-workflow-vs-automation|references|concept:stack"},{"source":"article:agentic-workflow-vs-automation","target":"volume:ai-agents-for-startup-strategy","relation":"references","evidence":"src/content/articles/en/agentic-workflow-vs-automation.md body: /ai-agents-for-startup-strategy/\nsrc/content/articles/en/agentic-workflow-vs-automation.md furtherReading: /ai-agents-for-startup-strategy/\nsrc/content/articles/en/agentic-workflow-vs-automation.md sources: /ai-agents-for-startup-strategy/\nsrc/content/articles/nl/agentic-workflow-versus-automatisering.md body: /boeken/ai-agents-for-startup-strategy/\nsrc/content/articles/nl/agentic-workflow-versus-automatisering.md furtherReading: /boeken/ai-agents-for-startup-strategy/\nsrc/content/articles/nl/agentic-workflow-versus-automatisering.md sources: /boeken/ai-agents-for-startup-strategy/","weight":1,"locales":["en","nl"],"id":"article:agentic-workflow-vs-automation|references|volume:ai-agents-for-startup-strategy"},{"source":"article:agentic-workflow-vs-automation","target":"volume:multi-agent-organization","relation":"references","evidence":"src/content/articles/en/agentic-workflow-vs-automation.md body: /books/multi-agent-organization/\nsrc/content/articles/en/agentic-workflow-vs-automation.md furtherReading: /books/multi-agent-organization/\nsrc/content/articles/en/agentic-workflow-vs-automation.md sources: /books/multi-agent-organization/\nsrc/content/articles/nl/agentic-workflow-versus-automatisering.md body: /boeken/multi-agent-organization/\nsrc/content/articles/nl/agentic-workflow-versus-automatisering.md furtherReading: /boeken/multi-agent-organization/\nsrc/content/articles/nl/agentic-workflow-versus-automatisering.md sources: /boeken/multi-agent-organization/","weight":1,"locales":["en","nl"],"id":"article:agentic-workflow-vs-automation|references|volume:multi-agent-organization"},{"source":"article:agentic-workflow-vs-automation","target":"volume:the-agentic-codebase","relation":"references","evidence":"src/content/articles/en/agentic-workflow-vs-automation.md body: /books/the-agentic-codebase/\nsrc/content/articles/en/agentic-workflow-vs-automation.md furtherReading: /books/the-agentic-codebase/\nsrc/content/articles/en/agentic-workflow-vs-automation.md sources: /books/the-agentic-codebase/\nsrc/content/articles/nl/agentic-workflow-versus-automatisering.md body: /boeken/the-agentic-codebase/\nsrc/content/articles/nl/agentic-workflow-versus-automatisering.md furtherReading: /boeken/the-agentic-codebase/\nsrc/content/articles/nl/agentic-workflow-versus-automatisering.md sources: /boeken/the-agentic-codebase/","weight":1,"locales":["en","nl"],"id":"article:agentic-workflow-vs-automation|references|volume:the-agentic-codebase"},{"source":"article:agentic-workflow-vs-automation","target":"article:mcp-explained-for-founders","relation":"related","evidence":"src/content/articles/en/agentic-workflow-vs-automation.md relatedArticleIds: bf0091f2-668e-48f6-aad0-efd1b61bbfa0\nsrc/content/articles/nl/agentic-workflow-versus-automatisering.md relatedArticleIds: bf0091f2-668e-48f6-aad0-efd1b61bbfa0","weight":2,"locales":["en","nl"],"id":"article:agentic-workflow-vs-automation|related|article:mcp-explained-for-founders"},{"source":"article:agentic-workflow-vs-automation","target":"article:what-is-an-ai-agent","relation":"related","evidence":"src/content/articles/en/agentic-workflow-vs-automation.md relatedArticleIds: 69f0de22-6dd9-44b3-b6d8-b89ce8d8df7e\nsrc/content/articles/nl/agentic-workflow-versus-automatisering.md relatedArticleIds: 69f0de22-6dd9-44b3-b6d8-b89ce8d8df7e","weight":2,"locales":["en","nl"],"id":"article:agentic-workflow-vs-automation|related|article:what-is-an-ai-agent"},{"source":"article:agentic-workflow-vs-automation","target":"concept:ai-agent","relation":"related","evidence":"src/data/site-link-graph.ts: agentic-workflow-vs-automation frameworks/glossary","weight":2,"locales":["en","nl"],"id":"article:agentic-workflow-vs-automation|related|concept:ai-agent"},{"source":"article:agentic-workflow-vs-automation","target":"concept:chorus","relation":"related","evidence":"src/data/site-link-graph.ts: agentic-workflow-vs-automation frameworks/glossary","weight":2,"locales":["en","nl"],"id":"article:agentic-workflow-vs-automation|related|concept:chorus"},{"source":"article:agentic-workflow-vs-automation","target":"concept:human-in-the-loop","relation":"related","evidence":"src/data/site-link-graph.ts: agentic-workflow-vs-automation frameworks/glossary","weight":2,"locales":["en","nl"],"id":"article:agentic-workflow-vs-automation|related|concept:human-in-the-loop"},{"source":"article:agentic-workflow-vs-automation","target":"concept:sense","relation":"related","evidence":"src/data/site-link-graph.ts: agentic-workflow-vs-automation frameworks/glossary","weight":2,"locales":["en","nl"],"id":"article:agentic-workflow-vs-automation|related|concept:sense"},{"source":"article:agentic-workflow-vs-automation","target":"concept:stack","relation":"related","evidence":"src/data/site-link-graph.ts: agentic-workflow-vs-automation frameworks/glossary","weight":2,"locales":["en","nl"],"id":"article:agentic-workflow-vs-automation|related|concept:stack"},{"source":"article:agentic-workflow-vs-automation","target":"volume:ai-agents-for-startup-strategy","relation":"related","evidence":"src/data/site-link-graph.ts: agentic-workflow-vs-automation books","weight":2,"locales":["en","nl"],"id":"article:agentic-workflow-vs-automation|related|volume:ai-agents-for-startup-strategy"},{"source":"article:agentic-workflow-vs-automation","target":"volume:multi-agent-organization","relation":"related","evidence":"src/data/site-link-graph.ts: agentic-workflow-vs-automation books","weight":2,"locales":["en","nl"],"id":"article:agentic-workflow-vs-automation|related|volume:multi-agent-organization"},{"source":"article:agentic-workflow-vs-automation","target":"volume:the-agentic-codebase","relation":"related","evidence":"src/data/site-link-graph.ts: agentic-workflow-vs-automation books","weight":2,"locales":["en","nl"],"id":"article:agentic-workflow-vs-automation|related|volume:the-agentic-codebase"},{"source":"article:ai-agent-or-chatbot","target":"concept:ai-agent","relation":"discusses","evidence":"src/content/articles/en/ai-agent-or-chatbot.md glossary: AI agent\nsrc/content/articles/nl/ai-agent-of-chatbot.md glossary: AI-agent","weight":1.5,"locales":["en","nl"],"id":"article:ai-agent-or-chatbot|discusses|concept:ai-agent"},{"source":"article:ai-agent-or-chatbot","target":"concept:human-in-the-loop","relation":"discusses","evidence":"src/content/articles/en/ai-agent-or-chatbot.md glossary: Human in the loop\nsrc/content/articles/nl/ai-agent-of-chatbot.md glossary: Mens in de lus","weight":1.5,"locales":["en","nl"],"id":"article:ai-agent-or-chatbot|discusses|concept:human-in-the-loop"},{"source":"article:ai-agent-or-chatbot","target":"concept:tag:ai-agents","relation":"discusses","evidence":"src/content/articles/en/ai-agent-or-chatbot.md tags: ai-agents\nsrc/content/articles/nl/ai-agent-of-chatbot.md tags: ai-agents","weight":1.5,"locales":["en","nl"],"id":"article:ai-agent-or-chatbot|discusses|concept:tag:ai-agents"},{"source":"article:ai-agent-or-chatbot","target":"article:agentic-workflow-vs-automation","relation":"references","evidence":"src/content/articles/en/ai-agent-or-chatbot.md body: /en/blog/agentic-workflow-vs-automation/\nsrc/content/articles/en/ai-agent-or-chatbot.md furtherReading: /en/blog/agentic-workflow-vs-automation/\nsrc/content/articles/en/ai-agent-or-chatbot.md sources: /en/blog/agentic-workflow-vs-automation/\nsrc/content/articles/nl/ai-agent-of-chatbot.md body: /nl/blog/agentic-workflow-versus-automatisering/\nsrc/content/articles/nl/ai-agent-of-chatbot.md furtherReading: /nl/blog/agentic-workflow-versus-automatisering/\nsrc/content/articles/nl/ai-agent-of-chatbot.md sources: /nl/blog/agentic-workflow-versus-automatisering/","weight":1,"locales":["en","nl"],"id":"article:ai-agent-or-chatbot|references|article:agentic-workflow-vs-automation"},{"source":"article:ai-agent-or-chatbot","target":"article:human-in-the-loop-meaning","relation":"references","evidence":"src/content/articles/en/ai-agent-or-chatbot.md body: /en/blog/human-in-the-loop-meaning/\nsrc/content/articles/en/ai-agent-or-chatbot.md furtherReading: /en/blog/human-in-the-loop-meaning/\nsrc/content/articles/en/ai-agent-or-chatbot.md sources: /en/blog/human-in-the-loop-meaning/\nsrc/content/articles/nl/ai-agent-of-chatbot.md body: /nl/blog/mens-in-de-lus-betekenis/\nsrc/content/articles/nl/ai-agent-of-chatbot.md furtherReading: /nl/blog/mens-in-de-lus-betekenis/\nsrc/content/articles/nl/ai-agent-of-chatbot.md sources: /nl/blog/mens-in-de-lus-betekenis/","weight":1,"locales":["en","nl"],"id":"article:ai-agent-or-chatbot|references|article:human-in-the-loop-meaning"},{"source":"article:ai-agent-or-chatbot","target":"article:literary-agent-or-ai-agent","relation":"references","evidence":"src/content/articles/en/ai-agent-or-chatbot.md body: /en/blog/literary-agent-or-ai-agent/\nsrc/content/articles/nl/ai-agent-of-chatbot.md body: /nl/blog/literair-agent-of-ai-agent/","weight":1,"locales":["en","nl"],"id":"article:ai-agent-or-chatbot|references|article:literary-agent-or-ai-agent"},{"source":"article:ai-agent-or-chatbot","target":"article:what-is-an-ai-agent","relation":"references","evidence":"src/content/articles/en/ai-agent-or-chatbot.md body: /en/blog/what-is-an-ai-agent/\nsrc/content/articles/en/ai-agent-or-chatbot.md furtherReading: /en/blog/what-is-an-ai-agent/\nsrc/content/articles/en/ai-agent-or-chatbot.md sources: /en/blog/what-is-an-ai-agent/\nsrc/content/articles/nl/ai-agent-of-chatbot.md body: /nl/blog/wat-is-een-ai-agent/\nsrc/content/articles/nl/ai-agent-of-chatbot.md furtherReading: /nl/blog/wat-is-een-ai-agent/\nsrc/content/articles/nl/ai-agent-of-chatbot.md sources: /nl/blog/wat-is-een-ai-agent/","weight":1,"locales":["en","nl"],"id":"article:ai-agent-or-chatbot|references|article:what-is-an-ai-agent"},{"source":"article:ai-agent-or-chatbot","target":"concept:ai-agent","relation":"references","evidence":"src/content/articles/en/ai-agent-or-chatbot.md body: /glossary/ai-agent/\nsrc/content/articles/en/ai-agent-or-chatbot.md furtherReading: /glossary/ai-agent/\nsrc/content/articles/en/ai-agent-or-chatbot.md sources: /glossary/ai-agent/\nsrc/content/articles/nl/ai-agent-of-chatbot.md body: /nl/begrippen/ai-agent/\nsrc/content/articles/nl/ai-agent-of-chatbot.md furtherReading: /nl/begrippen/ai-agent/\nsrc/content/articles/nl/ai-agent-of-chatbot.md sources: /nl/begrippen/ai-agent/","weight":1,"locales":["en","nl"],"id":"article:ai-agent-or-chatbot|references|concept:ai-agent"},{"source":"article:ai-agent-or-chatbot","target":"volume:ai-agents-for-startup-strategy","relation":"references","evidence":"src/content/articles/en/ai-agent-or-chatbot.md body: /ai-agents-for-startup-strategy/\nsrc/content/articles/en/ai-agent-or-chatbot.md sources: /ai-agents-for-startup-strategy/\nsrc/content/articles/nl/ai-agent-of-chatbot.md body: /boeken/ai-agents-for-startup-strategy/\nsrc/content/articles/nl/ai-agent-of-chatbot.md sources: /boeken/ai-agents-for-startup-strategy/","weight":1,"locales":["en","nl"],"id":"article:ai-agent-or-chatbot|references|volume:ai-agents-for-startup-strategy"},{"source":"article:ai-agent-or-chatbot","target":"article:agentic-workflow-vs-automation","relation":"related","evidence":"src/content/articles/en/ai-agent-or-chatbot.md relatedArticleIds: b0c61b6b-2323-4daf-af82-d1797790765d\nsrc/content/articles/nl/ai-agent-of-chatbot.md relatedArticleIds: b0c61b6b-2323-4daf-af82-d1797790765d","weight":2,"locales":["en","nl"],"id":"article:ai-agent-or-chatbot|related|article:agentic-workflow-vs-automation"},{"source":"article:ai-agent-or-chatbot","target":"article:what-is-an-ai-agent","relation":"related","evidence":"src/content/articles/en/ai-agent-or-chatbot.md relatedArticleIds: 69f0de22-6dd9-44b3-b6d8-b89ce8d8df7e\nsrc/content/articles/nl/ai-agent-of-chatbot.md relatedArticleIds: 69f0de22-6dd9-44b3-b6d8-b89ce8d8df7e","weight":2,"locales":["en","nl"],"id":"article:ai-agent-or-chatbot|related|article:what-is-an-ai-agent"},{"source":"article:ai-agent-or-chatbot","target":"concept:ai-agent","relation":"related","evidence":"src/data/site-link-graph.ts: ai-agent-or-chatbot frameworks/glossary","weight":2,"locales":["en","nl"],"id":"article:ai-agent-or-chatbot|related|concept:ai-agent"},{"source":"article:ai-agent-or-chatbot","target":"concept:human-in-the-loop","relation":"related","evidence":"src/data/site-link-graph.ts: ai-agent-or-chatbot frameworks/glossary","weight":2,"locales":["en","nl"],"id":"article:ai-agent-or-chatbot|related|concept:human-in-the-loop"},{"source":"article:ai-agent-or-chatbot","target":"volume:ai-agents-for-startup-strategy","relation":"related","evidence":"src/data/site-link-graph.ts: ai-agent-or-chatbot books","weight":2,"locales":["en","nl"],"id":"article:ai-agent-or-chatbot|related|volume:ai-agents-for-startup-strategy"},{"source":"article:ai-agents-for-startup-strategy-introduction","target":"concept:tag:ai-agents","relation":"discusses","evidence":"src/content/articles/en/ai-agents-for-startup-strategy-introduction.md tags: ai-agents\nsrc/content/articles/nl/ai-agenten-voor-startupstrategie-introductie.md tags: ai-agents","weight":1.5,"locales":["en","nl"],"id":"article:ai-agents-for-startup-strategy-introduction|discusses|concept:tag:ai-agents"},{"source":"article:ai-agents-for-startup-strategy-introduction","target":"concept:sense","relation":"references","evidence":"src/content/articles/en/ai-agents-for-startup-strategy-introduction.md furtherReading: https://lenvanderhof.com/frameworks/sense/\nsrc/content/articles/nl/ai-agenten-voor-startupstrategie-introductie.md furtherReading: https://lenvanderhof.com/nl/frameworks/sense/","weight":1,"locales":["en","nl"],"id":"article:ai-agents-for-startup-strategy-introduction|references|concept:sense"},{"source":"article:ai-agents-for-startup-strategy-introduction","target":"volume:ai-agents-for-startup-strategy","relation":"references","evidence":"src/content/articles/en/ai-agents-for-startup-strategy-introduction.md body: https://lenvanderhof.com/ai-agents-for-startup-strategy/\nsrc/content/articles/en/ai-agents-for-startup-strategy-introduction.md body: https://lenvanderhof.com/boeken/ai-agents-for-startup-strategy/\nsrc/content/articles/en/ai-agents-for-startup-strategy-introduction.md furtherReading: https://lenvanderhof.com/ai-agents-for-startup-strategy/\nsrc/content/articles/en/ai-agents-for-startup-strategy-introduction.md sources: https://lenvanderhof.com/ai-agents-for-startup-strategy/\nsrc/content/articles/nl/ai-agenten-voor-startupstrategie-introductie.md body: https://lenvanderhof.com/ai-agents-for-startup-strategy/\nsrc/content/articles/nl/ai-agenten-voor-startupstrategie-introductie.md body: https://lenvanderhof.com/boeken/ai-agents-for-startup-strategy/\nsrc/content/articles/nl/ai-agenten-voor-startupstrategie-introductie.md furtherReading: https://lenvanderhof.com/boeken/ai-agents-for-startup-strategy/\nsrc/content/articles/nl/ai-agenten-voor-startupstrategie-introductie.md sources: https://lenvanderhof.com/boeken/ai-agents-for-startup-strategy/","weight":1,"locales":["en","nl"],"id":"article:ai-agents-for-startup-strategy-introduction|references|volume:ai-agents-for-startup-strategy"},{"source":"article:ai-agents-for-startup-strategy-introduction","target":"concept:ai-agent","relation":"related","evidence":"src/data/site-link-graph.ts: ai-agents-for-startup-strategy-introduction frameworks/glossary","weight":2,"locales":["en","nl"],"id":"article:ai-agents-for-startup-strategy-introduction|related|concept:ai-agent"},{"source":"article:ai-agents-for-startup-strategy-introduction","target":"concept:sense","relation":"related","evidence":"src/data/site-link-graph.ts: ai-agents-for-startup-strategy-introduction frameworks/glossary","weight":2,"locales":["en","nl"],"id":"article:ai-agents-for-startup-strategy-introduction|related|concept:sense"},{"source":"article:ai-agents-for-startup-strategy-introduction","target":"volume:ai-agents-for-startup-strategy","relation":"related","evidence":"src/data/site-link-graph.ts: ai-agents-for-startup-strategy-introduction books","weight":2,"locales":["en","nl"],"id":"article:ai-agents-for-startup-strategy-introduction|related|volume:ai-agents-for-startup-strategy"},{"source":"article:answer-engine-citations","target":"concept:aeo","relation":"discusses","evidence":"src/content/articles/en/how-answer-engines-select-sources.md glossary: AEO\nsrc/content/articles/en/how-answer-engines-select-sources.md tags: aeo\nsrc/content/articles/nl/hoe-antwoordmachines-bronnen-selecteren.md glossary: AEO\nsrc/content/articles/nl/hoe-antwoordmachines-bronnen-selecteren.md tags: aeo","weight":1.5,"locales":["en","nl"],"id":"article:answer-engine-citations|discusses|concept:aeo"},{"source":"article:answer-engine-citations","target":"concept:geo","relation":"discusses","evidence":"src/content/articles/en/how-answer-engines-select-sources.md glossary: GEO\nsrc/content/articles/en/how-answer-engines-select-sources.md tags: geo\nsrc/content/articles/nl/hoe-antwoordmachines-bronnen-selecteren.md glossary: GEO\nsrc/content/articles/nl/hoe-antwoordmachines-bronnen-selecteren.md tags: geo","weight":1.5,"locales":["en","nl"],"id":"article:answer-engine-citations|discusses|concept:geo"},{"source":"article:answer-engine-citations","target":"concept:aeo","relation":"related","evidence":"src/data/site-link-graph.ts: how-answer-engines-select-sources frameworks/glossary","weight":2,"locales":["en","nl"],"id":"article:answer-engine-citations|related|concept:aeo"},{"source":"article:answer-engine-citations","target":"concept:citation","relation":"related","evidence":"src/data/site-link-graph.ts: how-answer-engines-select-sources frameworks/glossary","weight":2,"locales":["en","nl"],"id":"article:answer-engine-citations|related|concept:citation"},{"source":"article:answer-engine-citations","target":"concept:geo","relation":"related","evidence":"src/data/site-link-graph.ts: how-answer-engines-select-sources frameworks/glossary","weight":2,"locales":["en","nl"],"id":"article:answer-engine-citations|related|concept:geo"},{"source":"article:answer-engine-citations","target":"volume:the-agentic-author","relation":"related","evidence":"src/data/site-link-graph.ts: how-answer-engines-select-sources books","weight":2,"locales":["en","nl"],"id":"article:answer-engine-citations|related|volume:the-agentic-author"},{"source":"article:answer-engine-citations","target":"volume:the-findability-engine","relation":"related","evidence":"src/data/site-link-graph.ts: how-answer-engines-select-sources books","weight":2,"locales":["en","nl"],"id":"article:answer-engine-citations|related|volume:the-findability-engine"},{"source":"article:answer-engine-optimization","target":"concept:aeo","relation":"discusses","evidence":"src/content/articles/en/answer-engine-optimization.md glossary: AEO\nsrc/content/articles/en/answer-engine-optimization.md tags: aeo\nsrc/content/articles/nl/antwoordmotor-optimalisatie.md glossary: AEO\nsrc/content/articles/nl/antwoordmotor-optimalisatie.md tags: aeo","weight":1.5,"locales":["en","nl"],"id":"article:answer-engine-optimization|discusses|concept:aeo"},{"source":"article:answer-engine-optimization","target":"article:aeo-vs-geo-vs-seo","relation":"references","evidence":"src/content/articles/en/answer-engine-optimization.md body: /en/blog/aeo-vs-geo-vs-seo/\nsrc/content/articles/en/answer-engine-optimization.md sources: /en/blog/aeo-vs-geo-vs-seo/\nsrc/content/articles/nl/antwoordmotor-optimalisatie.md body: /nl/blog/aeo-versus-geo-versus-seo/\nsrc/content/articles/nl/antwoordmotor-optimalisatie.md sources: /nl/blog/aeo-versus-geo-versus-seo/","weight":1,"locales":["en","nl"],"id":"article:answer-engine-optimization|references|article:aeo-vs-geo-vs-seo"},{"source":"article:answer-engine-optimization","target":"article:how-to-get-cited-2026","relation":"references","evidence":"src/content/articles/en/answer-engine-optimization.md body: /en/blog/how-to-get-cited-2026/\nsrc/content/articles/en/answer-engine-optimization.md furtherReading: /en/blog/how-to-get-cited-2026/\nsrc/content/articles/en/answer-engine-optimization.md sources: /en/blog/how-to-get-cited-2026/\nsrc/content/articles/nl/antwoordmotor-optimalisatie.md body: /nl/blog/hoe-je-geciteerd-wordt-2026/\nsrc/content/articles/nl/antwoordmotor-optimalisatie.md furtherReading: /nl/blog/hoe-je-geciteerd-wordt-2026/\nsrc/content/articles/nl/antwoordmotor-optimalisatie.md sources: /nl/blog/hoe-je-geciteerd-wordt-2026/","weight":1,"locales":["en","nl"],"id":"article:answer-engine-optimization|references|article:how-to-get-cited-2026"},{"source":"article:answer-engine-optimization","target":"article:what-is-aeo","relation":"references","evidence":"src/content/articles/en/answer-engine-optimization.md body: /en/blog/what-is-aeo/\nsrc/content/articles/en/answer-engine-optimization.md furtherReading: /en/blog/what-is-aeo/\nsrc/content/articles/en/answer-engine-optimization.md sources: /en/blog/what-is-aeo/\nsrc/content/articles/nl/antwoordmotor-optimalisatie.md body: /nl/blog/wat-is-aeo/\nsrc/content/articles/nl/antwoordmotor-optimalisatie.md furtherReading: /nl/blog/wat-is-aeo/\nsrc/content/articles/nl/antwoordmotor-optimalisatie.md sources: /nl/blog/wat-is-aeo/","weight":1,"locales":["en","nl"],"id":"article:answer-engine-optimization|references|article:what-is-aeo"},{"source":"article:answer-engine-optimization","target":"concept:aeo","relation":"references","evidence":"src/content/articles/en/answer-engine-optimization.md furtherReading: /glossary/aeo/\nsrc/content/articles/en/answer-engine-optimization.md sources: /glossary/aeo/\nsrc/content/articles/nl/antwoordmotor-optimalisatie.md furtherReading: /nl/begrippen/aeo/\nsrc/content/articles/nl/antwoordmotor-optimalisatie.md sources: /nl/begrippen/aeo/","weight":1,"locales":["en","nl"],"id":"article:answer-engine-optimization|references|concept:aeo"},{"source":"article:answer-engine-optimization","target":"article:aeo-vs-geo-vs-seo","relation":"related","evidence":"src/content/articles/en/answer-engine-optimization.md relatedArticleIds: faf5229c-6225-4a4f-9a52-080d7cea862a\nsrc/content/articles/nl/antwoordmotor-optimalisatie.md relatedArticleIds: faf5229c-6225-4a4f-9a52-080d7cea862a","weight":2,"locales":["en","nl"],"id":"article:answer-engine-optimization|related|article:aeo-vs-geo-vs-seo"},{"source":"article:answer-engine-optimization","target":"article:how-to-get-cited-2026","relation":"related","evidence":"src/content/articles/en/answer-engine-optimization.md relatedArticleIds: 030afe30-fce7-41d2-b1a4-798d4e2c8048\nsrc/content/articles/nl/antwoordmotor-optimalisatie.md relatedArticleIds: 030afe30-fce7-41d2-b1a4-798d4e2c8048","weight":2,"locales":["en","nl"],"id":"article:answer-engine-optimization|related|article:how-to-get-cited-2026"},{"source":"article:answer-engine-optimization","target":"article:what-is-aeo","relation":"related","evidence":"src/content/articles/en/answer-engine-optimization.md relatedArticleIds: 4158475b-0245-4940-a76b-f2d6ea3ccbf1\nsrc/content/articles/nl/antwoordmotor-optimalisatie.md relatedArticleIds: 4158475b-0245-4940-a76b-f2d6ea3ccbf1","weight":2,"locales":["en","nl"],"id":"article:answer-engine-optimization|related|article:what-is-aeo"},{"source":"article:answer-first-writing","target":"concept:aeo","relation":"discusses","evidence":"src/content/articles/en/answer-first-writing.md glossary: AEO\nsrc/content/articles/en/answer-first-writing.md tags: aeo\nsrc/content/articles/nl/antwoord-eerst-schrijven.md glossary: AEO\nsrc/content/articles/nl/antwoord-eerst-schrijven.md tags: aeo","weight":1.5,"locales":["en","nl"],"id":"article:answer-first-writing|discusses|concept:aeo"},{"source":"article:answer-first-writing","target":"concept:citation","relation":"discusses","evidence":"src/content/articles/en/answer-first-writing.md glossary: CITATION\nsrc/content/articles/nl/antwoord-eerst-schrijven.md glossary: CITATION","weight":1.5,"locales":["en","nl"],"id":"article:answer-first-writing|discusses|concept:citation"},{"source":"article:answer-first-writing","target":"concept:geo","relation":"discusses","evidence":"src/content/articles/en/answer-first-writing.md glossary: GEO\nsrc/content/articles/en/answer-first-writing.md tags: geo\nsrc/content/articles/nl/antwoord-eerst-schrijven.md glossary: GEO\nsrc/content/articles/nl/antwoord-eerst-schrijven.md tags: geo","weight":1.5,"locales":["en","nl"],"id":"article:answer-first-writing|discusses|concept:geo"},{"source":"article:answer-first-writing","target":"article:answer-engine-citations","relation":"references","evidence":"src/content/articles/en/answer-first-writing.md body: /en/blog/how-answer-engines-select-sources/\nsrc/content/articles/en/answer-first-writing.md furtherReading: /en/blog/how-answer-engines-select-sources/\nsrc/content/articles/en/answer-first-writing.md sources: /en/blog/how-answer-engines-select-sources/\nsrc/content/articles/nl/antwoord-eerst-schrijven.md body: /nl/blog/hoe-antwoordmachines-bronnen-selecteren/\nsrc/content/articles/nl/antwoord-eerst-schrijven.md furtherReading: /nl/blog/hoe-antwoordmachines-bronnen-selecteren/\nsrc/content/articles/nl/antwoord-eerst-schrijven.md sources: /nl/blog/hoe-antwoordmachines-bronnen-selecteren/","weight":1,"locales":["en","nl"],"id":"article:answer-first-writing|references|article:answer-engine-citations"},{"source":"article:answer-first-writing","target":"concept:aeo","relation":"references","evidence":"src/content/articles/en/answer-first-writing.md body: /glossary/aeo/\nsrc/content/articles/en/answer-first-writing.md furtherReading: /glossary/aeo/\nsrc/content/articles/en/answer-first-writing.md sources: /glossary/aeo/\nsrc/content/articles/nl/antwoord-eerst-schrijven.md body: /nl/begrippen/aeo/\nsrc/content/articles/nl/antwoord-eerst-schrijven.md furtherReading: /nl/begrippen/aeo/\nsrc/content/articles/nl/antwoord-eerst-schrijven.md sources: /nl/begrippen/aeo/","weight":1,"locales":["en","nl"],"id":"article:answer-first-writing|references|concept:aeo"},{"source":"article:answer-first-writing","target":"concept:citation","relation":"references","evidence":"src/content/articles/en/answer-first-writing.md body: /glossary/citation/\nsrc/content/articles/en/answer-first-writing.md furtherReading: /glossary/citation/\nsrc/content/articles/en/answer-first-writing.md sources: /glossary/citation/\nsrc/content/articles/nl/antwoord-eerst-schrijven.md body: /nl/begrippen/citation/\nsrc/content/articles/nl/antwoord-eerst-schrijven.md furtherReading: /nl/begrippen/citation/\nsrc/content/articles/nl/antwoord-eerst-schrijven.md sources: /nl/begrippen/citation/","weight":1,"locales":["en","nl"],"id":"article:answer-first-writing|references|concept:citation"},{"source":"article:answer-first-writing","target":"concept:geo","relation":"references","evidence":"src/content/articles/en/answer-first-writing.md body: /glossary/geo/\nsrc/content/articles/en/answer-first-writing.md furtherReading: /glossary/geo/\nsrc/content/articles/en/answer-first-writing.md sources: /glossary/geo/\nsrc/content/articles/nl/antwoord-eerst-schrijven.md body: /nl/begrippen/geo/\nsrc/content/articles/nl/antwoord-eerst-schrijven.md furtherReading: /nl/begrippen/geo/\nsrc/content/articles/nl/antwoord-eerst-schrijven.md sources: /nl/begrippen/geo/","weight":1,"locales":["en","nl"],"id":"article:answer-first-writing|references|concept:geo"},{"source":"article:answer-first-writing","target":"volume:the-findability-engine","relation":"references","evidence":"src/content/articles/en/answer-first-writing.md body: /books/the-findability-engine/\nsrc/content/articles/en/answer-first-writing.md furtherReading: /books/the-findability-engine/\nsrc/content/articles/en/answer-first-writing.md sources: /books/the-findability-engine/\nsrc/content/articles/nl/antwoord-eerst-schrijven.md body: /boeken/the-findability-engine/\nsrc/content/articles/nl/antwoord-eerst-schrijven.md furtherReading: /boeken/the-findability-engine/\nsrc/content/articles/nl/antwoord-eerst-schrijven.md sources: /boeken/the-findability-engine/","weight":1,"locales":["en","nl"],"id":"article:answer-first-writing|references|volume:the-findability-engine"},{"source":"article:answer-first-writing","target":"article:agentic-workflow-vs-automation","relation":"related","evidence":"src/content/articles/en/answer-first-writing.md relatedArticleIds: b0c61b6b-2323-4daf-af82-d1797790765d\nsrc/content/articles/nl/antwoord-eerst-schrijven.md relatedArticleIds: b0c61b6b-2323-4daf-af82-d1797790765d","weight":2,"locales":["en","nl"],"id":"article:answer-first-writing|related|article:agentic-workflow-vs-automation"},{"source":"article:answer-first-writing","target":"article:answer-engine-citations","relation":"related","evidence":"src/content/articles/en/answer-first-writing.md relatedArticleIds: 018f6f0d-4aa1-7d2e-9c8e-f57fc6f5d100\nsrc/content/articles/nl/antwoord-eerst-schrijven.md relatedArticleIds: 018f6f0d-4aa1-7d2e-9c8e-f57fc6f5d100","weight":2,"locales":["en","nl"],"id":"article:answer-first-writing|related|article:answer-engine-citations"},{"source":"article:booksos-seven-gates","target":"concept:booksos","relation":"discusses","evidence":"src/content/articles/en/what-is-booksos.md glossary: BooksOS\nsrc/content/articles/en/what-is-booksos.md tags: booksos\nsrc/content/articles/nl/wat-is-booksos.md glossary: BooksOS\nsrc/content/articles/nl/wat-is-booksos.md tags: booksos","weight":1.5,"locales":["en","nl"],"id":"article:booksos-seven-gates|discusses|concept:booksos"},{"source":"article:booksos-seven-gates","target":"concept:evidence-ledger","relation":"discusses","evidence":"src/content/articles/en/what-is-booksos.md glossary: Evidence ledger\nsrc/content/articles/nl/wat-is-booksos.md glossary: Bewijsregister","weight":1.5,"locales":["en","nl"],"id":"article:booksos-seven-gates|discusses|concept:evidence-ledger"},{"source":"article:booksos-seven-gates","target":"concept:tag:ai-agents","relation":"discusses","evidence":"src/content/articles/en/what-is-booksos.md tags: ai-agents\nsrc/content/articles/nl/wat-is-booksos.md tags: ai-agents","weight":1.5,"locales":["en","nl"],"id":"article:booksos-seven-gates|discusses|concept:tag:ai-agents"},{"source":"article:booksos-seven-gates","target":"article:the-agentic-author-introduction","relation":"references","evidence":"src/content/articles/en/what-is-booksos.md body: /en/blog/the-agentic-author-introduction/\nsrc/content/articles/en/what-is-booksos.md furtherReading: /en/blog/the-agentic-author-introduction/\nsrc/content/articles/en/what-is-booksos.md sources: /en/blog/the-agentic-author-introduction/\nsrc/content/articles/nl/wat-is-booksos.md body: /nl/blog/de-agentische-auteur-introductie/\nsrc/content/articles/nl/wat-is-booksos.md furtherReading: /nl/blog/de-agentische-auteur-introductie/\nsrc/content/articles/nl/wat-is-booksos.md sources: /nl/blog/de-agentische-auteur-introductie/","weight":1,"locales":["en","nl"],"id":"article:booksos-seven-gates|references|article:the-agentic-author-introduction"},{"source":"article:booksos-seven-gates","target":"article:what-is-chorus","relation":"references","evidence":"src/content/articles/en/what-is-booksos.md body: /en/blog/what-is-chorus/\nsrc/content/articles/nl/wat-is-booksos.md body: /nl/blog/wat-is-chorus/","weight":1,"locales":["en","nl"],"id":"article:booksos-seven-gates|references|article:what-is-chorus"},{"source":"article:booksos-seven-gates","target":"article:what-is-stack","relation":"references","evidence":"src/content/articles/en/what-is-booksos.md body: /en/blog/what-is-stack/\nsrc/content/articles/nl/wat-is-booksos.md body: /nl/blog/wat-is-stack/","weight":1,"locales":["en","nl"],"id":"article:booksos-seven-gates|references|article:what-is-stack"},{"source":"article:booksos-seven-gates","target":"concept:booksos","relation":"references","evidence":"src/content/articles/en/what-is-booksos.md body: /frameworks/booksos/\nsrc/content/articles/en/what-is-booksos.md body: /glossary/booksos/\nsrc/content/articles/en/what-is-booksos.md furtherReading: /frameworks/booksos/\nsrc/content/articles/en/what-is-booksos.md furtherReading: /glossary/booksos/\nsrc/content/articles/en/what-is-booksos.md sources: /frameworks/booksos/\nsrc/content/articles/en/what-is-booksos.md sources: /glossary/booksos/\nsrc/content/articles/nl/wat-is-booksos.md body: /nl/begrippen/booksos/\nsrc/content/articles/nl/wat-is-booksos.md body: /nl/frameworks/booksos/\nsrc/content/articles/nl/wat-is-booksos.md furtherReading: /nl/begrippen/booksos/\nsrc/content/articles/nl/wat-is-booksos.md furtherReading: /nl/frameworks/booksos/\nsrc/content/articles/nl/wat-is-booksos.md sources: /nl/begrippen/booksos/\nsrc/content/articles/nl/wat-is-booksos.md sources: /nl/frameworks/booksos/","weight":1,"locales":["en","nl"],"id":"article:booksos-seven-gates|references|concept:booksos"},{"source":"article:booksos-seven-gates","target":"concept:evidence-ledger","relation":"references","evidence":"src/content/articles/en/what-is-booksos.md body: /glossary/evidence-ledger/\nsrc/content/articles/nl/wat-is-booksos.md body: /nl/begrippen/bewijsregister/","weight":1,"locales":["en","nl"],"id":"article:booksos-seven-gates|references|concept:evidence-ledger"},{"source":"article:booksos-seven-gates","target":"volume:the-agentic-author","relation":"references","evidence":"src/content/articles/en/what-is-booksos.md body: /books/the-agentic-author/\nsrc/content/articles/en/what-is-booksos.md furtherReading: /books/the-agentic-author/\nsrc/content/articles/en/what-is-booksos.md sources: /books/the-agentic-author/\nsrc/content/articles/nl/wat-is-booksos.md body: /boeken/the-agentic-author/\nsrc/content/articles/nl/wat-is-booksos.md furtherReading: /boeken/the-agentic-author/\nsrc/content/articles/nl/wat-is-booksos.md sources: /boeken/the-agentic-author/","weight":1,"locales":["en","nl"],"id":"article:booksos-seven-gates|references|volume:the-agentic-author"},{"source":"article:booksos-seven-gates","target":"article:the-agentic-author-introduction","relation":"related","evidence":"src/content/articles/en/what-is-booksos.md relatedArticleIds: 688467da-1af1-4bf2-a780-e6a50709df63\nsrc/content/articles/nl/wat-is-booksos.md relatedArticleIds: 688467da-1af1-4bf2-a780-e6a50709df63","weight":2,"locales":["en","nl"],"id":"article:booksos-seven-gates|related|article:the-agentic-author-introduction"},{"source":"article:booksos-seven-gates","target":"concept:booksos","relation":"related","evidence":"src/data/site-link-graph.ts: booksos-seven-gates frameworks/glossary","weight":2,"locales":["en","nl"],"id":"article:booksos-seven-gates|related|concept:booksos"},{"source":"article:booksos-seven-gates","target":"concept:evidence-ledger","relation":"related","evidence":"src/data/site-link-graph.ts: booksos-seven-gates frameworks/glossary","weight":2,"locales":["en","nl"],"id":"article:booksos-seven-gates|related|concept:evidence-ledger"},{"source":"article:booksos-seven-gates","target":"volume:the-agentic-author","relation":"related","evidence":"src/data/site-link-graph.ts: booksos-seven-gates books","weight":2,"locales":["en","nl"],"id":"article:booksos-seven-gates|related|volume:the-agentic-author"},{"source":"article:calibrate-meaning","target":"concept:tag:founder-resilience","relation":"discusses","evidence":"src/content/articles/en/calibrate-meaning.md tags: founder-resilience\nsrc/content/articles/nl/kalibratie-of-calibratie.md tags: founder-resilience","weight":1.5,"locales":["en","nl"],"id":"article:calibrate-meaning|discusses|concept:tag:founder-resilience"},{"source":"article:calibrate-meaning","target":"article:calibration-techniques-for-founders","relation":"references","evidence":"src/content/articles/en/calibrate-meaning.md body: /en/blog/calibration-techniques-for-founders/\nsrc/content/articles/en/calibrate-meaning.md furtherReading: /en/blog/calibration-techniques-for-founders/\nsrc/content/articles/en/calibrate-meaning.md sources: /en/blog/calibration-techniques-for-founders/\nsrc/content/articles/nl/kalibratie-of-calibratie.md body: /nl/blog/kalibratietechnieken-voor-founders/\nsrc/content/articles/nl/kalibratie-of-calibratie.md furtherReading: /nl/blog/kalibratietechnieken-voor-founders/\nsrc/content/articles/nl/kalibratie-of-calibratie.md sources: /nl/blog/kalibratietechnieken-voor-founders/","weight":1,"locales":["en","nl"],"id":"article:calibrate-meaning|references|article:calibration-techniques-for-founders"},{"source":"article:calibrate-meaning","target":"article:what-is-calibration","relation":"references","evidence":"src/content/articles/en/calibrate-meaning.md body: /en/blog/what-calibration-means/\nsrc/content/articles/en/calibrate-meaning.md furtherReading: /en/blog/what-calibration-means/\nsrc/content/articles/en/calibrate-meaning.md sources: /en/blog/what-calibration-means/\nsrc/content/articles/nl/kalibratie-of-calibratie.md body: /nl/blog/kalibratie-betekenis/\nsrc/content/articles/nl/kalibratie-of-calibratie.md furtherReading: /nl/blog/kalibratie-betekenis/\nsrc/content/articles/nl/kalibratie-of-calibratie.md sources: /nl/blog/kalibratie-betekenis/","weight":1,"locales":["en","nl"],"id":"article:calibrate-meaning|references|article:what-is-calibration"},{"source":"article:calibrate-meaning","target":"concept:calibrate","relation":"references","evidence":"src/content/articles/en/calibrate-meaning.md body: /frameworks/calibrate/\nsrc/content/articles/en/calibrate-meaning.md furtherReading: /glossary/calibrate/\nsrc/content/articles/en/calibrate-meaning.md sources: /frameworks/calibrate/\nsrc/content/articles/nl/kalibratie-of-calibratie.md body: /nl/frameworks/calibrate/\nsrc/content/articles/nl/kalibratie-of-calibratie.md furtherReading: /nl/begrippen/calibrate/\nsrc/content/articles/nl/kalibratie-of-calibratie.md sources: /nl/frameworks/calibrate/","weight":1,"locales":["en","nl"],"id":"article:calibrate-meaning|references|concept:calibrate"},{"source":"article:calibrate-meaning","target":"volume:the-calibrated-mind","relation":"references","evidence":"src/content/articles/en/calibrate-meaning.md body: /books/the-calibrated-mind/\nsrc/content/articles/en/calibrate-meaning.md furtherReading: /books/the-calibrated-mind/\nsrc/content/articles/en/calibrate-meaning.md sources: /books/the-calibrated-mind/\nsrc/content/articles/nl/kalibratie-of-calibratie.md body: /boeken/the-calibrated-mind/\nsrc/content/articles/nl/kalibratie-of-calibratie.md furtherReading: /boeken/the-calibrated-mind/\nsrc/content/articles/nl/kalibratie-of-calibratie.md sources: /boeken/the-calibrated-mind/","weight":1,"locales":["en","nl"],"id":"article:calibrate-meaning|references|volume:the-calibrated-mind"},{"source":"article:calibrate-meaning","target":"article:calibration-techniques-for-founders","relation":"related","evidence":"src/content/articles/en/calibrate-meaning.md relatedArticleIds: a034dc9c-a1d8-4457-9691-7779f43e086c\nsrc/content/articles/nl/kalibratie-of-calibratie.md relatedArticleIds: 6db60505-4d3f-4571-85dd-2b80d57bfc37","weight":2,"locales":["en","nl"],"id":"article:calibrate-meaning|related|article:calibration-techniques-for-founders"},{"source":"article:calibrate-meaning","target":"article:what-is-calibration","relation":"related","evidence":"src/content/articles/en/calibrate-meaning.md relatedArticleIds: 53cf98be-8558-4cb5-8cbb-aade6be6b48c\nsrc/content/articles/nl/kalibratie-of-calibratie.md relatedArticleIds: 808eb9bd-8fdf-4181-a5a3-ef319520963a","weight":2,"locales":["en","nl"],"id":"article:calibrate-meaning|related|article:what-is-calibration"},{"source":"article:calibration-techniques-for-founders","target":"concept:calibrate","relation":"discusses","evidence":"src/content/articles/en/calibration-techniques-for-founders.md glossary: CALIBRATE\nsrc/content/articles/nl/kalibratietechnieken-voor-founders.md glossary: CALIBRATE","weight":1.5,"locales":["en","nl"],"id":"article:calibration-techniques-for-founders|discusses|concept:calibrate"},{"source":"article:calibration-techniques-for-founders","target":"concept:tag:ai-agents","relation":"discusses","evidence":"src/content/articles/en/calibration-techniques-for-founders.md tags: ai-agents\nsrc/content/articles/nl/kalibratietechnieken-voor-founders.md tags: ai-agents","weight":1.5,"locales":["en","nl"],"id":"article:calibration-techniques-for-founders|discusses|concept:tag:ai-agents"},{"source":"article:calibration-techniques-for-founders","target":"article:evaluate-reasoning-not-fluency","relation":"references","evidence":"src/content/articles/en/calibration-techniques-for-founders.md body: /en/blog/evaluate-reasoning-not-fluency/\nsrc/content/articles/en/calibration-techniques-for-founders.md sources: /en/blog/evaluate-reasoning-not-fluency/\nsrc/content/articles/nl/kalibratietechnieken-voor-founders.md body: /nl/blog/evalueer-de-redenering-niet-de-vloeiendheid/\nsrc/content/articles/nl/kalibratietechnieken-voor-founders.md sources: /nl/blog/evalueer-de-redenering-niet-de-vloeiendheid/","weight":1,"locales":["en","nl"],"id":"article:calibration-techniques-for-founders|references|article:evaluate-reasoning-not-fluency"},{"source":"article:calibration-techniques-for-founders","target":"article:five-line-decision-journal","relation":"references","evidence":"src/content/articles/en/calibration-techniques-for-founders.md body: /en/blog/five-line-decision-journal/\nsrc/content/articles/en/calibration-techniques-for-founders.md furtherReading: /en/blog/five-line-decision-journal/\nsrc/content/articles/en/calibration-techniques-for-founders.md sources: /en/blog/five-line-decision-journal/\nsrc/content/articles/nl/kalibratietechnieken-voor-founders.md body: /nl/blog/beslissingsdagboek-in-vijf-regels/\nsrc/content/articles/nl/kalibratietechnieken-voor-founders.md furtherReading: /nl/blog/beslissingsdagboek-in-vijf-regels/\nsrc/content/articles/nl/kalibratietechnieken-voor-founders.md sources: /nl/blog/beslissingsdagboek-in-vijf-regels/","weight":1,"locales":["en","nl"],"id":"article:calibration-techniques-for-founders|references|article:five-line-decision-journal"},{"source":"article:calibration-techniques-for-founders","target":"article:what-is-calibration","relation":"references","evidence":"src/content/articles/en/calibration-techniques-for-founders.md body: /en/blog/what-calibration-means/\nsrc/content/articles/en/calibration-techniques-for-founders.md furtherReading: /en/blog/what-calibration-means/\nsrc/content/articles/en/calibration-techniques-for-founders.md sources: /en/blog/what-calibration-means/\nsrc/content/articles/nl/kalibratietechnieken-voor-founders.md body: /nl/blog/kalibratie-betekenis/\nsrc/content/articles/nl/kalibratietechnieken-voor-founders.md furtherReading: /nl/blog/kalibratie-betekenis/\nsrc/content/articles/nl/kalibratietechnieken-voor-founders.md sources: /nl/blog/kalibratie-betekenis/","weight":1,"locales":["en","nl"],"id":"article:calibration-techniques-for-founders|references|article:what-is-calibration"},{"source":"article:calibration-techniques-for-founders","target":"concept:calibrate","relation":"references","evidence":"src/content/articles/en/calibration-techniques-for-founders.md body: /glossary/calibrate/\nsrc/content/articles/en/calibration-techniques-for-founders.md furtherReading: /glossary/calibrate/\nsrc/content/articles/en/calibration-techniques-for-founders.md sources: /glossary/calibrate/\nsrc/content/articles/nl/kalibratietechnieken-voor-founders.md body: /nl/begrippen/calibrate/\nsrc/content/articles/nl/kalibratietechnieken-voor-founders.md furtherReading: /nl/begrippen/calibrate/\nsrc/content/articles/nl/kalibratietechnieken-voor-founders.md sources: /nl/begrippen/calibrate/","weight":1,"locales":["en","nl"],"id":"article:calibration-techniques-for-founders|references|concept:calibrate"},{"source":"article:calibration-techniques-for-founders","target":"volume:the-calibrated-mind","relation":"references","evidence":"src/content/articles/en/calibration-techniques-for-founders.md body: /books/the-calibrated-mind/\nsrc/content/articles/en/calibration-techniques-for-founders.md furtherReading: /books/the-calibrated-mind/\nsrc/content/articles/en/calibration-techniques-for-founders.md sources: /books/the-calibrated-mind/\nsrc/content/articles/nl/kalibratietechnieken-voor-founders.md body: /boeken/the-calibrated-mind/\nsrc/content/articles/nl/kalibratietechnieken-voor-founders.md furtherReading: /boeken/the-calibrated-mind/\nsrc/content/articles/nl/kalibratietechnieken-voor-founders.md sources: /boeken/the-calibrated-mind/","weight":1,"locales":["en","nl"],"id":"article:calibration-techniques-for-founders|references|volume:the-calibrated-mind"},{"source":"article:calibration-techniques-for-founders","target":"article:evaluate-reasoning-not-fluency","relation":"related","evidence":"src/content/articles/en/calibration-techniques-for-founders.md relatedArticleIds: f14281cc-3a68-4987-ade4-9c6fdad3acc5\nsrc/content/articles/nl/kalibratietechnieken-voor-founders.md relatedArticleIds: f14281cc-3a68-4987-ade4-9c6fdad3acc5","weight":2,"locales":["en","nl"],"id":"article:calibration-techniques-for-founders|related|article:evaluate-reasoning-not-fluency"},{"source":"article:calibration-techniques-for-founders","target":"article:five-line-decision-journal","relation":"related","evidence":"src/content/articles/en/calibration-techniques-for-founders.md relatedArticleIds: f31e19ad-3342-4cb5-9598-7c2cc780e72a\nsrc/content/articles/nl/kalibratietechnieken-voor-founders.md relatedArticleIds: f31e19ad-3342-4cb5-9598-7c2cc780e72a","weight":2,"locales":["en","nl"],"id":"article:calibration-techniques-for-founders|related|article:five-line-decision-journal"},{"source":"article:calibration-techniques-for-founders","target":"article:what-is-calibration","relation":"related","evidence":"src/content/articles/en/calibration-techniques-for-founders.md relatedArticleIds: 53cf98be-8558-4cb5-8cbb-aade6be6b48c\nsrc/content/articles/nl/kalibratietechnieken-voor-founders.md relatedArticleIds: 53cf98be-8558-4cb5-8cbb-aade6be6b48c","weight":2,"locales":["en","nl"],"id":"article:calibration-techniques-for-founders|related|article:what-is-calibration"},{"source":"article:chatgpt-mentions-vs-citations","target":"concept:aeo","relation":"discusses","evidence":"src/content/articles/en/chatgpt-mentions-vs-citations.md tags: aeo\nsrc/content/articles/nl/chatgpt-vermeldingen.md tags: aeo","weight":1.5,"locales":["en","nl"],"id":"article:chatgpt-mentions-vs-citations|discusses|concept:aeo"},{"source":"article:chatgpt-mentions-vs-citations","target":"concept:citation","relation":"discusses","evidence":"src/content/articles/en/chatgpt-mentions-vs-citations.md glossary: CITATION\nsrc/content/articles/nl/chatgpt-vermeldingen.md glossary: CITATION","weight":1.5,"locales":["en","nl"],"id":"article:chatgpt-mentions-vs-citations|discusses|concept:citation"},{"source":"article:chatgpt-mentions-vs-citations","target":"concept:geo","relation":"discusses","evidence":"src/content/articles/en/chatgpt-mentions-vs-citations.md tags: geo\nsrc/content/articles/nl/chatgpt-vermeldingen.md tags: geo","weight":1.5,"locales":["en","nl"],"id":"article:chatgpt-mentions-vs-citations|discusses|concept:geo"},{"source":"article:chatgpt-mentions-vs-citations","target":"article:how-to-get-cited-2026","relation":"references","evidence":"src/content/articles/en/chatgpt-mentions-vs-citations.md body: /en/blog/how-to-get-cited-2026/\nsrc/content/articles/en/chatgpt-mentions-vs-citations.md furtherReading: /en/blog/how-to-get-cited-2026/\nsrc/content/articles/en/chatgpt-mentions-vs-citations.md sources: /en/blog/how-to-get-cited-2026/\nsrc/content/articles/nl/chatgpt-vermeldingen.md body: /nl/blog/hoe-je-geciteerd-wordt-2026/\nsrc/content/articles/nl/chatgpt-vermeldingen.md furtherReading: /nl/blog/hoe-je-geciteerd-wordt-2026/\nsrc/content/articles/nl/chatgpt-vermeldingen.md sources: /nl/blog/hoe-je-geciteerd-wordt-2026/","weight":1,"locales":["en","nl"],"id":"article:chatgpt-mentions-vs-citations|references|article:how-to-get-cited-2026"},{"source":"article:chatgpt-mentions-vs-citations","target":"article:what-is-an-evidence-ledger","relation":"references","evidence":"src/content/articles/en/chatgpt-mentions-vs-citations.md body: /en/blog/what-is-an-evidence-ledger/\nsrc/content/articles/en/chatgpt-mentions-vs-citations.md sources: /en/blog/what-is-an-evidence-ledger/\nsrc/content/articles/nl/chatgpt-vermeldingen.md body: /nl/blog/wat-is-een-bewijsregister/\nsrc/content/articles/nl/chatgpt-vermeldingen.md sources: /nl/blog/wat-is-een-bewijsregister/","weight":1,"locales":["en","nl"],"id":"article:chatgpt-mentions-vs-citations|references|article:what-is-an-evidence-ledger"},{"source":"article:chatgpt-mentions-vs-citations","target":"article:why-chatgpt-does-not-name-you","relation":"references","evidence":"src/content/articles/en/chatgpt-mentions-vs-citations.md body: /en/blog/why-chatgpt-does-not-name-you/\nsrc/content/articles/en/chatgpt-mentions-vs-citations.md furtherReading: /en/blog/why-chatgpt-does-not-name-you/\nsrc/content/articles/en/chatgpt-mentions-vs-citations.md sources: /en/blog/why-chatgpt-does-not-name-you/\nsrc/content/articles/nl/chatgpt-vermeldingen.md body: /nl/blog/waarom-word-ik-niet-genoemd-in-chatgpt/\nsrc/content/articles/nl/chatgpt-vermeldingen.md furtherReading: /nl/blog/waarom-word-ik-niet-genoemd-in-chatgpt/\nsrc/content/articles/nl/chatgpt-vermeldingen.md sources: /nl/blog/waarom-word-ik-niet-genoemd-in-chatgpt/","weight":1,"locales":["en","nl"],"id":"article:chatgpt-mentions-vs-citations|references|article:why-chatgpt-does-not-name-you"},{"source":"article:chatgpt-mentions-vs-citations","target":"concept:citation","relation":"references","evidence":"src/content/articles/en/chatgpt-mentions-vs-citations.md body: /glossary/citation/\nsrc/content/articles/en/chatgpt-mentions-vs-citations.md furtherReading: /glossary/citation/\nsrc/content/articles/en/chatgpt-mentions-vs-citations.md sources: /glossary/citation/\nsrc/content/articles/nl/chatgpt-vermeldingen.md body: /nl/begrippen/citation/\nsrc/content/articles/nl/chatgpt-vermeldingen.md furtherReading: /nl/begrippen/citation/\nsrc/content/articles/nl/chatgpt-vermeldingen.md sources: /nl/begrippen/citation/","weight":1,"locales":["en","nl"],"id":"article:chatgpt-mentions-vs-citations|references|concept:citation"},{"source":"article:chatgpt-mentions-vs-citations","target":"volume:the-findability-engine","relation":"references","evidence":"src/content/articles/en/chatgpt-mentions-vs-citations.md body: /books/the-findability-engine/\nsrc/content/articles/en/chatgpt-mentions-vs-citations.md sources: /books/the-findability-engine/\nsrc/content/articles/nl/chatgpt-vermeldingen.md body: /boeken/the-findability-engine/\nsrc/content/articles/nl/chatgpt-vermeldingen.md sources: /boeken/the-findability-engine/","weight":1,"locales":["en","nl"],"id":"article:chatgpt-mentions-vs-citations|references|volume:the-findability-engine"},{"source":"article:chatgpt-mentions-vs-citations","target":"article:how-to-get-cited-2026","relation":"related","evidence":"src/content/articles/en/chatgpt-mentions-vs-citations.md relatedArticleIds: 030afe30-fce7-41d2-b1a4-798d4e2c8048\nsrc/content/articles/nl/chatgpt-vermeldingen.md relatedArticleIds: 030afe30-fce7-41d2-b1a4-798d4e2c8048","weight":2,"locales":["en","nl"],"id":"article:chatgpt-mentions-vs-citations|related|article:how-to-get-cited-2026"},{"source":"article:chatgpt-mentions-vs-citations","target":"article:what-is-an-evidence-ledger","relation":"related","evidence":"src/content/articles/en/chatgpt-mentions-vs-citations.md relatedArticleIds: e38dcaa3-9ba5-4ffd-af9d-ec5437c129d9\nsrc/content/articles/nl/chatgpt-vermeldingen.md relatedArticleIds: e38dcaa3-9ba5-4ffd-af9d-ec5437c129d9","weight":2,"locales":["en","nl"],"id":"article:chatgpt-mentions-vs-citations|related|article:what-is-an-evidence-ledger"},{"source":"article:chatgpt-mentions-vs-citations","target":"article:why-chatgpt-does-not-name-you","relation":"related","evidence":"src/content/articles/en/chatgpt-mentions-vs-citations.md relatedArticleIds: 577a8046-863e-4a77-aa77-60d4f1aec34b\nsrc/content/articles/nl/chatgpt-vermeldingen.md relatedArticleIds: 577a8046-863e-4a77-aa77-60d4f1aec34b","weight":2,"locales":["en","nl"],"id":"article:chatgpt-mentions-vs-citations|related|article:why-chatgpt-does-not-name-you"},{"source":"article:chorus-name-collision","target":"concept:chorus","relation":"discusses","evidence":"src/content/articles/en/chorus-name-collision.md glossary: CHORUS\nsrc/content/articles/en/chorus-name-collision.md tags: chorus\nsrc/content/articles/nl/chorus-naamcollision.md glossary: CHORUS\nsrc/content/articles/nl/chorus-naamcollision.md tags: chorus","weight":1.5,"locales":["en","nl"],"id":"article:chorus-name-collision|discusses|concept:chorus"},{"source":"article:chorus-name-collision","target":"concept:mcp","relation":"discusses","evidence":"src/content/articles/en/chorus-name-collision.md glossary: MCP\nsrc/content/articles/nl/chorus-naamcollision.md glossary: MCP","weight":1.5,"locales":["en","nl"],"id":"article:chorus-name-collision|discusses|concept:mcp"},{"source":"article:chorus-name-collision","target":"article:what-is-an-ai-agent-charter","relation":"references","evidence":"src/content/articles/en/chorus-name-collision.md body: /en/blog/what-is-an-ai-agent-charter/\nsrc/content/articles/nl/chorus-naamcollision.md body: /nl/blog/wat-is-een-ai-agent-charter/","weight":1,"locales":["en","nl"],"id":"article:chorus-name-collision|references|article:what-is-an-ai-agent-charter"},{"source":"article:chorus-name-collision","target":"article:what-is-chorus","relation":"references","evidence":"src/content/articles/en/chorus-name-collision.md body: /en/blog/what-is-chorus/\nsrc/content/articles/en/chorus-name-collision.md furtherReading: /en/blog/what-is-chorus/\nsrc/content/articles/en/chorus-name-collision.md sources: /en/blog/what-is-chorus/\nsrc/content/articles/nl/chorus-naamcollision.md body: /nl/blog/wat-is-chorus/\nsrc/content/articles/nl/chorus-naamcollision.md furtherReading: /nl/blog/wat-is-chorus/\nsrc/content/articles/nl/chorus-naamcollision.md sources: /nl/blog/wat-is-chorus/","weight":1,"locales":["en","nl"],"id":"article:chorus-name-collision|references|article:what-is-chorus"},{"source":"article:chorus-name-collision","target":"article:why-multi-agent-systems-fail","relation":"references","evidence":"src/content/articles/en/chorus-name-collision.md body: /en/blog/why-multi-agent-systems-fail/\nsrc/content/articles/en/chorus-name-collision.md sources: /en/blog/why-multi-agent-systems-fail/\nsrc/content/articles/nl/chorus-naamcollision.md body: /nl/blog/waarom-multi-agent-systemen-falen/\nsrc/content/articles/nl/chorus-naamcollision.md sources: /nl/blog/waarom-multi-agent-systemen-falen/","weight":1,"locales":["en","nl"],"id":"article:chorus-name-collision|references|article:why-multi-agent-systems-fail"},{"source":"article:chorus-name-collision","target":"concept:chorus","relation":"references","evidence":"src/content/articles/en/chorus-name-collision.md body: /frameworks/chorus/\nsrc/content/articles/en/chorus-name-collision.md furtherReading: /frameworks/chorus/\nsrc/content/articles/en/chorus-name-collision.md sources: /frameworks/chorus/\nsrc/content/articles/nl/chorus-naamcollision.md body: /nl/frameworks/chorus/\nsrc/content/articles/nl/chorus-naamcollision.md furtherReading: /nl/frameworks/chorus/\nsrc/content/articles/nl/chorus-naamcollision.md sources: /nl/frameworks/chorus/","weight":1,"locales":["en","nl"],"id":"article:chorus-name-collision|references|concept:chorus"},{"source":"article:chorus-name-collision","target":"concept:mcp","relation":"references","evidence":"src/content/articles/en/chorus-name-collision.md body: /glossary/mcp/\nsrc/content/articles/nl/chorus-naamcollision.md body: /nl/begrippen/mcp/","weight":1,"locales":["en","nl"],"id":"article:chorus-name-collision|references|concept:mcp"},{"source":"article:chorus-name-collision","target":"volume:multi-agent-organization","relation":"references","evidence":"src/content/articles/en/chorus-name-collision.md body: /books/multi-agent-organization/\nsrc/content/articles/en/chorus-name-collision.md furtherReading: /books/multi-agent-organization/\nsrc/content/articles/en/chorus-name-collision.md sources: /books/multi-agent-organization/\nsrc/content/articles/nl/chorus-naamcollision.md body: /boeken/multi-agent-organization/\nsrc/content/articles/nl/chorus-naamcollision.md furtherReading: /boeken/multi-agent-organization/\nsrc/content/articles/nl/chorus-naamcollision.md sources: /boeken/multi-agent-organization/","weight":1,"locales":["en","nl"],"id":"article:chorus-name-collision|references|volume:multi-agent-organization"},{"source":"article:chorus-name-collision","target":"article:the-multi-agent-organization-introduction","relation":"related","evidence":"src/content/articles/en/chorus-name-collision.md relatedArticleIds: 72b004e7-b895-4bc3-84bf-ef212460c826\nsrc/content/articles/nl/chorus-naamcollision.md relatedArticleIds: 59f2cfe0-8eca-454e-b80f-b2e2d1914df7","weight":2,"locales":["en","nl"],"id":"article:chorus-name-collision|related|article:the-multi-agent-organization-introduction"},{"source":"article:chorus-name-collision","target":"article:what-is-chorus","relation":"related","evidence":"src/content/articles/en/chorus-name-collision.md relatedArticleIds: f2c09cfd-898d-478d-84f2-dbaaa861097b\nsrc/content/articles/nl/chorus-naamcollision.md relatedArticleIds: ac971734-8cf2-4a57-adf4-f7cf2182b1ca","weight":2,"locales":["en","nl"],"id":"article:chorus-name-collision|related|article:what-is-chorus"},{"source":"article:chorus-name-collision","target":"article:why-multi-agent-systems-fail","relation":"related","evidence":"src/content/articles/en/chorus-name-collision.md relatedArticleIds: ac288a9d-bf78-42af-934d-f2762b095752\nsrc/content/articles/nl/chorus-naamcollision.md relatedArticleIds: af21b996-681d-42a7-b5e1-5ae6020ad59c","weight":2,"locales":["en","nl"],"id":"article:chorus-name-collision|related|article:why-multi-agent-systems-fail"},{"source":"article:cialdini-in-the-funnel","target":"concept:tag:marketing","relation":"discusses","evidence":"src/content/articles/en/cialdini-in-the-funnel.md tags: marketing\nsrc/content/articles/nl/cialdini-in-de-funnel.md tags: marketing","weight":1.5,"locales":["en","nl"],"id":"article:cialdini-in-the-funnel|discusses|concept:tag:marketing"},{"source":"article:cialdini-in-the-funnel","target":"article:honest-conversion-systems","relation":"references","evidence":"src/content/articles/en/cialdini-in-the-funnel.md body: /en/blog/conversion-systems-that-stay-honest/\nsrc/content/articles/en/cialdini-in-the-funnel.md furtherReading: /en/blog/conversion-systems-that-stay-honest/\nsrc/content/articles/en/cialdini-in-the-funnel.md sources: /en/blog/conversion-systems-that-stay-honest/\nsrc/content/articles/nl/cialdini-in-de-funnel.md body: /nl/blog/conversiesystemen-die-eerlijk-blijven/\nsrc/content/articles/nl/cialdini-in-de-funnel.md furtherReading: /nl/blog/conversiesystemen-die-eerlijk-blijven/\nsrc/content/articles/nl/cialdini-in-de-funnel.md sources: /nl/blog/conversiesystemen-die-eerlijk-blijven/","weight":1,"locales":["en","nl"],"id":"article:cialdini-in-the-funnel|references|article:honest-conversion-systems"},{"source":"article:cialdini-in-the-funnel","target":"article:positioning-as-a-decision","relation":"references","evidence":"src/content/articles/en/cialdini-in-the-funnel.md body: /en/blog/positioning-is-a-decision/\nsrc/content/articles/en/cialdini-in-the-funnel.md furtherReading: /en/blog/positioning-is-a-decision/\nsrc/content/articles/en/cialdini-in-the-funnel.md sources: /en/blog/positioning-is-a-decision/\nsrc/content/articles/nl/cialdini-in-de-funnel.md body: /nl/blog/positionering-is-een-besluit/\nsrc/content/articles/nl/cialdini-in-de-funnel.md furtherReading: /nl/blog/positionering-is-een-besluit/\nsrc/content/articles/nl/cialdini-in-de-funnel.md sources: /nl/blog/positionering-is-een-besluit/","weight":1,"locales":["en","nl"],"id":"article:cialdini-in-the-funnel|references|article:positioning-as-a-decision"},{"source":"article:cialdini-in-the-funnel","target":"volume:marketing-without-manipulation","relation":"references","evidence":"src/content/articles/en/cialdini-in-the-funnel.md body: /books/marketing-without-manipulation/\nsrc/content/articles/en/cialdini-in-the-funnel.md furtherReading: /books/marketing-without-manipulation/\nsrc/content/articles/en/cialdini-in-the-funnel.md sources: /books/marketing-without-manipulation/\nsrc/content/articles/nl/cialdini-in-de-funnel.md body: /boeken/marketing-without-manipulation/\nsrc/content/articles/nl/cialdini-in-de-funnel.md furtherReading: /boeken/marketing-without-manipulation/\nsrc/content/articles/nl/cialdini-in-de-funnel.md sources: /boeken/marketing-without-manipulation/","weight":1,"locales":["en","nl"],"id":"article:cialdini-in-the-funnel|references|volume:marketing-without-manipulation"},{"source":"article:cialdini-in-the-funnel","target":"volume:the-founder-sales-system","relation":"references","evidence":"src/content/articles/en/cialdini-in-the-funnel.md body: /books/the-founder-sales-system/\nsrc/content/articles/en/cialdini-in-the-funnel.md furtherReading: /books/the-founder-sales-system/\nsrc/content/articles/en/cialdini-in-the-funnel.md sources: /books/the-founder-sales-system/\nsrc/content/articles/nl/cialdini-in-de-funnel.md body: /boeken/the-founder-sales-system/\nsrc/content/articles/nl/cialdini-in-de-funnel.md furtherReading: /boeken/the-founder-sales-system/\nsrc/content/articles/nl/cialdini-in-de-funnel.md sources: /boeken/the-founder-sales-system/","weight":1,"locales":["en","nl"],"id":"article:cialdini-in-the-funnel|references|volume:the-founder-sales-system"},{"source":"article:cialdini-in-the-funnel","target":"article:honest-conversion-systems","relation":"related","evidence":"src/content/articles/en/cialdini-in-the-funnel.md relatedArticleIds: f61bd372-6050-4346-9ea8-c495d6924141\nsrc/content/articles/nl/cialdini-in-de-funnel.md relatedArticleIds: f61bd372-6050-4346-9ea8-c495d6924141","weight":2,"locales":["en","nl"],"id":"article:cialdini-in-the-funnel|related|article:honest-conversion-systems"},{"source":"article:cialdini-in-the-funnel","target":"article:positioning-as-a-decision","relation":"related","evidence":"src/content/articles/en/cialdini-in-the-funnel.md relatedArticleIds: 07f2a22d-11bf-4a74-86f2-c96c8ed80419\nsrc/content/articles/nl/cialdini-in-de-funnel.md relatedArticleIds: 07f2a22d-11bf-4a74-86f2-c96c8ed80419","weight":2,"locales":["en","nl"],"id":"article:cialdini-in-the-funnel|related|article:positioning-as-a-decision"},{"source":"article:cialdini-in-the-funnel","target":"volume:marketing-without-manipulation","relation":"related","evidence":"src/data/site-link-graph.ts: cialdini-in-the-funnel books","weight":2,"locales":["en","nl"],"id":"article:cialdini-in-the-funnel|related|volume:marketing-without-manipulation"},{"source":"article:cialdini-in-the-funnel","target":"volume:the-founder-sales-system","relation":"related","evidence":"src/data/site-link-graph.ts: cialdini-in-the-funnel books","weight":2,"locales":["en","nl"],"id":"article:cialdini-in-the-funnel|related|volume:the-founder-sales-system"},{"source":"article:citation-measurement-log","target":"concept:aeo","relation":"discusses","evidence":"src/content/articles/en/citation-measurement-log.md tags: aeo\nsrc/content/articles/nl/citatie-meetlog.md tags: aeo","weight":1.5,"locales":["en","nl"],"id":"article:citation-measurement-log|discusses|concept:aeo"},{"source":"article:citation-measurement-log","target":"concept:citation","relation":"discusses","evidence":"src/content/articles/en/citation-measurement-log.md glossary: citation","weight":1.5,"locales":["en"],"id":"article:citation-measurement-log|discusses|concept:citation"},{"source":"article:citation-measurement-log","target":"concept:geo","relation":"discusses","evidence":"src/content/articles/en/citation-measurement-log.md tags: geo\nsrc/content/articles/nl/citatie-meetlog.md tags: geo","weight":1.5,"locales":["en","nl"],"id":"article:citation-measurement-log|discusses|concept:geo"},{"source":"article:citation-measurement-log","target":"article:chatgpt-mentions-vs-citations","relation":"references","evidence":"src/content/articles/en/citation-measurement-log.md body: /en/blog/chatgpt-mentions-vs-citations/\nsrc/content/articles/en/citation-measurement-log.md furtherReading: /en/blog/chatgpt-mentions-vs-citations/\nsrc/content/articles/en/citation-measurement-log.md sources: /en/blog/chatgpt-mentions-vs-citations/\nsrc/content/articles/nl/citatie-meetlog.md body: /nl/blog/chatgpt-vermeldingen/\nsrc/content/articles/nl/citatie-meetlog.md furtherReading: /nl/blog/chatgpt-vermeldingen/\nsrc/content/articles/nl/citatie-meetlog.md sources: /nl/blog/chatgpt-vermeldingen/","weight":1,"locales":["en","nl"],"id":"article:citation-measurement-log|references|article:chatgpt-mentions-vs-citations"},{"source":"article:citation-measurement-log","target":"article:citation-readiness-audit","relation":"references","evidence":"src/content/articles/en/citation-measurement-log.md body: /en/blog/citation-readiness-audit/\nsrc/content/articles/en/citation-measurement-log.md furtherReading: /en/blog/citation-readiness-audit/\nsrc/content/articles/en/citation-measurement-log.md sources: /en/blog/citation-readiness-audit/\nsrc/content/articles/nl/citatie-meetlog.md body: /nl/blog/citatiegereedheid-audit/\nsrc/content/articles/nl/citatie-meetlog.md furtherReading: /nl/blog/citatiegereedheid-audit/\nsrc/content/articles/nl/citatie-meetlog.md sources: /nl/blog/citatiegereedheid-audit/","weight":1,"locales":["en","nl"],"id":"article:citation-measurement-log|references|article:citation-readiness-audit"},{"source":"article:citation-measurement-log","target":"article:how-to-get-cited-2026","relation":"references","evidence":"src/content/articles/en/citation-measurement-log.md furtherReading: /en/blog/how-to-get-cited-2026/\nsrc/content/articles/nl/citatie-meetlog.md furtherReading: /nl/blog/hoe-je-geciteerd-wordt-2026/","weight":1,"locales":["en","nl"],"id":"article:citation-measurement-log|references|article:how-to-get-cited-2026"},{"source":"article:citation-measurement-log","target":"article:why-chatgpt-does-not-name-you","relation":"references","evidence":"src/content/articles/en/citation-measurement-log.md body: /en/blog/why-chatgpt-does-not-name-you/\nsrc/content/articles/en/citation-measurement-log.md furtherReading: /en/blog/why-chatgpt-does-not-name-you/\nsrc/content/articles/en/citation-measurement-log.md sources: /en/blog/why-chatgpt-does-not-name-you/\nsrc/content/articles/nl/citatie-meetlog.md body: /nl/blog/waarom-word-ik-niet-genoemd-in-chatgpt/\nsrc/content/articles/nl/citatie-meetlog.md furtherReading: /nl/blog/waarom-word-ik-niet-genoemd-in-chatgpt/\nsrc/content/articles/nl/citatie-meetlog.md sources: /nl/blog/waarom-word-ik-niet-genoemd-in-chatgpt/","weight":1,"locales":["en","nl"],"id":"article:citation-measurement-log|references|article:why-chatgpt-does-not-name-you"},{"source":"article:citation-measurement-log","target":"volume:the-findability-engine","relation":"references","evidence":"src/content/articles/en/citation-measurement-log.md body: /books/the-findability-engine/\nsrc/content/articles/en/citation-measurement-log.md sources: /books/the-findability-engine/\nsrc/content/articles/nl/citatie-meetlog.md body: /boeken/the-findability-engine/\nsrc/content/articles/nl/citatie-meetlog.md sources: /boeken/the-findability-engine/","weight":1,"locales":["en","nl"],"id":"article:citation-measurement-log|references|volume:the-findability-engine"},{"source":"article:citation-measurement-log","target":"article:answer-engine-citations","relation":"related","evidence":"src/content/articles/en/citation-measurement-log.md relatedArticleIds: 018f6f0d-4aa1-7d2e-9c8e-f57fc6f5d100\nsrc/content/articles/nl/citatie-meetlog.md relatedArticleIds: 018f6f0d-4aa1-7d2e-9c8e-f57fc6f5d101","weight":2,"locales":["en","nl"],"id":"article:citation-measurement-log|related|article:answer-engine-citations"},{"source":"article:citation-measurement-log","target":"article:chatgpt-mentions-vs-citations","relation":"related","evidence":"src/content/articles/en/citation-measurement-log.md relatedArticleIds: 59888eec-54a6-4be0-b4d7-948fcc0e104d\nsrc/content/articles/nl/citatie-meetlog.md relatedArticleIds: 327dc50c-ec13-4bc3-a3cf-d74c2882b204","weight":2,"locales":["en","nl"],"id":"article:citation-measurement-log|related|article:chatgpt-mentions-vs-citations"},{"source":"article:citation-measurement-log","target":"article:citation-readiness-audit","relation":"related","evidence":"src/content/articles/en/citation-measurement-log.md relatedArticleIds: 3a31cc51-f1d5-4daa-a4bc-7d8b306e164f\nsrc/content/articles/nl/citatie-meetlog.md relatedArticleIds: f0568450-67cc-450c-91c3-8823ff274955","weight":2,"locales":["en","nl"],"id":"article:citation-measurement-log|related|article:citation-readiness-audit"},{"source":"article:citation-measurement-log","target":"article:how-to-get-cited-2026","relation":"related","evidence":"src/content/articles/en/citation-measurement-log.md relatedArticleIds: 030afe30-fce7-41d2-b1a4-798d4e2c8048\nsrc/content/articles/nl/citatie-meetlog.md relatedArticleIds: 17e6870e-9fb1-4d0c-8399-17c18bd3f9b3","weight":2,"locales":["en","nl"],"id":"article:citation-measurement-log|related|article:how-to-get-cited-2026"},{"source":"article:citation-measurement-log","target":"article:why-chatgpt-does-not-name-you","relation":"related","evidence":"src/content/articles/en/citation-measurement-log.md relatedArticleIds: 577a8046-863e-4a77-aa77-60d4f1aec34b\nsrc/content/articles/nl/citatie-meetlog.md relatedArticleIds: 4202e084-f77c-4572-ab7b-893c45f317fc","weight":2,"locales":["en","nl"],"id":"article:citation-measurement-log|related|article:why-chatgpt-does-not-name-you"},{"source":"article:citation-readiness-audit","target":"concept:aeo","relation":"discusses","evidence":"src/content/articles/en/citation-readiness-audit.md glossary: AEO\nsrc/content/articles/en/citation-readiness-audit.md tags: aeo\nsrc/content/articles/nl/citatiegereedheid-audit.md glossary: AEO\nsrc/content/articles/nl/citatiegereedheid-audit.md tags: aeo","weight":1.5,"locales":["en","nl"],"id":"article:citation-readiness-audit|discusses|concept:aeo"},{"source":"article:citation-readiness-audit","target":"concept:citation","relation":"discusses","evidence":"src/content/articles/en/citation-readiness-audit.md glossary: CITATION\nsrc/content/articles/nl/citatiegereedheid-audit.md glossary: CITATION","weight":1.5,"locales":["en","nl"],"id":"article:citation-readiness-audit|discusses|concept:citation"},{"source":"article:citation-readiness-audit","target":"concept:geo","relation":"discusses","evidence":"src/content/articles/en/citation-readiness-audit.md tags: geo\nsrc/content/articles/nl/citatiegereedheid-audit.md tags: geo","weight":1.5,"locales":["en","nl"],"id":"article:citation-readiness-audit|discusses|concept:geo"},{"source":"article:citation-readiness-audit","target":"article:answer-engine-citations","relation":"references","evidence":"src/content/articles/en/citation-readiness-audit.md sources: /en/blog/how-answer-engines-select-sources/\nsrc/content/articles/nl/citatiegereedheid-audit.md sources: /nl/blog/hoe-antwoordmachines-bronnen-selecteren/","weight":1,"locales":["en","nl"],"id":"article:citation-readiness-audit|references|article:answer-engine-citations"},{"source":"article:citation-readiness-audit","target":"article:how-to-get-cited-2026","relation":"references","evidence":"src/content/articles/en/citation-readiness-audit.md body: /en/blog/how-to-get-cited-2026/\nsrc/content/articles/en/citation-readiness-audit.md furtherReading: /en/blog/how-to-get-cited-2026/\nsrc/content/articles/en/citation-readiness-audit.md sources: /en/blog/how-to-get-cited-2026/\nsrc/content/articles/nl/citatiegereedheid-audit.md body: /nl/blog/hoe-je-geciteerd-wordt-2026/\nsrc/content/articles/nl/citatiegereedheid-audit.md furtherReading: /nl/blog/hoe-je-geciteerd-wordt-2026/\nsrc/content/articles/nl/citatiegereedheid-audit.md sources: /nl/blog/hoe-je-geciteerd-wordt-2026/","weight":1,"locales":["en","nl"],"id":"article:citation-readiness-audit|references|article:how-to-get-cited-2026"},{"source":"article:citation-readiness-audit","target":"article:why-chatgpt-does-not-name-you","relation":"references","evidence":"src/content/articles/en/citation-readiness-audit.md body: /en/blog/why-chatgpt-does-not-name-you/\nsrc/content/articles/en/citation-readiness-audit.md furtherReading: /en/blog/why-chatgpt-does-not-name-you/\nsrc/content/articles/en/citation-readiness-audit.md sources: /en/blog/why-chatgpt-does-not-name-you/\nsrc/content/articles/nl/citatiegereedheid-audit.md body: /nl/blog/waarom-word-ik-niet-genoemd-in-chatgpt/\nsrc/content/articles/nl/citatiegereedheid-audit.md furtherReading: /nl/blog/waarom-word-ik-niet-genoemd-in-chatgpt/\nsrc/content/articles/nl/citatiegereedheid-audit.md sources: /nl/blog/waarom-word-ik-niet-genoemd-in-chatgpt/","weight":1,"locales":["en","nl"],"id":"article:citation-readiness-audit|references|article:why-chatgpt-does-not-name-you"},{"source":"article:citation-readiness-audit","target":"concept:citation","relation":"references","evidence":"src/content/articles/en/citation-readiness-audit.md furtherReading: /glossary/citation/\nsrc/content/articles/en/citation-readiness-audit.md sources: /glossary/citation/\nsrc/content/articles/nl/citatiegereedheid-audit.md furtherReading: /nl/begrippen/citation/\nsrc/content/articles/nl/citatiegereedheid-audit.md sources: /nl/begrippen/citation/","weight":1,"locales":["en","nl"],"id":"article:citation-readiness-audit|references|concept:citation"},{"source":"article:citation-readiness-audit","target":"volume:the-findability-engine","relation":"references","evidence":"src/content/articles/en/citation-readiness-audit.md body: /books/the-findability-engine/\nsrc/content/articles/en/citation-readiness-audit.md sources: /books/the-findability-engine/\nsrc/content/articles/nl/citatiegereedheid-audit.md body: /boeken/the-findability-engine/\nsrc/content/articles/nl/citatiegereedheid-audit.md sources: /boeken/the-findability-engine/","weight":1,"locales":["en","nl"],"id":"article:citation-readiness-audit|references|volume:the-findability-engine"},{"source":"article:citation-readiness-audit","target":"article:answer-engine-citations","relation":"related","evidence":"src/content/articles/en/citation-readiness-audit.md relatedArticleIds: 018f6f0d-4aa1-7d2e-9c8e-f57fc6f5d100\nsrc/content/articles/nl/citatiegereedheid-audit.md relatedArticleIds: 018f6f0d-4aa1-7d2e-9c8e-f57fc6f5d100","weight":2,"locales":["en","nl"],"id":"article:citation-readiness-audit|related|article:answer-engine-citations"},{"source":"article:citation-readiness-audit","target":"article:how-to-get-cited-2026","relation":"related","evidence":"src/content/articles/en/citation-readiness-audit.md relatedArticleIds: 030afe30-fce7-41d2-b1a4-798d4e2c8048\nsrc/content/articles/nl/citatiegereedheid-audit.md relatedArticleIds: 030afe30-fce7-41d2-b1a4-798d4e2c8048","weight":2,"locales":["en","nl"],"id":"article:citation-readiness-audit|related|article:how-to-get-cited-2026"},{"source":"article:citation-readiness-audit","target":"article:why-chatgpt-does-not-name-you","relation":"related","evidence":"src/content/articles/en/citation-readiness-audit.md relatedArticleIds: 577a8046-863e-4a77-aa77-60d4f1aec34b\nsrc/content/articles/nl/citatiegereedheid-audit.md relatedArticleIds: 577a8046-863e-4a77-aa77-60d4f1aec34b","weight":2,"locales":["en","nl"],"id":"article:citation-readiness-audit|related|article:why-chatgpt-does-not-name-you"},{"source":"article:cobra-effect","target":"concept:level","relation":"discusses","evidence":"src/content/articles/en/cobra-effect.md glossary: LEVEL\nsrc/content/articles/nl/cobra-effect.md glossary: LEVEL","weight":1.5,"locales":["en","nl"],"id":"article:cobra-effect|discusses|concept:level"},{"source":"article:cobra-effect","target":"concept:tag:downstream-effects","relation":"discusses","evidence":"src/content/articles/en/cobra-effect.md tags: downstream-effects\nsrc/content/articles/nl/cobra-effect.md tags: downstream-effects","weight":1.5,"locales":["en","nl"],"id":"article:cobra-effect|discusses|concept:tag:downstream-effects"},{"source":"article:cobra-effect","target":"article:second-order-thinking-audit","relation":"references","evidence":"src/content/articles/en/cobra-effect.md body: /en/blog/second-order-thinking-audit/\nsrc/content/articles/en/cobra-effect.md furtherReading: /en/blog/second-order-thinking-audit/\nsrc/content/articles/nl/cobra-effect.md body: /nl/blog/tweede-orde-denken-audit/\nsrc/content/articles/nl/cobra-effect.md furtherReading: /nl/blog/tweede-orde-denken-audit/","weight":1,"locales":["en","nl"],"id":"article:cobra-effect|references|article:second-order-thinking-audit"},{"source":"article:cobra-effect","target":"article:what-are-downstream-effects","relation":"references","evidence":"src/content/articles/en/cobra-effect.md body: /en/blog/what-are-downstream-effects/\nsrc/content/articles/en/cobra-effect.md furtherReading: /en/blog/what-are-downstream-effects/\nsrc/content/articles/nl/cobra-effect.md body: /nl/blog/wat-zijn-stroomafwaartse-effecten/\nsrc/content/articles/nl/cobra-effect.md furtherReading: /nl/blog/wat-zijn-stroomafwaartse-effecten/","weight":1,"locales":["en","nl"],"id":"article:cobra-effect|references|article:what-are-downstream-effects"},{"source":"article:cobra-effect","target":"article:what-is-an-evidence-ledger","relation":"references","evidence":"src/content/articles/en/cobra-effect.md body: /en/blog/what-is-an-evidence-ledger/\nsrc/content/articles/nl/cobra-effect.md body: /nl/blog/wat-is-een-bewijsregister/","weight":1,"locales":["en","nl"],"id":"article:cobra-effect|references|article:what-is-an-evidence-ledger"},{"source":"article:cobra-effect","target":"concept:level","relation":"references","evidence":"src/content/articles/en/cobra-effect.md body: /frameworks/level/\nsrc/content/articles/en/cobra-effect.md furtherReading: /glossary/level/\nsrc/content/articles/en/cobra-effect.md sources: /frameworks/level/\nsrc/content/articles/nl/cobra-effect.md body: /nl/frameworks/level/\nsrc/content/articles/nl/cobra-effect.md furtherReading: /nl/begrippen/level/\nsrc/content/articles/nl/cobra-effect.md sources: /nl/frameworks/level/","weight":1,"locales":["en","nl"],"id":"article:cobra-effect|references|concept:level"},{"source":"article:cobra-effect","target":"volume:the-evidence-aware-life","relation":"references","evidence":"src/content/articles/en/cobra-effect.md body: /books/the-evidence-aware-life/\nsrc/content/articles/en/cobra-effect.md sources: /books/the-evidence-aware-life/\nsrc/content/articles/nl/cobra-effect.md body: /boeken/the-evidence-aware-life/\nsrc/content/articles/nl/cobra-effect.md sources: /boeken/the-evidence-aware-life/","weight":1,"locales":["en","nl"],"id":"article:cobra-effect|references|volume:the-evidence-aware-life"},{"source":"article:cobra-effect","target":"article:second-order-thinking-audit","relation":"related","evidence":"src/content/articles/en/cobra-effect.md relatedArticleIds: df3a0159-faba-453e-93c5-89169732c623\nsrc/content/articles/nl/cobra-effect.md relatedArticleIds: f1428c1a-7661-482e-9d0b-f400b89c3db8","weight":2,"locales":["en","nl"],"id":"article:cobra-effect|related|article:second-order-thinking-audit"},{"source":"article:cobra-effect","target":"article:what-are-downstream-effects","relation":"related","evidence":"src/content/articles/en/cobra-effect.md relatedArticleIds: f27e54d4-aff2-4361-b8a7-6396e2f7f9fe\nsrc/content/articles/nl/cobra-effect.md relatedArticleIds: b4f60d80-9a83-4dc4-83cd-9899b5f7ed90","weight":2,"locales":["en","nl"],"id":"article:cobra-effect|related|article:what-are-downstream-effects"},{"source":"article:cobra-effect","target":"article:what-is-an-evidence-ledger","relation":"related","evidence":"src/content/articles/en/cobra-effect.md relatedArticleIds: e38dcaa3-9ba5-4ffd-af9d-ec5437c129d9\nsrc/content/articles/nl/cobra-effect.md relatedArticleIds: 9c516b69-e424-47da-b512-5a4358029b44","weight":2,"locales":["en","nl"],"id":"article:cobra-effect|related|article:what-is-an-evidence-ledger"},{"source":"article:content-architecture-answer-engines","target":"concept:aeo","relation":"discusses","evidence":"src/content/articles/en/content-architecture-for-answer-engines.md glossary: AEO\nsrc/content/articles/en/content-architecture-for-answer-engines.md tags: aeo\nsrc/content/articles/nl/contentarchitectuur-voor-antwoordmachines.md glossary: AEO\nsrc/content/articles/nl/contentarchitectuur-voor-antwoordmachines.md tags: aeo","weight":1.5,"locales":["en","nl"],"id":"article:content-architecture-answer-engines|discusses|concept:aeo"},{"source":"article:content-architecture-answer-engines","target":"concept:citation","relation":"discusses","evidence":"src/content/articles/en/content-architecture-for-answer-engines.md glossary: CITATION\nsrc/content/articles/nl/contentarchitectuur-voor-antwoordmachines.md glossary: CITATION","weight":1.5,"locales":["en","nl"],"id":"article:content-architecture-answer-engines|discusses|concept:citation"},{"source":"article:content-architecture-answer-engines","target":"concept:geo","relation":"discusses","evidence":"src/content/articles/en/content-architecture-for-answer-engines.md glossary: GEO\nsrc/content/articles/en/content-architecture-for-answer-engines.md tags: geo\nsrc/content/articles/nl/contentarchitectuur-voor-antwoordmachines.md glossary: GEO\nsrc/content/articles/nl/contentarchitectuur-voor-antwoordmachines.md tags: geo","weight":1.5,"locales":["en","nl"],"id":"article:content-architecture-answer-engines|discusses|concept:geo"},{"source":"article:content-architecture-answer-engines","target":"article:answer-engine-citations","relation":"references","evidence":"src/content/articles/en/content-architecture-for-answer-engines.md body: /en/blog/how-answer-engines-select-sources/\nsrc/content/articles/en/content-architecture-for-answer-engines.md furtherReading: /en/blog/how-answer-engines-select-sources/\nsrc/content/articles/en/content-architecture-for-answer-engines.md sources: /en/blog/how-answer-engines-select-sources/\nsrc/content/articles/nl/contentarchitectuur-voor-antwoordmachines.md body: /nl/blog/hoe-antwoordmachines-bronnen-selecteren/\nsrc/content/articles/nl/contentarchitectuur-voor-antwoordmachines.md furtherReading: /nl/blog/hoe-antwoordmachines-bronnen-selecteren/\nsrc/content/articles/nl/contentarchitectuur-voor-antwoordmachines.md sources: /nl/blog/hoe-antwoordmachines-bronnen-selecteren/","weight":1,"locales":["en","nl"],"id":"article:content-architecture-answer-engines|references|article:answer-engine-citations"},{"source":"article:content-architecture-answer-engines","target":"article:what-is-an-ai-agent","relation":"references","evidence":"src/content/articles/en/content-architecture-for-answer-engines.md body: /en/blog/what-is-an-ai-agent/\nsrc/content/articles/nl/contentarchitectuur-voor-antwoordmachines.md body: /nl/blog/wat-is-een-ai-agent/","weight":1,"locales":["en","nl"],"id":"article:content-architecture-answer-engines|references|article:what-is-an-ai-agent"},{"source":"article:content-architecture-answer-engines","target":"concept:aeo","relation":"references","evidence":"src/content/articles/en/content-architecture-for-answer-engines.md body: /glossary/aeo/\nsrc/content/articles/en/content-architecture-for-answer-engines.md furtherReading: /glossary/aeo/\nsrc/content/articles/en/content-architecture-for-answer-engines.md sources: /glossary/aeo/\nsrc/content/articles/nl/contentarchitectuur-voor-antwoordmachines.md body: /nl/begrippen/aeo/\nsrc/content/articles/nl/contentarchitectuur-voor-antwoordmachines.md furtherReading: /nl/begrippen/aeo/\nsrc/content/articles/nl/contentarchitectuur-voor-antwoordmachines.md sources: /nl/begrippen/aeo/","weight":1,"locales":["en","nl"],"id":"article:content-architecture-answer-engines|references|concept:aeo"},{"source":"article:content-architecture-answer-engines","target":"concept:booksos","relation":"references","evidence":"src/content/articles/en/content-architecture-for-answer-engines.md body: /frameworks/booksos/\nsrc/content/articles/en/content-architecture-for-answer-engines.md furtherReading: /frameworks/booksos/\nsrc/content/articles/en/content-architecture-for-answer-engines.md sources: /frameworks/booksos/\nsrc/content/articles/nl/contentarchitectuur-voor-antwoordmachines.md body: /nl/frameworks/booksos/\nsrc/content/articles/nl/contentarchitectuur-voor-antwoordmachines.md furtherReading: /nl/frameworks/booksos/\nsrc/content/articles/nl/contentarchitectuur-voor-antwoordmachines.md sources: /nl/frameworks/booksos/","weight":1,"locales":["en","nl"],"id":"article:content-architecture-answer-engines|references|concept:booksos"},{"source":"article:content-architecture-answer-engines","target":"concept:citation","relation":"references","evidence":"src/content/articles/en/content-architecture-for-answer-engines.md body: /glossary/citation/\nsrc/content/articles/en/content-architecture-for-answer-engines.md furtherReading: /glossary/citation/\nsrc/content/articles/en/content-architecture-for-answer-engines.md sources: /glossary/citation/\nsrc/content/articles/nl/contentarchitectuur-voor-antwoordmachines.md body: /nl/begrippen/citation/\nsrc/content/articles/nl/contentarchitectuur-voor-antwoordmachines.md furtherReading: /nl/begrippen/citation/\nsrc/content/articles/nl/contentarchitectuur-voor-antwoordmachines.md sources: /nl/begrippen/citation/","weight":1,"locales":["en","nl"],"id":"article:content-architecture-answer-engines|references|concept:citation"},{"source":"article:content-architecture-answer-engines","target":"concept:geo","relation":"references","evidence":"src/content/articles/en/content-architecture-for-answer-engines.md body: /glossary/geo/\nsrc/content/articles/en/content-architecture-for-answer-engines.md furtherReading: /glossary/geo/\nsrc/content/articles/en/content-architecture-for-answer-engines.md sources: /glossary/geo/\nsrc/content/articles/nl/contentarchitectuur-voor-antwoordmachines.md body: /nl/begrippen/geo/\nsrc/content/articles/nl/contentarchitectuur-voor-antwoordmachines.md furtherReading: /nl/begrippen/geo/\nsrc/content/articles/nl/contentarchitectuur-voor-antwoordmachines.md sources: /nl/begrippen/geo/","weight":1,"locales":["en","nl"],"id":"article:content-architecture-answer-engines|references|concept:geo"},{"source":"article:content-architecture-answer-engines","target":"volume:the-agentic-author","relation":"references","evidence":"src/content/articles/en/content-architecture-for-answer-engines.md body: /books/the-agentic-author/\nsrc/content/articles/en/content-architecture-for-answer-engines.md furtherReading: /books/the-agentic-author/\nsrc/content/articles/en/content-architecture-for-answer-engines.md sources: /books/the-agentic-author/\nsrc/content/articles/nl/contentarchitectuur-voor-antwoordmachines.md body: /boeken/the-agentic-author/\nsrc/content/articles/nl/contentarchitectuur-voor-antwoordmachines.md furtherReading: /boeken/the-agentic-author/\nsrc/content/articles/nl/contentarchitectuur-voor-antwoordmachines.md sources: /boeken/the-agentic-author/","weight":1,"locales":["en","nl"],"id":"article:content-architecture-answer-engines|references|volume:the-agentic-author"},{"source":"article:content-architecture-answer-engines","target":"volume:the-findability-engine","relation":"references","evidence":"src/content/articles/en/content-architecture-for-answer-engines.md body: /books/the-findability-engine/\nsrc/content/articles/en/content-architecture-for-answer-engines.md furtherReading: /books/the-findability-engine/\nsrc/content/articles/en/content-architecture-for-answer-engines.md sources: /books/the-findability-engine/\nsrc/content/articles/nl/contentarchitectuur-voor-antwoordmachines.md body: /boeken/the-findability-engine/\nsrc/content/articles/nl/contentarchitectuur-voor-antwoordmachines.md furtherReading: /boeken/the-findability-engine/\nsrc/content/articles/nl/contentarchitectuur-voor-antwoordmachines.md sources: /boeken/the-findability-engine/","weight":1,"locales":["en","nl"],"id":"article:content-architecture-answer-engines|references|volume:the-findability-engine"},{"source":"article:content-architecture-answer-engines","target":"article:answer-engine-citations","relation":"related","evidence":"src/content/articles/en/content-architecture-for-answer-engines.md relatedArticleIds: 018f6f0d-4aa1-7d2e-9c8e-f57fc6f5d100\nsrc/content/articles/nl/contentarchitectuur-voor-antwoordmachines.md relatedArticleIds: 018f6f0d-4aa1-7d2e-9c8e-f57fc6f5d100","weight":2,"locales":["en","nl"],"id":"article:content-architecture-answer-engines|related|article:answer-engine-citations"},{"source":"article:content-architecture-answer-engines","target":"article:the-agentic-author-introduction","relation":"related","evidence":"src/content/articles/en/content-architecture-for-answer-engines.md relatedArticleIds: 688467da-1af1-4bf2-a780-e6a50709df63\nsrc/content/articles/nl/contentarchitectuur-voor-antwoordmachines.md relatedArticleIds: 688467da-1af1-4bf2-a780-e6a50709df63","weight":2,"locales":["en","nl"],"id":"article:content-architecture-answer-engines|related|article:the-agentic-author-introduction"},{"source":"article:content-architecture-answer-engines","target":"article:what-is-an-ai-agent","relation":"related","evidence":"src/content/articles/en/content-architecture-for-answer-engines.md relatedArticleIds: 69f0de22-6dd9-44b3-b6d8-b89ce8d8df7e","weight":2,"locales":["en"],"id":"article:content-architecture-answer-engines|related|article:what-is-an-ai-agent"},{"source":"article:content-architecture-answer-engines","target":"concept:aeo","relation":"related","evidence":"src/data/site-link-graph.ts: content-architecture-answer-engines frameworks/glossary","weight":2,"locales":["en","nl"],"id":"article:content-architecture-answer-engines|related|concept:aeo"},{"source":"article:content-architecture-answer-engines","target":"concept:booksos","relation":"related","evidence":"src/data/site-link-graph.ts: content-architecture-answer-engines frameworks/glossary","weight":2,"locales":["en","nl"],"id":"article:content-architecture-answer-engines|related|concept:booksos"},{"source":"article:content-architecture-answer-engines","target":"concept:citation","relation":"related","evidence":"src/data/site-link-graph.ts: content-architecture-answer-engines frameworks/glossary","weight":2,"locales":["en","nl"],"id":"article:content-architecture-answer-engines|related|concept:citation"},{"source":"article:content-architecture-answer-engines","target":"concept:geo","relation":"related","evidence":"src/data/site-link-graph.ts: content-architecture-answer-engines frameworks/glossary","weight":2,"locales":["en","nl"],"id":"article:content-architecture-answer-engines|related|concept:geo"},{"source":"article:content-architecture-answer-engines","target":"volume:the-agentic-author","relation":"related","evidence":"src/data/site-link-graph.ts: content-architecture-answer-engines books","weight":2,"locales":["en","nl"],"id":"article:content-architecture-answer-engines|related|volume:the-agentic-author"},{"source":"article:content-architecture-answer-engines","target":"volume:the-findability-engine","relation":"related","evidence":"src/data/site-link-graph.ts: content-architecture-answer-engines books","weight":2,"locales":["en","nl"],"id":"article:content-architecture-answer-engines|related|volume:the-findability-engine"},{"source":"article:do-90-percent-of-startups-fail","target":"concept:level","relation":"discusses","evidence":"src/content/articles/en/do-90-percent-of-startups-fail.md glossary: LEVEL\nsrc/content/articles/nl/faalt-90-procent-van-startups.md glossary: LEVEL","weight":1.5,"locales":["en","nl"],"id":"article:do-90-percent-of-startups-fail|discusses|concept:level"},{"source":"article:do-90-percent-of-startups-fail","target":"concept:tag:founder-resilience","relation":"discusses","evidence":"src/content/articles/en/do-90-percent-of-startups-fail.md tags: founder-resilience\nsrc/content/articles/nl/faalt-90-procent-van-startups.md tags: founder-resilience","weight":1.5,"locales":["en","nl"],"id":"article:do-90-percent-of-startups-fail|discusses|concept:tag:founder-resilience"},{"source":"article:do-90-percent-of-startups-fail","target":"article:calibration-techniques-for-founders","relation":"references","evidence":"src/content/articles/en/do-90-percent-of-startups-fail.md body: /en/blog/calibration-techniques-for-founders/\nsrc/content/articles/en/do-90-percent-of-startups-fail.md furtherReading: /en/blog/calibration-techniques-for-founders/\nsrc/content/articles/nl/faalt-90-procent-van-startups.md body: /nl/blog/kalibratietechnieken-voor-founders/\nsrc/content/articles/nl/faalt-90-procent-van-startups.md furtherReading: /nl/blog/kalibratietechnieken-voor-founders/","weight":1,"locales":["en","nl"],"id":"article:do-90-percent-of-startups-fail|references|article:calibration-techniques-for-founders"},{"source":"article:do-90-percent-of-startups-fail","target":"article:what-is-an-evidence-ledger","relation":"references","evidence":"src/content/articles/en/do-90-percent-of-startups-fail.md body: /en/blog/what-is-an-evidence-ledger/\nsrc/content/articles/en/do-90-percent-of-startups-fail.md furtherReading: /en/blog/what-is-an-evidence-ledger/\nsrc/content/articles/en/do-90-percent-of-startups-fail.md sources: /en/blog/what-is-an-evidence-ledger/\nsrc/content/articles/nl/faalt-90-procent-van-startups.md body: /nl/blog/wat-is-een-bewijsregister/\nsrc/content/articles/nl/faalt-90-procent-van-startups.md furtherReading: /nl/blog/wat-is-een-bewijsregister/\nsrc/content/articles/nl/faalt-90-procent-van-startups.md sources: /nl/blog/wat-is-een-bewijsregister/","weight":1,"locales":["en","nl"],"id":"article:do-90-percent-of-startups-fail|references|article:what-is-an-evidence-ledger"},{"source":"article:do-90-percent-of-startups-fail","target":"concept:level","relation":"references","evidence":"src/content/articles/en/do-90-percent-of-startups-fail.md body: /frameworks/level/\nsrc/content/articles/en/do-90-percent-of-startups-fail.md furtherReading: /frameworks/level/\nsrc/content/articles/en/do-90-percent-of-startups-fail.md sources: /frameworks/level/\nsrc/content/articles/nl/faalt-90-procent-van-startups.md body: /nl/frameworks/level/\nsrc/content/articles/nl/faalt-90-procent-van-startups.md furtherReading: /nl/frameworks/level/\nsrc/content/articles/nl/faalt-90-procent-van-startups.md sources: /nl/frameworks/level/","weight":1,"locales":["en","nl"],"id":"article:do-90-percent-of-startups-fail|references|concept:level"},{"source":"article:do-90-percent-of-startups-fail","target":"volume:the-evidence-aware-life","relation":"references","evidence":"src/content/articles/en/do-90-percent-of-startups-fail.md body: /books/the-evidence-aware-life/\nsrc/content/articles/en/do-90-percent-of-startups-fail.md furtherReading: /books/the-evidence-aware-life/\nsrc/content/articles/en/do-90-percent-of-startups-fail.md sources: /books/the-evidence-aware-life/\nsrc/content/articles/nl/faalt-90-procent-van-startups.md body: /boeken/the-evidence-aware-life/\nsrc/content/articles/nl/faalt-90-procent-van-startups.md furtherReading: /boeken/the-evidence-aware-life/\nsrc/content/articles/nl/faalt-90-procent-van-startups.md sources: /boeken/the-evidence-aware-life/","weight":1,"locales":["en","nl"],"id":"article:do-90-percent-of-startups-fail|references|volume:the-evidence-aware-life"},{"source":"article:do-90-percent-of-startups-fail","target":"article:calibration-techniques-for-founders","relation":"related","evidence":"src/content/articles/en/do-90-percent-of-startups-fail.md relatedArticleIds: a034dc9c-a1d8-4457-9691-7779f43e086c\nsrc/content/articles/nl/faalt-90-procent-van-startups.md relatedArticleIds: 6db60505-4d3f-4571-85dd-2b80d57bfc37","weight":2,"locales":["en","nl"],"id":"article:do-90-percent-of-startups-fail|related|article:calibration-techniques-for-founders"},{"source":"article:do-90-percent-of-startups-fail","target":"article:what-is-an-evidence-ledger","relation":"related","evidence":"src/content/articles/en/do-90-percent-of-startups-fail.md relatedArticleIds: e38dcaa3-9ba5-4ffd-af9d-ec5437c129d9\nsrc/content/articles/nl/faalt-90-procent-van-startups.md relatedArticleIds: 9c516b69-e424-47da-b512-5a4358029b44","weight":2,"locales":["en","nl"],"id":"article:do-90-percent-of-startups-fail|related|article:what-is-an-evidence-ledger"},{"source":"article:do-90-percent-of-startups-fail","target":"article:what-is-founder-resilience","relation":"related","evidence":"src/content/articles/en/do-90-percent-of-startups-fail.md relatedArticleIds: 6645ec64-d54c-46a1-aa10-b2440af59ad7\nsrc/content/articles/nl/faalt-90-procent-van-startups.md relatedArticleIds: ef7f169b-5ed7-4e7a-a9b2-4d96df7d84e0","weight":2,"locales":["en","nl"],"id":"article:do-90-percent-of-startups-fail|related|article:what-is-founder-resilience"},{"source":"article:do-you-need-a-literary-agent","target":"concept:booksos","relation":"discusses","evidence":"src/content/articles/en/do-you-need-a-literary-agent.md glossary: BooksOS\nsrc/content/articles/en/do-you-need-a-literary-agent.md tags: booksos\nsrc/content/articles/nl/literair-agent-nodig-voor-non-fictie.md glossary: BooksOS\nsrc/content/articles/nl/literair-agent-nodig-voor-non-fictie.md tags: booksos","weight":1.5,"locales":["en","nl"],"id":"article:do-you-need-a-literary-agent|discusses|concept:booksos"},{"source":"article:do-you-need-a-literary-agent","target":"article:booksos-seven-gates","relation":"references","evidence":"src/content/articles/en/do-you-need-a-literary-agent.md body: /en/blog/what-is-booksos/\nsrc/content/articles/en/do-you-need-a-literary-agent.md furtherReading: /en/blog/what-is-booksos/\nsrc/content/articles/en/do-you-need-a-literary-agent.md sources: /en/blog/what-is-booksos/\nsrc/content/articles/nl/literair-agent-nodig-voor-non-fictie.md body: /nl/blog/wat-is-booksos/\nsrc/content/articles/nl/literair-agent-nodig-voor-non-fictie.md furtherReading: /nl/blog/wat-is-booksos/\nsrc/content/articles/nl/literair-agent-nodig-voor-non-fictie.md sources: /nl/blog/wat-is-booksos/","weight":1,"locales":["en","nl"],"id":"article:do-you-need-a-literary-agent|references|article:booksos-seven-gates"},{"source":"article:do-you-need-a-literary-agent","target":"article:literary-agent-or-ai-agent","relation":"references","evidence":"src/content/articles/en/do-you-need-a-literary-agent.md body: /en/blog/literary-agent-or-ai-agent/\nsrc/content/articles/en/do-you-need-a-literary-agent.md sources: /en/blog/literary-agent-or-ai-agent/\nsrc/content/articles/nl/literair-agent-nodig-voor-non-fictie.md body: /nl/blog/literair-agent-of-ai-agent/\nsrc/content/articles/nl/literair-agent-nodig-voor-non-fictie.md sources: /nl/blog/literair-agent-of-ai-agent/","weight":1,"locales":["en","nl"],"id":"article:do-you-need-a-literary-agent|references|article:literary-agent-or-ai-agent"},{"source":"article:do-you-need-a-literary-agent","target":"article:the-agentic-author-introduction","relation":"references","evidence":"src/content/articles/en/do-you-need-a-literary-agent.md furtherReading: /en/blog/the-agentic-author-introduction/\nsrc/content/articles/nl/literair-agent-nodig-voor-non-fictie.md furtherReading: /nl/blog/de-agentische-auteur-introductie/","weight":1,"locales":["en","nl"],"id":"article:do-you-need-a-literary-agent|references|article:the-agentic-author-introduction"},{"source":"article:do-you-need-a-literary-agent","target":"concept:booksos","relation":"references","evidence":"src/content/articles/en/do-you-need-a-literary-agent.md body: /frameworks/booksos/\nsrc/content/articles/en/do-you-need-a-literary-agent.md sources: /frameworks/booksos/\nsrc/content/articles/nl/literair-agent-nodig-voor-non-fictie.md body: /nl/frameworks/booksos/\nsrc/content/articles/nl/literair-agent-nodig-voor-non-fictie.md sources: /nl/frameworks/booksos/","weight":1,"locales":["en","nl"],"id":"article:do-you-need-a-literary-agent|references|concept:booksos"},{"source":"article:do-you-need-a-literary-agent","target":"volume:the-agentic-author","relation":"references","evidence":"src/content/articles/en/do-you-need-a-literary-agent.md body: /books/the-agentic-author/\nsrc/content/articles/en/do-you-need-a-literary-agent.md furtherReading: /books/the-agentic-author/\nsrc/content/articles/en/do-you-need-a-literary-agent.md sources: /books/the-agentic-author/\nsrc/content/articles/nl/literair-agent-nodig-voor-non-fictie.md body: /boeken/the-agentic-author/\nsrc/content/articles/nl/literair-agent-nodig-voor-non-fictie.md furtherReading: /boeken/the-agentic-author/\nsrc/content/articles/nl/literair-agent-nodig-voor-non-fictie.md sources: /boeken/the-agentic-author/","weight":1,"locales":["en","nl"],"id":"article:do-you-need-a-literary-agent|references|volume:the-agentic-author"},{"source":"article:do-you-need-a-literary-agent","target":"article:booksos-seven-gates","relation":"related","evidence":"src/content/articles/en/do-you-need-a-literary-agent.md relatedArticleIds: 4c64e82d-17d0-4bcd-ac55-257cb59889c1\nsrc/content/articles/nl/literair-agent-nodig-voor-non-fictie.md relatedArticleIds: 9ec42fd3-f61a-4a09-8463-47a54c396eda","weight":2,"locales":["en","nl"],"id":"article:do-you-need-a-literary-agent|related|article:booksos-seven-gates"},{"source":"article:do-you-need-a-literary-agent","target":"article:literary-agent-or-ai-agent","relation":"related","evidence":"src/content/articles/en/do-you-need-a-literary-agent.md relatedArticleIds: a5d700f9-e249-45c1-a06a-f32567223864\nsrc/content/articles/nl/literair-agent-nodig-voor-non-fictie.md relatedArticleIds: 367e7418-2337-49f3-bf5e-9c1ca5278677","weight":2,"locales":["en","nl"],"id":"article:do-you-need-a-literary-agent|related|article:literary-agent-or-ai-agent"},{"source":"article:do-you-need-a-literary-agent","target":"article:the-agentic-author-introduction","relation":"related","evidence":"src/content/articles/en/do-you-need-a-literary-agent.md relatedArticleIds: 688467da-1af1-4bf2-a780-e6a50709df63\nsrc/content/articles/nl/literair-agent-nodig-voor-non-fictie.md relatedArticleIds: 9d6d7ac0-2db9-434f-8cdb-44ded87e49d4","weight":2,"locales":["en","nl"],"id":"article:do-you-need-a-literary-agent|related|article:the-agentic-author-introduction"},{"source":"article:downstream-effects-or-affects","target":"concept:tag:downstream-effects","relation":"discusses","evidence":"src/content/articles/en/downstream-effects-or-affects.md tags: downstream-effects\nsrc/content/articles/nl/downstream-effects-of-affects.md tags: downstream-effects","weight":1.5,"locales":["en","nl"],"id":"article:downstream-effects-or-affects|discusses|concept:tag:downstream-effects"},{"source":"article:downstream-effects-or-affects","target":"article:downstream-effects","relation":"references","evidence":"src/content/articles/en/downstream-effects-or-affects.md body: /en/blog/downstream-effects/\nsrc/content/articles/en/downstream-effects-or-affects.md furtherReading: /en/blog/downstream-effects/\nsrc/content/articles/en/downstream-effects-or-affects.md sources: /en/blog/downstream-effects/\nsrc/content/articles/nl/downstream-effects-of-affects.md body: /nl/blog/stroomafwaartse-effecten/\nsrc/content/articles/nl/downstream-effects-of-affects.md furtherReading: /nl/blog/stroomafwaartse-effecten/\nsrc/content/articles/nl/downstream-effects-of-affects.md sources: /nl/blog/stroomafwaartse-effecten/","weight":1,"locales":["en","nl"],"id":"article:downstream-effects-or-affects|references|article:downstream-effects"},{"source":"article:downstream-effects-or-affects","target":"article:what-are-downstream-effects","relation":"references","evidence":"src/content/articles/en/downstream-effects-or-affects.md body: /en/blog/what-are-downstream-effects/\nsrc/content/articles/en/downstream-effects-or-affects.md furtherReading: /en/blog/what-are-downstream-effects/\nsrc/content/articles/en/downstream-effects-or-affects.md sources: /en/blog/what-are-downstream-effects/\nsrc/content/articles/nl/downstream-effects-of-affects.md body: /nl/blog/wat-zijn-stroomafwaartse-effecten/\nsrc/content/articles/nl/downstream-effects-of-affects.md furtherReading: /nl/blog/wat-zijn-stroomafwaartse-effecten/\nsrc/content/articles/nl/downstream-effects-of-affects.md sources: /nl/blog/wat-zijn-stroomafwaartse-effecten/","weight":1,"locales":["en","nl"],"id":"article:downstream-effects-or-affects|references|article:what-are-downstream-effects"},{"source":"article:downstream-effects-or-affects","target":"volume:the-downstream-effects","relation":"references","evidence":"src/content/articles/en/downstream-effects-or-affects.md body: /books/the-downstream-effects/\nsrc/content/articles/en/downstream-effects-or-affects.md furtherReading: /books/the-downstream-effects/\nsrc/content/articles/en/downstream-effects-or-affects.md sources: /books/the-downstream-effects/\nsrc/content/articles/nl/downstream-effects-of-affects.md body: /boeken/the-downstream-effects/\nsrc/content/articles/nl/downstream-effects-of-affects.md furtherReading: /boeken/the-downstream-effects/\nsrc/content/articles/nl/downstream-effects-of-affects.md sources: /boeken/the-downstream-effects/","weight":1,"locales":["en","nl"],"id":"article:downstream-effects-or-affects|references|volume:the-downstream-effects"},{"source":"article:downstream-effects-or-affects","target":"article:downstream-effects","relation":"related","evidence":"src/content/articles/en/downstream-effects-or-affects.md relatedArticleIds: 9151a77a-cf1f-4729-b301-1e4d7767862d\nsrc/content/articles/nl/downstream-effects-of-affects.md relatedArticleIds: f70d6ec5-c9c9-4286-8bdc-91cb23a7f23b","weight":2,"locales":["en","nl"],"id":"article:downstream-effects-or-affects|related|article:downstream-effects"},{"source":"article:downstream-effects-or-affects","target":"article:what-are-downstream-effects","relation":"related","evidence":"src/content/articles/en/downstream-effects-or-affects.md relatedArticleIds: f27e54d4-aff2-4361-b8a7-6396e2f7f9fe\nsrc/content/articles/nl/downstream-effects-of-affects.md relatedArticleIds: b4f60d80-9a83-4dc4-83cd-9899b5f7ed90","weight":2,"locales":["en","nl"],"id":"article:downstream-effects-or-affects|related|article:what-are-downstream-effects"},{"source":"article:downstream-effects","target":"concept:tag:downstream-effects","relation":"discusses","evidence":"src/content/articles/en/downstream-effects.md tags: downstream-effects\nsrc/content/articles/nl/stroomafwaartse-effecten.md tags: downstream-effects","weight":1.5,"locales":["en","nl"],"id":"article:downstream-effects|discusses|concept:tag:downstream-effects"},{"source":"article:downstream-effects","target":"concept:downstream","relation":"references","evidence":"src/content/articles/en/downstream-effects.md furtherReading: https://lenvanderhof.com/frameworks/downstream/\nsrc/content/articles/nl/stroomafwaartse-effecten.md furtherReading: https://lenvanderhof.com/nl/frameworks/downstream/","weight":1,"locales":["en","nl"],"id":"article:downstream-effects|references|concept:downstream"},{"source":"article:downstream-effects","target":"volume:the-downstream-effects","relation":"references","evidence":"src/content/articles/en/downstream-effects.md body: https://lenvanderhof.com/boeken/the-downstream-effects/\nsrc/content/articles/en/downstream-effects.md body: https://lenvanderhof.com/books/the-downstream-effects/\nsrc/content/articles/en/downstream-effects.md furtherReading: https://lenvanderhof.com/boeken/the-downstream-effects/\nsrc/content/articles/en/downstream-effects.md furtherReading: https://lenvanderhof.com/books/the-downstream-effects/\nsrc/content/articles/en/downstream-effects.md sources: https://lenvanderhof.com/boeken/the-downstream-effects/\nsrc/content/articles/en/downstream-effects.md sources: https://lenvanderhof.com/books/the-downstream-effects/\nsrc/content/articles/nl/stroomafwaartse-effecten.md body: https://lenvanderhof.com/boeken/the-downstream-effects/\nsrc/content/articles/nl/stroomafwaartse-effecten.md body: https://lenvanderhof.com/books/the-downstream-effects/\nsrc/content/articles/nl/stroomafwaartse-effecten.md furtherReading: https://lenvanderhof.com/boeken/the-downstream-effects/\nsrc/content/articles/nl/stroomafwaartse-effecten.md furtherReading: https://lenvanderhof.com/books/the-downstream-effects/\nsrc/content/articles/nl/stroomafwaartse-effecten.md sources: https://lenvanderhof.com/boeken/the-downstream-effects/\nsrc/content/articles/nl/stroomafwaartse-effecten.md sources: https://lenvanderhof.com/books/the-downstream-effects/","weight":1,"locales":["en","nl"],"id":"article:downstream-effects|references|volume:the-downstream-effects"},{"source":"article:downstream-effects","target":"concept:downstream","relation":"related","evidence":"src/data/site-link-graph.ts: downstream-effects frameworks/glossary","weight":2,"locales":["en","nl"],"id":"article:downstream-effects|related|concept:downstream"},{"source":"article:downstream-effects","target":"volume:the-downstream-effects","relation":"related","evidence":"src/data/site-link-graph.ts: downstream-effects books","weight":2,"locales":["en","nl"],"id":"article:downstream-effects|related|volume:the-downstream-effects"},{"source":"article:downstream-impact-meaning","target":"concept:cascade","relation":"discusses","evidence":"src/content/articles/en/downstream-impact-meaning.md glossary: CASCADE\nsrc/content/articles/nl/downstream-impact-betekenis.md glossary: CASCADE","weight":1.5,"locales":["en","nl"],"id":"article:downstream-impact-meaning|discusses|concept:cascade"},{"source":"article:downstream-impact-meaning","target":"concept:downstream","relation":"discusses","evidence":"src/content/articles/en/downstream-impact-meaning.md glossary: downstream","weight":1.5,"locales":["en"],"id":"article:downstream-impact-meaning|discusses|concept:downstream"},{"source":"article:downstream-impact-meaning","target":"concept:tag:downstream-effects","relation":"discusses","evidence":"src/content/articles/en/downstream-impact-meaning.md tags: downstream-effects\nsrc/content/articles/nl/downstream-impact-betekenis.md tags: downstream-effects","weight":1.5,"locales":["en","nl"],"id":"article:downstream-impact-meaning|discusses|concept:tag:downstream-effects"},{"source":"article:downstream-impact-meaning","target":"article:second-order-thinking-audit","relation":"references","evidence":"src/content/articles/en/downstream-impact-meaning.md body: /en/blog/second-order-thinking-audit/\nsrc/content/articles/en/downstream-impact-meaning.md furtherReading: /en/blog/second-order-thinking-audit/\nsrc/content/articles/en/downstream-impact-meaning.md sources: /en/blog/second-order-thinking-audit/\nsrc/content/articles/nl/downstream-impact-betekenis.md body: /nl/blog/tweede-orde-denken-audit/\nsrc/content/articles/nl/downstream-impact-betekenis.md furtherReading: /nl/blog/tweede-orde-denken-audit/\nsrc/content/articles/nl/downstream-impact-betekenis.md sources: /nl/blog/tweede-orde-denken-audit/","weight":1,"locales":["en","nl"],"id":"article:downstream-impact-meaning|references|article:second-order-thinking-audit"},{"source":"article:downstream-impact-meaning","target":"article:what-are-downstream-effects","relation":"references","evidence":"src/content/articles/en/downstream-impact-meaning.md body: /en/blog/what-are-downstream-effects/\nsrc/content/articles/en/downstream-impact-meaning.md furtherReading: /en/blog/what-are-downstream-effects/\nsrc/content/articles/en/downstream-impact-meaning.md sources: /en/blog/what-are-downstream-effects/\nsrc/content/articles/nl/downstream-impact-betekenis.md body: /nl/blog/wat-zijn-stroomafwaartse-effecten/\nsrc/content/articles/nl/downstream-impact-betekenis.md furtherReading: /nl/blog/wat-zijn-stroomafwaartse-effecten/\nsrc/content/articles/nl/downstream-impact-betekenis.md sources: /nl/blog/wat-zijn-stroomafwaartse-effecten/","weight":1,"locales":["en","nl"],"id":"article:downstream-impact-meaning|references|article:what-are-downstream-effects"},{"source":"article:downstream-impact-meaning","target":"concept:cascade","relation":"references","evidence":"src/content/articles/en/downstream-impact-meaning.md body: /glossary/cascade/\nsrc/content/articles/en/downstream-impact-meaning.md furtherReading: /glossary/cascade/\nsrc/content/articles/en/downstream-impact-meaning.md sources: /glossary/cascade/\nsrc/content/articles/nl/downstream-impact-betekenis.md body: /nl/begrippen/cascade/\nsrc/content/articles/nl/downstream-impact-betekenis.md furtherReading: /nl/begrippen/cascade/\nsrc/content/articles/nl/downstream-impact-betekenis.md sources: /nl/begrippen/cascade/","weight":1,"locales":["en","nl"],"id":"article:downstream-impact-meaning|references|concept:cascade"},{"source":"article:downstream-impact-meaning","target":"volume:the-second-order-thinker","relation":"references","evidence":"src/content/articles/en/downstream-impact-meaning.md body: /books/the-second-order-thinker/\nsrc/content/articles/en/downstream-impact-meaning.md furtherReading: /books/the-second-order-thinker/\nsrc/content/articles/en/downstream-impact-meaning.md sources: /books/the-second-order-thinker/\nsrc/content/articles/nl/downstream-impact-betekenis.md body: /boeken/the-second-order-thinker/\nsrc/content/articles/nl/downstream-impact-betekenis.md furtherReading: /boeken/the-second-order-thinker/\nsrc/content/articles/nl/downstream-impact-betekenis.md sources: /boeken/the-second-order-thinker/","weight":1,"locales":["en","nl"],"id":"article:downstream-impact-meaning|references|volume:the-second-order-thinker"},{"source":"article:downstream-impact-meaning","target":"article:downstream-effects","relation":"related","evidence":"src/content/articles/en/downstream-impact-meaning.md relatedArticleIds: 9151a77a-cf1f-4729-b301-1e4d7767862d\nsrc/content/articles/nl/downstream-impact-betekenis.md relatedArticleIds: f70d6ec5-c9c9-4286-8bdc-91cb23a7f23b","weight":2,"locales":["en","nl"],"id":"article:downstream-impact-meaning|related|article:downstream-effects"},{"source":"article:downstream-impact-meaning","target":"article:second-order-thinking-audit","relation":"related","evidence":"src/content/articles/en/downstream-impact-meaning.md relatedArticleIds: df3a0159-faba-453e-93c5-89169732c623\nsrc/content/articles/nl/downstream-impact-betekenis.md relatedArticleIds: f1428c1a-7661-482e-9d0b-f400b89c3db8","weight":2,"locales":["en","nl"],"id":"article:downstream-impact-meaning|related|article:second-order-thinking-audit"},{"source":"article:downstream-impact-meaning","target":"article:what-are-downstream-effects","relation":"related","evidence":"src/content/articles/en/downstream-impact-meaning.md relatedArticleIds: f27e54d4-aff2-4361-b8a7-6396e2f7f9fe\nsrc/content/articles/nl/downstream-impact-betekenis.md relatedArticleIds: b4f60d80-9a83-4dc4-83cd-9899b5f7ed90","weight":2,"locales":["en","nl"],"id":"article:downstream-impact-meaning|related|article:what-are-downstream-effects"},{"source":"article:dutch-costs-more-tokens","target":"concept:route","relation":"discusses","evidence":"src/content/articles/en/dutch-costs-more-tokens.md glossary: ROUTE\nsrc/content/articles/nl/nederlands-kost-meer-tokens.md glossary: ROUTE","weight":1.5,"locales":["en","nl"],"id":"article:dutch-costs-more-tokens|discusses|concept:route"},{"source":"article:dutch-costs-more-tokens","target":"concept:tag:undominated","relation":"discusses","evidence":"src/content/articles/en/dutch-costs-more-tokens.md tags: undominated\nsrc/content/articles/nl/nederlands-kost-meer-tokens.md tags: undominated","weight":1.5,"locales":["en","nl"],"id":"article:dutch-costs-more-tokens|discusses|concept:tag:undominated"},{"source":"article:dutch-costs-more-tokens","target":"article:introducing-undominated","relation":"references","evidence":"src/content/articles/en/dutch-costs-more-tokens.md body: /en/blog/introducing-undominated/\nsrc/content/articles/en/dutch-costs-more-tokens.md furtherReading: /en/blog/introducing-undominated/\nsrc/content/articles/nl/nederlands-kost-meer-tokens.md body: /nl/blog/undominated-ai-introductie/\nsrc/content/articles/nl/nederlands-kost-meer-tokens.md furtherReading: /nl/blog/undominated-ai-introductie/","weight":1,"locales":["en","nl"],"id":"article:dutch-costs-more-tokens|references|article:introducing-undominated"},{"source":"article:dutch-costs-more-tokens","target":"article:what-is-model-routing","relation":"references","evidence":"src/content/articles/en/dutch-costs-more-tokens.md furtherReading: /en/blog/what-is-model-routing/\nsrc/content/articles/nl/nederlands-kost-meer-tokens.md furtherReading: /nl/blog/wat-is-modelroutering/","weight":1,"locales":["en","nl"],"id":"article:dutch-costs-more-tokens|references|article:what-is-model-routing"},{"source":"article:dutch-costs-more-tokens","target":"article:what-is-rag","relation":"references","evidence":"src/content/articles/en/dutch-costs-more-tokens.md body: /en/blog/what-is-rag/\nsrc/content/articles/en/dutch-costs-more-tokens.md furtherReading: /en/blog/what-is-rag/\nsrc/content/articles/en/dutch-costs-more-tokens.md sources: /en/blog/what-is-rag/\nsrc/content/articles/nl/nederlands-kost-meer-tokens.md body: /nl/blog/wat-is-rag/\nsrc/content/articles/nl/nederlands-kost-meer-tokens.md furtherReading: /nl/blog/wat-is-rag/\nsrc/content/articles/nl/nederlands-kost-meer-tokens.md sources: /nl/blog/wat-is-rag/","weight":1,"locales":["en","nl"],"id":"article:dutch-costs-more-tokens|references|article:what-is-rag"},{"source":"article:dutch-costs-more-tokens","target":"concept:route","relation":"references","evidence":"src/content/articles/en/dutch-costs-more-tokens.md body: /frameworks/route/\nsrc/content/articles/en/dutch-costs-more-tokens.md furtherReading: /frameworks/route/\nsrc/content/articles/en/dutch-costs-more-tokens.md sources: /frameworks/route/\nsrc/content/articles/nl/nederlands-kost-meer-tokens.md body: /nl/frameworks/route/\nsrc/content/articles/nl/nederlands-kost-meer-tokens.md furtherReading: /nl/frameworks/route/\nsrc/content/articles/nl/nederlands-kost-meer-tokens.md sources: /nl/frameworks/route/","weight":1,"locales":["en","nl"],"id":"article:dutch-costs-more-tokens|references|concept:route"},{"source":"article:dutch-costs-more-tokens","target":"volume:the-model-portfolio","relation":"references","evidence":"src/content/articles/en/dutch-costs-more-tokens.md body: /books/the-model-portfolio/\nsrc/content/articles/en/dutch-costs-more-tokens.md sources: /books/the-model-portfolio/\nsrc/content/articles/nl/nederlands-kost-meer-tokens.md body: /boeken/the-model-portfolio/\nsrc/content/articles/nl/nederlands-kost-meer-tokens.md sources: /boeken/the-model-portfolio/","weight":1,"locales":["en","nl"],"id":"article:dutch-costs-more-tokens|references|volume:the-model-portfolio"},{"source":"article:dutch-costs-more-tokens","target":"article:introducing-undominated","relation":"related","evidence":"src/content/articles/en/dutch-costs-more-tokens.md relatedArticleIds: 7122a22c-e35b-463a-acc5-1abf3d4983ae\nsrc/content/articles/nl/nederlands-kost-meer-tokens.md relatedArticleIds: a378e266-30b9-4297-8ccf-59a6ba4429f8","weight":2,"locales":["en","nl"],"id":"article:dutch-costs-more-tokens|related|article:introducing-undominated"},{"source":"article:dutch-costs-more-tokens","target":"article:what-is-model-routing","relation":"related","evidence":"src/content/articles/en/dutch-costs-more-tokens.md relatedArticleIds: 8128e57b-28a6-403e-9b23-c5952cf90310\nsrc/content/articles/nl/nederlands-kost-meer-tokens.md relatedArticleIds: b4592d79-701f-48db-959b-6ab97351e45d","weight":2,"locales":["en","nl"],"id":"article:dutch-costs-more-tokens|related|article:what-is-model-routing"},{"source":"article:dutch-costs-more-tokens","target":"article:what-is-rag","relation":"related","evidence":"src/content/articles/en/dutch-costs-more-tokens.md relatedArticleIds: 295fcb44-1746-4f53-95f7-60a307ad8af1\nsrc/content/articles/nl/nederlands-kost-meer-tokens.md relatedArticleIds: 8a56c0b5-6c3d-49d8-aa8b-7f23cc2af38e","weight":2,"locales":["en","nl"],"id":"article:dutch-costs-more-tokens|related|article:what-is-rag"},{"source":"article:evaluate-reasoning-not-fluency","target":"concept:calibrate","relation":"discusses","evidence":"src/content/articles/en/evaluate-reasoning-not-fluency.md glossary: CALIBRATE\nsrc/content/articles/nl/evalueer-de-redenering-niet-de-vloeiendheid.md glossary: CALIBRATE","weight":1.5,"locales":["en","nl"],"id":"article:evaluate-reasoning-not-fluency|discusses|concept:calibrate"},{"source":"article:evaluate-reasoning-not-fluency","target":"concept:grain","relation":"discusses","evidence":"src/content/articles/en/evaluate-reasoning-not-fluency.md glossary: GRAIN\nsrc/content/articles/nl/evalueer-de-redenering-niet-de-vloeiendheid.md glossary: GRAIN","weight":1.5,"locales":["en","nl"],"id":"article:evaluate-reasoning-not-fluency|discusses|concept:grain"},{"source":"article:evaluate-reasoning-not-fluency","target":"concept:rag","relation":"discusses","evidence":"src/content/articles/en/evaluate-reasoning-not-fluency.md glossary: RAG\nsrc/content/articles/nl/evalueer-de-redenering-niet-de-vloeiendheid.md glossary: RAG","weight":1.5,"locales":["en","nl"],"id":"article:evaluate-reasoning-not-fluency|discusses|concept:rag"},{"source":"article:evaluate-reasoning-not-fluency","target":"concept:tag:ai-agents","relation":"discusses","evidence":"src/content/articles/en/evaluate-reasoning-not-fluency.md tags: ai-agents\nsrc/content/articles/nl/evalueer-de-redenering-niet-de-vloeiendheid.md tags: ai-agents","weight":1.5,"locales":["en","nl"],"id":"article:evaluate-reasoning-not-fluency|discusses|concept:tag:ai-agents"},{"source":"article:evaluate-reasoning-not-fluency","target":"article:what-is-an-ai-agent","relation":"references","evidence":"src/content/articles/en/evaluate-reasoning-not-fluency.md body: /en/blog/what-is-an-ai-agent/\nsrc/content/articles/en/evaluate-reasoning-not-fluency.md furtherReading: /en/blog/what-is-an-ai-agent/\nsrc/content/articles/nl/evalueer-de-redenering-niet-de-vloeiendheid.md body: /nl/blog/wat-is-een-ai-agent/\nsrc/content/articles/nl/evalueer-de-redenering-niet-de-vloeiendheid.md furtherReading: /nl/blog/wat-is-een-ai-agent/","weight":1,"locales":["en","nl"],"id":"article:evaluate-reasoning-not-fluency|references|article:what-is-an-ai-agent"},{"source":"article:evaluate-reasoning-not-fluency","target":"concept:calibrate","relation":"references","evidence":"src/content/articles/en/evaluate-reasoning-not-fluency.md body: /glossary/calibrate/\nsrc/content/articles/en/evaluate-reasoning-not-fluency.md furtherReading: /glossary/calibrate/\nsrc/content/articles/en/evaluate-reasoning-not-fluency.md sources: /glossary/calibrate/\nsrc/content/articles/nl/evalueer-de-redenering-niet-de-vloeiendheid.md body: /nl/begrippen/calibrate/\nsrc/content/articles/nl/evalueer-de-redenering-niet-de-vloeiendheid.md furtherReading: /nl/begrippen/calibrate/\nsrc/content/articles/nl/evalueer-de-redenering-niet-de-vloeiendheid.md sources: /nl/begrippen/calibrate/","weight":1,"locales":["en","nl"],"id":"article:evaluate-reasoning-not-fluency|references|concept:calibrate"},{"source":"article:evaluate-reasoning-not-fluency","target":"concept:grain","relation":"references","evidence":"src/content/articles/en/evaluate-reasoning-not-fluency.md body: /glossary/grain/\nsrc/content/articles/en/evaluate-reasoning-not-fluency.md furtherReading: /glossary/grain/\nsrc/content/articles/en/evaluate-reasoning-not-fluency.md sources: /glossary/grain/\nsrc/content/articles/nl/evalueer-de-redenering-niet-de-vloeiendheid.md body: /nl/begrippen/grain/\nsrc/content/articles/nl/evalueer-de-redenering-niet-de-vloeiendheid.md furtherReading: /nl/begrippen/grain/\nsrc/content/articles/nl/evalueer-de-redenering-niet-de-vloeiendheid.md sources: /nl/begrippen/grain/","weight":1,"locales":["en","nl"],"id":"article:evaluate-reasoning-not-fluency|references|concept:grain"},{"source":"article:evaluate-reasoning-not-fluency","target":"concept:rag","relation":"references","evidence":"src/content/articles/en/evaluate-reasoning-not-fluency.md body: /glossary/rag/\nsrc/content/articles/en/evaluate-reasoning-not-fluency.md furtherReading: /glossary/rag/\nsrc/content/articles/en/evaluate-reasoning-not-fluency.md sources: /glossary/rag/\nsrc/content/articles/nl/evalueer-de-redenering-niet-de-vloeiendheid.md body: /nl/begrippen/rag/\nsrc/content/articles/nl/evalueer-de-redenering-niet-de-vloeiendheid.md furtherReading: /nl/begrippen/rag/\nsrc/content/articles/nl/evalueer-de-redenering-niet-de-vloeiendheid.md sources: /nl/begrippen/rag/","weight":1,"locales":["en","nl"],"id":"article:evaluate-reasoning-not-fluency|references|concept:rag"},{"source":"article:evaluate-reasoning-not-fluency","target":"concept:sense","relation":"references","evidence":"src/content/articles/en/evaluate-reasoning-not-fluency.md body: /frameworks/sense/\nsrc/content/articles/nl/evalueer-de-redenering-niet-de-vloeiendheid.md body: /nl/frameworks/sense/","weight":1,"locales":["en","nl"],"id":"article:evaluate-reasoning-not-fluency|references|concept:sense"},{"source":"article:evaluate-reasoning-not-fluency","target":"concept:trace","relation":"references","evidence":"src/content/articles/en/evaluate-reasoning-not-fluency.md furtherReading: /glossary/trace/\nsrc/content/articles/en/evaluate-reasoning-not-fluency.md sources: /glossary/trace/\nsrc/content/articles/nl/evalueer-de-redenering-niet-de-vloeiendheid.md furtherReading: /nl/begrippen/trace/\nsrc/content/articles/nl/evalueer-de-redenering-niet-de-vloeiendheid.md sources: /nl/begrippen/trace/","weight":1,"locales":["en","nl"],"id":"article:evaluate-reasoning-not-fluency|references|concept:trace"},{"source":"article:evaluate-reasoning-not-fluency","target":"volume:ml-for-strategic-founders","relation":"references","evidence":"src/content/articles/en/evaluate-reasoning-not-fluency.md body: /books/ml-for-strategic-founders/\nsrc/content/articles/en/evaluate-reasoning-not-fluency.md sources: /books/ml-for-strategic-founders/\nsrc/content/articles/nl/evalueer-de-redenering-niet-de-vloeiendheid.md body: /boeken/ml-for-strategic-founders/\nsrc/content/articles/nl/evalueer-de-redenering-niet-de-vloeiendheid.md sources: /boeken/ml-for-strategic-founders/","weight":1,"locales":["en","nl"],"id":"article:evaluate-reasoning-not-fluency|references|volume:ml-for-strategic-founders"},{"source":"article:evaluate-reasoning-not-fluency","target":"volume:the-calibrated-mind","relation":"references","evidence":"src/content/articles/en/evaluate-reasoning-not-fluency.md body: /books/the-calibrated-mind/\nsrc/content/articles/en/evaluate-reasoning-not-fluency.md furtherReading: /books/the-calibrated-mind/\nsrc/content/articles/en/evaluate-reasoning-not-fluency.md sources: /books/the-calibrated-mind/\nsrc/content/articles/nl/evalueer-de-redenering-niet-de-vloeiendheid.md body: /boeken/the-calibrated-mind/\nsrc/content/articles/nl/evalueer-de-redenering-niet-de-vloeiendheid.md furtherReading: /boeken/the-calibrated-mind/\nsrc/content/articles/nl/evalueer-de-redenering-niet-de-vloeiendheid.md sources: /boeken/the-calibrated-mind/","weight":1,"locales":["en","nl"],"id":"article:evaluate-reasoning-not-fluency|references|volume:the-calibrated-mind"},{"source":"article:evaluate-reasoning-not-fluency","target":"volume:the-judgement-gym","relation":"references","evidence":"src/content/articles/en/evaluate-reasoning-not-fluency.md body: /books/the-judgement-gym/\nsrc/content/articles/en/evaluate-reasoning-not-fluency.md sources: /books/the-judgement-gym/\nsrc/content/articles/nl/evalueer-de-redenering-niet-de-vloeiendheid.md body: /boeken/the-judgement-gym/\nsrc/content/articles/nl/evalueer-de-redenering-niet-de-vloeiendheid.md sources: /boeken/the-judgement-gym/","weight":1,"locales":["en","nl"],"id":"article:evaluate-reasoning-not-fluency|references|volume:the-judgement-gym"},{"source":"article:evaluate-reasoning-not-fluency","target":"volume:the-rag-engineer","relation":"references","evidence":"src/content/articles/en/evaluate-reasoning-not-fluency.md body: /books/the-rag-engineer/\nsrc/content/articles/en/evaluate-reasoning-not-fluency.md furtherReading: /books/the-rag-engineer/\nsrc/content/articles/en/evaluate-reasoning-not-fluency.md sources: /books/the-rag-engineer/\nsrc/content/articles/nl/evalueer-de-redenering-niet-de-vloeiendheid.md body: /boeken/the-rag-engineer/\nsrc/content/articles/nl/evalueer-de-redenering-niet-de-vloeiendheid.md furtherReading: /boeken/the-rag-engineer/\nsrc/content/articles/nl/evalueer-de-redenering-niet-de-vloeiendheid.md sources: /boeken/the-rag-engineer/","weight":1,"locales":["en","nl"],"id":"article:evaluate-reasoning-not-fluency|references|volume:the-rag-engineer"},{"source":"article:evaluate-reasoning-not-fluency","target":"volume:the-verified-research-loop","relation":"references","evidence":"src/content/articles/en/evaluate-reasoning-not-fluency.md furtherReading: /books/the-verified-research-loop/\nsrc/content/articles/en/evaluate-reasoning-not-fluency.md sources: /books/the-verified-research-loop/\nsrc/content/articles/nl/evalueer-de-redenering-niet-de-vloeiendheid.md furtherReading: /boeken/the-verified-research-loop/\nsrc/content/articles/nl/evalueer-de-redenering-niet-de-vloeiendheid.md sources: /boeken/the-verified-research-loop/","weight":1,"locales":["en","nl"],"id":"article:evaluate-reasoning-not-fluency|references|volume:the-verified-research-loop"},{"source":"article:evaluate-reasoning-not-fluency","target":"article:agentic-workflow-vs-automation","relation":"related","evidence":"src/content/articles/en/evaluate-reasoning-not-fluency.md relatedArticleIds: b0c61b6b-2323-4daf-af82-d1797790765d\nsrc/content/articles/nl/evalueer-de-redenering-niet-de-vloeiendheid.md relatedArticleIds: b0c61b6b-2323-4daf-af82-d1797790765d","weight":2,"locales":["en","nl"],"id":"article:evaluate-reasoning-not-fluency|related|article:agentic-workflow-vs-automation"},{"source":"article:evaluate-reasoning-not-fluency","target":"article:sense-90-day-intelligence-layer","relation":"related","evidence":"src/content/articles/en/evaluate-reasoning-not-fluency.md relatedArticleIds: 2de8ac2c-b2aa-4815-bacd-d17ed16b5d59","weight":2,"locales":["en"],"id":"article:evaluate-reasoning-not-fluency|related|article:sense-90-day-intelligence-layer"},{"source":"article:evaluate-reasoning-not-fluency","target":"article:what-is-an-ai-agent","relation":"related","evidence":"src/content/articles/en/evaluate-reasoning-not-fluency.md relatedArticleIds: 69f0de22-6dd9-44b3-b6d8-b89ce8d8df7e\nsrc/content/articles/nl/evalueer-de-redenering-niet-de-vloeiendheid.md relatedArticleIds: 69f0de22-6dd9-44b3-b6d8-b89ce8d8df7e","weight":2,"locales":["en","nl"],"id":"article:evaluate-reasoning-not-fluency|related|article:what-is-an-ai-agent"},{"source":"article:evaluate-reasoning-not-fluency","target":"concept:calibrate","relation":"related","evidence":"src/data/site-link-graph.ts: evaluate-reasoning-not-fluency frameworks/glossary","weight":2,"locales":["en","nl"],"id":"article:evaluate-reasoning-not-fluency|related|concept:calibrate"},{"source":"article:evaluate-reasoning-not-fluency","target":"concept:grain","relation":"related","evidence":"src/data/site-link-graph.ts: evaluate-reasoning-not-fluency frameworks/glossary","weight":2,"locales":["en","nl"],"id":"article:evaluate-reasoning-not-fluency|related|concept:grain"},{"source":"article:evaluate-reasoning-not-fluency","target":"concept:trace","relation":"related","evidence":"src/data/site-link-graph.ts: evaluate-reasoning-not-fluency frameworks/glossary","weight":2,"locales":["en","nl"],"id":"article:evaluate-reasoning-not-fluency|related|concept:trace"},{"source":"article:evaluate-reasoning-not-fluency","target":"volume:ml-for-strategic-founders","relation":"related","evidence":"src/data/site-link-graph.ts: evaluate-reasoning-not-fluency books","weight":2,"locales":["en","nl"],"id":"article:evaluate-reasoning-not-fluency|related|volume:ml-for-strategic-founders"},{"source":"article:evaluate-reasoning-not-fluency","target":"volume:the-calibrated-mind","relation":"related","evidence":"src/data/site-link-graph.ts: evaluate-reasoning-not-fluency books","weight":2,"locales":["en","nl"],"id":"article:evaluate-reasoning-not-fluency|related|volume:the-calibrated-mind"},{"source":"article:evaluate-reasoning-not-fluency","target":"volume:the-judgement-gym","relation":"related","evidence":"src/data/site-link-graph.ts: evaluate-reasoning-not-fluency books","weight":2,"locales":["en","nl"],"id":"article:evaluate-reasoning-not-fluency|related|volume:the-judgement-gym"},{"source":"article:evaluate-reasoning-not-fluency","target":"volume:the-rag-engineer","relation":"related","evidence":"src/data/site-link-graph.ts: evaluate-reasoning-not-fluency books","weight":2,"locales":["en","nl"],"id":"article:evaluate-reasoning-not-fluency|related|volume:the-rag-engineer"},{"source":"article:evaluate-reasoning-not-fluency","target":"volume:the-verified-research-loop","relation":"related","evidence":"src/data/site-link-graph.ts: evaluate-reasoning-not-fluency books","weight":2,"locales":["en","nl"],"id":"article:evaluate-reasoning-not-fluency|related|volume:the-verified-research-loop"},{"source":"article:fake-urgency","target":"concept:tag:marketing","relation":"discusses","evidence":"src/content/articles/en/fake-urgency.md tags: marketing\nsrc/content/articles/nl/nepurgentie.md tags: marketing","weight":1.5,"locales":["en","nl"],"id":"article:fake-urgency|discusses|concept:tag:marketing"},{"source":"article:fake-urgency","target":"article:cialdini-in-the-funnel","relation":"references","evidence":"src/content/articles/en/fake-urgency.md body: /en/blog/cialdini-in-the-funnel/\nsrc/content/articles/en/fake-urgency.md furtherReading: /en/blog/cialdini-in-the-funnel/\nsrc/content/articles/nl/nepurgentie.md body: /nl/blog/cialdini-in-de-funnel/\nsrc/content/articles/nl/nepurgentie.md furtherReading: /nl/blog/cialdini-in-de-funnel/","weight":1,"locales":["en","nl"],"id":"article:fake-urgency|references|article:cialdini-in-the-funnel"},{"source":"article:fake-urgency","target":"article:honest-conversion-systems","relation":"references","evidence":"src/content/articles/en/fake-urgency.md body: /en/blog/conversion-systems-that-stay-honest/\nsrc/content/articles/en/fake-urgency.md furtherReading: /en/blog/conversion-systems-that-stay-honest/\nsrc/content/articles/nl/nepurgentie.md body: /nl/blog/conversiesystemen-die-eerlijk-blijven/\nsrc/content/articles/nl/nepurgentie.md furtherReading: /nl/blog/conversiesystemen-die-eerlijk-blijven/","weight":1,"locales":["en","nl"],"id":"article:fake-urgency|references|article:honest-conversion-systems"},{"source":"article:fake-urgency","target":"article:marketing-nudges-choice-architecture","relation":"references","evidence":"src/content/articles/en/fake-urgency.md body: /en/blog/marketing-nudges-are-choice-architecture/\nsrc/content/articles/en/fake-urgency.md furtherReading: /en/blog/marketing-nudges-are-choice-architecture/\nsrc/content/articles/nl/nepurgentie.md body: /nl/blog/marketingnudges-zijn-keuze-architectuur/\nsrc/content/articles/nl/nepurgentie.md furtherReading: /nl/blog/marketingnudges-zijn-keuze-architectuur/","weight":1,"locales":["en","nl"],"id":"article:fake-urgency|references|article:marketing-nudges-choice-architecture"},{"source":"article:fake-urgency","target":"volume:marketing-without-manipulation","relation":"references","evidence":"src/content/articles/en/fake-urgency.md body: /books/marketing-without-manipulation/\nsrc/content/articles/en/fake-urgency.md sources: /books/marketing-without-manipulation/\nsrc/content/articles/nl/nepurgentie.md body: /boeken/marketing-without-manipulation/\nsrc/content/articles/nl/nepurgentie.md sources: /boeken/marketing-without-manipulation/","weight":1,"locales":["en","nl"],"id":"article:fake-urgency|references|volume:marketing-without-manipulation"},{"source":"article:fake-urgency","target":"article:cialdini-in-the-funnel","relation":"related","evidence":"src/content/articles/en/fake-urgency.md relatedArticleIds: 3e29c4b7-c12c-4938-8441-f14f0b42fd27\nsrc/content/articles/nl/nepurgentie.md relatedArticleIds: e1ddad7f-9a37-476d-9846-b4119f0e6549","weight":2,"locales":["en","nl"],"id":"article:fake-urgency|related|article:cialdini-in-the-funnel"},{"source":"article:fake-urgency","target":"article:honest-conversion-systems","relation":"related","evidence":"src/content/articles/en/fake-urgency.md relatedArticleIds: f61bd372-6050-4346-9ea8-c495d6924141\nsrc/content/articles/nl/nepurgentie.md relatedArticleIds: 74d95508-1973-4e8d-b8fa-2316eb01ade1","weight":2,"locales":["en","nl"],"id":"article:fake-urgency|related|article:honest-conversion-systems"},{"source":"article:fake-urgency","target":"article:marketing-nudges-choice-architecture","relation":"related","evidence":"src/content/articles/en/fake-urgency.md relatedArticleIds: c1b0c059-203a-4031-8a79-f852af749287\nsrc/content/articles/nl/nepurgentie.md relatedArticleIds: ee7240e3-8ad0-4ab9-94a6-bac6d9939bd2","weight":2,"locales":["en","nl"],"id":"article:fake-urgency|related|article:marketing-nudges-choice-architecture"},{"source":"article:five-line-decision-journal","target":"concept:calibrate","relation":"discusses","evidence":"src/content/articles/en/five-line-decision-journal.md glossary: CALIBRATE\nsrc/content/articles/nl/beslissingsdagboek-in-vijf-regels.md glossary: CALIBRATE","weight":1.5,"locales":["en","nl"],"id":"article:five-line-decision-journal|discusses|concept:calibrate"},{"source":"article:five-line-decision-journal","target":"concept:resilient","relation":"discusses","evidence":"src/content/articles/en/five-line-decision-journal.md glossary: RESILIENT\nsrc/content/articles/nl/beslissingsdagboek-in-vijf-regels.md glossary: RESILIENT","weight":1.5,"locales":["en","nl"],"id":"article:five-line-decision-journal|discusses|concept:resilient"},{"source":"article:five-line-decision-journal","target":"concept:tag:founder-resilience","relation":"discusses","evidence":"src/content/articles/en/five-line-decision-journal.md tags: founder-resilience\nsrc/content/articles/nl/beslissingsdagboek-in-vijf-regels.md tags: founder-resilience","weight":1.5,"locales":["en","nl"],"id":"article:five-line-decision-journal|discusses|concept:tag:founder-resilience"},{"source":"article:five-line-decision-journal","target":"article:psychology-of-founder-resilience-introduction","relation":"references","evidence":"src/content/articles/en/five-line-decision-journal.md furtherReading: /en/blog/psychology-of-founder-resilience-introduction/\nsrc/content/articles/en/five-line-decision-journal.md sources: /en/blog/psychology-of-founder-resilience-introduction/\nsrc/content/articles/nl/beslissingsdagboek-in-vijf-regels.md body: /nl/blog/psychologie-van-oprichtersveerkracht-introductie/\nsrc/content/articles/nl/beslissingsdagboek-in-vijf-regels.md furtherReading: /nl/blog/psychologie-van-oprichtersveerkracht-introductie/\nsrc/content/articles/nl/beslissingsdagboek-in-vijf-regels.md sources: /nl/blog/psychologie-van-oprichtersveerkracht-introductie/","weight":1,"locales":["en","nl"],"id":"article:five-line-decision-journal|references|article:psychology-of-founder-resilience-introduction"},{"source":"article:five-line-decision-journal","target":"concept:calibrate","relation":"references","evidence":"src/content/articles/en/five-line-decision-journal.md body: /glossary/calibrate/\nsrc/content/articles/en/five-line-decision-journal.md furtherReading: /glossary/calibrate/\nsrc/content/articles/en/five-line-decision-journal.md sources: /glossary/calibrate/\nsrc/content/articles/nl/beslissingsdagboek-in-vijf-regels.md body: /nl/begrippen/calibrate/\nsrc/content/articles/nl/beslissingsdagboek-in-vijf-regels.md furtherReading: /nl/begrippen/calibrate/\nsrc/content/articles/nl/beslissingsdagboek-in-vijf-regels.md sources: /nl/begrippen/calibrate/","weight":1,"locales":["en","nl"],"id":"article:five-line-decision-journal|references|concept:calibrate"},{"source":"article:five-line-decision-journal","target":"concept:resilient","relation":"references","evidence":"src/content/articles/en/five-line-decision-journal.md body: /glossary/resilient/\nsrc/content/articles/en/five-line-decision-journal.md furtherReading: /glossary/resilient/\nsrc/content/articles/en/five-line-decision-journal.md sources: /glossary/resilient/\nsrc/content/articles/nl/beslissingsdagboek-in-vijf-regels.md body: /nl/begrippen/resilient/\nsrc/content/articles/nl/beslissingsdagboek-in-vijf-regels.md furtherReading: /nl/begrippen/resilient/\nsrc/content/articles/nl/beslissingsdagboek-in-vijf-regels.md sources: /nl/begrippen/resilient/","weight":1,"locales":["en","nl"],"id":"article:five-line-decision-journal|references|concept:resilient"},{"source":"article:five-line-decision-journal","target":"volume:psychology-of-founder-resilience","relation":"references","evidence":"src/content/articles/en/five-line-decision-journal.md body: /books/psychology-of-founder-resilience/\nsrc/content/articles/en/five-line-decision-journal.md furtherReading: /books/psychology-of-founder-resilience/\nsrc/content/articles/en/five-line-decision-journal.md sources: /books/psychology-of-founder-resilience/\nsrc/content/articles/nl/beslissingsdagboek-in-vijf-regels.md body: /boeken/psychology-of-founder-resilience/\nsrc/content/articles/nl/beslissingsdagboek-in-vijf-regels.md furtherReading: /boeken/psychology-of-founder-resilience/\nsrc/content/articles/nl/beslissingsdagboek-in-vijf-regels.md sources: /boeken/psychology-of-founder-resilience/","weight":1,"locales":["en","nl"],"id":"article:five-line-decision-journal|references|volume:psychology-of-founder-resilience"},{"source":"article:five-line-decision-journal","target":"volume:the-calibrated-mind","relation":"references","evidence":"src/content/articles/en/five-line-decision-journal.md body: /books/the-calibrated-mind/\nsrc/content/articles/en/five-line-decision-journal.md furtherReading: /books/the-calibrated-mind/\nsrc/content/articles/en/five-line-decision-journal.md sources: /books/the-calibrated-mind/\nsrc/content/articles/nl/beslissingsdagboek-in-vijf-regels.md body: /boeken/the-calibrated-mind/\nsrc/content/articles/nl/beslissingsdagboek-in-vijf-regels.md furtherReading: /boeken/the-calibrated-mind/\nsrc/content/articles/nl/beslissingsdagboek-in-vijf-regels.md sources: /boeken/the-calibrated-mind/","weight":1,"locales":["en","nl"],"id":"article:five-line-decision-journal|references|volume:the-calibrated-mind"},{"source":"article:five-line-decision-journal","target":"article:psychology-of-founder-resilience-introduction","relation":"related","evidence":"src/content/articles/en/five-line-decision-journal.md relatedArticleIds: 05d43f08-7165-4721-ac1e-e989eea3d9a9\nsrc/content/articles/nl/beslissingsdagboek-in-vijf-regels.md relatedArticleIds: 05d43f08-7165-4721-ac1e-e989eea3d9a9","weight":2,"locales":["en","nl"],"id":"article:five-line-decision-journal|related|article:psychology-of-founder-resilience-introduction"},{"source":"article:flow-is-a-condition-of-work","target":"concept:tag:founder-resilience","relation":"discusses","evidence":"src/content/articles/en/flow-is-a-condition-of-work.md tags: founder-resilience\nsrc/content/articles/nl/flow-is-een-werkconditie.md tags: founder-resilience","weight":1.5,"locales":["en","nl"],"id":"article:flow-is-a-condition-of-work|discusses|concept:tag:founder-resilience"},{"source":"article:flow-is-a-condition-of-work","target":"concept:tag:marketing","relation":"discusses","evidence":"src/content/articles/en/flow-is-a-condition-of-work.md tags: marketing\nsrc/content/articles/nl/flow-is-een-werkconditie.md tags: marketing","weight":1.5,"locales":["en","nl"],"id":"article:flow-is-a-condition-of-work|discusses|concept:tag:marketing"},{"source":"article:flow-is-a-condition-of-work","target":"article:founder-systems-without-willpower","relation":"references","evidence":"src/content/articles/en/flow-is-a-condition-of-work.md body: /en/blog/founder-systems-when-willpower-is-gone/\nsrc/content/articles/en/flow-is-a-condition-of-work.md furtherReading: /en/blog/founder-systems-when-willpower-is-gone/\nsrc/content/articles/en/flow-is-a-condition-of-work.md sources: /en/blog/founder-systems-when-willpower-is-gone/\nsrc/content/articles/nl/flow-is-een-werkconditie.md body: /nl/blog/foundersystemen-zonder-wilskracht/\nsrc/content/articles/nl/flow-is-een-werkconditie.md furtherReading: /nl/blog/foundersystemen-zonder-wilskracht/\nsrc/content/articles/nl/flow-is-een-werkconditie.md sources: /nl/blog/foundersystemen-zonder-wilskracht/","weight":1,"locales":["en","nl"],"id":"article:flow-is-a-condition-of-work|references|article:founder-systems-without-willpower"},{"source":"article:flow-is-a-condition-of-work","target":"article:honest-conversion-systems","relation":"references","evidence":"src/content/articles/en/flow-is-a-condition-of-work.md body: /en/blog/conversion-systems-that-stay-honest/\nsrc/content/articles/en/flow-is-a-condition-of-work.md furtherReading: /en/blog/conversion-systems-that-stay-honest/\nsrc/content/articles/en/flow-is-a-condition-of-work.md sources: /en/blog/conversion-systems-that-stay-honest/\nsrc/content/articles/nl/flow-is-een-werkconditie.md body: /nl/blog/conversiesystemen-die-eerlijk-blijven/\nsrc/content/articles/nl/flow-is-een-werkconditie.md furtherReading: /nl/blog/conversiesystemen-die-eerlijk-blijven/\nsrc/content/articles/nl/flow-is-een-werkconditie.md sources: /nl/blog/conversiesystemen-die-eerlijk-blijven/","weight":1,"locales":["en","nl"],"id":"article:flow-is-a-condition-of-work|references|article:honest-conversion-systems"},{"source":"article:flow-is-a-condition-of-work","target":"volume:the-attention-architect","relation":"references","evidence":"src/content/articles/en/flow-is-a-condition-of-work.md body: /books/the-attention-architect/\nsrc/content/articles/en/flow-is-a-condition-of-work.md furtherReading: /books/the-attention-architect/\nsrc/content/articles/en/flow-is-a-condition-of-work.md sources: /books/the-attention-architect/\nsrc/content/articles/nl/flow-is-een-werkconditie.md body: /boeken/the-attention-architect/\nsrc/content/articles/nl/flow-is-een-werkconditie.md furtherReading: /boeken/the-attention-architect/\nsrc/content/articles/nl/flow-is-een-werkconditie.md sources: /boeken/the-attention-architect/","weight":1,"locales":["en","nl"],"id":"article:flow-is-a-condition-of-work|references|volume:the-attention-architect"},{"source":"article:flow-is-a-condition-of-work","target":"volume:the-founder-sales-system","relation":"references","evidence":"src/content/articles/en/flow-is-a-condition-of-work.md body: /books/the-founder-sales-system/\nsrc/content/articles/en/flow-is-a-condition-of-work.md furtherReading: /books/the-founder-sales-system/\nsrc/content/articles/en/flow-is-a-condition-of-work.md sources: /books/the-founder-sales-system/\nsrc/content/articles/nl/flow-is-een-werkconditie.md body: /boeken/the-founder-sales-system/\nsrc/content/articles/nl/flow-is-een-werkconditie.md furtherReading: /boeken/the-founder-sales-system/\nsrc/content/articles/nl/flow-is-een-werkconditie.md sources: /boeken/the-founder-sales-system/","weight":1,"locales":["en","nl"],"id":"article:flow-is-a-condition-of-work|references|volume:the-founder-sales-system"},{"source":"article:flow-is-a-condition-of-work","target":"article:founder-systems-without-willpower","relation":"related","evidence":"src/content/articles/en/flow-is-a-condition-of-work.md relatedArticleIds: ffa9a67b-1e46-4443-83ce-d45313724d8f\nsrc/content/articles/nl/flow-is-een-werkconditie.md relatedArticleIds: ffa9a67b-1e46-4443-83ce-d45313724d8f","weight":2,"locales":["en","nl"],"id":"article:flow-is-a-condition-of-work|related|article:founder-systems-without-willpower"},{"source":"article:flow-is-a-condition-of-work","target":"article:honest-conversion-systems","relation":"related","evidence":"src/content/articles/en/flow-is-a-condition-of-work.md relatedArticleIds: f61bd372-6050-4346-9ea8-c495d6924141\nsrc/content/articles/nl/flow-is-een-werkconditie.md relatedArticleIds: f61bd372-6050-4346-9ea8-c495d6924141","weight":2,"locales":["en","nl"],"id":"article:flow-is-a-condition-of-work|related|article:honest-conversion-systems"},{"source":"article:flow-is-a-condition-of-work","target":"volume:the-attention-architect","relation":"related","evidence":"src/data/site-link-graph.ts: flow-is-a-condition-of-work books","weight":2,"locales":["en","nl"],"id":"article:flow-is-a-condition-of-work|related|volume:the-attention-architect"},{"source":"article:flow-is-a-condition-of-work","target":"volume:the-founder-sales-system","relation":"related","evidence":"src/data/site-link-graph.ts: flow-is-a-condition-of-work books","weight":2,"locales":["en","nl"],"id":"article:flow-is-a-condition-of-work|related|volume:the-founder-sales-system"},{"source":"article:founder-capacity-is-infrastructure","target":"concept:resilient","relation":"discusses","evidence":"src/content/articles/en/founder-capacity-is-infrastructure.md glossary: RESILIENT\nsrc/content/articles/nl/founder-capaciteit-is-infrastructuur.md glossary: RESILIENT","weight":1.5,"locales":["en","nl"],"id":"article:founder-capacity-is-infrastructure|discusses|concept:resilient"},{"source":"article:founder-capacity-is-infrastructure","target":"concept:tag:founder-resilience","relation":"discusses","evidence":"src/content/articles/en/founder-capacity-is-infrastructure.md tags: founder-resilience\nsrc/content/articles/nl/founder-capaciteit-is-infrastructuur.md tags: founder-resilience","weight":1.5,"locales":["en","nl"],"id":"article:founder-capacity-is-infrastructure|discusses|concept:tag:founder-resilience"},{"source":"article:founder-capacity-is-infrastructure","target":"article:psychology-of-founder-resilience-introduction","relation":"references","evidence":"src/content/articles/en/founder-capacity-is-infrastructure.md body: /en/blog/psychology-of-founder-resilience-introduction/\nsrc/content/articles/en/founder-capacity-is-infrastructure.md furtherReading: /en/blog/psychology-of-founder-resilience-introduction/\nsrc/content/articles/en/founder-capacity-is-infrastructure.md sources: /en/blog/psychology-of-founder-resilience-introduction/\nsrc/content/articles/nl/founder-capaciteit-is-infrastructuur.md body: /nl/blog/psychologie-van-oprichtersveerkracht-introductie/\nsrc/content/articles/nl/founder-capaciteit-is-infrastructuur.md furtherReading: /nl/blog/psychologie-van-oprichtersveerkracht-introductie/\nsrc/content/articles/nl/founder-capaciteit-is-infrastructuur.md sources: /nl/blog/psychologie-van-oprichtersveerkracht-introductie/","weight":1,"locales":["en","nl"],"id":"article:founder-capacity-is-infrastructure|references|article:psychology-of-founder-resilience-introduction"},{"source":"article:founder-capacity-is-infrastructure","target":"concept:resilient","relation":"references","evidence":"src/content/articles/en/founder-capacity-is-infrastructure.md body: /frameworks/resilient/\nsrc/content/articles/en/founder-capacity-is-infrastructure.md body: /glossary/resilient/\nsrc/content/articles/en/founder-capacity-is-infrastructure.md furtherReading: /frameworks/resilient/\nsrc/content/articles/en/founder-capacity-is-infrastructure.md furtherReading: /glossary/resilient/\nsrc/content/articles/en/founder-capacity-is-infrastructure.md sources: /frameworks/resilient/\nsrc/content/articles/en/founder-capacity-is-infrastructure.md sources: /glossary/resilient/\nsrc/content/articles/nl/founder-capaciteit-is-infrastructuur.md body: /nl/begrippen/resilient/\nsrc/content/articles/nl/founder-capaciteit-is-infrastructuur.md body: /nl/frameworks/resilient/\nsrc/content/articles/nl/founder-capaciteit-is-infrastructuur.md furtherReading: /nl/begrippen/resilient/\nsrc/content/articles/nl/founder-capaciteit-is-infrastructuur.md furtherReading: /nl/frameworks/resilient/\nsrc/content/articles/nl/founder-capaciteit-is-infrastructuur.md sources: /nl/begrippen/resilient/\nsrc/content/articles/nl/founder-capaciteit-is-infrastructuur.md sources: /nl/frameworks/resilient/","weight":1,"locales":["en","nl"],"id":"article:founder-capacity-is-infrastructure|references|concept:resilient"},{"source":"article:founder-capacity-is-infrastructure","target":"volume:psychology-of-founder-resilience","relation":"references","evidence":"src/content/articles/en/founder-capacity-is-infrastructure.md body: /books/psychology-of-founder-resilience/\nsrc/content/articles/en/founder-capacity-is-infrastructure.md furtherReading: /books/psychology-of-founder-resilience/\nsrc/content/articles/en/founder-capacity-is-infrastructure.md sources: /books/psychology-of-founder-resilience/\nsrc/content/articles/nl/founder-capaciteit-is-infrastructuur.md body: /boeken/psychology-of-founder-resilience/\nsrc/content/articles/nl/founder-capaciteit-is-infrastructuur.md furtherReading: /boeken/psychology-of-founder-resilience/\nsrc/content/articles/nl/founder-capaciteit-is-infrastructuur.md sources: /boeken/psychology-of-founder-resilience/","weight":1,"locales":["en","nl"],"id":"article:founder-capacity-is-infrastructure|references|volume:psychology-of-founder-resilience"},{"source":"article:founder-capacity-is-infrastructure","target":"article:psychology-of-founder-resilience-introduction","relation":"related","evidence":"src/content/articles/en/founder-capacity-is-infrastructure.md relatedArticleIds: 05d43f08-7165-4721-ac1e-e989eea3d9a9\nsrc/content/articles/nl/founder-capaciteit-is-infrastructuur.md relatedArticleIds: 05d43f08-7165-4721-ac1e-e989eea3d9a9","weight":2,"locales":["en","nl"],"id":"article:founder-capacity-is-infrastructure|related|article:psychology-of-founder-resilience-introduction"},{"source":"article:founder-systems-without-willpower","target":"concept:resilient","relation":"discusses","evidence":"src/content/articles/en/founder-systems-when-willpower-is-gone.md glossary: RESILIENT\nsrc/content/articles/nl/foundersystemen-zonder-wilskracht.md glossary: RESILIENT","weight":1.5,"locales":["en","nl"],"id":"article:founder-systems-without-willpower|discusses|concept:resilient"},{"source":"article:founder-systems-without-willpower","target":"concept:tag:founder-resilience","relation":"discusses","evidence":"src/content/articles/en/founder-systems-when-willpower-is-gone.md tags: founder-resilience\nsrc/content/articles/nl/foundersystemen-zonder-wilskracht.md tags: founder-resilience","weight":1.5,"locales":["en","nl"],"id":"article:founder-systems-without-willpower|discusses|concept:tag:founder-resilience"},{"source":"article:founder-systems-without-willpower","target":"concept:resilient","relation":"references","evidence":"src/content/articles/en/founder-systems-when-willpower-is-gone.md body: /frameworks/resilient/\nsrc/content/articles/en/founder-systems-when-willpower-is-gone.md furtherReading: /frameworks/resilient/\nsrc/content/articles/en/founder-systems-when-willpower-is-gone.md sources: /frameworks/resilient/\nsrc/content/articles/en/founder-systems-when-willpower-is-gone.md sources: /glossary/resilient/\nsrc/content/articles/nl/foundersystemen-zonder-wilskracht.md body: /nl/frameworks/resilient/\nsrc/content/articles/nl/foundersystemen-zonder-wilskracht.md furtherReading: /nl/frameworks/resilient/\nsrc/content/articles/nl/foundersystemen-zonder-wilskracht.md sources: /nl/begrippen/resilient/\nsrc/content/articles/nl/foundersystemen-zonder-wilskracht.md sources: /nl/frameworks/resilient/","weight":1,"locales":["en","nl"],"id":"article:founder-systems-without-willpower|references|concept:resilient"},{"source":"article:founder-systems-without-willpower","target":"volume:leadership-under-load","relation":"references","evidence":"src/content/articles/en/founder-systems-when-willpower-is-gone.md body: /books/leadership-under-load/\nsrc/content/articles/en/founder-systems-when-willpower-is-gone.md furtherReading: /books/leadership-under-load/\nsrc/content/articles/en/founder-systems-when-willpower-is-gone.md sources: /books/leadership-under-load/\nsrc/content/articles/nl/foundersystemen-zonder-wilskracht.md body: /boeken/leadership-under-load/\nsrc/content/articles/nl/foundersystemen-zonder-wilskracht.md furtherReading: /boeken/leadership-under-load/\nsrc/content/articles/nl/foundersystemen-zonder-wilskracht.md sources: /boeken/leadership-under-load/","weight":1,"locales":["en","nl"],"id":"article:founder-systems-without-willpower|references|volume:leadership-under-load"},{"source":"article:founder-systems-without-willpower","target":"volume:psychology-of-founder-resilience","relation":"references","evidence":"src/content/articles/en/founder-systems-when-willpower-is-gone.md body: /books/psychology-of-founder-resilience/\nsrc/content/articles/en/founder-systems-when-willpower-is-gone.md furtherReading: /books/psychology-of-founder-resilience/\nsrc/content/articles/en/founder-systems-when-willpower-is-gone.md sources: /books/psychology-of-founder-resilience/\nsrc/content/articles/nl/foundersystemen-zonder-wilskracht.md body: /boeken/psychology-of-founder-resilience/\nsrc/content/articles/nl/foundersystemen-zonder-wilskracht.md furtherReading: /boeken/psychology-of-founder-resilience/\nsrc/content/articles/nl/foundersystemen-zonder-wilskracht.md sources: /boeken/psychology-of-founder-resilience/","weight":1,"locales":["en","nl"],"id":"article:founder-systems-without-willpower|references|volume:psychology-of-founder-resilience"},{"source":"article:founder-systems-without-willpower","target":"volume:the-attention-architect","relation":"references","evidence":"src/content/articles/en/founder-systems-when-willpower-is-gone.md body: /books/the-attention-architect/\nsrc/content/articles/en/founder-systems-when-willpower-is-gone.md furtherReading: /books/the-attention-architect/\nsrc/content/articles/en/founder-systems-when-willpower-is-gone.md sources: /books/the-attention-architect/\nsrc/content/articles/nl/foundersystemen-zonder-wilskracht.md body: /boeken/the-attention-architect/\nsrc/content/articles/nl/foundersystemen-zonder-wilskracht.md furtherReading: /boeken/the-attention-architect/\nsrc/content/articles/nl/foundersystemen-zonder-wilskracht.md sources: /boeken/the-attention-architect/","weight":1,"locales":["en","nl"],"id":"article:founder-systems-without-willpower|references|volume:the-attention-architect"},{"source":"article:founder-systems-without-willpower","target":"article:positioning-as-a-decision","relation":"related","evidence":"src/content/articles/en/founder-systems-when-willpower-is-gone.md relatedArticleIds: 07f2a22d-11bf-4a74-86f2-c96c8ed80419\nsrc/content/articles/nl/foundersystemen-zonder-wilskracht.md relatedArticleIds: 07f2a22d-11bf-4a74-86f2-c96c8ed80419","weight":2,"locales":["en","nl"],"id":"article:founder-systems-without-willpower|related|article:positioning-as-a-decision"},{"source":"article:founder-systems-without-willpower","target":"article:psychology-of-founder-resilience-introduction","relation":"related","evidence":"src/content/articles/en/founder-systems-when-willpower-is-gone.md relatedArticleIds: 05d43f08-7165-4721-ac1e-e989eea3d9a9\nsrc/content/articles/nl/foundersystemen-zonder-wilskracht.md relatedArticleIds: 05d43f08-7165-4721-ac1e-e989eea3d9a9","weight":2,"locales":["en","nl"],"id":"article:founder-systems-without-willpower|related|article:psychology-of-founder-resilience-introduction"},{"source":"article:founder-systems-without-willpower","target":"concept:resilient","relation":"related","evidence":"src/data/site-link-graph.ts: founder-systems-without-willpower frameworks/glossary","weight":2,"locales":["en","nl"],"id":"article:founder-systems-without-willpower|related|concept:resilient"},{"source":"article:founder-systems-without-willpower","target":"volume:leadership-under-load","relation":"related","evidence":"src/data/site-link-graph.ts: founder-systems-without-willpower books","weight":2,"locales":["en","nl"],"id":"article:founder-systems-without-willpower|related|volume:leadership-under-load"},{"source":"article:founder-systems-without-willpower","target":"volume:psychology-of-founder-resilience","relation":"related","evidence":"src/data/site-link-graph.ts: founder-systems-without-willpower books","weight":2,"locales":["en","nl"],"id":"article:founder-systems-without-willpower|related|volume:psychology-of-founder-resilience"},{"source":"article:founder-systems-without-willpower","target":"volume:the-attention-architect","relation":"related","evidence":"src/data/site-link-graph.ts: founder-systems-without-willpower books","weight":2,"locales":["en","nl"],"id":"article:founder-systems-without-willpower|related|volume:the-attention-architect"},{"source":"article:frontier-vs-workhorse-vs-local","target":"concept:route","relation":"discusses","evidence":"src/content/articles/en/frontier-vs-workhorse-vs-local.md glossary: ROUTE\nsrc/content/articles/nl/frontier-workhorse-of-lokaal.md glossary: ROUTE","weight":1.5,"locales":["en","nl"],"id":"article:frontier-vs-workhorse-vs-local|discusses|concept:route"},{"source":"article:frontier-vs-workhorse-vs-local","target":"concept:tag:ai-agents","relation":"discusses","evidence":"src/content/articles/en/frontier-vs-workhorse-vs-local.md tags: ai-agents\nsrc/content/articles/nl/frontier-workhorse-of-lokaal.md tags: ai-agents","weight":1.5,"locales":["en","nl"],"id":"article:frontier-vs-workhorse-vs-local|discusses|concept:tag:ai-agents"},{"source":"article:frontier-vs-workhorse-vs-local","target":"article:what-is-model-routing","relation":"references","evidence":"src/content/articles/en/frontier-vs-workhorse-vs-local.md body: /en/blog/what-is-model-routing/\nsrc/content/articles/en/frontier-vs-workhorse-vs-local.md furtherReading: /en/blog/what-is-model-routing/\nsrc/content/articles/en/frontier-vs-workhorse-vs-local.md sources: /en/blog/what-is-model-routing/\nsrc/content/articles/nl/frontier-workhorse-of-lokaal.md body: /nl/blog/wat-is-modelroutering/\nsrc/content/articles/nl/frontier-workhorse-of-lokaal.md furtherReading: /nl/blog/wat-is-modelroutering/\nsrc/content/articles/nl/frontier-workhorse-of-lokaal.md sources: /nl/blog/wat-is-modelroutering/","weight":1,"locales":["en","nl"],"id":"article:frontier-vs-workhorse-vs-local|references|article:what-is-model-routing"},{"source":"article:frontier-vs-workhorse-vs-local","target":"concept:route","relation":"references","evidence":"src/content/articles/en/frontier-vs-workhorse-vs-local.md furtherReading: /glossary/route/\nsrc/content/articles/en/frontier-vs-workhorse-vs-local.md sources: /glossary/route/\nsrc/content/articles/nl/frontier-workhorse-of-lokaal.md furtherReading: /nl/begrippen/route/\nsrc/content/articles/nl/frontier-workhorse-of-lokaal.md sources: /nl/begrippen/route/","weight":1,"locales":["en","nl"],"id":"article:frontier-vs-workhorse-vs-local|references|concept:route"},{"source":"article:frontier-vs-workhorse-vs-local","target":"volume:the-model-portfolio","relation":"references","evidence":"src/content/articles/en/frontier-vs-workhorse-vs-local.md body: /books/the-model-portfolio/\nsrc/content/articles/en/frontier-vs-workhorse-vs-local.md furtherReading: /books/the-model-portfolio/\nsrc/content/articles/en/frontier-vs-workhorse-vs-local.md sources: /books/the-model-portfolio/\nsrc/content/articles/nl/frontier-workhorse-of-lokaal.md body: /boeken/the-model-portfolio/\nsrc/content/articles/nl/frontier-workhorse-of-lokaal.md furtherReading: /boeken/the-model-portfolio/\nsrc/content/articles/nl/frontier-workhorse-of-lokaal.md sources: /boeken/the-model-portfolio/","weight":1,"locales":["en","nl"],"id":"article:frontier-vs-workhorse-vs-local|references|volume:the-model-portfolio"},{"source":"article:frontier-vs-workhorse-vs-local","target":"article:what-is-a-model-cascade","relation":"related","evidence":"src/content/articles/en/frontier-vs-workhorse-vs-local.md relatedArticleIds: ee70bd54-2c5a-4de5-9a61-601d87dcafe6\nsrc/content/articles/nl/frontier-workhorse-of-lokaal.md relatedArticleIds: ee70bd54-2c5a-4de5-9a61-601d87dcafe6","weight":2,"locales":["en","nl"],"id":"article:frontier-vs-workhorse-vs-local|related|article:what-is-a-model-cascade"},{"source":"article:frontier-vs-workhorse-vs-local","target":"article:what-is-model-routing","relation":"related","evidence":"src/content/articles/en/frontier-vs-workhorse-vs-local.md relatedArticleIds: 8128e57b-28a6-403e-9b23-c5952cf90310\nsrc/content/articles/nl/frontier-workhorse-of-lokaal.md relatedArticleIds: 8128e57b-28a6-403e-9b23-c5952cf90310","weight":2,"locales":["en","nl"],"id":"article:frontier-vs-workhorse-vs-local|related|article:what-is-model-routing"},{"source":"article:geo-examples","target":"concept:aeo","relation":"discusses","evidence":"src/content/articles/en/geo-examples.md tags: aeo\nsrc/content/articles/nl/geo-voorbeelden.md tags: aeo","weight":1.5,"locales":["en","nl"],"id":"article:geo-examples|discusses|concept:aeo"},{"source":"article:geo-examples","target":"concept:geo","relation":"discusses","evidence":"src/content/articles/en/geo-examples.md glossary: GEO\nsrc/content/articles/en/geo-examples.md tags: geo\nsrc/content/articles/nl/geo-voorbeelden.md glossary: GEO\nsrc/content/articles/nl/geo-voorbeelden.md tags: geo","weight":1.5,"locales":["en","nl"],"id":"article:geo-examples|discusses|concept:geo"},{"source":"article:geo-examples","target":"article:answer-first-writing","relation":"references","evidence":"src/content/articles/en/geo-examples.md body: /en/blog/answer-first-writing/\nsrc/content/articles/en/geo-examples.md furtherReading: /en/blog/answer-first-writing/\nsrc/content/articles/en/geo-examples.md sources: /en/blog/answer-first-writing/\nsrc/content/articles/nl/geo-voorbeelden.md body: /nl/blog/antwoord-eerst-schrijven/\nsrc/content/articles/nl/geo-voorbeelden.md furtherReading: /nl/blog/antwoord-eerst-schrijven/\nsrc/content/articles/nl/geo-voorbeelden.md sources: /nl/blog/antwoord-eerst-schrijven/","weight":1,"locales":["en","nl"],"id":"article:geo-examples|references|article:answer-first-writing"},{"source":"article:geo-examples","target":"article:content-architecture-answer-engines","relation":"references","evidence":"src/content/articles/en/geo-examples.md body: /en/blog/content-architecture-for-answer-engines/\nsrc/content/articles/en/geo-examples.md furtherReading: /en/blog/content-architecture-for-answer-engines/\nsrc/content/articles/en/geo-examples.md sources: /en/blog/content-architecture-for-answer-engines/\nsrc/content/articles/nl/geo-voorbeelden.md body: /nl/blog/contentarchitectuur-voor-antwoordmachines/\nsrc/content/articles/nl/geo-voorbeelden.md furtherReading: /nl/blog/contentarchitectuur-voor-antwoordmachines/\nsrc/content/articles/nl/geo-voorbeelden.md sources: /nl/blog/contentarchitectuur-voor-antwoordmachines/","weight":1,"locales":["en","nl"],"id":"article:geo-examples|references|article:content-architecture-answer-engines"},{"source":"article:geo-examples","target":"article:geo-meaning","relation":"references","evidence":"src/content/articles/en/geo-examples.md body: /en/blog/what-geo-means/\nsrc/content/articles/en/geo-examples.md furtherReading: /en/blog/what-geo-means/\nsrc/content/articles/en/geo-examples.md sources: /en/blog/what-geo-means/\nsrc/content/articles/nl/geo-voorbeelden.md body: /nl/blog/geo-betekenis/\nsrc/content/articles/nl/geo-voorbeelden.md furtherReading: /nl/blog/geo-betekenis/\nsrc/content/articles/nl/geo-voorbeelden.md sources: /nl/blog/geo-betekenis/","weight":1,"locales":["en","nl"],"id":"article:geo-examples|references|article:geo-meaning"},{"source":"article:geo-examples","target":"article:how-to-get-cited-2026","relation":"references","evidence":"src/content/articles/en/geo-examples.md body: /en/blog/how-to-get-cited-2026/\nsrc/content/articles/en/geo-examples.md sources: /en/blog/how-to-get-cited-2026/\nsrc/content/articles/nl/geo-voorbeelden.md body: /nl/blog/hoe-je-geciteerd-wordt-2026/\nsrc/content/articles/nl/geo-voorbeelden.md sources: /nl/blog/hoe-je-geciteerd-wordt-2026/","weight":1,"locales":["en","nl"],"id":"article:geo-examples|references|article:how-to-get-cited-2026"},{"source":"article:geo-examples","target":"article:person-entity-seo","relation":"references","evidence":"src/content/articles/en/geo-examples.md body: /en/blog/person-entity-seo/\nsrc/content/articles/en/geo-examples.md sources: /en/blog/person-entity-seo/\nsrc/content/articles/nl/geo-voorbeelden.md body: /nl/blog/entity-seo-voor-een-persoon/\nsrc/content/articles/nl/geo-voorbeelden.md sources: /nl/blog/entity-seo-voor-een-persoon/","weight":1,"locales":["en","nl"],"id":"article:geo-examples|references|article:person-entity-seo"},{"source":"article:geo-examples","target":"concept:geo","relation":"references","evidence":"src/content/articles/en/geo-examples.md furtherReading: /glossary/geo/\nsrc/content/articles/nl/geo-voorbeelden.md furtherReading: /nl/begrippen/geo/","weight":1,"locales":["en","nl"],"id":"article:geo-examples|references|concept:geo"},{"source":"article:geo-examples","target":"volume:the-rag-engineer","relation":"references","evidence":"src/content/articles/en/geo-examples.md body: /books/the-rag-engineer/\nsrc/content/articles/en/geo-examples.md sources: /books/the-rag-engineer/\nsrc/content/articles/nl/geo-voorbeelden.md body: /boeken/the-rag-engineer/\nsrc/content/articles/nl/geo-voorbeelden.md sources: /boeken/the-rag-engineer/","weight":1,"locales":["en","nl"],"id":"article:geo-examples|references|volume:the-rag-engineer"},{"source":"article:geo-examples","target":"article:answer-first-writing","relation":"related","evidence":"src/content/articles/en/geo-examples.md relatedArticleIds: 963c6aea-9d21-4486-a41f-f3b686025026\nsrc/content/articles/nl/geo-voorbeelden.md relatedArticleIds: f6e0a42b-d762-422b-98fe-23fc0332753c","weight":2,"locales":["en","nl"],"id":"article:geo-examples|related|article:answer-first-writing"},{"source":"article:geo-examples","target":"article:geo-meaning","relation":"related","evidence":"src/content/articles/en/geo-examples.md relatedArticleIds: 34e5be7f-a98a-4235-9f21-5b80471033c9\nsrc/content/articles/nl/geo-voorbeelden.md relatedArticleIds: 6c8638f1-f400-4ae1-8bab-f5203d331442","weight":2,"locales":["en","nl"],"id":"article:geo-examples|related|article:geo-meaning"},{"source":"article:geo-examples","target":"article:person-entity-seo","relation":"related","evidence":"src/content/articles/en/geo-examples.md relatedArticleIds: d85f51a9-178b-45eb-bf4c-1209cff8390c\nsrc/content/articles/nl/geo-voorbeelden.md relatedArticleIds: d585555f-31fc-4eb1-b3c7-5b52935a999c","weight":2,"locales":["en","nl"],"id":"article:geo-examples|related|article:person-entity-seo"},{"source":"article:geo-meaning","target":"concept:aeo","relation":"discusses","evidence":"src/content/articles/en/what-geo-means.md glossary: AEO\nsrc/content/articles/en/what-geo-means.md tags: aeo\nsrc/content/articles/nl/geo-betekenis.md glossary: AEO\nsrc/content/articles/nl/geo-betekenis.md tags: aeo","weight":1.5,"locales":["en","nl"],"id":"article:geo-meaning|discusses|concept:aeo"},{"source":"article:geo-meaning","target":"concept:citation","relation":"discusses","evidence":"src/content/articles/en/what-geo-means.md glossary: CITATION\nsrc/content/articles/nl/geo-betekenis.md glossary: CITATION","weight":1.5,"locales":["en","nl"],"id":"article:geo-meaning|discusses|concept:citation"},{"source":"article:geo-meaning","target":"concept:geo","relation":"discusses","evidence":"src/content/articles/en/what-geo-means.md glossary: GEO\nsrc/content/articles/en/what-geo-means.md tags: geo\nsrc/content/articles/nl/geo-betekenis.md glossary: GEO\nsrc/content/articles/nl/geo-betekenis.md tags: geo","weight":1.5,"locales":["en","nl"],"id":"article:geo-meaning|discusses|concept:geo"},{"source":"article:geo-meaning","target":"article:answer-engine-citations","relation":"references","evidence":"src/content/articles/en/what-geo-means.md body: /en/blog/how-answer-engines-select-sources/\nsrc/content/articles/en/what-geo-means.md furtherReading: /en/blog/how-answer-engines-select-sources/\nsrc/content/articles/en/what-geo-means.md sources: /en/blog/how-answer-engines-select-sources/\nsrc/content/articles/nl/geo-betekenis.md body: /nl/blog/hoe-antwoordmachines-bronnen-selecteren/\nsrc/content/articles/nl/geo-betekenis.md furtherReading: /nl/blog/hoe-antwoordmachines-bronnen-selecteren/\nsrc/content/articles/nl/geo-betekenis.md sources: /nl/blog/hoe-antwoordmachines-bronnen-selecteren/","weight":1,"locales":["en","nl"],"id":"article:geo-meaning|references|article:answer-engine-citations"},{"source":"article:geo-meaning","target":"article:content-architecture-answer-engines","relation":"references","evidence":"src/content/articles/en/what-geo-means.md body: /en/blog/content-architecture-for-answer-engines/\nsrc/content/articles/nl/geo-betekenis.md body: /nl/blog/contentarchitectuur-voor-antwoordmachines/","weight":1,"locales":["en","nl"],"id":"article:geo-meaning|references|article:content-architecture-answer-engines"},{"source":"article:geo-meaning","target":"article:how-to-get-cited-2026","relation":"references","evidence":"src/content/articles/en/what-geo-means.md body: /en/blog/how-to-get-cited-2026/\nsrc/content/articles/en/what-geo-means.md furtherReading: /en/blog/how-to-get-cited-2026/\nsrc/content/articles/en/what-geo-means.md sources: /en/blog/how-to-get-cited-2026/\nsrc/content/articles/nl/geo-betekenis.md body: /nl/blog/hoe-je-geciteerd-wordt-2026/\nsrc/content/articles/nl/geo-betekenis.md furtherReading: /nl/blog/hoe-je-geciteerd-wordt-2026/\nsrc/content/articles/nl/geo-betekenis.md sources: /nl/blog/hoe-je-geciteerd-wordt-2026/","weight":1,"locales":["en","nl"],"id":"article:geo-meaning|references|article:how-to-get-cited-2026"},{"source":"article:geo-meaning","target":"concept:aeo","relation":"references","evidence":"src/content/articles/en/what-geo-means.md body: /glossary/aeo/\nsrc/content/articles/en/what-geo-means.md furtherReading: /glossary/aeo/\nsrc/content/articles/en/what-geo-means.md sources: /glossary/aeo/\nsrc/content/articles/nl/geo-betekenis.md body: /nl/begrippen/aeo/\nsrc/content/articles/nl/geo-betekenis.md furtherReading: /nl/begrippen/aeo/\nsrc/content/articles/nl/geo-betekenis.md sources: /nl/begrippen/aeo/","weight":1,"locales":["en","nl"],"id":"article:geo-meaning|references|concept:aeo"},{"source":"article:geo-meaning","target":"concept:citation","relation":"references","evidence":"src/content/articles/en/what-geo-means.md body: /glossary/citation/\nsrc/content/articles/en/what-geo-means.md sources: /glossary/citation/\nsrc/content/articles/nl/geo-betekenis.md body: /nl/begrippen/citation/\nsrc/content/articles/nl/geo-betekenis.md sources: /nl/begrippen/citation/","weight":1,"locales":["en","nl"],"id":"article:geo-meaning|references|concept:citation"},{"source":"article:geo-meaning","target":"concept:geo","relation":"references","evidence":"src/content/articles/en/what-geo-means.md furtherReading: /glossary/geo/\nsrc/content/articles/en/what-geo-means.md sources: /glossary/geo/\nsrc/content/articles/nl/geo-betekenis.md furtherReading: /nl/begrippen/geo/\nsrc/content/articles/nl/geo-betekenis.md sources: /nl/begrippen/geo/","weight":1,"locales":["en","nl"],"id":"article:geo-meaning|references|concept:geo"},{"source":"article:geo-meaning","target":"volume:the-findability-engine","relation":"references","evidence":"src/content/articles/en/what-geo-means.md body: /books/the-findability-engine/\nsrc/content/articles/en/what-geo-means.md furtherReading: /books/the-findability-engine/\nsrc/content/articles/en/what-geo-means.md sources: /books/the-findability-engine/\nsrc/content/articles/nl/geo-betekenis.md body: /boeken/the-findability-engine/\nsrc/content/articles/nl/geo-betekenis.md furtherReading: /boeken/the-findability-engine/\nsrc/content/articles/nl/geo-betekenis.md sources: /boeken/the-findability-engine/","weight":1,"locales":["en","nl"],"id":"article:geo-meaning|references|volume:the-findability-engine"},{"source":"article:geo-meaning","target":"article:answer-engine-citations","relation":"related","evidence":"src/content/articles/en/what-geo-means.md relatedArticleIds: 018f6f0d-4aa1-7d2e-9c8e-f57fc6f5d100\nsrc/content/articles/nl/geo-betekenis.md relatedArticleIds: 018f6f0d-4aa1-7d2e-9c8e-f57fc6f5d100","weight":2,"locales":["en","nl"],"id":"article:geo-meaning|related|article:answer-engine-citations"},{"source":"article:geo-meaning","target":"article:content-architecture-answer-engines","relation":"related","evidence":"src/content/articles/en/what-geo-means.md relatedArticleIds: 25405657-7d27-4604-877c-d3f22c6c2e9c\nsrc/content/articles/nl/geo-betekenis.md relatedArticleIds: 25405657-7d27-4604-877c-d3f22c6c2e9c","weight":2,"locales":["en","nl"],"id":"article:geo-meaning|related|article:content-architecture-answer-engines"},{"source":"article:geo-meaning","target":"article:how-to-get-cited-2026","relation":"related","evidence":"src/content/articles/en/what-geo-means.md relatedArticleIds: 030afe30-fce7-41d2-b1a4-798d4e2c8048\nsrc/content/articles/nl/geo-betekenis.md relatedArticleIds: 030afe30-fce7-41d2-b1a4-798d4e2c8048","weight":2,"locales":["en","nl"],"id":"article:geo-meaning|related|article:how-to-get-cited-2026"},{"source":"article:geo-meaning","target":"concept:aeo","relation":"related","evidence":"src/data/site-link-graph.ts: what-geo-means frameworks/glossary","weight":2,"locales":["en","nl"],"id":"article:geo-meaning|related|concept:aeo"},{"source":"article:geo-meaning","target":"concept:geo","relation":"related","evidence":"src/data/site-link-graph.ts: what-geo-means frameworks/glossary","weight":2,"locales":["en","nl"],"id":"article:geo-meaning|related|concept:geo"},{"source":"article:geo-meaning","target":"volume:the-findability-engine","relation":"related","evidence":"src/data/site-link-graph.ts: what-geo-means books","weight":2,"locales":["en","nl"],"id":"article:geo-meaning|related|volume:the-findability-engine"},{"source":"article:governed-agent-memory","target":"concept:grain","relation":"discusses","evidence":"src/content/articles/en/governed-agent-memory.md glossary: GRAIN\nsrc/content/articles/nl/bestuurde-agent-memory.md glossary: GRAIN","weight":1.5,"locales":["en","nl"],"id":"article:governed-agent-memory|discusses|concept:grain"},{"source":"article:governed-agent-memory","target":"concept:tag:agent-ops","relation":"discusses","evidence":"src/content/articles/en/governed-agent-memory.md tags: agent-ops\nsrc/content/articles/nl/bestuurde-agent-memory.md tags: agent-ops","weight":1.5,"locales":["en","nl"],"id":"article:governed-agent-memory|discusses|concept:tag:agent-ops"},{"source":"article:governed-agent-memory","target":"article:rag-freshness","relation":"references","evidence":"src/content/articles/en/governed-agent-memory.md furtherReading: /en/blog/rag-freshness/\nsrc/content/articles/en/governed-agent-memory.md sources: /en/blog/rag-freshness/\nsrc/content/articles/nl/bestuurde-agent-memory.md furtherReading: /nl/blog/rag-actualiteit/\nsrc/content/articles/nl/bestuurde-agent-memory.md sources: /nl/blog/rag-actualiteit/","weight":1,"locales":["en","nl"],"id":"article:governed-agent-memory|references|article:rag-freshness"},{"source":"article:governed-agent-memory","target":"article:what-is-an-ai-agent","relation":"references","evidence":"src/content/articles/en/governed-agent-memory.md body: /en/blog/what-is-an-ai-agent/\nsrc/content/articles/nl/bestuurde-agent-memory.md body: /nl/blog/wat-is-een-ai-agent/","weight":1,"locales":["en","nl"],"id":"article:governed-agent-memory|references|article:what-is-an-ai-agent"},{"source":"article:governed-agent-memory","target":"article:what-is-grain","relation":"references","evidence":"src/content/articles/en/governed-agent-memory.md body: /en/blog/what-is-grain/\nsrc/content/articles/en/governed-agent-memory.md furtherReading: /en/blog/what-is-grain/\nsrc/content/articles/en/governed-agent-memory.md sources: /en/blog/what-is-grain/\nsrc/content/articles/nl/bestuurde-agent-memory.md body: /nl/blog/wat-is-grain/\nsrc/content/articles/nl/bestuurde-agent-memory.md furtherReading: /nl/blog/wat-is-grain/\nsrc/content/articles/nl/bestuurde-agent-memory.md sources: /nl/blog/wat-is-grain/","weight":1,"locales":["en","nl"],"id":"article:governed-agent-memory|references|article:what-is-grain"},{"source":"article:governed-agent-memory","target":"article:what-is-rag","relation":"references","evidence":"src/content/articles/en/governed-agent-memory.md body: /en/blog/what-is-rag/\nsrc/content/articles/en/governed-agent-memory.md furtherReading: /en/blog/what-is-rag/\nsrc/content/articles/nl/bestuurde-agent-memory.md body: /nl/blog/wat-is-rag/\nsrc/content/articles/nl/bestuurde-agent-memory.md furtherReading: /nl/blog/wat-is-rag/","weight":1,"locales":["en","nl"],"id":"article:governed-agent-memory|references|article:what-is-rag"},{"source":"article:governed-agent-memory","target":"concept:grain","relation":"references","evidence":"src/content/articles/en/governed-agent-memory.md body: /frameworks/grain/\nsrc/content/articles/en/governed-agent-memory.md sources: /frameworks/grain/\nsrc/content/articles/nl/bestuurde-agent-memory.md body: /nl/frameworks/grain/\nsrc/content/articles/nl/bestuurde-agent-memory.md sources: /nl/frameworks/grain/","weight":1,"locales":["en","nl"],"id":"article:governed-agent-memory|references|concept:grain"},{"source":"article:governed-agent-memory","target":"volume:the-rag-engineer","relation":"references","evidence":"src/content/articles/en/governed-agent-memory.md body: /books/the-rag-engineer/\nsrc/content/articles/en/governed-agent-memory.md furtherReading: /books/the-rag-engineer/\nsrc/content/articles/en/governed-agent-memory.md sources: /books/the-rag-engineer/\nsrc/content/articles/nl/bestuurde-agent-memory.md body: /boeken/the-rag-engineer/\nsrc/content/articles/nl/bestuurde-agent-memory.md furtherReading: /boeken/the-rag-engineer/\nsrc/content/articles/nl/bestuurde-agent-memory.md sources: /boeken/the-rag-engineer/","weight":1,"locales":["en","nl"],"id":"article:governed-agent-memory|references|volume:the-rag-engineer"},{"source":"article:governed-agent-memory","target":"article:rag-freshness","relation":"related","evidence":"src/content/articles/en/governed-agent-memory.md relatedArticleIds: af6b641c-b833-432d-988f-6814320578c1\nsrc/content/articles/nl/bestuurde-agent-memory.md relatedArticleIds: 6e800eab-6bca-4d4e-a4a9-7c471fd58a83","weight":2,"locales":["en","nl"],"id":"article:governed-agent-memory|related|article:rag-freshness"},{"source":"article:governed-agent-memory","target":"article:what-is-grain","relation":"related","evidence":"src/content/articles/en/governed-agent-memory.md relatedArticleIds: 022ed890-8733-4817-a04a-3aa2e653ef5d\nsrc/content/articles/nl/bestuurde-agent-memory.md relatedArticleIds: 07b15a81-6001-4f03-92a6-dce92105c0f6","weight":2,"locales":["en","nl"],"id":"article:governed-agent-memory|related|article:what-is-grain"},{"source":"article:governed-agent-memory","target":"article:what-is-rag","relation":"related","evidence":"src/content/articles/en/governed-agent-memory.md relatedArticleIds: 295fcb44-1746-4f53-95f7-60a307ad8af1\nsrc/content/articles/nl/bestuurde-agent-memory.md relatedArticleIds: 8a56c0b5-6c3d-49d8-aa8b-7f23cc2af38e","weight":2,"locales":["en","nl"],"id":"article:governed-agent-memory|related|article:what-is-rag"},{"source":"article:gptbot-vs-oai-searchbot","target":"concept:aeo","relation":"discusses","evidence":"src/content/articles/en/gptbot-vs-oai-searchbot.md glossary: AEO\nsrc/content/articles/en/gptbot-vs-oai-searchbot.md tags: aeo\nsrc/content/articles/nl/gptbot-versus-oai-searchbot.md glossary: AEO\nsrc/content/articles/nl/gptbot-versus-oai-searchbot.md tags: aeo","weight":1.5,"locales":["en","nl"],"id":"article:gptbot-vs-oai-searchbot|discusses|concept:aeo"},{"source":"article:gptbot-vs-oai-searchbot","target":"concept:citation","relation":"discusses","evidence":"src/content/articles/en/gptbot-vs-oai-searchbot.md glossary: CITATION\nsrc/content/articles/nl/gptbot-versus-oai-searchbot.md glossary: CITATION","weight":1.5,"locales":["en","nl"],"id":"article:gptbot-vs-oai-searchbot|discusses|concept:citation"},{"source":"article:gptbot-vs-oai-searchbot","target":"concept:geo","relation":"discusses","evidence":"src/content/articles/en/gptbot-vs-oai-searchbot.md tags: geo\nsrc/content/articles/nl/gptbot-versus-oai-searchbot.md tags: geo","weight":1.5,"locales":["en","nl"],"id":"article:gptbot-vs-oai-searchbot|discusses|concept:geo"},{"source":"article:gptbot-vs-oai-searchbot","target":"article:citation-readiness-audit","relation":"references","evidence":"src/content/articles/en/gptbot-vs-oai-searchbot.md body: /en/blog/citation-readiness-audit/\nsrc/content/articles/en/gptbot-vs-oai-searchbot.md furtherReading: /en/blog/citation-readiness-audit/\nsrc/content/articles/en/gptbot-vs-oai-searchbot.md sources: /en/blog/citation-readiness-audit/\nsrc/content/articles/nl/gptbot-versus-oai-searchbot.md body: /nl/blog/citatiegereedheid-audit/\nsrc/content/articles/nl/gptbot-versus-oai-searchbot.md furtherReading: /nl/blog/citatiegereedheid-audit/\nsrc/content/articles/nl/gptbot-versus-oai-searchbot.md sources: /nl/blog/citatiegereedheid-audit/","weight":1,"locales":["en","nl"],"id":"article:gptbot-vs-oai-searchbot|references|article:citation-readiness-audit"},{"source":"article:gptbot-vs-oai-searchbot","target":"article:how-to-get-cited-2026","relation":"references","evidence":"src/content/articles/en/gptbot-vs-oai-searchbot.md body: /en/blog/how-to-get-cited-2026/\nsrc/content/articles/en/gptbot-vs-oai-searchbot.md furtherReading: /en/blog/how-to-get-cited-2026/\nsrc/content/articles/en/gptbot-vs-oai-searchbot.md sources: /en/blog/how-to-get-cited-2026/\nsrc/content/articles/nl/gptbot-versus-oai-searchbot.md body: /nl/blog/hoe-je-geciteerd-wordt-2026/\nsrc/content/articles/nl/gptbot-versus-oai-searchbot.md furtherReading: /nl/blog/hoe-je-geciteerd-wordt-2026/\nsrc/content/articles/nl/gptbot-versus-oai-searchbot.md sources: /nl/blog/hoe-je-geciteerd-wordt-2026/","weight":1,"locales":["en","nl"],"id":"article:gptbot-vs-oai-searchbot|references|article:how-to-get-cited-2026"},{"source":"article:gptbot-vs-oai-searchbot","target":"article:why-chatgpt-does-not-name-you","relation":"references","evidence":"src/content/articles/en/gptbot-vs-oai-searchbot.md body: /en/blog/why-chatgpt-does-not-name-you/\nsrc/content/articles/en/gptbot-vs-oai-searchbot.md furtherReading: /en/blog/why-chatgpt-does-not-name-you/\nsrc/content/articles/en/gptbot-vs-oai-searchbot.md sources: /en/blog/why-chatgpt-does-not-name-you/\nsrc/content/articles/nl/gptbot-versus-oai-searchbot.md body: /nl/blog/waarom-word-ik-niet-genoemd-in-chatgpt/\nsrc/content/articles/nl/gptbot-versus-oai-searchbot.md furtherReading: /nl/blog/waarom-word-ik-niet-genoemd-in-chatgpt/\nsrc/content/articles/nl/gptbot-versus-oai-searchbot.md sources: /nl/blog/waarom-word-ik-niet-genoemd-in-chatgpt/","weight":1,"locales":["en","nl"],"id":"article:gptbot-vs-oai-searchbot|references|article:why-chatgpt-does-not-name-you"},{"source":"article:gptbot-vs-oai-searchbot","target":"volume:the-findability-engine","relation":"references","evidence":"src/content/articles/en/gptbot-vs-oai-searchbot.md body: /books/the-findability-engine/\nsrc/content/articles/en/gptbot-vs-oai-searchbot.md furtherReading: /books/the-findability-engine/\nsrc/content/articles/en/gptbot-vs-oai-searchbot.md sources: /books/the-findability-engine/\nsrc/content/articles/nl/gptbot-versus-oai-searchbot.md body: /boeken/the-findability-engine/\nsrc/content/articles/nl/gptbot-versus-oai-searchbot.md furtherReading: /boeken/the-findability-engine/\nsrc/content/articles/nl/gptbot-versus-oai-searchbot.md sources: /boeken/the-findability-engine/","weight":1,"locales":["en","nl"],"id":"article:gptbot-vs-oai-searchbot|references|volume:the-findability-engine"},{"source":"article:gptbot-vs-oai-searchbot","target":"article:citation-readiness-audit","relation":"related","evidence":"src/content/articles/en/gptbot-vs-oai-searchbot.md relatedArticleIds: 3a31cc51-f1d5-4daa-a4bc-7d8b306e164f\nsrc/content/articles/nl/gptbot-versus-oai-searchbot.md relatedArticleIds: 3a31cc51-f1d5-4daa-a4bc-7d8b306e164f","weight":2,"locales":["en","nl"],"id":"article:gptbot-vs-oai-searchbot|related|article:citation-readiness-audit"},{"source":"article:gptbot-vs-oai-searchbot","target":"article:how-to-get-cited-2026","relation":"related","evidence":"src/content/articles/en/gptbot-vs-oai-searchbot.md relatedArticleIds: 030afe30-fce7-41d2-b1a4-798d4e2c8048\nsrc/content/articles/nl/gptbot-versus-oai-searchbot.md relatedArticleIds: 030afe30-fce7-41d2-b1a4-798d4e2c8048","weight":2,"locales":["en","nl"],"id":"article:gptbot-vs-oai-searchbot|related|article:how-to-get-cited-2026"},{"source":"article:gptbot-vs-oai-searchbot","target":"article:why-chatgpt-does-not-name-you","relation":"related","evidence":"src/content/articles/en/gptbot-vs-oai-searchbot.md relatedArticleIds: 577a8046-863e-4a77-aa77-60d4f1aec34b\nsrc/content/articles/nl/gptbot-versus-oai-searchbot.md relatedArticleIds: 577a8046-863e-4a77-aa77-60d4f1aec34b","weight":2,"locales":["en","nl"],"id":"article:gptbot-vs-oai-searchbot|related|article:why-chatgpt-does-not-name-you"},{"source":"article:gtm-survives-ten-customers","target":"concept:sense","relation":"discusses","evidence":"src/content/articles/en/gtm-that-survives-ten-customers.md glossary: SENSE\nsrc/content/articles/nl/go-to-market-dat-de-eerste-tien-klanten-overleeft.md glossary: SENSE","weight":1.5,"locales":["en","nl"],"id":"article:gtm-survives-ten-customers|discusses|concept:sense"},{"source":"article:gtm-survives-ten-customers","target":"concept:tag:ai-agents","relation":"discusses","evidence":"src/content/articles/en/gtm-that-survives-ten-customers.md tags: ai-agents\nsrc/content/articles/nl/go-to-market-dat-de-eerste-tien-klanten-overleeft.md tags: ai-agents","weight":1.5,"locales":["en","nl"],"id":"article:gtm-survives-ten-customers|discusses|concept:tag:ai-agents"},{"source":"article:gtm-survives-ten-customers","target":"article:what-is-an-ai-agent","relation":"references","evidence":"src/content/articles/en/gtm-that-survives-ten-customers.md body: /en/blog/what-is-an-ai-agent/\nsrc/content/articles/en/gtm-that-survives-ten-customers.md furtherReading: /en/blog/what-is-an-ai-agent/\nsrc/content/articles/en/gtm-that-survives-ten-customers.md sources: /en/blog/what-is-an-ai-agent/\nsrc/content/articles/nl/go-to-market-dat-de-eerste-tien-klanten-overleeft.md body: /nl/blog/wat-is-een-ai-agent/\nsrc/content/articles/nl/go-to-market-dat-de-eerste-tien-klanten-overleeft.md furtherReading: /nl/blog/wat-is-een-ai-agent/\nsrc/content/articles/nl/go-to-market-dat-de-eerste-tien-klanten-overleeft.md sources: /nl/blog/wat-is-een-ai-agent/","weight":1,"locales":["en","nl"],"id":"article:gtm-survives-ten-customers|references|article:what-is-an-ai-agent"},{"source":"article:gtm-survives-ten-customers","target":"concept:sense","relation":"references","evidence":"src/content/articles/en/gtm-that-survives-ten-customers.md body: /frameworks/sense/\nsrc/content/articles/en/gtm-that-survives-ten-customers.md furtherReading: /frameworks/sense/\nsrc/content/articles/en/gtm-that-survives-ten-customers.md sources: /frameworks/sense/\nsrc/content/articles/en/gtm-that-survives-ten-customers.md sources: /glossary/sense/\nsrc/content/articles/nl/go-to-market-dat-de-eerste-tien-klanten-overleeft.md body: /nl/frameworks/sense/\nsrc/content/articles/nl/go-to-market-dat-de-eerste-tien-klanten-overleeft.md furtherReading: /nl/frameworks/sense/\nsrc/content/articles/nl/go-to-market-dat-de-eerste-tien-klanten-overleeft.md sources: /nl/begrippen/sense/\nsrc/content/articles/nl/go-to-market-dat-de-eerste-tien-klanten-overleeft.md sources: /nl/frameworks/sense/","weight":1,"locales":["en","nl"],"id":"article:gtm-survives-ten-customers|references|concept:sense"},{"source":"article:gtm-survives-ten-customers","target":"volume:ai-agents-for-startup-strategy","relation":"references","evidence":"src/content/articles/en/gtm-that-survives-ten-customers.md body: /ai-agents-for-startup-strategy/\nsrc/content/articles/en/gtm-that-survives-ten-customers.md furtherReading: /ai-agents-for-startup-strategy/\nsrc/content/articles/en/gtm-that-survives-ten-customers.md sources: /ai-agents-for-startup-strategy/\nsrc/content/articles/nl/go-to-market-dat-de-eerste-tien-klanten-overleeft.md body: /boeken/ai-agents-for-startup-strategy/\nsrc/content/articles/nl/go-to-market-dat-de-eerste-tien-klanten-overleeft.md furtherReading: /boeken/ai-agents-for-startup-strategy/\nsrc/content/articles/nl/go-to-market-dat-de-eerste-tien-klanten-overleeft.md sources: /boeken/ai-agents-for-startup-strategy/","weight":1,"locales":["en","nl"],"id":"article:gtm-survives-ten-customers|references|volume:ai-agents-for-startup-strategy"},{"source":"article:gtm-survives-ten-customers","target":"volume:the-founder-sales-system","relation":"references","evidence":"src/content/articles/en/gtm-that-survives-ten-customers.md body: /books/the-founder-sales-system/\nsrc/content/articles/en/gtm-that-survives-ten-customers.md furtherReading: /books/the-founder-sales-system/\nsrc/content/articles/en/gtm-that-survives-ten-customers.md sources: /books/the-founder-sales-system/\nsrc/content/articles/nl/go-to-market-dat-de-eerste-tien-klanten-overleeft.md body: /boeken/the-founder-sales-system/\nsrc/content/articles/nl/go-to-market-dat-de-eerste-tien-klanten-overleeft.md furtherReading: /boeken/the-founder-sales-system/\nsrc/content/articles/nl/go-to-market-dat-de-eerste-tien-klanten-overleeft.md sources: /boeken/the-founder-sales-system/","weight":1,"locales":["en","nl"],"id":"article:gtm-survives-ten-customers|references|volume:the-founder-sales-system"},{"source":"article:gtm-survives-ten-customers","target":"volume:the-predictive-founder","relation":"references","evidence":"src/content/articles/en/gtm-that-survives-ten-customers.md body: /books/the-predictive-founder/\nsrc/content/articles/en/gtm-that-survives-ten-customers.md furtherReading: /books/the-predictive-founder/\nsrc/content/articles/en/gtm-that-survives-ten-customers.md sources: /books/the-predictive-founder/\nsrc/content/articles/nl/go-to-market-dat-de-eerste-tien-klanten-overleeft.md body: /boeken/the-predictive-founder/\nsrc/content/articles/nl/go-to-market-dat-de-eerste-tien-klanten-overleeft.md furtherReading: /boeken/the-predictive-founder/\nsrc/content/articles/nl/go-to-market-dat-de-eerste-tien-klanten-overleeft.md sources: /boeken/the-predictive-founder/","weight":1,"locales":["en","nl"],"id":"article:gtm-survives-ten-customers|references|volume:the-predictive-founder"},{"source":"article:gtm-survives-ten-customers","target":"article:ai-agents-for-startup-strategy-introduction","relation":"related","evidence":"src/content/articles/en/gtm-that-survives-ten-customers.md relatedArticleIds: 94cf5d15-e475-4200-89a1-55b144c4a217\nsrc/content/articles/nl/go-to-market-dat-de-eerste-tien-klanten-overleeft.md relatedArticleIds: 94cf5d15-e475-4200-89a1-55b144c4a217","weight":2,"locales":["en","nl"],"id":"article:gtm-survives-ten-customers|related|article:ai-agents-for-startup-strategy-introduction"},{"source":"article:gtm-survives-ten-customers","target":"article:what-is-an-ai-agent","relation":"related","evidence":"src/content/articles/en/gtm-that-survives-ten-customers.md relatedArticleIds: 69f0de22-6dd9-44b3-b6d8-b89ce8d8df7e\nsrc/content/articles/nl/go-to-market-dat-de-eerste-tien-klanten-overleeft.md relatedArticleIds: 69f0de22-6dd9-44b3-b6d8-b89ce8d8df7e","weight":2,"locales":["en","nl"],"id":"article:gtm-survives-ten-customers|related|article:what-is-an-ai-agent"},{"source":"article:gtm-survives-ten-customers","target":"concept:sense","relation":"related","evidence":"src/data/site-link-graph.ts: gtm-survives-ten-customers frameworks/glossary","weight":2,"locales":["en","nl"],"id":"article:gtm-survives-ten-customers|related|concept:sense"},{"source":"article:gtm-survives-ten-customers","target":"volume:ai-agents-for-startup-strategy","relation":"related","evidence":"src/data/site-link-graph.ts: gtm-survives-ten-customers books","weight":2,"locales":["en","nl"],"id":"article:gtm-survives-ten-customers|related|volume:ai-agents-for-startup-strategy"},{"source":"article:gtm-survives-ten-customers","target":"volume:the-founder-sales-system","relation":"related","evidence":"src/data/site-link-graph.ts: gtm-survives-ten-customers books","weight":2,"locales":["en","nl"],"id":"article:gtm-survives-ten-customers|related|volume:the-founder-sales-system"},{"source":"article:gtm-survives-ten-customers","target":"volume:the-predictive-founder","relation":"related","evidence":"src/data/site-link-graph.ts: gtm-survives-ten-customers books","weight":2,"locales":["en","nl"],"id":"article:gtm-survives-ten-customers|related|volume:the-predictive-founder"},{"source":"article:hiring-an-aeo-agency","target":"concept:aeo","relation":"discusses","evidence":"src/content/articles/en/hiring-an-aeo-agency.md glossary: AEO\nsrc/content/articles/en/hiring-an-aeo-agency.md tags: aeo\nsrc/content/articles/nl/aeo-bureau-inhuren.md glossary: AEO\nsrc/content/articles/nl/aeo-bureau-inhuren.md tags: aeo","weight":1.5,"locales":["en","nl"],"id":"article:hiring-an-aeo-agency|discusses|concept:aeo"},{"source":"article:hiring-an-aeo-agency","target":"article:answer-engine-optimization","relation":"references","evidence":"src/content/articles/en/hiring-an-aeo-agency.md body: /en/blog/answer-engine-optimization/\nsrc/content/articles/en/hiring-an-aeo-agency.md furtherReading: /en/blog/answer-engine-optimization/\nsrc/content/articles/en/hiring-an-aeo-agency.md sources: /en/blog/answer-engine-optimization/\nsrc/content/articles/nl/aeo-bureau-inhuren.md body: /nl/blog/antwoordmotor-optimalisatie/\nsrc/content/articles/nl/aeo-bureau-inhuren.md furtherReading: /nl/blog/antwoordmotor-optimalisatie/\nsrc/content/articles/nl/aeo-bureau-inhuren.md sources: /nl/blog/antwoordmotor-optimalisatie/","weight":1,"locales":["en","nl"],"id":"article:hiring-an-aeo-agency|references|article:answer-engine-optimization"},{"source":"article:hiring-an-aeo-agency","target":"article:chatgpt-mentions-vs-citations","relation":"references","evidence":"src/content/articles/en/hiring-an-aeo-agency.md body: /en/blog/chatgpt-mentions-vs-citations/\nsrc/content/articles/nl/aeo-bureau-inhuren.md body: /nl/blog/chatgpt-vermeldingen/","weight":1,"locales":["en","nl"],"id":"article:hiring-an-aeo-agency|references|article:chatgpt-mentions-vs-citations"},{"source":"article:hiring-an-aeo-agency","target":"article:citation-readiness-audit","relation":"references","evidence":"src/content/articles/en/hiring-an-aeo-agency.md body: /en/blog/citation-readiness-audit/\nsrc/content/articles/en/hiring-an-aeo-agency.md furtherReading: /en/blog/citation-readiness-audit/\nsrc/content/articles/en/hiring-an-aeo-agency.md sources: /en/blog/citation-readiness-audit/\nsrc/content/articles/nl/aeo-bureau-inhuren.md body: /nl/blog/citatiegereedheid-audit/\nsrc/content/articles/nl/aeo-bureau-inhuren.md furtherReading: /nl/blog/citatiegereedheid-audit/\nsrc/content/articles/nl/aeo-bureau-inhuren.md sources: /nl/blog/citatiegereedheid-audit/","weight":1,"locales":["en","nl"],"id":"article:hiring-an-aeo-agency|references|article:citation-readiness-audit"},{"source":"article:hiring-an-aeo-agency","target":"article:gptbot-vs-oai-searchbot","relation":"references","evidence":"src/content/articles/en/hiring-an-aeo-agency.md body: /en/blog/gptbot-vs-oai-searchbot/\nsrc/content/articles/nl/aeo-bureau-inhuren.md body: /nl/blog/gptbot-versus-oai-searchbot/","weight":1,"locales":["en","nl"],"id":"article:hiring-an-aeo-agency|references|article:gptbot-vs-oai-searchbot"},{"source":"article:hiring-an-aeo-agency","target":"article:what-is-llms-txt","relation":"references","evidence":"src/content/articles/en/hiring-an-aeo-agency.md body: /en/blog/what-is-llms-txt/\nsrc/content/articles/en/hiring-an-aeo-agency.md furtherReading: /en/blog/what-is-llms-txt/\nsrc/content/articles/nl/aeo-bureau-inhuren.md body: /nl/blog/wat-is-llms-txt/\nsrc/content/articles/nl/aeo-bureau-inhuren.md furtherReading: /nl/blog/wat-is-llms-txt/","weight":1,"locales":["en","nl"],"id":"article:hiring-an-aeo-agency|references|article:what-is-llms-txt"},{"source":"article:hiring-an-aeo-agency","target":"concept:aeo","relation":"references","evidence":"src/content/articles/en/hiring-an-aeo-agency.md furtherReading: /glossary/aeo/\nsrc/content/articles/en/hiring-an-aeo-agency.md sources: /glossary/aeo/\nsrc/content/articles/nl/aeo-bureau-inhuren.md furtherReading: /nl/begrippen/aeo/\nsrc/content/articles/nl/aeo-bureau-inhuren.md sources: /nl/begrippen/aeo/","weight":1,"locales":["en","nl"],"id":"article:hiring-an-aeo-agency|references|concept:aeo"},{"source":"article:hiring-an-aeo-agency","target":"article:answer-engine-optimization","relation":"related","evidence":"src/content/articles/en/hiring-an-aeo-agency.md relatedArticleIds: bc8823bc-7237-4f5a-9f0c-bf6b65730541\nsrc/content/articles/nl/aeo-bureau-inhuren.md relatedArticleIds: 520f9121-4fd0-4ffb-8ca7-cd4e6a5fda2c","weight":2,"locales":["en","nl"],"id":"article:hiring-an-aeo-agency|related|article:answer-engine-optimization"},{"source":"article:hiring-an-aeo-agency","target":"article:citation-readiness-audit","relation":"related","evidence":"src/content/articles/en/hiring-an-aeo-agency.md relatedArticleIds: 3a31cc51-f1d5-4daa-a4bc-7d8b306e164f\nsrc/content/articles/nl/aeo-bureau-inhuren.md relatedArticleIds: f0568450-67cc-450c-91c3-8823ff274955","weight":2,"locales":["en","nl"],"id":"article:hiring-an-aeo-agency|related|article:citation-readiness-audit"},{"source":"article:hiring-an-aeo-agency","target":"article:what-is-llms-txt","relation":"related","evidence":"src/content/articles/en/hiring-an-aeo-agency.md relatedArticleIds: 9d0d247e-22b2-4b75-ac78-af418ca43c89\nsrc/content/articles/nl/aeo-bureau-inhuren.md relatedArticleIds: 05f65724-287e-4cd4-b101-7706f0f74258","weight":2,"locales":["en","nl"],"id":"article:hiring-an-aeo-agency|related|article:what-is-llms-txt"},{"source":"article:hitl-in-ai-workflows","target":"concept:human-in-the-loop","relation":"discusses","evidence":"src/content/articles/en/hitl-in-ai-workflows.md glossary: Human in the loop\nsrc/content/articles/nl/hitl-toepassen-in-ai-workflows.md glossary: Mens in de lus","weight":1.5,"locales":["en","nl"],"id":"article:hitl-in-ai-workflows|discusses|concept:human-in-the-loop"},{"source":"article:hitl-in-ai-workflows","target":"concept:mcp","relation":"discusses","evidence":"src/content/articles/en/hitl-in-ai-workflows.md glossary: MCP\nsrc/content/articles/nl/hitl-toepassen-in-ai-workflows.md glossary: MCP","weight":1.5,"locales":["en","nl"],"id":"article:hitl-in-ai-workflows|discusses|concept:mcp"},{"source":"article:hitl-in-ai-workflows","target":"concept:override-doctrine","relation":"discusses","evidence":"src/content/articles/en/hitl-in-ai-workflows.md glossary: Override doctrine\nsrc/content/articles/nl/hitl-toepassen-in-ai-workflows.md glossary: Override-doctrine","weight":1.5,"locales":["en","nl"],"id":"article:hitl-in-ai-workflows|discusses|concept:override-doctrine"},{"source":"article:hitl-in-ai-workflows","target":"concept:tag:ai-agents","relation":"discusses","evidence":"src/content/articles/en/hitl-in-ai-workflows.md tags: ai-agents\nsrc/content/articles/nl/hitl-toepassen-in-ai-workflows.md tags: ai-agents","weight":1.5,"locales":["en","nl"],"id":"article:hitl-in-ai-workflows|discusses|concept:tag:ai-agents"},{"source":"article:hitl-in-ai-workflows","target":"article:evaluate-reasoning-not-fluency","relation":"references","evidence":"src/content/articles/en/hitl-in-ai-workflows.md body: /en/blog/evaluate-reasoning-not-fluency/\nsrc/content/articles/nl/hitl-toepassen-in-ai-workflows.md body: /nl/blog/evalueer-de-redenering-niet-de-vloeiendheid/","weight":1,"locales":["en","nl"],"id":"article:hitl-in-ai-workflows|references|article:evaluate-reasoning-not-fluency"},{"source":"article:hitl-in-ai-workflows","target":"article:human-in-the-loop-meaning","relation":"references","evidence":"src/content/articles/en/hitl-in-ai-workflows.md body: /en/blog/human-in-the-loop-meaning/\nsrc/content/articles/en/hitl-in-ai-workflows.md furtherReading: /en/blog/human-in-the-loop-meaning/\nsrc/content/articles/en/hitl-in-ai-workflows.md sources: /en/blog/human-in-the-loop-meaning/\nsrc/content/articles/nl/hitl-toepassen-in-ai-workflows.md body: /nl/blog/mens-in-de-lus-betekenis/\nsrc/content/articles/nl/hitl-toepassen-in-ai-workflows.md furtherReading: /nl/blog/mens-in-de-lus-betekenis/\nsrc/content/articles/nl/hitl-toepassen-in-ai-workflows.md sources: /nl/blog/mens-in-de-lus-betekenis/","weight":1,"locales":["en","nl"],"id":"article:hitl-in-ai-workflows|references|article:human-in-the-loop-meaning"},{"source":"article:hitl-in-ai-workflows","target":"article:llm-integration-operating-design","relation":"references","evidence":"src/content/articles/en/hitl-in-ai-workflows.md body: /en/blog/llm-integration-is-operating-design/\nsrc/content/articles/en/hitl-in-ai-workflows.md furtherReading: /en/blog/llm-integration-is-operating-design/\nsrc/content/articles/en/hitl-in-ai-workflows.md sources: /en/blog/llm-integration-is-operating-design/\nsrc/content/articles/nl/hitl-toepassen-in-ai-workflows.md body: /nl/blog/llm-integratie-is-operationeel-ontwerp/\nsrc/content/articles/nl/hitl-toepassen-in-ai-workflows.md furtherReading: /nl/blog/llm-integratie-is-operationeel-ontwerp/\nsrc/content/articles/nl/hitl-toepassen-in-ai-workflows.md sources: /nl/blog/llm-integratie-is-operationeel-ontwerp/","weight":1,"locales":["en","nl"],"id":"article:hitl-in-ai-workflows|references|article:llm-integration-operating-design"},{"source":"article:hitl-in-ai-workflows","target":"article:mcp-explained-for-founders","relation":"references","evidence":"src/content/articles/en/hitl-in-ai-workflows.md body: /en/blog/mcp-explained-for-founders/\nsrc/content/articles/en/hitl-in-ai-workflows.md furtherReading: /en/blog/mcp-explained-for-founders/\nsrc/content/articles/en/hitl-in-ai-workflows.md sources: /en/blog/mcp-explained-for-founders/\nsrc/content/articles/nl/hitl-toepassen-in-ai-workflows.md body: /nl/blog/mcp-uitgelegd-voor-ondernemers/\nsrc/content/articles/nl/hitl-toepassen-in-ai-workflows.md furtherReading: /nl/blog/mcp-uitgelegd-voor-ondernemers/\nsrc/content/articles/nl/hitl-toepassen-in-ai-workflows.md sources: /nl/blog/mcp-uitgelegd-voor-ondernemers/","weight":1,"locales":["en","nl"],"id":"article:hitl-in-ai-workflows|references|article:mcp-explained-for-founders"},{"source":"article:hitl-in-ai-workflows","target":"article:override-doctrine","relation":"references","evidence":"src/content/articles/en/hitl-in-ai-workflows.md body: /en/blog/override-doctrine/\nsrc/content/articles/en/hitl-in-ai-workflows.md furtherReading: /en/blog/override-doctrine/\nsrc/content/articles/en/hitl-in-ai-workflows.md sources: /en/blog/override-doctrine/\nsrc/content/articles/nl/hitl-toepassen-in-ai-workflows.md body: /nl/blog/override-doctrine/\nsrc/content/articles/nl/hitl-toepassen-in-ai-workflows.md furtherReading: /nl/blog/override-doctrine/\nsrc/content/articles/nl/hitl-toepassen-in-ai-workflows.md sources: /nl/blog/override-doctrine/","weight":1,"locales":["en","nl"],"id":"article:hitl-in-ai-workflows|references|article:override-doctrine"},{"source":"article:hitl-in-ai-workflows","target":"article:what-is-an-ai-agent","relation":"references","evidence":"src/content/articles/en/hitl-in-ai-workflows.md body: /en/blog/what-is-an-ai-agent/\nsrc/content/articles/nl/hitl-toepassen-in-ai-workflows.md body: /nl/blog/wat-is-een-ai-agent/","weight":1,"locales":["en","nl"],"id":"article:hitl-in-ai-workflows|references|article:what-is-an-ai-agent"},{"source":"article:hitl-in-ai-workflows","target":"concept:human-in-the-loop","relation":"references","evidence":"src/content/articles/en/hitl-in-ai-workflows.md sources: /glossary/human-in-the-loop/\nsrc/content/articles/nl/hitl-toepassen-in-ai-workflows.md sources: /nl/begrippen/mens-in-de-lus/","weight":1,"locales":["en","nl"],"id":"article:hitl-in-ai-workflows|references|concept:human-in-the-loop"},{"source":"article:hitl-in-ai-workflows","target":"volume:the-human-in-the-loop-life","relation":"references","evidence":"src/content/articles/en/hitl-in-ai-workflows.md body: /books/the-human-in-the-loop-life/\nsrc/content/articles/en/hitl-in-ai-workflows.md sources: /books/the-human-in-the-loop-life/\nsrc/content/articles/nl/hitl-toepassen-in-ai-workflows.md body: /boeken/the-human-in-the-loop-life/\nsrc/content/articles/nl/hitl-toepassen-in-ai-workflows.md sources: /boeken/the-human-in-the-loop-life/","weight":1,"locales":["en","nl"],"id":"article:hitl-in-ai-workflows|references|volume:the-human-in-the-loop-life"},{"source":"article:hitl-in-ai-workflows","target":"article:human-in-the-loop-meaning","relation":"related","evidence":"src/content/articles/en/hitl-in-ai-workflows.md relatedArticleIds: bbe0f467-08b1-4c33-ba0a-01288e9672c9\nsrc/content/articles/nl/hitl-toepassen-in-ai-workflows.md relatedArticleIds: bbe0f467-08b1-4c33-ba0a-01288e9672c9","weight":2,"locales":["en","nl"],"id":"article:hitl-in-ai-workflows|related|article:human-in-the-loop-meaning"},{"source":"article:hitl-in-ai-workflows","target":"article:llm-integration-operating-design","relation":"related","evidence":"src/content/articles/en/hitl-in-ai-workflows.md relatedArticleIds: b57a0ec3-6a5c-4283-bfc4-b20ad6ff7651\nsrc/content/articles/nl/hitl-toepassen-in-ai-workflows.md relatedArticleIds: b57a0ec3-6a5c-4283-bfc4-b20ad6ff7651","weight":2,"locales":["en","nl"],"id":"article:hitl-in-ai-workflows|related|article:llm-integration-operating-design"},{"source":"article:hitl-in-ai-workflows","target":"article:mcp-explained-for-founders","relation":"related","evidence":"src/content/articles/en/hitl-in-ai-workflows.md relatedArticleIds: bf0091f2-668e-48f6-aad0-efd1b61bbfa0\nsrc/content/articles/nl/hitl-toepassen-in-ai-workflows.md relatedArticleIds: bf0091f2-668e-48f6-aad0-efd1b61bbfa0","weight":2,"locales":["en","nl"],"id":"article:hitl-in-ai-workflows|related|article:mcp-explained-for-founders"},{"source":"article:hitl-in-ai-workflows","target":"article:override-doctrine","relation":"related","evidence":"src/content/articles/en/hitl-in-ai-workflows.md relatedArticleIds: e390df0a-2d52-4767-9356-28f5b80611f7\nsrc/content/articles/nl/hitl-toepassen-in-ai-workflows.md relatedArticleIds: e390df0a-2d52-4767-9356-28f5b80611f7","weight":2,"locales":["en","nl"],"id":"article:hitl-in-ai-workflows|related|article:override-doctrine"},{"source":"article:honest-conversion-systems","target":"concept:aeo","relation":"discusses","evidence":"src/content/articles/en/conversion-systems-that-stay-honest.md tags: aeo\nsrc/content/articles/nl/conversiesystemen-die-eerlijk-blijven.md tags: aeo","weight":1.5,"locales":["en","nl"],"id":"article:honest-conversion-systems|discusses|concept:aeo"},{"source":"article:honest-conversion-systems","target":"concept:geo","relation":"discusses","evidence":"src/content/articles/en/conversion-systems-that-stay-honest.md tags: geo\nsrc/content/articles/nl/conversiesystemen-die-eerlijk-blijven.md tags: geo","weight":1.5,"locales":["en","nl"],"id":"article:honest-conversion-systems|discusses|concept:geo"},{"source":"article:honest-conversion-systems","target":"article:mcp-explained-for-founders","relation":"references","evidence":"src/content/articles/en/conversion-systems-that-stay-honest.md furtherReading: /en/blog/mcp-explained-for-founders/\nsrc/content/articles/en/conversion-systems-that-stay-honest.md sources: /en/blog/mcp-explained-for-founders/\nsrc/content/articles/nl/conversiesystemen-die-eerlijk-blijven.md furtherReading: /nl/blog/mcp-uitgelegd-voor-ondernemers/\nsrc/content/articles/nl/conversiesystemen-die-eerlijk-blijven.md sources: /nl/blog/mcp-uitgelegd-voor-ondernemers/","weight":1,"locales":["en","nl"],"id":"article:honest-conversion-systems|references|article:mcp-explained-for-founders"},{"source":"article:honest-conversion-systems","target":"article:what-is-an-ai-agent","relation":"references","evidence":"src/content/articles/en/conversion-systems-that-stay-honest.md body: /en/blog/what-is-an-ai-agent/\nsrc/content/articles/en/conversion-systems-that-stay-honest.md furtherReading: /en/blog/what-is-an-ai-agent/\nsrc/content/articles/en/conversion-systems-that-stay-honest.md sources: /en/blog/what-is-an-ai-agent/\nsrc/content/articles/nl/conversiesystemen-die-eerlijk-blijven.md body: /nl/blog/wat-is-een-ai-agent/\nsrc/content/articles/nl/conversiesystemen-die-eerlijk-blijven.md furtherReading: /nl/blog/wat-is-een-ai-agent/\nsrc/content/articles/nl/conversiesystemen-die-eerlijk-blijven.md sources: /nl/blog/wat-is-een-ai-agent/","weight":1,"locales":["en","nl"],"id":"article:honest-conversion-systems|references|article:what-is-an-ai-agent"},{"source":"article:honest-conversion-systems","target":"volume:marketing-without-manipulation","relation":"references","evidence":"src/content/articles/en/conversion-systems-that-stay-honest.md body: /books/marketing-without-manipulation/\nsrc/content/articles/en/conversion-systems-that-stay-honest.md furtherReading: /books/marketing-without-manipulation/\nsrc/content/articles/en/conversion-systems-that-stay-honest.md sources: /books/marketing-without-manipulation/\nsrc/content/articles/nl/conversiesystemen-die-eerlijk-blijven.md body: /boeken/marketing-without-manipulation/\nsrc/content/articles/nl/conversiesystemen-die-eerlijk-blijven.md furtherReading: /boeken/marketing-without-manipulation/\nsrc/content/articles/nl/conversiesystemen-die-eerlijk-blijven.md sources: /boeken/marketing-without-manipulation/","weight":1,"locales":["en","nl"],"id":"article:honest-conversion-systems|references|volume:marketing-without-manipulation"},{"source":"article:honest-conversion-systems","target":"volume:the-authentic-operator","relation":"references","evidence":"src/content/articles/en/conversion-systems-that-stay-honest.md body: /books/the-authentic-operator/\nsrc/content/articles/en/conversion-systems-that-stay-honest.md furtherReading: /books/the-authentic-operator/\nsrc/content/articles/en/conversion-systems-that-stay-honest.md sources: /books/the-authentic-operator/\nsrc/content/articles/nl/conversiesystemen-die-eerlijk-blijven.md body: /boeken/the-authentic-operator/\nsrc/content/articles/nl/conversiesystemen-die-eerlijk-blijven.md furtherReading: /boeken/the-authentic-operator/\nsrc/content/articles/nl/conversiesystemen-die-eerlijk-blijven.md sources: /boeken/the-authentic-operator/","weight":1,"locales":["en","nl"],"id":"article:honest-conversion-systems|references|volume:the-authentic-operator"},{"source":"article:honest-conversion-systems","target":"volume:the-pricing-mind","relation":"references","evidence":"src/content/articles/en/conversion-systems-that-stay-honest.md body: /books/the-pricing-mind/\nsrc/content/articles/en/conversion-systems-that-stay-honest.md furtherReading: /books/the-pricing-mind/\nsrc/content/articles/en/conversion-systems-that-stay-honest.md sources: /books/the-pricing-mind/\nsrc/content/articles/nl/conversiesystemen-die-eerlijk-blijven.md body: /boeken/the-pricing-mind/\nsrc/content/articles/nl/conversiesystemen-die-eerlijk-blijven.md furtherReading: /boeken/the-pricing-mind/\nsrc/content/articles/nl/conversiesystemen-die-eerlijk-blijven.md sources: /boeken/the-pricing-mind/","weight":1,"locales":["en","nl"],"id":"article:honest-conversion-systems|references|volume:the-pricing-mind"},{"source":"article:honest-conversion-systems","target":"article:agentic-workflow-vs-automation","relation":"related","evidence":"src/content/articles/en/conversion-systems-that-stay-honest.md relatedArticleIds: b0c61b6b-2323-4daf-af82-d1797790765d\nsrc/content/articles/nl/conversiesystemen-die-eerlijk-blijven.md relatedArticleIds: b0c61b6b-2323-4daf-af82-d1797790765d","weight":2,"locales":["en","nl"],"id":"article:honest-conversion-systems|related|article:agentic-workflow-vs-automation"},{"source":"article:honest-conversion-systems","target":"article:llm-integration-operating-design","relation":"related","evidence":"src/content/articles/en/conversion-systems-that-stay-honest.md relatedArticleIds: b57a0ec3-6a5c-4283-bfc4-b20ad6ff7651\nsrc/content/articles/nl/conversiesystemen-die-eerlijk-blijven.md relatedArticleIds: b57a0ec3-6a5c-4283-bfc4-b20ad6ff7651","weight":2,"locales":["en","nl"],"id":"article:honest-conversion-systems|related|article:llm-integration-operating-design"},{"source":"article:honest-conversion-systems","target":"volume:marketing-without-manipulation","relation":"related","evidence":"src/data/site-link-graph.ts: honest-conversion-systems books","weight":2,"locales":["en","nl"],"id":"article:honest-conversion-systems|related|volume:marketing-without-manipulation"},{"source":"article:honest-conversion-systems","target":"volume:the-authentic-operator","relation":"related","evidence":"src/data/site-link-graph.ts: honest-conversion-systems books","weight":2,"locales":["en","nl"],"id":"article:honest-conversion-systems|related|volume:the-authentic-operator"},{"source":"article:honest-conversion-systems","target":"volume:the-pricing-mind","relation":"related","evidence":"src/data/site-link-graph.ts: honest-conversion-systems books","weight":2,"locales":["en","nl"],"id":"article:honest-conversion-systems|related|volume:the-pricing-mind"},{"source":"article:how-to-get-cited-2026","target":"concept:aeo","relation":"discusses","evidence":"src/content/articles/en/how-to-get-cited-2026.md glossary: AEO\nsrc/content/articles/en/how-to-get-cited-2026.md tags: aeo\nsrc/content/articles/nl/hoe-je-geciteerd-wordt-2026.md glossary: AEO\nsrc/content/articles/nl/hoe-je-geciteerd-wordt-2026.md tags: aeo","weight":1.5,"locales":["en","nl"],"id":"article:how-to-get-cited-2026|discusses|concept:aeo"},{"source":"article:how-to-get-cited-2026","target":"concept:citation","relation":"discusses","evidence":"src/content/articles/en/how-to-get-cited-2026.md glossary: CITATION\nsrc/content/articles/nl/hoe-je-geciteerd-wordt-2026.md glossary: CITATION","weight":1.5,"locales":["en","nl"],"id":"article:how-to-get-cited-2026|discusses|concept:citation"},{"source":"article:how-to-get-cited-2026","target":"concept:geo","relation":"discusses","evidence":"src/content/articles/en/how-to-get-cited-2026.md glossary: GEO\nsrc/content/articles/en/how-to-get-cited-2026.md tags: geo\nsrc/content/articles/nl/hoe-je-geciteerd-wordt-2026.md glossary: GEO\nsrc/content/articles/nl/hoe-je-geciteerd-wordt-2026.md tags: geo","weight":1.5,"locales":["en","nl"],"id":"article:how-to-get-cited-2026|discusses|concept:geo"},{"source":"article:how-to-get-cited-2026","target":"article:answer-engine-citations","relation":"references","evidence":"src/content/articles/en/how-to-get-cited-2026.md body: /en/blog/how-answer-engines-select-sources/\nsrc/content/articles/en/how-to-get-cited-2026.md furtherReading: /en/blog/how-answer-engines-select-sources/\nsrc/content/articles/en/how-to-get-cited-2026.md sources: /en/blog/how-answer-engines-select-sources/\nsrc/content/articles/nl/hoe-je-geciteerd-wordt-2026.md body: /nl/blog/hoe-antwoordmachines-bronnen-selecteren/\nsrc/content/articles/nl/hoe-je-geciteerd-wordt-2026.md furtherReading: /nl/blog/hoe-antwoordmachines-bronnen-selecteren/\nsrc/content/articles/nl/hoe-je-geciteerd-wordt-2026.md sources: /nl/blog/hoe-antwoordmachines-bronnen-selecteren/","weight":1,"locales":["en","nl"],"id":"article:how-to-get-cited-2026|references|article:answer-engine-citations"},{"source":"article:how-to-get-cited-2026","target":"concept:aeo","relation":"references","evidence":"src/content/articles/en/how-to-get-cited-2026.md body: /glossary/aeo/\nsrc/content/articles/en/how-to-get-cited-2026.md furtherReading: /glossary/aeo/\nsrc/content/articles/en/how-to-get-cited-2026.md sources: /glossary/aeo/\nsrc/content/articles/nl/hoe-je-geciteerd-wordt-2026.md body: /nl/begrippen/aeo/\nsrc/content/articles/nl/hoe-je-geciteerd-wordt-2026.md furtherReading: /nl/begrippen/aeo/\nsrc/content/articles/nl/hoe-je-geciteerd-wordt-2026.md sources: /nl/begrippen/aeo/","weight":1,"locales":["en","nl"],"id":"article:how-to-get-cited-2026|references|concept:aeo"},{"source":"article:how-to-get-cited-2026","target":"concept:citation","relation":"references","evidence":"src/content/articles/en/how-to-get-cited-2026.md body: /glossary/citation/\nsrc/content/articles/en/how-to-get-cited-2026.md furtherReading: /glossary/citation/\nsrc/content/articles/en/how-to-get-cited-2026.md sources: /glossary/citation/\nsrc/content/articles/nl/hoe-je-geciteerd-wordt-2026.md body: /nl/begrippen/citation/\nsrc/content/articles/nl/hoe-je-geciteerd-wordt-2026.md furtherReading: /nl/begrippen/citation/\nsrc/content/articles/nl/hoe-je-geciteerd-wordt-2026.md sources: /nl/begrippen/citation/","weight":1,"locales":["en","nl"],"id":"article:how-to-get-cited-2026|references|concept:citation"},{"source":"article:how-to-get-cited-2026","target":"concept:geo","relation":"references","evidence":"src/content/articles/en/how-to-get-cited-2026.md furtherReading: /glossary/geo/\nsrc/content/articles/en/how-to-get-cited-2026.md sources: /glossary/geo/\nsrc/content/articles/nl/hoe-je-geciteerd-wordt-2026.md furtherReading: /nl/begrippen/geo/\nsrc/content/articles/nl/hoe-je-geciteerd-wordt-2026.md sources: /nl/begrippen/geo/","weight":1,"locales":["en","nl"],"id":"article:how-to-get-cited-2026|references|concept:geo"},{"source":"article:how-to-get-cited-2026","target":"volume:the-findability-engine","relation":"references","evidence":"src/content/articles/en/how-to-get-cited-2026.md body: /books/the-findability-engine/\nsrc/content/articles/en/how-to-get-cited-2026.md sources: /books/the-findability-engine/\nsrc/content/articles/nl/hoe-je-geciteerd-wordt-2026.md body: /boeken/the-findability-engine/\nsrc/content/articles/nl/hoe-je-geciteerd-wordt-2026.md sources: /boeken/the-findability-engine/","weight":1,"locales":["en","nl"],"id":"article:how-to-get-cited-2026|references|volume:the-findability-engine"},{"source":"article:how-to-get-cited-2026","target":"article:answer-engine-citations","relation":"related","evidence":"src/content/articles/en/how-to-get-cited-2026.md relatedArticleIds: 018f6f0d-4aa1-7d2e-9c8e-f57fc6f5d100\nsrc/content/articles/nl/hoe-je-geciteerd-wordt-2026.md relatedArticleIds: 018f6f0d-4aa1-7d2e-9c8e-f57fc6f5d100","weight":2,"locales":["en","nl"],"id":"article:how-to-get-cited-2026|related|article:answer-engine-citations"},{"source":"article:how-to-get-cited-2026","target":"concept:aeo","relation":"related","evidence":"src/data/site-link-graph.ts: how-to-get-cited-2026 frameworks/glossary","weight":2,"locales":["en","nl"],"id":"article:how-to-get-cited-2026|related|concept:aeo"},{"source":"article:how-to-get-cited-2026","target":"concept:citation","relation":"related","evidence":"src/data/site-link-graph.ts: how-to-get-cited-2026 frameworks/glossary","weight":2,"locales":["en","nl"],"id":"article:how-to-get-cited-2026|related|concept:citation"},{"source":"article:how-to-get-cited-2026","target":"concept:geo","relation":"related","evidence":"src/data/site-link-graph.ts: how-to-get-cited-2026 frameworks/glossary","weight":2,"locales":["en","nl"],"id":"article:how-to-get-cited-2026|related|concept:geo"},{"source":"article:how-to-get-cited-2026","target":"volume:the-findability-engine","relation":"related","evidence":"src/data/site-link-graph.ts: how-to-get-cited-2026 books","weight":2,"locales":["en","nl"],"id":"article:how-to-get-cited-2026|related|volume:the-findability-engine"},{"source":"article:how-to-run-a-pre-mortem","target":"concept:tag:founder-resilience","relation":"discusses","evidence":"src/content/articles/en/how-to-run-a-pre-mortem.md tags: founder-resilience\nsrc/content/articles/nl/pre-mortem-in-20-minuten.md tags: founder-resilience","weight":1.5,"locales":["en","nl"],"id":"article:how-to-run-a-pre-mortem|discusses|concept:tag:founder-resilience"},{"source":"article:how-to-run-a-pre-mortem","target":"article:calibration-techniques-for-founders","relation":"references","evidence":"src/content/articles/en/how-to-run-a-pre-mortem.md body: /en/blog/calibration-techniques-for-founders/\nsrc/content/articles/en/how-to-run-a-pre-mortem.md furtherReading: /en/blog/calibration-techniques-for-founders/\nsrc/content/articles/nl/pre-mortem-in-20-minuten.md body: /nl/blog/kalibratietechnieken-voor-founders/\nsrc/content/articles/nl/pre-mortem-in-20-minuten.md furtherReading: /nl/blog/kalibratietechnieken-voor-founders/","weight":1,"locales":["en","nl"],"id":"article:how-to-run-a-pre-mortem|references|article:calibration-techniques-for-founders"},{"source":"article:how-to-run-a-pre-mortem","target":"article:five-line-decision-journal","relation":"references","evidence":"src/content/articles/en/how-to-run-a-pre-mortem.md body: /en/blog/five-line-decision-journal/\nsrc/content/articles/en/how-to-run-a-pre-mortem.md furtherReading: /en/blog/five-line-decision-journal/\nsrc/content/articles/en/how-to-run-a-pre-mortem.md sources: /en/blog/five-line-decision-journal/\nsrc/content/articles/nl/pre-mortem-in-20-minuten.md body: /nl/blog/beslissingsdagboek-in-vijf-regels/\nsrc/content/articles/nl/pre-mortem-in-20-minuten.md furtherReading: /nl/blog/beslissingsdagboek-in-vijf-regels/\nsrc/content/articles/nl/pre-mortem-in-20-minuten.md sources: /nl/blog/beslissingsdagboek-in-vijf-regels/","weight":1,"locales":["en","nl"],"id":"article:how-to-run-a-pre-mortem|references|article:five-line-decision-journal"},{"source":"article:how-to-run-a-pre-mortem","target":"concept:calibrate","relation":"references","evidence":"src/content/articles/en/how-to-run-a-pre-mortem.md body: /frameworks/calibrate/\nsrc/content/articles/en/how-to-run-a-pre-mortem.md furtherReading: /frameworks/calibrate/\nsrc/content/articles/en/how-to-run-a-pre-mortem.md sources: /frameworks/calibrate/\nsrc/content/articles/nl/pre-mortem-in-20-minuten.md body: /nl/frameworks/calibrate/\nsrc/content/articles/nl/pre-mortem-in-20-minuten.md furtherReading: /nl/frameworks/calibrate/\nsrc/content/articles/nl/pre-mortem-in-20-minuten.md sources: /nl/frameworks/calibrate/","weight":1,"locales":["en","nl"],"id":"article:how-to-run-a-pre-mortem|references|concept:calibrate"},{"source":"article:how-to-run-a-pre-mortem","target":"volume:the-calibrated-mind","relation":"references","evidence":"src/content/articles/en/how-to-run-a-pre-mortem.md body: /books/the-calibrated-mind/\nsrc/content/articles/en/how-to-run-a-pre-mortem.md furtherReading: /books/the-calibrated-mind/\nsrc/content/articles/en/how-to-run-a-pre-mortem.md sources: /books/the-calibrated-mind/\nsrc/content/articles/nl/pre-mortem-in-20-minuten.md body: /boeken/the-calibrated-mind/\nsrc/content/articles/nl/pre-mortem-in-20-minuten.md furtherReading: /boeken/the-calibrated-mind/\nsrc/content/articles/nl/pre-mortem-in-20-minuten.md sources: /boeken/the-calibrated-mind/","weight":1,"locales":["en","nl"],"id":"article:how-to-run-a-pre-mortem|references|volume:the-calibrated-mind"},{"source":"article:how-to-run-a-pre-mortem","target":"article:calibration-techniques-for-founders","relation":"related","evidence":"src/content/articles/en/how-to-run-a-pre-mortem.md relatedArticleIds: a034dc9c-a1d8-4457-9691-7779f43e086c\nsrc/content/articles/nl/pre-mortem-in-20-minuten.md relatedArticleIds: 6db60505-4d3f-4571-85dd-2b80d57bfc37","weight":2,"locales":["en","nl"],"id":"article:how-to-run-a-pre-mortem|related|article:calibration-techniques-for-founders"},{"source":"article:how-to-run-a-pre-mortem","target":"article:five-line-decision-journal","relation":"related","evidence":"src/content/articles/en/how-to-run-a-pre-mortem.md relatedArticleIds: f31e19ad-3342-4cb5-9598-7c2cc780e72a\nsrc/content/articles/nl/pre-mortem-in-20-minuten.md relatedArticleIds: b5705917-1073-442e-a0ba-de9d40ba2598","weight":2,"locales":["en","nl"],"id":"article:how-to-run-a-pre-mortem|related|article:five-line-decision-journal"},{"source":"article:how-to-run-a-pre-mortem","target":"article:second-order-thinking-audit","relation":"related","evidence":"src/content/articles/en/how-to-run-a-pre-mortem.md relatedArticleIds: df3a0159-faba-453e-93c5-89169732c623\nsrc/content/articles/nl/pre-mortem-in-20-minuten.md relatedArticleIds: f1428c1a-7661-482e-9d0b-f400b89c3db8","weight":2,"locales":["en","nl"],"id":"article:how-to-run-a-pre-mortem|related|article:second-order-thinking-audit"},{"source":"article:human-in-the-loop-meaning","target":"concept:ai-agent","relation":"discusses","evidence":"src/content/articles/en/human-in-the-loop-meaning.md glossary: AI agent\nsrc/content/articles/nl/mens-in-de-lus-betekenis.md glossary: AI-agent","weight":1.5,"locales":["en","nl"],"id":"article:human-in-the-loop-meaning|discusses|concept:ai-agent"},{"source":"article:human-in-the-loop-meaning","target":"concept:human-in-the-loop","relation":"discusses","evidence":"src/content/articles/en/human-in-the-loop-meaning.md glossary: Human in the loop\nsrc/content/articles/nl/mens-in-de-lus-betekenis.md glossary: Mens in de lus","weight":1.5,"locales":["en","nl"],"id":"article:human-in-the-loop-meaning|discusses|concept:human-in-the-loop"},{"source":"article:human-in-the-loop-meaning","target":"concept:override-doctrine","relation":"discusses","evidence":"src/content/articles/en/human-in-the-loop-meaning.md glossary: Override doctrine\nsrc/content/articles/nl/mens-in-de-lus-betekenis.md glossary: Override-doctrine","weight":1.5,"locales":["en","nl"],"id":"article:human-in-the-loop-meaning|discusses|concept:override-doctrine"},{"source":"article:human-in-the-loop-meaning","target":"concept:tag:ai-agents","relation":"discusses","evidence":"src/content/articles/en/human-in-the-loop-meaning.md tags: ai-agents\nsrc/content/articles/nl/mens-in-de-lus-betekenis.md tags: ai-agents","weight":1.5,"locales":["en","nl"],"id":"article:human-in-the-loop-meaning|discusses|concept:tag:ai-agents"},{"source":"article:human-in-the-loop-meaning","target":"article:llm-integration-operating-design","relation":"references","evidence":"src/content/articles/en/human-in-the-loop-meaning.md body: /en/blog/llm-integration-is-operating-design/\nsrc/content/articles/en/human-in-the-loop-meaning.md sources: /en/blog/llm-integration-is-operating-design/\nsrc/content/articles/nl/mens-in-de-lus-betekenis.md body: /nl/blog/llm-integratie-is-operationeel-ontwerp/\nsrc/content/articles/nl/mens-in-de-lus-betekenis.md sources: /nl/blog/llm-integratie-is-operationeel-ontwerp/","weight":1,"locales":["en","nl"],"id":"article:human-in-the-loop-meaning|references|article:llm-integration-operating-design"},{"source":"article:human-in-the-loop-meaning","target":"article:override-doctrine","relation":"references","evidence":"src/content/articles/en/human-in-the-loop-meaning.md body: /en/blog/override-doctrine/\nsrc/content/articles/en/human-in-the-loop-meaning.md furtherReading: /en/blog/override-doctrine/\nsrc/content/articles/en/human-in-the-loop-meaning.md sources: /en/blog/override-doctrine/\nsrc/content/articles/nl/mens-in-de-lus-betekenis.md body: /nl/blog/override-doctrine/\nsrc/content/articles/nl/mens-in-de-lus-betekenis.md furtherReading: /nl/blog/override-doctrine/\nsrc/content/articles/nl/mens-in-de-lus-betekenis.md sources: /nl/blog/override-doctrine/","weight":1,"locales":["en","nl"],"id":"article:human-in-the-loop-meaning|references|article:override-doctrine"},{"source":"article:human-in-the-loop-meaning","target":"article:what-is-an-ai-agent","relation":"references","evidence":"src/content/articles/en/human-in-the-loop-meaning.md body: /en/blog/what-is-an-ai-agent/\nsrc/content/articles/en/human-in-the-loop-meaning.md furtherReading: /en/blog/what-is-an-ai-agent/\nsrc/content/articles/en/human-in-the-loop-meaning.md sources: /en/blog/what-is-an-ai-agent/\nsrc/content/articles/nl/mens-in-de-lus-betekenis.md body: /nl/blog/wat-is-een-ai-agent/\nsrc/content/articles/nl/mens-in-de-lus-betekenis.md furtherReading: /nl/blog/wat-is-een-ai-agent/\nsrc/content/articles/nl/mens-in-de-lus-betekenis.md sources: /nl/blog/wat-is-een-ai-agent/","weight":1,"locales":["en","nl"],"id":"article:human-in-the-loop-meaning|references|article:what-is-an-ai-agent"},{"source":"article:human-in-the-loop-meaning","target":"concept:human-in-the-loop","relation":"references","evidence":"src/content/articles/en/human-in-the-loop-meaning.md body: /glossary/human-in-the-loop/\nsrc/content/articles/en/human-in-the-loop-meaning.md furtherReading: /glossary/human-in-the-loop/\nsrc/content/articles/en/human-in-the-loop-meaning.md sources: /glossary/human-in-the-loop/\nsrc/content/articles/nl/mens-in-de-lus-betekenis.md body: /nl/begrippen/mens-in-de-lus/\nsrc/content/articles/nl/mens-in-de-lus-betekenis.md furtherReading: /nl/begrippen/mens-in-de-lus/\nsrc/content/articles/nl/mens-in-de-lus-betekenis.md sources: /nl/begrippen/mens-in-de-lus/","weight":1,"locales":["en","nl"],"id":"article:human-in-the-loop-meaning|references|concept:human-in-the-loop"},{"source":"article:human-in-the-loop-meaning","target":"volume:the-human-in-the-loop-life","relation":"references","evidence":"src/content/articles/en/human-in-the-loop-meaning.md body: /books/the-human-in-the-loop-life/\nsrc/content/articles/en/human-in-the-loop-meaning.md furtherReading: /books/the-human-in-the-loop-life/\nsrc/content/articles/en/human-in-the-loop-meaning.md sources: /books/the-human-in-the-loop-life/\nsrc/content/articles/nl/mens-in-de-lus-betekenis.md body: /boeken/the-human-in-the-loop-life/\nsrc/content/articles/nl/mens-in-de-lus-betekenis.md furtherReading: /boeken/the-human-in-the-loop-life/\nsrc/content/articles/nl/mens-in-de-lus-betekenis.md sources: /boeken/the-human-in-the-loop-life/","weight":1,"locales":["en","nl"],"id":"article:human-in-the-loop-meaning|references|volume:the-human-in-the-loop-life"},{"source":"article:human-in-the-loop-meaning","target":"article:llm-integration-operating-design","relation":"related","evidence":"src/content/articles/en/human-in-the-loop-meaning.md relatedArticleIds: b57a0ec3-6a5c-4283-bfc4-b20ad6ff7651\nsrc/content/articles/nl/mens-in-de-lus-betekenis.md relatedArticleIds: b57a0ec3-6a5c-4283-bfc4-b20ad6ff7651","weight":2,"locales":["en","nl"],"id":"article:human-in-the-loop-meaning|related|article:llm-integration-operating-design"},{"source":"article:human-in-the-loop-meaning","target":"article:override-doctrine","relation":"related","evidence":"src/content/articles/en/human-in-the-loop-meaning.md relatedArticleIds: e390df0a-2d52-4767-9356-28f5b80611f7\nsrc/content/articles/nl/mens-in-de-lus-betekenis.md relatedArticleIds: e390df0a-2d52-4767-9356-28f5b80611f7","weight":2,"locales":["en","nl"],"id":"article:human-in-the-loop-meaning|related|article:override-doctrine"},{"source":"article:human-in-the-loop-meaning","target":"article:what-is-an-ai-agent","relation":"related","evidence":"src/content/articles/en/human-in-the-loop-meaning.md relatedArticleIds: 69f0de22-6dd9-44b3-b6d8-b89ce8d8df7e\nsrc/content/articles/nl/mens-in-de-lus-betekenis.md relatedArticleIds: 69f0de22-6dd9-44b3-b6d8-b89ce8d8df7e","weight":2,"locales":["en","nl"],"id":"article:human-in-the-loop-meaning|related|article:what-is-an-ai-agent"},{"source":"article:human-in-the-loop-meaning","target":"concept:ai-agent","relation":"related","evidence":"src/data/site-link-graph.ts: human-in-the-loop-meaning frameworks/glossary","weight":2,"locales":["en","nl"],"id":"article:human-in-the-loop-meaning|related|concept:ai-agent"},{"source":"article:human-in-the-loop-meaning","target":"concept:human-in-the-loop","relation":"related","evidence":"src/data/site-link-graph.ts: human-in-the-loop-meaning frameworks/glossary","weight":2,"locales":["en","nl"],"id":"article:human-in-the-loop-meaning|related|concept:human-in-the-loop"},{"source":"article:human-in-the-loop-meaning","target":"volume:the-human-in-the-loop-life","relation":"related","evidence":"src/data/site-link-graph.ts: human-in-the-loop-meaning books","weight":2,"locales":["en","nl"],"id":"article:human-in-the-loop-meaning|related|volume:the-human-in-the-loop-life"},{"source":"article:human-on-the-loop","target":"concept:human-in-the-loop","relation":"discusses","evidence":"src/content/articles/en/human-on-the-loop.md glossary: Human in the loop\nsrc/content/articles/nl/mens-op-de-lus.md glossary: Mens in de lus","weight":1.5,"locales":["en","nl"],"id":"article:human-on-the-loop|discusses|concept:human-in-the-loop"},{"source":"article:human-on-the-loop","target":"concept:tag:ai-agents","relation":"discusses","evidence":"src/content/articles/en/human-on-the-loop.md tags: ai-agents\nsrc/content/articles/nl/mens-op-de-lus.md tags: ai-agents","weight":1.5,"locales":["en","nl"],"id":"article:human-on-the-loop|discusses|concept:tag:ai-agents"},{"source":"article:human-on-the-loop","target":"article:human-in-the-loop-meaning","relation":"references","evidence":"src/content/articles/en/human-on-the-loop.md body: /en/blog/human-in-the-loop-meaning/\nsrc/content/articles/en/human-on-the-loop.md furtherReading: /en/blog/human-in-the-loop-meaning/\nsrc/content/articles/en/human-on-the-loop.md sources: /en/blog/human-in-the-loop-meaning/\nsrc/content/articles/nl/mens-op-de-lus.md body: /nl/blog/mens-in-de-lus-betekenis/\nsrc/content/articles/nl/mens-op-de-lus.md furtherReading: /nl/blog/mens-in-de-lus-betekenis/\nsrc/content/articles/nl/mens-op-de-lus.md sources: /nl/blog/mens-in-de-lus-betekenis/","weight":1,"locales":["en","nl"],"id":"article:human-on-the-loop|references|article:human-in-the-loop-meaning"},{"source":"article:human-on-the-loop","target":"article:override-doctrine","relation":"references","evidence":"src/content/articles/en/human-on-the-loop.md body: /en/blog/override-doctrine/\nsrc/content/articles/en/human-on-the-loop.md furtherReading: /en/blog/override-doctrine/\nsrc/content/articles/en/human-on-the-loop.md sources: /en/blog/override-doctrine/\nsrc/content/articles/nl/mens-op-de-lus.md body: /nl/blog/override-doctrine/\nsrc/content/articles/nl/mens-op-de-lus.md furtherReading: /nl/blog/override-doctrine/\nsrc/content/articles/nl/mens-op-de-lus.md sources: /nl/blog/override-doctrine/","weight":1,"locales":["en","nl"],"id":"article:human-on-the-loop|references|article:override-doctrine"},{"source":"article:human-on-the-loop","target":"article:what-is-an-ai-agent","relation":"references","evidence":"src/content/articles/en/human-on-the-loop.md body: /en/blog/what-is-an-ai-agent/\nsrc/content/articles/en/human-on-the-loop.md sources: /en/blog/what-is-an-ai-agent/\nsrc/content/articles/nl/mens-op-de-lus.md body: /nl/blog/wat-is-een-ai-agent/\nsrc/content/articles/nl/mens-op-de-lus.md sources: /nl/blog/wat-is-een-ai-agent/","weight":1,"locales":["en","nl"],"id":"article:human-on-the-loop|references|article:what-is-an-ai-agent"},{"source":"article:human-on-the-loop","target":"concept:human-in-the-loop","relation":"references","evidence":"src/content/articles/en/human-on-the-loop.md sources: /glossary/human-in-the-loop/\nsrc/content/articles/nl/mens-op-de-lus.md sources: /nl/begrippen/mens-in-de-lus/","weight":1,"locales":["en","nl"],"id":"article:human-on-the-loop|references|concept:human-in-the-loop"},{"source":"article:human-on-the-loop","target":"article:human-in-the-loop-meaning","relation":"related","evidence":"src/content/articles/en/human-on-the-loop.md relatedArticleIds: bbe0f467-08b1-4c33-ba0a-01288e9672c9\nsrc/content/articles/nl/mens-op-de-lus.md relatedArticleIds: bbe0f467-08b1-4c33-ba0a-01288e9672c9","weight":2,"locales":["en","nl"],"id":"article:human-on-the-loop|related|article:human-in-the-loop-meaning"},{"source":"article:human-on-the-loop","target":"article:override-doctrine","relation":"related","evidence":"src/content/articles/en/human-on-the-loop.md relatedArticleIds: e390df0a-2d52-4767-9356-28f5b80611f7\nsrc/content/articles/nl/mens-op-de-lus.md relatedArticleIds: e390df0a-2d52-4767-9356-28f5b80611f7","weight":2,"locales":["en","nl"],"id":"article:human-on-the-loop|related|article:override-doctrine"},{"source":"article:human-on-the-loop","target":"article:what-is-an-ai-agent","relation":"related","evidence":"src/content/articles/en/human-on-the-loop.md relatedArticleIds: 69f0de22-6dd9-44b3-b6d8-b89ce8d8df7e\nsrc/content/articles/nl/mens-op-de-lus.md relatedArticleIds: 69f0de22-6dd9-44b3-b6d8-b89ce8d8df7e","weight":2,"locales":["en","nl"],"id":"article:human-on-the-loop|related|article:what-is-an-ai-agent"},{"source":"article:ideal-word-count-for-ai-citations","target":"concept:aeo","relation":"discusses","evidence":"src/content/articles/en/ideal-word-count-for-ai-citations.md tags: aeo\nsrc/content/articles/nl/ideaal-aantal-woorden-voor-ai-citaties.md tags: aeo","weight":1.5,"locales":["en","nl"],"id":"article:ideal-word-count-for-ai-citations|discusses|concept:aeo"},{"source":"article:ideal-word-count-for-ai-citations","target":"concept:geo","relation":"discusses","evidence":"src/content/articles/en/ideal-word-count-for-ai-citations.md glossary: GEO\nsrc/content/articles/en/ideal-word-count-for-ai-citations.md tags: geo\nsrc/content/articles/nl/ideaal-aantal-woorden-voor-ai-citaties.md glossary: GEO\nsrc/content/articles/nl/ideaal-aantal-woorden-voor-ai-citaties.md tags: geo","weight":1.5,"locales":["en","nl"],"id":"article:ideal-word-count-for-ai-citations|discusses|concept:geo"},{"source":"article:ideal-word-count-for-ai-citations","target":"concept:grain","relation":"discusses","evidence":"src/content/articles/en/ideal-word-count-for-ai-citations.md glossary: GRAIN\nsrc/content/articles/nl/ideaal-aantal-woorden-voor-ai-citaties.md glossary: GRAIN","weight":1.5,"locales":["en","nl"],"id":"article:ideal-word-count-for-ai-citations|discusses|concept:grain"},{"source":"article:ideal-word-count-for-ai-citations","target":"article:answer-first-writing","relation":"references","evidence":"src/content/articles/en/ideal-word-count-for-ai-citations.md body: /en/blog/answer-first-writing/\nsrc/content/articles/en/ideal-word-count-for-ai-citations.md furtherReading: /en/blog/answer-first-writing/\nsrc/content/articles/en/ideal-word-count-for-ai-citations.md sources: /en/blog/answer-first-writing/\nsrc/content/articles/nl/ideaal-aantal-woorden-voor-ai-citaties.md body: /nl/blog/antwoord-eerst-schrijven/\nsrc/content/articles/nl/ideaal-aantal-woorden-voor-ai-citaties.md furtherReading: /nl/blog/antwoord-eerst-schrijven/\nsrc/content/articles/nl/ideaal-aantal-woorden-voor-ai-citaties.md sources: /nl/blog/antwoord-eerst-schrijven/","weight":1,"locales":["en","nl"],"id":"article:ideal-word-count-for-ai-citations|references|article:answer-first-writing"},{"source":"article:ideal-word-count-for-ai-citations","target":"article:content-architecture-answer-engines","relation":"references","evidence":"src/content/articles/en/ideal-word-count-for-ai-citations.md body: /en/blog/content-architecture-for-answer-engines/\nsrc/content/articles/en/ideal-word-count-for-ai-citations.md furtherReading: /en/blog/content-architecture-for-answer-engines/\nsrc/content/articles/en/ideal-word-count-for-ai-citations.md sources: /en/blog/content-architecture-for-answer-engines/\nsrc/content/articles/nl/ideaal-aantal-woorden-voor-ai-citaties.md body: /nl/blog/contentarchitectuur-voor-antwoordmachines/\nsrc/content/articles/nl/ideaal-aantal-woorden-voor-ai-citaties.md furtherReading: /nl/blog/contentarchitectuur-voor-antwoordmachines/\nsrc/content/articles/nl/ideaal-aantal-woorden-voor-ai-citaties.md sources: /nl/blog/contentarchitectuur-voor-antwoordmachines/","weight":1,"locales":["en","nl"],"id":"article:ideal-word-count-for-ai-citations|references|article:content-architecture-answer-engines"},{"source":"article:ideal-word-count-for-ai-citations","target":"article:how-to-get-cited-2026","relation":"references","evidence":"src/content/articles/en/ideal-word-count-for-ai-citations.md body: /en/blog/how-to-get-cited-2026/\nsrc/content/articles/en/ideal-word-count-for-ai-citations.md sources: /en/blog/how-to-get-cited-2026/\nsrc/content/articles/nl/ideaal-aantal-woorden-voor-ai-citaties.md body: /nl/blog/hoe-je-geciteerd-wordt-2026/\nsrc/content/articles/nl/ideaal-aantal-woorden-voor-ai-citaties.md sources: /nl/blog/hoe-je-geciteerd-wordt-2026/","weight":1,"locales":["en","nl"],"id":"article:ideal-word-count-for-ai-citations|references|article:how-to-get-cited-2026"},{"source":"article:ideal-word-count-for-ai-citations","target":"article:what-is-rag","relation":"references","evidence":"src/content/articles/en/ideal-word-count-for-ai-citations.md body: /en/blog/what-is-rag/\nsrc/content/articles/en/ideal-word-count-for-ai-citations.md sources: /en/blog/what-is-rag/\nsrc/content/articles/nl/ideaal-aantal-woorden-voor-ai-citaties.md body: /nl/blog/wat-is-rag/\nsrc/content/articles/nl/ideaal-aantal-woorden-voor-ai-citaties.md sources: /nl/blog/wat-is-rag/","weight":1,"locales":["en","nl"],"id":"article:ideal-word-count-for-ai-citations|references|article:what-is-rag"},{"source":"article:ideal-word-count-for-ai-citations","target":"concept:grain","relation":"references","evidence":"src/content/articles/en/ideal-word-count-for-ai-citations.md body: /frameworks/grain/\nsrc/content/articles/en/ideal-word-count-for-ai-citations.md furtherReading: /frameworks/grain/\nsrc/content/articles/en/ideal-word-count-for-ai-citations.md sources: /frameworks/grain/\nsrc/content/articles/nl/ideaal-aantal-woorden-voor-ai-citaties.md body: /nl/frameworks/grain/\nsrc/content/articles/nl/ideaal-aantal-woorden-voor-ai-citaties.md furtherReading: /nl/frameworks/grain/\nsrc/content/articles/nl/ideaal-aantal-woorden-voor-ai-citaties.md sources: /nl/frameworks/grain/","weight":1,"locales":["en","nl"],"id":"article:ideal-word-count-for-ai-citations|references|concept:grain"},{"source":"article:ideal-word-count-for-ai-citations","target":"volume:the-rag-engineer","relation":"references","evidence":"src/content/articles/en/ideal-word-count-for-ai-citations.md body: /books/the-rag-engineer/\nsrc/content/articles/en/ideal-word-count-for-ai-citations.md furtherReading: /books/the-rag-engineer/\nsrc/content/articles/en/ideal-word-count-for-ai-citations.md sources: /books/the-rag-engineer/\nsrc/content/articles/nl/ideaal-aantal-woorden-voor-ai-citaties.md body: /boeken/the-rag-engineer/\nsrc/content/articles/nl/ideaal-aantal-woorden-voor-ai-citaties.md furtherReading: /boeken/the-rag-engineer/\nsrc/content/articles/nl/ideaal-aantal-woorden-voor-ai-citaties.md sources: /boeken/the-rag-engineer/","weight":1,"locales":["en","nl"],"id":"article:ideal-word-count-for-ai-citations|references|volume:the-rag-engineer"},{"source":"article:ideal-word-count-for-ai-citations","target":"article:answer-first-writing","relation":"related","evidence":"src/content/articles/en/ideal-word-count-for-ai-citations.md relatedArticleIds: 963c6aea-9d21-4486-a41f-f3b686025026\nsrc/content/articles/nl/ideaal-aantal-woorden-voor-ai-citaties.md relatedArticleIds: f6e0a42b-d762-422b-98fe-23fc0332753c","weight":2,"locales":["en","nl"],"id":"article:ideal-word-count-for-ai-citations|related|article:answer-first-writing"},{"source":"article:ideal-word-count-for-ai-citations","target":"article:content-architecture-answer-engines","relation":"related","evidence":"src/content/articles/en/ideal-word-count-for-ai-citations.md relatedArticleIds: 25405657-7d27-4604-877c-d3f22c6c2e9c\nsrc/content/articles/nl/ideaal-aantal-woorden-voor-ai-citaties.md relatedArticleIds: 8ef49686-6c3a-42c9-8563-52d71cc24191","weight":2,"locales":["en","nl"],"id":"article:ideal-word-count-for-ai-citations|related|article:content-architecture-answer-engines"},{"source":"article:ideal-word-count-for-ai-citations","target":"article:what-is-grain","relation":"related","evidence":"src/content/articles/en/ideal-word-count-for-ai-citations.md relatedArticleIds: 022ed890-8733-4817-a04a-3aa2e653ef5d\nsrc/content/articles/nl/ideaal-aantal-woorden-voor-ai-citaties.md relatedArticleIds: 07b15a81-6001-4f03-92a6-dce92105c0f6","weight":2,"locales":["en","nl"],"id":"article:ideal-word-count-for-ai-citations|related|article:what-is-grain"},{"source":"article:introducing-undominated","target":"concept:tag:ai-agents","relation":"discusses","evidence":"src/content/articles/en/introducing-undominated.md tags: ai-agents\nsrc/content/articles/nl/undominated-ai-introductie.md tags: ai-agents","weight":1.5,"locales":["en","nl"],"id":"article:introducing-undominated|discusses|concept:tag:ai-agents"},{"source":"article:introducing-undominated","target":"concept:tag:undominated","relation":"discusses","evidence":"src/content/articles/en/introducing-undominated.md tags: undominated\nsrc/content/articles/nl/undominated-ai-introductie.md tags: undominated","weight":1.5,"locales":["en","nl"],"id":"article:introducing-undominated|discusses|concept:tag:undominated"},{"source":"article:introducing-undominated","target":"article:evaluate-reasoning-not-fluency","relation":"references","evidence":"src/content/articles/en/introducing-undominated.md furtherReading: /en/blog/evaluate-reasoning-not-fluency/\nsrc/content/articles/nl/undominated-ai-introductie.md furtherReading: /nl/blog/evalueer-de-redenering-niet-de-vloeiendheid/","weight":1,"locales":["en","nl"],"id":"article:introducing-undominated|references|article:evaluate-reasoning-not-fluency"},{"source":"article:introducing-undominated","target":"article:what-is-an-ai-agent","relation":"references","evidence":"src/content/articles/en/introducing-undominated.md furtherReading: /en/blog/what-is-an-ai-agent/\nsrc/content/articles/nl/undominated-ai-introductie.md furtherReading: /nl/blog/wat-is-een-ai-agent/","weight":1,"locales":["en","nl"],"id":"article:introducing-undominated|references|article:what-is-an-ai-agent"},{"source":"article:introducing-undominated","target":"artifact:undominated","relation":"references","evidence":"src/content/articles/en/introducing-undominated.md body: https://undominated.ai/\nsrc/content/articles/en/introducing-undominated.md furtherReading: https://undominated.ai/\nsrc/content/articles/en/introducing-undominated.md sources: https://undominated.ai/\nsrc/content/articles/nl/undominated-ai-introductie.md body: https://undominated.ai/\nsrc/content/articles/nl/undominated-ai-introductie.md furtherReading: https://undominated.ai/\nsrc/content/articles/nl/undominated-ai-introductie.md sources: https://undominated.ai/","weight":1,"locales":["en","nl"],"id":"article:introducing-undominated|references|artifact:undominated"},{"source":"article:introducing-undominated","target":"article:evaluate-reasoning-not-fluency","relation":"related","evidence":"src/content/articles/en/introducing-undominated.md relatedArticleIds: f14281cc-3a68-4987-ade4-9c6fdad3acc5\nsrc/content/articles/nl/undominated-ai-introductie.md relatedArticleIds: f14281cc-3a68-4987-ade4-9c6fdad3acc5","weight":2,"locales":["en","nl"],"id":"article:introducing-undominated|related|article:evaluate-reasoning-not-fluency"},{"source":"article:introducing-undominated","target":"article:what-is-an-ai-agent","relation":"related","evidence":"src/content/articles/en/introducing-undominated.md relatedArticleIds: 69f0de22-6dd9-44b3-b6d8-b89ce8d8df7e\nsrc/content/articles/nl/undominated-ai-introductie.md relatedArticleIds: 69f0de22-6dd9-44b3-b6d8-b89ce8d8df7e","weight":2,"locales":["en","nl"],"id":"article:introducing-undominated|related|article:what-is-an-ai-agent"},{"source":"article:is-seo-dead","target":"concept:aeo","relation":"discusses","evidence":"src/content/articles/en/is-seo-dead.md glossary: AEO\nsrc/content/articles/en/is-seo-dead.md tags: aeo\nsrc/content/articles/nl/is-seo-dood.md glossary: AEO\nsrc/content/articles/nl/is-seo-dood.md tags: aeo","weight":1.5,"locales":["en","nl"],"id":"article:is-seo-dead|discusses|concept:aeo"},{"source":"article:is-seo-dead","target":"concept:geo","relation":"discusses","evidence":"src/content/articles/en/is-seo-dead.md glossary: GEO\nsrc/content/articles/en/is-seo-dead.md tags: geo\nsrc/content/articles/nl/is-seo-dood.md glossary: GEO\nsrc/content/articles/nl/is-seo-dood.md tags: geo","weight":1.5,"locales":["en","nl"],"id":"article:is-seo-dead|discusses|concept:geo"},{"source":"article:is-seo-dead","target":"article:aeo-vs-geo-vs-seo","relation":"references","evidence":"src/content/articles/en/is-seo-dead.md body: /en/blog/aeo-vs-geo-vs-seo/\nsrc/content/articles/en/is-seo-dead.md furtherReading: /en/blog/aeo-vs-geo-vs-seo/\nsrc/content/articles/en/is-seo-dead.md sources: /en/blog/aeo-vs-geo-vs-seo/\nsrc/content/articles/nl/is-seo-dood.md body: /nl/blog/aeo-versus-geo-versus-seo/\nsrc/content/articles/nl/is-seo-dood.md furtherReading: /nl/blog/aeo-versus-geo-versus-seo/\nsrc/content/articles/nl/is-seo-dood.md sources: /nl/blog/aeo-versus-geo-versus-seo/","weight":1,"locales":["en","nl"],"id":"article:is-seo-dead|references|article:aeo-vs-geo-vs-seo"},{"source":"article:is-seo-dead","target":"article:aeo-vs-seo","relation":"references","evidence":"src/content/articles/en/is-seo-dead.md body: /en/blog/aeo-vs-seo/\nsrc/content/articles/en/is-seo-dead.md furtherReading: /en/blog/aeo-vs-seo/\nsrc/content/articles/en/is-seo-dead.md sources: /en/blog/aeo-vs-seo/\nsrc/content/articles/nl/is-seo-dood.md body: /nl/blog/aeo-versus-seo/\nsrc/content/articles/nl/is-seo-dood.md furtherReading: /nl/blog/aeo-versus-seo/\nsrc/content/articles/nl/is-seo-dood.md sources: /nl/blog/aeo-versus-seo/","weight":1,"locales":["en","nl"],"id":"article:is-seo-dead|references|article:aeo-vs-seo"},{"source":"article:is-seo-dead","target":"article:answer-first-writing","relation":"references","evidence":"src/content/articles/en/is-seo-dead.md body: /en/blog/answer-first-writing/\nsrc/content/articles/en/is-seo-dead.md sources: /en/blog/answer-first-writing/\nsrc/content/articles/nl/is-seo-dood.md body: /nl/blog/antwoord-eerst-schrijven/\nsrc/content/articles/nl/is-seo-dood.md sources: /nl/blog/antwoord-eerst-schrijven/","weight":1,"locales":["en","nl"],"id":"article:is-seo-dead|references|article:answer-first-writing"},{"source":"article:is-seo-dead","target":"article:gptbot-vs-oai-searchbot","relation":"references","evidence":"src/content/articles/en/is-seo-dead.md body: /en/blog/gptbot-vs-oai-searchbot/\nsrc/content/articles/en/is-seo-dead.md furtherReading: /en/blog/gptbot-vs-oai-searchbot/\nsrc/content/articles/en/is-seo-dead.md sources: /en/blog/gptbot-vs-oai-searchbot/\nsrc/content/articles/nl/is-seo-dood.md body: /nl/blog/gptbot-versus-oai-searchbot/\nsrc/content/articles/nl/is-seo-dood.md furtherReading: /nl/blog/gptbot-versus-oai-searchbot/\nsrc/content/articles/nl/is-seo-dood.md sources: /nl/blog/gptbot-versus-oai-searchbot/","weight":1,"locales":["en","nl"],"id":"article:is-seo-dead|references|article:gptbot-vs-oai-searchbot"},{"source":"article:is-seo-dead","target":"article:what-is-llms-txt","relation":"references","evidence":"src/content/articles/en/is-seo-dead.md body: /en/blog/what-is-llms-txt/\nsrc/content/articles/en/is-seo-dead.md sources: /en/blog/what-is-llms-txt/\nsrc/content/articles/nl/is-seo-dood.md body: /nl/blog/wat-is-llms-txt/\nsrc/content/articles/nl/is-seo-dood.md sources: /nl/blog/wat-is-llms-txt/","weight":1,"locales":["en","nl"],"id":"article:is-seo-dead|references|article:what-is-llms-txt"},{"source":"article:is-seo-dead","target":"article:aeo-vs-geo-vs-seo","relation":"related","evidence":"src/content/articles/en/is-seo-dead.md relatedArticleIds: faf5229c-6225-4a4f-9a52-080d7cea862a\nsrc/content/articles/nl/is-seo-dood.md relatedArticleIds: 0fb4cf12-a536-4522-8a02-2ea70359fe84","weight":2,"locales":["en","nl"],"id":"article:is-seo-dead|related|article:aeo-vs-geo-vs-seo"},{"source":"article:is-seo-dead","target":"article:aeo-vs-seo","relation":"related","evidence":"src/content/articles/en/is-seo-dead.md relatedArticleIds: a7d0cdda-fa19-45ed-8734-c8cb8bc60962\nsrc/content/articles/nl/is-seo-dood.md relatedArticleIds: 860cd484-e026-4fa2-8af3-5c537ea47dae","weight":2,"locales":["en","nl"],"id":"article:is-seo-dead|related|article:aeo-vs-seo"},{"source":"article:is-seo-dead","target":"article:gptbot-vs-oai-searchbot","relation":"related","evidence":"src/content/articles/en/is-seo-dead.md relatedArticleIds: af74553e-805c-4b21-b742-54445bcf04a9\nsrc/content/articles/nl/is-seo-dood.md relatedArticleIds: 92ff9f14-934b-4e9d-ab15-3038f382dedb","weight":2,"locales":["en","nl"],"id":"article:is-seo-dead|related|article:gptbot-vs-oai-searchbot"},{"source":"article:kahneman-for-marketing","target":"concept:tag:marketing","relation":"discusses","evidence":"src/content/articles/en/kahneman-for-marketing.md tags: marketing\nsrc/content/articles/nl/kahneman-voor-marketing.md tags: marketing","weight":1.5,"locales":["en","nl"],"id":"article:kahneman-for-marketing|discusses|concept:tag:marketing"},{"source":"article:kahneman-for-marketing","target":"article:evaluate-reasoning-not-fluency","relation":"references","evidence":"src/content/articles/en/kahneman-for-marketing.md body: /en/blog/evaluate-reasoning-not-fluency/\nsrc/content/articles/en/kahneman-for-marketing.md furtherReading: /en/blog/evaluate-reasoning-not-fluency/\nsrc/content/articles/en/kahneman-for-marketing.md sources: /en/blog/evaluate-reasoning-not-fluency/\nsrc/content/articles/nl/kahneman-voor-marketing.md body: /nl/blog/evalueer-de-redenering-niet-de-vloeiendheid/\nsrc/content/articles/nl/kahneman-voor-marketing.md furtherReading: /nl/blog/evalueer-de-redenering-niet-de-vloeiendheid/\nsrc/content/articles/nl/kahneman-voor-marketing.md sources: /nl/blog/evalueer-de-redenering-niet-de-vloeiendheid/","weight":1,"locales":["en","nl"],"id":"article:kahneman-for-marketing|references|article:evaluate-reasoning-not-fluency"},{"source":"article:kahneman-for-marketing","target":"article:honest-conversion-systems","relation":"references","evidence":"src/content/articles/en/kahneman-for-marketing.md body: /en/blog/conversion-systems-that-stay-honest/\nsrc/content/articles/en/kahneman-for-marketing.md furtherReading: /en/blog/conversion-systems-that-stay-honest/\nsrc/content/articles/en/kahneman-for-marketing.md sources: /en/blog/conversion-systems-that-stay-honest/\nsrc/content/articles/nl/kahneman-voor-marketing.md body: /nl/blog/conversiesystemen-die-eerlijk-blijven/\nsrc/content/articles/nl/kahneman-voor-marketing.md furtherReading: /nl/blog/conversiesystemen-die-eerlijk-blijven/\nsrc/content/articles/nl/kahneman-voor-marketing.md sources: /nl/blog/conversiesystemen-die-eerlijk-blijven/","weight":1,"locales":["en","nl"],"id":"article:kahneman-for-marketing|references|article:honest-conversion-systems"},{"source":"article:kahneman-for-marketing","target":"volume:marketing-without-manipulation","relation":"references","evidence":"src/content/articles/en/kahneman-for-marketing.md furtherReading: /books/marketing-without-manipulation/\nsrc/content/articles/en/kahneman-for-marketing.md sources: /books/marketing-without-manipulation/\nsrc/content/articles/nl/kahneman-voor-marketing.md furtherReading: /boeken/marketing-without-manipulation/\nsrc/content/articles/nl/kahneman-voor-marketing.md sources: /boeken/marketing-without-manipulation/","weight":1,"locales":["en","nl"],"id":"article:kahneman-for-marketing|references|volume:marketing-without-manipulation"},{"source":"article:kahneman-for-marketing","target":"volume:the-pricing-mind","relation":"references","evidence":"src/content/articles/en/kahneman-for-marketing.md body: /books/the-pricing-mind/\nsrc/content/articles/en/kahneman-for-marketing.md furtherReading: /books/the-pricing-mind/\nsrc/content/articles/en/kahneman-for-marketing.md sources: /books/the-pricing-mind/\nsrc/content/articles/nl/kahneman-voor-marketing.md body: /boeken/the-pricing-mind/\nsrc/content/articles/nl/kahneman-voor-marketing.md furtherReading: /boeken/the-pricing-mind/\nsrc/content/articles/nl/kahneman-voor-marketing.md sources: /boeken/the-pricing-mind/","weight":1,"locales":["en","nl"],"id":"article:kahneman-for-marketing|references|volume:the-pricing-mind"},{"source":"article:kahneman-for-marketing","target":"article:evaluate-reasoning-not-fluency","relation":"related","evidence":"src/content/articles/en/kahneman-for-marketing.md relatedArticleIds: f14281cc-3a68-4987-ade4-9c6fdad3acc5\nsrc/content/articles/nl/kahneman-voor-marketing.md relatedArticleIds: f14281cc-3a68-4987-ade4-9c6fdad3acc5","weight":2,"locales":["en","nl"],"id":"article:kahneman-for-marketing|related|article:evaluate-reasoning-not-fluency"},{"source":"article:kahneman-for-marketing","target":"article:honest-conversion-systems","relation":"related","evidence":"src/content/articles/en/kahneman-for-marketing.md relatedArticleIds: f61bd372-6050-4346-9ea8-c495d6924141\nsrc/content/articles/nl/kahneman-voor-marketing.md relatedArticleIds: f61bd372-6050-4346-9ea8-c495d6924141","weight":2,"locales":["en","nl"],"id":"article:kahneman-for-marketing|related|article:honest-conversion-systems"},{"source":"article:kahneman-for-marketing","target":"volume:marketing-without-manipulation","relation":"related","evidence":"src/data/site-link-graph.ts: kahneman-for-marketing books","weight":2,"locales":["en","nl"],"id":"article:kahneman-for-marketing|related|volume:marketing-without-manipulation"},{"source":"article:kahneman-for-marketing","target":"volume:the-pricing-mind","relation":"related","evidence":"src/data/site-link-graph.ts: kahneman-for-marketing books","weight":2,"locales":["en","nl"],"id":"article:kahneman-for-marketing|related|volume:the-pricing-mind"},{"source":"article:len-vs-fractional-caio","target":"concept:tag:positioning","relation":"discusses","evidence":"src/content/articles/en/len-vs-fractional-caio.md tags: positioning\nsrc/content/articles/nl/len-versus-fractional-caio.md tags: positioning","weight":1.5,"locales":["en","nl"],"id":"article:len-vs-fractional-caio|discusses|concept:tag:positioning"},{"source":"article:len-vs-fractional-caio","target":"article:what-is-an-ai-agent-charter","relation":"references","evidence":"src/content/articles/en/len-vs-fractional-caio.md body: /en/blog/what-is-an-ai-agent-charter/\nsrc/content/articles/en/len-vs-fractional-caio.md furtherReading: /en/blog/what-is-an-ai-agent-charter/\nsrc/content/articles/en/len-vs-fractional-caio.md sources: /en/blog/what-is-an-ai-agent-charter/\nsrc/content/articles/nl/len-versus-fractional-caio.md body: /nl/blog/wat-is-een-ai-agent-charter/\nsrc/content/articles/nl/len-versus-fractional-caio.md furtherReading: /nl/blog/wat-is-een-ai-agent-charter/\nsrc/content/articles/nl/len-versus-fractional-caio.md sources: /nl/blog/wat-is-een-ai-agent-charter/","weight":1,"locales":["en","nl"],"id":"article:len-vs-fractional-caio|references|article:what-is-an-ai-agent-charter"},{"source":"article:len-vs-fractional-caio","target":"article:using-ai-agents-effectively","relation":"related","evidence":"src/content/articles/en/len-vs-fractional-caio.md relatedArticleIds: e3799711-41ca-4502-bf91-2ba2ca33ee34\nsrc/content/articles/nl/len-versus-fractional-caio.md relatedArticleIds: 16ae16b7-50c5-4d11-896d-e84eaec91a42","weight":2,"locales":["en","nl"],"id":"article:len-vs-fractional-caio|related|article:using-ai-agents-effectively"},{"source":"article:len-vs-fractional-caio","target":"article:what-is-agent-strategy","relation":"related","evidence":"src/content/articles/en/len-vs-fractional-caio.md relatedArticleIds: d57f6783-7034-47f3-946b-0f7ec7881438\nsrc/content/articles/nl/len-versus-fractional-caio.md relatedArticleIds: 38f3f830-297d-4f04-ba9b-0e6a32bc3868","weight":2,"locales":["en","nl"],"id":"article:len-vs-fractional-caio|related|article:what-is-agent-strategy"},{"source":"article:len-vs-fractional-caio","target":"article:what-is-an-ai-agent-charter","relation":"related","evidence":"src/content/articles/en/len-vs-fractional-caio.md relatedArticleIds: b11300b0-7c8e-4871-b065-494e68d33fd6\nsrc/content/articles/nl/len-versus-fractional-caio.md relatedArticleIds: 5915a20d-babe-46ee-a4e3-4d0caf1c7ab8","weight":2,"locales":["en","nl"],"id":"article:len-vs-fractional-caio|related|article:what-is-an-ai-agent-charter"},{"source":"article:level-vs-calibrate","target":"concept:calibrate","relation":"discusses","evidence":"src/content/articles/en/level-vs-calibrate.md glossary: CALIBRATE\nsrc/content/articles/nl/level-versus-calibrate.md glossary: CALIBRATE","weight":1.5,"locales":["en","nl"],"id":"article:level-vs-calibrate|discusses|concept:calibrate"},{"source":"article:level-vs-calibrate","target":"concept:level","relation":"discusses","evidence":"src/content/articles/en/level-vs-calibrate.md glossary: LEVEL\nsrc/content/articles/nl/level-versus-calibrate.md glossary: LEVEL","weight":1.5,"locales":["en","nl"],"id":"article:level-vs-calibrate|discusses|concept:level"},{"source":"article:level-vs-calibrate","target":"concept:tag:founder-resilience","relation":"discusses","evidence":"src/content/articles/en/level-vs-calibrate.md tags: founder-resilience\nsrc/content/articles/nl/level-versus-calibrate.md tags: founder-resilience","weight":1.5,"locales":["en","nl"],"id":"article:level-vs-calibrate|discusses|concept:tag:founder-resilience"},{"source":"article:level-vs-calibrate","target":"article:calibration-techniques-for-founders","relation":"references","evidence":"src/content/articles/en/level-vs-calibrate.md furtherReading: /en/blog/calibration-techniques-for-founders/\nsrc/content/articles/nl/level-versus-calibrate.md furtherReading: /nl/blog/kalibratietechnieken-voor-founders/","weight":1,"locales":["en","nl"],"id":"article:level-vs-calibrate|references|article:calibration-techniques-for-founders"},{"source":"article:level-vs-calibrate","target":"article:five-line-decision-journal","relation":"references","evidence":"src/content/articles/en/level-vs-calibrate.md body: /en/blog/five-line-decision-journal/\nsrc/content/articles/en/level-vs-calibrate.md furtherReading: /en/blog/five-line-decision-journal/\nsrc/content/articles/nl/level-versus-calibrate.md body: /nl/blog/beslissingsdagboek-in-vijf-regels/\nsrc/content/articles/nl/level-versus-calibrate.md furtherReading: /nl/blog/beslissingsdagboek-in-vijf-regels/","weight":1,"locales":["en","nl"],"id":"article:level-vs-calibrate|references|article:five-line-decision-journal"},{"source":"article:level-vs-calibrate","target":"article:what-is-calibration","relation":"references","evidence":"src/content/articles/en/level-vs-calibrate.md body: /en/blog/what-calibration-means/\nsrc/content/articles/en/level-vs-calibrate.md furtherReading: /en/blog/what-calibration-means/\nsrc/content/articles/en/level-vs-calibrate.md sources: /en/blog/what-calibration-means/\nsrc/content/articles/nl/level-versus-calibrate.md body: /nl/blog/kalibratie-betekenis/\nsrc/content/articles/nl/level-versus-calibrate.md furtherReading: /nl/blog/kalibratie-betekenis/\nsrc/content/articles/nl/level-versus-calibrate.md sources: /nl/blog/kalibratie-betekenis/","weight":1,"locales":["en","nl"],"id":"article:level-vs-calibrate|references|article:what-is-calibration"},{"source":"article:level-vs-calibrate","target":"concept:calibrate","relation":"references","evidence":"src/content/articles/en/level-vs-calibrate.md body: /frameworks/calibrate/\nsrc/content/articles/en/level-vs-calibrate.md furtherReading: /frameworks/calibrate/\nsrc/content/articles/en/level-vs-calibrate.md sources: /frameworks/calibrate/\nsrc/content/articles/nl/level-versus-calibrate.md body: /nl/frameworks/calibrate/\nsrc/content/articles/nl/level-versus-calibrate.md furtherReading: /nl/frameworks/calibrate/\nsrc/content/articles/nl/level-versus-calibrate.md sources: /nl/frameworks/calibrate/","weight":1,"locales":["en","nl"],"id":"article:level-vs-calibrate|references|concept:calibrate"},{"source":"article:level-vs-calibrate","target":"concept:level","relation":"references","evidence":"src/content/articles/en/level-vs-calibrate.md body: /frameworks/level/\nsrc/content/articles/en/level-vs-calibrate.md furtherReading: /frameworks/level/\nsrc/content/articles/en/level-vs-calibrate.md sources: /frameworks/level/\nsrc/content/articles/nl/level-versus-calibrate.md body: /nl/frameworks/level/\nsrc/content/articles/nl/level-versus-calibrate.md furtherReading: /nl/frameworks/level/\nsrc/content/articles/nl/level-versus-calibrate.md sources: /nl/frameworks/level/","weight":1,"locales":["en","nl"],"id":"article:level-vs-calibrate|references|concept:level"},{"source":"article:level-vs-calibrate","target":"volume:the-calibrated-mind","relation":"references","evidence":"src/content/articles/en/level-vs-calibrate.md body: /books/the-calibrated-mind/\nsrc/content/articles/en/level-vs-calibrate.md sources: /books/the-calibrated-mind/\nsrc/content/articles/nl/level-versus-calibrate.md body: /boeken/the-calibrated-mind/\nsrc/content/articles/nl/level-versus-calibrate.md sources: /boeken/the-calibrated-mind/","weight":1,"locales":["en","nl"],"id":"article:level-vs-calibrate|references|volume:the-calibrated-mind"},{"source":"article:level-vs-calibrate","target":"volume:the-evidence-aware-life","relation":"references","evidence":"src/content/articles/en/level-vs-calibrate.md body: /books/the-evidence-aware-life/\nsrc/content/articles/en/level-vs-calibrate.md sources: /books/the-evidence-aware-life/\nsrc/content/articles/nl/level-versus-calibrate.md body: /boeken/the-evidence-aware-life/\nsrc/content/articles/nl/level-versus-calibrate.md sources: /boeken/the-evidence-aware-life/","weight":1,"locales":["en","nl"],"id":"article:level-vs-calibrate|references|volume:the-evidence-aware-life"},{"source":"article:level-vs-calibrate","target":"article:calibration-techniques-for-founders","relation":"related","evidence":"src/content/articles/en/level-vs-calibrate.md relatedArticleIds: a034dc9c-a1d8-4457-9691-7779f43e086c\nsrc/content/articles/nl/level-versus-calibrate.md relatedArticleIds: 6db60505-4d3f-4571-85dd-2b80d57bfc37","weight":2,"locales":["en","nl"],"id":"article:level-vs-calibrate|related|article:calibration-techniques-for-founders"},{"source":"article:level-vs-calibrate","target":"article:five-line-decision-journal","relation":"related","evidence":"src/content/articles/en/level-vs-calibrate.md relatedArticleIds: f31e19ad-3342-4cb5-9598-7c2cc780e72a\nsrc/content/articles/nl/level-versus-calibrate.md relatedArticleIds: b5705917-1073-442e-a0ba-de9d40ba2598","weight":2,"locales":["en","nl"],"id":"article:level-vs-calibrate|related|article:five-line-decision-journal"},{"source":"article:level-vs-calibrate","target":"article:what-is-calibration","relation":"related","evidence":"src/content/articles/en/level-vs-calibrate.md relatedArticleIds: 53cf98be-8558-4cb5-8cbb-aade6be6b48c\nsrc/content/articles/nl/level-versus-calibrate.md relatedArticleIds: 808eb9bd-8fdf-4181-a5a3-ef319520963a","weight":2,"locales":["en","nl"],"id":"article:level-vs-calibrate|related|article:what-is-calibration"},{"source":"article:level-vs-calibrate","target":"concept:calibrate","relation":"related","evidence":"src/data/site-link-graph.ts: level-vs-calibrate frameworks/glossary","weight":2,"locales":["en","nl"],"id":"article:level-vs-calibrate|related|concept:calibrate"},{"source":"article:level-vs-calibrate","target":"concept:level","relation":"related","evidence":"src/data/site-link-graph.ts: level-vs-calibrate frameworks/glossary","weight":2,"locales":["en","nl"],"id":"article:level-vs-calibrate|related|concept:level"},{"source":"article:level-vs-calibrate","target":"volume:the-calibrated-mind","relation":"related","evidence":"src/data/site-link-graph.ts: level-vs-calibrate books","weight":2,"locales":["en","nl"],"id":"article:level-vs-calibrate|related|volume:the-calibrated-mind"},{"source":"article:level-vs-calibrate","target":"volume:the-evidence-aware-life","relation":"related","evidence":"src/data/site-link-graph.ts: level-vs-calibrate books","weight":2,"locales":["en","nl"],"id":"article:level-vs-calibrate|related|volume:the-evidence-aware-life"},{"source":"article:literary-agent-or-ai-agent","target":"concept:ai-agent","relation":"discusses","evidence":"src/content/articles/en/literary-agent-or-ai-agent.md glossary: AI agent\nsrc/content/articles/nl/literair-agent-of-ai-agent.md glossary: AI-agent","weight":1.5,"locales":["en","nl"],"id":"article:literary-agent-or-ai-agent|discusses|concept:ai-agent"},{"source":"article:literary-agent-or-ai-agent","target":"concept:tag:ai-agents","relation":"discusses","evidence":"src/content/articles/en/literary-agent-or-ai-agent.md tags: ai-agents\nsrc/content/articles/nl/literair-agent-of-ai-agent.md tags: ai-agents","weight":1.5,"locales":["en","nl"],"id":"article:literary-agent-or-ai-agent|discusses|concept:tag:ai-agents"},{"source":"article:literary-agent-or-ai-agent","target":"article:ai-agent-or-chatbot","relation":"references","evidence":"src/content/articles/en/literary-agent-or-ai-agent.md body: /en/blog/ai-agent-or-chatbot/\nsrc/content/articles/en/literary-agent-or-ai-agent.md furtherReading: /en/blog/ai-agent-or-chatbot/\nsrc/content/articles/en/literary-agent-or-ai-agent.md sources: /en/blog/ai-agent-or-chatbot/\nsrc/content/articles/nl/literair-agent-of-ai-agent.md body: /nl/blog/ai-agent-of-chatbot/\nsrc/content/articles/nl/literair-agent-of-ai-agent.md furtherReading: /nl/blog/ai-agent-of-chatbot/\nsrc/content/articles/nl/literair-agent-of-ai-agent.md sources: /nl/blog/ai-agent-of-chatbot/","weight":1,"locales":["en","nl"],"id":"article:literary-agent-or-ai-agent|references|article:ai-agent-or-chatbot"},{"source":"article:literary-agent-or-ai-agent","target":"article:booksos-seven-gates","relation":"references","evidence":"src/content/articles/en/literary-agent-or-ai-agent.md body: /en/blog/what-is-booksos/\nsrc/content/articles/nl/literair-agent-of-ai-agent.md body: /nl/blog/wat-is-booksos/","weight":1,"locales":["en","nl"],"id":"article:literary-agent-or-ai-agent|references|article:booksos-seven-gates"},{"source":"article:literary-agent-or-ai-agent","target":"article:override-doctrine","relation":"references","evidence":"src/content/articles/en/literary-agent-or-ai-agent.md body: /en/blog/override-doctrine/\nsrc/content/articles/nl/literair-agent-of-ai-agent.md body: /nl/blog/override-doctrine/","weight":1,"locales":["en","nl"],"id":"article:literary-agent-or-ai-agent|references|article:override-doctrine"},{"source":"article:literary-agent-or-ai-agent","target":"article:what-is-an-ai-agent","relation":"references","evidence":"src/content/articles/en/literary-agent-or-ai-agent.md body: /en/blog/what-is-an-ai-agent/\nsrc/content/articles/en/literary-agent-or-ai-agent.md furtherReading: /en/blog/what-is-an-ai-agent/\nsrc/content/articles/en/literary-agent-or-ai-agent.md sources: /en/blog/what-is-an-ai-agent/\nsrc/content/articles/nl/literair-agent-of-ai-agent.md body: /nl/blog/wat-is-een-ai-agent/\nsrc/content/articles/nl/literair-agent-of-ai-agent.md furtherReading: /nl/blog/wat-is-een-ai-agent/\nsrc/content/articles/nl/literair-agent-of-ai-agent.md sources: /nl/blog/wat-is-een-ai-agent/","weight":1,"locales":["en","nl"],"id":"article:literary-agent-or-ai-agent|references|article:what-is-an-ai-agent"},{"source":"article:literary-agent-or-ai-agent","target":"volume:the-agentic-author","relation":"references","evidence":"src/content/articles/en/literary-agent-or-ai-agent.md body: /books/the-agentic-author/\nsrc/content/articles/en/literary-agent-or-ai-agent.md furtherReading: /books/the-agentic-author/\nsrc/content/articles/en/literary-agent-or-ai-agent.md sources: /books/the-agentic-author/\nsrc/content/articles/nl/literair-agent-of-ai-agent.md body: /boeken/the-agentic-author/\nsrc/content/articles/nl/literair-agent-of-ai-agent.md furtherReading: /boeken/the-agentic-author/\nsrc/content/articles/nl/literair-agent-of-ai-agent.md sources: /boeken/the-agentic-author/","weight":1,"locales":["en","nl"],"id":"article:literary-agent-or-ai-agent|references|volume:the-agentic-author"},{"source":"article:literary-agent-or-ai-agent","target":"article:ai-agent-or-chatbot","relation":"related","evidence":"src/content/articles/en/literary-agent-or-ai-agent.md relatedArticleIds: 1185312a-de0a-44a8-a665-b4cfd2b7ffc6\nsrc/content/articles/nl/literair-agent-of-ai-agent.md relatedArticleIds: 1185312a-de0a-44a8-a665-b4cfd2b7ffc6","weight":2,"locales":["en","nl"],"id":"article:literary-agent-or-ai-agent|related|article:ai-agent-or-chatbot"},{"source":"article:literary-agent-or-ai-agent","target":"article:what-is-an-ai-agent","relation":"related","evidence":"src/content/articles/en/literary-agent-or-ai-agent.md relatedArticleIds: 69f0de22-6dd9-44b3-b6d8-b89ce8d8df7e\nsrc/content/articles/nl/literair-agent-of-ai-agent.md relatedArticleIds: 69f0de22-6dd9-44b3-b6d8-b89ce8d8df7e","weight":2,"locales":["en","nl"],"id":"article:literary-agent-or-ai-agent|related|article:what-is-an-ai-agent"},{"source":"article:literary-agent-or-ai-agent","target":"concept:ai-agent","relation":"related","evidence":"src/data/site-link-graph.ts: literary-agent-or-ai-agent frameworks/glossary","weight":2,"locales":["en","nl"],"id":"article:literary-agent-or-ai-agent|related|concept:ai-agent"},{"source":"article:literary-agent-or-ai-agent","target":"volume:the-agentic-author","relation":"related","evidence":"src/data/site-link-graph.ts: literary-agent-or-ai-agent books","weight":2,"locales":["en","nl"],"id":"article:literary-agent-or-ai-agent|related|volume:the-agentic-author"},{"source":"article:llm-integration-operating-design","target":"concept:human-in-the-loop","relation":"discusses","evidence":"src/content/articles/en/llm-integration-is-operating-design.md glossary: Human in the loop\nsrc/content/articles/nl/llm-integratie-is-operationeel-ontwerp.md glossary: Mens in de lus","weight":1.5,"locales":["en","nl"],"id":"article:llm-integration-operating-design|discusses|concept:human-in-the-loop"},{"source":"article:llm-integration-operating-design","target":"concept:mcp","relation":"discusses","evidence":"src/content/articles/en/llm-integration-is-operating-design.md glossary: MCP\nsrc/content/articles/nl/llm-integratie-is-operationeel-ontwerp.md glossary: MCP","weight":1.5,"locales":["en","nl"],"id":"article:llm-integration-operating-design|discusses|concept:mcp"},{"source":"article:llm-integration-operating-design","target":"concept:override-doctrine","relation":"discusses","evidence":"src/content/articles/en/llm-integration-is-operating-design.md glossary: Override doctrine\nsrc/content/articles/nl/llm-integratie-is-operationeel-ontwerp.md glossary: Override-doctrine","weight":1.5,"locales":["en","nl"],"id":"article:llm-integration-operating-design|discusses|concept:override-doctrine"},{"source":"article:llm-integration-operating-design","target":"concept:stack","relation":"discusses","evidence":"src/content/articles/en/llm-integration-is-operating-design.md glossary: STACK\nsrc/content/articles/nl/llm-integratie-is-operationeel-ontwerp.md glossary: STACK","weight":1.5,"locales":["en","nl"],"id":"article:llm-integration-operating-design|discusses|concept:stack"},{"source":"article:llm-integration-operating-design","target":"concept:tag:agentic-codebase","relation":"discusses","evidence":"src/content/articles/en/llm-integration-is-operating-design.md tags: agentic-codebase\nsrc/content/articles/nl/llm-integratie-is-operationeel-ontwerp.md tags: agentic-codebase","weight":1.5,"locales":["en","nl"],"id":"article:llm-integration-operating-design|discusses|concept:tag:agentic-codebase"},{"source":"article:llm-integration-operating-design","target":"concept:tag:ai-agents","relation":"discusses","evidence":"src/content/articles/en/llm-integration-is-operating-design.md tags: ai-agents\nsrc/content/articles/nl/llm-integratie-is-operationeel-ontwerp.md tags: ai-agents","weight":1.5,"locales":["en","nl"],"id":"article:llm-integration-operating-design|discusses|concept:tag:ai-agents"},{"source":"article:llm-integration-operating-design","target":"article:mcp-explained-for-founders","relation":"references","evidence":"src/content/articles/en/llm-integration-is-operating-design.md body: /en/blog/mcp-explained-for-founders/\nsrc/content/articles/en/llm-integration-is-operating-design.md furtherReading: /en/blog/mcp-explained-for-founders/\nsrc/content/articles/en/llm-integration-is-operating-design.md sources: /en/blog/mcp-explained-for-founders/\nsrc/content/articles/nl/llm-integratie-is-operationeel-ontwerp.md body: /nl/blog/mcp-uitgelegd-voor-ondernemers/\nsrc/content/articles/nl/llm-integratie-is-operationeel-ontwerp.md furtherReading: /nl/blog/mcp-uitgelegd-voor-ondernemers/\nsrc/content/articles/nl/llm-integratie-is-operationeel-ontwerp.md sources: /nl/blog/mcp-uitgelegd-voor-ondernemers/","weight":1,"locales":["en","nl"],"id":"article:llm-integration-operating-design|references|article:mcp-explained-for-founders"},{"source":"article:llm-integration-operating-design","target":"article:what-is-an-ai-agent","relation":"references","evidence":"src/content/articles/en/llm-integration-is-operating-design.md body: /en/blog/what-is-an-ai-agent/\nsrc/content/articles/nl/llm-integratie-is-operationeel-ontwerp.md body: /nl/blog/wat-is-een-ai-agent/","weight":1,"locales":["en","nl"],"id":"article:llm-integration-operating-design|references|article:what-is-an-ai-agent"},{"source":"article:llm-integration-operating-design","target":"article:why-multi-agent-systems-fail","relation":"references","evidence":"src/content/articles/en/llm-integration-is-operating-design.md body: /en/blog/why-multi-agent-systems-fail/\nsrc/content/articles/nl/llm-integratie-is-operationeel-ontwerp.md body: /nl/blog/waarom-multi-agent-systemen-falen/","weight":1,"locales":["en","nl"],"id":"article:llm-integration-operating-design|references|article:why-multi-agent-systems-fail"},{"source":"article:llm-integration-operating-design","target":"concept:human-in-the-loop","relation":"references","evidence":"src/content/articles/en/llm-integration-is-operating-design.md body: /glossary/human-in-the-loop/\nsrc/content/articles/en/llm-integration-is-operating-design.md furtherReading: /glossary/human-in-the-loop/\nsrc/content/articles/en/llm-integration-is-operating-design.md sources: /glossary/human-in-the-loop/\nsrc/content/articles/nl/llm-integratie-is-operationeel-ontwerp.md body: /nl/begrippen/mens-in-de-lus/\nsrc/content/articles/nl/llm-integratie-is-operationeel-ontwerp.md furtherReading: /nl/begrippen/mens-in-de-lus/\nsrc/content/articles/nl/llm-integratie-is-operationeel-ontwerp.md sources: /nl/begrippen/mens-in-de-lus/","weight":1,"locales":["en","nl"],"id":"article:llm-integration-operating-design|references|concept:human-in-the-loop"},{"source":"article:llm-integration-operating-design","target":"concept:override-doctrine","relation":"references","evidence":"src/content/articles/en/llm-integration-is-operating-design.md body: /glossary/override-doctrine/\nsrc/content/articles/en/llm-integration-is-operating-design.md furtherReading: /glossary/override-doctrine/\nsrc/content/articles/en/llm-integration-is-operating-design.md sources: /glossary/override-doctrine/\nsrc/content/articles/nl/llm-integratie-is-operationeel-ontwerp.md body: /nl/begrippen/override-doctrine/\nsrc/content/articles/nl/llm-integratie-is-operationeel-ontwerp.md furtherReading: /nl/begrippen/override-doctrine/\nsrc/content/articles/nl/llm-integratie-is-operationeel-ontwerp.md sources: /nl/begrippen/override-doctrine/","weight":1,"locales":["en","nl"],"id":"article:llm-integration-operating-design|references|concept:override-doctrine"},{"source":"article:llm-integration-operating-design","target":"concept:stack","relation":"references","evidence":"src/content/articles/en/llm-integration-is-operating-design.md body: /frameworks/stack/\nsrc/content/articles/en/llm-integration-is-operating-design.md furtherReading: /frameworks/stack/\nsrc/content/articles/en/llm-integration-is-operating-design.md sources: /frameworks/stack/\nsrc/content/articles/nl/llm-integratie-is-operationeel-ontwerp.md body: /nl/frameworks/stack/\nsrc/content/articles/nl/llm-integratie-is-operationeel-ontwerp.md furtherReading: /nl/frameworks/stack/\nsrc/content/articles/nl/llm-integratie-is-operationeel-ontwerp.md sources: /nl/frameworks/stack/","weight":1,"locales":["en","nl"],"id":"article:llm-integration-operating-design|references|concept:stack"},{"source":"article:llm-integration-operating-design","target":"volume:the-agentic-codebase","relation":"references","evidence":"src/content/articles/en/llm-integration-is-operating-design.md body: /books/the-agentic-codebase/\nsrc/content/articles/en/llm-integration-is-operating-design.md furtherReading: /books/the-agentic-codebase/\nsrc/content/articles/en/llm-integration-is-operating-design.md sources: /books/the-agentic-codebase/\nsrc/content/articles/nl/llm-integratie-is-operationeel-ontwerp.md body: /boeken/the-agentic-codebase/\nsrc/content/articles/nl/llm-integratie-is-operationeel-ontwerp.md furtherReading: /boeken/the-agentic-codebase/\nsrc/content/articles/nl/llm-integratie-is-operationeel-ontwerp.md sources: /boeken/the-agentic-codebase/","weight":1,"locales":["en","nl"],"id":"article:llm-integration-operating-design|references|volume:the-agentic-codebase"},{"source":"article:llm-integration-operating-design","target":"volume:the-delegated-mind","relation":"references","evidence":"src/content/articles/en/llm-integration-is-operating-design.md body: /books/the-delegated-mind/\nsrc/content/articles/en/llm-integration-is-operating-design.md furtherReading: /books/the-delegated-mind/\nsrc/content/articles/en/llm-integration-is-operating-design.md sources: /books/the-delegated-mind/\nsrc/content/articles/nl/llm-integratie-is-operationeel-ontwerp.md body: /boeken/the-delegated-mind/\nsrc/content/articles/nl/llm-integratie-is-operationeel-ontwerp.md furtherReading: /boeken/the-delegated-mind/\nsrc/content/articles/nl/llm-integratie-is-operationeel-ontwerp.md sources: /boeken/the-delegated-mind/","weight":1,"locales":["en","nl"],"id":"article:llm-integration-operating-design|references|volume:the-delegated-mind"},{"source":"article:llm-integration-operating-design","target":"volume:the-human-in-the-loop-life","relation":"references","evidence":"src/content/articles/en/llm-integration-is-operating-design.md body: /books/the-human-in-the-loop-life/\nsrc/content/articles/en/llm-integration-is-operating-design.md furtherReading: /books/the-human-in-the-loop-life/\nsrc/content/articles/en/llm-integration-is-operating-design.md sources: /books/the-human-in-the-loop-life/\nsrc/content/articles/nl/llm-integratie-is-operationeel-ontwerp.md body: /boeken/the-human-in-the-loop-life/\nsrc/content/articles/nl/llm-integratie-is-operationeel-ontwerp.md furtherReading: /boeken/the-human-in-the-loop-life/\nsrc/content/articles/nl/llm-integratie-is-operationeel-ontwerp.md sources: /boeken/the-human-in-the-loop-life/","weight":1,"locales":["en","nl"],"id":"article:llm-integration-operating-design|references|volume:the-human-in-the-loop-life"},{"source":"article:llm-integration-operating-design","target":"article:mcp-explained-for-founders","relation":"related","evidence":"src/content/articles/en/llm-integration-is-operating-design.md relatedArticleIds: bf0091f2-668e-48f6-aad0-efd1b61bbfa0\nsrc/content/articles/nl/llm-integratie-is-operationeel-ontwerp.md relatedArticleIds: bf0091f2-668e-48f6-aad0-efd1b61bbfa0","weight":2,"locales":["en","nl"],"id":"article:llm-integration-operating-design|related|article:mcp-explained-for-founders"},{"source":"article:llm-integration-operating-design","target":"article:the-agentic-codebase-introduction","relation":"related","evidence":"src/content/articles/en/llm-integration-is-operating-design.md relatedArticleIds: 42ecc0ae-dbb0-4fc6-8781-22c34db2113d\nsrc/content/articles/nl/llm-integratie-is-operationeel-ontwerp.md relatedArticleIds: 42ecc0ae-dbb0-4fc6-8781-22c34db2113d","weight":2,"locales":["en","nl"],"id":"article:llm-integration-operating-design|related|article:the-agentic-codebase-introduction"},{"source":"article:llm-integration-operating-design","target":"article:what-is-an-ai-agent","relation":"related","evidence":"src/content/articles/en/llm-integration-is-operating-design.md relatedArticleIds: 69f0de22-6dd9-44b3-b6d8-b89ce8d8df7e","weight":2,"locales":["en"],"id":"article:llm-integration-operating-design|related|article:what-is-an-ai-agent"},{"source":"article:llm-integration-operating-design","target":"article:why-multi-agent-systems-fail","relation":"related","evidence":"src/content/articles/en/llm-integration-is-operating-design.md relatedArticleIds: ac288a9d-bf78-42af-934d-f2762b095752","weight":2,"locales":["en"],"id":"article:llm-integration-operating-design|related|article:why-multi-agent-systems-fail"},{"source":"article:llm-integration-operating-design","target":"concept:mcp","relation":"related","evidence":"src/data/site-link-graph.ts: llm-integration-operating-design frameworks/glossary","weight":2,"locales":["en","nl"],"id":"article:llm-integration-operating-design|related|concept:mcp"},{"source":"article:llm-integration-operating-design","target":"concept:override-doctrine","relation":"related","evidence":"src/data/site-link-graph.ts: llm-integration-operating-design frameworks/glossary","weight":2,"locales":["en","nl"],"id":"article:llm-integration-operating-design|related|concept:override-doctrine"},{"source":"article:llm-integration-operating-design","target":"concept:route","relation":"related","evidence":"src/data/site-link-graph.ts: llm-integration-operating-design frameworks/glossary","weight":2,"locales":["en","nl"],"id":"article:llm-integration-operating-design|related|concept:route"},{"source":"article:llm-integration-operating-design","target":"concept:stack","relation":"related","evidence":"src/data/site-link-graph.ts: llm-integration-operating-design frameworks/glossary","weight":2,"locales":["en","nl"],"id":"article:llm-integration-operating-design|related|concept:stack"},{"source":"article:llm-integration-operating-design","target":"volume:the-agentic-codebase","relation":"related","evidence":"src/data/site-link-graph.ts: llm-integration-operating-design books","weight":2,"locales":["en","nl"],"id":"article:llm-integration-operating-design|related|volume:the-agentic-codebase"},{"source":"article:llm-integration-operating-design","target":"volume:the-delegated-mind","relation":"related","evidence":"src/data/site-link-graph.ts: llm-integration-operating-design books","weight":2,"locales":["en","nl"],"id":"article:llm-integration-operating-design|related|volume:the-delegated-mind"},{"source":"article:llm-integration-operating-design","target":"volume:the-human-in-the-loop-life","relation":"related","evidence":"src/data/site-link-graph.ts: llm-integration-operating-design books","weight":2,"locales":["en","nl"],"id":"article:llm-integration-operating-design|related|volume:the-human-in-the-loop-life"},{"source":"article:llm-integration-operating-design","target":"volume:the-model-portfolio","relation":"related","evidence":"src/data/site-link-graph.ts: llm-integration-operating-design books","weight":2,"locales":["en","nl"],"id":"article:llm-integration-operating-design|related|volume:the-model-portfolio"},{"source":"article:marketing-nudges-choice-architecture","target":"concept:tag:marketing","relation":"discusses","evidence":"src/content/articles/en/marketing-nudges-are-choice-architecture.md tags: marketing\nsrc/content/articles/nl/marketingnudges-zijn-keuze-architectuur.md tags: marketing","weight":1.5,"locales":["en","nl"],"id":"article:marketing-nudges-choice-architecture|discusses|concept:tag:marketing"},{"source":"article:marketing-nudges-choice-architecture","target":"article:honest-conversion-systems","relation":"references","evidence":"src/content/articles/en/marketing-nudges-are-choice-architecture.md body: /en/blog/conversion-systems-that-stay-honest/\nsrc/content/articles/en/marketing-nudges-are-choice-architecture.md furtherReading: /en/blog/conversion-systems-that-stay-honest/\nsrc/content/articles/en/marketing-nudges-are-choice-architecture.md sources: /en/blog/conversion-systems-that-stay-honest/\nsrc/content/articles/nl/marketingnudges-zijn-keuze-architectuur.md body: /nl/blog/conversiesystemen-die-eerlijk-blijven/\nsrc/content/articles/nl/marketingnudges-zijn-keuze-architectuur.md furtherReading: /nl/blog/conversiesystemen-die-eerlijk-blijven/\nsrc/content/articles/nl/marketingnudges-zijn-keuze-architectuur.md sources: /nl/blog/conversiesystemen-die-eerlijk-blijven/","weight":1,"locales":["en","nl"],"id":"article:marketing-nudges-choice-architecture|references|article:honest-conversion-systems"},{"source":"article:marketing-nudges-choice-architecture","target":"article:positioning-as-a-decision","relation":"references","evidence":"src/content/articles/en/marketing-nudges-are-choice-architecture.md body: /en/blog/positioning-is-a-decision/\nsrc/content/articles/en/marketing-nudges-are-choice-architecture.md furtherReading: /en/blog/positioning-is-a-decision/\nsrc/content/articles/en/marketing-nudges-are-choice-architecture.md sources: /en/blog/positioning-is-a-decision/\nsrc/content/articles/nl/marketingnudges-zijn-keuze-architectuur.md body: /nl/blog/positionering-is-een-besluit/\nsrc/content/articles/nl/marketingnudges-zijn-keuze-architectuur.md furtherReading: /nl/blog/positionering-is-een-besluit/\nsrc/content/articles/nl/marketingnudges-zijn-keuze-architectuur.md sources: /nl/blog/positionering-is-een-besluit/","weight":1,"locales":["en","nl"],"id":"article:marketing-nudges-choice-architecture|references|article:positioning-as-a-decision"},{"source":"article:marketing-nudges-choice-architecture","target":"volume:marketing-without-manipulation","relation":"references","evidence":"src/content/articles/en/marketing-nudges-are-choice-architecture.md body: /books/marketing-without-manipulation/\nsrc/content/articles/en/marketing-nudges-are-choice-architecture.md furtherReading: /books/marketing-without-manipulation/\nsrc/content/articles/en/marketing-nudges-are-choice-architecture.md sources: /books/marketing-without-manipulation/\nsrc/content/articles/nl/marketingnudges-zijn-keuze-architectuur.md body: /boeken/marketing-without-manipulation/\nsrc/content/articles/nl/marketingnudges-zijn-keuze-architectuur.md furtherReading: /boeken/marketing-without-manipulation/\nsrc/content/articles/nl/marketingnudges-zijn-keuze-architectuur.md sources: /boeken/marketing-without-manipulation/","weight":1,"locales":["en","nl"],"id":"article:marketing-nudges-choice-architecture|references|volume:marketing-without-manipulation"},{"source":"article:marketing-nudges-choice-architecture","target":"volume:the-pricing-mind","relation":"references","evidence":"src/content/articles/en/marketing-nudges-are-choice-architecture.md body: /books/the-pricing-mind/\nsrc/content/articles/en/marketing-nudges-are-choice-architecture.md furtherReading: /books/the-pricing-mind/\nsrc/content/articles/en/marketing-nudges-are-choice-architecture.md sources: /books/the-pricing-mind/\nsrc/content/articles/nl/marketingnudges-zijn-keuze-architectuur.md body: /boeken/the-pricing-mind/\nsrc/content/articles/nl/marketingnudges-zijn-keuze-architectuur.md furtherReading: /boeken/the-pricing-mind/\nsrc/content/articles/nl/marketingnudges-zijn-keuze-architectuur.md sources: /boeken/the-pricing-mind/","weight":1,"locales":["en","nl"],"id":"article:marketing-nudges-choice-architecture|references|volume:the-pricing-mind"},{"source":"article:marketing-nudges-choice-architecture","target":"article:honest-conversion-systems","relation":"related","evidence":"src/content/articles/en/marketing-nudges-are-choice-architecture.md relatedArticleIds: f61bd372-6050-4346-9ea8-c495d6924141\nsrc/content/articles/nl/marketingnudges-zijn-keuze-architectuur.md relatedArticleIds: f61bd372-6050-4346-9ea8-c495d6924141","weight":2,"locales":["en","nl"],"id":"article:marketing-nudges-choice-architecture|related|article:honest-conversion-systems"},{"source":"article:marketing-nudges-choice-architecture","target":"article:positioning-as-a-decision","relation":"related","evidence":"src/content/articles/en/marketing-nudges-are-choice-architecture.md relatedArticleIds: 07f2a22d-11bf-4a74-86f2-c96c8ed80419\nsrc/content/articles/nl/marketingnudges-zijn-keuze-architectuur.md relatedArticleIds: 07f2a22d-11bf-4a74-86f2-c96c8ed80419","weight":2,"locales":["en","nl"],"id":"article:marketing-nudges-choice-architecture|related|article:positioning-as-a-decision"},{"source":"article:marketing-nudges-choice-architecture","target":"volume:marketing-without-manipulation","relation":"related","evidence":"src/data/site-link-graph.ts: marketing-nudges-choice-architecture books","weight":2,"locales":["en","nl"],"id":"article:marketing-nudges-choice-architecture|related|volume:marketing-without-manipulation"},{"source":"article:marketing-nudges-choice-architecture","target":"volume:the-pricing-mind","relation":"related","evidence":"src/data/site-link-graph.ts: marketing-nudges-choice-architecture books","weight":2,"locales":["en","nl"],"id":"article:marketing-nudges-choice-architecture|related|volume:the-pricing-mind"},{"source":"article:mcp-explained-for-founders","target":"concept:mcp","relation":"discusses","evidence":"src/content/articles/en/mcp-explained-for-founders.md glossary: MCP\nsrc/content/articles/nl/mcp-uitgelegd-voor-ondernemers.md glossary: MCP","weight":1.5,"locales":["en","nl"],"id":"article:mcp-explained-for-founders|discusses|concept:mcp"},{"source":"article:mcp-explained-for-founders","target":"concept:override-doctrine","relation":"discusses","evidence":"src/content/articles/en/mcp-explained-for-founders.md glossary: Override doctrine\nsrc/content/articles/nl/mcp-uitgelegd-voor-ondernemers.md glossary: Override-doctrine","weight":1.5,"locales":["en","nl"],"id":"article:mcp-explained-for-founders|discusses|concept:override-doctrine"},{"source":"article:mcp-explained-for-founders","target":"concept:stack","relation":"discusses","evidence":"src/content/articles/en/mcp-explained-for-founders.md glossary: STACK\nsrc/content/articles/nl/mcp-uitgelegd-voor-ondernemers.md glossary: STACK","weight":1.5,"locales":["en","nl"],"id":"article:mcp-explained-for-founders|discusses|concept:stack"},{"source":"article:mcp-explained-for-founders","target":"concept:tag:agentic-codebase","relation":"discusses","evidence":"src/content/articles/en/mcp-explained-for-founders.md tags: agentic-codebase\nsrc/content/articles/nl/mcp-uitgelegd-voor-ondernemers.md tags: agentic-codebase","weight":1.5,"locales":["en","nl"],"id":"article:mcp-explained-for-founders|discusses|concept:tag:agentic-codebase"},{"source":"article:mcp-explained-for-founders","target":"concept:tag:ai-agents","relation":"discusses","evidence":"src/content/articles/en/mcp-explained-for-founders.md tags: ai-agents\nsrc/content/articles/nl/mcp-uitgelegd-voor-ondernemers.md tags: ai-agents","weight":1.5,"locales":["en","nl"],"id":"article:mcp-explained-for-founders|discusses|concept:tag:ai-agents"},{"source":"article:mcp-explained-for-founders","target":"article:agentic-workflow-vs-automation","relation":"references","evidence":"src/content/articles/en/mcp-explained-for-founders.md body: /en/blog/agentic-workflow-vs-automation/\nsrc/content/articles/en/mcp-explained-for-founders.md furtherReading: /en/blog/agentic-workflow-vs-automation/\nsrc/content/articles/nl/mcp-uitgelegd-voor-ondernemers.md body: /nl/blog/agentic-workflow-versus-automatisering/\nsrc/content/articles/nl/mcp-uitgelegd-voor-ondernemers.md furtherReading: /nl/blog/agentic-workflow-versus-automatisering/","weight":1,"locales":["en","nl"],"id":"article:mcp-explained-for-founders|references|article:agentic-workflow-vs-automation"},{"source":"article:mcp-explained-for-founders","target":"article:the-agentic-codebase-introduction","relation":"references","evidence":"src/content/articles/en/mcp-explained-for-founders.md body: /en/blog/the-agentic-codebase-introduction/\nsrc/content/articles/en/mcp-explained-for-founders.md furtherReading: /en/blog/the-agentic-codebase-introduction/\nsrc/content/articles/nl/mcp-uitgelegd-voor-ondernemers.md body: /nl/blog/de-agentische-codebase-introductie/\nsrc/content/articles/nl/mcp-uitgelegd-voor-ondernemers.md furtherReading: /nl/blog/de-agentische-codebase-introductie/","weight":1,"locales":["en","nl"],"id":"article:mcp-explained-for-founders|references|article:the-agentic-codebase-introduction"},{"source":"article:mcp-explained-for-founders","target":"article:what-is-an-ai-agent","relation":"references","evidence":"src/content/articles/en/mcp-explained-for-founders.md body: /en/blog/what-is-an-ai-agent/\nsrc/content/articles/en/mcp-explained-for-founders.md furtherReading: /en/blog/what-is-an-ai-agent/\nsrc/content/articles/nl/mcp-uitgelegd-voor-ondernemers.md body: /nl/blog/wat-is-een-ai-agent/\nsrc/content/articles/nl/mcp-uitgelegd-voor-ondernemers.md furtherReading: /nl/blog/wat-is-een-ai-agent/","weight":1,"locales":["en","nl"],"id":"article:mcp-explained-for-founders|references|article:what-is-an-ai-agent"},{"source":"article:mcp-explained-for-founders","target":"article:why-multi-agent-systems-fail","relation":"references","evidence":"src/content/articles/en/mcp-explained-for-founders.md body: /en/blog/why-multi-agent-systems-fail/\nsrc/content/articles/nl/mcp-uitgelegd-voor-ondernemers.md body: /nl/blog/waarom-multi-agent-systemen-falen/","weight":1,"locales":["en","nl"],"id":"article:mcp-explained-for-founders|references|article:why-multi-agent-systems-fail"},{"source":"article:mcp-explained-for-founders","target":"concept:ai-agent","relation":"references","evidence":"src/content/articles/en/mcp-explained-for-founders.md body: /glossary/ai-agent/\nsrc/content/articles/nl/mcp-uitgelegd-voor-ondernemers.md body: /nl/begrippen/ai-agent/","weight":1,"locales":["en","nl"],"id":"article:mcp-explained-for-founders|references|concept:ai-agent"},{"source":"article:mcp-explained-for-founders","target":"concept:mcp","relation":"references","evidence":"src/content/articles/en/mcp-explained-for-founders.md body: /glossary/mcp/\nsrc/content/articles/en/mcp-explained-for-founders.md furtherReading: /glossary/mcp/\nsrc/content/articles/en/mcp-explained-for-founders.md sources: /glossary/mcp/\nsrc/content/articles/nl/mcp-uitgelegd-voor-ondernemers.md body: /nl/begrippen/mcp/\nsrc/content/articles/nl/mcp-uitgelegd-voor-ondernemers.md furtherReading: /nl/begrippen/mcp/\nsrc/content/articles/nl/mcp-uitgelegd-voor-ondernemers.md sources: /nl/begrippen/mcp/","weight":1,"locales":["en","nl"],"id":"article:mcp-explained-for-founders|references|concept:mcp"},{"source":"article:mcp-explained-for-founders","target":"concept:override-doctrine","relation":"references","evidence":"src/content/articles/en/mcp-explained-for-founders.md body: /glossary/override-doctrine/\nsrc/content/articles/nl/mcp-uitgelegd-voor-ondernemers.md body: /nl/begrippen/override-doctrine/","weight":1,"locales":["en","nl"],"id":"article:mcp-explained-for-founders|references|concept:override-doctrine"},{"source":"article:mcp-explained-for-founders","target":"concept:stack","relation":"references","evidence":"src/content/articles/en/mcp-explained-for-founders.md body: /frameworks/stack/\nsrc/content/articles/en/mcp-explained-for-founders.md furtherReading: /frameworks/stack/\nsrc/content/articles/en/mcp-explained-for-founders.md sources: /frameworks/stack/\nsrc/content/articles/nl/mcp-uitgelegd-voor-ondernemers.md body: /nl/frameworks/stack/\nsrc/content/articles/nl/mcp-uitgelegd-voor-ondernemers.md furtherReading: /nl/frameworks/stack/\nsrc/content/articles/nl/mcp-uitgelegd-voor-ondernemers.md sources: /nl/frameworks/stack/","weight":1,"locales":["en","nl"],"id":"article:mcp-explained-for-founders|references|concept:stack"},{"source":"article:mcp-explained-for-founders","target":"volume:the-agentic-codebase","relation":"references","evidence":"src/content/articles/en/mcp-explained-for-founders.md body: /books/the-agentic-codebase/\nsrc/content/articles/en/mcp-explained-for-founders.md furtherReading: /books/the-agentic-codebase/\nsrc/content/articles/en/mcp-explained-for-founders.md sources: /books/the-agentic-codebase/\nsrc/content/articles/nl/mcp-uitgelegd-voor-ondernemers.md body: /boeken/the-agentic-codebase/\nsrc/content/articles/nl/mcp-uitgelegd-voor-ondernemers.md furtherReading: /boeken/the-agentic-codebase/\nsrc/content/articles/nl/mcp-uitgelegd-voor-ondernemers.md sources: /boeken/the-agentic-codebase/","weight":1,"locales":["en","nl"],"id":"article:mcp-explained-for-founders|references|volume:the-agentic-codebase"},{"source":"article:mcp-explained-for-founders","target":"article:agentic-workflow-vs-automation","relation":"related","evidence":"src/content/articles/en/mcp-explained-for-founders.md relatedArticleIds: b0c61b6b-2323-4daf-af82-d1797790765d\nsrc/content/articles/nl/mcp-uitgelegd-voor-ondernemers.md relatedArticleIds: b0c61b6b-2323-4daf-af82-d1797790765d","weight":2,"locales":["en","nl"],"id":"article:mcp-explained-for-founders|related|article:agentic-workflow-vs-automation"},{"source":"article:mcp-explained-for-founders","target":"article:the-agentic-codebase-introduction","relation":"related","evidence":"src/content/articles/en/mcp-explained-for-founders.md relatedArticleIds: 42ecc0ae-dbb0-4fc6-8781-22c34db2113d\nsrc/content/articles/nl/mcp-uitgelegd-voor-ondernemers.md relatedArticleIds: 42ecc0ae-dbb0-4fc6-8781-22c34db2113d","weight":2,"locales":["en","nl"],"id":"article:mcp-explained-for-founders|related|article:the-agentic-codebase-introduction"},{"source":"article:mcp-explained-for-founders","target":"article:what-is-an-ai-agent","relation":"related","evidence":"src/content/articles/en/mcp-explained-for-founders.md relatedArticleIds: 69f0de22-6dd9-44b3-b6d8-b89ce8d8df7e\nsrc/content/articles/nl/mcp-uitgelegd-voor-ondernemers.md relatedArticleIds: 69f0de22-6dd9-44b3-b6d8-b89ce8d8df7e","weight":2,"locales":["en","nl"],"id":"article:mcp-explained-for-founders|related|article:what-is-an-ai-agent"},{"source":"article:mcp-explained-for-founders","target":"article:why-multi-agent-systems-fail","relation":"related","evidence":"src/content/articles/en/mcp-explained-for-founders.md relatedArticleIds: ac288a9d-bf78-42af-934d-f2762b095752\nsrc/content/articles/nl/mcp-uitgelegd-voor-ondernemers.md relatedArticleIds: ac288a9d-bf78-42af-934d-f2762b095752","weight":2,"locales":["en","nl"],"id":"article:mcp-explained-for-founders|related|article:why-multi-agent-systems-fail"},{"source":"article:mcp-explained-for-founders","target":"concept:ai-agent","relation":"related","evidence":"src/data/site-link-graph.ts: mcp-explained-for-founders frameworks/glossary","weight":2,"locales":["en","nl"],"id":"article:mcp-explained-for-founders|related|concept:ai-agent"},{"source":"article:mcp-explained-for-founders","target":"concept:mcp","relation":"related","evidence":"src/data/site-link-graph.ts: mcp-explained-for-founders frameworks/glossary","weight":2,"locales":["en","nl"],"id":"article:mcp-explained-for-founders|related|concept:mcp"},{"source":"article:mcp-explained-for-founders","target":"concept:stack","relation":"related","evidence":"src/data/site-link-graph.ts: mcp-explained-for-founders frameworks/glossary","weight":2,"locales":["en","nl"],"id":"article:mcp-explained-for-founders|related|concept:stack"},{"source":"article:mcp-explained-for-founders","target":"volume:the-agentic-codebase","relation":"related","evidence":"src/data/site-link-graph.ts: mcp-explained-for-founders books","weight":2,"locales":["en","nl"],"id":"article:mcp-explained-for-founders|related|volume:the-agentic-codebase"},{"source":"article:mcp-is-not-usb-c","target":"concept:mcp","relation":"discusses","evidence":"src/content/articles/en/mcp-is-not-usb-c.md glossary: MCP\nsrc/content/articles/en/mcp-is-not-usb-c.md tags: mcp\nsrc/content/articles/nl/mcp-is-geen-usb-c.md glossary: MCP\nsrc/content/articles/nl/mcp-is-geen-usb-c.md tags: mcp","weight":1.5,"locales":["en","nl"],"id":"article:mcp-is-not-usb-c|discusses|concept:mcp"},{"source":"article:mcp-is-not-usb-c","target":"concept:stack","relation":"discusses","evidence":"src/content/articles/en/mcp-is-not-usb-c.md glossary: STACK\nsrc/content/articles/nl/mcp-is-geen-usb-c.md glossary: STACK","weight":1.5,"locales":["en","nl"],"id":"article:mcp-is-not-usb-c|discusses|concept:stack"},{"source":"article:mcp-is-not-usb-c","target":"concept:tag:agentic-codebase","relation":"discusses","evidence":"src/content/articles/en/mcp-is-not-usb-c.md tags: agentic-codebase\nsrc/content/articles/nl/mcp-is-geen-usb-c.md tags: agentic-codebase","weight":1.5,"locales":["en","nl"],"id":"article:mcp-is-not-usb-c|discusses|concept:tag:agentic-codebase"},{"source":"article:mcp-is-not-usb-c","target":"article:mcp-explained-for-founders","relation":"references","evidence":"src/content/articles/en/mcp-is-not-usb-c.md body: /en/blog/mcp-explained-for-founders/\nsrc/content/articles/en/mcp-is-not-usb-c.md furtherReading: /en/blog/mcp-explained-for-founders/\nsrc/content/articles/nl/mcp-is-geen-usb-c.md body: /nl/blog/mcp-uitgelegd-voor-ondernemers/\nsrc/content/articles/nl/mcp-is-geen-usb-c.md furtherReading: /nl/blog/mcp-uitgelegd-voor-ondernemers/","weight":1,"locales":["en","nl"],"id":"article:mcp-is-not-usb-c|references|article:mcp-explained-for-founders"},{"source":"article:mcp-is-not-usb-c","target":"article:mcp-meaning","relation":"references","evidence":"src/content/articles/en/mcp-is-not-usb-c.md body: /en/blog/mcp-meaning/\nsrc/content/articles/en/mcp-is-not-usb-c.md furtherReading: /en/blog/mcp-meaning/\nsrc/content/articles/en/mcp-is-not-usb-c.md sources: /en/blog/mcp-meaning/\nsrc/content/articles/nl/mcp-is-geen-usb-c.md body: /nl/blog/mcp-betekenis/\nsrc/content/articles/nl/mcp-is-geen-usb-c.md furtherReading: /nl/blog/mcp-betekenis/\nsrc/content/articles/nl/mcp-is-geen-usb-c.md sources: /nl/blog/mcp-betekenis/","weight":1,"locales":["en","nl"],"id":"article:mcp-is-not-usb-c|references|article:mcp-meaning"},{"source":"article:mcp-is-not-usb-c","target":"article:what-is-an-mcp-connector","relation":"references","evidence":"src/content/articles/en/mcp-is-not-usb-c.md body: /en/blog/what-is-an-mcp-connector/\nsrc/content/articles/en/mcp-is-not-usb-c.md furtherReading: /en/blog/what-is-an-mcp-connector/\nsrc/content/articles/nl/mcp-is-geen-usb-c.md body: /nl/blog/wat-is-een-mcp-koppeling/\nsrc/content/articles/nl/mcp-is-geen-usb-c.md furtherReading: /nl/blog/wat-is-een-mcp-koppeling/","weight":1,"locales":["en","nl"],"id":"article:mcp-is-not-usb-c|references|article:what-is-an-mcp-connector"},{"source":"article:mcp-is-not-usb-c","target":"concept:stack","relation":"references","evidence":"src/content/articles/en/mcp-is-not-usb-c.md body: /frameworks/stack/\nsrc/content/articles/en/mcp-is-not-usb-c.md furtherReading: /frameworks/stack/\nsrc/content/articles/en/mcp-is-not-usb-c.md sources: /frameworks/stack/\nsrc/content/articles/nl/mcp-is-geen-usb-c.md body: /nl/frameworks/stack/\nsrc/content/articles/nl/mcp-is-geen-usb-c.md furtherReading: /nl/frameworks/stack/\nsrc/content/articles/nl/mcp-is-geen-usb-c.md sources: /nl/frameworks/stack/","weight":1,"locales":["en","nl"],"id":"article:mcp-is-not-usb-c|references|concept:stack"},{"source":"article:mcp-is-not-usb-c","target":"volume:the-agentic-codebase","relation":"references","evidence":"src/content/articles/en/mcp-is-not-usb-c.md body: /books/the-agentic-codebase/\nsrc/content/articles/en/mcp-is-not-usb-c.md sources: /books/the-agentic-codebase/\nsrc/content/articles/nl/mcp-is-geen-usb-c.md body: /boeken/the-agentic-codebase/\nsrc/content/articles/nl/mcp-is-geen-usb-c.md sources: /boeken/the-agentic-codebase/","weight":1,"locales":["en","nl"],"id":"article:mcp-is-not-usb-c|references|volume:the-agentic-codebase"},{"source":"article:mcp-is-not-usb-c","target":"article:mcp-explained-for-founders","relation":"related","evidence":"src/content/articles/en/mcp-is-not-usb-c.md relatedArticleIds: bf0091f2-668e-48f6-aad0-efd1b61bbfa0\nsrc/content/articles/nl/mcp-is-geen-usb-c.md relatedArticleIds: 63ba7d0b-c9be-4530-b0d8-ddca46327198","weight":2,"locales":["en","nl"],"id":"article:mcp-is-not-usb-c|related|article:mcp-explained-for-founders"},{"source":"article:mcp-is-not-usb-c","target":"article:mcp-meaning","relation":"related","evidence":"src/content/articles/en/mcp-is-not-usb-c.md relatedArticleIds: 59ce4053-4ae3-4d86-9643-2c57f315f493\nsrc/content/articles/nl/mcp-is-geen-usb-c.md relatedArticleIds: 2f330218-dbfa-4783-a8cc-f22d76029d9c","weight":2,"locales":["en","nl"],"id":"article:mcp-is-not-usb-c|related|article:mcp-meaning"},{"source":"article:mcp-is-not-usb-c","target":"article:stack-version-the-agent-os","relation":"related","evidence":"src/content/articles/en/mcp-is-not-usb-c.md relatedArticleIds: bd53b609-cc78-4921-bf20-d71d4d0a26c3\nsrc/content/articles/nl/mcp-is-geen-usb-c.md relatedArticleIds: 94dbba42-a1dd-43a1-8fd4-8a41c6fcb7ad","weight":2,"locales":["en","nl"],"id":"article:mcp-is-not-usb-c|related|article:stack-version-the-agent-os"},{"source":"article:mcp-is-not-usb-c","target":"article:what-is-an-mcp-connector","relation":"related","evidence":"src/content/articles/en/mcp-is-not-usb-c.md relatedArticleIds: 73f46de9-decb-49ee-9048-bf600b39ebf1\nsrc/content/articles/nl/mcp-is-geen-usb-c.md relatedArticleIds: cae1c2cd-670c-4f50-9697-21b19304fc15","weight":2,"locales":["en","nl"],"id":"article:mcp-is-not-usb-c|related|article:what-is-an-mcp-connector"},{"source":"article:mcp-meaning","target":"concept:mcp","relation":"discusses","evidence":"src/content/articles/en/mcp-meaning.md glossary: MCP\nsrc/content/articles/nl/mcp-betekenis.md glossary: MCP","weight":1.5,"locales":["en","nl"],"id":"article:mcp-meaning|discusses|concept:mcp"},{"source":"article:mcp-meaning","target":"concept:stack","relation":"discusses","evidence":"src/content/articles/en/mcp-meaning.md glossary: STACK\nsrc/content/articles/nl/mcp-betekenis.md glossary: STACK","weight":1.5,"locales":["en","nl"],"id":"article:mcp-meaning|discusses|concept:stack"},{"source":"article:mcp-meaning","target":"concept:tag:ai-agents","relation":"discusses","evidence":"src/content/articles/en/mcp-meaning.md tags: ai-agents\nsrc/content/articles/nl/mcp-betekenis.md tags: ai-agents","weight":1.5,"locales":["en","nl"],"id":"article:mcp-meaning|discusses|concept:tag:ai-agents"},{"source":"article:mcp-meaning","target":"article:human-in-the-loop-meaning","relation":"references","evidence":"src/content/articles/en/mcp-meaning.md body: /en/blog/human-in-the-loop-meaning/\nsrc/content/articles/nl/mcp-betekenis.md body: /nl/blog/mens-in-de-lus-betekenis/","weight":1,"locales":["en","nl"],"id":"article:mcp-meaning|references|article:human-in-the-loop-meaning"},{"source":"article:mcp-meaning","target":"article:mcp-explained-for-founders","relation":"references","evidence":"src/content/articles/en/mcp-meaning.md body: /en/blog/mcp-explained-for-founders/\nsrc/content/articles/en/mcp-meaning.md furtherReading: /en/blog/mcp-explained-for-founders/\nsrc/content/articles/en/mcp-meaning.md sources: /en/blog/mcp-explained-for-founders/\nsrc/content/articles/nl/mcp-betekenis.md body: /nl/blog/mcp-uitgelegd-voor-ondernemers/\nsrc/content/articles/nl/mcp-betekenis.md furtherReading: /nl/blog/mcp-uitgelegd-voor-ondernemers/\nsrc/content/articles/nl/mcp-betekenis.md sources: /nl/blog/mcp-uitgelegd-voor-ondernemers/","weight":1,"locales":["en","nl"],"id":"article:mcp-meaning|references|article:mcp-explained-for-founders"},{"source":"article:mcp-meaning","target":"article:what-is-an-ai-agent","relation":"references","evidence":"src/content/articles/en/mcp-meaning.md body: /en/blog/what-is-an-ai-agent/\nsrc/content/articles/nl/mcp-betekenis.md body: /nl/blog/wat-is-een-ai-agent/","weight":1,"locales":["en","nl"],"id":"article:mcp-meaning|references|article:what-is-an-ai-agent"},{"source":"article:mcp-meaning","target":"artifact:reasonkit","relation":"references","evidence":"src/content/articles/en/mcp-meaning.md body: https://reasonkit.sh\nsrc/content/articles/nl/mcp-betekenis.md body: https://reasonkit.sh","weight":1,"locales":["en","nl"],"id":"article:mcp-meaning|references|artifact:reasonkit"},{"source":"article:mcp-meaning","target":"concept:mcp","relation":"references","evidence":"src/content/articles/en/mcp-meaning.md furtherReading: /glossary/mcp/\nsrc/content/articles/en/mcp-meaning.md sources: /glossary/mcp/\nsrc/content/articles/nl/mcp-betekenis.md furtherReading: /nl/begrippen/mcp/\nsrc/content/articles/nl/mcp-betekenis.md sources: /nl/begrippen/mcp/","weight":1,"locales":["en","nl"],"id":"article:mcp-meaning|references|concept:mcp"},{"source":"article:mcp-meaning","target":"concept:stack","relation":"references","evidence":"src/content/articles/en/mcp-meaning.md body: /glossary/stack/\nsrc/content/articles/en/mcp-meaning.md sources: /glossary/stack/\nsrc/content/articles/nl/mcp-betekenis.md body: /nl/begrippen/stack/\nsrc/content/articles/nl/mcp-betekenis.md sources: /nl/begrippen/stack/","weight":1,"locales":["en","nl"],"id":"article:mcp-meaning|references|concept:stack"},{"source":"article:mcp-meaning","target":"volume:the-agentic-codebase","relation":"references","evidence":"src/content/articles/en/mcp-meaning.md body: /books/the-agentic-codebase/\nsrc/content/articles/en/mcp-meaning.md furtherReading: /books/the-agentic-codebase/\nsrc/content/articles/en/mcp-meaning.md sources: /books/the-agentic-codebase/\nsrc/content/articles/nl/mcp-betekenis.md body: /boeken/the-agentic-codebase/\nsrc/content/articles/nl/mcp-betekenis.md furtherReading: /boeken/the-agentic-codebase/\nsrc/content/articles/nl/mcp-betekenis.md sources: /boeken/the-agentic-codebase/","weight":1,"locales":["en","nl"],"id":"article:mcp-meaning|references|volume:the-agentic-codebase"},{"source":"article:mcp-meaning","target":"article:mcp-explained-for-founders","relation":"related","evidence":"src/content/articles/en/mcp-meaning.md relatedArticleIds: bf0091f2-668e-48f6-aad0-efd1b61bbfa0\nsrc/content/articles/nl/mcp-betekenis.md relatedArticleIds: bf0091f2-668e-48f6-aad0-efd1b61bbfa0","weight":2,"locales":["en","nl"],"id":"article:mcp-meaning|related|article:mcp-explained-for-founders"},{"source":"article:mcp-meaning","target":"concept:mcp","relation":"related","evidence":"src/data/site-link-graph.ts: mcp-meaning frameworks/glossary","weight":2,"locales":["en","nl"],"id":"article:mcp-meaning|related|concept:mcp"},{"source":"article:mcp-meaning","target":"concept:stack","relation":"related","evidence":"src/data/site-link-graph.ts: mcp-meaning frameworks/glossary","weight":2,"locales":["en","nl"],"id":"article:mcp-meaning|related|concept:stack"},{"source":"article:mcp-meaning","target":"volume:the-agentic-codebase","relation":"related","evidence":"src/data/site-link-graph.ts: mcp-meaning books","weight":2,"locales":["en","nl"],"id":"article:mcp-meaning|related|volume:the-agentic-codebase"},{"source":"article:mcp-oauth-is-not-tool-authorization","target":"concept:mcp","relation":"discusses","evidence":"src/content/articles/en/mcp-oauth-is-not-tool-authorization.md glossary: MCP\nsrc/content/articles/en/mcp-oauth-is-not-tool-authorization.md tags: mcp\nsrc/content/articles/nl/mcp-oauth-is-geen-toolautorisatie.md glossary: MCP\nsrc/content/articles/nl/mcp-oauth-is-geen-toolautorisatie.md tags: mcp","weight":1.5,"locales":["en","nl"],"id":"article:mcp-oauth-is-not-tool-authorization|discusses|concept:mcp"},{"source":"article:mcp-oauth-is-not-tool-authorization","target":"article:mcp-explained-for-founders","relation":"references","evidence":"src/content/articles/en/mcp-oauth-is-not-tool-authorization.md body: /en/blog/mcp-explained-for-founders/\nsrc/content/articles/en/mcp-oauth-is-not-tool-authorization.md furtherReading: /en/blog/mcp-explained-for-founders/\nsrc/content/articles/en/mcp-oauth-is-not-tool-authorization.md sources: /en/blog/mcp-explained-for-founders/\nsrc/content/articles/nl/mcp-oauth-is-geen-toolautorisatie.md body: /nl/blog/mcp-uitgelegd-voor-ondernemers/\nsrc/content/articles/nl/mcp-oauth-is-geen-toolautorisatie.md furtherReading: /nl/blog/mcp-uitgelegd-voor-ondernemers/\nsrc/content/articles/nl/mcp-oauth-is-geen-toolautorisatie.md sources: /nl/blog/mcp-uitgelegd-voor-ondernemers/","weight":1,"locales":["en","nl"],"id":"article:mcp-oauth-is-not-tool-authorization|references|article:mcp-explained-for-founders"},{"source":"article:mcp-oauth-is-not-tool-authorization","target":"article:mcp-meaning","relation":"references","evidence":"src/content/articles/en/mcp-oauth-is-not-tool-authorization.md furtherReading: /en/blog/mcp-meaning/\nsrc/content/articles/nl/mcp-oauth-is-geen-toolautorisatie.md furtherReading: /nl/blog/mcp-betekenis/","weight":1,"locales":["en","nl"],"id":"article:mcp-oauth-is-not-tool-authorization|references|article:mcp-meaning"},{"source":"article:mcp-oauth-is-not-tool-authorization","target":"article:override-doctrine","relation":"references","evidence":"src/content/articles/en/mcp-oauth-is-not-tool-authorization.md body: /en/blog/override-doctrine/\nsrc/content/articles/nl/mcp-oauth-is-geen-toolautorisatie.md body: /nl/blog/override-doctrine/","weight":1,"locales":["en","nl"],"id":"article:mcp-oauth-is-not-tool-authorization|references|article:override-doctrine"},{"source":"article:mcp-oauth-is-not-tool-authorization","target":"article:what-is-an-mcp-connector","relation":"references","evidence":"src/content/articles/en/mcp-oauth-is-not-tool-authorization.md furtherReading: /en/blog/what-is-an-mcp-connector/\nsrc/content/articles/nl/mcp-oauth-is-geen-toolautorisatie.md furtherReading: /nl/blog/wat-is-een-mcp-koppeling/","weight":1,"locales":["en","nl"],"id":"article:mcp-oauth-is-not-tool-authorization|references|article:what-is-an-mcp-connector"},{"source":"article:mcp-oauth-is-not-tool-authorization","target":"concept:mcp","relation":"references","evidence":"src/content/articles/en/mcp-oauth-is-not-tool-authorization.md body: /glossary/mcp/\nsrc/content/articles/en/mcp-oauth-is-not-tool-authorization.md sources: /glossary/mcp/\nsrc/content/articles/nl/mcp-oauth-is-geen-toolautorisatie.md body: /nl/begrippen/mcp/\nsrc/content/articles/nl/mcp-oauth-is-geen-toolautorisatie.md sources: /nl/begrippen/mcp/","weight":1,"locales":["en","nl"],"id":"article:mcp-oauth-is-not-tool-authorization|references|concept:mcp"},{"source":"article:mcp-oauth-is-not-tool-authorization","target":"volume:the-agentic-codebase","relation":"references","evidence":"src/content/articles/en/mcp-oauth-is-not-tool-authorization.md body: /books/the-agentic-codebase/\nsrc/content/articles/en/mcp-oauth-is-not-tool-authorization.md furtherReading: /books/the-agentic-codebase/\nsrc/content/articles/en/mcp-oauth-is-not-tool-authorization.md sources: /books/the-agentic-codebase/\nsrc/content/articles/nl/mcp-oauth-is-geen-toolautorisatie.md body: /boeken/the-agentic-codebase/\nsrc/content/articles/nl/mcp-oauth-is-geen-toolautorisatie.md furtherReading: /boeken/the-agentic-codebase/\nsrc/content/articles/nl/mcp-oauth-is-geen-toolautorisatie.md sources: /boeken/the-agentic-codebase/","weight":1,"locales":["en","nl"],"id":"article:mcp-oauth-is-not-tool-authorization|references|volume:the-agentic-codebase"},{"source":"article:mcp-oauth-is-not-tool-authorization","target":"article:mcp-explained-for-founders","relation":"related","evidence":"src/content/articles/en/mcp-oauth-is-not-tool-authorization.md relatedArticleIds: bf0091f2-668e-48f6-aad0-efd1b61bbfa0\nsrc/content/articles/nl/mcp-oauth-is-geen-toolautorisatie.md relatedArticleIds: 63ba7d0b-c9be-4530-b0d8-ddca46327198","weight":2,"locales":["en","nl"],"id":"article:mcp-oauth-is-not-tool-authorization|related|article:mcp-explained-for-founders"},{"source":"article:mcp-oauth-is-not-tool-authorization","target":"article:mcp-meaning","relation":"related","evidence":"src/content/articles/en/mcp-oauth-is-not-tool-authorization.md relatedArticleIds: 59ce4053-4ae3-4d86-9643-2c57f315f493\nsrc/content/articles/nl/mcp-oauth-is-geen-toolautorisatie.md relatedArticleIds: 2f330218-dbfa-4783-a8cc-f22d76029d9c","weight":2,"locales":["en","nl"],"id":"article:mcp-oauth-is-not-tool-authorization|related|article:mcp-meaning"},{"source":"article:mcp-oauth-is-not-tool-authorization","target":"article:override-doctrine","relation":"related","evidence":"src/content/articles/en/mcp-oauth-is-not-tool-authorization.md relatedArticleIds: e390df0a-2d52-4767-9356-28f5b80611f7\nsrc/content/articles/nl/mcp-oauth-is-geen-toolautorisatie.md relatedArticleIds: 819c840d-12b3-4211-ba47-9dcda8b9e831","weight":2,"locales":["en","nl"],"id":"article:mcp-oauth-is-not-tool-authorization|related|article:override-doctrine"},{"source":"article:mcp-oauth-is-not-tool-authorization","target":"article:what-is-an-mcp-connector","relation":"related","evidence":"src/content/articles/en/mcp-oauth-is-not-tool-authorization.md relatedArticleIds: 73f46de9-decb-49ee-9048-bf600b39ebf1\nsrc/content/articles/nl/mcp-oauth-is-geen-toolautorisatie.md relatedArticleIds: cae1c2cd-670c-4f50-9697-21b19304fc15","weight":2,"locales":["en","nl"],"id":"article:mcp-oauth-is-not-tool-authorization|related|article:what-is-an-mcp-connector"},{"source":"article:mcp-vs-function-calling","target":"concept:mcp","relation":"discusses","evidence":"src/content/articles/en/mcp-vs-function-calling.md tags: mcp\nsrc/content/articles/nl/mcp-versus-function-calling.md tags: mcp","weight":1.5,"locales":["en","nl"],"id":"article:mcp-vs-function-calling|discusses|concept:mcp"},{"source":"article:mcp-vs-function-calling","target":"concept:tag:agentic-codebase","relation":"discusses","evidence":"src/content/articles/en/mcp-vs-function-calling.md tags: agentic-codebase\nsrc/content/articles/nl/mcp-versus-function-calling.md tags: agentic-codebase","weight":1.5,"locales":["en","nl"],"id":"article:mcp-vs-function-calling|discusses|concept:tag:agentic-codebase"},{"source":"article:mcp-vs-function-calling","target":"article:mcp-explained-for-founders","relation":"references","evidence":"src/content/articles/en/mcp-vs-function-calling.md body: /en/blog/mcp-explained-for-founders/\nsrc/content/articles/en/mcp-vs-function-calling.md furtherReading: /en/blog/mcp-explained-for-founders/\nsrc/content/articles/nl/mcp-versus-function-calling.md body: /nl/blog/mcp-uitgelegd-voor-ondernemers/\nsrc/content/articles/nl/mcp-versus-function-calling.md furtherReading: /nl/blog/mcp-uitgelegd-voor-ondernemers/","weight":1,"locales":["en","nl"],"id":"article:mcp-vs-function-calling|references|article:mcp-explained-for-founders"},{"source":"article:mcp-vs-function-calling","target":"article:mcp-meaning","relation":"references","evidence":"src/content/articles/en/mcp-vs-function-calling.md body: /en/blog/mcp-meaning/\nsrc/content/articles/en/mcp-vs-function-calling.md furtherReading: /en/blog/mcp-meaning/\nsrc/content/articles/en/mcp-vs-function-calling.md sources: /en/blog/mcp-meaning/\nsrc/content/articles/nl/mcp-versus-function-calling.md body: /nl/blog/mcp-betekenis/\nsrc/content/articles/nl/mcp-versus-function-calling.md furtherReading: /nl/blog/mcp-betekenis/\nsrc/content/articles/nl/mcp-versus-function-calling.md sources: /nl/blog/mcp-betekenis/","weight":1,"locales":["en","nl"],"id":"article:mcp-vs-function-calling|references|article:mcp-meaning"},{"source":"article:mcp-vs-function-calling","target":"article:what-is-an-mcp-connector","relation":"references","evidence":"src/content/articles/en/mcp-vs-function-calling.md body: /en/blog/what-is-an-mcp-connector/\nsrc/content/articles/en/mcp-vs-function-calling.md furtherReading: /en/blog/what-is-an-mcp-connector/\nsrc/content/articles/en/mcp-vs-function-calling.md sources: /en/blog/what-is-an-mcp-connector/\nsrc/content/articles/nl/mcp-versus-function-calling.md body: /nl/blog/wat-is-een-mcp-koppeling/\nsrc/content/articles/nl/mcp-versus-function-calling.md furtherReading: /nl/blog/wat-is-een-mcp-koppeling/\nsrc/content/articles/nl/mcp-versus-function-calling.md sources: /nl/blog/wat-is-een-mcp-koppeling/","weight":1,"locales":["en","nl"],"id":"article:mcp-vs-function-calling|references|article:what-is-an-mcp-connector"},{"source":"article:mcp-vs-function-calling","target":"volume:the-agentic-codebase","relation":"references","evidence":"src/content/articles/en/mcp-vs-function-calling.md body: /books/the-agentic-codebase/\nsrc/content/articles/en/mcp-vs-function-calling.md furtherReading: /books/the-agentic-codebase/\nsrc/content/articles/en/mcp-vs-function-calling.md sources: /books/the-agentic-codebase/\nsrc/content/articles/nl/mcp-versus-function-calling.md body: /boeken/the-agentic-codebase/\nsrc/content/articles/nl/mcp-versus-function-calling.md furtherReading: /boeken/the-agentic-codebase/\nsrc/content/articles/nl/mcp-versus-function-calling.md sources: /boeken/the-agentic-codebase/","weight":1,"locales":["en","nl"],"id":"article:mcp-vs-function-calling|references|volume:the-agentic-codebase"},{"source":"article:mcp-vs-function-calling","target":"article:mcp-explained-for-founders","relation":"related","evidence":"src/content/articles/en/mcp-vs-function-calling.md relatedArticleIds: bf0091f2-668e-48f6-aad0-efd1b61bbfa0\nsrc/content/articles/nl/mcp-versus-function-calling.md relatedArticleIds: 63ba7d0b-c9be-4530-b0d8-ddca46327198","weight":2,"locales":["en","nl"],"id":"article:mcp-vs-function-calling|related|article:mcp-explained-for-founders"},{"source":"article:mcp-vs-function-calling","target":"article:mcp-meaning","relation":"related","evidence":"src/content/articles/en/mcp-vs-function-calling.md relatedArticleIds: 59ce4053-4ae3-4d86-9643-2c57f315f493\nsrc/content/articles/nl/mcp-versus-function-calling.md relatedArticleIds: 2f330218-dbfa-4783-a8cc-f22d76029d9c","weight":2,"locales":["en","nl"],"id":"article:mcp-vs-function-calling|related|article:mcp-meaning"},{"source":"article:mcp-vs-function-calling","target":"article:what-is-an-mcp-connector","relation":"related","evidence":"src/content/articles/en/mcp-vs-function-calling.md relatedArticleIds: 73f46de9-decb-49ee-9048-bf600b39ebf1\nsrc/content/articles/nl/mcp-versus-function-calling.md relatedArticleIds: cae1c2cd-670c-4f50-9697-21b19304fc15","weight":2,"locales":["en","nl"],"id":"article:mcp-vs-function-calling|related|article:what-is-an-mcp-connector"},{"source":"article:multi-agent-failure-modes-explained","target":"concept:chorus","relation":"discusses","evidence":"src/content/articles/en/multi-agent-failure-modes-explained.md glossary: CHORUS\nsrc/content/articles/en/multi-agent-failure-modes-explained.md tags: chorus\nsrc/content/articles/nl/multi-agent-faalwijzen-uitgelegd.md glossary: CHORUS\nsrc/content/articles/nl/multi-agent-faalwijzen-uitgelegd.md tags: chorus","weight":1.5,"locales":["en","nl"],"id":"article:multi-agent-failure-modes-explained|discusses|concept:chorus"},{"source":"article:multi-agent-failure-modes-explained","target":"concept:tag:multi-agent-organization","relation":"discusses","evidence":"src/content/articles/en/multi-agent-failure-modes-explained.md tags: multi-agent-organization\nsrc/content/articles/nl/multi-agent-faalwijzen-uitgelegd.md tags: multi-agent-organization","weight":1.5,"locales":["en","nl"],"id":"article:multi-agent-failure-modes-explained|discusses|concept:tag:multi-agent-organization"},{"source":"article:multi-agent-failure-modes-explained","target":"concept:trace","relation":"discusses","evidence":"src/content/articles/en/multi-agent-failure-modes-explained.md glossary: trace\nsrc/content/articles/nl/multi-agent-faalwijzen-uitgelegd.md glossary: trace","weight":1.5,"locales":["en","nl"],"id":"article:multi-agent-failure-modes-explained|discusses|concept:trace"},{"source":"article:multi-agent-failure-modes-explained","target":"article:what-is-agent-orchestration","relation":"references","evidence":"src/content/articles/en/multi-agent-failure-modes-explained.md body: /en/blog/what-is-agent-orchestration/\nsrc/content/articles/en/multi-agent-failure-modes-explained.md furtherReading: /en/blog/what-is-agent-orchestration/\nsrc/content/articles/nl/multi-agent-faalwijzen-uitgelegd.md body: /nl/blog/wat-is-agent-orchestratie/\nsrc/content/articles/nl/multi-agent-faalwijzen-uitgelegd.md furtherReading: /nl/blog/wat-is-agent-orchestratie/","weight":1,"locales":["en","nl"],"id":"article:multi-agent-failure-modes-explained|references|article:what-is-agent-orchestration"},{"source":"article:multi-agent-failure-modes-explained","target":"article:why-multi-agent-systems-fail","relation":"references","evidence":"src/content/articles/en/multi-agent-failure-modes-explained.md body: /en/blog/why-multi-agent-systems-fail/\nsrc/content/articles/en/multi-agent-failure-modes-explained.md furtherReading: /en/blog/why-multi-agent-systems-fail/\nsrc/content/articles/en/multi-agent-failure-modes-explained.md sources: /en/blog/why-multi-agent-systems-fail/\nsrc/content/articles/nl/multi-agent-faalwijzen-uitgelegd.md body: /nl/blog/waarom-multi-agent-systemen-falen/\nsrc/content/articles/nl/multi-agent-faalwijzen-uitgelegd.md furtherReading: /nl/blog/waarom-multi-agent-systemen-falen/\nsrc/content/articles/nl/multi-agent-faalwijzen-uitgelegd.md sources: /nl/blog/waarom-multi-agent-systemen-falen/","weight":1,"locales":["en","nl"],"id":"article:multi-agent-failure-modes-explained|references|article:why-multi-agent-systems-fail"},{"source":"article:multi-agent-failure-modes-explained","target":"concept:ai-agent","relation":"references","evidence":"src/content/articles/en/multi-agent-failure-modes-explained.md body: /glossary/ai-agent/\nsrc/content/articles/nl/multi-agent-faalwijzen-uitgelegd.md body: /nl/begrippen/ai-agent/","weight":1,"locales":["en","nl"],"id":"article:multi-agent-failure-modes-explained|references|concept:ai-agent"},{"source":"article:multi-agent-failure-modes-explained","target":"concept:chorus","relation":"references","evidence":"src/content/articles/en/multi-agent-failure-modes-explained.md body: /frameworks/chorus/\nsrc/content/articles/en/multi-agent-failure-modes-explained.md furtherReading: /frameworks/chorus/\nsrc/content/articles/en/multi-agent-failure-modes-explained.md sources: /frameworks/chorus/\nsrc/content/articles/nl/multi-agent-faalwijzen-uitgelegd.md body: /nl/frameworks/chorus/\nsrc/content/articles/nl/multi-agent-faalwijzen-uitgelegd.md furtherReading: /nl/frameworks/chorus/\nsrc/content/articles/nl/multi-agent-faalwijzen-uitgelegd.md sources: /nl/frameworks/chorus/","weight":1,"locales":["en","nl"],"id":"article:multi-agent-failure-modes-explained|references|concept:chorus"},{"source":"article:multi-agent-failure-modes-explained","target":"volume:multi-agent-organization","relation":"references","evidence":"src/content/articles/en/multi-agent-failure-modes-explained.md body: /books/multi-agent-organization/\nsrc/content/articles/en/multi-agent-failure-modes-explained.md furtherReading: /books/multi-agent-organization/\nsrc/content/articles/en/multi-agent-failure-modes-explained.md sources: /books/multi-agent-organization/\nsrc/content/articles/nl/multi-agent-faalwijzen-uitgelegd.md body: /boeken/multi-agent-organization/\nsrc/content/articles/nl/multi-agent-faalwijzen-uitgelegd.md furtherReading: /boeken/multi-agent-organization/\nsrc/content/articles/nl/multi-agent-faalwijzen-uitgelegd.md sources: /boeken/multi-agent-organization/","weight":1,"locales":["en","nl"],"id":"article:multi-agent-failure-modes-explained|references|volume:multi-agent-organization"},{"source":"article:multi-agent-failure-modes-explained","target":"article:the-multi-agent-organization-introduction","relation":"related","evidence":"src/content/articles/en/multi-agent-failure-modes-explained.md relatedArticleIds: 72b004e7-b895-4bc3-84bf-ef212460c826\nsrc/content/articles/nl/multi-agent-faalwijzen-uitgelegd.md relatedArticleIds: 59f2cfe0-8eca-454e-b80f-b2e2d1914df7","weight":2,"locales":["en","nl"],"id":"article:multi-agent-failure-modes-explained|related|article:the-multi-agent-organization-introduction"},{"source":"article:multi-agent-failure-modes-explained","target":"article:what-is-agent-orchestration","relation":"related","evidence":"src/content/articles/en/multi-agent-failure-modes-explained.md relatedArticleIds: f0528aa8-c747-44b1-b886-5f63a53beebe\nsrc/content/articles/nl/multi-agent-faalwijzen-uitgelegd.md relatedArticleIds: ee28f8bc-589b-4242-be91-328c68539c79","weight":2,"locales":["en","nl"],"id":"article:multi-agent-failure-modes-explained|related|article:what-is-agent-orchestration"},{"source":"article:multi-agent-failure-modes-explained","target":"article:what-is-chorus","relation":"related","evidence":"src/content/articles/en/multi-agent-failure-modes-explained.md relatedArticleIds: f2c09cfd-898d-478d-84f2-dbaaa861097b\nsrc/content/articles/nl/multi-agent-faalwijzen-uitgelegd.md relatedArticleIds: ac971734-8cf2-4a57-adf4-f7cf2182b1ca","weight":2,"locales":["en","nl"],"id":"article:multi-agent-failure-modes-explained|related|article:what-is-chorus"},{"source":"article:multi-agent-failure-modes-explained","target":"article:why-multi-agent-systems-fail","relation":"related","evidence":"src/content/articles/en/multi-agent-failure-modes-explained.md relatedArticleIds: ac288a9d-bf78-42af-934d-f2762b095752\nsrc/content/articles/nl/multi-agent-faalwijzen-uitgelegd.md relatedArticleIds: af21b996-681d-42a7-b5e1-5ae6020ad59c","weight":2,"locales":["en","nl"],"id":"article:multi-agent-failure-modes-explained|related|article:why-multi-agent-systems-fail"},{"source":"article:one-model-is-not-a-portfolio","target":"concept:route","relation":"discusses","evidence":"src/content/articles/en/one-model-is-not-a-portfolio.md glossary: ROUTE\nsrc/content/articles/nl/een-model-is-geen-portefeuille.md glossary: ROUTE","weight":1.5,"locales":["en","nl"],"id":"article:one-model-is-not-a-portfolio|discusses|concept:route"},{"source":"article:one-model-is-not-a-portfolio","target":"concept:tag:undominated","relation":"discusses","evidence":"src/content/articles/en/one-model-is-not-a-portfolio.md tags: undominated\nsrc/content/articles/nl/een-model-is-geen-portefeuille.md tags: undominated","weight":1.5,"locales":["en","nl"],"id":"article:one-model-is-not-a-portfolio|discusses|concept:tag:undominated"},{"source":"article:one-model-is-not-a-portfolio","target":"article:frontier-vs-workhorse-vs-local","relation":"references","evidence":"src/content/articles/en/one-model-is-not-a-portfolio.md body: /en/blog/frontier-vs-workhorse-vs-local/\nsrc/content/articles/en/one-model-is-not-a-portfolio.md furtherReading: /en/blog/frontier-vs-workhorse-vs-local/\nsrc/content/articles/nl/een-model-is-geen-portefeuille.md body: /nl/blog/frontier-workhorse-of-lokaal/\nsrc/content/articles/nl/een-model-is-geen-portefeuille.md furtherReading: /nl/blog/frontier-workhorse-of-lokaal/","weight":1,"locales":["en","nl"],"id":"article:one-model-is-not-a-portfolio|references|article:frontier-vs-workhorse-vs-local"},{"source":"article:one-model-is-not-a-portfolio","target":"article:what-is-a-model-cascade","relation":"references","evidence":"src/content/articles/en/one-model-is-not-a-portfolio.md body: /en/blog/what-is-a-model-cascade/\nsrc/content/articles/en/one-model-is-not-a-portfolio.md furtherReading: /en/blog/what-is-a-model-cascade/\nsrc/content/articles/nl/een-model-is-geen-portefeuille.md body: /nl/blog/wat-is-een-modelcascade/\nsrc/content/articles/nl/een-model-is-geen-portefeuille.md furtherReading: /nl/blog/wat-is-een-modelcascade/","weight":1,"locales":["en","nl"],"id":"article:one-model-is-not-a-portfolio|references|article:what-is-a-model-cascade"},{"source":"article:one-model-is-not-a-portfolio","target":"article:what-is-model-routing","relation":"references","evidence":"src/content/articles/en/one-model-is-not-a-portfolio.md body: /en/blog/what-is-model-routing/\nsrc/content/articles/en/one-model-is-not-a-portfolio.md furtherReading: /en/blog/what-is-model-routing/\nsrc/content/articles/en/one-model-is-not-a-portfolio.md sources: /en/blog/what-is-model-routing/\nsrc/content/articles/nl/een-model-is-geen-portefeuille.md body: /nl/blog/wat-is-modelroutering/\nsrc/content/articles/nl/een-model-is-geen-portefeuille.md furtherReading: /nl/blog/wat-is-modelroutering/\nsrc/content/articles/nl/een-model-is-geen-portefeuille.md sources: /nl/blog/wat-is-modelroutering/","weight":1,"locales":["en","nl"],"id":"article:one-model-is-not-a-portfolio|references|article:what-is-model-routing"},{"source":"article:one-model-is-not-a-portfolio","target":"concept:route","relation":"references","evidence":"src/content/articles/en/one-model-is-not-a-portfolio.md furtherReading: /frameworks/route/\nsrc/content/articles/en/one-model-is-not-a-portfolio.md sources: /frameworks/route/\nsrc/content/articles/nl/een-model-is-geen-portefeuille.md furtherReading: /nl/frameworks/route/\nsrc/content/articles/nl/een-model-is-geen-portefeuille.md sources: /nl/frameworks/route/","weight":1,"locales":["en","nl"],"id":"article:one-model-is-not-a-portfolio|references|concept:route"},{"source":"article:one-model-is-not-a-portfolio","target":"volume:the-model-portfolio","relation":"references","evidence":"src/content/articles/en/one-model-is-not-a-portfolio.md body: /books/the-model-portfolio/\nsrc/content/articles/en/one-model-is-not-a-portfolio.md furtherReading: /books/the-model-portfolio/\nsrc/content/articles/en/one-model-is-not-a-portfolio.md sources: /books/the-model-portfolio/\nsrc/content/articles/nl/een-model-is-geen-portefeuille.md body: /boeken/the-model-portfolio/\nsrc/content/articles/nl/een-model-is-geen-portefeuille.md furtherReading: /boeken/the-model-portfolio/\nsrc/content/articles/nl/een-model-is-geen-portefeuille.md sources: /boeken/the-model-portfolio/","weight":1,"locales":["en","nl"],"id":"article:one-model-is-not-a-portfolio|references|volume:the-model-portfolio"},{"source":"article:one-model-is-not-a-portfolio","target":"article:frontier-vs-workhorse-vs-local","relation":"related","evidence":"src/content/articles/en/one-model-is-not-a-portfolio.md relatedArticleIds: 4193ef4c-ebf5-432a-b772-609d088aac43\nsrc/content/articles/nl/een-model-is-geen-portefeuille.md relatedArticleIds: f98404c8-0408-4b46-92eb-cea7ddcb5c18","weight":2,"locales":["en","nl"],"id":"article:one-model-is-not-a-portfolio|related|article:frontier-vs-workhorse-vs-local"},{"source":"article:one-model-is-not-a-portfolio","target":"article:introducing-undominated","relation":"related","evidence":"src/content/articles/en/one-model-is-not-a-portfolio.md relatedArticleIds: 7122a22c-e35b-463a-acc5-1abf3d4983ae\nsrc/content/articles/nl/een-model-is-geen-portefeuille.md relatedArticleIds: a378e266-30b9-4297-8ccf-59a6ba4429f8","weight":2,"locales":["en","nl"],"id":"article:one-model-is-not-a-portfolio|related|article:introducing-undominated"},{"source":"article:one-model-is-not-a-portfolio","target":"article:what-is-a-model-cascade","relation":"related","evidence":"src/content/articles/en/one-model-is-not-a-portfolio.md relatedArticleIds: ee70bd54-2c5a-4de5-9a61-601d87dcafe6\nsrc/content/articles/nl/een-model-is-geen-portefeuille.md relatedArticleIds: 29d383e4-ed6c-4765-bc5c-3ffecfc198ee","weight":2,"locales":["en","nl"],"id":"article:one-model-is-not-a-portfolio|related|article:what-is-a-model-cascade"},{"source":"article:one-model-is-not-a-portfolio","target":"article:what-is-model-routing","relation":"related","evidence":"src/content/articles/en/one-model-is-not-a-portfolio.md relatedArticleIds: 8128e57b-28a6-403e-9b23-c5952cf90310\nsrc/content/articles/nl/een-model-is-geen-portefeuille.md relatedArticleIds: b4592d79-701f-48db-959b-6ab97351e45d","weight":2,"locales":["en","nl"],"id":"article:one-model-is-not-a-portfolio|related|article:what-is-model-routing"},{"source":"article:overconfidence-90-percent-test","target":"concept:tag:founder-resilience","relation":"discusses","evidence":"src/content/articles/en/overconfidence-90-percent-test.md tags: founder-resilience\nsrc/content/articles/nl/de-90-procent-test.md tags: founder-resilience","weight":1.5,"locales":["en","nl"],"id":"article:overconfidence-90-percent-test|discusses|concept:tag:founder-resilience"},{"source":"article:overconfidence-90-percent-test","target":"article:calibration-techniques-for-founders","relation":"references","evidence":"src/content/articles/en/overconfidence-90-percent-test.md body: /en/blog/calibration-techniques-for-founders/\nsrc/content/articles/en/overconfidence-90-percent-test.md furtherReading: /en/blog/calibration-techniques-for-founders/\nsrc/content/articles/nl/de-90-procent-test.md body: /nl/blog/kalibratietechnieken-voor-founders/\nsrc/content/articles/nl/de-90-procent-test.md furtherReading: /nl/blog/kalibratietechnieken-voor-founders/","weight":1,"locales":["en","nl"],"id":"article:overconfidence-90-percent-test|references|article:calibration-techniques-for-founders"},{"source":"article:overconfidence-90-percent-test","target":"article:what-is-calibration","relation":"references","evidence":"src/content/articles/en/overconfidence-90-percent-test.md body: /en/blog/what-calibration-means/\nsrc/content/articles/en/overconfidence-90-percent-test.md furtherReading: /en/blog/what-calibration-means/\nsrc/content/articles/nl/de-90-procent-test.md body: /nl/blog/kalibratie-betekenis/\nsrc/content/articles/nl/de-90-procent-test.md furtherReading: /nl/blog/kalibratie-betekenis/","weight":1,"locales":["en","nl"],"id":"article:overconfidence-90-percent-test|references|article:what-is-calibration"},{"source":"article:overconfidence-90-percent-test","target":"concept:calibrate","relation":"references","evidence":"src/content/articles/en/overconfidence-90-percent-test.md body: /frameworks/calibrate/\nsrc/content/articles/en/overconfidence-90-percent-test.md furtherReading: /glossary/calibrate/\nsrc/content/articles/en/overconfidence-90-percent-test.md sources: /frameworks/calibrate/\nsrc/content/articles/nl/de-90-procent-test.md body: /nl/frameworks/calibrate/\nsrc/content/articles/nl/de-90-procent-test.md furtherReading: /nl/begrippen/calibrate/\nsrc/content/articles/nl/de-90-procent-test.md sources: /nl/frameworks/calibrate/","weight":1,"locales":["en","nl"],"id":"article:overconfidence-90-percent-test|references|concept:calibrate"},{"source":"article:overconfidence-90-percent-test","target":"volume:the-calibrated-mind","relation":"references","evidence":"src/content/articles/en/overconfidence-90-percent-test.md body: /books/the-calibrated-mind/\nsrc/content/articles/en/overconfidence-90-percent-test.md furtherReading: /books/the-calibrated-mind/\nsrc/content/articles/en/overconfidence-90-percent-test.md sources: /books/the-calibrated-mind/\nsrc/content/articles/nl/de-90-procent-test.md body: /boeken/the-calibrated-mind/\nsrc/content/articles/nl/de-90-procent-test.md furtherReading: /boeken/the-calibrated-mind/\nsrc/content/articles/nl/de-90-procent-test.md sources: /boeken/the-calibrated-mind/","weight":1,"locales":["en","nl"],"id":"article:overconfidence-90-percent-test|references|volume:the-calibrated-mind"},{"source":"article:overconfidence-90-percent-test","target":"article:calibration-techniques-for-founders","relation":"related","evidence":"src/content/articles/en/overconfidence-90-percent-test.md relatedArticleIds: a034dc9c-a1d8-4457-9691-7779f43e086c\nsrc/content/articles/nl/de-90-procent-test.md relatedArticleIds: 6db60505-4d3f-4571-85dd-2b80d57bfc37","weight":2,"locales":["en","nl"],"id":"article:overconfidence-90-percent-test|related|article:calibration-techniques-for-founders"},{"source":"article:overconfidence-90-percent-test","target":"article:what-is-calibration","relation":"related","evidence":"src/content/articles/en/overconfidence-90-percent-test.md relatedArticleIds: 53cf98be-8558-4cb5-8cbb-aade6be6b48c\nsrc/content/articles/nl/de-90-procent-test.md relatedArticleIds: 808eb9bd-8fdf-4181-a5a3-ef319520963a","weight":2,"locales":["en","nl"],"id":"article:overconfidence-90-percent-test|related|article:what-is-calibration"},{"source":"article:override-doctrine","target":"concept:chorus","relation":"discusses","evidence":"src/content/articles/en/override-doctrine.md glossary: CHORUS\nsrc/content/articles/en/override-doctrine.md tags: chorus\nsrc/content/articles/nl/override-doctrine.md glossary: CHORUS\nsrc/content/articles/nl/override-doctrine.md tags: chorus","weight":1.5,"locales":["en","nl"],"id":"article:override-doctrine|discusses|concept:chorus"},{"source":"article:override-doctrine","target":"concept:human-in-the-loop","relation":"discusses","evidence":"src/content/articles/en/override-doctrine.md glossary: Human in the loop\nsrc/content/articles/nl/override-doctrine.md glossary: Mens in de lus","weight":1.5,"locales":["en","nl"],"id":"article:override-doctrine|discusses|concept:human-in-the-loop"},{"source":"article:override-doctrine","target":"concept:override-doctrine","relation":"discusses","evidence":"src/content/articles/en/override-doctrine.md glossary: Override doctrine\nsrc/content/articles/nl/override-doctrine.md glossary: Override-doctrine","weight":1.5,"locales":["en","nl"],"id":"article:override-doctrine|discusses|concept:override-doctrine"},{"source":"article:override-doctrine","target":"concept:tag:ai-agents","relation":"discusses","evidence":"src/content/articles/en/override-doctrine.md tags: ai-agents\nsrc/content/articles/nl/override-doctrine.md tags: ai-agents","weight":1.5,"locales":["en","nl"],"id":"article:override-doctrine|discusses|concept:tag:ai-agents"},{"source":"article:override-doctrine","target":"article:mcp-explained-for-founders","relation":"references","evidence":"src/content/articles/en/override-doctrine.md body: /en/blog/mcp-explained-for-founders/\nsrc/content/articles/en/override-doctrine.md furtherReading: /en/blog/mcp-explained-for-founders/\nsrc/content/articles/en/override-doctrine.md sources: /en/blog/mcp-explained-for-founders/\nsrc/content/articles/nl/override-doctrine.md body: /nl/blog/mcp-uitgelegd-voor-ondernemers/\nsrc/content/articles/nl/override-doctrine.md furtherReading: /nl/blog/mcp-uitgelegd-voor-ondernemers/\nsrc/content/articles/nl/override-doctrine.md sources: /nl/blog/mcp-uitgelegd-voor-ondernemers/","weight":1,"locales":["en","nl"],"id":"article:override-doctrine|references|article:mcp-explained-for-founders"},{"source":"article:override-doctrine","target":"article:what-is-an-ai-agent","relation":"references","evidence":"src/content/articles/en/override-doctrine.md furtherReading: /en/blog/what-is-an-ai-agent/\nsrc/content/articles/en/override-doctrine.md sources: /en/blog/what-is-an-ai-agent/\nsrc/content/articles/nl/override-doctrine.md furtherReading: /nl/blog/wat-is-een-ai-agent/\nsrc/content/articles/nl/override-doctrine.md sources: /nl/blog/wat-is-een-ai-agent/","weight":1,"locales":["en","nl"],"id":"article:override-doctrine|references|article:what-is-an-ai-agent"},{"source":"article:override-doctrine","target":"article:what-is-an-ai-agent-charter","relation":"references","evidence":"src/content/articles/en/override-doctrine.md body: /en/blog/what-is-an-ai-agent-charter/\nsrc/content/articles/nl/override-doctrine.md body: /nl/blog/wat-is-een-ai-agent-charter/","weight":1,"locales":["en","nl"],"id":"article:override-doctrine|references|article:what-is-an-ai-agent-charter"},{"source":"article:override-doctrine","target":"concept:chorus","relation":"references","evidence":"src/content/articles/en/override-doctrine.md body: /frameworks/chorus/\nsrc/content/articles/en/override-doctrine.md furtherReading: /frameworks/chorus/\nsrc/content/articles/en/override-doctrine.md sources: /frameworks/chorus/\nsrc/content/articles/nl/override-doctrine.md body: /nl/frameworks/chorus/\nsrc/content/articles/nl/override-doctrine.md furtherReading: /nl/frameworks/chorus/\nsrc/content/articles/nl/override-doctrine.md sources: /nl/frameworks/chorus/","weight":1,"locales":["en","nl"],"id":"article:override-doctrine|references|concept:chorus"},{"source":"article:override-doctrine","target":"concept:human-in-the-loop","relation":"references","evidence":"src/content/articles/en/override-doctrine.md body: /glossary/human-in-the-loop/\nsrc/content/articles/en/override-doctrine.md furtherReading: /glossary/human-in-the-loop/\nsrc/content/articles/en/override-doctrine.md sources: /glossary/human-in-the-loop/\nsrc/content/articles/nl/override-doctrine.md body: /nl/begrippen/mens-in-de-lus/\nsrc/content/articles/nl/override-doctrine.md furtherReading: /nl/begrippen/mens-in-de-lus/\nsrc/content/articles/nl/override-doctrine.md sources: /nl/begrippen/mens-in-de-lus/","weight":1,"locales":["en","nl"],"id":"article:override-doctrine|references|concept:human-in-the-loop"},{"source":"article:override-doctrine","target":"concept:override-doctrine","relation":"references","evidence":"src/content/articles/en/override-doctrine.md body: /glossary/override-doctrine/\nsrc/content/articles/en/override-doctrine.md furtherReading: /glossary/override-doctrine/\nsrc/content/articles/en/override-doctrine.md sources: /glossary/override-doctrine/\nsrc/content/articles/nl/override-doctrine.md body: /nl/begrippen/override-doctrine/\nsrc/content/articles/nl/override-doctrine.md furtherReading: /nl/begrippen/override-doctrine/\nsrc/content/articles/nl/override-doctrine.md sources: /nl/begrippen/override-doctrine/","weight":1,"locales":["en","nl"],"id":"article:override-doctrine|references|concept:override-doctrine"},{"source":"article:override-doctrine","target":"volume:multi-agent-organization","relation":"references","evidence":"src/content/articles/en/override-doctrine.md body: /books/multi-agent-organization/\nsrc/content/articles/en/override-doctrine.md furtherReading: /books/multi-agent-organization/\nsrc/content/articles/en/override-doctrine.md sources: /books/multi-agent-organization/\nsrc/content/articles/nl/override-doctrine.md body: /boeken/multi-agent-organization/\nsrc/content/articles/nl/override-doctrine.md furtherReading: /boeken/multi-agent-organization/\nsrc/content/articles/nl/override-doctrine.md sources: /boeken/multi-agent-organization/","weight":1,"locales":["en","nl"],"id":"article:override-doctrine|references|volume:multi-agent-organization"},{"source":"article:override-doctrine","target":"article:mcp-explained-for-founders","relation":"related","evidence":"src/content/articles/en/override-doctrine.md relatedArticleIds: bf0091f2-668e-48f6-aad0-efd1b61bbfa0\nsrc/content/articles/nl/override-doctrine.md relatedArticleIds: bf0091f2-668e-48f6-aad0-efd1b61bbfa0","weight":2,"locales":["en","nl"],"id":"article:override-doctrine|related|article:mcp-explained-for-founders"},{"source":"article:override-doctrine","target":"article:what-is-an-ai-agent","relation":"related","evidence":"src/content/articles/en/override-doctrine.md relatedArticleIds: 69f0de22-6dd9-44b3-b6d8-b89ce8d8df7e\nsrc/content/articles/nl/override-doctrine.md relatedArticleIds: 69f0de22-6dd9-44b3-b6d8-b89ce8d8df7e","weight":2,"locales":["en","nl"],"id":"article:override-doctrine|related|article:what-is-an-ai-agent"},{"source":"article:person-entity-seo","target":"concept:aeo","relation":"discusses","evidence":"src/content/articles/en/person-entity-seo.md tags: aeo\nsrc/content/articles/nl/entity-seo-voor-een-persoon.md tags: aeo","weight":1.5,"locales":["en","nl"],"id":"article:person-entity-seo|discusses|concept:aeo"},{"source":"article:person-entity-seo","target":"concept:geo","relation":"discusses","evidence":"src/content/articles/en/person-entity-seo.md tags: geo\nsrc/content/articles/nl/entity-seo-voor-een-persoon.md tags: geo","weight":1.5,"locales":["en","nl"],"id":"article:person-entity-seo|discusses|concept:geo"},{"source":"article:person-entity-seo","target":"article:citation-readiness-audit","relation":"references","evidence":"src/content/articles/en/person-entity-seo.md body: /en/blog/citation-readiness-audit/\nsrc/content/articles/en/person-entity-seo.md furtherReading: /en/blog/citation-readiness-audit/\nsrc/content/articles/en/person-entity-seo.md sources: /en/blog/citation-readiness-audit/\nsrc/content/articles/nl/entity-seo-voor-een-persoon.md body: /nl/blog/citatiegereedheid-audit/\nsrc/content/articles/nl/entity-seo-voor-een-persoon.md furtherReading: /nl/blog/citatiegereedheid-audit/\nsrc/content/articles/nl/entity-seo-voor-een-persoon.md sources: /nl/blog/citatiegereedheid-audit/","weight":1,"locales":["en","nl"],"id":"article:person-entity-seo|references|article:citation-readiness-audit"},{"source":"article:person-entity-seo","target":"article:how-to-get-cited-2026","relation":"references","evidence":"src/content/articles/en/person-entity-seo.md body: /en/blog/how-to-get-cited-2026/\nsrc/content/articles/en/person-entity-seo.md furtherReading: /en/blog/how-to-get-cited-2026/\nsrc/content/articles/en/person-entity-seo.md sources: /en/blog/how-to-get-cited-2026/\nsrc/content/articles/nl/entity-seo-voor-een-persoon.md body: /nl/blog/hoe-je-geciteerd-wordt-2026/\nsrc/content/articles/nl/entity-seo-voor-een-persoon.md furtherReading: /nl/blog/hoe-je-geciteerd-wordt-2026/\nsrc/content/articles/nl/entity-seo-voor-een-persoon.md sources: /nl/blog/hoe-je-geciteerd-wordt-2026/","weight":1,"locales":["en","nl"],"id":"article:person-entity-seo|references|article:how-to-get-cited-2026"},{"source":"article:person-entity-seo","target":"volume:the-findability-engine","relation":"references","evidence":"src/content/articles/en/person-entity-seo.md body: /books/the-findability-engine/\nsrc/content/articles/en/person-entity-seo.md furtherReading: /books/the-findability-engine/\nsrc/content/articles/en/person-entity-seo.md sources: /books/the-findability-engine/\nsrc/content/articles/nl/entity-seo-voor-een-persoon.md body: /boeken/the-findability-engine/\nsrc/content/articles/nl/entity-seo-voor-een-persoon.md furtherReading: /boeken/the-findability-engine/\nsrc/content/articles/nl/entity-seo-voor-een-persoon.md sources: /boeken/the-findability-engine/","weight":1,"locales":["en","nl"],"id":"article:person-entity-seo|references|volume:the-findability-engine"},{"source":"article:person-entity-seo","target":"article:citation-readiness-audit","relation":"related","evidence":"src/content/articles/en/person-entity-seo.md relatedArticleIds: 3a31cc51-f1d5-4daa-a4bc-7d8b306e164f\nsrc/content/articles/nl/entity-seo-voor-een-persoon.md relatedArticleIds: 3a31cc51-f1d5-4daa-a4bc-7d8b306e164f","weight":2,"locales":["en","nl"],"id":"article:person-entity-seo|related|article:citation-readiness-audit"},{"source":"article:person-entity-seo","target":"article:geo-meaning","relation":"related","evidence":"src/content/articles/en/person-entity-seo.md relatedArticleIds: 34e5be7f-a98a-4235-9f21-5b80471033c9\nsrc/content/articles/nl/entity-seo-voor-een-persoon.md relatedArticleIds: 34e5be7f-a98a-4235-9f21-5b80471033c9","weight":2,"locales":["en","nl"],"id":"article:person-entity-seo|related|article:geo-meaning"},{"source":"article:person-entity-seo","target":"article:how-to-get-cited-2026","relation":"related","evidence":"src/content/articles/en/person-entity-seo.md relatedArticleIds: 030afe30-fce7-41d2-b1a4-798d4e2c8048\nsrc/content/articles/nl/entity-seo-voor-een-persoon.md relatedArticleIds: 030afe30-fce7-41d2-b1a4-798d4e2c8048","weight":2,"locales":["en","nl"],"id":"article:person-entity-seo|related|article:how-to-get-cited-2026"},{"source":"article:planning-fallacy","target":"concept:tag:founder-resilience","relation":"discusses","evidence":"src/content/articles/en/planning-fallacy.md tags: founder-resilience\nsrc/content/articles/nl/planningsdrogreden.md tags: founder-resilience","weight":1.5,"locales":["en","nl"],"id":"article:planning-fallacy|discusses|concept:tag:founder-resilience"},{"source":"article:planning-fallacy","target":"article:calibration-techniques-for-founders","relation":"references","evidence":"src/content/articles/en/planning-fallacy.md body: /en/blog/calibration-techniques-for-founders/\nsrc/content/articles/en/planning-fallacy.md furtherReading: /en/blog/calibration-techniques-for-founders/\nsrc/content/articles/en/planning-fallacy.md sources: /en/blog/calibration-techniques-for-founders/\nsrc/content/articles/nl/planningsdrogreden.md body: /nl/blog/kalibratietechnieken-voor-founders/\nsrc/content/articles/nl/planningsdrogreden.md furtherReading: /nl/blog/kalibratietechnieken-voor-founders/\nsrc/content/articles/nl/planningsdrogreden.md sources: /nl/blog/kalibratietechnieken-voor-founders/","weight":1,"locales":["en","nl"],"id":"article:planning-fallacy|references|article:calibration-techniques-for-founders"},{"source":"article:planning-fallacy","target":"article:what-is-calibration","relation":"references","evidence":"src/content/articles/en/planning-fallacy.md body: /en/blog/what-calibration-means/\nsrc/content/articles/en/planning-fallacy.md furtherReading: /en/blog/what-calibration-means/\nsrc/content/articles/nl/planningsdrogreden.md body: /nl/blog/kalibratie-betekenis/\nsrc/content/articles/nl/planningsdrogreden.md furtherReading: /nl/blog/kalibratie-betekenis/","weight":1,"locales":["en","nl"],"id":"article:planning-fallacy|references|article:what-is-calibration"},{"source":"article:planning-fallacy","target":"concept:calibrate","relation":"references","evidence":"src/content/articles/en/planning-fallacy.md body: /frameworks/calibrate/\nsrc/content/articles/en/planning-fallacy.md furtherReading: /frameworks/calibrate/\nsrc/content/articles/en/planning-fallacy.md sources: /frameworks/calibrate/\nsrc/content/articles/nl/planningsdrogreden.md body: /nl/frameworks/calibrate/\nsrc/content/articles/nl/planningsdrogreden.md furtherReading: /nl/frameworks/calibrate/\nsrc/content/articles/nl/planningsdrogreden.md sources: /nl/frameworks/calibrate/","weight":1,"locales":["en","nl"],"id":"article:planning-fallacy|references|concept:calibrate"},{"source":"article:planning-fallacy","target":"volume:the-calibrated-mind","relation":"references","evidence":"src/content/articles/en/planning-fallacy.md body: /books/the-calibrated-mind/\nsrc/content/articles/en/planning-fallacy.md furtherReading: /books/the-calibrated-mind/\nsrc/content/articles/en/planning-fallacy.md sources: /books/the-calibrated-mind/\nsrc/content/articles/nl/planningsdrogreden.md body: /boeken/the-calibrated-mind/\nsrc/content/articles/nl/planningsdrogreden.md furtherReading: /boeken/the-calibrated-mind/\nsrc/content/articles/nl/planningsdrogreden.md sources: /boeken/the-calibrated-mind/","weight":1,"locales":["en","nl"],"id":"article:planning-fallacy|references|volume:the-calibrated-mind"},{"source":"article:planning-fallacy","target":"article:calibration-techniques-for-founders","relation":"related","evidence":"src/content/articles/en/planning-fallacy.md relatedArticleIds: a034dc9c-a1d8-4457-9691-7779f43e086c\nsrc/content/articles/nl/planningsdrogreden.md relatedArticleIds: 6db60505-4d3f-4571-85dd-2b80d57bfc37","weight":2,"locales":["en","nl"],"id":"article:planning-fallacy|related|article:calibration-techniques-for-founders"},{"source":"article:planning-fallacy","target":"article:five-line-decision-journal","relation":"related","evidence":"src/content/articles/en/planning-fallacy.md relatedArticleIds: f31e19ad-3342-4cb5-9598-7c2cc780e72a\nsrc/content/articles/nl/planningsdrogreden.md relatedArticleIds: b5705917-1073-442e-a0ba-de9d40ba2598","weight":2,"locales":["en","nl"],"id":"article:planning-fallacy|related|article:five-line-decision-journal"},{"source":"article:planning-fallacy","target":"article:what-is-calibration","relation":"related","evidence":"src/content/articles/en/planning-fallacy.md relatedArticleIds: 53cf98be-8558-4cb5-8cbb-aade6be6b48c\nsrc/content/articles/nl/planningsdrogreden.md relatedArticleIds: 808eb9bd-8fdf-4181-a5a3-ef319520963a","weight":2,"locales":["en","nl"],"id":"article:planning-fallacy|related|article:what-is-calibration"},{"source":"article:positioning-as-a-decision","target":"concept:tag:positioning","relation":"discusses","evidence":"src/content/articles/en/positioning-is-a-decision.md tags: positioning\nsrc/content/articles/nl/positionering-is-een-besluit.md tags: positioning","weight":1.5,"locales":["en","nl"],"id":"article:positioning-as-a-decision|discusses|concept:tag:positioning"},{"source":"article:positioning-as-a-decision","target":"volume:the-authentic-operator","relation":"references","evidence":"src/content/articles/en/positioning-is-a-decision.md body: /books/the-authentic-operator/\nsrc/content/articles/en/positioning-is-a-decision.md furtherReading: /books/the-authentic-operator/\nsrc/content/articles/en/positioning-is-a-decision.md sources: /books/the-authentic-operator/\nsrc/content/articles/nl/positionering-is-een-besluit.md body: /boeken/the-authentic-operator/\nsrc/content/articles/nl/positionering-is-een-besluit.md furtherReading: /boeken/the-authentic-operator/\nsrc/content/articles/nl/positionering-is-een-besluit.md sources: /boeken/the-authentic-operator/","weight":1,"locales":["en","nl"],"id":"article:positioning-as-a-decision|references|volume:the-authentic-operator"},{"source":"article:positioning-as-a-decision","target":"volume:the-meaning-operator","relation":"references","evidence":"src/content/articles/en/positioning-is-a-decision.md body: /books/the-meaning-operator/\nsrc/content/articles/en/positioning-is-a-decision.md furtherReading: /books/the-meaning-operator/\nsrc/content/articles/en/positioning-is-a-decision.md sources: /books/the-meaning-operator/\nsrc/content/articles/nl/positionering-is-een-besluit.md body: /boeken/the-meaning-operator/\nsrc/content/articles/nl/positionering-is-een-besluit.md furtherReading: /boeken/the-meaning-operator/\nsrc/content/articles/nl/positionering-is-een-besluit.md sources: /boeken/the-meaning-operator/","weight":1,"locales":["en","nl"],"id":"article:positioning-as-a-decision|references|volume:the-meaning-operator"},{"source":"article:positioning-as-a-decision","target":"volume:the-negotiation-operator","relation":"references","evidence":"src/content/articles/en/positioning-is-a-decision.md body: /books/the-negotiation-operator/\nsrc/content/articles/en/positioning-is-a-decision.md furtherReading: /books/the-negotiation-operator/\nsrc/content/articles/en/positioning-is-a-decision.md sources: /books/the-negotiation-operator/\nsrc/content/articles/nl/positionering-is-een-besluit.md body: /boeken/the-negotiation-operator/\nsrc/content/articles/nl/positionering-is-een-besluit.md furtherReading: /boeken/the-negotiation-operator/\nsrc/content/articles/nl/positionering-is-een-besluit.md sources: /boeken/the-negotiation-operator/","weight":1,"locales":["en","nl"],"id":"article:positioning-as-a-decision|references|volume:the-negotiation-operator"},{"source":"article:positioning-as-a-decision","target":"article:gtm-survives-ten-customers","relation":"related","evidence":"src/content/articles/en/positioning-is-a-decision.md relatedArticleIds: 14505d72-c200-4d58-87e5-a73b57441bf1\nsrc/content/articles/nl/positionering-is-een-besluit.md relatedArticleIds: 14505d72-c200-4d58-87e5-a73b57441bf1","weight":2,"locales":["en","nl"],"id":"article:positioning-as-a-decision|related|article:gtm-survives-ten-customers"},{"source":"article:positioning-as-a-decision","target":"article:honest-conversion-systems","relation":"related","evidence":"src/content/articles/en/positioning-is-a-decision.md relatedArticleIds: f61bd372-6050-4346-9ea8-c495d6924141\nsrc/content/articles/nl/positionering-is-een-besluit.md relatedArticleIds: f61bd372-6050-4346-9ea8-c495d6924141","weight":2,"locales":["en","nl"],"id":"article:positioning-as-a-decision|related|article:honest-conversion-systems"},{"source":"article:positioning-as-a-decision","target":"volume:the-authentic-operator","relation":"related","evidence":"src/data/site-link-graph.ts: positioning-as-a-decision books","weight":2,"locales":["en","nl"],"id":"article:positioning-as-a-decision|related|volume:the-authentic-operator"},{"source":"article:positioning-as-a-decision","target":"volume:the-meaning-operator","relation":"related","evidence":"src/data/site-link-graph.ts: positioning-as-a-decision books","weight":2,"locales":["en","nl"],"id":"article:positioning-as-a-decision|related|volume:the-meaning-operator"},{"source":"article:positioning-as-a-decision","target":"volume:the-negotiation-operator","relation":"related","evidence":"src/data/site-link-graph.ts: positioning-as-a-decision books","weight":2,"locales":["en","nl"],"id":"article:positioning-as-a-decision|related|volume:the-negotiation-operator"},{"source":"article:pricing-psychology","target":"concept:tag:marketing","relation":"discusses","evidence":"src/content/articles/en/pricing-psychology.md tags: marketing\nsrc/content/articles/nl/prijspsychologie.md tags: marketing","weight":1.5,"locales":["en","nl"],"id":"article:pricing-psychology|discusses|concept:tag:marketing"},{"source":"article:pricing-psychology","target":"article:honest-conversion-systems","relation":"references","evidence":"src/content/articles/en/pricing-psychology.md body: /en/blog/conversion-systems-that-stay-honest/\nsrc/content/articles/en/pricing-psychology.md furtherReading: /en/blog/conversion-systems-that-stay-honest/\nsrc/content/articles/en/pricing-psychology.md sources: /en/blog/conversion-systems-that-stay-honest/\nsrc/content/articles/nl/prijspsychologie.md body: /nl/blog/conversiesystemen-die-eerlijk-blijven/\nsrc/content/articles/nl/prijspsychologie.md furtherReading: /nl/blog/conversiesystemen-die-eerlijk-blijven/\nsrc/content/articles/nl/prijspsychologie.md sources: /nl/blog/conversiesystemen-die-eerlijk-blijven/","weight":1,"locales":["en","nl"],"id":"article:pricing-psychology|references|article:honest-conversion-systems"},{"source":"article:pricing-psychology","target":"volume:the-pricing-mind","relation":"references","evidence":"src/content/articles/en/pricing-psychology.md body: /books/the-pricing-mind/\nsrc/content/articles/en/pricing-psychology.md furtherReading: /books/the-pricing-mind/\nsrc/content/articles/en/pricing-psychology.md sources: /books/the-pricing-mind/\nsrc/content/articles/nl/prijspsychologie.md body: /boeken/the-pricing-mind/\nsrc/content/articles/nl/prijspsychologie.md furtherReading: /boeken/the-pricing-mind/\nsrc/content/articles/nl/prijspsychologie.md sources: /boeken/the-pricing-mind/","weight":1,"locales":["en","nl"],"id":"article:pricing-psychology|references|volume:the-pricing-mind"},{"source":"article:pricing-psychology","target":"article:honest-conversion-systems","relation":"related","evidence":"src/content/articles/en/pricing-psychology.md relatedArticleIds: f61bd372-6050-4346-9ea8-c495d6924141\nsrc/content/articles/nl/prijspsychologie.md relatedArticleIds: f61bd372-6050-4346-9ea8-c495d6924141","weight":2,"locales":["en","nl"],"id":"article:pricing-psychology|related|article:honest-conversion-systems"},{"source":"article:prove-you-can-stop-an-agent","target":"concept:ai-agent","relation":"discusses","evidence":"src/content/articles/en/prove-you-can-stop-an-agent.md glossary: AI agent\nsrc/content/articles/nl/bewijs-dat-je-een-agent-kunt-stoppen.md glossary: AI-agent","weight":1.5,"locales":["en","nl"],"id":"article:prove-you-can-stop-an-agent|discusses|concept:ai-agent"},{"source":"article:prove-you-can-stop-an-agent","target":"concept:chorus","relation":"discusses","evidence":"src/content/articles/en/prove-you-can-stop-an-agent.md glossary: CHORUS\nsrc/content/articles/en/prove-you-can-stop-an-agent.md tags: chorus\nsrc/content/articles/nl/bewijs-dat-je-een-agent-kunt-stoppen.md glossary: CHORUS\nsrc/content/articles/nl/bewijs-dat-je-een-agent-kunt-stoppen.md tags: chorus","weight":1.5,"locales":["en","nl"],"id":"article:prove-you-can-stop-an-agent|discusses|concept:chorus"},{"source":"article:prove-you-can-stop-an-agent","target":"concept:tag:agent-ops","relation":"discusses","evidence":"src/content/articles/en/prove-you-can-stop-an-agent.md tags: agent-ops\nsrc/content/articles/nl/bewijs-dat-je-een-agent-kunt-stoppen.md tags: agent-ops","weight":1.5,"locales":["en","nl"],"id":"article:prove-you-can-stop-an-agent|discusses|concept:tag:agent-ops"},{"source":"article:prove-you-can-stop-an-agent","target":"article:hitl-in-ai-workflows","relation":"references","evidence":"src/content/articles/en/prove-you-can-stop-an-agent.md body: /en/blog/hitl-in-ai-workflows/\nsrc/content/articles/en/prove-you-can-stop-an-agent.md furtherReading: /en/blog/hitl-in-ai-workflows/\nsrc/content/articles/nl/bewijs-dat-je-een-agent-kunt-stoppen.md body: /nl/blog/hitl-toepassen-in-ai-workflows/\nsrc/content/articles/nl/bewijs-dat-je-een-agent-kunt-stoppen.md furtherReading: /nl/blog/hitl-toepassen-in-ai-workflows/","weight":1,"locales":["en","nl"],"id":"article:prove-you-can-stop-an-agent|references|article:hitl-in-ai-workflows"},{"source":"article:prove-you-can-stop-an-agent","target":"article:human-on-the-loop","relation":"references","evidence":"src/content/articles/en/prove-you-can-stop-an-agent.md body: /en/blog/human-on-the-loop/\nsrc/content/articles/nl/bewijs-dat-je-een-agent-kunt-stoppen.md body: /nl/blog/mens-op-de-lus/","weight":1,"locales":["en","nl"],"id":"article:prove-you-can-stop-an-agent|references|article:human-on-the-loop"},{"source":"article:prove-you-can-stop-an-agent","target":"article:override-doctrine","relation":"references","evidence":"src/content/articles/en/prove-you-can-stop-an-agent.md body: /en/blog/override-doctrine/\nsrc/content/articles/en/prove-you-can-stop-an-agent.md furtherReading: /en/blog/override-doctrine/\nsrc/content/articles/en/prove-you-can-stop-an-agent.md sources: /en/blog/override-doctrine/\nsrc/content/articles/nl/bewijs-dat-je-een-agent-kunt-stoppen.md body: /nl/blog/override-doctrine/\nsrc/content/articles/nl/bewijs-dat-je-een-agent-kunt-stoppen.md furtherReading: /nl/blog/override-doctrine/\nsrc/content/articles/nl/bewijs-dat-je-een-agent-kunt-stoppen.md sources: /nl/blog/override-doctrine/","weight":1,"locales":["en","nl"],"id":"article:prove-you-can-stop-an-agent|references|article:override-doctrine"},{"source":"article:prove-you-can-stop-an-agent","target":"concept:ai-agent","relation":"references","evidence":"src/content/articles/en/prove-you-can-stop-an-agent.md body: /glossary/ai-agent/\nsrc/content/articles/nl/bewijs-dat-je-een-agent-kunt-stoppen.md body: /nl/begrippen/ai-agent/","weight":1,"locales":["en","nl"],"id":"article:prove-you-can-stop-an-agent|references|concept:ai-agent"},{"source":"article:prove-you-can-stop-an-agent","target":"concept:chorus","relation":"references","evidence":"src/content/articles/en/prove-you-can-stop-an-agent.md furtherReading: /frameworks/chorus/\nsrc/content/articles/en/prove-you-can-stop-an-agent.md sources: /frameworks/chorus/\nsrc/content/articles/nl/bewijs-dat-je-een-agent-kunt-stoppen.md furtherReading: /nl/frameworks/chorus/\nsrc/content/articles/nl/bewijs-dat-je-een-agent-kunt-stoppen.md sources: /nl/frameworks/chorus/","weight":1,"locales":["en","nl"],"id":"article:prove-you-can-stop-an-agent|references|concept:chorus"},{"source":"article:prove-you-can-stop-an-agent","target":"volume:multi-agent-organization","relation":"references","evidence":"src/content/articles/en/prove-you-can-stop-an-agent.md body: /books/multi-agent-organization/\nsrc/content/articles/en/prove-you-can-stop-an-agent.md furtherReading: /books/multi-agent-organization/\nsrc/content/articles/en/prove-you-can-stop-an-agent.md sources: /books/multi-agent-organization/\nsrc/content/articles/nl/bewijs-dat-je-een-agent-kunt-stoppen.md body: /boeken/multi-agent-organization/\nsrc/content/articles/nl/bewijs-dat-je-een-agent-kunt-stoppen.md furtherReading: /boeken/multi-agent-organization/\nsrc/content/articles/nl/bewijs-dat-je-een-agent-kunt-stoppen.md sources: /boeken/multi-agent-organization/","weight":1,"locales":["en","nl"],"id":"article:prove-you-can-stop-an-agent|references|volume:multi-agent-organization"},{"source":"article:prove-you-can-stop-an-agent","target":"article:hitl-in-ai-workflows","relation":"related","evidence":"src/content/articles/en/prove-you-can-stop-an-agent.md relatedArticleIds: 3b11e8a6-c209-4e26-a37d-55adcbc782a7\nsrc/content/articles/nl/bewijs-dat-je-een-agent-kunt-stoppen.md relatedArticleIds: 4c0d71d6-a9f6-4b38-9c13-b628d00ba50b","weight":2,"locales":["en","nl"],"id":"article:prove-you-can-stop-an-agent|related|article:hitl-in-ai-workflows"},{"source":"article:prove-you-can-stop-an-agent","target":"article:human-on-the-loop","relation":"related","evidence":"src/content/articles/en/prove-you-can-stop-an-agent.md relatedArticleIds: 17342d74-2ab4-4ef7-81b0-3a037d329472\nsrc/content/articles/nl/bewijs-dat-je-een-agent-kunt-stoppen.md relatedArticleIds: d4eb4e41-e881-4f3a-bc12-aec0890ad352","weight":2,"locales":["en","nl"],"id":"article:prove-you-can-stop-an-agent|related|article:human-on-the-loop"},{"source":"article:prove-you-can-stop-an-agent","target":"article:override-doctrine","relation":"related","evidence":"src/content/articles/en/prove-you-can-stop-an-agent.md relatedArticleIds: e390df0a-2d52-4767-9356-28f5b80611f7\nsrc/content/articles/nl/bewijs-dat-je-een-agent-kunt-stoppen.md relatedArticleIds: 819c840d-12b3-4211-ba47-9dcda8b9e831","weight":2,"locales":["en","nl"],"id":"article:prove-you-can-stop-an-agent|related|article:override-doctrine"},{"source":"article:psychology-of-founder-resilience-introduction","target":"concept:tag:founder-resilience","relation":"discusses","evidence":"src/content/articles/en/psychology-of-founder-resilience-introduction.md tags: founder-resilience\nsrc/content/articles/nl/psychologie-van-oprichtersveerkracht-introductie.md tags: founder-resilience","weight":1.5,"locales":["en","nl"],"id":"article:psychology-of-founder-resilience-introduction|discusses|concept:tag:founder-resilience"},{"source":"article:psychology-of-founder-resilience-introduction","target":"concept:resilient","relation":"references","evidence":"src/content/articles/en/psychology-of-founder-resilience-introduction.md furtherReading: https://lenvanderhof.com/frameworks/resilient/\nsrc/content/articles/nl/psychologie-van-oprichtersveerkracht-introductie.md furtherReading: https://lenvanderhof.com/nl/frameworks/resilient/","weight":1,"locales":["en","nl"],"id":"article:psychology-of-founder-resilience-introduction|references|concept:resilient"},{"source":"article:psychology-of-founder-resilience-introduction","target":"volume:psychology-of-founder-resilience","relation":"references","evidence":"src/content/articles/en/psychology-of-founder-resilience-introduction.md body: https://lenvanderhof.com/boeken/psychology-of-founder-resilience/\nsrc/content/articles/en/psychology-of-founder-resilience-introduction.md body: https://lenvanderhof.com/books/psychology-of-founder-resilience/\nsrc/content/articles/en/psychology-of-founder-resilience-introduction.md furtherReading: https://lenvanderhof.com/books/psychology-of-founder-resilience/\nsrc/content/articles/en/psychology-of-founder-resilience-introduction.md sources: https://lenvanderhof.com/books/psychology-of-founder-resilience/\nsrc/content/articles/nl/psychologie-van-oprichtersveerkracht-introductie.md body: https://lenvanderhof.com/boeken/psychology-of-founder-resilience/\nsrc/content/articles/nl/psychologie-van-oprichtersveerkracht-introductie.md body: https://lenvanderhof.com/books/psychology-of-founder-resilience/\nsrc/content/articles/nl/psychologie-van-oprichtersveerkracht-introductie.md furtherReading: https://lenvanderhof.com/boeken/psychology-of-founder-resilience/\nsrc/content/articles/nl/psychologie-van-oprichtersveerkracht-introductie.md sources: https://lenvanderhof.com/boeken/psychology-of-founder-resilience/","weight":1,"locales":["en","nl"],"id":"article:psychology-of-founder-resilience-introduction|references|volume:psychology-of-founder-resilience"},{"source":"article:psychology-of-founder-resilience-introduction","target":"concept:resilient","relation":"related","evidence":"src/data/site-link-graph.ts: psychology-of-founder-resilience-introduction frameworks/glossary","weight":2,"locales":["en","nl"],"id":"article:psychology-of-founder-resilience-introduction|related|concept:resilient"},{"source":"article:psychology-of-founder-resilience-introduction","target":"volume:psychology-of-founder-resilience","relation":"related","evidence":"src/data/site-link-graph.ts: psychology-of-founder-resilience-introduction books","weight":2,"locales":["en","nl"],"id":"article:psychology-of-founder-resilience-introduction|related|volume:psychology-of-founder-resilience"},{"source":"article:rag-freshness","target":"concept:grain","relation":"discusses","evidence":"src/content/articles/en/rag-freshness.md glossary: GRAIN\nsrc/content/articles/nl/rag-actualiteit.md glossary: GRAIN","weight":1.5,"locales":["en","nl"],"id":"article:rag-freshness|discusses|concept:grain"},{"source":"article:rag-freshness","target":"concept:rag","relation":"discusses","evidence":"src/content/articles/en/rag-freshness.md glossary: RAG\nsrc/content/articles/nl/rag-actualiteit.md glossary: RAG","weight":1.5,"locales":["en","nl"],"id":"article:rag-freshness|discusses|concept:rag"},{"source":"article:rag-freshness","target":"concept:tag:ai-agents","relation":"discusses","evidence":"src/content/articles/en/rag-freshness.md tags: ai-agents\nsrc/content/articles/nl/rag-actualiteit.md tags: ai-agents","weight":1.5,"locales":["en","nl"],"id":"article:rag-freshness|discusses|concept:tag:ai-agents"},{"source":"article:rag-freshness","target":"article:what-is-llm-grounding","relation":"references","evidence":"src/content/articles/en/rag-freshness.md body: /en/blog/what-is-llm-grounding/\nsrc/content/articles/en/rag-freshness.md furtherReading: /en/blog/what-is-llm-grounding/\nsrc/content/articles/en/rag-freshness.md sources: /en/blog/what-is-llm-grounding/\nsrc/content/articles/nl/rag-actualiteit.md body: /nl/blog/wat-is-llm-grounding/\nsrc/content/articles/nl/rag-actualiteit.md furtherReading: /nl/blog/wat-is-llm-grounding/\nsrc/content/articles/nl/rag-actualiteit.md sources: /nl/blog/wat-is-llm-grounding/","weight":1,"locales":["en","nl"],"id":"article:rag-freshness|references|article:what-is-llm-grounding"},{"source":"article:rag-freshness","target":"article:what-is-rag","relation":"references","evidence":"src/content/articles/en/rag-freshness.md body: /en/blog/what-is-rag/\nsrc/content/articles/en/rag-freshness.md furtherReading: /en/blog/what-is-rag/\nsrc/content/articles/en/rag-freshness.md sources: /en/blog/what-is-rag/\nsrc/content/articles/nl/rag-actualiteit.md body: /nl/blog/wat-is-rag/\nsrc/content/articles/nl/rag-actualiteit.md furtherReading: /nl/blog/wat-is-rag/\nsrc/content/articles/nl/rag-actualiteit.md sources: /nl/blog/wat-is-rag/","weight":1,"locales":["en","nl"],"id":"article:rag-freshness|references|article:what-is-rag"},{"source":"article:rag-freshness","target":"volume:the-rag-engineer","relation":"references","evidence":"src/content/articles/en/rag-freshness.md body: /books/the-rag-engineer/\nsrc/content/articles/en/rag-freshness.md furtherReading: /books/the-rag-engineer/\nsrc/content/articles/en/rag-freshness.md sources: /books/the-rag-engineer/\nsrc/content/articles/nl/rag-actualiteit.md body: /boeken/the-rag-engineer/\nsrc/content/articles/nl/rag-actualiteit.md furtherReading: /boeken/the-rag-engineer/\nsrc/content/articles/nl/rag-actualiteit.md sources: /boeken/the-rag-engineer/","weight":1,"locales":["en","nl"],"id":"article:rag-freshness|references|volume:the-rag-engineer"},{"source":"article:rag-freshness","target":"article:evaluate-reasoning-not-fluency","relation":"related","evidence":"src/content/articles/en/rag-freshness.md relatedArticleIds: f14281cc-3a68-4987-ade4-9c6fdad3acc5\nsrc/content/articles/nl/rag-actualiteit.md relatedArticleIds: f14281cc-3a68-4987-ade4-9c6fdad3acc5","weight":2,"locales":["en","nl"],"id":"article:rag-freshness|related|article:evaluate-reasoning-not-fluency"},{"source":"article:rag-freshness","target":"article:what-is-rag","relation":"related","evidence":"src/content/articles/en/rag-freshness.md relatedArticleIds: 295fcb44-1746-4f53-95f7-60a307ad8af1\nsrc/content/articles/nl/rag-actualiteit.md relatedArticleIds: 295fcb44-1746-4f53-95f7-60a307ad8af1","weight":2,"locales":["en","nl"],"id":"article:rag-freshness|related|article:what-is-rag"},{"source":"article:rag-vs-finetuning-vs-agents","target":"concept:ai-agent","relation":"discusses","evidence":"src/content/articles/en/rag-vs-finetuning-vs-agents.md glossary: AI agent\nsrc/content/articles/nl/rag-versus-finetuning-versus-agents.md glossary: AI-agent","weight":1.5,"locales":["en","nl"],"id":"article:rag-vs-finetuning-vs-agents|discusses|concept:ai-agent"},{"source":"article:rag-vs-finetuning-vs-agents","target":"concept:grain","relation":"discusses","evidence":"src/content/articles/en/rag-vs-finetuning-vs-agents.md glossary: GRAIN\nsrc/content/articles/nl/rag-versus-finetuning-versus-agents.md glossary: GRAIN","weight":1.5,"locales":["en","nl"],"id":"article:rag-vs-finetuning-vs-agents|discusses|concept:grain"},{"source":"article:rag-vs-finetuning-vs-agents","target":"concept:rag","relation":"discusses","evidence":"src/content/articles/en/rag-vs-finetuning-vs-agents.md glossary: RAG\nsrc/content/articles/nl/rag-versus-finetuning-versus-agents.md glossary: RAG","weight":1.5,"locales":["en","nl"],"id":"article:rag-vs-finetuning-vs-agents|discusses|concept:rag"},{"source":"article:rag-vs-finetuning-vs-agents","target":"concept:tag:ai-agents","relation":"discusses","evidence":"src/content/articles/en/rag-vs-finetuning-vs-agents.md tags: ai-agents\nsrc/content/articles/nl/rag-versus-finetuning-versus-agents.md tags: ai-agents","weight":1.5,"locales":["en","nl"],"id":"article:rag-vs-finetuning-vs-agents|discusses|concept:tag:ai-agents"},{"source":"article:rag-vs-finetuning-vs-agents","target":"article:evaluate-reasoning-not-fluency","relation":"references","evidence":"src/content/articles/en/rag-vs-finetuning-vs-agents.md body: /en/blog/evaluate-reasoning-not-fluency/\nsrc/content/articles/en/rag-vs-finetuning-vs-agents.md sources: /en/blog/evaluate-reasoning-not-fluency/\nsrc/content/articles/nl/rag-versus-finetuning-versus-agents.md body: /nl/blog/evalueer-de-redenering-niet-de-vloeiendheid/\nsrc/content/articles/nl/rag-versus-finetuning-versus-agents.md sources: /nl/blog/evalueer-de-redenering-niet-de-vloeiendheid/","weight":1,"locales":["en","nl"],"id":"article:rag-vs-finetuning-vs-agents|references|article:evaluate-reasoning-not-fluency"},{"source":"article:rag-vs-finetuning-vs-agents","target":"article:using-ai-agents-effectively","relation":"references","evidence":"src/content/articles/en/rag-vs-finetuning-vs-agents.md body: /en/blog/using-ai-agents-effectively/\nsrc/content/articles/en/rag-vs-finetuning-vs-agents.md sources: /en/blog/using-ai-agents-effectively/\nsrc/content/articles/nl/rag-versus-finetuning-versus-agents.md body: /nl/blog/ai-agents-effectief-inzetten/\nsrc/content/articles/nl/rag-versus-finetuning-versus-agents.md sources: /nl/blog/ai-agents-effectief-inzetten/","weight":1,"locales":["en","nl"],"id":"article:rag-vs-finetuning-vs-agents|references|article:using-ai-agents-effectively"},{"source":"article:rag-vs-finetuning-vs-agents","target":"article:what-is-an-ai-agent","relation":"references","evidence":"src/content/articles/en/rag-vs-finetuning-vs-agents.md body: /en/blog/what-is-an-ai-agent/\nsrc/content/articles/en/rag-vs-finetuning-vs-agents.md furtherReading: /en/blog/what-is-an-ai-agent/\nsrc/content/articles/en/rag-vs-finetuning-vs-agents.md sources: /en/blog/what-is-an-ai-agent/\nsrc/content/articles/nl/rag-versus-finetuning-versus-agents.md body: /nl/blog/wat-is-een-ai-agent/\nsrc/content/articles/nl/rag-versus-finetuning-versus-agents.md furtherReading: /nl/blog/wat-is-een-ai-agent/\nsrc/content/articles/nl/rag-versus-finetuning-versus-agents.md sources: /nl/blog/wat-is-een-ai-agent/","weight":1,"locales":["en","nl"],"id":"article:rag-vs-finetuning-vs-agents|references|article:what-is-an-ai-agent"},{"source":"article:rag-vs-finetuning-vs-agents","target":"article:what-is-rag","relation":"references","evidence":"src/content/articles/en/rag-vs-finetuning-vs-agents.md body: /en/blog/what-is-rag/\nsrc/content/articles/en/rag-vs-finetuning-vs-agents.md furtherReading: /en/blog/what-is-rag/\nsrc/content/articles/en/rag-vs-finetuning-vs-agents.md sources: /en/blog/what-is-rag/\nsrc/content/articles/nl/rag-versus-finetuning-versus-agents.md body: /nl/blog/wat-is-rag/\nsrc/content/articles/nl/rag-versus-finetuning-versus-agents.md furtherReading: /nl/blog/wat-is-rag/\nsrc/content/articles/nl/rag-versus-finetuning-versus-agents.md sources: /nl/blog/wat-is-rag/","weight":1,"locales":["en","nl"],"id":"article:rag-vs-finetuning-vs-agents|references|article:what-is-rag"},{"source":"article:rag-vs-finetuning-vs-agents","target":"volume:the-rag-engineer","relation":"references","evidence":"src/content/articles/en/rag-vs-finetuning-vs-agents.md body: /books/the-rag-engineer/\nsrc/content/articles/en/rag-vs-finetuning-vs-agents.md furtherReading: /books/the-rag-engineer/\nsrc/content/articles/en/rag-vs-finetuning-vs-agents.md sources: /books/the-rag-engineer/\nsrc/content/articles/nl/rag-versus-finetuning-versus-agents.md body: /boeken/the-rag-engineer/\nsrc/content/articles/nl/rag-versus-finetuning-versus-agents.md furtherReading: /boeken/the-rag-engineer/\nsrc/content/articles/nl/rag-versus-finetuning-versus-agents.md sources: /boeken/the-rag-engineer/","weight":1,"locales":["en","nl"],"id":"article:rag-vs-finetuning-vs-agents|references|volume:the-rag-engineer"},{"source":"article:rag-vs-finetuning-vs-agents","target":"article:using-ai-agents-effectively","relation":"related","evidence":"src/content/articles/en/rag-vs-finetuning-vs-agents.md relatedArticleIds: e3799711-41ca-4502-bf91-2ba2ca33ee34\nsrc/content/articles/nl/rag-versus-finetuning-versus-agents.md relatedArticleIds: e3799711-41ca-4502-bf91-2ba2ca33ee34","weight":2,"locales":["en","nl"],"id":"article:rag-vs-finetuning-vs-agents|related|article:using-ai-agents-effectively"},{"source":"article:rag-vs-finetuning-vs-agents","target":"article:what-is-an-ai-agent","relation":"related","evidence":"src/content/articles/en/rag-vs-finetuning-vs-agents.md relatedArticleIds: 69f0de22-6dd9-44b3-b6d8-b89ce8d8df7e\nsrc/content/articles/nl/rag-versus-finetuning-versus-agents.md relatedArticleIds: 69f0de22-6dd9-44b3-b6d8-b89ce8d8df7e","weight":2,"locales":["en","nl"],"id":"article:rag-vs-finetuning-vs-agents|related|article:what-is-an-ai-agent"},{"source":"article:rag-vs-finetuning-vs-agents","target":"article:what-is-rag","relation":"related","evidence":"src/content/articles/en/rag-vs-finetuning-vs-agents.md relatedArticleIds: 295fcb44-1746-4f53-95f7-60a307ad8af1\nsrc/content/articles/nl/rag-versus-finetuning-versus-agents.md relatedArticleIds: 295fcb44-1746-4f53-95f7-60a307ad8af1","weight":2,"locales":["en","nl"],"id":"article:rag-vs-finetuning-vs-agents|related|article:what-is-rag"},{"source":"article:retire-a-production-agent","target":"concept:roster","relation":"discusses","evidence":"src/content/articles/en/retire-a-production-agent.md glossary: ROSTER\nsrc/content/articles/nl/productie-agent-buiten-gebruik-stellen.md glossary: ROSTER","weight":1.5,"locales":["en","nl"],"id":"article:retire-a-production-agent|discusses|concept:roster"},{"source":"article:retire-a-production-agent","target":"concept:tag:agent-ops","relation":"discusses","evidence":"src/content/articles/en/retire-a-production-agent.md tags: agent-ops\nsrc/content/articles/nl/productie-agent-buiten-gebruik-stellen.md tags: agent-ops","weight":1.5,"locales":["en","nl"],"id":"article:retire-a-production-agent|discusses|concept:tag:agent-ops"},{"source":"article:retire-a-production-agent","target":"article:using-ai-agents-effectively","relation":"references","evidence":"src/content/articles/en/retire-a-production-agent.md furtherReading: /en/blog/using-ai-agents-effectively/\nsrc/content/articles/nl/productie-agent-buiten-gebruik-stellen.md furtherReading: /nl/blog/ai-agents-effectief-inzetten/","weight":1,"locales":["en","nl"],"id":"article:retire-a-production-agent|references|article:using-ai-agents-effectively"},{"source":"article:retire-a-production-agent","target":"article:what-is-agent-strategy","relation":"references","evidence":"src/content/articles/en/retire-a-production-agent.md body: /en/blog/what-is-agent-strategy/\nsrc/content/articles/en/retire-a-production-agent.md furtherReading: /en/blog/what-is-agent-strategy/\nsrc/content/articles/nl/productie-agent-buiten-gebruik-stellen.md body: /nl/blog/wat-is-agentstrategie/\nsrc/content/articles/nl/productie-agent-buiten-gebruik-stellen.md furtherReading: /nl/blog/wat-is-agentstrategie/","weight":1,"locales":["en","nl"],"id":"article:retire-a-production-agent|references|article:what-is-agent-strategy"},{"source":"article:retire-a-production-agent","target":"article:what-is-an-ai-agent","relation":"references","evidence":"src/content/articles/en/retire-a-production-agent.md body: /en/blog/what-is-an-ai-agent/\nsrc/content/articles/nl/productie-agent-buiten-gebruik-stellen.md body: /nl/blog/wat-is-een-ai-agent/","weight":1,"locales":["en","nl"],"id":"article:retire-a-production-agent|references|article:what-is-an-ai-agent"},{"source":"article:retire-a-production-agent","target":"article:what-is-an-ai-agent-charter","relation":"references","evidence":"src/content/articles/en/retire-a-production-agent.md body: /en/blog/what-is-an-ai-agent-charter/\nsrc/content/articles/en/retire-a-production-agent.md furtherReading: /en/blog/what-is-an-ai-agent-charter/\nsrc/content/articles/en/retire-a-production-agent.md sources: /en/blog/what-is-an-ai-agent-charter/\nsrc/content/articles/nl/productie-agent-buiten-gebruik-stellen.md body: /nl/blog/wat-is-een-ai-agent-charter/\nsrc/content/articles/nl/productie-agent-buiten-gebruik-stellen.md furtherReading: /nl/blog/wat-is-een-ai-agent-charter/\nsrc/content/articles/nl/productie-agent-buiten-gebruik-stellen.md sources: /nl/blog/wat-is-een-ai-agent-charter/","weight":1,"locales":["en","nl"],"id":"article:retire-a-production-agent|references|article:what-is-an-ai-agent-charter"},{"source":"article:retire-a-production-agent","target":"concept:roster","relation":"references","evidence":"src/content/articles/en/retire-a-production-agent.md body: /frameworks/roster/\nsrc/content/articles/en/retire-a-production-agent.md furtherReading: /frameworks/roster/\nsrc/content/articles/en/retire-a-production-agent.md sources: /frameworks/roster/\nsrc/content/articles/nl/productie-agent-buiten-gebruik-stellen.md body: /nl/frameworks/roster/\nsrc/content/articles/nl/productie-agent-buiten-gebruik-stellen.md furtherReading: /nl/frameworks/roster/\nsrc/content/articles/nl/productie-agent-buiten-gebruik-stellen.md sources: /nl/frameworks/roster/","weight":1,"locales":["en","nl"],"id":"article:retire-a-production-agent|references|concept:roster"},{"source":"article:retire-a-production-agent","target":"volume:the-agent-dream-team","relation":"references","evidence":"src/content/articles/en/retire-a-production-agent.md body: /books/the-agent-dream-team/\nsrc/content/articles/en/retire-a-production-agent.md sources: /books/the-agent-dream-team/\nsrc/content/articles/nl/productie-agent-buiten-gebruik-stellen.md body: /boeken/the-agent-dream-team/\nsrc/content/articles/nl/productie-agent-buiten-gebruik-stellen.md sources: /boeken/the-agent-dream-team/","weight":1,"locales":["en","nl"],"id":"article:retire-a-production-agent|references|volume:the-agent-dream-team"},{"source":"article:retire-a-production-agent","target":"article:using-ai-agents-effectively","relation":"related","evidence":"src/content/articles/en/retire-a-production-agent.md relatedArticleIds: e3799711-41ca-4502-bf91-2ba2ca33ee34\nsrc/content/articles/nl/productie-agent-buiten-gebruik-stellen.md relatedArticleIds: 16ae16b7-50c5-4d11-896d-e84eaec91a42","weight":2,"locales":["en","nl"],"id":"article:retire-a-production-agent|related|article:using-ai-agents-effectively"},{"source":"article:retire-a-production-agent","target":"article:what-is-agent-strategy","relation":"related","evidence":"src/content/articles/en/retire-a-production-agent.md relatedArticleIds: d57f6783-7034-47f3-946b-0f7ec7881438\nsrc/content/articles/nl/productie-agent-buiten-gebruik-stellen.md relatedArticleIds: 38f3f830-297d-4f04-ba9b-0e6a32bc3868","weight":2,"locales":["en","nl"],"id":"article:retire-a-production-agent|related|article:what-is-agent-strategy"},{"source":"article:retire-a-production-agent","target":"article:what-is-an-ai-agent","relation":"related","evidence":"src/content/articles/en/retire-a-production-agent.md relatedArticleIds: 69f0de22-6dd9-44b3-b6d8-b89ce8d8df7e\nsrc/content/articles/nl/productie-agent-buiten-gebruik-stellen.md relatedArticleIds: 05f0fc8a-d4e4-4e38-a513-9abecb5b5587","weight":2,"locales":["en","nl"],"id":"article:retire-a-production-agent|related|article:what-is-an-ai-agent"},{"source":"article:retire-a-production-agent","target":"article:what-is-an-ai-agent-charter","relation":"related","evidence":"src/content/articles/en/retire-a-production-agent.md relatedArticleIds: b11300b0-7c8e-4871-b065-494e68d33fd6\nsrc/content/articles/nl/productie-agent-buiten-gebruik-stellen.md relatedArticleIds: 5915a20d-babe-46ee-a4e3-4d0caf1c7ab8","weight":2,"locales":["en","nl"],"id":"article:retire-a-production-agent|related|article:what-is-an-ai-agent-charter"},{"source":"article:roster-meaning","target":"concept:roster","relation":"discusses","evidence":"src/content/articles/en/roster-meaning.md glossary: ROSTER\nsrc/content/articles/en/roster-meaning.md glossary: roster\nsrc/content/articles/nl/wat-is-een-roster.md glossary: ROSTER\nsrc/content/articles/nl/wat-is-een-roster.md glossary: roster","weight":1.5,"locales":["en","nl"],"id":"article:roster-meaning|discusses|concept:roster"},{"source":"article:roster-meaning","target":"concept:tag:agent-ops","relation":"discusses","evidence":"src/content/articles/en/roster-meaning.md tags: agent-ops\nsrc/content/articles/nl/wat-is-een-roster.md tags: agent-ops","weight":1.5,"locales":["en","nl"],"id":"article:roster-meaning|discusses|concept:tag:agent-ops"},{"source":"article:roster-meaning","target":"concept:tag:multi-agent-organization","relation":"discusses","evidence":"src/content/articles/en/roster-meaning.md tags: multi-agent-organization\nsrc/content/articles/nl/wat-is-een-roster.md tags: multi-agent-organization","weight":1.5,"locales":["en","nl"],"id":"article:roster-meaning|discusses|concept:tag:multi-agent-organization"},{"source":"article:roster-meaning","target":"article:what-is-an-ai-agent","relation":"references","evidence":"src/content/articles/en/roster-meaning.md body: /en/blog/what-is-an-ai-agent/\nsrc/content/articles/en/roster-meaning.md furtherReading: /en/blog/what-is-an-ai-agent/\nsrc/content/articles/nl/wat-is-een-roster.md body: /nl/blog/wat-is-een-ai-agent/\nsrc/content/articles/nl/wat-is-een-roster.md furtherReading: /nl/blog/wat-is-een-ai-agent/","weight":1,"locales":["en","nl"],"id":"article:roster-meaning|references|article:what-is-an-ai-agent"},{"source":"article:roster-meaning","target":"article:what-is-an-ai-agent-charter","relation":"references","evidence":"src/content/articles/en/roster-meaning.md body: /en/blog/what-is-an-ai-agent-charter/\nsrc/content/articles/en/roster-meaning.md furtherReading: /en/blog/what-is-an-ai-agent-charter/\nsrc/content/articles/nl/wat-is-een-roster.md body: /nl/blog/wat-is-een-ai-agent-charter/\nsrc/content/articles/nl/wat-is-een-roster.md furtherReading: /nl/blog/wat-is-een-ai-agent-charter/","weight":1,"locales":["en","nl"],"id":"article:roster-meaning|references|article:what-is-an-ai-agent-charter"},{"source":"article:roster-meaning","target":"article:what-is-chorus","relation":"references","evidence":"src/content/articles/en/roster-meaning.md body: /en/blog/what-is-chorus/\nsrc/content/articles/nl/wat-is-een-roster.md body: /nl/blog/wat-is-chorus/","weight":1,"locales":["en","nl"],"id":"article:roster-meaning|references|article:what-is-chorus"},{"source":"article:roster-meaning","target":"concept:roster","relation":"references","evidence":"src/content/articles/en/roster-meaning.md body: /frameworks/roster/\nsrc/content/articles/en/roster-meaning.md furtherReading: /frameworks/roster/\nsrc/content/articles/en/roster-meaning.md sources: /frameworks/roster/\nsrc/content/articles/en/roster-meaning.md sources: /glossary/roster/\nsrc/content/articles/nl/wat-is-een-roster.md body: /nl/frameworks/roster/\nsrc/content/articles/nl/wat-is-een-roster.md furtherReading: /nl/frameworks/roster/\nsrc/content/articles/nl/wat-is-een-roster.md sources: /nl/begrippen/roster/\nsrc/content/articles/nl/wat-is-een-roster.md sources: /nl/frameworks/roster/","weight":1,"locales":["en","nl"],"id":"article:roster-meaning|references|concept:roster"},{"source":"article:roster-meaning","target":"volume:the-agent-dream-team","relation":"references","evidence":"src/content/articles/en/roster-meaning.md body: /books/the-agent-dream-team/\nsrc/content/articles/en/roster-meaning.md furtherReading: /books/the-agent-dream-team/\nsrc/content/articles/en/roster-meaning.md sources: /books/the-agent-dream-team/\nsrc/content/articles/nl/wat-is-een-roster.md body: /boeken/the-agent-dream-team/\nsrc/content/articles/nl/wat-is-een-roster.md furtherReading: /boeken/the-agent-dream-team/\nsrc/content/articles/nl/wat-is-een-roster.md sources: /boeken/the-agent-dream-team/","weight":1,"locales":["en","nl"],"id":"article:roster-meaning|references|volume:the-agent-dream-team"},{"source":"article:roster-meaning","target":"article:using-ai-agents-effectively","relation":"related","evidence":"src/content/articles/en/roster-meaning.md relatedArticleIds: e3799711-41ca-4502-bf91-2ba2ca33ee34\nsrc/content/articles/nl/wat-is-een-roster.md relatedArticleIds: 16ae16b7-50c5-4d11-896d-e84eaec91a42","weight":2,"locales":["en","nl"],"id":"article:roster-meaning|related|article:using-ai-agents-effectively"},{"source":"article:roster-meaning","target":"article:what-is-an-ai-agent","relation":"related","evidence":"src/content/articles/en/roster-meaning.md relatedArticleIds: 69f0de22-6dd9-44b3-b6d8-b89ce8d8df7e\nsrc/content/articles/nl/wat-is-een-roster.md relatedArticleIds: 05f0fc8a-d4e4-4e38-a513-9abecb5b5587","weight":2,"locales":["en","nl"],"id":"article:roster-meaning|related|article:what-is-an-ai-agent"},{"source":"article:roster-meaning","target":"article:what-is-an-ai-agent-charter","relation":"related","evidence":"src/content/articles/en/roster-meaning.md relatedArticleIds: b11300b0-7c8e-4871-b065-494e68d33fd6\nsrc/content/articles/nl/wat-is-een-roster.md relatedArticleIds: 5915a20d-babe-46ee-a4e3-4d0caf1c7ab8","weight":2,"locales":["en","nl"],"id":"article:roster-meaning|related|article:what-is-an-ai-agent-charter"},{"source":"article:roster-meaning","target":"article:what-is-chorus","relation":"related","evidence":"src/content/articles/en/roster-meaning.md relatedArticleIds: f2c09cfd-898d-478d-84f2-dbaaa861097b\nsrc/content/articles/nl/wat-is-een-roster.md relatedArticleIds: ac971734-8cf2-4a57-adf4-f7cf2182b1ca","weight":2,"locales":["en","nl"],"id":"article:roster-meaning|related|article:what-is-chorus"},{"source":"article:roster-meaning","target":"concept:roster","relation":"related","evidence":"src/data/site-link-graph.ts: roster-meaning frameworks/glossary","weight":2,"locales":["en","nl"],"id":"article:roster-meaning|related|concept:roster"},{"source":"article:roster-meaning","target":"volume:the-agent-dream-team","relation":"related","evidence":"src/data/site-link-graph.ts: roster-meaning books","weight":2,"locales":["en","nl"],"id":"article:roster-meaning|related|volume:the-agent-dream-team"},{"source":"article:roster-vs-chorus","target":"concept:chorus","relation":"discusses","evidence":"src/content/articles/en/roster-vs-chorus.md glossary: CHORUS\nsrc/content/articles/en/roster-vs-chorus.md tags: chorus\nsrc/content/articles/nl/roster-versus-chorus.md glossary: CHORUS\nsrc/content/articles/nl/roster-versus-chorus.md tags: chorus","weight":1.5,"locales":["en","nl"],"id":"article:roster-vs-chorus|discusses|concept:chorus"},{"source":"article:roster-vs-chorus","target":"concept:roster","relation":"discusses","evidence":"src/content/articles/en/roster-vs-chorus.md glossary: ROSTER\nsrc/content/articles/nl/roster-versus-chorus.md glossary: ROSTER","weight":1.5,"locales":["en","nl"],"id":"article:roster-vs-chorus|discusses|concept:roster"},{"source":"article:roster-vs-chorus","target":"concept:tag:multi-agent-organization","relation":"discusses","evidence":"src/content/articles/en/roster-vs-chorus.md tags: multi-agent-organization\nsrc/content/articles/nl/roster-versus-chorus.md tags: multi-agent-organization","weight":1.5,"locales":["en","nl"],"id":"article:roster-vs-chorus|discusses|concept:tag:multi-agent-organization"},{"source":"article:roster-vs-chorus","target":"article:what-is-an-ai-agent-charter","relation":"references","evidence":"src/content/articles/en/roster-vs-chorus.md body: /en/blog/what-is-an-ai-agent-charter/\nsrc/content/articles/nl/roster-versus-chorus.md body: /nl/blog/wat-is-een-ai-agent-charter/","weight":1,"locales":["en","nl"],"id":"article:roster-vs-chorus|references|article:what-is-an-ai-agent-charter"},{"source":"article:roster-vs-chorus","target":"article:what-is-chorus","relation":"references","evidence":"src/content/articles/en/roster-vs-chorus.md body: /en/blog/what-is-chorus/\nsrc/content/articles/en/roster-vs-chorus.md furtherReading: /en/blog/what-is-chorus/\nsrc/content/articles/en/roster-vs-chorus.md sources: /en/blog/what-is-chorus/\nsrc/content/articles/nl/roster-versus-chorus.md body: /nl/blog/wat-is-chorus/\nsrc/content/articles/nl/roster-versus-chorus.md furtherReading: /nl/blog/wat-is-chorus/\nsrc/content/articles/nl/roster-versus-chorus.md sources: /nl/blog/wat-is-chorus/","weight":1,"locales":["en","nl"],"id":"article:roster-vs-chorus|references|article:what-is-chorus"},{"source":"article:roster-vs-chorus","target":"article:why-multi-agent-systems-fail","relation":"references","evidence":"src/content/articles/en/roster-vs-chorus.md body: /en/blog/why-multi-agent-systems-fail/\nsrc/content/articles/en/roster-vs-chorus.md furtherReading: /en/blog/why-multi-agent-systems-fail/\nsrc/content/articles/nl/roster-versus-chorus.md body: /nl/blog/waarom-multi-agent-systemen-falen/\nsrc/content/articles/nl/roster-versus-chorus.md furtherReading: /nl/blog/waarom-multi-agent-systemen-falen/","weight":1,"locales":["en","nl"],"id":"article:roster-vs-chorus|references|article:why-multi-agent-systems-fail"},{"source":"article:roster-vs-chorus","target":"concept:roster","relation":"references","evidence":"src/content/articles/en/roster-vs-chorus.md body: /frameworks/roster/\nsrc/content/articles/en/roster-vs-chorus.md furtherReading: /frameworks/roster/\nsrc/content/articles/en/roster-vs-chorus.md sources: /frameworks/roster/\nsrc/content/articles/nl/roster-versus-chorus.md body: /nl/frameworks/roster/\nsrc/content/articles/nl/roster-versus-chorus.md furtherReading: /nl/frameworks/roster/\nsrc/content/articles/nl/roster-versus-chorus.md sources: /nl/frameworks/roster/","weight":1,"locales":["en","nl"],"id":"article:roster-vs-chorus|references|concept:roster"},{"source":"article:roster-vs-chorus","target":"volume:multi-agent-organization","relation":"references","evidence":"src/content/articles/en/roster-vs-chorus.md body: /books/multi-agent-organization/\nsrc/content/articles/en/roster-vs-chorus.md furtherReading: /books/multi-agent-organization/\nsrc/content/articles/en/roster-vs-chorus.md sources: /books/multi-agent-organization/\nsrc/content/articles/nl/roster-versus-chorus.md body: /boeken/multi-agent-organization/\nsrc/content/articles/nl/roster-versus-chorus.md furtherReading: /boeken/multi-agent-organization/\nsrc/content/articles/nl/roster-versus-chorus.md sources: /boeken/multi-agent-organization/","weight":1,"locales":["en","nl"],"id":"article:roster-vs-chorus|references|volume:multi-agent-organization"},{"source":"article:roster-vs-chorus","target":"volume:the-agent-dream-team","relation":"references","evidence":"src/content/articles/en/roster-vs-chorus.md body: /books/the-agent-dream-team/\nsrc/content/articles/en/roster-vs-chorus.md sources: /books/the-agent-dream-team/\nsrc/content/articles/nl/roster-versus-chorus.md body: /boeken/the-agent-dream-team/\nsrc/content/articles/nl/roster-versus-chorus.md sources: /boeken/the-agent-dream-team/","weight":1,"locales":["en","nl"],"id":"article:roster-vs-chorus|references|volume:the-agent-dream-team"},{"source":"article:roster-vs-chorus","target":"article:the-multi-agent-organization-introduction","relation":"related","evidence":"src/content/articles/en/roster-vs-chorus.md relatedArticleIds: 72b004e7-b895-4bc3-84bf-ef212460c826\nsrc/content/articles/nl/roster-versus-chorus.md relatedArticleIds: 59f2cfe0-8eca-454e-b80f-b2e2d1914df7","weight":2,"locales":["en","nl"],"id":"article:roster-vs-chorus|related|article:the-multi-agent-organization-introduction"},{"source":"article:roster-vs-chorus","target":"article:what-is-an-ai-agent-charter","relation":"related","evidence":"src/content/articles/en/roster-vs-chorus.md relatedArticleIds: b11300b0-7c8e-4871-b065-494e68d33fd6\nsrc/content/articles/nl/roster-versus-chorus.md relatedArticleIds: 5915a20d-babe-46ee-a4e3-4d0caf1c7ab8","weight":2,"locales":["en","nl"],"id":"article:roster-vs-chorus|related|article:what-is-an-ai-agent-charter"},{"source":"article:roster-vs-chorus","target":"article:what-is-chorus","relation":"related","evidence":"src/content/articles/en/roster-vs-chorus.md relatedArticleIds: f2c09cfd-898d-478d-84f2-dbaaa861097b\nsrc/content/articles/nl/roster-versus-chorus.md relatedArticleIds: ac971734-8cf2-4a57-adf4-f7cf2182b1ca","weight":2,"locales":["en","nl"],"id":"article:roster-vs-chorus|related|article:what-is-chorus"},{"source":"article:roster-vs-chorus","target":"article:why-multi-agent-systems-fail","relation":"related","evidence":"src/content/articles/en/roster-vs-chorus.md relatedArticleIds: ac288a9d-bf78-42af-934d-f2762b095752\nsrc/content/articles/nl/roster-versus-chorus.md relatedArticleIds: af21b996-681d-42a7-b5e1-5ae6020ad59c","weight":2,"locales":["en","nl"],"id":"article:roster-vs-chorus|related|article:why-multi-agent-systems-fail"},{"source":"article:second-order-thinking-audit","target":"concept:cascade","relation":"discusses","evidence":"src/content/articles/en/second-order-thinking-audit.md glossary: CASCADE\nsrc/content/articles/nl/tweede-orde-denken-audit.md glossary: CASCADE","weight":1.5,"locales":["en","nl"],"id":"article:second-order-thinking-audit|discusses|concept:cascade"},{"source":"article:second-order-thinking-audit","target":"concept:tag:downstream-effects","relation":"discusses","evidence":"src/content/articles/en/second-order-thinking-audit.md tags: downstream-effects\nsrc/content/articles/nl/tweede-orde-denken-audit.md tags: downstream-effects","weight":1.5,"locales":["en","nl"],"id":"article:second-order-thinking-audit|discusses|concept:tag:downstream-effects"},{"source":"article:second-order-thinking-audit","target":"article:downstream-effects","relation":"references","evidence":"src/content/articles/en/second-order-thinking-audit.md body: /en/blog/downstream-effects/\nsrc/content/articles/en/second-order-thinking-audit.md furtherReading: /en/blog/downstream-effects/\nsrc/content/articles/en/second-order-thinking-audit.md sources: /en/blog/downstream-effects/\nsrc/content/articles/nl/tweede-orde-denken-audit.md body: /nl/blog/stroomafwaartse-effecten/\nsrc/content/articles/nl/tweede-orde-denken-audit.md furtherReading: /nl/blog/stroomafwaartse-effecten/\nsrc/content/articles/nl/tweede-orde-denken-audit.md sources: /nl/blog/stroomafwaartse-effecten/","weight":1,"locales":["en","nl"],"id":"article:second-order-thinking-audit|references|article:downstream-effects"},{"source":"article:second-order-thinking-audit","target":"article:what-are-downstream-effects","relation":"references","evidence":"src/content/articles/en/second-order-thinking-audit.md body: /en/blog/what-are-downstream-effects/\nsrc/content/articles/en/second-order-thinking-audit.md furtherReading: /en/blog/what-are-downstream-effects/\nsrc/content/articles/en/second-order-thinking-audit.md sources: /en/blog/what-are-downstream-effects/\nsrc/content/articles/nl/tweede-orde-denken-audit.md body: /nl/blog/wat-zijn-stroomafwaartse-effecten/\nsrc/content/articles/nl/tweede-orde-denken-audit.md furtherReading: /nl/blog/wat-zijn-stroomafwaartse-effecten/\nsrc/content/articles/nl/tweede-orde-denken-audit.md sources: /nl/blog/wat-zijn-stroomafwaartse-effecten/","weight":1,"locales":["en","nl"],"id":"article:second-order-thinking-audit|references|article:what-are-downstream-effects"},{"source":"article:second-order-thinking-audit","target":"concept:cascade","relation":"references","evidence":"src/content/articles/en/second-order-thinking-audit.md body: /glossary/cascade/\nsrc/content/articles/en/second-order-thinking-audit.md furtherReading: /glossary/cascade/\nsrc/content/articles/en/second-order-thinking-audit.md sources: /glossary/cascade/\nsrc/content/articles/nl/tweede-orde-denken-audit.md body: /nl/begrippen/cascade/\nsrc/content/articles/nl/tweede-orde-denken-audit.md furtherReading: /nl/begrippen/cascade/\nsrc/content/articles/nl/tweede-orde-denken-audit.md sources: /nl/begrippen/cascade/","weight":1,"locales":["en","nl"],"id":"article:second-order-thinking-audit|references|concept:cascade"},{"source":"article:second-order-thinking-audit","target":"concept:downstream","relation":"references","evidence":"src/content/articles/en/second-order-thinking-audit.md sources: /glossary/downstream/\nsrc/content/articles/nl/tweede-orde-denken-audit.md sources: /nl/begrippen/downstream/","weight":1,"locales":["en","nl"],"id":"article:second-order-thinking-audit|references|concept:downstream"},{"source":"article:second-order-thinking-audit","target":"volume:the-downstream-effects","relation":"references","evidence":"src/content/articles/en/second-order-thinking-audit.md body: /books/the-downstream-effects/\nsrc/content/articles/en/second-order-thinking-audit.md sources: /books/the-downstream-effects/\nsrc/content/articles/nl/tweede-orde-denken-audit.md body: /boeken/the-downstream-effects/\nsrc/content/articles/nl/tweede-orde-denken-audit.md sources: /boeken/the-downstream-effects/","weight":1,"locales":["en","nl"],"id":"article:second-order-thinking-audit|references|volume:the-downstream-effects"},{"source":"article:second-order-thinking-audit","target":"volume:the-second-order-thinker","relation":"references","evidence":"src/content/articles/en/second-order-thinking-audit.md body: /books/the-second-order-thinker/\nsrc/content/articles/en/second-order-thinking-audit.md sources: /books/the-second-order-thinker/\nsrc/content/articles/nl/tweede-orde-denken-audit.md body: /boeken/the-second-order-thinker/\nsrc/content/articles/nl/tweede-orde-denken-audit.md sources: /boeken/the-second-order-thinker/","weight":1,"locales":["en","nl"],"id":"article:second-order-thinking-audit|references|volume:the-second-order-thinker"},{"source":"article:second-order-thinking-audit","target":"article:downstream-effects","relation":"related","evidence":"src/content/articles/en/second-order-thinking-audit.md relatedArticleIds: 9151a77a-cf1f-4729-b301-1e4d7767862d\nsrc/content/articles/nl/tweede-orde-denken-audit.md relatedArticleIds: 9151a77a-cf1f-4729-b301-1e4d7767862d","weight":2,"locales":["en","nl"],"id":"article:second-order-thinking-audit|related|article:downstream-effects"},{"source":"article:second-order-thinking-audit","target":"article:what-are-downstream-effects","relation":"related","evidence":"src/content/articles/en/second-order-thinking-audit.md relatedArticleIds: f27e54d4-aff2-4361-b8a7-6396e2f7f9fe\nsrc/content/articles/nl/tweede-orde-denken-audit.md relatedArticleIds: f27e54d4-aff2-4361-b8a7-6396e2f7f9fe","weight":2,"locales":["en","nl"],"id":"article:second-order-thinking-audit|related|article:what-are-downstream-effects"},{"source":"article:see-ai-traffic-in-ga4","target":"concept:aeo","relation":"discusses","evidence":"src/content/articles/en/see-ai-traffic-in-ga4.md tags: aeo\nsrc/content/articles/nl/ai-verkeer-zien-in-ga4.md tags: aeo","weight":1.5,"locales":["en","nl"],"id":"article:see-ai-traffic-in-ga4|discusses|concept:aeo"},{"source":"article:see-ai-traffic-in-ga4","target":"concept:geo","relation":"discusses","evidence":"src/content/articles/en/see-ai-traffic-in-ga4.md tags: geo\nsrc/content/articles/nl/ai-verkeer-zien-in-ga4.md tags: geo","weight":1.5,"locales":["en","nl"],"id":"article:see-ai-traffic-in-ga4|discusses|concept:geo"},{"source":"article:see-ai-traffic-in-ga4","target":"article:chatgpt-mentions-vs-citations","relation":"references","evidence":"src/content/articles/en/see-ai-traffic-in-ga4.md body: /en/blog/chatgpt-mentions-vs-citations/\nsrc/content/articles/en/see-ai-traffic-in-ga4.md furtherReading: /en/blog/chatgpt-mentions-vs-citations/\nsrc/content/articles/en/see-ai-traffic-in-ga4.md sources: /en/blog/chatgpt-mentions-vs-citations/\nsrc/content/articles/nl/ai-verkeer-zien-in-ga4.md body: /nl/blog/chatgpt-vermeldingen/\nsrc/content/articles/nl/ai-verkeer-zien-in-ga4.md furtherReading: /nl/blog/chatgpt-vermeldingen/\nsrc/content/articles/nl/ai-verkeer-zien-in-ga4.md sources: /nl/blog/chatgpt-vermeldingen/","weight":1,"locales":["en","nl"],"id":"article:see-ai-traffic-in-ga4|references|article:chatgpt-mentions-vs-citations"},{"source":"article:see-ai-traffic-in-ga4","target":"article:gptbot-vs-oai-searchbot","relation":"references","evidence":"src/content/articles/en/see-ai-traffic-in-ga4.md body: /en/blog/gptbot-vs-oai-searchbot/\nsrc/content/articles/en/see-ai-traffic-in-ga4.md furtherReading: /en/blog/gptbot-vs-oai-searchbot/\nsrc/content/articles/en/see-ai-traffic-in-ga4.md sources: /en/blog/gptbot-vs-oai-searchbot/\nsrc/content/articles/nl/ai-verkeer-zien-in-ga4.md body: /nl/blog/gptbot-versus-oai-searchbot/\nsrc/content/articles/nl/ai-verkeer-zien-in-ga4.md furtherReading: /nl/blog/gptbot-versus-oai-searchbot/\nsrc/content/articles/nl/ai-verkeer-zien-in-ga4.md sources: /nl/blog/gptbot-versus-oai-searchbot/","weight":1,"locales":["en","nl"],"id":"article:see-ai-traffic-in-ga4|references|article:gptbot-vs-oai-searchbot"},{"source":"article:see-ai-traffic-in-ga4","target":"article:how-to-get-cited-2026","relation":"references","evidence":"src/content/articles/en/see-ai-traffic-in-ga4.md body: /en/blog/how-to-get-cited-2026/\nsrc/content/articles/en/see-ai-traffic-in-ga4.md furtherReading: /en/blog/how-to-get-cited-2026/\nsrc/content/articles/en/see-ai-traffic-in-ga4.md sources: /en/blog/how-to-get-cited-2026/\nsrc/content/articles/nl/ai-verkeer-zien-in-ga4.md body: /nl/blog/hoe-je-geciteerd-wordt-2026/\nsrc/content/articles/nl/ai-verkeer-zien-in-ga4.md furtherReading: /nl/blog/hoe-je-geciteerd-wordt-2026/\nsrc/content/articles/nl/ai-verkeer-zien-in-ga4.md sources: /nl/blog/hoe-je-geciteerd-wordt-2026/","weight":1,"locales":["en","nl"],"id":"article:see-ai-traffic-in-ga4|references|article:how-to-get-cited-2026"},{"source":"article:see-ai-traffic-in-ga4","target":"concept:geo","relation":"references","evidence":"src/content/articles/en/see-ai-traffic-in-ga4.md body: /glossary/geo/\nsrc/content/articles/en/see-ai-traffic-in-ga4.md sources: /glossary/geo/\nsrc/content/articles/nl/ai-verkeer-zien-in-ga4.md body: /nl/begrippen/geo/\nsrc/content/articles/nl/ai-verkeer-zien-in-ga4.md sources: /nl/begrippen/geo/","weight":1,"locales":["en","nl"],"id":"article:see-ai-traffic-in-ga4|references|concept:geo"},{"source":"article:see-ai-traffic-in-ga4","target":"volume:the-findability-engine","relation":"references","evidence":"src/content/articles/en/see-ai-traffic-in-ga4.md body: /books/the-findability-engine/\nsrc/content/articles/en/see-ai-traffic-in-ga4.md sources: /books/the-findability-engine/\nsrc/content/articles/nl/ai-verkeer-zien-in-ga4.md body: /boeken/the-findability-engine/\nsrc/content/articles/nl/ai-verkeer-zien-in-ga4.md sources: /boeken/the-findability-engine/","weight":1,"locales":["en","nl"],"id":"article:see-ai-traffic-in-ga4|references|volume:the-findability-engine"},{"source":"article:see-ai-traffic-in-ga4","target":"article:chatgpt-mentions-vs-citations","relation":"related","evidence":"src/content/articles/en/see-ai-traffic-in-ga4.md relatedArticleIds: 59888eec-54a6-4be0-b4d7-948fcc0e104d\nsrc/content/articles/nl/ai-verkeer-zien-in-ga4.md relatedArticleIds: 327dc50c-ec13-4bc3-a3cf-d74c2882b204","weight":2,"locales":["en","nl"],"id":"article:see-ai-traffic-in-ga4|related|article:chatgpt-mentions-vs-citations"},{"source":"article:see-ai-traffic-in-ga4","target":"article:gptbot-vs-oai-searchbot","relation":"related","evidence":"src/content/articles/en/see-ai-traffic-in-ga4.md relatedArticleIds: af74553e-805c-4b21-b742-54445bcf04a9\nsrc/content/articles/nl/ai-verkeer-zien-in-ga4.md relatedArticleIds: 92ff9f14-934b-4e9d-ab15-3038f382dedb","weight":2,"locales":["en","nl"],"id":"article:see-ai-traffic-in-ga4|related|article:gptbot-vs-oai-searchbot"},{"source":"article:see-ai-traffic-in-ga4","target":"article:how-to-get-cited-2026","relation":"related","evidence":"src/content/articles/en/see-ai-traffic-in-ga4.md relatedArticleIds: 030afe30-fce7-41d2-b1a4-798d4e2c8048\nsrc/content/articles/nl/ai-verkeer-zien-in-ga4.md relatedArticleIds: 17e6870e-9fb1-4d0c-8399-17c18bd3f9b3","weight":2,"locales":["en","nl"],"id":"article:see-ai-traffic-in-ga4|related|article:how-to-get-cited-2026"},{"source":"article:sense-90-day-intelligence-layer","target":"concept:evidence-ledger","relation":"discusses","evidence":"src/content/articles/en/sense-90-day-intelligence-layer.md glossary: Evidence ledger\nsrc/content/articles/nl/sense-intelligentielaag-in-negentig-dagen.md glossary: Bewijsregister","weight":1.5,"locales":["en","nl"],"id":"article:sense-90-day-intelligence-layer|discusses|concept:evidence-ledger"},{"source":"article:sense-90-day-intelligence-layer","target":"concept:sense","relation":"discusses","evidence":"src/content/articles/en/sense-90-day-intelligence-layer.md glossary: SENSE\nsrc/content/articles/nl/sense-intelligentielaag-in-negentig-dagen.md glossary: SENSE","weight":1.5,"locales":["en","nl"],"id":"article:sense-90-day-intelligence-layer|discusses|concept:sense"},{"source":"article:sense-90-day-intelligence-layer","target":"concept:strategic-intelligence-layer","relation":"discusses","evidence":"src/content/articles/en/sense-90-day-intelligence-layer.md glossary: Strategic intelligence layer\nsrc/content/articles/nl/sense-intelligentielaag-in-negentig-dagen.md glossary: Strategische intelligentielaag","weight":1.5,"locales":["en","nl"],"id":"article:sense-90-day-intelligence-layer|discusses|concept:strategic-intelligence-layer"},{"source":"article:sense-90-day-intelligence-layer","target":"concept:tag:ai-agents","relation":"discusses","evidence":"src/content/articles/en/sense-90-day-intelligence-layer.md tags: ai-agents\nsrc/content/articles/nl/sense-intelligentielaag-in-negentig-dagen.md tags: ai-agents","weight":1.5,"locales":["en","nl"],"id":"article:sense-90-day-intelligence-layer|discusses|concept:tag:ai-agents"},{"source":"article:sense-90-day-intelligence-layer","target":"article:agentic-workflow-vs-automation","relation":"references","evidence":"src/content/articles/en/sense-90-day-intelligence-layer.md body: /en/blog/agentic-workflow-vs-automation/\nsrc/content/articles/en/sense-90-day-intelligence-layer.md furtherReading: /en/blog/agentic-workflow-vs-automation/\nsrc/content/articles/nl/sense-intelligentielaag-in-negentig-dagen.md body: /nl/blog/agentic-workflow-versus-automatisering/\nsrc/content/articles/nl/sense-intelligentielaag-in-negentig-dagen.md furtherReading: /nl/blog/agentic-workflow-versus-automatisering/","weight":1,"locales":["en","nl"],"id":"article:sense-90-day-intelligence-layer|references|article:agentic-workflow-vs-automation"},{"source":"article:sense-90-day-intelligence-layer","target":"article:ai-agents-for-startup-strategy-introduction","relation":"references","evidence":"src/content/articles/en/sense-90-day-intelligence-layer.md body: /en/blog/ai-agents-for-startup-strategy-introduction/\nsrc/content/articles/en/sense-90-day-intelligence-layer.md furtherReading: /en/blog/ai-agents-for-startup-strategy-introduction/\nsrc/content/articles/nl/sense-intelligentielaag-in-negentig-dagen.md body: /nl/blog/ai-agenten-voor-startupstrategie-introductie/\nsrc/content/articles/nl/sense-intelligentielaag-in-negentig-dagen.md furtherReading: /nl/blog/ai-agenten-voor-startupstrategie-introductie/","weight":1,"locales":["en","nl"],"id":"article:sense-90-day-intelligence-layer|references|article:ai-agents-for-startup-strategy-introduction"},{"source":"article:sense-90-day-intelligence-layer","target":"article:what-is-an-ai-agent","relation":"references","evidence":"src/content/articles/en/sense-90-day-intelligence-layer.md body: /en/blog/what-is-an-ai-agent/\nsrc/content/articles/en/sense-90-day-intelligence-layer.md furtherReading: /en/blog/what-is-an-ai-agent/\nsrc/content/articles/nl/sense-intelligentielaag-in-negentig-dagen.md body: /nl/blog/wat-is-een-ai-agent/\nsrc/content/articles/nl/sense-intelligentielaag-in-negentig-dagen.md furtherReading: /nl/blog/wat-is-een-ai-agent/","weight":1,"locales":["en","nl"],"id":"article:sense-90-day-intelligence-layer|references|article:what-is-an-ai-agent"},{"source":"article:sense-90-day-intelligence-layer","target":"concept:ai-agent","relation":"references","evidence":"src/content/articles/en/sense-90-day-intelligence-layer.md body: /glossary/ai-agent/\nsrc/content/articles/nl/sense-intelligentielaag-in-negentig-dagen.md body: /nl/begrippen/ai-agent/","weight":1,"locales":["en","nl"],"id":"article:sense-90-day-intelligence-layer|references|concept:ai-agent"},{"source":"article:sense-90-day-intelligence-layer","target":"concept:chorus","relation":"references","evidence":"src/content/articles/en/sense-90-day-intelligence-layer.md body: /frameworks/chorus/\nsrc/content/articles/nl/sense-intelligentielaag-in-negentig-dagen.md body: /nl/frameworks/chorus/","weight":1,"locales":["en","nl"],"id":"article:sense-90-day-intelligence-layer|references|concept:chorus"},{"source":"article:sense-90-day-intelligence-layer","target":"concept:evidence-ledger","relation":"references","evidence":"src/content/articles/en/sense-90-day-intelligence-layer.md body: /glossary/evidence-ledger/\nsrc/content/articles/nl/sense-intelligentielaag-in-negentig-dagen.md body: /nl/begrippen/bewijsregister/","weight":1,"locales":["en","nl"],"id":"article:sense-90-day-intelligence-layer|references|concept:evidence-ledger"},{"source":"article:sense-90-day-intelligence-layer","target":"concept:sense","relation":"references","evidence":"src/content/articles/en/sense-90-day-intelligence-layer.md body: /frameworks/sense/\nsrc/content/articles/en/sense-90-day-intelligence-layer.md body: /glossary/sense/\nsrc/content/articles/en/sense-90-day-intelligence-layer.md furtherReading: /frameworks/sense/\nsrc/content/articles/en/sense-90-day-intelligence-layer.md sources: /frameworks/sense/\nsrc/content/articles/nl/sense-intelligentielaag-in-negentig-dagen.md body: /nl/begrippen/sense/\nsrc/content/articles/nl/sense-intelligentielaag-in-negentig-dagen.md body: /nl/frameworks/sense/\nsrc/content/articles/nl/sense-intelligentielaag-in-negentig-dagen.md furtherReading: /nl/frameworks/sense/\nsrc/content/articles/nl/sense-intelligentielaag-in-negentig-dagen.md sources: /nl/frameworks/sense/","weight":1,"locales":["en","nl"],"id":"article:sense-90-day-intelligence-layer|references|concept:sense"},{"source":"article:sense-90-day-intelligence-layer","target":"concept:strategic-intelligence-layer","relation":"references","evidence":"src/content/articles/en/sense-90-day-intelligence-layer.md body: /glossary/strategic-intelligence-layer/\nsrc/content/articles/en/sense-90-day-intelligence-layer.md sources: /glossary/strategic-intelligence-layer/\nsrc/content/articles/nl/sense-intelligentielaag-in-negentig-dagen.md body: /nl/begrippen/strategische-intelligentielaag/\nsrc/content/articles/nl/sense-intelligentielaag-in-negentig-dagen.md sources: /nl/begrippen/strategische-intelligentielaag/","weight":1,"locales":["en","nl"],"id":"article:sense-90-day-intelligence-layer|references|concept:strategic-intelligence-layer"},{"source":"article:sense-90-day-intelligence-layer","target":"volume:ai-agents-for-startup-strategy","relation":"references","evidence":"src/content/articles/en/sense-90-day-intelligence-layer.md body: /ai-agents-for-startup-strategy/\nsrc/content/articles/en/sense-90-day-intelligence-layer.md furtherReading: /ai-agents-for-startup-strategy/\nsrc/content/articles/en/sense-90-day-intelligence-layer.md sources: /ai-agents-for-startup-strategy/\nsrc/content/articles/nl/sense-intelligentielaag-in-negentig-dagen.md body: /boeken/ai-agents-for-startup-strategy/\nsrc/content/articles/nl/sense-intelligentielaag-in-negentig-dagen.md furtherReading: /boeken/ai-agents-for-startup-strategy/\nsrc/content/articles/nl/sense-intelligentielaag-in-negentig-dagen.md sources: /boeken/ai-agents-for-startup-strategy/","weight":1,"locales":["en","nl"],"id":"article:sense-90-day-intelligence-layer|references|volume:ai-agents-for-startup-strategy"},{"source":"article:sense-90-day-intelligence-layer","target":"article:agentic-workflow-vs-automation","relation":"related","evidence":"src/content/articles/en/sense-90-day-intelligence-layer.md relatedArticleIds: b0c61b6b-2323-4daf-af82-d1797790765d\nsrc/content/articles/nl/sense-intelligentielaag-in-negentig-dagen.md relatedArticleIds: b0c61b6b-2323-4daf-af82-d1797790765d","weight":2,"locales":["en","nl"],"id":"article:sense-90-day-intelligence-layer|related|article:agentic-workflow-vs-automation"},{"source":"article:sense-90-day-intelligence-layer","target":"article:ai-agents-for-startup-strategy-introduction","relation":"related","evidence":"src/content/articles/en/sense-90-day-intelligence-layer.md relatedArticleIds: 94cf5d15-e475-4200-89a1-55b144c4a217\nsrc/content/articles/nl/sense-intelligentielaag-in-negentig-dagen.md relatedArticleIds: 94cf5d15-e475-4200-89a1-55b144c4a217","weight":2,"locales":["en","nl"],"id":"article:sense-90-day-intelligence-layer|related|article:ai-agents-for-startup-strategy-introduction"},{"source":"article:sense-90-day-intelligence-layer","target":"article:what-is-an-ai-agent","relation":"related","evidence":"src/content/articles/en/sense-90-day-intelligence-layer.md relatedArticleIds: 69f0de22-6dd9-44b3-b6d8-b89ce8d8df7e\nsrc/content/articles/nl/sense-intelligentielaag-in-negentig-dagen.md relatedArticleIds: 69f0de22-6dd9-44b3-b6d8-b89ce8d8df7e","weight":2,"locales":["en","nl"],"id":"article:sense-90-day-intelligence-layer|related|article:what-is-an-ai-agent"},{"source":"article:sense-90-day-intelligence-layer","target":"article:why-multi-agent-systems-fail","relation":"related","evidence":"src/content/articles/en/sense-90-day-intelligence-layer.md relatedArticleIds: ac288a9d-bf78-42af-934d-f2762b095752\nsrc/content/articles/nl/sense-intelligentielaag-in-negentig-dagen.md relatedArticleIds: ac288a9d-bf78-42af-934d-f2762b095752","weight":2,"locales":["en","nl"],"id":"article:sense-90-day-intelligence-layer|related|article:why-multi-agent-systems-fail"},{"source":"article:sense-90-day-intelligence-layer","target":"concept:evidence-ledger","relation":"related","evidence":"src/data/site-link-graph.ts: sense-90-day-intelligence-layer frameworks/glossary","weight":2,"locales":["en","nl"],"id":"article:sense-90-day-intelligence-layer|related|concept:evidence-ledger"},{"source":"article:sense-90-day-intelligence-layer","target":"concept:sense","relation":"related","evidence":"src/data/site-link-graph.ts: sense-90-day-intelligence-layer frameworks/glossary","weight":2,"locales":["en","nl"],"id":"article:sense-90-day-intelligence-layer|related|concept:sense"},{"source":"article:sense-90-day-intelligence-layer","target":"concept:strategic-intelligence-layer","relation":"related","evidence":"src/data/site-link-graph.ts: sense-90-day-intelligence-layer frameworks/glossary","weight":2,"locales":["en","nl"],"id":"article:sense-90-day-intelligence-layer|related|concept:strategic-intelligence-layer"},{"source":"article:sense-90-day-intelligence-layer","target":"volume:ai-agents-for-startup-strategy","relation":"related","evidence":"src/data/site-link-graph.ts: sense-90-day-intelligence-layer books","weight":2,"locales":["en","nl"],"id":"article:sense-90-day-intelligence-layer|related|volume:ai-agents-for-startup-strategy"},{"source":"article:stack-version-the-agent-os","target":"concept:mcp","relation":"discusses","evidence":"src/content/articles/en/stack-version-the-agent-os.md glossary: MCP\nsrc/content/articles/nl/stack-versioneer-het-agent-os.md glossary: MCP","weight":1.5,"locales":["en","nl"],"id":"article:stack-version-the-agent-os|discusses|concept:mcp"},{"source":"article:stack-version-the-agent-os","target":"concept:override-doctrine","relation":"discusses","evidence":"src/content/articles/en/stack-version-the-agent-os.md glossary: Override doctrine\nsrc/content/articles/nl/stack-versioneer-het-agent-os.md glossary: Override-doctrine","weight":1.5,"locales":["en","nl"],"id":"article:stack-version-the-agent-os|discusses|concept:override-doctrine"},{"source":"article:stack-version-the-agent-os","target":"concept:stack","relation":"discusses","evidence":"src/content/articles/en/stack-version-the-agent-os.md glossary: STACK\nsrc/content/articles/nl/stack-versioneer-het-agent-os.md glossary: STACK","weight":1.5,"locales":["en","nl"],"id":"article:stack-version-the-agent-os|discusses|concept:stack"},{"source":"article:stack-version-the-agent-os","target":"concept:tag:agentic-codebase","relation":"discusses","evidence":"src/content/articles/en/stack-version-the-agent-os.md tags: agentic-codebase\nsrc/content/articles/nl/stack-versioneer-het-agent-os.md tags: agentic-codebase","weight":1.5,"locales":["en","nl"],"id":"article:stack-version-the-agent-os|discusses|concept:tag:agentic-codebase"},{"source":"article:stack-version-the-agent-os","target":"concept:tag:ai-agents","relation":"discusses","evidence":"src/content/articles/en/stack-version-the-agent-os.md tags: ai-agents\nsrc/content/articles/nl/stack-versioneer-het-agent-os.md tags: ai-agents","weight":1.5,"locales":["en","nl"],"id":"article:stack-version-the-agent-os|discusses|concept:tag:ai-agents"},{"source":"article:stack-version-the-agent-os","target":"article:mcp-explained-for-founders","relation":"references","evidence":"src/content/articles/en/stack-version-the-agent-os.md body: /en/blog/mcp-explained-for-founders/\nsrc/content/articles/en/stack-version-the-agent-os.md furtherReading: /en/blog/mcp-explained-for-founders/\nsrc/content/articles/en/stack-version-the-agent-os.md sources: /en/blog/mcp-explained-for-founders/\nsrc/content/articles/nl/stack-versioneer-het-agent-os.md body: /nl/blog/mcp-uitgelegd-voor-ondernemers/\nsrc/content/articles/nl/stack-versioneer-het-agent-os.md furtherReading: /nl/blog/mcp-uitgelegd-voor-ondernemers/\nsrc/content/articles/nl/stack-versioneer-het-agent-os.md sources: /nl/blog/mcp-uitgelegd-voor-ondernemers/","weight":1,"locales":["en","nl"],"id":"article:stack-version-the-agent-os|references|article:mcp-explained-for-founders"},{"source":"article:stack-version-the-agent-os","target":"article:the-agentic-codebase-introduction","relation":"references","evidence":"src/content/articles/en/stack-version-the-agent-os.md body: /en/blog/the-agentic-codebase-introduction/\nsrc/content/articles/nl/stack-versioneer-het-agent-os.md body: /nl/blog/de-agentische-codebase-introductie/","weight":1,"locales":["en","nl"],"id":"article:stack-version-the-agent-os|references|article:the-agentic-codebase-introduction"},{"source":"article:stack-version-the-agent-os","target":"article:what-is-chorus","relation":"references","evidence":"src/content/articles/en/stack-version-the-agent-os.md body: /en/blog/what-is-chorus/\nsrc/content/articles/nl/stack-versioneer-het-agent-os.md body: /nl/blog/wat-is-chorus/","weight":1,"locales":["en","nl"],"id":"article:stack-version-the-agent-os|references|article:what-is-chorus"},{"source":"article:stack-version-the-agent-os","target":"article:what-is-stack","relation":"references","evidence":"src/content/articles/en/stack-version-the-agent-os.md body: /en/blog/what-is-stack/\nsrc/content/articles/nl/stack-versioneer-het-agent-os.md body: /nl/blog/wat-is-stack/","weight":1,"locales":["en","nl"],"id":"article:stack-version-the-agent-os|references|article:what-is-stack"},{"source":"article:stack-version-the-agent-os","target":"concept:mcp","relation":"references","evidence":"src/content/articles/en/stack-version-the-agent-os.md body: /glossary/mcp/\nsrc/content/articles/nl/stack-versioneer-het-agent-os.md body: /nl/begrippen/mcp/","weight":1,"locales":["en","nl"],"id":"article:stack-version-the-agent-os|references|concept:mcp"},{"source":"article:stack-version-the-agent-os","target":"concept:override-doctrine","relation":"references","evidence":"src/content/articles/en/stack-version-the-agent-os.md body: /glossary/override-doctrine/\nsrc/content/articles/nl/stack-versioneer-het-agent-os.md body: /nl/begrippen/override-doctrine/","weight":1,"locales":["en","nl"],"id":"article:stack-version-the-agent-os|references|concept:override-doctrine"},{"source":"article:stack-version-the-agent-os","target":"concept:stack","relation":"references","evidence":"src/content/articles/en/stack-version-the-agent-os.md body: /frameworks/stack/\nsrc/content/articles/en/stack-version-the-agent-os.md furtherReading: /frameworks/stack/\nsrc/content/articles/en/stack-version-the-agent-os.md sources: /frameworks/stack/\nsrc/content/articles/nl/stack-versioneer-het-agent-os.md body: /nl/frameworks/stack/\nsrc/content/articles/nl/stack-versioneer-het-agent-os.md furtherReading: /nl/frameworks/stack/\nsrc/content/articles/nl/stack-versioneer-het-agent-os.md sources: /nl/frameworks/stack/","weight":1,"locales":["en","nl"],"id":"article:stack-version-the-agent-os|references|concept:stack"},{"source":"article:stack-version-the-agent-os","target":"volume:the-agentic-codebase","relation":"references","evidence":"src/content/articles/en/stack-version-the-agent-os.md body: /books/the-agentic-codebase/\nsrc/content/articles/en/stack-version-the-agent-os.md furtherReading: /books/the-agentic-codebase/\nsrc/content/articles/en/stack-version-the-agent-os.md sources: /books/the-agentic-codebase/\nsrc/content/articles/nl/stack-versioneer-het-agent-os.md body: /boeken/the-agentic-codebase/\nsrc/content/articles/nl/stack-versioneer-het-agent-os.md furtherReading: /boeken/the-agentic-codebase/\nsrc/content/articles/nl/stack-versioneer-het-agent-os.md sources: /boeken/the-agentic-codebase/","weight":1,"locales":["en","nl"],"id":"article:stack-version-the-agent-os|references|volume:the-agentic-codebase"},{"source":"article:stack-version-the-agent-os","target":"article:mcp-explained-for-founders","relation":"related","evidence":"src/content/articles/en/stack-version-the-agent-os.md relatedArticleIds: bf0091f2-668e-48f6-aad0-efd1b61bbfa0\nsrc/content/articles/nl/stack-versioneer-het-agent-os.md relatedArticleIds: bf0091f2-668e-48f6-aad0-efd1b61bbfa0","weight":2,"locales":["en","nl"],"id":"article:stack-version-the-agent-os|related|article:mcp-explained-for-founders"},{"source":"article:stack-version-the-agent-os","target":"article:the-agentic-codebase-introduction","relation":"related","evidence":"src/content/articles/en/stack-version-the-agent-os.md relatedArticleIds: 42ecc0ae-dbb0-4fc6-8781-22c34db2113d\nsrc/content/articles/nl/stack-versioneer-het-agent-os.md relatedArticleIds: 42ecc0ae-dbb0-4fc6-8781-22c34db2113d","weight":2,"locales":["en","nl"],"id":"article:stack-version-the-agent-os|related|article:the-agentic-codebase-introduction"},{"source":"article:stack-version-the-agent-os","target":"concept:mcp","relation":"related","evidence":"src/data/site-link-graph.ts: stack-version-the-agent-os frameworks/glossary","weight":2,"locales":["en","nl"],"id":"article:stack-version-the-agent-os|related|concept:mcp"},{"source":"article:stack-version-the-agent-os","target":"concept:override-doctrine","relation":"related","evidence":"src/data/site-link-graph.ts: stack-version-the-agent-os frameworks/glossary","weight":2,"locales":["en","nl"],"id":"article:stack-version-the-agent-os|related|concept:override-doctrine"},{"source":"article:stack-version-the-agent-os","target":"concept:stack","relation":"related","evidence":"src/data/site-link-graph.ts: stack-version-the-agent-os frameworks/glossary","weight":2,"locales":["en","nl"],"id":"article:stack-version-the-agent-os|related|concept:stack"},{"source":"article:stack-version-the-agent-os","target":"volume:the-agentic-codebase","relation":"related","evidence":"src/data/site-link-graph.ts: stack-version-the-agent-os books","weight":2,"locales":["en","nl"],"id":"article:stack-version-the-agent-os|related|volume:the-agentic-codebase"},{"source":"article:stack-vs-agents-md","target":"concept:stack","relation":"discusses","evidence":"src/content/articles/en/stack-vs-agents-md.md glossary: STACK\nsrc/content/articles/nl/stack-versus-agents-md.md glossary: STACK","weight":1.5,"locales":["en","nl"],"id":"article:stack-vs-agents-md|discusses|concept:stack"},{"source":"article:stack-vs-agents-md","target":"concept:tag:agentic-codebase","relation":"discusses","evidence":"src/content/articles/en/stack-vs-agents-md.md tags: agentic-codebase\nsrc/content/articles/nl/stack-versus-agents-md.md tags: agentic-codebase","weight":1.5,"locales":["en","nl"],"id":"article:stack-vs-agents-md|discusses|concept:tag:agentic-codebase"},{"source":"article:stack-vs-agents-md","target":"article:override-doctrine","relation":"references","evidence":"src/content/articles/en/stack-vs-agents-md.md body: /en/blog/override-doctrine/\nsrc/content/articles/en/stack-vs-agents-md.md sources: /en/blog/override-doctrine/\nsrc/content/articles/nl/stack-versus-agents-md.md body: /nl/blog/override-doctrine/\nsrc/content/articles/nl/stack-versus-agents-md.md sources: /nl/blog/override-doctrine/","weight":1,"locales":["en","nl"],"id":"article:stack-vs-agents-md|references|article:override-doctrine"},{"source":"article:stack-vs-agents-md","target":"article:stack-version-the-agent-os","relation":"references","evidence":"src/content/articles/en/stack-vs-agents-md.md furtherReading: /en/blog/stack-version-the-agent-os/\nsrc/content/articles/nl/stack-versus-agents-md.md furtherReading: /nl/blog/stack-versioneer-het-agent-os/","weight":1,"locales":["en","nl"],"id":"article:stack-vs-agents-md|references|article:stack-version-the-agent-os"},{"source":"article:stack-vs-agents-md","target":"article:what-is-stack","relation":"references","evidence":"src/content/articles/en/stack-vs-agents-md.md body: /en/blog/what-is-stack/\nsrc/content/articles/en/stack-vs-agents-md.md furtherReading: /en/blog/what-is-stack/\nsrc/content/articles/en/stack-vs-agents-md.md sources: /en/blog/what-is-stack/\nsrc/content/articles/nl/stack-versus-agents-md.md body: /nl/blog/wat-is-stack/\nsrc/content/articles/nl/stack-versus-agents-md.md furtherReading: /nl/blog/wat-is-stack/\nsrc/content/articles/nl/stack-versus-agents-md.md sources: /nl/blog/wat-is-stack/","weight":1,"locales":["en","nl"],"id":"article:stack-vs-agents-md|references|article:what-is-stack"},{"source":"article:stack-vs-agents-md","target":"concept:mcp","relation":"references","evidence":"src/content/articles/en/stack-vs-agents-md.md body: /glossary/mcp/\nsrc/content/articles/nl/stack-versus-agents-md.md body: /nl/begrippen/mcp/","weight":1,"locales":["en","nl"],"id":"article:stack-vs-agents-md|references|concept:mcp"},{"source":"article:stack-vs-agents-md","target":"concept:stack","relation":"references","evidence":"src/content/articles/en/stack-vs-agents-md.md body: /frameworks/stack/\nsrc/content/articles/en/stack-vs-agents-md.md sources: /frameworks/stack/\nsrc/content/articles/nl/stack-versus-agents-md.md body: /nl/frameworks/stack/\nsrc/content/articles/nl/stack-versus-agents-md.md sources: /nl/frameworks/stack/","weight":1,"locales":["en","nl"],"id":"article:stack-vs-agents-md|references|concept:stack"},{"source":"article:stack-vs-agents-md","target":"volume:the-agentic-codebase","relation":"references","evidence":"src/content/articles/en/stack-vs-agents-md.md body: /books/the-agentic-codebase/\nsrc/content/articles/en/stack-vs-agents-md.md furtherReading: /books/the-agentic-codebase/\nsrc/content/articles/en/stack-vs-agents-md.md sources: /books/the-agentic-codebase/\nsrc/content/articles/nl/stack-versus-agents-md.md body: /boeken/the-agentic-codebase/\nsrc/content/articles/nl/stack-versus-agents-md.md furtherReading: /boeken/the-agentic-codebase/\nsrc/content/articles/nl/stack-versus-agents-md.md sources: /boeken/the-agentic-codebase/","weight":1,"locales":["en","nl"],"id":"article:stack-vs-agents-md|references|volume:the-agentic-codebase"},{"source":"article:stack-vs-agents-md","target":"article:override-doctrine","relation":"related","evidence":"src/content/articles/en/stack-vs-agents-md.md relatedArticleIds: e390df0a-2d52-4767-9356-28f5b80611f7\nsrc/content/articles/nl/stack-versus-agents-md.md relatedArticleIds: 819c840d-12b3-4211-ba47-9dcda8b9e831","weight":2,"locales":["en","nl"],"id":"article:stack-vs-agents-md|related|article:override-doctrine"},{"source":"article:stack-vs-agents-md","target":"article:stack-version-the-agent-os","relation":"related","evidence":"src/content/articles/en/stack-vs-agents-md.md relatedArticleIds: bd53b609-cc78-4921-bf20-d71d4d0a26c3\nsrc/content/articles/nl/stack-versus-agents-md.md relatedArticleIds: 94dbba42-a1dd-43a1-8fd4-8a41c6fcb7ad","weight":2,"locales":["en","nl"],"id":"article:stack-vs-agents-md|related|article:stack-version-the-agent-os"},{"source":"article:stack-vs-agents-md","target":"article:the-agentic-codebase-introduction","relation":"related","evidence":"src/content/articles/en/stack-vs-agents-md.md relatedArticleIds: 42ecc0ae-dbb0-4fc6-8781-22c34db2113d\nsrc/content/articles/nl/stack-versus-agents-md.md relatedArticleIds: fb505cb3-63c5-4cb9-ac16-6880e527608d","weight":2,"locales":["en","nl"],"id":"article:stack-vs-agents-md|related|article:the-agentic-codebase-introduction"},{"source":"article:stack-vs-agents-md","target":"article:what-is-stack","relation":"related","evidence":"src/content/articles/en/stack-vs-agents-md.md relatedArticleIds: 69b9e6d4-ccc6-4fea-acdb-903f213f37cc\nsrc/content/articles/nl/stack-versus-agents-md.md relatedArticleIds: 884d927d-41a7-48e5-b7fb-8ac9f49eea07","weight":2,"locales":["en","nl"],"id":"article:stack-vs-agents-md|related|article:what-is-stack"},{"source":"article:stoic-systems","target":"concept:tag:founder-resilience","relation":"discusses","evidence":"src/content/articles/en/stoic-systems.md tags: founder-resilience\nsrc/content/articles/nl/stoische-systemen.md tags: founder-resilience","weight":1.5,"locales":["en","nl"],"id":"article:stoic-systems|discusses|concept:tag:founder-resilience"},{"source":"article:stoic-systems","target":"article:founder-systems-without-willpower","relation":"references","evidence":"src/content/articles/en/stoic-systems.md body: /en/blog/founder-systems-when-willpower-is-gone/\nsrc/content/articles/en/stoic-systems.md furtherReading: /en/blog/founder-systems-when-willpower-is-gone/\nsrc/content/articles/en/stoic-systems.md sources: /en/blog/founder-systems-when-willpower-is-gone/\nsrc/content/articles/nl/stoische-systemen.md body: /nl/blog/foundersystemen-zonder-wilskracht/\nsrc/content/articles/nl/stoische-systemen.md furtherReading: /nl/blog/foundersystemen-zonder-wilskracht/\nsrc/content/articles/nl/stoische-systemen.md sources: /nl/blog/foundersystemen-zonder-wilskracht/","weight":1,"locales":["en","nl"],"id":"article:stoic-systems|references|article:founder-systems-without-willpower"},{"source":"article:stoic-systems","target":"volume:stoic-systems-for-decision-making","relation":"references","evidence":"src/content/articles/en/stoic-systems.md body: /books/stoic-systems-for-decision-making/\nsrc/content/articles/en/stoic-systems.md furtherReading: /books/stoic-systems-for-decision-making/\nsrc/content/articles/en/stoic-systems.md sources: /books/stoic-systems-for-decision-making/\nsrc/content/articles/nl/stoische-systemen.md body: /boeken/stoic-systems-for-decision-making/\nsrc/content/articles/nl/stoische-systemen.md furtherReading: /boeken/stoic-systems-for-decision-making/\nsrc/content/articles/nl/stoische-systemen.md sources: /boeken/stoic-systems-for-decision-making/","weight":1,"locales":["en","nl"],"id":"article:stoic-systems|references|volume:stoic-systems-for-decision-making"},{"source":"article:stoic-systems","target":"article:founder-systems-without-willpower","relation":"related","evidence":"src/content/articles/en/stoic-systems.md relatedArticleIds: ffa9a67b-1e46-4443-83ce-d45313724d8f\nsrc/content/articles/nl/stoische-systemen.md relatedArticleIds: ffa9a67b-1e46-4443-83ce-d45313724d8f","weight":2,"locales":["en","nl"],"id":"article:stoic-systems|related|article:founder-systems-without-willpower"},{"source":"article:stoic-vs-stoicism","target":"concept:resilient","relation":"discusses","evidence":"src/content/articles/en/stoic-vs-stoicism.md glossary: RESILIENT\nsrc/content/articles/nl/stoisch-of-stoicijns.md glossary: RESILIENT","weight":1.5,"locales":["en","nl"],"id":"article:stoic-vs-stoicism|discusses|concept:resilient"},{"source":"article:stoic-vs-stoicism","target":"concept:tag:founder-resilience","relation":"discusses","evidence":"src/content/articles/en/stoic-vs-stoicism.md tags: founder-resilience\nsrc/content/articles/nl/stoisch-of-stoicijns.md tags: founder-resilience","weight":1.5,"locales":["en","nl"],"id":"article:stoic-vs-stoicism|discusses|concept:tag:founder-resilience"},{"source":"article:stoic-vs-stoicism","target":"article:stoic-systems","relation":"references","evidence":"src/content/articles/en/stoic-vs-stoicism.md body: /en/blog/stoic-systems/\nsrc/content/articles/en/stoic-vs-stoicism.md furtherReading: /en/blog/stoic-systems/\nsrc/content/articles/en/stoic-vs-stoicism.md sources: /en/blog/stoic-systems/\nsrc/content/articles/nl/stoisch-of-stoicijns.md body: /nl/blog/stoische-systemen/\nsrc/content/articles/nl/stoisch-of-stoicijns.md furtherReading: /nl/blog/stoische-systemen/\nsrc/content/articles/nl/stoisch-of-stoicijns.md sources: /nl/blog/stoische-systemen/","weight":1,"locales":["en","nl"],"id":"article:stoic-vs-stoicism|references|article:stoic-systems"},{"source":"article:stoic-vs-stoicism","target":"article:what-is-founder-resilience","relation":"references","evidence":"src/content/articles/en/stoic-vs-stoicism.md body: /en/blog/what-is-founder-resilience/\nsrc/content/articles/en/stoic-vs-stoicism.md furtherReading: /en/blog/what-is-founder-resilience/\nsrc/content/articles/nl/stoisch-of-stoicijns.md body: /nl/blog/wat-is-oprichtersveerkracht/\nsrc/content/articles/nl/stoisch-of-stoicijns.md furtherReading: /nl/blog/wat-is-oprichtersveerkracht/","weight":1,"locales":["en","nl"],"id":"article:stoic-vs-stoicism|references|article:what-is-founder-resilience"},{"source":"article:stoic-vs-stoicism","target":"concept:resilient","relation":"references","evidence":"src/content/articles/en/stoic-vs-stoicism.md body: /frameworks/resilient/\nsrc/content/articles/en/stoic-vs-stoicism.md furtherReading: /frameworks/resilient/\nsrc/content/articles/en/stoic-vs-stoicism.md sources: /frameworks/resilient/\nsrc/content/articles/nl/stoisch-of-stoicijns.md body: /nl/frameworks/resilient/\nsrc/content/articles/nl/stoisch-of-stoicijns.md furtherReading: /nl/frameworks/resilient/\nsrc/content/articles/nl/stoisch-of-stoicijns.md sources: /nl/frameworks/resilient/","weight":1,"locales":["en","nl"],"id":"article:stoic-vs-stoicism|references|concept:resilient"},{"source":"article:stoic-vs-stoicism","target":"volume:psychology-of-founder-resilience","relation":"references","evidence":"src/content/articles/en/stoic-vs-stoicism.md body: /books/psychology-of-founder-resilience/\nsrc/content/articles/en/stoic-vs-stoicism.md sources: /books/psychology-of-founder-resilience/\nsrc/content/articles/nl/stoisch-of-stoicijns.md body: /boeken/psychology-of-founder-resilience/\nsrc/content/articles/nl/stoisch-of-stoicijns.md sources: /boeken/psychology-of-founder-resilience/","weight":1,"locales":["en","nl"],"id":"article:stoic-vs-stoicism|references|volume:psychology-of-founder-resilience"},{"source":"article:stoic-vs-stoicism","target":"volume:stoic-systems-for-decision-making","relation":"references","evidence":"src/content/articles/en/stoic-vs-stoicism.md sources: /books/stoic-systems-for-decision-making/\nsrc/content/articles/nl/stoisch-of-stoicijns.md sources: /boeken/stoic-systems-for-decision-making/","weight":1,"locales":["en","nl"],"id":"article:stoic-vs-stoicism|references|volume:stoic-systems-for-decision-making"},{"source":"article:stoic-vs-stoicism","target":"article:stoic-systems","relation":"related","evidence":"src/content/articles/en/stoic-vs-stoicism.md relatedArticleIds: 45e27c9c-ef18-443f-9585-e3f69ea79be5\nsrc/content/articles/nl/stoisch-of-stoicijns.md relatedArticleIds: c9ce3015-0336-4b9e-b5e6-3f811734ffb9","weight":2,"locales":["en","nl"],"id":"article:stoic-vs-stoicism|related|article:stoic-systems"},{"source":"article:stoic-vs-stoicism","target":"article:what-is-founder-resilience","relation":"related","evidence":"src/content/articles/en/stoic-vs-stoicism.md relatedArticleIds: 6645ec64-d54c-46a1-aa10-b2440af59ad7\nsrc/content/articles/nl/stoisch-of-stoicijns.md relatedArticleIds: ef7f169b-5ed7-4e7a-a9b2-4d96df7d84e0","weight":2,"locales":["en","nl"],"id":"article:stoic-vs-stoicism|related|article:what-is-founder-resilience"},{"source":"article:technical-geo","target":"concept:geo","relation":"discusses","evidence":"src/content/articles/en/technical-geo.md glossary: GEO\nsrc/content/articles/en/technical-geo.md tags: geo\nsrc/content/articles/nl/technische-geo.md glossary: GEO\nsrc/content/articles/nl/technische-geo.md tags: geo","weight":1.5,"locales":["en","nl"],"id":"article:technical-geo|discusses|concept:geo"},{"source":"article:technical-geo","target":"article:answer-engine-citations","relation":"references","evidence":"src/content/articles/en/technical-geo.md body: /en/blog/how-answer-engines-select-sources/\nsrc/content/articles/en/technical-geo.md furtherReading: /en/blog/how-answer-engines-select-sources/\nsrc/content/articles/en/technical-geo.md sources: /en/blog/how-answer-engines-select-sources/\nsrc/content/articles/nl/technische-geo.md body: /nl/blog/hoe-antwoordmachines-bronnen-selecteren/\nsrc/content/articles/nl/technische-geo.md furtherReading: /nl/blog/hoe-antwoordmachines-bronnen-selecteren/\nsrc/content/articles/nl/technische-geo.md sources: /nl/blog/hoe-antwoordmachines-bronnen-selecteren/","weight":1,"locales":["en","nl"],"id":"article:technical-geo|references|article:answer-engine-citations"},{"source":"article:technical-geo","target":"article:geo-meaning","relation":"references","evidence":"src/content/articles/en/technical-geo.md body: /en/blog/what-geo-means/\nsrc/content/articles/en/technical-geo.md furtherReading: /en/blog/what-geo-means/\nsrc/content/articles/en/technical-geo.md sources: /en/blog/what-geo-means/\nsrc/content/articles/nl/technische-geo.md body: /nl/blog/geo-betekenis/\nsrc/content/articles/nl/technische-geo.md furtherReading: /nl/blog/geo-betekenis/\nsrc/content/articles/nl/technische-geo.md sources: /nl/blog/geo-betekenis/","weight":1,"locales":["en","nl"],"id":"article:technical-geo|references|article:geo-meaning"},{"source":"article:technical-geo","target":"article:gptbot-vs-oai-searchbot","relation":"references","evidence":"src/content/articles/en/technical-geo.md body: /en/blog/gptbot-vs-oai-searchbot/\nsrc/content/articles/en/technical-geo.md furtherReading: /en/blog/gptbot-vs-oai-searchbot/\nsrc/content/articles/en/technical-geo.md sources: /en/blog/gptbot-vs-oai-searchbot/\nsrc/content/articles/nl/technische-geo.md body: /nl/blog/gptbot-versus-oai-searchbot/\nsrc/content/articles/nl/technische-geo.md furtherReading: /nl/blog/gptbot-versus-oai-searchbot/\nsrc/content/articles/nl/technische-geo.md sources: /nl/blog/gptbot-versus-oai-searchbot/","weight":1,"locales":["en","nl"],"id":"article:technical-geo|references|article:gptbot-vs-oai-searchbot"},{"source":"article:technical-geo","target":"article:what-is-llms-txt","relation":"references","evidence":"src/content/articles/en/technical-geo.md body: /en/blog/what-is-llms-txt/\nsrc/content/articles/en/technical-geo.md furtherReading: /en/blog/what-is-llms-txt/\nsrc/content/articles/en/technical-geo.md sources: /en/blog/what-is-llms-txt/\nsrc/content/articles/nl/technische-geo.md body: /nl/blog/wat-is-llms-txt/\nsrc/content/articles/nl/technische-geo.md furtherReading: /nl/blog/wat-is-llms-txt/\nsrc/content/articles/nl/technische-geo.md sources: /nl/blog/wat-is-llms-txt/","weight":1,"locales":["en","nl"],"id":"article:technical-geo|references|article:what-is-llms-txt"},{"source":"article:technical-geo","target":"concept:geo","relation":"references","evidence":"src/content/articles/en/technical-geo.md body: /glossary/geo/\nsrc/content/articles/en/technical-geo.md sources: /glossary/geo/\nsrc/content/articles/nl/technische-geo.md body: /nl/begrippen/geo/\nsrc/content/articles/nl/technische-geo.md sources: /nl/begrippen/geo/","weight":1,"locales":["en","nl"],"id":"article:technical-geo|references|concept:geo"},{"source":"article:technical-geo","target":"volume:the-findability-engine","relation":"references","evidence":"src/content/articles/en/technical-geo.md body: /books/the-findability-engine/\nsrc/content/articles/en/technical-geo.md sources: /books/the-findability-engine/\nsrc/content/articles/nl/technische-geo.md body: /boeken/the-findability-engine/\nsrc/content/articles/nl/technische-geo.md sources: /boeken/the-findability-engine/","weight":1,"locales":["en","nl"],"id":"article:technical-geo|references|volume:the-findability-engine"},{"source":"article:technical-geo","target":"article:geo-meaning","relation":"related","evidence":"src/content/articles/en/technical-geo.md relatedArticleIds: 34e5be7f-a98a-4235-9f21-5b80471033c9\nsrc/content/articles/nl/technische-geo.md relatedArticleIds: 6c8638f1-f400-4ae1-8bab-f5203d331442","weight":2,"locales":["en","nl"],"id":"article:technical-geo|related|article:geo-meaning"},{"source":"article:technical-geo","target":"article:gptbot-vs-oai-searchbot","relation":"related","evidence":"src/content/articles/en/technical-geo.md relatedArticleIds: af74553e-805c-4b21-b742-54445bcf04a9\nsrc/content/articles/nl/technische-geo.md relatedArticleIds: 92ff9f14-934b-4e9d-ab15-3038f382dedb","weight":2,"locales":["en","nl"],"id":"article:technical-geo|related|article:gptbot-vs-oai-searchbot"},{"source":"article:technical-geo","target":"article:what-is-llms-txt","relation":"related","evidence":"src/content/articles/en/technical-geo.md relatedArticleIds: 9d0d247e-22b2-4b75-ac78-af418ca43c89\nsrc/content/articles/nl/technische-geo.md relatedArticleIds: 05f65724-287e-4cd4-b101-7706f0f74258","weight":2,"locales":["en","nl"],"id":"article:technical-geo|related|article:what-is-llms-txt"},{"source":"article:the-agentic-author-introduction","target":"concept:booksos","relation":"discusses","evidence":"src/content/articles/en/the-agentic-author-introduction.md tags: booksos\nsrc/content/articles/nl/de-agentische-auteur-introductie.md tags: booksos","weight":1.5,"locales":["en","nl"],"id":"article:the-agentic-author-introduction|discusses|concept:booksos"},{"source":"article:the-agentic-author-introduction","target":"concept:tag:ai-agents","relation":"discusses","evidence":"src/content/articles/en/the-agentic-author-introduction.md tags: ai-agents\nsrc/content/articles/nl/de-agentische-auteur-introductie.md tags: ai-agents","weight":1.5,"locales":["en","nl"],"id":"article:the-agentic-author-introduction|discusses|concept:tag:ai-agents"},{"source":"article:the-agentic-author-introduction","target":"article:booksos-seven-gates","relation":"references","evidence":"src/content/articles/en/the-agentic-author-introduction.md body: /en/blog/what-is-booksos/\nsrc/content/articles/en/the-agentic-author-introduction.md furtherReading: /en/blog/what-is-booksos/\nsrc/content/articles/nl/de-agentische-auteur-introductie.md body: /nl/blog/wat-is-booksos/\nsrc/content/articles/nl/de-agentische-auteur-introductie.md furtherReading: /nl/blog/wat-is-booksos/","weight":1,"locales":["en","nl"],"id":"article:the-agentic-author-introduction|references|article:booksos-seven-gates"},{"source":"article:the-agentic-author-introduction","target":"concept:booksos","relation":"references","evidence":"src/content/articles/en/the-agentic-author-introduction.md furtherReading: https://lenvanderhof.com/frameworks/booksos/\nsrc/content/articles/nl/de-agentische-auteur-introductie.md furtherReading: https://lenvanderhof.com/nl/frameworks/booksos/","weight":1,"locales":["en","nl"],"id":"article:the-agentic-author-introduction|references|concept:booksos"},{"source":"article:the-agentic-author-introduction","target":"volume:the-agentic-author","relation":"references","evidence":"src/content/articles/en/the-agentic-author-introduction.md body: /books/the-agentic-author/\nsrc/content/articles/en/the-agentic-author-introduction.md body: https://lenvanderhof.com/boeken/the-agentic-author/\nsrc/content/articles/en/the-agentic-author-introduction.md body: https://lenvanderhof.com/books/the-agentic-author/\nsrc/content/articles/en/the-agentic-author-introduction.md furtherReading: https://lenvanderhof.com/books/the-agentic-author/\nsrc/content/articles/en/the-agentic-author-introduction.md sources: https://lenvanderhof.com/books/the-agentic-author/\nsrc/content/articles/nl/de-agentische-auteur-introductie.md body: /boeken/the-agentic-author/\nsrc/content/articles/nl/de-agentische-auteur-introductie.md body: https://lenvanderhof.com/boeken/the-agentic-author/\nsrc/content/articles/nl/de-agentische-auteur-introductie.md body: https://lenvanderhof.com/books/the-agentic-author/\nsrc/content/articles/nl/de-agentische-auteur-introductie.md furtherReading: https://lenvanderhof.com/boeken/the-agentic-author/\nsrc/content/articles/nl/de-agentische-auteur-introductie.md sources: https://lenvanderhof.com/boeken/the-agentic-author/","weight":1,"locales":["en","nl"],"id":"article:the-agentic-author-introduction|references|volume:the-agentic-author"},{"source":"article:the-agentic-author-introduction","target":"concept:booksos","relation":"related","evidence":"src/data/site-link-graph.ts: the-agentic-author-introduction frameworks/glossary","weight":2,"locales":["en","nl"],"id":"article:the-agentic-author-introduction|related|concept:booksos"},{"source":"article:the-agentic-author-introduction","target":"concept:evidence-ledger","relation":"related","evidence":"src/data/site-link-graph.ts: the-agentic-author-introduction frameworks/glossary","weight":2,"locales":["en","nl"],"id":"article:the-agentic-author-introduction|related|concept:evidence-ledger"},{"source":"article:the-agentic-author-introduction","target":"volume:the-agentic-author","relation":"related","evidence":"src/data/site-link-graph.ts: the-agentic-author-introduction books","weight":2,"locales":["en","nl"],"id":"article:the-agentic-author-introduction|related|volume:the-agentic-author"},{"source":"article:the-agentic-codebase-introduction","target":"concept:tag:agentic-codebase","relation":"discusses","evidence":"src/content/articles/en/the-agentic-codebase-introduction.md tags: agentic-codebase\nsrc/content/articles/nl/de-agentische-codebase-introductie.md tags: agentic-codebase","weight":1.5,"locales":["en","nl"],"id":"article:the-agentic-codebase-introduction|discusses|concept:tag:agentic-codebase"},{"source":"article:the-agentic-codebase-introduction","target":"concept:tag:ai-agents","relation":"discusses","evidence":"src/content/articles/en/the-agentic-codebase-introduction.md tags: ai-agents\nsrc/content/articles/nl/de-agentische-codebase-introductie.md tags: ai-agents","weight":1.5,"locales":["en","nl"],"id":"article:the-agentic-codebase-introduction|discusses|concept:tag:ai-agents"},{"source":"article:the-agentic-codebase-introduction","target":"concept:stack","relation":"references","evidence":"src/content/articles/en/the-agentic-codebase-introduction.md furtherReading: https://lenvanderhof.com/frameworks/stack/\nsrc/content/articles/nl/de-agentische-codebase-introductie.md furtherReading: https://lenvanderhof.com/nl/frameworks/stack/","weight":1,"locales":["en","nl"],"id":"article:the-agentic-codebase-introduction|references|concept:stack"},{"source":"article:the-agentic-codebase-introduction","target":"volume:the-agentic-codebase","relation":"references","evidence":"src/content/articles/en/the-agentic-codebase-introduction.md body: https://lenvanderhof.com/boeken/the-agentic-codebase/\nsrc/content/articles/en/the-agentic-codebase-introduction.md body: https://lenvanderhof.com/books/the-agentic-codebase/\nsrc/content/articles/en/the-agentic-codebase-introduction.md furtherReading: https://lenvanderhof.com/books/the-agentic-codebase/\nsrc/content/articles/en/the-agentic-codebase-introduction.md sources: https://lenvanderhof.com/books/the-agentic-codebase/\nsrc/content/articles/nl/de-agentische-codebase-introductie.md body: https://lenvanderhof.com/boeken/the-agentic-codebase/\nsrc/content/articles/nl/de-agentische-codebase-introductie.md body: https://lenvanderhof.com/books/the-agentic-codebase/\nsrc/content/articles/nl/de-agentische-codebase-introductie.md furtherReading: https://lenvanderhof.com/boeken/the-agentic-codebase/\nsrc/content/articles/nl/de-agentische-codebase-introductie.md sources: https://lenvanderhof.com/boeken/the-agentic-codebase/","weight":1,"locales":["en","nl"],"id":"article:the-agentic-codebase-introduction|references|volume:the-agentic-codebase"},{"source":"article:the-agentic-codebase-introduction","target":"concept:mcp","relation":"related","evidence":"src/data/site-link-graph.ts: the-agentic-codebase-introduction frameworks/glossary","weight":2,"locales":["en","nl"],"id":"article:the-agentic-codebase-introduction|related|concept:mcp"},{"source":"article:the-agentic-codebase-introduction","target":"concept:stack","relation":"related","evidence":"src/data/site-link-graph.ts: the-agentic-codebase-introduction frameworks/glossary","weight":2,"locales":["en","nl"],"id":"article:the-agentic-codebase-introduction|related|concept:stack"},{"source":"article:the-agentic-codebase-introduction","target":"volume:the-agentic-codebase","relation":"related","evidence":"src/data/site-link-graph.ts: the-agentic-codebase-introduction books","weight":2,"locales":["en","nl"],"id":"article:the-agentic-codebase-introduction|related|volume:the-agentic-codebase"},{"source":"article:the-multi-agent-organization-introduction","target":"concept:chorus","relation":"discusses","evidence":"src/content/articles/en/the-multi-agent-organization-introduction.md glossary: CHORUS\nsrc/content/articles/en/the-multi-agent-organization-introduction.md tags: chorus\nsrc/content/articles/nl/de-multi-agent-organisatie-introductie.md glossary: CHORUS\nsrc/content/articles/nl/de-multi-agent-organisatie-introductie.md tags: chorus","weight":1.5,"locales":["en","nl"],"id":"article:the-multi-agent-organization-introduction|discusses|concept:chorus"},{"source":"article:the-multi-agent-organization-introduction","target":"concept:tag:ai-agents","relation":"discusses","evidence":"src/content/articles/en/the-multi-agent-organization-introduction.md tags: ai-agents\nsrc/content/articles/nl/de-multi-agent-organisatie-introductie.md tags: ai-agents","weight":1.5,"locales":["en","nl"],"id":"article:the-multi-agent-organization-introduction|discusses|concept:tag:ai-agents"},{"source":"article:the-multi-agent-organization-introduction","target":"concept:tag:multi-agent-organization","relation":"discusses","evidence":"src/content/articles/en/the-multi-agent-organization-introduction.md tags: multi-agent-organization\nsrc/content/articles/nl/de-multi-agent-organisatie-introductie.md tags: multi-agent-organization","weight":1.5,"locales":["en","nl"],"id":"article:the-multi-agent-organization-introduction|discusses|concept:tag:multi-agent-organization"},{"source":"article:the-multi-agent-organization-introduction","target":"article:ai-agents-for-startup-strategy-introduction","relation":"references","evidence":"src/content/articles/en/the-multi-agent-organization-introduction.md body: /en/blog/ai-agents-for-startup-strategy-introduction/\nsrc/content/articles/en/the-multi-agent-organization-introduction.md furtherReading: /en/blog/ai-agents-for-startup-strategy-introduction/\nsrc/content/articles/nl/de-multi-agent-organisatie-introductie.md body: /nl/blog/ai-agenten-voor-startupstrategie-introductie/\nsrc/content/articles/nl/de-multi-agent-organisatie-introductie.md furtherReading: /nl/blog/ai-agenten-voor-startupstrategie-introductie/","weight":1,"locales":["en","nl"],"id":"article:the-multi-agent-organization-introduction|references|article:ai-agents-for-startup-strategy-introduction"},{"source":"article:the-multi-agent-organization-introduction","target":"article:the-agentic-codebase-introduction","relation":"references","evidence":"src/content/articles/en/the-multi-agent-organization-introduction.md body: /en/blog/the-agentic-codebase-introduction/\nsrc/content/articles/en/the-multi-agent-organization-introduction.md furtherReading: /en/blog/the-agentic-codebase-introduction/\nsrc/content/articles/nl/de-multi-agent-organisatie-introductie.md body: /nl/blog/de-agentische-codebase-introductie/\nsrc/content/articles/nl/de-multi-agent-organisatie-introductie.md furtherReading: /nl/blog/de-agentische-codebase-introductie/","weight":1,"locales":["en","nl"],"id":"article:the-multi-agent-organization-introduction|references|article:the-agentic-codebase-introduction"},{"source":"article:the-multi-agent-organization-introduction","target":"concept:chorus","relation":"references","evidence":"src/content/articles/en/the-multi-agent-organization-introduction.md body: /frameworks/chorus/\nsrc/content/articles/en/the-multi-agent-organization-introduction.md furtherReading: https://lenvanderhof.com/frameworks/chorus/\nsrc/content/articles/nl/de-multi-agent-organisatie-introductie.md body: /nl/frameworks/chorus/\nsrc/content/articles/nl/de-multi-agent-organisatie-introductie.md furtherReading: https://lenvanderhof.com/nl/frameworks/chorus/","weight":1,"locales":["en","nl"],"id":"article:the-multi-agent-organization-introduction|references|concept:chorus"},{"source":"article:the-multi-agent-organization-introduction","target":"concept:sense","relation":"references","evidence":"src/content/articles/en/the-multi-agent-organization-introduction.md body: /frameworks/sense/\nsrc/content/articles/en/the-multi-agent-organization-introduction.md furtherReading: https://lenvanderhof.com/frameworks/sense/\nsrc/content/articles/nl/de-multi-agent-organisatie-introductie.md body: /nl/frameworks/sense/\nsrc/content/articles/nl/de-multi-agent-organisatie-introductie.md furtherReading: https://lenvanderhof.com/nl/frameworks/sense/","weight":1,"locales":["en","nl"],"id":"article:the-multi-agent-organization-introduction|references|concept:sense"},{"source":"article:the-multi-agent-organization-introduction","target":"concept:stack","relation":"references","evidence":"src/content/articles/en/the-multi-agent-organization-introduction.md body: /frameworks/stack/\nsrc/content/articles/en/the-multi-agent-organization-introduction.md furtherReading: https://lenvanderhof.com/frameworks/stack/\nsrc/content/articles/nl/de-multi-agent-organisatie-introductie.md body: /nl/frameworks/stack/\nsrc/content/articles/nl/de-multi-agent-organisatie-introductie.md furtherReading: https://lenvanderhof.com/nl/frameworks/stack/","weight":1,"locales":["en","nl"],"id":"article:the-multi-agent-organization-introduction|references|concept:stack"},{"source":"article:the-multi-agent-organization-introduction","target":"volume:ai-agents-for-startup-strategy","relation":"references","evidence":"src/content/articles/en/the-multi-agent-organization-introduction.md body: https://lenvanderhof.com/ai-agents-for-startup-strategy/\nsrc/content/articles/nl/de-multi-agent-organisatie-introductie.md body: https://lenvanderhof.com/boeken/ai-agents-for-startup-strategy/","weight":1,"locales":["en","nl"],"id":"article:the-multi-agent-organization-introduction|references|volume:ai-agents-for-startup-strategy"},{"source":"article:the-multi-agent-organization-introduction","target":"volume:multi-agent-organization","relation":"references","evidence":"src/content/articles/en/the-multi-agent-organization-introduction.md body: https://lenvanderhof.com/boeken/multi-agent-organization/\nsrc/content/articles/en/the-multi-agent-organization-introduction.md body: https://lenvanderhof.com/books/multi-agent-organization/\nsrc/content/articles/en/the-multi-agent-organization-introduction.md furtherReading: https://lenvanderhof.com/books/multi-agent-organization/\nsrc/content/articles/en/the-multi-agent-organization-introduction.md sources: https://lenvanderhof.com/books/multi-agent-organization/\nsrc/content/articles/nl/de-multi-agent-organisatie-introductie.md body: https://lenvanderhof.com/boeken/multi-agent-organization/\nsrc/content/articles/nl/de-multi-agent-organisatie-introductie.md furtherReading: https://lenvanderhof.com/boeken/multi-agent-organization/\nsrc/content/articles/nl/de-multi-agent-organisatie-introductie.md sources: https://lenvanderhof.com/boeken/multi-agent-organization/","weight":1,"locales":["en","nl"],"id":"article:the-multi-agent-organization-introduction|references|volume:multi-agent-organization"},{"source":"article:the-multi-agent-organization-introduction","target":"volume:the-agentic-codebase","relation":"references","evidence":"src/content/articles/en/the-multi-agent-organization-introduction.md body: https://lenvanderhof.com/books/the-agentic-codebase/\nsrc/content/articles/nl/de-multi-agent-organisatie-introductie.md body: https://lenvanderhof.com/boeken/the-agentic-codebase/","weight":1,"locales":["en","nl"],"id":"article:the-multi-agent-organization-introduction|references|volume:the-agentic-codebase"},{"source":"article:the-multi-agent-organization-introduction","target":"article:ai-agents-for-startup-strategy-introduction","relation":"related","evidence":"src/content/articles/en/the-multi-agent-organization-introduction.md relatedArticleIds: 94cf5d15-e475-4200-89a1-55b144c4a217\nsrc/content/articles/nl/de-multi-agent-organisatie-introductie.md relatedArticleIds: 94cf5d15-e475-4200-89a1-55b144c4a217","weight":2,"locales":["en","nl"],"id":"article:the-multi-agent-organization-introduction|related|article:ai-agents-for-startup-strategy-introduction"},{"source":"article:the-multi-agent-organization-introduction","target":"article:the-agentic-author-introduction","relation":"related","evidence":"src/content/articles/en/the-multi-agent-organization-introduction.md relatedArticleIds: 688467da-1af1-4bf2-a780-e6a50709df63\nsrc/content/articles/nl/de-multi-agent-organisatie-introductie.md relatedArticleIds: 688467da-1af1-4bf2-a780-e6a50709df63","weight":2,"locales":["en","nl"],"id":"article:the-multi-agent-organization-introduction|related|article:the-agentic-author-introduction"},{"source":"article:the-multi-agent-organization-introduction","target":"article:the-agentic-codebase-introduction","relation":"related","evidence":"src/content/articles/en/the-multi-agent-organization-introduction.md relatedArticleIds: 42ecc0ae-dbb0-4fc6-8781-22c34db2113d\nsrc/content/articles/nl/de-multi-agent-organisatie-introductie.md relatedArticleIds: 42ecc0ae-dbb0-4fc6-8781-22c34db2113d","weight":2,"locales":["en","nl"],"id":"article:the-multi-agent-organization-introduction|related|article:the-agentic-codebase-introduction"},{"source":"article:the-multi-agent-organization-introduction","target":"concept:agent-orchestration","relation":"related","evidence":"src/data/site-link-graph.ts: the-multi-agent-organization-introduction frameworks/glossary","weight":2,"locales":["en","nl"],"id":"article:the-multi-agent-organization-introduction|related|concept:agent-orchestration"},{"source":"article:the-multi-agent-organization-introduction","target":"concept:chorus","relation":"related","evidence":"src/data/site-link-graph.ts: the-multi-agent-organization-introduction frameworks/glossary","weight":2,"locales":["en","nl"],"id":"article:the-multi-agent-organization-introduction|related|concept:chorus"},{"source":"article:the-multi-agent-organization-introduction","target":"volume:multi-agent-organization","relation":"related","evidence":"src/data/site-link-graph.ts: the-multi-agent-organization-introduction books","weight":2,"locales":["en","nl"],"id":"article:the-multi-agent-organization-introduction|related|volume:multi-agent-organization"},{"source":"article:three-answer-engines-three-doors","target":"concept:aeo","relation":"discusses","evidence":"src/content/articles/en/three-answer-engines-three-doors.md tags: aeo\nsrc/content/articles/nl/drie-antwoordmachines-drie-deuren.md tags: aeo","weight":1.5,"locales":["en","nl"],"id":"article:three-answer-engines-three-doors|discusses|concept:aeo"},{"source":"article:three-answer-engines-three-doors","target":"concept:geo","relation":"discusses","evidence":"src/content/articles/en/three-answer-engines-three-doors.md tags: geo\nsrc/content/articles/nl/drie-antwoordmachines-drie-deuren.md tags: geo","weight":1.5,"locales":["en","nl"],"id":"article:three-answer-engines-three-doors|discusses|concept:geo"},{"source":"article:three-answer-engines-three-doors","target":"article:answer-engine-citations","relation":"references","evidence":"src/content/articles/en/three-answer-engines-three-doors.md body: /en/blog/how-answer-engines-select-sources/\nsrc/content/articles/en/three-answer-engines-three-doors.md furtherReading: /en/blog/how-answer-engines-select-sources/\nsrc/content/articles/en/three-answer-engines-three-doors.md sources: /en/blog/how-answer-engines-select-sources/\nsrc/content/articles/nl/drie-antwoordmachines-drie-deuren.md body: /nl/blog/hoe-antwoordmachines-bronnen-selecteren/\nsrc/content/articles/nl/drie-antwoordmachines-drie-deuren.md furtherReading: /nl/blog/hoe-antwoordmachines-bronnen-selecteren/\nsrc/content/articles/nl/drie-antwoordmachines-drie-deuren.md sources: /nl/blog/hoe-antwoordmachines-bronnen-selecteren/","weight":1,"locales":["en","nl"],"id":"article:three-answer-engines-three-doors|references|article:answer-engine-citations"},{"source":"article:three-answer-engines-three-doors","target":"article:gptbot-vs-oai-searchbot","relation":"references","evidence":"src/content/articles/en/three-answer-engines-three-doors.md body: /en/blog/gptbot-vs-oai-searchbot/\nsrc/content/articles/en/three-answer-engines-three-doors.md furtherReading: /en/blog/gptbot-vs-oai-searchbot/\nsrc/content/articles/en/three-answer-engines-three-doors.md sources: /en/blog/gptbot-vs-oai-searchbot/\nsrc/content/articles/nl/drie-antwoordmachines-drie-deuren.md body: /nl/blog/gptbot-versus-oai-searchbot/\nsrc/content/articles/nl/drie-antwoordmachines-drie-deuren.md furtherReading: /nl/blog/gptbot-versus-oai-searchbot/\nsrc/content/articles/nl/drie-antwoordmachines-drie-deuren.md sources: /nl/blog/gptbot-versus-oai-searchbot/","weight":1,"locales":["en","nl"],"id":"article:three-answer-engines-three-doors|references|article:gptbot-vs-oai-searchbot"},{"source":"article:three-answer-engines-three-doors","target":"article:how-to-get-cited-2026","relation":"references","evidence":"src/content/articles/en/three-answer-engines-three-doors.md body: /en/blog/how-to-get-cited-2026/\nsrc/content/articles/en/three-answer-engines-three-doors.md furtherReading: /en/blog/how-to-get-cited-2026/\nsrc/content/articles/en/three-answer-engines-three-doors.md sources: /en/blog/how-to-get-cited-2026/\nsrc/content/articles/nl/drie-antwoordmachines-drie-deuren.md body: /nl/blog/hoe-je-geciteerd-wordt-2026/\nsrc/content/articles/nl/drie-antwoordmachines-drie-deuren.md furtherReading: /nl/blog/hoe-je-geciteerd-wordt-2026/\nsrc/content/articles/nl/drie-antwoordmachines-drie-deuren.md sources: /nl/blog/hoe-je-geciteerd-wordt-2026/","weight":1,"locales":["en","nl"],"id":"article:three-answer-engines-three-doors|references|article:how-to-get-cited-2026"},{"source":"article:three-answer-engines-three-doors","target":"concept:aeo","relation":"references","evidence":"src/content/articles/en/three-answer-engines-three-doors.md body: /glossary/aeo/\nsrc/content/articles/en/three-answer-engines-three-doors.md sources: /glossary/aeo/\nsrc/content/articles/nl/drie-antwoordmachines-drie-deuren.md body: /nl/begrippen/aeo/\nsrc/content/articles/nl/drie-antwoordmachines-drie-deuren.md sources: /nl/begrippen/aeo/","weight":1,"locales":["en","nl"],"id":"article:three-answer-engines-three-doors|references|concept:aeo"},{"source":"article:three-answer-engines-three-doors","target":"volume:the-findability-engine","relation":"references","evidence":"src/content/articles/en/three-answer-engines-three-doors.md body: /books/the-findability-engine/\nsrc/content/articles/en/three-answer-engines-three-doors.md sources: /books/the-findability-engine/\nsrc/content/articles/nl/drie-antwoordmachines-drie-deuren.md body: /boeken/the-findability-engine/\nsrc/content/articles/nl/drie-antwoordmachines-drie-deuren.md sources: /boeken/the-findability-engine/","weight":1,"locales":["en","nl"],"id":"article:three-answer-engines-three-doors|references|volume:the-findability-engine"},{"source":"article:three-answer-engines-three-doors","target":"article:answer-engine-citations","relation":"related","evidence":"src/content/articles/en/three-answer-engines-three-doors.md relatedArticleIds: 018f6f0d-4aa1-7d2e-9c8e-f57fc6f5d100\nsrc/content/articles/nl/drie-antwoordmachines-drie-deuren.md relatedArticleIds: 018f6f0d-4aa1-7d2e-9c8e-f57fc6f5d101","weight":2,"locales":["en","nl"],"id":"article:three-answer-engines-three-doors|related|article:answer-engine-citations"},{"source":"article:three-answer-engines-three-doors","target":"article:gptbot-vs-oai-searchbot","relation":"related","evidence":"src/content/articles/en/three-answer-engines-three-doors.md relatedArticleIds: af74553e-805c-4b21-b742-54445bcf04a9\nsrc/content/articles/nl/drie-antwoordmachines-drie-deuren.md relatedArticleIds: 92ff9f14-934b-4e9d-ab15-3038f382dedb","weight":2,"locales":["en","nl"],"id":"article:three-answer-engines-three-doors|related|article:gptbot-vs-oai-searchbot"},{"source":"article:three-answer-engines-three-doors","target":"article:how-to-get-cited-2026","relation":"related","evidence":"src/content/articles/en/three-answer-engines-three-doors.md relatedArticleIds: 030afe30-fce7-41d2-b1a4-798d4e2c8048\nsrc/content/articles/nl/drie-antwoordmachines-drie-deuren.md relatedArticleIds: 17e6870e-9fb1-4d0c-8399-17c18bd3f9b3","weight":2,"locales":["en","nl"],"id":"article:three-answer-engines-three-doors|related|article:how-to-get-cited-2026"},{"source":"article:trace-vs-rag","target":"concept:grain","relation":"discusses","evidence":"src/content/articles/en/trace-vs-rag.md glossary: GRAIN\nsrc/content/articles/nl/trace-versus-rag.md glossary: GRAIN","weight":1.5,"locales":["en","nl"],"id":"article:trace-vs-rag|discusses|concept:grain"},{"source":"article:trace-vs-rag","target":"concept:rag","relation":"discusses","evidence":"src/content/articles/en/trace-vs-rag.md glossary: RAG\nsrc/content/articles/nl/trace-versus-rag.md glossary: RAG","weight":1.5,"locales":["en","nl"],"id":"article:trace-vs-rag|discusses|concept:rag"},{"source":"article:trace-vs-rag","target":"concept:tag:agent-ops","relation":"discusses","evidence":"src/content/articles/en/trace-vs-rag.md tags: agent-ops\nsrc/content/articles/nl/trace-versus-rag.md tags: agent-ops","weight":1.5,"locales":["en","nl"],"id":"article:trace-vs-rag|discusses|concept:tag:agent-ops"},{"source":"article:trace-vs-rag","target":"concept:trace","relation":"discusses","evidence":"src/content/articles/en/trace-vs-rag.md glossary: TRACE\nsrc/content/articles/nl/trace-versus-rag.md glossary: TRACE","weight":1.5,"locales":["en","nl"],"id":"article:trace-vs-rag|discusses|concept:trace"},{"source":"article:trace-vs-rag","target":"article:what-is-grain","relation":"references","evidence":"src/content/articles/en/trace-vs-rag.md body: /en/blog/what-is-grain/\nsrc/content/articles/en/trace-vs-rag.md furtherReading: /en/blog/what-is-grain/\nsrc/content/articles/en/trace-vs-rag.md sources: /en/blog/what-is-grain/\nsrc/content/articles/nl/trace-versus-rag.md body: /nl/blog/wat-is-grain/\nsrc/content/articles/nl/trace-versus-rag.md furtherReading: /nl/blog/wat-is-grain/\nsrc/content/articles/nl/trace-versus-rag.md sources: /nl/blog/wat-is-grain/","weight":1,"locales":["en","nl"],"id":"article:trace-vs-rag|references|article:what-is-grain"},{"source":"article:trace-vs-rag","target":"article:what-is-llm-grounding","relation":"references","evidence":"src/content/articles/en/trace-vs-rag.md body: /en/blog/what-is-llm-grounding/\nsrc/content/articles/en/trace-vs-rag.md sources: /en/blog/what-is-llm-grounding/\nsrc/content/articles/nl/trace-versus-rag.md body: /nl/blog/wat-is-llm-grounding/\nsrc/content/articles/nl/trace-versus-rag.md sources: /nl/blog/wat-is-llm-grounding/","weight":1,"locales":["en","nl"],"id":"article:trace-vs-rag|references|article:what-is-llm-grounding"},{"source":"article:trace-vs-rag","target":"article:what-is-rag","relation":"references","evidence":"src/content/articles/en/trace-vs-rag.md body: /en/blog/what-is-rag/\nsrc/content/articles/en/trace-vs-rag.md furtherReading: /en/blog/what-is-rag/\nsrc/content/articles/en/trace-vs-rag.md sources: /en/blog/what-is-rag/\nsrc/content/articles/nl/trace-versus-rag.md body: /nl/blog/wat-is-rag/\nsrc/content/articles/nl/trace-versus-rag.md furtherReading: /nl/blog/wat-is-rag/\nsrc/content/articles/nl/trace-versus-rag.md sources: /nl/blog/wat-is-rag/","weight":1,"locales":["en","nl"],"id":"article:trace-vs-rag|references|article:what-is-rag"},{"source":"article:trace-vs-rag","target":"article:when-to-use-rag","relation":"references","evidence":"src/content/articles/en/trace-vs-rag.md body: /en/blog/when-to-use-rag/\nsrc/content/articles/nl/trace-versus-rag.md body: /nl/blog/wanneer-rag-gebruiken/","weight":1,"locales":["en","nl"],"id":"article:trace-vs-rag|references|article:when-to-use-rag"},{"source":"article:trace-vs-rag","target":"concept:trace","relation":"references","evidence":"src/content/articles/en/trace-vs-rag.md furtherReading: /glossary/trace/\nsrc/content/articles/nl/trace-versus-rag.md furtherReading: /nl/begrippen/trace/","weight":1,"locales":["en","nl"],"id":"article:trace-vs-rag|references|concept:trace"},{"source":"article:trace-vs-rag","target":"volume:the-rag-engineer","relation":"references","evidence":"src/content/articles/en/trace-vs-rag.md body: /books/the-rag-engineer/\nsrc/content/articles/en/trace-vs-rag.md sources: /books/the-rag-engineer/\nsrc/content/articles/nl/trace-versus-rag.md body: /boeken/the-rag-engineer/\nsrc/content/articles/nl/trace-versus-rag.md sources: /boeken/the-rag-engineer/","weight":1,"locales":["en","nl"],"id":"article:trace-vs-rag|references|volume:the-rag-engineer"},{"source":"article:trace-vs-rag","target":"volume:the-verified-research-loop","relation":"references","evidence":"src/content/articles/en/trace-vs-rag.md body: /books/the-verified-research-loop/\nsrc/content/articles/en/trace-vs-rag.md furtherReading: /books/the-verified-research-loop/\nsrc/content/articles/en/trace-vs-rag.md sources: /books/the-verified-research-loop/\nsrc/content/articles/nl/trace-versus-rag.md body: /boeken/the-verified-research-loop/\nsrc/content/articles/nl/trace-versus-rag.md furtherReading: /boeken/the-verified-research-loop/\nsrc/content/articles/nl/trace-versus-rag.md sources: /boeken/the-verified-research-loop/","weight":1,"locales":["en","nl"],"id":"article:trace-vs-rag|references|volume:the-verified-research-loop"},{"source":"article:trace-vs-rag","target":"article:what-is-an-evidence-ledger","relation":"related","evidence":"src/content/articles/en/trace-vs-rag.md relatedArticleIds: e38dcaa3-9ba5-4ffd-af9d-ec5437c129d9\nsrc/content/articles/nl/trace-versus-rag.md relatedArticleIds: 9c516b69-e424-47da-b512-5a4358029b44","weight":2,"locales":["en","nl"],"id":"article:trace-vs-rag|related|article:what-is-an-evidence-ledger"},{"source":"article:trace-vs-rag","target":"article:what-is-grain","relation":"related","evidence":"src/content/articles/en/trace-vs-rag.md relatedArticleIds: 022ed890-8733-4817-a04a-3aa2e653ef5d\nsrc/content/articles/nl/trace-versus-rag.md relatedArticleIds: 07b15a81-6001-4f03-92a6-dce92105c0f6","weight":2,"locales":["en","nl"],"id":"article:trace-vs-rag|related|article:what-is-grain"},{"source":"article:trace-vs-rag","target":"article:what-is-llm-grounding","relation":"related","evidence":"src/content/articles/en/trace-vs-rag.md relatedArticleIds: de6ca7df-64f5-4757-87fb-557186d28e21\nsrc/content/articles/nl/trace-versus-rag.md relatedArticleIds: 4edc9474-cc4d-404d-bbe1-420bcc371125","weight":2,"locales":["en","nl"],"id":"article:trace-vs-rag|related|article:what-is-llm-grounding"},{"source":"article:trace-vs-rag","target":"article:what-is-rag","relation":"related","evidence":"src/content/articles/en/trace-vs-rag.md relatedArticleIds: 295fcb44-1746-4f53-95f7-60a307ad8af1\nsrc/content/articles/nl/trace-versus-rag.md relatedArticleIds: 8a56c0b5-6c3d-49d8-aa8b-7f23cc2af38e","weight":2,"locales":["en","nl"],"id":"article:trace-vs-rag|related|article:what-is-rag"},{"source":"article:trace-vs-rag","target":"concept:rag","relation":"related","evidence":"src/data/site-link-graph.ts: trace-vs-rag frameworks/glossary","weight":2,"locales":["en","nl"],"id":"article:trace-vs-rag|related|concept:rag"},{"source":"article:trace-vs-rag","target":"concept:trace","relation":"related","evidence":"src/data/site-link-graph.ts: trace-vs-rag frameworks/glossary","weight":2,"locales":["en","nl"],"id":"article:trace-vs-rag|related|concept:trace"},{"source":"article:trace-vs-rag","target":"volume:the-rag-engineer","relation":"related","evidence":"src/data/site-link-graph.ts: trace-vs-rag books","weight":2,"locales":["en","nl"],"id":"article:trace-vs-rag|related|volume:the-rag-engineer"},{"source":"article:trace-vs-rag","target":"volume:the-verified-research-loop","relation":"related","evidence":"src/data/site-link-graph.ts: trace-vs-rag books","weight":2,"locales":["en","nl"],"id":"article:trace-vs-rag|related|volume:the-verified-research-loop"},{"source":"article:upstream-vs-downstream","target":"concept:downstream","relation":"discusses","evidence":"src/content/articles/en/upstream-vs-downstream.md glossary: DOWNSTREAM\nsrc/content/articles/en/upstream-vs-downstream.md glossary: downstream\nsrc/content/articles/nl/stroomopwaarts-en-stroomafwaarts.md glossary: DOWNSTREAM","weight":1.5,"locales":["en","nl"],"id":"article:upstream-vs-downstream|discusses|concept:downstream"},{"source":"article:upstream-vs-downstream","target":"concept:tag:downstream-effects","relation":"discusses","evidence":"src/content/articles/en/upstream-vs-downstream.md tags: downstream-effects\nsrc/content/articles/nl/stroomopwaarts-en-stroomafwaarts.md tags: downstream-effects","weight":1.5,"locales":["en","nl"],"id":"article:upstream-vs-downstream|discusses|concept:tag:downstream-effects"},{"source":"article:upstream-vs-downstream","target":"article:downstream-effects","relation":"references","evidence":"src/content/articles/en/upstream-vs-downstream.md body: /en/blog/downstream-effects/\nsrc/content/articles/en/upstream-vs-downstream.md furtherReading: /en/blog/downstream-effects/\nsrc/content/articles/en/upstream-vs-downstream.md sources: /en/blog/downstream-effects/\nsrc/content/articles/nl/stroomopwaarts-en-stroomafwaarts.md body: /nl/blog/stroomafwaartse-effecten/\nsrc/content/articles/nl/stroomopwaarts-en-stroomafwaarts.md furtherReading: /nl/blog/stroomafwaartse-effecten/\nsrc/content/articles/nl/stroomopwaarts-en-stroomafwaarts.md sources: /nl/blog/stroomafwaartse-effecten/","weight":1,"locales":["en","nl"],"id":"article:upstream-vs-downstream|references|article:downstream-effects"},{"source":"article:upstream-vs-downstream","target":"article:what-are-downstream-effects","relation":"references","evidence":"src/content/articles/en/upstream-vs-downstream.md body: /en/blog/what-are-downstream-effects/\nsrc/content/articles/en/upstream-vs-downstream.md furtherReading: /en/blog/what-are-downstream-effects/\nsrc/content/articles/en/upstream-vs-downstream.md sources: /en/blog/what-are-downstream-effects/\nsrc/content/articles/nl/stroomopwaarts-en-stroomafwaarts.md body: /nl/blog/wat-zijn-stroomafwaartse-effecten/\nsrc/content/articles/nl/stroomopwaarts-en-stroomafwaarts.md furtherReading: /nl/blog/wat-zijn-stroomafwaartse-effecten/\nsrc/content/articles/nl/stroomopwaarts-en-stroomafwaarts.md sources: /nl/blog/wat-zijn-stroomafwaartse-effecten/","weight":1,"locales":["en","nl"],"id":"article:upstream-vs-downstream|references|article:what-are-downstream-effects"},{"source":"article:upstream-vs-downstream","target":"concept:downstream","relation":"references","evidence":"src/content/articles/en/upstream-vs-downstream.md body: /frameworks/downstream/\nsrc/content/articles/en/upstream-vs-downstream.md furtherReading: /frameworks/downstream/\nsrc/content/articles/en/upstream-vs-downstream.md sources: /frameworks/downstream/\nsrc/content/articles/nl/stroomopwaarts-en-stroomafwaarts.md body: /nl/frameworks/downstream/\nsrc/content/articles/nl/stroomopwaarts-en-stroomafwaarts.md furtherReading: /nl/frameworks/downstream/\nsrc/content/articles/nl/stroomopwaarts-en-stroomafwaarts.md sources: /nl/frameworks/downstream/","weight":1,"locales":["en","nl"],"id":"article:upstream-vs-downstream|references|concept:downstream"},{"source":"article:upstream-vs-downstream","target":"volume:the-downstream-effects","relation":"references","evidence":"src/content/articles/en/upstream-vs-downstream.md body: /books/the-downstream-effects/\nsrc/content/articles/en/upstream-vs-downstream.md furtherReading: /books/the-downstream-effects/\nsrc/content/articles/en/upstream-vs-downstream.md sources: /books/the-downstream-effects/\nsrc/content/articles/nl/stroomopwaarts-en-stroomafwaarts.md body: /boeken/the-downstream-effects/\nsrc/content/articles/nl/stroomopwaarts-en-stroomafwaarts.md furtherReading: /boeken/the-downstream-effects/\nsrc/content/articles/nl/stroomopwaarts-en-stroomafwaarts.md sources: /boeken/the-downstream-effects/","weight":1,"locales":["en","nl"],"id":"article:upstream-vs-downstream|references|volume:the-downstream-effects"},{"source":"article:upstream-vs-downstream","target":"article:downstream-effects","relation":"related","evidence":"src/content/articles/en/upstream-vs-downstream.md relatedArticleIds: 9151a77a-cf1f-4729-b301-1e4d7767862d\nsrc/content/articles/nl/stroomopwaarts-en-stroomafwaarts.md relatedArticleIds: f70d6ec5-c9c9-4286-8bdc-91cb23a7f23b","weight":2,"locales":["en","nl"],"id":"article:upstream-vs-downstream|related|article:downstream-effects"},{"source":"article:upstream-vs-downstream","target":"article:what-are-downstream-effects","relation":"related","evidence":"src/content/articles/en/upstream-vs-downstream.md relatedArticleIds: f27e54d4-aff2-4361-b8a7-6396e2f7f9fe\nsrc/content/articles/nl/stroomopwaarts-en-stroomafwaarts.md relatedArticleIds: b4f60d80-9a83-4dc4-83cd-9899b5f7ed90","weight":2,"locales":["en","nl"],"id":"article:upstream-vs-downstream|related|article:what-are-downstream-effects"},{"source":"article:using-ai-agents-effectively","target":"concept:ai-agent","relation":"discusses","evidence":"src/content/articles/en/using-ai-agents-effectively.md glossary: AI agent\nsrc/content/articles/nl/ai-agents-effectief-inzetten.md glossary: AI-agent","weight":1.5,"locales":["en","nl"],"id":"article:using-ai-agents-effectively|discusses|concept:ai-agent"},{"source":"article:using-ai-agents-effectively","target":"concept:human-in-the-loop","relation":"discusses","evidence":"src/content/articles/en/using-ai-agents-effectively.md glossary: Human in the loop\nsrc/content/articles/nl/ai-agents-effectief-inzetten.md glossary: Mens in de lus","weight":1.5,"locales":["en","nl"],"id":"article:using-ai-agents-effectively|discusses|concept:human-in-the-loop"},{"source":"article:using-ai-agents-effectively","target":"concept:override-doctrine","relation":"discusses","evidence":"src/content/articles/en/using-ai-agents-effectively.md glossary: Override doctrine\nsrc/content/articles/nl/ai-agents-effectief-inzetten.md glossary: Override-doctrine","weight":1.5,"locales":["en","nl"],"id":"article:using-ai-agents-effectively|discusses|concept:override-doctrine"},{"source":"article:using-ai-agents-effectively","target":"concept:tag:ai-agents","relation":"discusses","evidence":"src/content/articles/en/using-ai-agents-effectively.md tags: ai-agents\nsrc/content/articles/nl/ai-agents-effectief-inzetten.md tags: ai-agents","weight":1.5,"locales":["en","nl"],"id":"article:using-ai-agents-effectively|discusses|concept:tag:ai-agents"},{"source":"article:using-ai-agents-effectively","target":"article:agentic-workflow-vs-automation","relation":"references","evidence":"src/content/articles/en/using-ai-agents-effectively.md body: /en/blog/agentic-workflow-vs-automation/\nsrc/content/articles/en/using-ai-agents-effectively.md sources: /en/blog/agentic-workflow-vs-automation/\nsrc/content/articles/nl/ai-agents-effectief-inzetten.md body: /nl/blog/agentic-workflow-versus-automatisering/\nsrc/content/articles/nl/ai-agents-effectief-inzetten.md sources: /nl/blog/agentic-workflow-versus-automatisering/","weight":1,"locales":["en","nl"],"id":"article:using-ai-agents-effectively|references|article:agentic-workflow-vs-automation"},{"source":"article:using-ai-agents-effectively","target":"article:evaluate-reasoning-not-fluency","relation":"references","evidence":"src/content/articles/en/using-ai-agents-effectively.md body: /en/blog/evaluate-reasoning-not-fluency/\nsrc/content/articles/en/using-ai-agents-effectively.md sources: /en/blog/evaluate-reasoning-not-fluency/\nsrc/content/articles/nl/ai-agents-effectief-inzetten.md body: /nl/blog/evalueer-de-redenering-niet-de-vloeiendheid/\nsrc/content/articles/nl/ai-agents-effectief-inzetten.md sources: /nl/blog/evalueer-de-redenering-niet-de-vloeiendheid/","weight":1,"locales":["en","nl"],"id":"article:using-ai-agents-effectively|references|article:evaluate-reasoning-not-fluency"},{"source":"article:using-ai-agents-effectively","target":"article:human-in-the-loop-meaning","relation":"references","evidence":"src/content/articles/en/using-ai-agents-effectively.md body: /en/blog/human-in-the-loop-meaning/\nsrc/content/articles/en/using-ai-agents-effectively.md furtherReading: /en/blog/human-in-the-loop-meaning/\nsrc/content/articles/en/using-ai-agents-effectively.md sources: /en/blog/human-in-the-loop-meaning/\nsrc/content/articles/nl/ai-agents-effectief-inzetten.md body: /nl/blog/mens-in-de-lus-betekenis/\nsrc/content/articles/nl/ai-agents-effectief-inzetten.md furtherReading: /nl/blog/mens-in-de-lus-betekenis/\nsrc/content/articles/nl/ai-agents-effectief-inzetten.md sources: /nl/blog/mens-in-de-lus-betekenis/","weight":1,"locales":["en","nl"],"id":"article:using-ai-agents-effectively|references|article:human-in-the-loop-meaning"},{"source":"article:using-ai-agents-effectively","target":"article:mcp-explained-for-founders","relation":"references","evidence":"src/content/articles/en/using-ai-agents-effectively.md body: /en/blog/mcp-explained-for-founders/\nsrc/content/articles/en/using-ai-agents-effectively.md furtherReading: /en/blog/mcp-explained-for-founders/\nsrc/content/articles/en/using-ai-agents-effectively.md sources: /en/blog/mcp-explained-for-founders/\nsrc/content/articles/nl/ai-agents-effectief-inzetten.md body: /nl/blog/mcp-uitgelegd-voor-ondernemers/\nsrc/content/articles/nl/ai-agents-effectief-inzetten.md furtherReading: /nl/blog/mcp-uitgelegd-voor-ondernemers/\nsrc/content/articles/nl/ai-agents-effectief-inzetten.md sources: /nl/blog/mcp-uitgelegd-voor-ondernemers/","weight":1,"locales":["en","nl"],"id":"article:using-ai-agents-effectively|references|article:mcp-explained-for-founders"},{"source":"article:using-ai-agents-effectively","target":"article:override-doctrine","relation":"references","evidence":"src/content/articles/en/using-ai-agents-effectively.md body: /en/blog/override-doctrine/\nsrc/content/articles/en/using-ai-agents-effectively.md sources: /en/blog/override-doctrine/\nsrc/content/articles/nl/ai-agents-effectief-inzetten.md body: /nl/blog/override-doctrine/\nsrc/content/articles/nl/ai-agents-effectief-inzetten.md sources: /nl/blog/override-doctrine/","weight":1,"locales":["en","nl"],"id":"article:using-ai-agents-effectively|references|article:override-doctrine"},{"source":"article:using-ai-agents-effectively","target":"article:what-is-an-ai-agent","relation":"references","evidence":"src/content/articles/en/using-ai-agents-effectively.md body: /en/blog/what-is-an-ai-agent/\nsrc/content/articles/en/using-ai-agents-effectively.md furtherReading: /en/blog/what-is-an-ai-agent/\nsrc/content/articles/en/using-ai-agents-effectively.md sources: /en/blog/what-is-an-ai-agent/\nsrc/content/articles/nl/ai-agents-effectief-inzetten.md body: /nl/blog/wat-is-een-ai-agent/\nsrc/content/articles/nl/ai-agents-effectief-inzetten.md furtherReading: /nl/blog/wat-is-een-ai-agent/\nsrc/content/articles/nl/ai-agents-effectief-inzetten.md sources: /nl/blog/wat-is-een-ai-agent/","weight":1,"locales":["en","nl"],"id":"article:using-ai-agents-effectively|references|article:what-is-an-ai-agent"},{"source":"article:using-ai-agents-effectively","target":"article:why-multi-agent-systems-fail","relation":"references","evidence":"src/content/articles/en/using-ai-agents-effectively.md body: /en/blog/why-multi-agent-systems-fail/\nsrc/content/articles/nl/ai-agents-effectief-inzetten.md body: /nl/blog/waarom-multi-agent-systemen-falen/","weight":1,"locales":["en","nl"],"id":"article:using-ai-agents-effectively|references|article:why-multi-agent-systems-fail"},{"source":"article:using-ai-agents-effectively","target":"concept:ai-agent","relation":"references","evidence":"src/content/articles/en/using-ai-agents-effectively.md sources: /glossary/ai-agent/\nsrc/content/articles/nl/ai-agents-effectief-inzetten.md sources: /nl/begrippen/ai-agent/","weight":1,"locales":["en","nl"],"id":"article:using-ai-agents-effectively|references|concept:ai-agent"},{"source":"article:using-ai-agents-effectively","target":"concept:mcp","relation":"references","evidence":"src/content/articles/en/using-ai-agents-effectively.md body: /glossary/mcp/\nsrc/content/articles/nl/ai-agents-effectief-inzetten.md body: /nl/begrippen/mcp/","weight":1,"locales":["en","nl"],"id":"article:using-ai-agents-effectively|references|concept:mcp"},{"source":"article:using-ai-agents-effectively","target":"article:hitl-in-ai-workflows","relation":"related","evidence":"src/content/articles/en/using-ai-agents-effectively.md relatedArticleIds: 3b11e8a6-c209-4e26-a37d-55adcbc782a7\nsrc/content/articles/nl/ai-agents-effectief-inzetten.md relatedArticleIds: 3b11e8a6-c209-4e26-a37d-55adcbc782a7","weight":2,"locales":["en","nl"],"id":"article:using-ai-agents-effectively|related|article:hitl-in-ai-workflows"},{"source":"article:using-ai-agents-effectively","target":"article:mcp-explained-for-founders","relation":"related","evidence":"src/content/articles/en/using-ai-agents-effectively.md relatedArticleIds: bf0091f2-668e-48f6-aad0-efd1b61bbfa0\nsrc/content/articles/nl/ai-agents-effectief-inzetten.md relatedArticleIds: bf0091f2-668e-48f6-aad0-efd1b61bbfa0","weight":2,"locales":["en","nl"],"id":"article:using-ai-agents-effectively|related|article:mcp-explained-for-founders"},{"source":"article:using-ai-agents-effectively","target":"article:override-doctrine","relation":"related","evidence":"src/content/articles/en/using-ai-agents-effectively.md relatedArticleIds: e390df0a-2d52-4767-9356-28f5b80611f7\nsrc/content/articles/nl/ai-agents-effectief-inzetten.md relatedArticleIds: e390df0a-2d52-4767-9356-28f5b80611f7","weight":2,"locales":["en","nl"],"id":"article:using-ai-agents-effectively|related|article:override-doctrine"},{"source":"article:using-ai-agents-effectively","target":"article:what-is-an-ai-agent","relation":"related","evidence":"src/content/articles/en/using-ai-agents-effectively.md relatedArticleIds: 69f0de22-6dd9-44b3-b6d8-b89ce8d8df7e\nsrc/content/articles/nl/ai-agents-effectief-inzetten.md relatedArticleIds: 69f0de22-6dd9-44b3-b6d8-b89ce8d8df7e","weight":2,"locales":["en","nl"],"id":"article:using-ai-agents-effectively|related|article:what-is-an-ai-agent"},{"source":"article:what-are-downstream-effects","target":"concept:tag:downstream-effects","relation":"discusses","evidence":"src/content/articles/en/what-are-downstream-effects.md tags: downstream-effects\nsrc/content/articles/nl/wat-zijn-stroomafwaartse-effecten.md tags: downstream-effects","weight":1.5,"locales":["en","nl"],"id":"article:what-are-downstream-effects|discusses|concept:tag:downstream-effects"},{"source":"article:what-are-downstream-effects","target":"article:downstream-effects","relation":"references","evidence":"src/content/articles/en/what-are-downstream-effects.md body: /en/blog/downstream-effects/\nsrc/content/articles/en/what-are-downstream-effects.md furtherReading: /en/blog/downstream-effects/\nsrc/content/articles/en/what-are-downstream-effects.md sources: /en/blog/downstream-effects/\nsrc/content/articles/nl/wat-zijn-stroomafwaartse-effecten.md body: /nl/blog/stroomafwaartse-effecten/\nsrc/content/articles/nl/wat-zijn-stroomafwaartse-effecten.md furtherReading: /nl/blog/stroomafwaartse-effecten/\nsrc/content/articles/nl/wat-zijn-stroomafwaartse-effecten.md sources: /nl/blog/stroomafwaartse-effecten/","weight":1,"locales":["en","nl"],"id":"article:what-are-downstream-effects|references|article:downstream-effects"},{"source":"article:what-are-downstream-effects","target":"article:what-is-a-deal-architect","relation":"references","evidence":"src/content/articles/en/what-are-downstream-effects.md body: /en/blog/what-is-a-deal-architect/\nsrc/content/articles/nl/wat-zijn-stroomafwaartse-effecten.md body: /nl/blog/wat-is-een-deal-architect/","weight":1,"locales":["en","nl"],"id":"article:what-are-downstream-effects|references|article:what-is-a-deal-architect"},{"source":"article:what-are-downstream-effects","target":"concept:downstream","relation":"references","evidence":"src/content/articles/en/what-are-downstream-effects.md body: /glossary/downstream/\nsrc/content/articles/en/what-are-downstream-effects.md furtherReading: /glossary/downstream/\nsrc/content/articles/en/what-are-downstream-effects.md sources: /frameworks/downstream/\nsrc/content/articles/en/what-are-downstream-effects.md sources: /glossary/downstream/\nsrc/content/articles/nl/wat-zijn-stroomafwaartse-effecten.md body: /nl/begrippen/downstream/\nsrc/content/articles/nl/wat-zijn-stroomafwaartse-effecten.md furtherReading: /nl/begrippen/downstream/\nsrc/content/articles/nl/wat-zijn-stroomafwaartse-effecten.md sources: /nl/begrippen/downstream/\nsrc/content/articles/nl/wat-zijn-stroomafwaartse-effecten.md sources: /nl/frameworks/downstream/","weight":1,"locales":["en","nl"],"id":"article:what-are-downstream-effects|references|concept:downstream"},{"source":"article:what-are-downstream-effects","target":"volume:the-downstream-effects","relation":"references","evidence":"src/content/articles/en/what-are-downstream-effects.md body: /books/the-downstream-effects/\nsrc/content/articles/en/what-are-downstream-effects.md furtherReading: /books/the-downstream-effects/\nsrc/content/articles/en/what-are-downstream-effects.md sources: /books/the-downstream-effects/\nsrc/content/articles/nl/wat-zijn-stroomafwaartse-effecten.md body: /boeken/the-downstream-effects/\nsrc/content/articles/nl/wat-zijn-stroomafwaartse-effecten.md furtherReading: /boeken/the-downstream-effects/\nsrc/content/articles/nl/wat-zijn-stroomafwaartse-effecten.md sources: /boeken/the-downstream-effects/","weight":1,"locales":["en","nl"],"id":"article:what-are-downstream-effects|references|volume:the-downstream-effects"},{"source":"article:what-are-downstream-effects","target":"article:downstream-effects","relation":"related","evidence":"src/content/articles/en/what-are-downstream-effects.md relatedArticleIds: 9151a77a-cf1f-4729-b301-1e4d7767862d\nsrc/content/articles/nl/wat-zijn-stroomafwaartse-effecten.md relatedArticleIds: 9151a77a-cf1f-4729-b301-1e4d7767862d","weight":2,"locales":["en","nl"],"id":"article:what-are-downstream-effects|related|article:downstream-effects"},{"source":"article:what-are-downstream-effects","target":"concept:downstream","relation":"related","evidence":"src/data/site-link-graph.ts: what-are-downstream-effects frameworks/glossary","weight":2,"locales":["en","nl"],"id":"article:what-are-downstream-effects|related|concept:downstream"},{"source":"article:what-are-downstream-effects","target":"volume:the-downstream-effects","relation":"related","evidence":"src/data/site-link-graph.ts: what-are-downstream-effects books","weight":2,"locales":["en","nl"],"id":"article:what-are-downstream-effects|related|volume:the-downstream-effects"},{"source":"article:what-does-likely-mean","target":"concept:tag:founder-resilience","relation":"discusses","evidence":"src/content/articles/en/what-does-likely-mean.md tags: founder-resilience\nsrc/content/articles/nl/wat-betekent-waarschijnlijk.md tags: founder-resilience","weight":1.5,"locales":["en","nl"],"id":"article:what-does-likely-mean|discusses|concept:tag:founder-resilience"},{"source":"article:what-does-likely-mean","target":"article:calibration-techniques-for-founders","relation":"references","evidence":"src/content/articles/en/what-does-likely-mean.md body: /en/blog/calibration-techniques-for-founders/\nsrc/content/articles/en/what-does-likely-mean.md furtherReading: /en/blog/calibration-techniques-for-founders/\nsrc/content/articles/nl/wat-betekent-waarschijnlijk.md body: /nl/blog/kalibratietechnieken-voor-founders/\nsrc/content/articles/nl/wat-betekent-waarschijnlijk.md furtherReading: /nl/blog/kalibratietechnieken-voor-founders/","weight":1,"locales":["en","nl"],"id":"article:what-does-likely-mean|references|article:calibration-techniques-for-founders"},{"source":"article:what-does-likely-mean","target":"article:what-is-calibration","relation":"references","evidence":"src/content/articles/en/what-does-likely-mean.md body: /en/blog/what-calibration-means/\nsrc/content/articles/en/what-does-likely-mean.md furtherReading: /en/blog/what-calibration-means/\nsrc/content/articles/en/what-does-likely-mean.md sources: /en/blog/what-calibration-means/\nsrc/content/articles/nl/wat-betekent-waarschijnlijk.md body: /nl/blog/kalibratie-betekenis/\nsrc/content/articles/nl/wat-betekent-waarschijnlijk.md furtherReading: /nl/blog/kalibratie-betekenis/\nsrc/content/articles/nl/wat-betekent-waarschijnlijk.md sources: /nl/blog/kalibratie-betekenis/","weight":1,"locales":["en","nl"],"id":"article:what-does-likely-mean|references|article:what-is-calibration"},{"source":"article:what-does-likely-mean","target":"concept:calibrate","relation":"references","evidence":"src/content/articles/en/what-does-likely-mean.md body: /frameworks/calibrate/\nsrc/content/articles/en/what-does-likely-mean.md furtherReading: /glossary/calibrate/\nsrc/content/articles/en/what-does-likely-mean.md sources: /frameworks/calibrate/\nsrc/content/articles/nl/wat-betekent-waarschijnlijk.md body: /nl/frameworks/calibrate/\nsrc/content/articles/nl/wat-betekent-waarschijnlijk.md furtherReading: /nl/begrippen/calibrate/\nsrc/content/articles/nl/wat-betekent-waarschijnlijk.md sources: /nl/frameworks/calibrate/","weight":1,"locales":["en","nl"],"id":"article:what-does-likely-mean|references|concept:calibrate"},{"source":"article:what-does-likely-mean","target":"volume:the-calibrated-mind","relation":"references","evidence":"src/content/articles/en/what-does-likely-mean.md body: /books/the-calibrated-mind/\nsrc/content/articles/en/what-does-likely-mean.md furtherReading: /books/the-calibrated-mind/\nsrc/content/articles/en/what-does-likely-mean.md sources: /books/the-calibrated-mind/\nsrc/content/articles/nl/wat-betekent-waarschijnlijk.md body: /boeken/the-calibrated-mind/\nsrc/content/articles/nl/wat-betekent-waarschijnlijk.md furtherReading: /boeken/the-calibrated-mind/\nsrc/content/articles/nl/wat-betekent-waarschijnlijk.md sources: /boeken/the-calibrated-mind/","weight":1,"locales":["en","nl"],"id":"article:what-does-likely-mean|references|volume:the-calibrated-mind"},{"source":"article:what-does-likely-mean","target":"article:calibration-techniques-for-founders","relation":"related","evidence":"src/content/articles/en/what-does-likely-mean.md relatedArticleIds: a034dc9c-a1d8-4457-9691-7779f43e086c\nsrc/content/articles/nl/wat-betekent-waarschijnlijk.md relatedArticleIds: 6db60505-4d3f-4571-85dd-2b80d57bfc37","weight":2,"locales":["en","nl"],"id":"article:what-does-likely-mean|related|article:calibration-techniques-for-founders"},{"source":"article:what-does-likely-mean","target":"article:what-is-calibration","relation":"related","evidence":"src/content/articles/en/what-does-likely-mean.md relatedArticleIds: 53cf98be-8558-4cb5-8cbb-aade6be6b48c\nsrc/content/articles/nl/wat-betekent-waarschijnlijk.md relatedArticleIds: 808eb9bd-8fdf-4181-a5a3-ef319520963a","weight":2,"locales":["en","nl"],"id":"article:what-does-likely-mean|related|article:what-is-calibration"},{"source":"article:what-is-a-confidence-grade","target":"concept:level","relation":"discusses","evidence":"src/content/articles/en/what-is-a-confidence-grade.md glossary: LEVEL\nsrc/content/articles/nl/wat-is-een-zekerheidsgraad.md glossary: LEVEL","weight":1.5,"locales":["en","nl"],"id":"article:what-is-a-confidence-grade|discusses|concept:level"},{"source":"article:what-is-a-confidence-grade","target":"concept:tag:founder-resilience","relation":"discusses","evidence":"src/content/articles/en/what-is-a-confidence-grade.md tags: founder-resilience\nsrc/content/articles/nl/wat-is-een-zekerheidsgraad.md tags: founder-resilience","weight":1.5,"locales":["en","nl"],"id":"article:what-is-a-confidence-grade|discusses|concept:tag:founder-resilience"},{"source":"article:what-is-a-confidence-grade","target":"article:what-is-an-evidence-ledger","relation":"references","evidence":"src/content/articles/en/what-is-a-confidence-grade.md body: /en/blog/what-is-an-evidence-ledger/\nsrc/content/articles/en/what-is-a-confidence-grade.md furtherReading: /en/blog/what-is-an-evidence-ledger/\nsrc/content/articles/nl/wat-is-een-zekerheidsgraad.md body: /nl/blog/wat-is-een-bewijsregister/\nsrc/content/articles/nl/wat-is-een-zekerheidsgraad.md furtherReading: /nl/blog/wat-is-een-bewijsregister/","weight":1,"locales":["en","nl"],"id":"article:what-is-a-confidence-grade|references|article:what-is-an-evidence-ledger"},{"source":"article:what-is-a-confidence-grade","target":"article:what-is-calibration","relation":"references","evidence":"src/content/articles/en/what-is-a-confidence-grade.md body: /en/blog/what-calibration-means/\nsrc/content/articles/en/what-is-a-confidence-grade.md furtherReading: /en/blog/what-calibration-means/\nsrc/content/articles/nl/wat-is-een-zekerheidsgraad.md body: /nl/blog/kalibratie-betekenis/\nsrc/content/articles/nl/wat-is-een-zekerheidsgraad.md furtherReading: /nl/blog/kalibratie-betekenis/","weight":1,"locales":["en","nl"],"id":"article:what-is-a-confidence-grade|references|article:what-is-calibration"},{"source":"article:what-is-a-confidence-grade","target":"concept:level","relation":"references","evidence":"src/content/articles/en/what-is-a-confidence-grade.md body: /frameworks/level/\nsrc/content/articles/en/what-is-a-confidence-grade.md furtherReading: /frameworks/level/\nsrc/content/articles/en/what-is-a-confidence-grade.md sources: /frameworks/level/\nsrc/content/articles/nl/wat-is-een-zekerheidsgraad.md body: /nl/frameworks/level/\nsrc/content/articles/nl/wat-is-een-zekerheidsgraad.md furtherReading: /nl/frameworks/level/\nsrc/content/articles/nl/wat-is-een-zekerheidsgraad.md sources: /nl/frameworks/level/","weight":1,"locales":["en","nl"],"id":"article:what-is-a-confidence-grade|references|concept:level"},{"source":"article:what-is-a-confidence-grade","target":"volume:ai-agents-for-startup-strategy","relation":"references","evidence":"src/content/articles/en/what-is-a-confidence-grade.md body: /ai-agents-for-startup-strategy/\nsrc/content/articles/en/what-is-a-confidence-grade.md sources: /ai-agents-for-startup-strategy/\nsrc/content/articles/nl/wat-is-een-zekerheidsgraad.md body: /boeken/ai-agents-for-startup-strategy/\nsrc/content/articles/nl/wat-is-een-zekerheidsgraad.md sources: /boeken/ai-agents-for-startup-strategy/","weight":1,"locales":["en","nl"],"id":"article:what-is-a-confidence-grade|references|volume:ai-agents-for-startup-strategy"},{"source":"article:what-is-a-confidence-grade","target":"volume:the-agentic-author","relation":"references","evidence":"src/content/articles/en/what-is-a-confidence-grade.md body: /books/the-agentic-author/\nsrc/content/articles/en/what-is-a-confidence-grade.md furtherReading: /books/the-agentic-author/\nsrc/content/articles/en/what-is-a-confidence-grade.md sources: /books/the-agentic-author/\nsrc/content/articles/nl/wat-is-een-zekerheidsgraad.md body: /boeken/the-agentic-author/\nsrc/content/articles/nl/wat-is-een-zekerheidsgraad.md furtherReading: /boeken/the-agentic-author/\nsrc/content/articles/nl/wat-is-een-zekerheidsgraad.md sources: /boeken/the-agentic-author/","weight":1,"locales":["en","nl"],"id":"article:what-is-a-confidence-grade|references|volume:the-agentic-author"},{"source":"article:what-is-a-confidence-grade","target":"article:what-is-an-evidence-ledger","relation":"related","evidence":"src/content/articles/en/what-is-a-confidence-grade.md relatedArticleIds: e38dcaa3-9ba5-4ffd-af9d-ec5437c129d9\nsrc/content/articles/nl/wat-is-een-zekerheidsgraad.md relatedArticleIds: 9c516b69-e424-47da-b512-5a4358029b44","weight":2,"locales":["en","nl"],"id":"article:what-is-a-confidence-grade|related|article:what-is-an-evidence-ledger"},{"source":"article:what-is-a-confidence-grade","target":"article:what-is-calibration","relation":"related","evidence":"src/content/articles/en/what-is-a-confidence-grade.md relatedArticleIds: 53cf98be-8558-4cb5-8cbb-aade6be6b48c\nsrc/content/articles/nl/wat-is-een-zekerheidsgraad.md relatedArticleIds: 808eb9bd-8fdf-4181-a5a3-ef319520963a","weight":2,"locales":["en","nl"],"id":"article:what-is-a-confidence-grade|related|article:what-is-calibration"},{"source":"article:what-is-a-confidence-grade","target":"article:what-is-llm-grounding","relation":"related","evidence":"src/content/articles/en/what-is-a-confidence-grade.md relatedArticleIds: de6ca7df-64f5-4757-87fb-557186d28e21\nsrc/content/articles/nl/wat-is-een-zekerheidsgraad.md relatedArticleIds: 4edc9474-cc4d-404d-bbe1-420bcc371125","weight":2,"locales":["en","nl"],"id":"article:what-is-a-confidence-grade|related|article:what-is-llm-grounding"},{"source":"article:what-is-a-deal-architect","target":"concept:tag:positioning","relation":"discusses","evidence":"src/content/articles/en/what-is-a-deal-architect.md tags: positioning\nsrc/content/articles/nl/wat-is-een-deal-architect.md tags: positioning","weight":1.5,"locales":["en","nl"],"id":"article:what-is-a-deal-architect|discusses|concept:tag:positioning"},{"source":"article:what-is-a-deal-architect","target":"article:what-are-downstream-effects","relation":"references","evidence":"src/content/articles/en/what-is-a-deal-architect.md body: /en/blog/what-are-downstream-effects/\nsrc/content/articles/nl/wat-is-een-deal-architect.md body: /nl/blog/wat-zijn-stroomafwaartse-effecten/","weight":1,"locales":["en","nl"],"id":"article:what-is-a-deal-architect|references|article:what-are-downstream-effects"},{"source":"article:what-is-a-deal-architect","target":"volume:the-deal-architect","relation":"references","evidence":"src/content/articles/en/what-is-a-deal-architect.md body: /books/the-deal-architect/\nsrc/content/articles/en/what-is-a-deal-architect.md furtherReading: /books/the-deal-architect/\nsrc/content/articles/en/what-is-a-deal-architect.md sources: /books/the-deal-architect/\nsrc/content/articles/nl/wat-is-een-deal-architect.md body: /boeken/the-deal-architect/\nsrc/content/articles/nl/wat-is-een-deal-architect.md furtherReading: /boeken/the-deal-architect/\nsrc/content/articles/nl/wat-is-een-deal-architect.md sources: /boeken/the-deal-architect/","weight":1,"locales":["en","nl"],"id":"article:what-is-a-deal-architect|references|volume:the-deal-architect"},{"source":"article:what-is-a-deal-architect","target":"article:gtm-survives-ten-customers","relation":"related","evidence":"src/content/articles/en/what-is-a-deal-architect.md relatedArticleIds: 14505d72-c200-4d58-87e5-a73b57441bf1\nsrc/content/articles/nl/wat-is-een-deal-architect.md relatedArticleIds: 14505d72-c200-4d58-87e5-a73b57441bf1","weight":2,"locales":["en","nl"],"id":"article:what-is-a-deal-architect|related|article:gtm-survives-ten-customers"},{"source":"article:what-is-a-deal-architect","target":"volume:the-deal-architect","relation":"related","evidence":"src/data/site-link-graph.ts: what-is-a-deal-architect books","weight":2,"locales":["en","nl"],"id":"article:what-is-a-deal-architect|related|volume:the-deal-architect"},{"source":"article:what-is-a-dominated-model","target":"concept:route","relation":"discusses","evidence":"src/content/articles/en/what-is-a-dominated-model.md glossary: ROUTE\nsrc/content/articles/nl/wat-is-een-gedomineerd-model.md glossary: ROUTE","weight":1.5,"locales":["en","nl"],"id":"article:what-is-a-dominated-model|discusses|concept:route"},{"source":"article:what-is-a-dominated-model","target":"concept:tag:undominated","relation":"discusses","evidence":"src/content/articles/en/what-is-a-dominated-model.md tags: undominated\nsrc/content/articles/nl/wat-is-een-gedomineerd-model.md tags: undominated","weight":1.5,"locales":["en","nl"],"id":"article:what-is-a-dominated-model|discusses|concept:tag:undominated"},{"source":"article:what-is-a-dominated-model","target":"article:introducing-undominated","relation":"references","evidence":"src/content/articles/en/what-is-a-dominated-model.md body: /en/blog/introducing-undominated/\nsrc/content/articles/en/what-is-a-dominated-model.md furtherReading: /en/blog/introducing-undominated/\nsrc/content/articles/en/what-is-a-dominated-model.md sources: /en/blog/introducing-undominated/\nsrc/content/articles/nl/wat-is-een-gedomineerd-model.md body: /nl/blog/undominated-ai-introductie/\nsrc/content/articles/nl/wat-is-een-gedomineerd-model.md furtherReading: /nl/blog/undominated-ai-introductie/\nsrc/content/articles/nl/wat-is-een-gedomineerd-model.md sources: /nl/blog/undominated-ai-introductie/","weight":1,"locales":["en","nl"],"id":"article:what-is-a-dominated-model|references|article:introducing-undominated"},{"source":"article:what-is-a-dominated-model","target":"article:what-is-model-routing","relation":"references","evidence":"src/content/articles/en/what-is-a-dominated-model.md body: /en/blog/what-is-model-routing/\nsrc/content/articles/en/what-is-a-dominated-model.md furtherReading: /en/blog/what-is-model-routing/\nsrc/content/articles/nl/wat-is-een-gedomineerd-model.md body: /nl/blog/wat-is-modelroutering/\nsrc/content/articles/nl/wat-is-een-gedomineerd-model.md furtherReading: /nl/blog/wat-is-modelroutering/","weight":1,"locales":["en","nl"],"id":"article:what-is-a-dominated-model|references|article:what-is-model-routing"},{"source":"article:what-is-a-dominated-model","target":"artifact:undominated","relation":"references","evidence":"src/content/articles/en/what-is-a-dominated-model.md sources: https://undominated.ai/\nsrc/content/articles/nl/wat-is-een-gedomineerd-model.md sources: https://undominated.ai/","weight":1,"locales":["en","nl"],"id":"article:what-is-a-dominated-model|references|artifact:undominated"},{"source":"article:what-is-a-dominated-model","target":"concept:route","relation":"references","evidence":"src/content/articles/en/what-is-a-dominated-model.md body: /frameworks/route/\nsrc/content/articles/en/what-is-a-dominated-model.md sources: /frameworks/route/\nsrc/content/articles/nl/wat-is-een-gedomineerd-model.md body: /nl/frameworks/route/\nsrc/content/articles/nl/wat-is-een-gedomineerd-model.md sources: /nl/frameworks/route/","weight":1,"locales":["en","nl"],"id":"article:what-is-a-dominated-model|references|concept:route"},{"source":"article:what-is-a-dominated-model","target":"volume:the-model-portfolio","relation":"references","evidence":"src/content/articles/en/what-is-a-dominated-model.md body: /books/the-model-portfolio/\nsrc/content/articles/en/what-is-a-dominated-model.md furtherReading: /books/the-model-portfolio/\nsrc/content/articles/en/what-is-a-dominated-model.md sources: /books/the-model-portfolio/\nsrc/content/articles/nl/wat-is-een-gedomineerd-model.md body: /boeken/the-model-portfolio/\nsrc/content/articles/nl/wat-is-een-gedomineerd-model.md furtherReading: /boeken/the-model-portfolio/\nsrc/content/articles/nl/wat-is-een-gedomineerd-model.md sources: /boeken/the-model-portfolio/","weight":1,"locales":["en","nl"],"id":"article:what-is-a-dominated-model|references|volume:the-model-portfolio"},{"source":"article:what-is-a-dominated-model","target":"article:frontier-vs-workhorse-vs-local","relation":"related","evidence":"src/content/articles/en/what-is-a-dominated-model.md relatedArticleIds: 4193ef4c-ebf5-432a-b772-609d088aac43\nsrc/content/articles/nl/wat-is-een-gedomineerd-model.md relatedArticleIds: f98404c8-0408-4b46-92eb-cea7ddcb5c18","weight":2,"locales":["en","nl"],"id":"article:what-is-a-dominated-model|related|article:frontier-vs-workhorse-vs-local"},{"source":"article:what-is-a-dominated-model","target":"article:introducing-undominated","relation":"related","evidence":"src/content/articles/en/what-is-a-dominated-model.md relatedArticleIds: 7122a22c-e35b-463a-acc5-1abf3d4983ae\nsrc/content/articles/nl/wat-is-een-gedomineerd-model.md relatedArticleIds: a378e266-30b9-4297-8ccf-59a6ba4429f8","weight":2,"locales":["en","nl"],"id":"article:what-is-a-dominated-model|related|article:introducing-undominated"},{"source":"article:what-is-a-dominated-model","target":"article:what-is-model-routing","relation":"related","evidence":"src/content/articles/en/what-is-a-dominated-model.md relatedArticleIds: 8128e57b-28a6-403e-9b23-c5952cf90310\nsrc/content/articles/nl/wat-is-een-gedomineerd-model.md relatedArticleIds: b4592d79-701f-48db-959b-6ab97351e45d","weight":2,"locales":["en","nl"],"id":"article:what-is-a-dominated-model|related|article:what-is-model-routing"},{"source":"article:what-is-a-knowledge-graph","target":"concept:evidence-ledger","relation":"discusses","evidence":"src/content/articles/en/what-is-a-knowledge-graph.md glossary: Evidence ledger\nsrc/content/articles/nl/wat-is-een-knowledge-graph.md glossary: Bewijsregister","weight":1.5,"locales":["en","nl"],"id":"article:what-is-a-knowledge-graph|discusses|concept:evidence-ledger"},{"source":"article:what-is-a-knowledge-graph","target":"concept:rag","relation":"discusses","evidence":"src/content/articles/en/what-is-a-knowledge-graph.md glossary: RAG\nsrc/content/articles/nl/wat-is-een-knowledge-graph.md glossary: RAG","weight":1.5,"locales":["en","nl"],"id":"article:what-is-a-knowledge-graph|discusses|concept:rag"},{"source":"article:what-is-a-knowledge-graph","target":"concept:tag:ai-agents","relation":"discusses","evidence":"src/content/articles/en/what-is-a-knowledge-graph.md tags: ai-agents\nsrc/content/articles/nl/wat-is-een-knowledge-graph.md tags: ai-agents","weight":1.5,"locales":["en","nl"],"id":"article:what-is-a-knowledge-graph|discusses|concept:tag:ai-agents"},{"source":"article:what-is-a-knowledge-graph","target":"article:what-is-rag","relation":"references","evidence":"src/content/articles/en/what-is-a-knowledge-graph.md body: /en/blog/what-is-rag/\nsrc/content/articles/en/what-is-a-knowledge-graph.md furtherReading: /en/blog/what-is-rag/\nsrc/content/articles/en/what-is-a-knowledge-graph.md sources: /en/blog/what-is-rag/\nsrc/content/articles/nl/wat-is-een-knowledge-graph.md body: /nl/blog/wat-is-rag/\nsrc/content/articles/nl/wat-is-een-knowledge-graph.md furtherReading: /nl/blog/wat-is-rag/\nsrc/content/articles/nl/wat-is-een-knowledge-graph.md sources: /nl/blog/wat-is-rag/","weight":1,"locales":["en","nl"],"id":"article:what-is-a-knowledge-graph|references|article:what-is-rag"},{"source":"article:what-is-a-knowledge-graph","target":"article:when-to-use-rag","relation":"references","evidence":"src/content/articles/en/what-is-a-knowledge-graph.md body: /en/blog/when-to-use-rag/\nsrc/content/articles/en/what-is-a-knowledge-graph.md furtherReading: /en/blog/when-to-use-rag/\nsrc/content/articles/en/what-is-a-knowledge-graph.md sources: /en/blog/when-to-use-rag/\nsrc/content/articles/nl/wat-is-een-knowledge-graph.md body: /nl/blog/wanneer-rag-gebruiken/\nsrc/content/articles/nl/wat-is-een-knowledge-graph.md furtherReading: /nl/blog/wanneer-rag-gebruiken/\nsrc/content/articles/nl/wat-is-een-knowledge-graph.md sources: /nl/blog/wanneer-rag-gebruiken/","weight":1,"locales":["en","nl"],"id":"article:what-is-a-knowledge-graph|references|article:when-to-use-rag"},{"source":"article:what-is-a-knowledge-graph","target":"concept:evidence-ledger","relation":"references","evidence":"src/content/articles/en/what-is-a-knowledge-graph.md body: /glossary/evidence-ledger/\nsrc/content/articles/en/what-is-a-knowledge-graph.md furtherReading: /glossary/evidence-ledger/\nsrc/content/articles/en/what-is-a-knowledge-graph.md sources: /glossary/evidence-ledger/\nsrc/content/articles/nl/wat-is-een-knowledge-graph.md body: /nl/begrippen/bewijsregister/\nsrc/content/articles/nl/wat-is-een-knowledge-graph.md furtherReading: /nl/begrippen/bewijsregister/\nsrc/content/articles/nl/wat-is-een-knowledge-graph.md sources: /nl/begrippen/bewijsregister/","weight":1,"locales":["en","nl"],"id":"article:what-is-a-knowledge-graph|references|concept:evidence-ledger"},{"source":"article:what-is-a-knowledge-graph","target":"concept:grain","relation":"references","evidence":"src/content/articles/en/what-is-a-knowledge-graph.md sources: /glossary/grain/\nsrc/content/articles/nl/wat-is-een-knowledge-graph.md sources: /nl/begrippen/grain/","weight":1,"locales":["en","nl"],"id":"article:what-is-a-knowledge-graph|references|concept:grain"},{"source":"article:what-is-a-knowledge-graph","target":"volume:the-rag-engineer","relation":"references","evidence":"src/content/articles/en/what-is-a-knowledge-graph.md body: /books/the-rag-engineer/\nsrc/content/articles/en/what-is-a-knowledge-graph.md furtherReading: /books/the-rag-engineer/\nsrc/content/articles/en/what-is-a-knowledge-graph.md sources: /books/the-rag-engineer/\nsrc/content/articles/nl/wat-is-een-knowledge-graph.md body: /boeken/the-rag-engineer/\nsrc/content/articles/nl/wat-is-een-knowledge-graph.md furtherReading: /boeken/the-rag-engineer/\nsrc/content/articles/nl/wat-is-een-knowledge-graph.md sources: /boeken/the-rag-engineer/","weight":1,"locales":["en","nl"],"id":"article:what-is-a-knowledge-graph|references|volume:the-rag-engineer"},{"source":"article:what-is-a-knowledge-graph","target":"article:what-is-rag","relation":"related","evidence":"src/content/articles/en/what-is-a-knowledge-graph.md relatedArticleIds: 295fcb44-1746-4f53-95f7-60a307ad8af1\nsrc/content/articles/nl/wat-is-een-knowledge-graph.md relatedArticleIds: 295fcb44-1746-4f53-95f7-60a307ad8af1","weight":2,"locales":["en","nl"],"id":"article:what-is-a-knowledge-graph|related|article:what-is-rag"},{"source":"article:what-is-a-knowledge-graph","target":"article:when-to-use-rag","relation":"related","evidence":"src/content/articles/en/what-is-a-knowledge-graph.md relatedArticleIds: 6c1b0ae2-d9b3-49f2-9002-139621f07d38\nsrc/content/articles/nl/wat-is-een-knowledge-graph.md relatedArticleIds: 6c1b0ae2-d9b3-49f2-9002-139621f07d38","weight":2,"locales":["en","nl"],"id":"article:what-is-a-knowledge-graph|related|article:when-to-use-rag"},{"source":"article:what-is-a-model-cascade","target":"concept:route","relation":"discusses","evidence":"src/content/articles/en/what-is-a-model-cascade.md glossary: ROUTE\nsrc/content/articles/nl/wat-is-een-modelcascade.md glossary: ROUTE","weight":1.5,"locales":["en","nl"],"id":"article:what-is-a-model-cascade|discusses|concept:route"},{"source":"article:what-is-a-model-cascade","target":"concept:tag:ai-agents","relation":"discusses","evidence":"src/content/articles/en/what-is-a-model-cascade.md tags: ai-agents\nsrc/content/articles/nl/wat-is-een-modelcascade.md tags: ai-agents","weight":1.5,"locales":["en","nl"],"id":"article:what-is-a-model-cascade|discusses|concept:tag:ai-agents"},{"source":"article:what-is-a-model-cascade","target":"article:what-is-model-routing","relation":"references","evidence":"src/content/articles/en/what-is-a-model-cascade.md body: /en/blog/what-is-model-routing/\nsrc/content/articles/en/what-is-a-model-cascade.md furtherReading: /en/blog/what-is-model-routing/\nsrc/content/articles/en/what-is-a-model-cascade.md sources: /en/blog/what-is-model-routing/\nsrc/content/articles/nl/wat-is-een-modelcascade.md body: /nl/blog/wat-is-modelroutering/\nsrc/content/articles/nl/wat-is-een-modelcascade.md furtherReading: /nl/blog/wat-is-modelroutering/\nsrc/content/articles/nl/wat-is-een-modelcascade.md sources: /nl/blog/wat-is-modelroutering/","weight":1,"locales":["en","nl"],"id":"article:what-is-a-model-cascade|references|article:what-is-model-routing"},{"source":"article:what-is-a-model-cascade","target":"concept:cascade","relation":"references","evidence":"src/content/articles/en/what-is-a-model-cascade.md body: /glossary/cascade/\nsrc/content/articles/en/what-is-a-model-cascade.md furtherReading: /glossary/cascade/\nsrc/content/articles/en/what-is-a-model-cascade.md sources: /glossary/cascade/\nsrc/content/articles/nl/wat-is-een-modelcascade.md body: /nl/begrippen/cascade/\nsrc/content/articles/nl/wat-is-een-modelcascade.md furtherReading: /nl/begrippen/cascade/\nsrc/content/articles/nl/wat-is-een-modelcascade.md sources: /nl/begrippen/cascade/","weight":1,"locales":["en","nl"],"id":"article:what-is-a-model-cascade|references|concept:cascade"},{"source":"article:what-is-a-model-cascade","target":"concept:route","relation":"references","evidence":"src/content/articles/en/what-is-a-model-cascade.md furtherReading: /glossary/route/\nsrc/content/articles/en/what-is-a-model-cascade.md sources: /glossary/route/\nsrc/content/articles/nl/wat-is-een-modelcascade.md furtherReading: /nl/begrippen/route/\nsrc/content/articles/nl/wat-is-een-modelcascade.md sources: /nl/begrippen/route/","weight":1,"locales":["en","nl"],"id":"article:what-is-a-model-cascade|references|concept:route"},{"source":"article:what-is-a-model-cascade","target":"volume:the-model-portfolio","relation":"references","evidence":"src/content/articles/en/what-is-a-model-cascade.md body: /books/the-model-portfolio/\nsrc/content/articles/en/what-is-a-model-cascade.md furtherReading: /books/the-model-portfolio/\nsrc/content/articles/en/what-is-a-model-cascade.md sources: /books/the-model-portfolio/\nsrc/content/articles/nl/wat-is-een-modelcascade.md body: /boeken/the-model-portfolio/\nsrc/content/articles/nl/wat-is-een-modelcascade.md furtherReading: /boeken/the-model-portfolio/\nsrc/content/articles/nl/wat-is-een-modelcascade.md sources: /boeken/the-model-portfolio/","weight":1,"locales":["en","nl"],"id":"article:what-is-a-model-cascade|references|volume:the-model-portfolio"},{"source":"article:what-is-a-model-cascade","target":"article:frontier-vs-workhorse-vs-local","relation":"related","evidence":"src/content/articles/en/what-is-a-model-cascade.md relatedArticleIds: 4193ef4c-ebf5-432a-b772-609d088aac43\nsrc/content/articles/nl/wat-is-een-modelcascade.md relatedArticleIds: 4193ef4c-ebf5-432a-b772-609d088aac43","weight":2,"locales":["en","nl"],"id":"article:what-is-a-model-cascade|related|article:frontier-vs-workhorse-vs-local"},{"source":"article:what-is-a-model-cascade","target":"article:what-is-model-routing","relation":"related","evidence":"src/content/articles/en/what-is-a-model-cascade.md relatedArticleIds: 8128e57b-28a6-403e-9b23-c5952cf90310\nsrc/content/articles/nl/wat-is-een-modelcascade.md relatedArticleIds: 8128e57b-28a6-403e-9b23-c5952cf90310","weight":2,"locales":["en","nl"],"id":"article:what-is-a-model-cascade|related|article:what-is-model-routing"},{"source":"article:what-is-a-model-cascade","target":"concept:route","relation":"related","evidence":"src/data/site-link-graph.ts: what-is-a-model-cascade frameworks/glossary","weight":2,"locales":["en","nl"],"id":"article:what-is-a-model-cascade|related|concept:route"},{"source":"article:what-is-a-model-cascade","target":"volume:the-model-portfolio","relation":"related","evidence":"src/data/site-link-graph.ts: what-is-a-model-cascade books","weight":2,"locales":["en","nl"],"id":"article:what-is-a-model-cascade|related|volume:the-model-portfolio"},{"source":"article:what-is-a-personal-health-agent","target":"concept:ai-agent","relation":"discusses","evidence":"src/content/articles/en/what-is-a-personal-health-agent.md glossary: AI agent\nsrc/content/articles/nl/wat-is-een-persoonlijke-gezondheidsagent.md glossary: AI-agent","weight":1.5,"locales":["en","nl"],"id":"article:what-is-a-personal-health-agent|discusses|concept:ai-agent"},{"source":"article:what-is-a-personal-health-agent","target":"concept:tag:ai-agents","relation":"discusses","evidence":"src/content/articles/en/what-is-a-personal-health-agent.md tags: ai-agents\nsrc/content/articles/nl/wat-is-een-persoonlijke-gezondheidsagent.md tags: ai-agents","weight":1.5,"locales":["en","nl"],"id":"article:what-is-a-personal-health-agent|discusses|concept:tag:ai-agents"},{"source":"article:what-is-a-personal-health-agent","target":"article:what-is-an-ai-agent","relation":"references","evidence":"src/content/articles/en/what-is-a-personal-health-agent.md body: /en/blog/what-is-an-ai-agent/\nsrc/content/articles/en/what-is-a-personal-health-agent.md furtherReading: /en/blog/what-is-an-ai-agent/\nsrc/content/articles/en/what-is-a-personal-health-agent.md sources: /en/blog/what-is-an-ai-agent/\nsrc/content/articles/nl/wat-is-een-persoonlijke-gezondheidsagent.md body: /nl/blog/wat-is-een-ai-agent/\nsrc/content/articles/nl/wat-is-een-persoonlijke-gezondheidsagent.md furtherReading: /nl/blog/wat-is-een-ai-agent/\nsrc/content/articles/nl/wat-is-een-persoonlijke-gezondheidsagent.md sources: /nl/blog/wat-is-een-ai-agent/","weight":1,"locales":["en","nl"],"id":"article:what-is-a-personal-health-agent|references|article:what-is-an-ai-agent"},{"source":"article:what-is-a-personal-health-agent","target":"article:what-is-an-evidence-ledger","relation":"references","evidence":"src/content/articles/en/what-is-a-personal-health-agent.md body: /en/blog/what-is-an-evidence-ledger/\nsrc/content/articles/en/what-is-a-personal-health-agent.md sources: /en/blog/what-is-an-evidence-ledger/\nsrc/content/articles/nl/wat-is-een-persoonlijke-gezondheidsagent.md body: /nl/blog/wat-is-een-bewijsregister/\nsrc/content/articles/nl/wat-is-een-persoonlijke-gezondheidsagent.md sources: /nl/blog/wat-is-een-bewijsregister/","weight":1,"locales":["en","nl"],"id":"article:what-is-a-personal-health-agent|references|article:what-is-an-evidence-ledger"},{"source":"article:what-is-a-personal-health-agent","target":"volume:ai-agents-for-personal-health","relation":"references","evidence":"src/content/articles/en/what-is-a-personal-health-agent.md body: /books/ai-agents-for-personal-health/\nsrc/content/articles/en/what-is-a-personal-health-agent.md furtherReading: /books/ai-agents-for-personal-health/\nsrc/content/articles/en/what-is-a-personal-health-agent.md sources: /books/ai-agents-for-personal-health/\nsrc/content/articles/nl/wat-is-een-persoonlijke-gezondheidsagent.md body: /boeken/ai-agents-for-personal-health/\nsrc/content/articles/nl/wat-is-een-persoonlijke-gezondheidsagent.md furtherReading: /boeken/ai-agents-for-personal-health/\nsrc/content/articles/nl/wat-is-een-persoonlijke-gezondheidsagent.md sources: /boeken/ai-agents-for-personal-health/","weight":1,"locales":["en","nl"],"id":"article:what-is-a-personal-health-agent|references|volume:ai-agents-for-personal-health"},{"source":"article:what-is-a-personal-health-agent","target":"volume:ai-agents-for-startup-strategy","relation":"references","evidence":"src/content/articles/en/what-is-a-personal-health-agent.md body: /ai-agents-for-startup-strategy/\nsrc/content/articles/nl/wat-is-een-persoonlijke-gezondheidsagent.md body: /boeken/ai-agents-for-startup-strategy/","weight":1,"locales":["en","nl"],"id":"article:what-is-a-personal-health-agent|references|volume:ai-agents-for-startup-strategy"},{"source":"article:what-is-a-personal-health-agent","target":"article:what-is-an-ai-agent","relation":"related","evidence":"src/content/articles/en/what-is-a-personal-health-agent.md relatedArticleIds: 69f0de22-6dd9-44b3-b6d8-b89ce8d8df7e\nsrc/content/articles/nl/wat-is-een-persoonlijke-gezondheidsagent.md relatedArticleIds: 69f0de22-6dd9-44b3-b6d8-b89ce8d8df7e","weight":2,"locales":["en","nl"],"id":"article:what-is-a-personal-health-agent|related|article:what-is-an-ai-agent"},{"source":"article:what-is-a-personal-health-agent","target":"article:what-is-an-evidence-ledger","relation":"related","evidence":"src/content/articles/en/what-is-a-personal-health-agent.md relatedArticleIds: e38dcaa3-9ba5-4ffd-af9d-ec5437c129d9\nsrc/content/articles/nl/wat-is-een-persoonlijke-gezondheidsagent.md relatedArticleIds: e38dcaa3-9ba5-4ffd-af9d-ec5437c129d9","weight":2,"locales":["en","nl"],"id":"article:what-is-a-personal-health-agent|related|article:what-is-an-evidence-ledger"},{"source":"article:what-is-aeo","target":"concept:aeo","relation":"discusses","evidence":"src/content/articles/en/what-is-aeo.md glossary: AEO\nsrc/content/articles/en/what-is-aeo.md tags: aeo\nsrc/content/articles/nl/wat-is-aeo.md glossary: AEO\nsrc/content/articles/nl/wat-is-aeo.md tags: aeo","weight":1.5,"locales":["en","nl"],"id":"article:what-is-aeo|discusses|concept:aeo"},{"source":"article:what-is-aeo","target":"concept:citation","relation":"discusses","evidence":"src/content/articles/en/what-is-aeo.md glossary: CITATION\nsrc/content/articles/nl/wat-is-aeo.md glossary: CITATION","weight":1.5,"locales":["en","nl"],"id":"article:what-is-aeo|discusses|concept:citation"},{"source":"article:what-is-aeo","target":"concept:geo","relation":"discusses","evidence":"src/content/articles/en/what-is-aeo.md glossary: GEO\nsrc/content/articles/en/what-is-aeo.md tags: geo\nsrc/content/articles/nl/wat-is-aeo.md glossary: GEO\nsrc/content/articles/nl/wat-is-aeo.md tags: geo","weight":1.5,"locales":["en","nl"],"id":"article:what-is-aeo|discusses|concept:geo"},{"source":"article:what-is-aeo","target":"article:aeo-vs-geo-vs-seo","relation":"references","evidence":"src/content/articles/en/what-is-aeo.md body: /en/blog/aeo-vs-geo-vs-seo/\nsrc/content/articles/nl/wat-is-aeo.md body: /nl/blog/aeo-versus-geo-versus-seo/","weight":1,"locales":["en","nl"],"id":"article:what-is-aeo|references|article:aeo-vs-geo-vs-seo"},{"source":"article:what-is-aeo","target":"article:answer-first-writing","relation":"references","evidence":"src/content/articles/en/what-is-aeo.md body: /en/blog/answer-first-writing/\nsrc/content/articles/nl/wat-is-aeo.md body: /nl/blog/antwoord-eerst-schrijven/","weight":1,"locales":["en","nl"],"id":"article:what-is-aeo|references|article:answer-first-writing"},{"source":"article:what-is-aeo","target":"article:content-architecture-answer-engines","relation":"references","evidence":"src/content/articles/en/what-is-aeo.md body: /en/blog/content-architecture-for-answer-engines/\nsrc/content/articles/en/what-is-aeo.md furtherReading: /en/blog/content-architecture-for-answer-engines/\nsrc/content/articles/en/what-is-aeo.md sources: /en/blog/content-architecture-for-answer-engines/\nsrc/content/articles/nl/wat-is-aeo.md body: /nl/blog/contentarchitectuur-voor-antwoordmachines/\nsrc/content/articles/nl/wat-is-aeo.md furtherReading: /nl/blog/contentarchitectuur-voor-antwoordmachines/\nsrc/content/articles/nl/wat-is-aeo.md sources: /nl/blog/contentarchitectuur-voor-antwoordmachines/","weight":1,"locales":["en","nl"],"id":"article:what-is-aeo|references|article:content-architecture-answer-engines"},{"source":"article:what-is-aeo","target":"article:geo-meaning","relation":"references","evidence":"src/content/articles/en/what-is-aeo.md body: /en/blog/what-geo-means/\nsrc/content/articles/en/what-is-aeo.md furtherReading: /en/blog/what-geo-means/\nsrc/content/articles/en/what-is-aeo.md sources: /en/blog/what-geo-means/\nsrc/content/articles/nl/wat-is-aeo.md body: /nl/blog/geo-betekenis/\nsrc/content/articles/nl/wat-is-aeo.md furtherReading: /nl/blog/geo-betekenis/\nsrc/content/articles/nl/wat-is-aeo.md sources: /nl/blog/geo-betekenis/","weight":1,"locales":["en","nl"],"id":"article:what-is-aeo|references|article:geo-meaning"},{"source":"article:what-is-aeo","target":"article:how-to-get-cited-2026","relation":"references","evidence":"src/content/articles/en/what-is-aeo.md furtherReading: /en/blog/how-to-get-cited-2026/\nsrc/content/articles/nl/wat-is-aeo.md furtherReading: /nl/blog/hoe-je-geciteerd-wordt-2026/","weight":1,"locales":["en","nl"],"id":"article:what-is-aeo|references|article:how-to-get-cited-2026"},{"source":"article:what-is-aeo","target":"concept:aeo","relation":"references","evidence":"src/content/articles/en/what-is-aeo.md body: /glossary/aeo/\nsrc/content/articles/en/what-is-aeo.md furtherReading: /glossary/aeo/\nsrc/content/articles/en/what-is-aeo.md sources: /glossary/aeo/\nsrc/content/articles/nl/wat-is-aeo.md body: /nl/begrippen/aeo/\nsrc/content/articles/nl/wat-is-aeo.md furtherReading: /nl/begrippen/aeo/\nsrc/content/articles/nl/wat-is-aeo.md sources: /nl/begrippen/aeo/","weight":1,"locales":["en","nl"],"id":"article:what-is-aeo|references|concept:aeo"},{"source":"article:what-is-aeo","target":"concept:citation","relation":"references","evidence":"src/content/articles/en/what-is-aeo.md body: /glossary/citation/\nsrc/content/articles/en/what-is-aeo.md sources: /glossary/citation/\nsrc/content/articles/nl/wat-is-aeo.md body: /nl/begrippen/citation/\nsrc/content/articles/nl/wat-is-aeo.md sources: /nl/begrippen/citation/","weight":1,"locales":["en","nl"],"id":"article:what-is-aeo|references|concept:citation"},{"source":"article:what-is-aeo","target":"concept:geo","relation":"references","evidence":"src/content/articles/en/what-is-aeo.md body: /glossary/geo/\nsrc/content/articles/en/what-is-aeo.md sources: /glossary/geo/\nsrc/content/articles/nl/wat-is-aeo.md body: /nl/begrippen/geo/\nsrc/content/articles/nl/wat-is-aeo.md sources: /nl/begrippen/geo/","weight":1,"locales":["en","nl"],"id":"article:what-is-aeo|references|concept:geo"},{"source":"article:what-is-aeo","target":"volume:the-findability-engine","relation":"references","evidence":"src/content/articles/en/what-is-aeo.md body: /books/the-findability-engine/\nsrc/content/articles/en/what-is-aeo.md sources: /books/the-findability-engine/\nsrc/content/articles/nl/wat-is-aeo.md body: /boeken/the-findability-engine/\nsrc/content/articles/nl/wat-is-aeo.md sources: /boeken/the-findability-engine/","weight":1,"locales":["en","nl"],"id":"article:what-is-aeo|references|volume:the-findability-engine"},{"source":"article:what-is-aeo","target":"article:answer-engine-citations","relation":"related","evidence":"src/content/articles/en/what-is-aeo.md relatedArticleIds: 018f6f0d-4aa1-7d2e-9c8e-f57fc6f5d100\nsrc/content/articles/nl/wat-is-aeo.md relatedArticleIds: 018f6f0d-4aa1-7d2e-9c8e-f57fc6f5d100","weight":2,"locales":["en","nl"],"id":"article:what-is-aeo|related|article:answer-engine-citations"},{"source":"article:what-is-aeo","target":"article:content-architecture-answer-engines","relation":"related","evidence":"src/content/articles/en/what-is-aeo.md relatedArticleIds: 25405657-7d27-4604-877c-d3f22c6c2e9c\nsrc/content/articles/nl/wat-is-aeo.md relatedArticleIds: 25405657-7d27-4604-877c-d3f22c6c2e9c","weight":2,"locales":["en","nl"],"id":"article:what-is-aeo|related|article:content-architecture-answer-engines"},{"source":"article:what-is-aeo","target":"article:how-to-get-cited-2026","relation":"related","evidence":"src/content/articles/en/what-is-aeo.md relatedArticleIds: 030afe30-fce7-41d2-b1a4-798d4e2c8048\nsrc/content/articles/nl/wat-is-aeo.md relatedArticleIds: 030afe30-fce7-41d2-b1a4-798d4e2c8048","weight":2,"locales":["en","nl"],"id":"article:what-is-aeo|related|article:how-to-get-cited-2026"},{"source":"article:what-is-aeo","target":"concept:aeo","relation":"related","evidence":"src/data/site-link-graph.ts: what-is-aeo frameworks/glossary","weight":2,"locales":["en","nl"],"id":"article:what-is-aeo|related|concept:aeo"},{"source":"article:what-is-aeo","target":"concept:citation","relation":"related","evidence":"src/data/site-link-graph.ts: what-is-aeo frameworks/glossary","weight":2,"locales":["en","nl"],"id":"article:what-is-aeo|related|concept:citation"},{"source":"article:what-is-aeo","target":"concept:geo","relation":"related","evidence":"src/data/site-link-graph.ts: what-is-aeo frameworks/glossary","weight":2,"locales":["en","nl"],"id":"article:what-is-aeo|related|concept:geo"},{"source":"article:what-is-aeo","target":"volume:the-findability-engine","relation":"related","evidence":"src/data/site-link-graph.ts: what-is-aeo books","weight":2,"locales":["en","nl"],"id":"article:what-is-aeo|related|volume:the-findability-engine"},{"source":"article:what-is-agent-orchestration","target":"concept:chorus","relation":"discusses","evidence":"src/content/articles/en/what-is-agent-orchestration.md glossary: CHORUS\nsrc/content/articles/nl/wat-is-agent-orchestratie.md glossary: CHORUS","weight":1.5,"locales":["en","nl"],"id":"article:what-is-agent-orchestration|discusses|concept:chorus"},{"source":"article:what-is-agent-orchestration","target":"concept:tag:ai-agents","relation":"discusses","evidence":"src/content/articles/en/what-is-agent-orchestration.md tags: ai-agents\nsrc/content/articles/nl/wat-is-agent-orchestratie.md tags: ai-agents","weight":1.5,"locales":["en","nl"],"id":"article:what-is-agent-orchestration|discusses|concept:tag:ai-agents"},{"source":"article:what-is-agent-orchestration","target":"article:what-is-an-ai-agent","relation":"references","evidence":"src/content/articles/en/what-is-agent-orchestration.md body: /en/blog/what-is-an-ai-agent/\nsrc/content/articles/en/what-is-agent-orchestration.md sources: /en/blog/what-is-an-ai-agent/\nsrc/content/articles/nl/wat-is-agent-orchestratie.md body: /nl/blog/wat-is-een-ai-agent/\nsrc/content/articles/nl/wat-is-agent-orchestratie.md sources: /nl/blog/wat-is-een-ai-agent/","weight":1,"locales":["en","nl"],"id":"article:what-is-agent-orchestration|references|article:what-is-an-ai-agent"},{"source":"article:what-is-agent-orchestration","target":"article:why-multi-agent-systems-fail","relation":"references","evidence":"src/content/articles/en/what-is-agent-orchestration.md body: /en/blog/why-multi-agent-systems-fail/\nsrc/content/articles/en/what-is-agent-orchestration.md furtherReading: /en/blog/why-multi-agent-systems-fail/\nsrc/content/articles/en/what-is-agent-orchestration.md sources: /en/blog/why-multi-agent-systems-fail/\nsrc/content/articles/nl/wat-is-agent-orchestratie.md body: /nl/blog/waarom-multi-agent-systemen-falen/\nsrc/content/articles/nl/wat-is-agent-orchestratie.md furtherReading: /nl/blog/waarom-multi-agent-systemen-falen/\nsrc/content/articles/nl/wat-is-agent-orchestratie.md sources: /nl/blog/waarom-multi-agent-systemen-falen/","weight":1,"locales":["en","nl"],"id":"article:what-is-agent-orchestration|references|article:why-multi-agent-systems-fail"},{"source":"article:what-is-agent-orchestration","target":"concept:chorus","relation":"references","evidence":"src/content/articles/en/what-is-agent-orchestration.md body: /glossary/chorus/\nsrc/content/articles/en/what-is-agent-orchestration.md furtherReading: /glossary/chorus/\nsrc/content/articles/en/what-is-agent-orchestration.md sources: /glossary/chorus/\nsrc/content/articles/nl/wat-is-agent-orchestratie.md body: /nl/begrippen/chorus/\nsrc/content/articles/nl/wat-is-agent-orchestratie.md furtherReading: /nl/begrippen/chorus/\nsrc/content/articles/nl/wat-is-agent-orchestratie.md sources: /nl/begrippen/chorus/","weight":1,"locales":["en","nl"],"id":"article:what-is-agent-orchestration|references|concept:chorus"},{"source":"article:what-is-agent-orchestration","target":"volume:multi-agent-organization","relation":"references","evidence":"src/content/articles/en/what-is-agent-orchestration.md body: /books/multi-agent-organization/\nsrc/content/articles/en/what-is-agent-orchestration.md furtherReading: /books/multi-agent-organization/\nsrc/content/articles/en/what-is-agent-orchestration.md sources: /books/multi-agent-organization/\nsrc/content/articles/nl/wat-is-agent-orchestratie.md body: /boeken/multi-agent-organization/\nsrc/content/articles/nl/wat-is-agent-orchestratie.md furtherReading: /boeken/multi-agent-organization/\nsrc/content/articles/nl/wat-is-agent-orchestratie.md sources: /boeken/multi-agent-organization/","weight":1,"locales":["en","nl"],"id":"article:what-is-agent-orchestration|references|volume:multi-agent-organization"},{"source":"article:what-is-agent-orchestration","target":"article:what-is-an-ai-agent","relation":"related","evidence":"src/content/articles/en/what-is-agent-orchestration.md relatedArticleIds: 69f0de22-6dd9-44b3-b6d8-b89ce8d8df7e\nsrc/content/articles/nl/wat-is-agent-orchestratie.md relatedArticleIds: 69f0de22-6dd9-44b3-b6d8-b89ce8d8df7e","weight":2,"locales":["en","nl"],"id":"article:what-is-agent-orchestration|related|article:what-is-an-ai-agent"},{"source":"article:what-is-agent-orchestration","target":"article:why-multi-agent-systems-fail","relation":"related","evidence":"src/content/articles/en/what-is-agent-orchestration.md relatedArticleIds: ac288a9d-bf78-42af-934d-f2762b095752\nsrc/content/articles/nl/wat-is-agent-orchestratie.md relatedArticleIds: ac288a9d-bf78-42af-934d-f2762b095752","weight":2,"locales":["en","nl"],"id":"article:what-is-agent-orchestration|related|article:why-multi-agent-systems-fail"},{"source":"article:what-is-agent-strategy","target":"concept:ai-agent","relation":"discusses","evidence":"src/content/articles/en/what-is-agent-strategy.md glossary: AI agent\nsrc/content/articles/nl/wat-is-agentstrategie.md glossary: AI-agent","weight":1.5,"locales":["en","nl"],"id":"article:what-is-agent-strategy|discusses|concept:ai-agent"},{"source":"article:what-is-agent-strategy","target":"concept:override-doctrine","relation":"discusses","evidence":"src/content/articles/en/what-is-agent-strategy.md glossary: Override doctrine\nsrc/content/articles/nl/wat-is-agentstrategie.md glossary: Override-doctrine","weight":1.5,"locales":["en","nl"],"id":"article:what-is-agent-strategy|discusses|concept:override-doctrine"},{"source":"article:what-is-agent-strategy","target":"concept:tag:ai-agents","relation":"discusses","evidence":"src/content/articles/en/what-is-agent-strategy.md tags: ai-agents\nsrc/content/articles/nl/wat-is-agentstrategie.md tags: ai-agents","weight":1.5,"locales":["en","nl"],"id":"article:what-is-agent-strategy|discusses|concept:tag:ai-agents"},{"source":"article:what-is-agent-strategy","target":"article:override-doctrine","relation":"references","evidence":"src/content/articles/en/what-is-agent-strategy.md furtherReading: /en/blog/override-doctrine/\nsrc/content/articles/en/what-is-agent-strategy.md sources: /en/blog/override-doctrine/\nsrc/content/articles/nl/wat-is-agentstrategie.md furtherReading: /nl/blog/override-doctrine/\nsrc/content/articles/nl/wat-is-agentstrategie.md sources: /nl/blog/override-doctrine/","weight":1,"locales":["en","nl"],"id":"article:what-is-agent-strategy|references|article:override-doctrine"},{"source":"article:what-is-agent-strategy","target":"article:using-ai-agents-effectively","relation":"references","evidence":"src/content/articles/en/what-is-agent-strategy.md body: /en/blog/using-ai-agents-effectively/\nsrc/content/articles/en/what-is-agent-strategy.md furtherReading: /en/blog/using-ai-agents-effectively/\nsrc/content/articles/en/what-is-agent-strategy.md sources: /en/blog/using-ai-agents-effectively/\nsrc/content/articles/nl/wat-is-agentstrategie.md body: /nl/blog/ai-agents-effectief-inzetten/\nsrc/content/articles/nl/wat-is-agentstrategie.md furtherReading: /nl/blog/ai-agents-effectief-inzetten/\nsrc/content/articles/nl/wat-is-agentstrategie.md sources: /nl/blog/ai-agents-effectief-inzetten/","weight":1,"locales":["en","nl"],"id":"article:what-is-agent-strategy|references|article:using-ai-agents-effectively"},{"source":"article:what-is-agent-strategy","target":"article:what-is-an-ai-agent","relation":"references","evidence":"src/content/articles/en/what-is-agent-strategy.md body: /en/blog/what-is-an-ai-agent/\nsrc/content/articles/en/what-is-agent-strategy.md furtherReading: /en/blog/what-is-an-ai-agent/\nsrc/content/articles/en/what-is-agent-strategy.md sources: /en/blog/what-is-an-ai-agent/\nsrc/content/articles/nl/wat-is-agentstrategie.md body: /nl/blog/wat-is-een-ai-agent/\nsrc/content/articles/nl/wat-is-agentstrategie.md furtherReading: /nl/blog/wat-is-een-ai-agent/\nsrc/content/articles/nl/wat-is-agentstrategie.md sources: /nl/blog/wat-is-een-ai-agent/","weight":1,"locales":["en","nl"],"id":"article:what-is-agent-strategy|references|article:what-is-an-ai-agent"},{"source":"article:what-is-agent-strategy","target":"article:why-multi-agent-systems-fail","relation":"references","evidence":"src/content/articles/en/what-is-agent-strategy.md body: /en/blog/why-multi-agent-systems-fail/\nsrc/content/articles/en/what-is-agent-strategy.md sources: /en/blog/why-multi-agent-systems-fail/\nsrc/content/articles/nl/wat-is-agentstrategie.md body: /nl/blog/waarom-multi-agent-systemen-falen/\nsrc/content/articles/nl/wat-is-agentstrategie.md sources: /nl/blog/waarom-multi-agent-systemen-falen/","weight":1,"locales":["en","nl"],"id":"article:what-is-agent-strategy|references|article:why-multi-agent-systems-fail"},{"source":"article:what-is-agent-strategy","target":"volume:ai-agents-for-startup-strategy","relation":"references","evidence":"src/content/articles/en/what-is-agent-strategy.md body: /ai-agents-for-startup-strategy/\nsrc/content/articles/en/what-is-agent-strategy.md sources: /ai-agents-for-startup-strategy/\nsrc/content/articles/nl/wat-is-agentstrategie.md body: /boeken/ai-agents-for-startup-strategy/\nsrc/content/articles/nl/wat-is-agentstrategie.md sources: /boeken/ai-agents-for-startup-strategy/","weight":1,"locales":["en","nl"],"id":"article:what-is-agent-strategy|references|volume:ai-agents-for-startup-strategy"},{"source":"article:what-is-agent-strategy","target":"article:override-doctrine","relation":"related","evidence":"src/content/articles/en/what-is-agent-strategy.md relatedArticleIds: e390df0a-2d52-4767-9356-28f5b80611f7\nsrc/content/articles/nl/wat-is-agentstrategie.md relatedArticleIds: e390df0a-2d52-4767-9356-28f5b80611f7","weight":2,"locales":["en","nl"],"id":"article:what-is-agent-strategy|related|article:override-doctrine"},{"source":"article:what-is-agent-strategy","target":"article:using-ai-agents-effectively","relation":"related","evidence":"src/content/articles/en/what-is-agent-strategy.md relatedArticleIds: e3799711-41ca-4502-bf91-2ba2ca33ee34\nsrc/content/articles/nl/wat-is-agentstrategie.md relatedArticleIds: e3799711-41ca-4502-bf91-2ba2ca33ee34","weight":2,"locales":["en","nl"],"id":"article:what-is-agent-strategy|related|article:using-ai-agents-effectively"},{"source":"article:what-is-agent-strategy","target":"article:what-is-an-ai-agent","relation":"related","evidence":"src/content/articles/en/what-is-agent-strategy.md relatedArticleIds: 69f0de22-6dd9-44b3-b6d8-b89ce8d8df7e\nsrc/content/articles/nl/wat-is-agentstrategie.md relatedArticleIds: 69f0de22-6dd9-44b3-b6d8-b89ce8d8df7e","weight":2,"locales":["en","nl"],"id":"article:what-is-agent-strategy|related|article:what-is-an-ai-agent"},{"source":"article:what-is-agent-strategy","target":"article:why-multi-agent-systems-fail","relation":"related","evidence":"src/content/articles/en/what-is-agent-strategy.md relatedArticleIds: ac288a9d-bf78-42af-934d-f2762b095752\nsrc/content/articles/nl/wat-is-agentstrategie.md relatedArticleIds: ac288a9d-bf78-42af-934d-f2762b095752","weight":2,"locales":["en","nl"],"id":"article:what-is-agent-strategy|related|article:why-multi-agent-systems-fail"},{"source":"article:what-is-ai-team-dynamics","target":"concept:ai-agent","relation":"discusses","evidence":"src/content/articles/en/what-is-ai-team-dynamics.md glossary: AI agent\nsrc/content/articles/nl/wat-is-ai-teamdynamiek.md glossary: AI-agent","weight":1.5,"locales":["en","nl"],"id":"article:what-is-ai-team-dynamics|discusses|concept:ai-agent"},{"source":"article:what-is-ai-team-dynamics","target":"concept:tag:ai-agents","relation":"discusses","evidence":"src/content/articles/en/what-is-ai-team-dynamics.md tags: ai-agents\nsrc/content/articles/nl/wat-is-ai-teamdynamiek.md tags: ai-agents","weight":1.5,"locales":["en","nl"],"id":"article:what-is-ai-team-dynamics|discusses|concept:tag:ai-agents"},{"source":"article:what-is-ai-team-dynamics","target":"article:what-is-an-ai-agent","relation":"references","evidence":"src/content/articles/en/what-is-ai-team-dynamics.md sources: /en/blog/what-is-an-ai-agent/\nsrc/content/articles/nl/wat-is-ai-teamdynamiek.md sources: /nl/blog/wat-is-een-ai-agent/","weight":1,"locales":["en","nl"],"id":"article:what-is-ai-team-dynamics|references|article:what-is-an-ai-agent"},{"source":"article:what-is-ai-team-dynamics","target":"article:why-multi-agent-systems-fail","relation":"references","evidence":"src/content/articles/en/what-is-ai-team-dynamics.md body: /en/blog/why-multi-agent-systems-fail/\nsrc/content/articles/en/what-is-ai-team-dynamics.md furtherReading: /en/blog/why-multi-agent-systems-fail/\nsrc/content/articles/en/what-is-ai-team-dynamics.md sources: /en/blog/why-multi-agent-systems-fail/\nsrc/content/articles/nl/wat-is-ai-teamdynamiek.md body: /nl/blog/waarom-multi-agent-systemen-falen/\nsrc/content/articles/nl/wat-is-ai-teamdynamiek.md furtherReading: /nl/blog/waarom-multi-agent-systemen-falen/\nsrc/content/articles/nl/wat-is-ai-teamdynamiek.md sources: /nl/blog/waarom-multi-agent-systemen-falen/","weight":1,"locales":["en","nl"],"id":"article:what-is-ai-team-dynamics|references|article:why-multi-agent-systems-fail"},{"source":"article:what-is-ai-team-dynamics","target":"volume:multi-agent-organization","relation":"references","evidence":"src/content/articles/en/what-is-ai-team-dynamics.md body: /books/multi-agent-organization/\nsrc/content/articles/en/what-is-ai-team-dynamics.md sources: /books/multi-agent-organization/\nsrc/content/articles/nl/wat-is-ai-teamdynamiek.md body: /boeken/multi-agent-organization/\nsrc/content/articles/nl/wat-is-ai-teamdynamiek.md sources: /boeken/multi-agent-organization/","weight":1,"locales":["en","nl"],"id":"article:what-is-ai-team-dynamics|references|volume:multi-agent-organization"},{"source":"article:what-is-ai-team-dynamics","target":"volume:the-ai-team-dynamics","relation":"references","evidence":"src/content/articles/en/what-is-ai-team-dynamics.md body: /books/the-ai-team-dynamics/\nsrc/content/articles/en/what-is-ai-team-dynamics.md furtherReading: /books/the-ai-team-dynamics/\nsrc/content/articles/en/what-is-ai-team-dynamics.md sources: /books/the-ai-team-dynamics/\nsrc/content/articles/nl/wat-is-ai-teamdynamiek.md body: /boeken/the-ai-team-dynamics/\nsrc/content/articles/nl/wat-is-ai-teamdynamiek.md furtherReading: /boeken/the-ai-team-dynamics/\nsrc/content/articles/nl/wat-is-ai-teamdynamiek.md sources: /boeken/the-ai-team-dynamics/","weight":1,"locales":["en","nl"],"id":"article:what-is-ai-team-dynamics|references|volume:the-ai-team-dynamics"},{"source":"article:what-is-ai-team-dynamics","target":"article:what-is-an-ai-agent","relation":"related","evidence":"src/content/articles/en/what-is-ai-team-dynamics.md relatedArticleIds: 69f0de22-6dd9-44b3-b6d8-b89ce8d8df7e\nsrc/content/articles/nl/wat-is-ai-teamdynamiek.md relatedArticleIds: 69f0de22-6dd9-44b3-b6d8-b89ce8d8df7e","weight":2,"locales":["en","nl"],"id":"article:what-is-ai-team-dynamics|related|article:what-is-an-ai-agent"},{"source":"article:what-is-ai-team-dynamics","target":"article:why-multi-agent-systems-fail","relation":"related","evidence":"src/content/articles/en/what-is-ai-team-dynamics.md relatedArticleIds: ac288a9d-bf78-42af-934d-f2762b095752\nsrc/content/articles/nl/wat-is-ai-teamdynamiek.md relatedArticleIds: ac288a9d-bf78-42af-934d-f2762b095752","weight":2,"locales":["en","nl"],"id":"article:what-is-ai-team-dynamics|related|article:why-multi-agent-systems-fail"},{"source":"article:what-is-an-ai-agent-charter","target":"concept:ai-agent","relation":"discusses","evidence":"src/content/articles/en/what-is-an-ai-agent-charter.md glossary: AI agent\nsrc/content/articles/nl/wat-is-een-ai-agent-charter.md glossary: AI-agent","weight":1.5,"locales":["en","nl"],"id":"article:what-is-an-ai-agent-charter|discusses|concept:ai-agent"},{"source":"article:what-is-an-ai-agent-charter","target":"concept:override-doctrine","relation":"discusses","evidence":"src/content/articles/en/what-is-an-ai-agent-charter.md glossary: Override doctrine\nsrc/content/articles/nl/wat-is-een-ai-agent-charter.md glossary: Override-doctrine","weight":1.5,"locales":["en","nl"],"id":"article:what-is-an-ai-agent-charter|discusses|concept:override-doctrine"},{"source":"article:what-is-an-ai-agent-charter","target":"concept:tag:ai-agents","relation":"discusses","evidence":"src/content/articles/en/what-is-an-ai-agent-charter.md tags: ai-agents\nsrc/content/articles/nl/wat-is-een-ai-agent-charter.md tags: ai-agents","weight":1.5,"locales":["en","nl"],"id":"article:what-is-an-ai-agent-charter|discusses|concept:tag:ai-agents"},{"source":"article:what-is-an-ai-agent-charter","target":"article:override-doctrine","relation":"references","evidence":"src/content/articles/en/what-is-an-ai-agent-charter.md body: /en/blog/override-doctrine/\nsrc/content/articles/en/what-is-an-ai-agent-charter.md furtherReading: /en/blog/override-doctrine/\nsrc/content/articles/en/what-is-an-ai-agent-charter.md sources: /en/blog/override-doctrine/\nsrc/content/articles/nl/wat-is-een-ai-agent-charter.md body: /nl/blog/override-doctrine/\nsrc/content/articles/nl/wat-is-een-ai-agent-charter.md furtherReading: /nl/blog/override-doctrine/\nsrc/content/articles/nl/wat-is-een-ai-agent-charter.md sources: /nl/blog/override-doctrine/","weight":1,"locales":["en","nl"],"id":"article:what-is-an-ai-agent-charter|references|article:override-doctrine"},{"source":"article:what-is-an-ai-agent-charter","target":"article:using-ai-agents-effectively","relation":"references","evidence":"src/content/articles/en/what-is-an-ai-agent-charter.md body: /en/blog/using-ai-agents-effectively/\nsrc/content/articles/en/what-is-an-ai-agent-charter.md furtherReading: /en/blog/using-ai-agents-effectively/\nsrc/content/articles/en/what-is-an-ai-agent-charter.md sources: /en/blog/using-ai-agents-effectively/\nsrc/content/articles/nl/wat-is-een-ai-agent-charter.md body: /nl/blog/ai-agents-effectief-inzetten/\nsrc/content/articles/nl/wat-is-een-ai-agent-charter.md furtherReading: /nl/blog/ai-agents-effectief-inzetten/\nsrc/content/articles/nl/wat-is-een-ai-agent-charter.md sources: /nl/blog/ai-agents-effectief-inzetten/","weight":1,"locales":["en","nl"],"id":"article:what-is-an-ai-agent-charter|references|article:using-ai-agents-effectively"},{"source":"article:what-is-an-ai-agent-charter","target":"article:what-is-an-ai-agent","relation":"references","evidence":"src/content/articles/en/what-is-an-ai-agent-charter.md body: /en/blog/what-is-an-ai-agent/\nsrc/content/articles/en/what-is-an-ai-agent-charter.md furtherReading: /en/blog/what-is-an-ai-agent/\nsrc/content/articles/en/what-is-an-ai-agent-charter.md sources: /en/blog/what-is-an-ai-agent/\nsrc/content/articles/nl/wat-is-een-ai-agent-charter.md body: /nl/blog/wat-is-een-ai-agent/\nsrc/content/articles/nl/wat-is-een-ai-agent-charter.md furtherReading: /nl/blog/wat-is-een-ai-agent/\nsrc/content/articles/nl/wat-is-een-ai-agent-charter.md sources: /nl/blog/wat-is-een-ai-agent/","weight":1,"locales":["en","nl"],"id":"article:what-is-an-ai-agent-charter|references|article:what-is-an-ai-agent"},{"source":"article:what-is-an-ai-agent-charter","target":"concept:ai-agent","relation":"references","evidence":"src/content/articles/en/what-is-an-ai-agent-charter.md sources: /glossary/ai-agent/\nsrc/content/articles/nl/wat-is-een-ai-agent-charter.md sources: /nl/begrippen/ai-agent/","weight":1,"locales":["en","nl"],"id":"article:what-is-an-ai-agent-charter|references|concept:ai-agent"},{"source":"article:what-is-an-ai-agent-charter","target":"concept:chorus","relation":"references","evidence":"src/content/articles/en/what-is-an-ai-agent-charter.md body: /frameworks/chorus/\nsrc/content/articles/en/what-is-an-ai-agent-charter.md sources: /frameworks/chorus/\nsrc/content/articles/nl/wat-is-een-ai-agent-charter.md body: /nl/frameworks/chorus/\nsrc/content/articles/nl/wat-is-een-ai-agent-charter.md sources: /nl/frameworks/chorus/","weight":1,"locales":["en","nl"],"id":"article:what-is-an-ai-agent-charter|references|concept:chorus"},{"source":"article:what-is-an-ai-agent-charter","target":"volume:ai-agents-for-startup-strategy","relation":"references","evidence":"src/content/articles/en/what-is-an-ai-agent-charter.md sources: /ai-agents-for-startup-strategy/\nsrc/content/articles/nl/wat-is-een-ai-agent-charter.md sources: /boeken/ai-agents-for-startup-strategy/","weight":1,"locales":["en","nl"],"id":"article:what-is-an-ai-agent-charter|references|volume:ai-agents-for-startup-strategy"},{"source":"article:what-is-an-ai-agent-charter","target":"volume:multi-agent-organization","relation":"references","evidence":"src/content/articles/en/what-is-an-ai-agent-charter.md sources: /books/multi-agent-organization/\nsrc/content/articles/nl/wat-is-een-ai-agent-charter.md sources: /boeken/multi-agent-organization/","weight":1,"locales":["en","nl"],"id":"article:what-is-an-ai-agent-charter|references|volume:multi-agent-organization"},{"source":"article:what-is-an-ai-agent-charter","target":"article:override-doctrine","relation":"related","evidence":"src/content/articles/en/what-is-an-ai-agent-charter.md relatedArticleIds: e390df0a-2d52-4767-9356-28f5b80611f7\nsrc/content/articles/nl/wat-is-een-ai-agent-charter.md relatedArticleIds: e390df0a-2d52-4767-9356-28f5b80611f7","weight":2,"locales":["en","nl"],"id":"article:what-is-an-ai-agent-charter|related|article:override-doctrine"},{"source":"article:what-is-an-ai-agent-charter","target":"article:using-ai-agents-effectively","relation":"related","evidence":"src/content/articles/en/what-is-an-ai-agent-charter.md relatedArticleIds: e3799711-41ca-4502-bf91-2ba2ca33ee34\nsrc/content/articles/nl/wat-is-een-ai-agent-charter.md relatedArticleIds: e3799711-41ca-4502-bf91-2ba2ca33ee34","weight":2,"locales":["en","nl"],"id":"article:what-is-an-ai-agent-charter|related|article:using-ai-agents-effectively"},{"source":"article:what-is-an-ai-agent-charter","target":"article:what-is-an-ai-agent","relation":"related","evidence":"src/content/articles/en/what-is-an-ai-agent-charter.md relatedArticleIds: 69f0de22-6dd9-44b3-b6d8-b89ce8d8df7e\nsrc/content/articles/nl/wat-is-een-ai-agent-charter.md relatedArticleIds: 69f0de22-6dd9-44b3-b6d8-b89ce8d8df7e","weight":2,"locales":["en","nl"],"id":"article:what-is-an-ai-agent-charter|related|article:what-is-an-ai-agent"},{"source":"article:what-is-an-ai-agent","target":"concept:ai-agent","relation":"discusses","evidence":"src/content/articles/en/what-is-an-ai-agent.md glossary: AI agent\nsrc/content/articles/nl/wat-is-een-ai-agent.md glossary: AI-agent","weight":1.5,"locales":["en","nl"],"id":"article:what-is-an-ai-agent|discusses|concept:ai-agent"},{"source":"article:what-is-an-ai-agent","target":"concept:human-in-the-loop","relation":"discusses","evidence":"src/content/articles/en/what-is-an-ai-agent.md glossary: Human in the loop\nsrc/content/articles/nl/wat-is-een-ai-agent.md glossary: Mens in de lus","weight":1.5,"locales":["en","nl"],"id":"article:what-is-an-ai-agent|discusses|concept:human-in-the-loop"},{"source":"article:what-is-an-ai-agent","target":"concept:override-doctrine","relation":"discusses","evidence":"src/content/articles/en/what-is-an-ai-agent.md glossary: Override doctrine\nsrc/content/articles/nl/wat-is-een-ai-agent.md glossary: Override-doctrine","weight":1.5,"locales":["en","nl"],"id":"article:what-is-an-ai-agent|discusses|concept:override-doctrine"},{"source":"article:what-is-an-ai-agent","target":"concept:sense","relation":"discusses","evidence":"src/content/articles/en/what-is-an-ai-agent.md glossary: SENSE\nsrc/content/articles/nl/wat-is-een-ai-agent.md glossary: SENSE","weight":1.5,"locales":["en","nl"],"id":"article:what-is-an-ai-agent|discusses|concept:sense"},{"source":"article:what-is-an-ai-agent","target":"concept:tag:ai-agents","relation":"discusses","evidence":"src/content/articles/en/what-is-an-ai-agent.md tags: ai-agents\nsrc/content/articles/nl/wat-is-een-ai-agent.md tags: ai-agents","weight":1.5,"locales":["en","nl"],"id":"article:what-is-an-ai-agent|discusses|concept:tag:ai-agents"},{"source":"article:what-is-an-ai-agent","target":"article:agentic-workflow-vs-automation","relation":"references","evidence":"src/content/articles/en/what-is-an-ai-agent.md body: /en/blog/agentic-workflow-vs-automation/\nsrc/content/articles/en/what-is-an-ai-agent.md furtherReading: /en/blog/agentic-workflow-vs-automation/\nsrc/content/articles/nl/wat-is-een-ai-agent.md body: /nl/blog/agentic-workflow-versus-automatisering/\nsrc/content/articles/nl/wat-is-een-ai-agent.md furtherReading: /nl/blog/agentic-workflow-versus-automatisering/","weight":1,"locales":["en","nl"],"id":"article:what-is-an-ai-agent|references|article:agentic-workflow-vs-automation"},{"source":"article:what-is-an-ai-agent","target":"article:mcp-explained-for-founders","relation":"references","evidence":"src/content/articles/en/what-is-an-ai-agent.md body: /en/blog/mcp-explained-for-founders/\nsrc/content/articles/en/what-is-an-ai-agent.md furtherReading: /en/blog/mcp-explained-for-founders/\nsrc/content/articles/nl/wat-is-een-ai-agent.md body: /nl/blog/mcp-uitgelegd-voor-ondernemers/\nsrc/content/articles/nl/wat-is-een-ai-agent.md furtherReading: /nl/blog/mcp-uitgelegd-voor-ondernemers/","weight":1,"locales":["en","nl"],"id":"article:what-is-an-ai-agent|references|article:mcp-explained-for-founders"},{"source":"article:what-is-an-ai-agent","target":"article:sense-90-day-intelligence-layer","relation":"references","evidence":"src/content/articles/en/what-is-an-ai-agent.md body: /en/blog/sense-90-day-intelligence-layer/\nsrc/content/articles/nl/wat-is-een-ai-agent.md body: /nl/blog/sense-intelligentielaag-in-negentig-dagen/","weight":1,"locales":["en","nl"],"id":"article:what-is-an-ai-agent|references|article:sense-90-day-intelligence-layer"},{"source":"article:what-is-an-ai-agent","target":"article:why-multi-agent-systems-fail","relation":"references","evidence":"src/content/articles/en/what-is-an-ai-agent.md body: /en/blog/why-multi-agent-systems-fail/\nsrc/content/articles/en/what-is-an-ai-agent.md furtherReading: /en/blog/why-multi-agent-systems-fail/\nsrc/content/articles/nl/wat-is-een-ai-agent.md body: /nl/blog/waarom-multi-agent-systemen-falen/\nsrc/content/articles/nl/wat-is-een-ai-agent.md furtherReading: /nl/blog/waarom-multi-agent-systemen-falen/","weight":1,"locales":["en","nl"],"id":"article:what-is-an-ai-agent|references|article:why-multi-agent-systems-fail"},{"source":"article:what-is-an-ai-agent","target":"concept:ai-agent","relation":"references","evidence":"src/content/articles/en/what-is-an-ai-agent.md body: /glossary/ai-agent/\nsrc/content/articles/en/what-is-an-ai-agent.md furtherReading: /glossary/ai-agent/\nsrc/content/articles/en/what-is-an-ai-agent.md sources: /glossary/ai-agent/\nsrc/content/articles/nl/wat-is-een-ai-agent.md body: /nl/begrippen/ai-agent/\nsrc/content/articles/nl/wat-is-een-ai-agent.md furtherReading: /nl/begrippen/ai-agent/\nsrc/content/articles/nl/wat-is-een-ai-agent.md sources: /nl/begrippen/ai-agent/","weight":1,"locales":["en","nl"],"id":"article:what-is-an-ai-agent|references|concept:ai-agent"},{"source":"article:what-is-an-ai-agent","target":"concept:chorus","relation":"references","evidence":"src/content/articles/en/what-is-an-ai-agent.md body: /frameworks/chorus/\nsrc/content/articles/nl/wat-is-een-ai-agent.md body: /nl/frameworks/chorus/","weight":1,"locales":["en","nl"],"id":"article:what-is-an-ai-agent|references|concept:chorus"},{"source":"article:what-is-an-ai-agent","target":"concept:human-in-the-loop","relation":"references","evidence":"src/content/articles/en/what-is-an-ai-agent.md body: /glossary/human-in-the-loop/\nsrc/content/articles/nl/wat-is-een-ai-agent.md body: /nl/begrippen/mens-in-de-lus/","weight":1,"locales":["en","nl"],"id":"article:what-is-an-ai-agent|references|concept:human-in-the-loop"},{"source":"article:what-is-an-ai-agent","target":"concept:override-doctrine","relation":"references","evidence":"src/content/articles/en/what-is-an-ai-agent.md body: /glossary/override-doctrine/\nsrc/content/articles/nl/wat-is-een-ai-agent.md body: /nl/begrippen/override-doctrine/","weight":1,"locales":["en","nl"],"id":"article:what-is-an-ai-agent|references|concept:override-doctrine"},{"source":"article:what-is-an-ai-agent","target":"concept:sense","relation":"references","evidence":"src/content/articles/en/what-is-an-ai-agent.md body: /frameworks/sense/\nsrc/content/articles/en/what-is-an-ai-agent.md furtherReading: /frameworks/sense/\nsrc/content/articles/en/what-is-an-ai-agent.md sources: /frameworks/sense/\nsrc/content/articles/nl/wat-is-een-ai-agent.md body: /nl/frameworks/sense/\nsrc/content/articles/nl/wat-is-een-ai-agent.md furtherReading: /nl/frameworks/sense/\nsrc/content/articles/nl/wat-is-een-ai-agent.md sources: /nl/frameworks/sense/","weight":1,"locales":["en","nl"],"id":"article:what-is-an-ai-agent|references|concept:sense"},{"source":"article:what-is-an-ai-agent","target":"concept:stack","relation":"references","evidence":"src/content/articles/en/what-is-an-ai-agent.md body: /frameworks/stack/\nsrc/content/articles/en/what-is-an-ai-agent.md furtherReading: /frameworks/stack/\nsrc/content/articles/nl/wat-is-een-ai-agent.md body: /nl/frameworks/stack/\nsrc/content/articles/nl/wat-is-een-ai-agent.md furtherReading: /nl/frameworks/stack/","weight":1,"locales":["en","nl"],"id":"article:what-is-an-ai-agent|references|concept:stack"},{"source":"article:what-is-an-ai-agent","target":"volume:ai-agents-for-startup-strategy","relation":"references","evidence":"src/content/articles/en/what-is-an-ai-agent.md body: /ai-agents-for-startup-strategy/\nsrc/content/articles/en/what-is-an-ai-agent.md furtherReading: /ai-agents-for-startup-strategy/\nsrc/content/articles/en/what-is-an-ai-agent.md sources: /ai-agents-for-startup-strategy/\nsrc/content/articles/nl/wat-is-een-ai-agent.md body: /boeken/ai-agents-for-startup-strategy/\nsrc/content/articles/nl/wat-is-een-ai-agent.md furtherReading: /boeken/ai-agents-for-startup-strategy/\nsrc/content/articles/nl/wat-is-een-ai-agent.md sources: /boeken/ai-agents-for-startup-strategy/","weight":1,"locales":["en","nl"],"id":"article:what-is-an-ai-agent|references|volume:ai-agents-for-startup-strategy"},{"source":"article:what-is-an-ai-agent","target":"article:agentic-workflow-vs-automation","relation":"related","evidence":"src/content/articles/en/what-is-an-ai-agent.md relatedArticleIds: b0c61b6b-2323-4daf-af82-d1797790765d\nsrc/content/articles/nl/wat-is-een-ai-agent.md relatedArticleIds: b0c61b6b-2323-4daf-af82-d1797790765d","weight":2,"locales":["en","nl"],"id":"article:what-is-an-ai-agent|related|article:agentic-workflow-vs-automation"},{"source":"article:what-is-an-ai-agent","target":"article:ai-agents-for-startup-strategy-introduction","relation":"related","evidence":"src/content/articles/en/what-is-an-ai-agent.md relatedArticleIds: 94cf5d15-e475-4200-89a1-55b144c4a217\nsrc/content/articles/nl/wat-is-een-ai-agent.md relatedArticleIds: 94cf5d15-e475-4200-89a1-55b144c4a217","weight":2,"locales":["en","nl"],"id":"article:what-is-an-ai-agent|related|article:ai-agents-for-startup-strategy-introduction"},{"source":"article:what-is-an-ai-agent","target":"article:mcp-explained-for-founders","relation":"related","evidence":"src/content/articles/en/what-is-an-ai-agent.md relatedArticleIds: bf0091f2-668e-48f6-aad0-efd1b61bbfa0\nsrc/content/articles/nl/wat-is-een-ai-agent.md relatedArticleIds: bf0091f2-668e-48f6-aad0-efd1b61bbfa0","weight":2,"locales":["en","nl"],"id":"article:what-is-an-ai-agent|related|article:mcp-explained-for-founders"},{"source":"article:what-is-an-ai-agent","target":"article:the-agentic-codebase-introduction","relation":"related","evidence":"src/content/articles/en/what-is-an-ai-agent.md relatedArticleIds: 42ecc0ae-dbb0-4fc6-8781-22c34db2113d\nsrc/content/articles/nl/wat-is-een-ai-agent.md relatedArticleIds: 42ecc0ae-dbb0-4fc6-8781-22c34db2113d","weight":2,"locales":["en","nl"],"id":"article:what-is-an-ai-agent|related|article:the-agentic-codebase-introduction"},{"source":"article:what-is-an-ai-agent","target":"article:why-multi-agent-systems-fail","relation":"related","evidence":"src/content/articles/en/what-is-an-ai-agent.md relatedArticleIds: ac288a9d-bf78-42af-934d-f2762b095752\nsrc/content/articles/nl/wat-is-een-ai-agent.md relatedArticleIds: ac288a9d-bf78-42af-934d-f2762b095752","weight":2,"locales":["en","nl"],"id":"article:what-is-an-ai-agent|related|article:why-multi-agent-systems-fail"},{"source":"article:what-is-an-ai-agent","target":"concept:ai-agent","relation":"related","evidence":"src/data/site-link-graph.ts: what-is-an-ai-agent frameworks/glossary","weight":2,"locales":["en","nl"],"id":"article:what-is-an-ai-agent|related|concept:ai-agent"},{"source":"article:what-is-an-ai-agent","target":"concept:chorus","relation":"related","evidence":"src/data/site-link-graph.ts: what-is-an-ai-agent frameworks/glossary","weight":2,"locales":["en","nl"],"id":"article:what-is-an-ai-agent|related|concept:chorus"},{"source":"article:what-is-an-ai-agent","target":"concept:human-in-the-loop","relation":"related","evidence":"src/data/site-link-graph.ts: what-is-an-ai-agent frameworks/glossary","weight":2,"locales":["en","nl"],"id":"article:what-is-an-ai-agent|related|concept:human-in-the-loop"},{"source":"article:what-is-an-ai-agent","target":"concept:sense","relation":"related","evidence":"src/data/site-link-graph.ts: what-is-an-ai-agent frameworks/glossary","weight":2,"locales":["en","nl"],"id":"article:what-is-an-ai-agent|related|concept:sense"},{"source":"article:what-is-an-ai-agent","target":"concept:stack","relation":"related","evidence":"src/data/site-link-graph.ts: what-is-an-ai-agent frameworks/glossary","weight":2,"locales":["en","nl"],"id":"article:what-is-an-ai-agent|related|concept:stack"},{"source":"article:what-is-an-ai-agent","target":"volume:ai-agents-for-startup-strategy","relation":"related","evidence":"src/data/site-link-graph.ts: what-is-an-ai-agent books","weight":2,"locales":["en","nl"],"id":"article:what-is-an-ai-agent|related|volume:ai-agents-for-startup-strategy"},{"source":"article:what-is-an-ai-agent","target":"volume:the-agentic-codebase","relation":"related","evidence":"src/data/site-link-graph.ts: what-is-an-ai-agent books","weight":2,"locales":["en","nl"],"id":"article:what-is-an-ai-agent|related|volume:the-agentic-codebase"},{"source":"article:what-is-an-evidence-ledger","target":"concept:booksos","relation":"discusses","evidence":"src/content/articles/en/what-is-an-evidence-ledger.md glossary: BooksOS\nsrc/content/articles/en/what-is-an-evidence-ledger.md tags: booksos\nsrc/content/articles/nl/wat-is-een-bewijsregister.md glossary: BooksOS\nsrc/content/articles/nl/wat-is-een-bewijsregister.md tags: booksos","weight":1.5,"locales":["en","nl"],"id":"article:what-is-an-evidence-ledger|discusses|concept:booksos"},{"source":"article:what-is-an-evidence-ledger","target":"concept:evidence-ledger","relation":"discusses","evidence":"src/content/articles/en/what-is-an-evidence-ledger.md glossary: Evidence ledger\nsrc/content/articles/nl/wat-is-een-bewijsregister.md glossary: Bewijsregister","weight":1.5,"locales":["en","nl"],"id":"article:what-is-an-evidence-ledger|discusses|concept:evidence-ledger"},{"source":"article:what-is-an-evidence-ledger","target":"article:booksos-seven-gates","relation":"references","evidence":"src/content/articles/en/what-is-an-evidence-ledger.md body: /en/blog/what-is-booksos/\nsrc/content/articles/en/what-is-an-evidence-ledger.md furtherReading: /en/blog/what-is-booksos/\nsrc/content/articles/en/what-is-an-evidence-ledger.md sources: /en/blog/what-is-booksos/\nsrc/content/articles/nl/wat-is-een-bewijsregister.md body: /nl/blog/wat-is-booksos/\nsrc/content/articles/nl/wat-is-een-bewijsregister.md furtherReading: /nl/blog/wat-is-booksos/\nsrc/content/articles/nl/wat-is-een-bewijsregister.md sources: /nl/blog/wat-is-booksos/","weight":1,"locales":["en","nl"],"id":"article:what-is-an-evidence-ledger|references|article:booksos-seven-gates"},{"source":"article:what-is-an-evidence-ledger","target":"article:evaluate-reasoning-not-fluency","relation":"references","evidence":"src/content/articles/en/what-is-an-evidence-ledger.md body: /en/blog/evaluate-reasoning-not-fluency/\nsrc/content/articles/nl/wat-is-een-bewijsregister.md body: /nl/blog/evalueer-de-redenering-niet-de-vloeiendheid/","weight":1,"locales":["en","nl"],"id":"article:what-is-an-evidence-ledger|references|article:evaluate-reasoning-not-fluency"},{"source":"article:what-is-an-evidence-ledger","target":"article:what-is-calibration","relation":"references","evidence":"src/content/articles/en/what-is-an-evidence-ledger.md body: /en/blog/what-calibration-means/\nsrc/content/articles/nl/wat-is-een-bewijsregister.md body: /nl/blog/kalibratie-betekenis/\nsrc/content/articles/nl/wat-is-een-bewijsregister.md sources: /nl/blog/kalibratie-betekenis/","weight":1,"locales":["en","nl"],"id":"article:what-is-an-evidence-ledger|references|article:what-is-calibration"},{"source":"article:what-is-an-evidence-ledger","target":"article:what-is-rag","relation":"references","evidence":"src/content/articles/en/what-is-an-evidence-ledger.md body: /en/blog/what-is-rag/\nsrc/content/articles/nl/wat-is-een-bewijsregister.md body: /nl/blog/wat-is-rag/\nsrc/content/articles/nl/wat-is-een-bewijsregister.md sources: /nl/blog/wat-is-rag/","weight":1,"locales":["en","nl"],"id":"article:what-is-an-evidence-ledger|references|article:what-is-rag"},{"source":"article:what-is-an-evidence-ledger","target":"concept:booksos","relation":"references","evidence":"src/content/articles/en/what-is-an-evidence-ledger.md sources: /glossary/booksos/\nsrc/content/articles/nl/wat-is-een-bewijsregister.md sources: /nl/begrippen/booksos/","weight":1,"locales":["en","nl"],"id":"article:what-is-an-evidence-ledger|references|concept:booksos"},{"source":"article:what-is-an-evidence-ledger","target":"concept:evidence-ledger","relation":"references","evidence":"src/content/articles/en/what-is-an-evidence-ledger.md furtherReading: /glossary/evidence-ledger/\nsrc/content/articles/en/what-is-an-evidence-ledger.md sources: /glossary/evidence-ledger/\nsrc/content/articles/nl/wat-is-een-bewijsregister.md furtherReading: /nl/begrippen/bewijsregister/\nsrc/content/articles/nl/wat-is-een-bewijsregister.md sources: /nl/begrippen/bewijsregister/","weight":1,"locales":["en","nl"],"id":"article:what-is-an-evidence-ledger|references|concept:evidence-ledger"},{"source":"article:what-is-an-evidence-ledger","target":"volume:the-agentic-author","relation":"references","evidence":"src/content/articles/en/what-is-an-evidence-ledger.md body: /books/the-agentic-author/\nsrc/content/articles/en/what-is-an-evidence-ledger.md furtherReading: /books/the-agentic-author/\nsrc/content/articles/en/what-is-an-evidence-ledger.md sources: /books/the-agentic-author/\nsrc/content/articles/nl/wat-is-een-bewijsregister.md body: /boeken/the-agentic-author/\nsrc/content/articles/nl/wat-is-een-bewijsregister.md furtherReading: /boeken/the-agentic-author/\nsrc/content/articles/nl/wat-is-een-bewijsregister.md sources: /boeken/the-agentic-author/","weight":1,"locales":["en","nl"],"id":"article:what-is-an-evidence-ledger|references|volume:the-agentic-author"},{"source":"article:what-is-an-evidence-ledger","target":"article:booksos-seven-gates","relation":"related","evidence":"src/content/articles/en/what-is-an-evidence-ledger.md relatedArticleIds: 4c64e82d-17d0-4bcd-ac55-257cb59889c1\nsrc/content/articles/nl/wat-is-een-bewijsregister.md relatedArticleIds: 4c64e82d-17d0-4bcd-ac55-257cb59889c1","weight":2,"locales":["en","nl"],"id":"article:what-is-an-evidence-ledger|related|article:booksos-seven-gates"},{"source":"article:what-is-an-evidence-ledger","target":"article:the-agentic-author-introduction","relation":"related","evidence":"src/content/articles/en/what-is-an-evidence-ledger.md relatedArticleIds: 688467da-1af1-4bf2-a780-e6a50709df63\nsrc/content/articles/nl/wat-is-een-bewijsregister.md relatedArticleIds: 688467da-1af1-4bf2-a780-e6a50709df63","weight":2,"locales":["en","nl"],"id":"article:what-is-an-evidence-ledger|related|article:the-agentic-author-introduction"},{"source":"article:what-is-an-evidence-ledger","target":"concept:booksos","relation":"related","evidence":"src/data/site-link-graph.ts: what-is-an-evidence-ledger frameworks/glossary","weight":2,"locales":["en","nl"],"id":"article:what-is-an-evidence-ledger|related|concept:booksos"},{"source":"article:what-is-an-evidence-ledger","target":"concept:evidence-ledger","relation":"related","evidence":"src/data/site-link-graph.ts: what-is-an-evidence-ledger frameworks/glossary","weight":2,"locales":["en","nl"],"id":"article:what-is-an-evidence-ledger|related|concept:evidence-ledger"},{"source":"article:what-is-an-evidence-ledger","target":"volume:the-agentic-author","relation":"related","evidence":"src/data/site-link-graph.ts: what-is-an-evidence-ledger books","weight":2,"locales":["en","nl"],"id":"article:what-is-an-evidence-ledger|related|volume:the-agentic-author"},{"source":"article:what-is-an-mcp-connector","target":"concept:mcp","relation":"discusses","evidence":"src/content/articles/en/what-is-an-mcp-connector.md glossary: MCP\nsrc/content/articles/nl/wat-is-een-mcp-koppeling.md glossary: MCP","weight":1.5,"locales":["en","nl"],"id":"article:what-is-an-mcp-connector|discusses|concept:mcp"},{"source":"article:what-is-an-mcp-connector","target":"concept:tag:ai-agents","relation":"discusses","evidence":"src/content/articles/en/what-is-an-mcp-connector.md tags: ai-agents\nsrc/content/articles/nl/wat-is-een-mcp-koppeling.md tags: ai-agents","weight":1.5,"locales":["en","nl"],"id":"article:what-is-an-mcp-connector|discusses|concept:tag:ai-agents"},{"source":"article:what-is-an-mcp-connector","target":"article:mcp-explained-for-founders","relation":"references","evidence":"src/content/articles/en/what-is-an-mcp-connector.md body: /en/blog/mcp-explained-for-founders/\nsrc/content/articles/en/what-is-an-mcp-connector.md furtherReading: /en/blog/mcp-explained-for-founders/\nsrc/content/articles/en/what-is-an-mcp-connector.md sources: /en/blog/mcp-explained-for-founders/\nsrc/content/articles/nl/wat-is-een-mcp-koppeling.md body: /nl/blog/mcp-uitgelegd-voor-ondernemers/\nsrc/content/articles/nl/wat-is-een-mcp-koppeling.md furtherReading: /nl/blog/mcp-uitgelegd-voor-ondernemers/\nsrc/content/articles/nl/wat-is-een-mcp-koppeling.md sources: /nl/blog/mcp-uitgelegd-voor-ondernemers/","weight":1,"locales":["en","nl"],"id":"article:what-is-an-mcp-connector|references|article:mcp-explained-for-founders"},{"source":"article:what-is-an-mcp-connector","target":"artifact:reasonkit","relation":"references","evidence":"src/content/articles/en/what-is-an-mcp-connector.md body: https://reasonkit.sh\nsrc/content/articles/nl/wat-is-een-mcp-koppeling.md body: https://reasonkit.sh","weight":1,"locales":["en","nl"],"id":"article:what-is-an-mcp-connector|references|artifact:reasonkit"},{"source":"article:what-is-an-mcp-connector","target":"concept:mcp","relation":"references","evidence":"src/content/articles/en/what-is-an-mcp-connector.md body: /glossary/mcp/\nsrc/content/articles/en/what-is-an-mcp-connector.md furtherReading: /glossary/mcp/\nsrc/content/articles/en/what-is-an-mcp-connector.md sources: /glossary/mcp/\nsrc/content/articles/nl/wat-is-een-mcp-koppeling.md body: /nl/begrippen/mcp/\nsrc/content/articles/nl/wat-is-een-mcp-koppeling.md furtherReading: /nl/begrippen/mcp/\nsrc/content/articles/nl/wat-is-een-mcp-koppeling.md sources: /nl/begrippen/mcp/","weight":1,"locales":["en","nl"],"id":"article:what-is-an-mcp-connector|references|concept:mcp"},{"source":"article:what-is-an-mcp-connector","target":"volume:the-agentic-codebase","relation":"references","evidence":"src/content/articles/nl/wat-is-een-mcp-koppeling.md sources: /boeken/the-agentic-codebase/","weight":1,"locales":["nl"],"id":"article:what-is-an-mcp-connector|references|volume:the-agentic-codebase"},{"source":"article:what-is-an-mcp-connector","target":"article:mcp-explained-for-founders","relation":"related","evidence":"src/content/articles/en/what-is-an-mcp-connector.md relatedArticleIds: bf0091f2-668e-48f6-aad0-efd1b61bbfa0\nsrc/content/articles/nl/wat-is-een-mcp-koppeling.md relatedArticleIds: bf0091f2-668e-48f6-aad0-efd1b61bbfa0","weight":2,"locales":["en","nl"],"id":"article:what-is-an-mcp-connector|related|article:mcp-explained-for-founders"},{"source":"article:what-is-an-mcp-connector","target":"article:mcp-meaning","relation":"related","evidence":"src/content/articles/en/what-is-an-mcp-connector.md relatedArticleIds: 59ce4053-4ae3-4d86-9643-2c57f315f493\nsrc/content/articles/nl/wat-is-een-mcp-koppeling.md relatedArticleIds: 59ce4053-4ae3-4d86-9643-2c57f315f493","weight":2,"locales":["en","nl"],"id":"article:what-is-an-mcp-connector|related|article:mcp-meaning"},{"source":"article:what-is-calibration","target":"concept:calibrate","relation":"discusses","evidence":"src/content/articles/en/what-calibration-means.md glossary: CALIBRATE\nsrc/content/articles/nl/kalibratie-betekenis.md glossary: CALIBRATE","weight":1.5,"locales":["en","nl"],"id":"article:what-is-calibration|discusses|concept:calibrate"},{"source":"article:what-is-calibration","target":"concept:tag:ai-agents","relation":"discusses","evidence":"src/content/articles/en/what-calibration-means.md tags: ai-agents\nsrc/content/articles/nl/kalibratie-betekenis.md tags: ai-agents","weight":1.5,"locales":["en","nl"],"id":"article:what-is-calibration|discusses|concept:tag:ai-agents"},{"source":"article:what-is-calibration","target":"article:evaluate-reasoning-not-fluency","relation":"references","evidence":"src/content/articles/en/what-calibration-means.md body: /en/blog/evaluate-reasoning-not-fluency/\nsrc/content/articles/en/what-calibration-means.md furtherReading: /en/blog/evaluate-reasoning-not-fluency/\nsrc/content/articles/en/what-calibration-means.md sources: /en/blog/evaluate-reasoning-not-fluency/\nsrc/content/articles/nl/kalibratie-betekenis.md body: /nl/blog/evalueer-de-redenering-niet-de-vloeiendheid/\nsrc/content/articles/nl/kalibratie-betekenis.md furtherReading: /nl/blog/evalueer-de-redenering-niet-de-vloeiendheid/\nsrc/content/articles/nl/kalibratie-betekenis.md sources: /nl/blog/evalueer-de-redenering-niet-de-vloeiendheid/","weight":1,"locales":["en","nl"],"id":"article:what-is-calibration|references|article:evaluate-reasoning-not-fluency"},{"source":"article:what-is-calibration","target":"article:five-line-decision-journal","relation":"references","evidence":"src/content/articles/en/what-calibration-means.md body: /en/blog/five-line-decision-journal/\nsrc/content/articles/en/what-calibration-means.md furtherReading: /en/blog/five-line-decision-journal/\nsrc/content/articles/en/what-calibration-means.md sources: /en/blog/five-line-decision-journal/\nsrc/content/articles/nl/kalibratie-betekenis.md body: /nl/blog/beslissingsdagboek-in-vijf-regels/\nsrc/content/articles/nl/kalibratie-betekenis.md furtherReading: /nl/blog/beslissingsdagboek-in-vijf-regels/\nsrc/content/articles/nl/kalibratie-betekenis.md sources: /nl/blog/beslissingsdagboek-in-vijf-regels/","weight":1,"locales":["en","nl"],"id":"article:what-is-calibration|references|article:five-line-decision-journal"},{"source":"article:what-is-calibration","target":"concept:calibrate","relation":"references","evidence":"src/content/articles/en/what-calibration-means.md body: /glossary/calibrate/\nsrc/content/articles/en/what-calibration-means.md furtherReading: /glossary/calibrate/\nsrc/content/articles/en/what-calibration-means.md sources: /glossary/calibrate/\nsrc/content/articles/nl/kalibratie-betekenis.md body: /nl/begrippen/calibrate/\nsrc/content/articles/nl/kalibratie-betekenis.md furtherReading: /nl/begrippen/calibrate/\nsrc/content/articles/nl/kalibratie-betekenis.md sources: /nl/begrippen/calibrate/","weight":1,"locales":["en","nl"],"id":"article:what-is-calibration|references|concept:calibrate"},{"source":"article:what-is-calibration","target":"volume:the-calibrated-mind","relation":"references","evidence":"src/content/articles/en/what-calibration-means.md body: /books/the-calibrated-mind/\nsrc/content/articles/en/what-calibration-means.md furtherReading: /books/the-calibrated-mind/\nsrc/content/articles/en/what-calibration-means.md sources: /books/the-calibrated-mind/\nsrc/content/articles/nl/kalibratie-betekenis.md body: /boeken/the-calibrated-mind/\nsrc/content/articles/nl/kalibratie-betekenis.md furtherReading: /boeken/the-calibrated-mind/\nsrc/content/articles/nl/kalibratie-betekenis.md sources: /boeken/the-calibrated-mind/","weight":1,"locales":["en","nl"],"id":"article:what-is-calibration|references|volume:the-calibrated-mind"},{"source":"article:what-is-calibration","target":"article:evaluate-reasoning-not-fluency","relation":"related","evidence":"src/content/articles/en/what-calibration-means.md relatedArticleIds: f14281cc-3a68-4987-ade4-9c6fdad3acc5\nsrc/content/articles/nl/kalibratie-betekenis.md relatedArticleIds: f14281cc-3a68-4987-ade4-9c6fdad3acc5","weight":2,"locales":["en","nl"],"id":"article:what-is-calibration|related|article:evaluate-reasoning-not-fluency"},{"source":"article:what-is-calibration","target":"article:five-line-decision-journal","relation":"related","evidence":"src/content/articles/en/what-calibration-means.md relatedArticleIds: f31e19ad-3342-4cb5-9598-7c2cc780e72a\nsrc/content/articles/nl/kalibratie-betekenis.md relatedArticleIds: f31e19ad-3342-4cb5-9598-7c2cc780e72a","weight":2,"locales":["en","nl"],"id":"article:what-is-calibration|related|article:five-line-decision-journal"},{"source":"article:what-is-calibration","target":"concept:calibrate","relation":"related","evidence":"src/data/site-link-graph.ts: what-is-calibration frameworks/glossary","weight":2,"locales":["en","nl"],"id":"article:what-is-calibration|related|concept:calibrate"},{"source":"article:what-is-calibration","target":"volume:the-calibrated-mind","relation":"related","evidence":"src/data/site-link-graph.ts: what-is-calibration books","weight":2,"locales":["en","nl"],"id":"article:what-is-calibration|related|volume:the-calibrated-mind"},{"source":"article:what-is-chorus","target":"concept:chorus","relation":"discusses","evidence":"src/content/articles/en/what-is-chorus.md glossary: CHORUS\nsrc/content/articles/nl/wat-is-chorus.md glossary: CHORUS","weight":1.5,"locales":["en","nl"],"id":"article:what-is-chorus|discusses|concept:chorus"},{"source":"article:what-is-chorus","target":"concept:tag:ai-agents","relation":"discusses","evidence":"src/content/articles/en/what-is-chorus.md tags: ai-agents\nsrc/content/articles/nl/wat-is-chorus.md tags: ai-agents","weight":1.5,"locales":["en","nl"],"id":"article:what-is-chorus|discusses|concept:tag:ai-agents"},{"source":"article:what-is-chorus","target":"article:agentic-workflow-vs-automation","relation":"references","evidence":"src/content/articles/en/what-is-chorus.md body: /en/blog/agentic-workflow-vs-automation/\nsrc/content/articles/nl/wat-is-chorus.md body: /nl/blog/agentic-workflow-versus-automatisering/","weight":1,"locales":["en","nl"],"id":"article:what-is-chorus|references|article:agentic-workflow-vs-automation"},{"source":"article:what-is-chorus","target":"article:the-multi-agent-organization-introduction","relation":"references","evidence":"src/content/articles/en/what-is-chorus.md body: /en/blog/the-multi-agent-organization-introduction/\nsrc/content/articles/nl/wat-is-chorus.md body: /nl/blog/de-multi-agent-organisatie-introductie/","weight":1,"locales":["en","nl"],"id":"article:what-is-chorus|references|article:the-multi-agent-organization-introduction"},{"source":"article:what-is-chorus","target":"article:what-is-an-ai-agent","relation":"references","evidence":"src/content/articles/en/what-is-chorus.md body: /en/blog/what-is-an-ai-agent/\nsrc/content/articles/nl/wat-is-chorus.md body: /nl/blog/wat-is-een-ai-agent/","weight":1,"locales":["en","nl"],"id":"article:what-is-chorus|references|article:what-is-an-ai-agent"},{"source":"article:what-is-chorus","target":"article:why-multi-agent-systems-fail","relation":"references","evidence":"src/content/articles/en/what-is-chorus.md body: /en/blog/why-multi-agent-systems-fail/\nsrc/content/articles/en/what-is-chorus.md furtherReading: /en/blog/why-multi-agent-systems-fail/\nsrc/content/articles/en/what-is-chorus.md sources: /en/blog/why-multi-agent-systems-fail/\nsrc/content/articles/nl/wat-is-chorus.md body: /nl/blog/waarom-multi-agent-systemen-falen/\nsrc/content/articles/nl/wat-is-chorus.md furtherReading: /nl/blog/waarom-multi-agent-systemen-falen/\nsrc/content/articles/nl/wat-is-chorus.md sources: /nl/blog/waarom-multi-agent-systemen-falen/","weight":1,"locales":["en","nl"],"id":"article:what-is-chorus|references|article:why-multi-agent-systems-fail"},{"source":"article:what-is-chorus","target":"concept:agent-orchestration","relation":"references","evidence":"src/content/articles/en/what-is-chorus.md body: /glossary/agent-orchestration/\nsrc/content/articles/nl/wat-is-chorus.md body: /nl/begrippen/agent-orchestratie/","weight":1,"locales":["en","nl"],"id":"article:what-is-chorus|references|concept:agent-orchestration"},{"source":"article:what-is-chorus","target":"concept:chorus","relation":"references","evidence":"src/content/articles/en/what-is-chorus.md body: /glossary/chorus/\nsrc/content/articles/en/what-is-chorus.md furtherReading: /glossary/chorus/\nsrc/content/articles/en/what-is-chorus.md sources: /glossary/chorus/\nsrc/content/articles/nl/wat-is-chorus.md body: /nl/begrippen/chorus/\nsrc/content/articles/nl/wat-is-chorus.md furtherReading: /nl/begrippen/chorus/\nsrc/content/articles/nl/wat-is-chorus.md sources: /nl/begrippen/chorus/","weight":1,"locales":["en","nl"],"id":"article:what-is-chorus|references|concept:chorus"},{"source":"article:what-is-chorus","target":"concept:human-in-the-loop","relation":"references","evidence":"src/content/articles/en/what-is-chorus.md body: /glossary/human-in-the-loop/\nsrc/content/articles/nl/wat-is-chorus.md body: /nl/begrippen/mens-in-de-lus/","weight":1,"locales":["en","nl"],"id":"article:what-is-chorus|references|concept:human-in-the-loop"},{"source":"article:what-is-chorus","target":"concept:mcp","relation":"references","evidence":"src/content/articles/en/what-is-chorus.md body: /glossary/mcp/\nsrc/content/articles/nl/wat-is-chorus.md body: /nl/begrippen/mcp/","weight":1,"locales":["en","nl"],"id":"article:what-is-chorus|references|concept:mcp"},{"source":"article:what-is-chorus","target":"concept:override-doctrine","relation":"references","evidence":"src/content/articles/en/what-is-chorus.md body: /glossary/override-doctrine/\nsrc/content/articles/nl/wat-is-chorus.md body: /nl/begrippen/override-doctrine/","weight":1,"locales":["en","nl"],"id":"article:what-is-chorus|references|concept:override-doctrine"},{"source":"article:what-is-chorus","target":"concept:sense","relation":"references","evidence":"src/content/articles/en/what-is-chorus.md body: /frameworks/sense/\nsrc/content/articles/nl/wat-is-chorus.md body: /nl/frameworks/sense/","weight":1,"locales":["en","nl"],"id":"article:what-is-chorus|references|concept:sense"},{"source":"article:what-is-chorus","target":"volume:multi-agent-organization","relation":"references","evidence":"src/content/articles/en/what-is-chorus.md body: /books/multi-agent-organization/\nsrc/content/articles/en/what-is-chorus.md furtherReading: /books/multi-agent-organization/\nsrc/content/articles/en/what-is-chorus.md sources: /books/multi-agent-organization/\nsrc/content/articles/nl/wat-is-chorus.md body: /boeken/multi-agent-organization/\nsrc/content/articles/nl/wat-is-chorus.md furtherReading: /boeken/multi-agent-organization/\nsrc/content/articles/nl/wat-is-chorus.md sources: /boeken/multi-agent-organization/","weight":1,"locales":["en","nl"],"id":"article:what-is-chorus|references|volume:multi-agent-organization"},{"source":"article:what-is-chorus","target":"article:why-multi-agent-systems-fail","relation":"related","evidence":"src/content/articles/en/what-is-chorus.md relatedArticleIds: ac288a9d-bf78-42af-934d-f2762b095752\nsrc/content/articles/nl/wat-is-chorus.md relatedArticleIds: ac288a9d-bf78-42af-934d-f2762b095752","weight":2,"locales":["en","nl"],"id":"article:what-is-chorus|related|article:why-multi-agent-systems-fail"},{"source":"article:what-is-chorus","target":"concept:chorus","relation":"related","evidence":"src/data/site-link-graph.ts: what-is-chorus frameworks/glossary","weight":2,"locales":["en","nl"],"id":"article:what-is-chorus|related|concept:chorus"},{"source":"article:what-is-chorus","target":"volume:multi-agent-organization","relation":"related","evidence":"src/data/site-link-graph.ts: what-is-chorus books","weight":2,"locales":["en","nl"],"id":"article:what-is-chorus|related|volume:multi-agent-organization"},{"source":"article:what-is-citeturn0search0","target":"concept:aeo","relation":"discusses","evidence":"src/content/articles/en/what-is-citeturn0search0.md tags: aeo\nsrc/content/articles/nl/wat-is-citeturn0search0.md tags: aeo","weight":1.5,"locales":["en","nl"],"id":"article:what-is-citeturn0search0|discusses|concept:aeo"},{"source":"article:what-is-citeturn0search0","target":"concept:geo","relation":"discusses","evidence":"src/content/articles/en/what-is-citeturn0search0.md tags: geo\nsrc/content/articles/nl/wat-is-citeturn0search0.md tags: geo","weight":1.5,"locales":["en","nl"],"id":"article:what-is-citeturn0search0|discusses|concept:geo"},{"source":"article:what-is-citeturn0search0","target":"concept:trace","relation":"discusses","evidence":"src/content/articles/en/what-is-citeturn0search0.md glossary: TRACE\nsrc/content/articles/nl/wat-is-citeturn0search0.md glossary: TRACE","weight":1.5,"locales":["en","nl"],"id":"article:what-is-citeturn0search0|discusses|concept:trace"},{"source":"article:what-is-citeturn0search0","target":"article:chatgpt-mentions-vs-citations","relation":"references","evidence":"src/content/articles/en/what-is-citeturn0search0.md body: /en/blog/chatgpt-mentions-vs-citations/\nsrc/content/articles/en/what-is-citeturn0search0.md furtherReading: /en/blog/chatgpt-mentions-vs-citations/\nsrc/content/articles/en/what-is-citeturn0search0.md sources: /en/blog/chatgpt-mentions-vs-citations/\nsrc/content/articles/nl/wat-is-citeturn0search0.md body: /nl/blog/chatgpt-vermeldingen/\nsrc/content/articles/nl/wat-is-citeturn0search0.md furtherReading: /nl/blog/chatgpt-vermeldingen/\nsrc/content/articles/nl/wat-is-citeturn0search0.md sources: /nl/blog/chatgpt-vermeldingen/","weight":1,"locales":["en","nl"],"id":"article:what-is-citeturn0search0|references|article:chatgpt-mentions-vs-citations"},{"source":"article:what-is-citeturn0search0","target":"article:what-is-an-evidence-ledger","relation":"references","evidence":"src/content/articles/en/what-is-citeturn0search0.md body: /en/blog/what-is-an-evidence-ledger/\nsrc/content/articles/en/what-is-citeturn0search0.md furtherReading: /en/blog/what-is-an-evidence-ledger/\nsrc/content/articles/en/what-is-citeturn0search0.md sources: /en/blog/what-is-an-evidence-ledger/\nsrc/content/articles/nl/wat-is-citeturn0search0.md body: /nl/blog/wat-is-een-bewijsregister/\nsrc/content/articles/nl/wat-is-citeturn0search0.md furtherReading: /nl/blog/wat-is-een-bewijsregister/\nsrc/content/articles/nl/wat-is-citeturn0search0.md sources: /nl/blog/wat-is-een-bewijsregister/","weight":1,"locales":["en","nl"],"id":"article:what-is-citeturn0search0|references|article:what-is-an-evidence-ledger"},{"source":"article:what-is-citeturn0search0","target":"concept:trace","relation":"references","evidence":"src/content/articles/en/what-is-citeturn0search0.md body: /frameworks/trace/\nsrc/content/articles/en/what-is-citeturn0search0.md body: /glossary/trace/\nsrc/content/articles/en/what-is-citeturn0search0.md furtherReading: /frameworks/trace/\nsrc/content/articles/en/what-is-citeturn0search0.md sources: /frameworks/trace/\nsrc/content/articles/en/what-is-citeturn0search0.md sources: /glossary/trace/\nsrc/content/articles/nl/wat-is-citeturn0search0.md body: /nl/begrippen/trace/\nsrc/content/articles/nl/wat-is-citeturn0search0.md body: /nl/frameworks/trace/\nsrc/content/articles/nl/wat-is-citeturn0search0.md furtherReading: /nl/frameworks/trace/\nsrc/content/articles/nl/wat-is-citeturn0search0.md sources: /nl/begrippen/trace/\nsrc/content/articles/nl/wat-is-citeturn0search0.md sources: /nl/frameworks/trace/","weight":1,"locales":["en","nl"],"id":"article:what-is-citeturn0search0|references|concept:trace"},{"source":"article:what-is-citeturn0search0","target":"volume:the-verified-research-loop","relation":"references","evidence":"src/content/articles/en/what-is-citeturn0search0.md body: /books/the-verified-research-loop/\nsrc/content/articles/en/what-is-citeturn0search0.md furtherReading: /books/the-verified-research-loop/\nsrc/content/articles/en/what-is-citeturn0search0.md sources: /books/the-verified-research-loop/\nsrc/content/articles/nl/wat-is-citeturn0search0.md body: /boeken/the-verified-research-loop/\nsrc/content/articles/nl/wat-is-citeturn0search0.md furtherReading: /boeken/the-verified-research-loop/\nsrc/content/articles/nl/wat-is-citeturn0search0.md sources: /boeken/the-verified-research-loop/","weight":1,"locales":["en","nl"],"id":"article:what-is-citeturn0search0|references|volume:the-verified-research-loop"},{"source":"article:what-is-citeturn0search0","target":"article:chatgpt-mentions-vs-citations","relation":"related","evidence":"src/content/articles/en/what-is-citeturn0search0.md relatedArticleIds: 59888eec-54a6-4be0-b4d7-948fcc0e104d\nsrc/content/articles/nl/wat-is-citeturn0search0.md relatedArticleIds: 327dc50c-ec13-4bc3-a3cf-d74c2882b204","weight":2,"locales":["en","nl"],"id":"article:what-is-citeturn0search0|related|article:chatgpt-mentions-vs-citations"},{"source":"article:what-is-citeturn0search0","target":"article:what-is-an-evidence-ledger","relation":"related","evidence":"src/content/articles/en/what-is-citeturn0search0.md relatedArticleIds: e38dcaa3-9ba5-4ffd-af9d-ec5437c129d9\nsrc/content/articles/nl/wat-is-citeturn0search0.md relatedArticleIds: 9c516b69-e424-47da-b512-5a4358029b44","weight":2,"locales":["en","nl"],"id":"article:what-is-citeturn0search0|related|article:what-is-an-evidence-ledger"},{"source":"article:what-is-citeturn0search0","target":"article:what-is-llm-grounding","relation":"related","evidence":"src/content/articles/en/what-is-citeturn0search0.md relatedArticleIds: de6ca7df-64f5-4757-87fb-557186d28e21\nsrc/content/articles/nl/wat-is-citeturn0search0.md relatedArticleIds: 4edc9474-cc4d-404d-bbe1-420bcc371125","weight":2,"locales":["en","nl"],"id":"article:what-is-citeturn0search0|related|article:what-is-llm-grounding"},{"source":"article:what-is-founder-resilience","target":"concept:resilient","relation":"discusses","evidence":"src/content/articles/en/what-is-founder-resilience.md glossary: RESILIENT\nsrc/content/articles/nl/wat-is-oprichtersveerkracht.md glossary: RESILIENT","weight":1.5,"locales":["en","nl"],"id":"article:what-is-founder-resilience|discusses|concept:resilient"},{"source":"article:what-is-founder-resilience","target":"concept:tag:founder-resilience","relation":"discusses","evidence":"src/content/articles/en/what-is-founder-resilience.md tags: founder-resilience\nsrc/content/articles/nl/wat-is-oprichtersveerkracht.md tags: founder-resilience","weight":1.5,"locales":["en","nl"],"id":"article:what-is-founder-resilience|discusses|concept:tag:founder-resilience"},{"source":"article:what-is-founder-resilience","target":"article:founder-capacity-is-infrastructure","relation":"references","evidence":"src/content/articles/en/what-is-founder-resilience.md body: /en/blog/founder-capacity-is-infrastructure/\nsrc/content/articles/en/what-is-founder-resilience.md furtherReading: /en/blog/founder-capacity-is-infrastructure/\nsrc/content/articles/en/what-is-founder-resilience.md sources: /en/blog/founder-capacity-is-infrastructure/\nsrc/content/articles/nl/wat-is-oprichtersveerkracht.md body: /nl/blog/founder-capaciteit-is-infrastructuur/\nsrc/content/articles/nl/wat-is-oprichtersveerkracht.md furtherReading: /nl/blog/founder-capaciteit-is-infrastructuur/\nsrc/content/articles/nl/wat-is-oprichtersveerkracht.md sources: /nl/blog/founder-capaciteit-is-infrastructuur/","weight":1,"locales":["en","nl"],"id":"article:what-is-founder-resilience|references|article:founder-capacity-is-infrastructure"},{"source":"article:what-is-founder-resilience","target":"concept:resilient","relation":"references","evidence":"src/content/articles/en/what-is-founder-resilience.md body: /glossary/resilient/\nsrc/content/articles/en/what-is-founder-resilience.md furtherReading: /glossary/resilient/\nsrc/content/articles/en/what-is-founder-resilience.md sources: /glossary/resilient/\nsrc/content/articles/nl/wat-is-oprichtersveerkracht.md body: /nl/begrippen/resilient/\nsrc/content/articles/nl/wat-is-oprichtersveerkracht.md furtherReading: /nl/begrippen/resilient/\nsrc/content/articles/nl/wat-is-oprichtersveerkracht.md sources: /nl/begrippen/resilient/","weight":1,"locales":["en","nl"],"id":"article:what-is-founder-resilience|references|concept:resilient"},{"source":"article:what-is-founder-resilience","target":"volume:psychology-of-founder-resilience","relation":"references","evidence":"src/content/articles/en/what-is-founder-resilience.md body: /books/psychology-of-founder-resilience/\nsrc/content/articles/en/what-is-founder-resilience.md furtherReading: /books/psychology-of-founder-resilience/\nsrc/content/articles/en/what-is-founder-resilience.md sources: /books/psychology-of-founder-resilience/\nsrc/content/articles/nl/wat-is-oprichtersveerkracht.md body: /boeken/psychology-of-founder-resilience/\nsrc/content/articles/nl/wat-is-oprichtersveerkracht.md furtherReading: /boeken/psychology-of-founder-resilience/\nsrc/content/articles/nl/wat-is-oprichtersveerkracht.md sources: /boeken/psychology-of-founder-resilience/","weight":1,"locales":["en","nl"],"id":"article:what-is-founder-resilience|references|volume:psychology-of-founder-resilience"},{"source":"article:what-is-founder-resilience","target":"article:founder-capacity-is-infrastructure","relation":"related","evidence":"src/content/articles/en/what-is-founder-resilience.md relatedArticleIds: dbc90aa6-c344-4f59-9e35-fea03b0d22ce\nsrc/content/articles/nl/wat-is-oprichtersveerkracht.md relatedArticleIds: dbc90aa6-c344-4f59-9e35-fea03b0d22ce","weight":2,"locales":["en","nl"],"id":"article:what-is-founder-resilience|related|article:founder-capacity-is-infrastructure"},{"source":"article:what-is-founder-resilience","target":"article:psychology-of-founder-resilience-introduction","relation":"related","evidence":"src/content/articles/en/what-is-founder-resilience.md relatedArticleIds: 05d43f08-7165-4721-ac1e-e989eea3d9a9\nsrc/content/articles/nl/wat-is-oprichtersveerkracht.md relatedArticleIds: 05d43f08-7165-4721-ac1e-e989eea3d9a9","weight":2,"locales":["en","nl"],"id":"article:what-is-founder-resilience|related|article:psychology-of-founder-resilience-introduction"},{"source":"article:what-is-grain","target":"concept:grain","relation":"discusses","evidence":"src/content/articles/en/what-is-grain.md glossary: GRAIN\nsrc/content/articles/nl/wat-is-grain.md glossary: GRAIN","weight":1.5,"locales":["en","nl"],"id":"article:what-is-grain|discusses|concept:grain"},{"source":"article:what-is-grain","target":"concept:rag","relation":"discusses","evidence":"src/content/articles/en/what-is-grain.md glossary: RAG\nsrc/content/articles/nl/wat-is-grain.md glossary: RAG","weight":1.5,"locales":["en","nl"],"id":"article:what-is-grain|discusses|concept:rag"},{"source":"article:what-is-grain","target":"concept:tag:ai-agents","relation":"discusses","evidence":"src/content/articles/en/what-is-grain.md tags: ai-agents\nsrc/content/articles/nl/wat-is-grain.md tags: ai-agents","weight":1.5,"locales":["en","nl"],"id":"article:what-is-grain|discusses|concept:tag:ai-agents"},{"source":"article:what-is-grain","target":"article:evaluate-reasoning-not-fluency","relation":"references","evidence":"src/content/articles/en/what-is-grain.md body: /en/blog/evaluate-reasoning-not-fluency/\nsrc/content/articles/en/what-is-grain.md sources: /en/blog/evaluate-reasoning-not-fluency/\nsrc/content/articles/nl/wat-is-grain.md body: /nl/blog/evalueer-de-redenering-niet-de-vloeiendheid/\nsrc/content/articles/nl/wat-is-grain.md sources: /nl/blog/evalueer-de-redenering-niet-de-vloeiendheid/","weight":1,"locales":["en","nl"],"id":"article:what-is-grain|references|article:evaluate-reasoning-not-fluency"},{"source":"article:what-is-grain","target":"article:what-is-rag","relation":"references","evidence":"src/content/articles/en/what-is-grain.md body: /en/blog/what-is-rag/\nsrc/content/articles/en/what-is-grain.md furtherReading: /en/blog/what-is-rag/\nsrc/content/articles/en/what-is-grain.md sources: /en/blog/what-is-rag/\nsrc/content/articles/nl/wat-is-grain.md body: /nl/blog/wat-is-rag/\nsrc/content/articles/nl/wat-is-grain.md furtherReading: /nl/blog/wat-is-rag/\nsrc/content/articles/nl/wat-is-grain.md sources: /nl/blog/wat-is-rag/","weight":1,"locales":["en","nl"],"id":"article:what-is-grain|references|article:what-is-rag"},{"source":"article:what-is-grain","target":"concept:grain","relation":"references","evidence":"src/content/articles/en/what-is-grain.md furtherReading: /glossary/grain/\nsrc/content/articles/en/what-is-grain.md sources: /glossary/grain/\nsrc/content/articles/nl/wat-is-grain.md furtherReading: /nl/begrippen/grain/\nsrc/content/articles/nl/wat-is-grain.md sources: /nl/begrippen/grain/","weight":1,"locales":["en","nl"],"id":"article:what-is-grain|references|concept:grain"},{"source":"article:what-is-grain","target":"volume:the-rag-engineer","relation":"references","evidence":"src/content/articles/en/what-is-grain.md body: /books/the-rag-engineer/\nsrc/content/articles/en/what-is-grain.md furtherReading: /books/the-rag-engineer/\nsrc/content/articles/en/what-is-grain.md sources: /books/the-rag-engineer/\nsrc/content/articles/nl/wat-is-grain.md body: /boeken/the-rag-engineer/\nsrc/content/articles/nl/wat-is-grain.md furtherReading: /boeken/the-rag-engineer/\nsrc/content/articles/nl/wat-is-grain.md sources: /boeken/the-rag-engineer/","weight":1,"locales":["en","nl"],"id":"article:what-is-grain|references|volume:the-rag-engineer"},{"source":"article:what-is-grain","target":"article:evaluate-reasoning-not-fluency","relation":"related","evidence":"src/content/articles/en/what-is-grain.md relatedArticleIds: f14281cc-3a68-4987-ade4-9c6fdad3acc5\nsrc/content/articles/nl/wat-is-grain.md relatedArticleIds: f14281cc-3a68-4987-ade4-9c6fdad3acc5","weight":2,"locales":["en","nl"],"id":"article:what-is-grain|related|article:evaluate-reasoning-not-fluency"},{"source":"article:what-is-grain","target":"article:what-is-rag","relation":"related","evidence":"src/content/articles/en/what-is-grain.md relatedArticleIds: 295fcb44-1746-4f53-95f7-60a307ad8af1\nsrc/content/articles/nl/wat-is-grain.md relatedArticleIds: 295fcb44-1746-4f53-95f7-60a307ad8af1","weight":2,"locales":["en","nl"],"id":"article:what-is-grain|related|article:what-is-rag"},{"source":"article:what-is-hybrid-search","target":"concept:grain","relation":"discusses","evidence":"src/content/articles/en/what-is-hybrid-search.md glossary: GRAIN\nsrc/content/articles/nl/wat-is-hybride-zoeken.md glossary: GRAIN","weight":1.5,"locales":["en","nl"],"id":"article:what-is-hybrid-search|discusses|concept:grain"},{"source":"article:what-is-hybrid-search","target":"concept:tag:ai-agents","relation":"discusses","evidence":"src/content/articles/en/what-is-hybrid-search.md tags: ai-agents\nsrc/content/articles/nl/wat-is-hybride-zoeken.md tags: ai-agents","weight":1.5,"locales":["en","nl"],"id":"article:what-is-hybrid-search|discusses|concept:tag:ai-agents"},{"source":"article:what-is-hybrid-search","target":"article:what-is-grain","relation":"references","evidence":"src/content/articles/en/what-is-hybrid-search.md body: /en/blog/what-is-grain/\nsrc/content/articles/en/what-is-hybrid-search.md furtherReading: /en/blog/what-is-grain/\nsrc/content/articles/en/what-is-hybrid-search.md sources: /en/blog/what-is-grain/\nsrc/content/articles/nl/wat-is-hybride-zoeken.md body: /nl/blog/wat-is-grain/\nsrc/content/articles/nl/wat-is-hybride-zoeken.md furtherReading: /nl/blog/wat-is-grain/\nsrc/content/articles/nl/wat-is-hybride-zoeken.md sources: /nl/blog/wat-is-grain/","weight":1,"locales":["en","nl"],"id":"article:what-is-hybrid-search|references|article:what-is-grain"},{"source":"article:what-is-hybrid-search","target":"article:what-is-rag","relation":"references","evidence":"src/content/articles/en/what-is-hybrid-search.md body: /en/blog/what-is-rag/\nsrc/content/articles/en/what-is-hybrid-search.md furtherReading: /en/blog/what-is-rag/\nsrc/content/articles/en/what-is-hybrid-search.md sources: /en/blog/what-is-rag/\nsrc/content/articles/nl/wat-is-hybride-zoeken.md body: /nl/blog/wat-is-rag/\nsrc/content/articles/nl/wat-is-hybride-zoeken.md furtherReading: /nl/blog/wat-is-rag/\nsrc/content/articles/nl/wat-is-hybride-zoeken.md sources: /nl/blog/wat-is-rag/","weight":1,"locales":["en","nl"],"id":"article:what-is-hybrid-search|references|article:what-is-rag"},{"source":"article:what-is-hybrid-search","target":"concept:grain","relation":"references","evidence":"src/content/articles/en/what-is-hybrid-search.md body: /glossary/grain/\nsrc/content/articles/en/what-is-hybrid-search.md furtherReading: /glossary/grain/\nsrc/content/articles/en/what-is-hybrid-search.md sources: /glossary/grain/\nsrc/content/articles/nl/wat-is-hybride-zoeken.md body: /nl/begrippen/grain/\nsrc/content/articles/nl/wat-is-hybride-zoeken.md furtherReading: /nl/begrippen/grain/\nsrc/content/articles/nl/wat-is-hybride-zoeken.md sources: /nl/begrippen/grain/","weight":1,"locales":["en","nl"],"id":"article:what-is-hybrid-search|references|concept:grain"},{"source":"article:what-is-hybrid-search","target":"volume:the-rag-engineer","relation":"references","evidence":"src/content/articles/en/what-is-hybrid-search.md body: /books/the-rag-engineer/\nsrc/content/articles/en/what-is-hybrid-search.md furtherReading: /books/the-rag-engineer/\nsrc/content/articles/en/what-is-hybrid-search.md sources: /books/the-rag-engineer/\nsrc/content/articles/nl/wat-is-hybride-zoeken.md body: /boeken/the-rag-engineer/\nsrc/content/articles/nl/wat-is-hybride-zoeken.md furtherReading: /boeken/the-rag-engineer/\nsrc/content/articles/nl/wat-is-hybride-zoeken.md sources: /boeken/the-rag-engineer/","weight":1,"locales":["en","nl"],"id":"article:what-is-hybrid-search|references|volume:the-rag-engineer"},{"source":"article:what-is-hybrid-search","target":"article:what-is-grain","relation":"related","evidence":"src/content/articles/en/what-is-hybrid-search.md relatedArticleIds: 022ed890-8733-4817-a04a-3aa2e653ef5d\nsrc/content/articles/nl/wat-is-hybride-zoeken.md relatedArticleIds: 022ed890-8733-4817-a04a-3aa2e653ef5d","weight":2,"locales":["en","nl"],"id":"article:what-is-hybrid-search|related|article:what-is-grain"},{"source":"article:what-is-hybrid-search","target":"article:what-is-rag","relation":"related","evidence":"src/content/articles/en/what-is-hybrid-search.md relatedArticleIds: 295fcb44-1746-4f53-95f7-60a307ad8af1\nsrc/content/articles/nl/wat-is-hybride-zoeken.md relatedArticleIds: 295fcb44-1746-4f53-95f7-60a307ad8af1","weight":2,"locales":["en","nl"],"id":"article:what-is-hybrid-search|related|article:what-is-rag"},{"source":"article:what-is-level","target":"concept:level","relation":"discusses","evidence":"src/content/articles/en/what-is-level.md glossary: LEVEL\nsrc/content/articles/nl/wat-is-level.md glossary: LEVEL","weight":1.5,"locales":["en","nl"],"id":"article:what-is-level|discusses|concept:level"},{"source":"article:what-is-level","target":"concept:tag:founder-resilience","relation":"discusses","evidence":"src/content/articles/en/what-is-level.md tags: founder-resilience\nsrc/content/articles/nl/wat-is-level.md tags: founder-resilience","weight":1.5,"locales":["en","nl"],"id":"article:what-is-level|discusses|concept:tag:founder-resilience"},{"source":"article:what-is-level","target":"article:what-is-an-evidence-ledger","relation":"references","evidence":"src/content/articles/en/what-is-level.md body: /en/blog/what-is-an-evidence-ledger/\nsrc/content/articles/en/what-is-level.md furtherReading: /en/blog/what-is-an-evidence-ledger/\nsrc/content/articles/nl/wat-is-level.md body: /nl/blog/wat-is-een-bewijsregister/\nsrc/content/articles/nl/wat-is-level.md furtherReading: /nl/blog/wat-is-een-bewijsregister/","weight":1,"locales":["en","nl"],"id":"article:what-is-level|references|article:what-is-an-evidence-ledger"},{"source":"article:what-is-level","target":"article:what-is-calibration","relation":"references","evidence":"src/content/articles/en/what-is-level.md body: /en/blog/what-calibration-means/\nsrc/content/articles/en/what-is-level.md furtherReading: /en/blog/what-calibration-means/\nsrc/content/articles/nl/wat-is-level.md body: /nl/blog/kalibratie-betekenis/\nsrc/content/articles/nl/wat-is-level.md furtherReading: /nl/blog/kalibratie-betekenis/","weight":1,"locales":["en","nl"],"id":"article:what-is-level|references|article:what-is-calibration"},{"source":"article:what-is-level","target":"concept:level","relation":"references","evidence":"src/content/articles/en/what-is-level.md body: /frameworks/level/\nsrc/content/articles/en/what-is-level.md furtherReading: /frameworks/level/\nsrc/content/articles/en/what-is-level.md sources: /frameworks/level/\nsrc/content/articles/nl/wat-is-level.md body: /nl/frameworks/level/\nsrc/content/articles/nl/wat-is-level.md furtherReading: /nl/frameworks/level/\nsrc/content/articles/nl/wat-is-level.md sources: /nl/frameworks/level/","weight":1,"locales":["en","nl"],"id":"article:what-is-level|references|concept:level"},{"source":"article:what-is-level","target":"volume:the-evidence-aware-life","relation":"references","evidence":"src/content/articles/en/what-is-level.md body: /books/the-evidence-aware-life/\nsrc/content/articles/en/what-is-level.md furtherReading: /books/the-evidence-aware-life/\nsrc/content/articles/en/what-is-level.md sources: /books/the-evidence-aware-life/\nsrc/content/articles/nl/wat-is-level.md body: /boeken/the-evidence-aware-life/\nsrc/content/articles/nl/wat-is-level.md furtherReading: /boeken/the-evidence-aware-life/\nsrc/content/articles/nl/wat-is-level.md sources: /boeken/the-evidence-aware-life/","weight":1,"locales":["en","nl"],"id":"article:what-is-level|references|volume:the-evidence-aware-life"},{"source":"article:what-is-level","target":"article:five-line-decision-journal","relation":"related","evidence":"src/content/articles/en/what-is-level.md relatedArticleIds: f31e19ad-3342-4cb5-9598-7c2cc780e72a\nsrc/content/articles/nl/wat-is-level.md relatedArticleIds: b5705917-1073-442e-a0ba-de9d40ba2598","weight":2,"locales":["en","nl"],"id":"article:what-is-level|related|article:five-line-decision-journal"},{"source":"article:what-is-level","target":"article:what-is-an-evidence-ledger","relation":"related","evidence":"src/content/articles/en/what-is-level.md relatedArticleIds: e38dcaa3-9ba5-4ffd-af9d-ec5437c129d9\nsrc/content/articles/nl/wat-is-level.md relatedArticleIds: 9c516b69-e424-47da-b512-5a4358029b44","weight":2,"locales":["en","nl"],"id":"article:what-is-level|related|article:what-is-an-evidence-ledger"},{"source":"article:what-is-level","target":"article:what-is-calibration","relation":"related","evidence":"src/content/articles/en/what-is-level.md relatedArticleIds: 53cf98be-8558-4cb5-8cbb-aade6be6b48c\nsrc/content/articles/nl/wat-is-level.md relatedArticleIds: 808eb9bd-8fdf-4181-a5a3-ef319520963a","weight":2,"locales":["en","nl"],"id":"article:what-is-level|related|article:what-is-calibration"},{"source":"article:what-is-level","target":"concept:level","relation":"related","evidence":"src/data/site-link-graph.ts: what-is-level frameworks/glossary","weight":2,"locales":["en","nl"],"id":"article:what-is-level|related|concept:level"},{"source":"article:what-is-level","target":"volume:the-evidence-aware-life","relation":"related","evidence":"src/data/site-link-graph.ts: what-is-level books","weight":2,"locales":["en","nl"],"id":"article:what-is-level|related|volume:the-evidence-aware-life"},{"source":"article:what-is-llm-grounding","target":"concept:grain","relation":"discusses","evidence":"src/content/articles/en/what-is-llm-grounding.md glossary: GRAIN\nsrc/content/articles/nl/wat-is-llm-grounding.md glossary: GRAIN","weight":1.5,"locales":["en","nl"],"id":"article:what-is-llm-grounding|discusses|concept:grain"},{"source":"article:what-is-llm-grounding","target":"concept:rag","relation":"discusses","evidence":"src/content/articles/en/what-is-llm-grounding.md glossary: RAG\nsrc/content/articles/nl/wat-is-llm-grounding.md glossary: RAG","weight":1.5,"locales":["en","nl"],"id":"article:what-is-llm-grounding|discusses|concept:rag"},{"source":"article:what-is-llm-grounding","target":"concept:tag:ai-agents","relation":"discusses","evidence":"src/content/articles/en/what-is-llm-grounding.md tags: ai-agents\nsrc/content/articles/nl/wat-is-llm-grounding.md tags: ai-agents","weight":1.5,"locales":["en","nl"],"id":"article:what-is-llm-grounding|discusses|concept:tag:ai-agents"},{"source":"article:what-is-llm-grounding","target":"article:evaluate-reasoning-not-fluency","relation":"references","evidence":"src/content/articles/en/what-is-llm-grounding.md body: /en/blog/evaluate-reasoning-not-fluency/\nsrc/content/articles/en/what-is-llm-grounding.md sources: /en/blog/evaluate-reasoning-not-fluency/\nsrc/content/articles/nl/wat-is-llm-grounding.md body: /nl/blog/evalueer-de-redenering-niet-de-vloeiendheid/\nsrc/content/articles/nl/wat-is-llm-grounding.md sources: /nl/blog/evalueer-de-redenering-niet-de-vloeiendheid/","weight":1,"locales":["en","nl"],"id":"article:what-is-llm-grounding|references|article:evaluate-reasoning-not-fluency"},{"source":"article:what-is-llm-grounding","target":"article:rag-vs-finetuning-vs-agents","relation":"references","evidence":"src/content/articles/en/what-is-llm-grounding.md sources: /en/blog/rag-vs-finetuning-vs-agents/\nsrc/content/articles/nl/wat-is-llm-grounding.md sources: /nl/blog/rag-versus-finetuning-versus-agents/","weight":1,"locales":["en","nl"],"id":"article:what-is-llm-grounding|references|article:rag-vs-finetuning-vs-agents"},{"source":"article:what-is-llm-grounding","target":"article:what-is-grain","relation":"references","evidence":"src/content/articles/en/what-is-llm-grounding.md body: /en/blog/what-is-grain/\nsrc/content/articles/en/what-is-llm-grounding.md furtherReading: /en/blog/what-is-grain/\nsrc/content/articles/en/what-is-llm-grounding.md sources: /en/blog/what-is-grain/\nsrc/content/articles/nl/wat-is-llm-grounding.md body: /nl/blog/wat-is-grain/\nsrc/content/articles/nl/wat-is-llm-grounding.md furtherReading: /nl/blog/wat-is-grain/\nsrc/content/articles/nl/wat-is-llm-grounding.md sources: /nl/blog/wat-is-grain/","weight":1,"locales":["en","nl"],"id":"article:what-is-llm-grounding|references|article:what-is-grain"},{"source":"article:what-is-llm-grounding","target":"article:what-is-rag","relation":"references","evidence":"src/content/articles/en/what-is-llm-grounding.md body: /en/blog/what-is-rag/\nsrc/content/articles/en/what-is-llm-grounding.md furtherReading: /en/blog/what-is-rag/\nsrc/content/articles/en/what-is-llm-grounding.md sources: /en/blog/what-is-rag/\nsrc/content/articles/nl/wat-is-llm-grounding.md body: /nl/blog/wat-is-rag/\nsrc/content/articles/nl/wat-is-llm-grounding.md furtherReading: /nl/blog/wat-is-rag/\nsrc/content/articles/nl/wat-is-llm-grounding.md sources: /nl/blog/wat-is-rag/","weight":1,"locales":["en","nl"],"id":"article:what-is-llm-grounding|references|article:what-is-rag"},{"source":"article:what-is-llm-grounding","target":"volume:the-rag-engineer","relation":"references","evidence":"src/content/articles/en/what-is-llm-grounding.md body: /books/the-rag-engineer/\nsrc/content/articles/en/what-is-llm-grounding.md furtherReading: /books/the-rag-engineer/\nsrc/content/articles/en/what-is-llm-grounding.md sources: /books/the-rag-engineer/\nsrc/content/articles/nl/wat-is-llm-grounding.md body: /boeken/the-rag-engineer/\nsrc/content/articles/nl/wat-is-llm-grounding.md furtherReading: /boeken/the-rag-engineer/\nsrc/content/articles/nl/wat-is-llm-grounding.md sources: /boeken/the-rag-engineer/","weight":1,"locales":["en","nl"],"id":"article:what-is-llm-grounding|references|volume:the-rag-engineer"},{"source":"article:what-is-llm-grounding","target":"article:evaluate-reasoning-not-fluency","relation":"related","evidence":"src/content/articles/en/what-is-llm-grounding.md relatedArticleIds: f14281cc-3a68-4987-ade4-9c6fdad3acc5\nsrc/content/articles/nl/wat-is-llm-grounding.md relatedArticleIds: f14281cc-3a68-4987-ade4-9c6fdad3acc5","weight":2,"locales":["en","nl"],"id":"article:what-is-llm-grounding|related|article:evaluate-reasoning-not-fluency"},{"source":"article:what-is-llm-grounding","target":"article:rag-vs-finetuning-vs-agents","relation":"related","evidence":"src/content/articles/en/what-is-llm-grounding.md relatedArticleIds: 63640112-c860-4cc0-b1f4-8a55ced6f8e6\nsrc/content/articles/nl/wat-is-llm-grounding.md relatedArticleIds: 63640112-c860-4cc0-b1f4-8a55ced6f8e6","weight":2,"locales":["en","nl"],"id":"article:what-is-llm-grounding|related|article:rag-vs-finetuning-vs-agents"},{"source":"article:what-is-llm-grounding","target":"article:what-is-rag","relation":"related","evidence":"src/content/articles/en/what-is-llm-grounding.md relatedArticleIds: 295fcb44-1746-4f53-95f7-60a307ad8af1\nsrc/content/articles/nl/wat-is-llm-grounding.md relatedArticleIds: 295fcb44-1746-4f53-95f7-60a307ad8af1","weight":2,"locales":["en","nl"],"id":"article:what-is-llm-grounding|related|article:what-is-rag"},{"source":"article:what-is-llms-txt","target":"concept:aeo","relation":"discusses","evidence":"src/content/articles/en/what-is-llms-txt.md tags: aeo\nsrc/content/articles/nl/wat-is-llms-txt.md tags: aeo","weight":1.5,"locales":["en","nl"],"id":"article:what-is-llms-txt|discusses|concept:aeo"},{"source":"article:what-is-llms-txt","target":"concept:citation","relation":"discusses","evidence":"src/content/articles/en/what-is-llms-txt.md glossary: CITATION\nsrc/content/articles/nl/wat-is-llms-txt.md glossary: CITATION","weight":1.5,"locales":["en","nl"],"id":"article:what-is-llms-txt|discusses|concept:citation"},{"source":"article:what-is-llms-txt","target":"concept:geo","relation":"discusses","evidence":"src/content/articles/en/what-is-llms-txt.md glossary: GEO\nsrc/content/articles/en/what-is-llms-txt.md tags: geo\nsrc/content/articles/nl/wat-is-llms-txt.md glossary: GEO\nsrc/content/articles/nl/wat-is-llms-txt.md tags: geo","weight":1.5,"locales":["en","nl"],"id":"article:what-is-llms-txt|discusses|concept:geo"},{"source":"article:what-is-llms-txt","target":"article:citation-readiness-audit","relation":"references","evidence":"src/content/articles/en/what-is-llms-txt.md body: /en/blog/citation-readiness-audit/\nsrc/content/articles/en/what-is-llms-txt.md furtherReading: /en/blog/citation-readiness-audit/\nsrc/content/articles/en/what-is-llms-txt.md sources: /en/blog/citation-readiness-audit/\nsrc/content/articles/nl/wat-is-llms-txt.md body: /nl/blog/citatiegereedheid-audit/\nsrc/content/articles/nl/wat-is-llms-txt.md furtherReading: /nl/blog/citatiegereedheid-audit/\nsrc/content/articles/nl/wat-is-llms-txt.md sources: /nl/blog/citatiegereedheid-audit/","weight":1,"locales":["en","nl"],"id":"article:what-is-llms-txt|references|article:citation-readiness-audit"},{"source":"article:what-is-llms-txt","target":"article:geo-meaning","relation":"references","evidence":"src/content/articles/en/what-is-llms-txt.md body: /en/blog/what-geo-means/\nsrc/content/articles/en/what-is-llms-txt.md furtherReading: /en/blog/what-geo-means/\nsrc/content/articles/en/what-is-llms-txt.md sources: /en/blog/what-geo-means/\nsrc/content/articles/nl/wat-is-llms-txt.md body: /nl/blog/geo-betekenis/\nsrc/content/articles/nl/wat-is-llms-txt.md furtherReading: /nl/blog/geo-betekenis/\nsrc/content/articles/nl/wat-is-llms-txt.md sources: /nl/blog/geo-betekenis/","weight":1,"locales":["en","nl"],"id":"article:what-is-llms-txt|references|article:geo-meaning"},{"source":"article:what-is-llms-txt","target":"article:gptbot-vs-oai-searchbot","relation":"references","evidence":"src/content/articles/en/what-is-llms-txt.md body: /en/blog/gptbot-vs-oai-searchbot/\nsrc/content/articles/en/what-is-llms-txt.md furtherReading: /en/blog/gptbot-vs-oai-searchbot/\nsrc/content/articles/en/what-is-llms-txt.md sources: /en/blog/gptbot-vs-oai-searchbot/\nsrc/content/articles/nl/wat-is-llms-txt.md body: /nl/blog/gptbot-versus-oai-searchbot/\nsrc/content/articles/nl/wat-is-llms-txt.md furtherReading: /nl/blog/gptbot-versus-oai-searchbot/\nsrc/content/articles/nl/wat-is-llms-txt.md sources: /nl/blog/gptbot-versus-oai-searchbot/","weight":1,"locales":["en","nl"],"id":"article:what-is-llms-txt|references|article:gptbot-vs-oai-searchbot"},{"source":"article:what-is-llms-txt","target":"volume:the-findability-engine","relation":"references","evidence":"src/content/articles/en/what-is-llms-txt.md body: /books/the-findability-engine/\nsrc/content/articles/en/what-is-llms-txt.md furtherReading: /books/the-findability-engine/\nsrc/content/articles/en/what-is-llms-txt.md sources: /books/the-findability-engine/\nsrc/content/articles/nl/wat-is-llms-txt.md body: /boeken/the-findability-engine/\nsrc/content/articles/nl/wat-is-llms-txt.md furtherReading: /boeken/the-findability-engine/\nsrc/content/articles/nl/wat-is-llms-txt.md sources: /boeken/the-findability-engine/","weight":1,"locales":["en","nl"],"id":"article:what-is-llms-txt|references|volume:the-findability-engine"},{"source":"article:what-is-llms-txt","target":"article:citation-readiness-audit","relation":"related","evidence":"src/content/articles/en/what-is-llms-txt.md relatedArticleIds: 3a31cc51-f1d5-4daa-a4bc-7d8b306e164f\nsrc/content/articles/nl/wat-is-llms-txt.md relatedArticleIds: 3a31cc51-f1d5-4daa-a4bc-7d8b306e164f","weight":2,"locales":["en","nl"],"id":"article:what-is-llms-txt|related|article:citation-readiness-audit"},{"source":"article:what-is-llms-txt","target":"article:geo-meaning","relation":"related","evidence":"src/content/articles/en/what-is-llms-txt.md relatedArticleIds: 34e5be7f-a98a-4235-9f21-5b80471033c9\nsrc/content/articles/nl/wat-is-llms-txt.md relatedArticleIds: 34e5be7f-a98a-4235-9f21-5b80471033c9","weight":2,"locales":["en","nl"],"id":"article:what-is-llms-txt|related|article:geo-meaning"},{"source":"article:what-is-llms-txt","target":"article:how-to-get-cited-2026","relation":"related","evidence":"src/content/articles/en/what-is-llms-txt.md relatedArticleIds: 030afe30-fce7-41d2-b1a4-798d4e2c8048\nsrc/content/articles/nl/wat-is-llms-txt.md relatedArticleIds: 030afe30-fce7-41d2-b1a4-798d4e2c8048","weight":2,"locales":["en","nl"],"id":"article:what-is-llms-txt|related|article:how-to-get-cited-2026"},{"source":"article:what-is-model-routing","target":"concept:route","relation":"discusses","evidence":"src/content/articles/en/what-is-model-routing.md glossary: ROUTE\nsrc/content/articles/nl/wat-is-modelroutering.md glossary: ROUTE","weight":1.5,"locales":["en","nl"],"id":"article:what-is-model-routing|discusses|concept:route"},{"source":"article:what-is-model-routing","target":"concept:tag:ai-agents","relation":"discusses","evidence":"src/content/articles/en/what-is-model-routing.md tags: ai-agents\nsrc/content/articles/nl/wat-is-modelroutering.md tags: ai-agents","weight":1.5,"locales":["en","nl"],"id":"article:what-is-model-routing|discusses|concept:tag:ai-agents"},{"source":"article:what-is-model-routing","target":"article:llm-integration-operating-design","relation":"references","evidence":"src/content/articles/en/what-is-model-routing.md body: /en/blog/llm-integration-is-operating-design/\nsrc/content/articles/en/what-is-model-routing.md furtherReading: /en/blog/llm-integration-is-operating-design/\nsrc/content/articles/en/what-is-model-routing.md sources: /en/blog/llm-integration-is-operating-design/\nsrc/content/articles/nl/wat-is-modelroutering.md body: /nl/blog/llm-integratie-is-operationeel-ontwerp/\nsrc/content/articles/nl/wat-is-modelroutering.md furtherReading: /nl/blog/llm-integratie-is-operationeel-ontwerp/\nsrc/content/articles/nl/wat-is-modelroutering.md sources: /nl/blog/llm-integratie-is-operationeel-ontwerp/","weight":1,"locales":["en","nl"],"id":"article:what-is-model-routing|references|article:llm-integration-operating-design"},{"source":"article:what-is-model-routing","target":"article:rag-vs-finetuning-vs-agents","relation":"references","evidence":"src/content/articles/en/what-is-model-routing.md furtherReading: /en/blog/rag-vs-finetuning-vs-agents/\nsrc/content/articles/en/what-is-model-routing.md sources: /en/blog/rag-vs-finetuning-vs-agents/\nsrc/content/articles/nl/wat-is-modelroutering.md furtherReading: /nl/blog/rag-versus-finetuning-versus-agents/\nsrc/content/articles/nl/wat-is-modelroutering.md sources: /nl/blog/rag-versus-finetuning-versus-agents/","weight":1,"locales":["en","nl"],"id":"article:what-is-model-routing|references|article:rag-vs-finetuning-vs-agents"},{"source":"article:what-is-model-routing","target":"concept:route","relation":"references","evidence":"src/content/articles/en/what-is-model-routing.md body: /glossary/route/\nsrc/content/articles/en/what-is-model-routing.md furtherReading: /glossary/route/\nsrc/content/articles/en/what-is-model-routing.md sources: /glossary/route/\nsrc/content/articles/nl/wat-is-modelroutering.md body: /nl/begrippen/route/\nsrc/content/articles/nl/wat-is-modelroutering.md furtherReading: /nl/begrippen/route/\nsrc/content/articles/nl/wat-is-modelroutering.md sources: /nl/begrippen/route/","weight":1,"locales":["en","nl"],"id":"article:what-is-model-routing|references|concept:route"},{"source":"article:what-is-model-routing","target":"volume:the-model-portfolio","relation":"references","evidence":"src/content/articles/en/what-is-model-routing.md body: /books/the-model-portfolio/\nsrc/content/articles/en/what-is-model-routing.md furtherReading: /books/the-model-portfolio/\nsrc/content/articles/en/what-is-model-routing.md sources: /books/the-model-portfolio/\nsrc/content/articles/nl/wat-is-modelroutering.md body: /boeken/the-model-portfolio/\nsrc/content/articles/nl/wat-is-modelroutering.md furtherReading: /boeken/the-model-portfolio/\nsrc/content/articles/nl/wat-is-modelroutering.md sources: /boeken/the-model-portfolio/","weight":1,"locales":["en","nl"],"id":"article:what-is-model-routing|references|volume:the-model-portfolio"},{"source":"article:what-is-model-routing","target":"article:llm-integration-operating-design","relation":"related","evidence":"src/content/articles/en/what-is-model-routing.md relatedArticleIds: b57a0ec3-6a5c-4283-bfc4-b20ad6ff7651\nsrc/content/articles/nl/wat-is-modelroutering.md relatedArticleIds: 00ecc697-0df7-4eb7-b4fc-1dda40361bc1","weight":2,"locales":["en","nl"],"id":"article:what-is-model-routing|related|article:llm-integration-operating-design"},{"source":"article:what-is-model-routing","target":"article:rag-vs-finetuning-vs-agents","relation":"related","evidence":"src/content/articles/en/what-is-model-routing.md relatedArticleIds: 63640112-c860-4cc0-b1f4-8a55ced6f8e6\nsrc/content/articles/nl/wat-is-modelroutering.md relatedArticleIds: db03e7fc-cd6d-4833-865b-cd5f575f6b63","weight":2,"locales":["en","nl"],"id":"article:what-is-model-routing|related|article:rag-vs-finetuning-vs-agents"},{"source":"article:what-is-model-routing","target":"article:what-is-stack","relation":"related","evidence":"src/content/articles/en/what-is-model-routing.md relatedArticleIds: 69b9e6d4-ccc6-4fea-acdb-903f213f37cc\nsrc/content/articles/nl/wat-is-modelroutering.md relatedArticleIds: 69b9e6d4-ccc6-4fea-acdb-903f213f37cc","weight":2,"locales":["en","nl"],"id":"article:what-is-model-routing|related|article:what-is-stack"},{"source":"article:what-is-rag","target":"concept:grain","relation":"discusses","evidence":"src/content/articles/en/what-is-rag.md glossary: GRAIN\nsrc/content/articles/nl/wat-is-rag.md glossary: GRAIN","weight":1.5,"locales":["en","nl"],"id":"article:what-is-rag|discusses|concept:grain"},{"source":"article:what-is-rag","target":"concept:rag","relation":"discusses","evidence":"src/content/articles/en/what-is-rag.md glossary: RAG\nsrc/content/articles/nl/wat-is-rag.md glossary: RAG","weight":1.5,"locales":["en","nl"],"id":"article:what-is-rag|discusses|concept:rag"},{"source":"article:what-is-rag","target":"concept:tag:ai-agents","relation":"discusses","evidence":"src/content/articles/en/what-is-rag.md tags: ai-agents\nsrc/content/articles/nl/wat-is-rag.md tags: ai-agents","weight":1.5,"locales":["en","nl"],"id":"article:what-is-rag|discusses|concept:tag:ai-agents"},{"source":"article:what-is-rag","target":"article:evaluate-reasoning-not-fluency","relation":"references","evidence":"src/content/articles/en/what-is-rag.md body: /en/blog/evaluate-reasoning-not-fluency/\nsrc/content/articles/en/what-is-rag.md furtherReading: /en/blog/evaluate-reasoning-not-fluency/\nsrc/content/articles/en/what-is-rag.md sources: /en/blog/evaluate-reasoning-not-fluency/\nsrc/content/articles/nl/wat-is-rag.md body: /nl/blog/evalueer-de-redenering-niet-de-vloeiendheid/\nsrc/content/articles/nl/wat-is-rag.md furtherReading: /nl/blog/evalueer-de-redenering-niet-de-vloeiendheid/\nsrc/content/articles/nl/wat-is-rag.md sources: /nl/blog/evalueer-de-redenering-niet-de-vloeiendheid/","weight":1,"locales":["en","nl"],"id":"article:what-is-rag|references|article:evaluate-reasoning-not-fluency"},{"source":"article:what-is-rag","target":"concept:grain","relation":"references","evidence":"src/content/articles/en/what-is-rag.md body: /glossary/grain/\nsrc/content/articles/en/what-is-rag.md furtherReading: /glossary/grain/\nsrc/content/articles/en/what-is-rag.md sources: /glossary/grain/\nsrc/content/articles/nl/wat-is-rag.md body: /nl/begrippen/grain/\nsrc/content/articles/nl/wat-is-rag.md furtherReading: /nl/begrippen/grain/\nsrc/content/articles/nl/wat-is-rag.md sources: /nl/begrippen/grain/","weight":1,"locales":["en","nl"],"id":"article:what-is-rag|references|concept:grain"},{"source":"article:what-is-rag","target":"concept:rag","relation":"references","evidence":"src/content/articles/en/what-is-rag.md furtherReading: /glossary/rag/\nsrc/content/articles/en/what-is-rag.md sources: /glossary/rag/\nsrc/content/articles/nl/wat-is-rag.md furtherReading: /nl/begrippen/rag/\nsrc/content/articles/nl/wat-is-rag.md sources: /nl/begrippen/rag/","weight":1,"locales":["en","nl"],"id":"article:what-is-rag|references|concept:rag"},{"source":"article:what-is-rag","target":"volume:the-rag-engineer","relation":"references","evidence":"src/content/articles/en/what-is-rag.md body: /books/the-rag-engineer/\nsrc/content/articles/en/what-is-rag.md furtherReading: /books/the-rag-engineer/\nsrc/content/articles/en/what-is-rag.md sources: /books/the-rag-engineer/\nsrc/content/articles/nl/wat-is-rag.md body: /boeken/the-rag-engineer/\nsrc/content/articles/nl/wat-is-rag.md furtherReading: /boeken/the-rag-engineer/\nsrc/content/articles/nl/wat-is-rag.md sources: /boeken/the-rag-engineer/","weight":1,"locales":["en","nl"],"id":"article:what-is-rag|references|volume:the-rag-engineer"},{"source":"article:what-is-rag","target":"article:evaluate-reasoning-not-fluency","relation":"related","evidence":"src/content/articles/en/what-is-rag.md relatedArticleIds: f14281cc-3a68-4987-ade4-9c6fdad3acc5\nsrc/content/articles/nl/wat-is-rag.md relatedArticleIds: f14281cc-3a68-4987-ade4-9c6fdad3acc5","weight":2,"locales":["en","nl"],"id":"article:what-is-rag|related|article:evaluate-reasoning-not-fluency"},{"source":"article:what-is-rag","target":"concept:grain","relation":"related","evidence":"src/data/site-link-graph.ts: what-is-rag frameworks/glossary","weight":2,"locales":["en","nl"],"id":"article:what-is-rag|related|concept:grain"},{"source":"article:what-is-rag","target":"concept:rag","relation":"related","evidence":"src/data/site-link-graph.ts: what-is-rag frameworks/glossary","weight":2,"locales":["en","nl"],"id":"article:what-is-rag|related|concept:rag"},{"source":"article:what-is-rag","target":"volume:the-rag-engineer","relation":"related","evidence":"src/data/site-link-graph.ts: what-is-rag books","weight":2,"locales":["en","nl"],"id":"article:what-is-rag|related|volume:the-rag-engineer"},{"source":"article:what-is-reasonkit","target":"concept:mcp","relation":"discusses","evidence":"src/content/articles/en/what-is-reasonkit.md glossary: MCP\nsrc/content/articles/en/what-is-reasonkit.md tags: mcp\nsrc/content/articles/nl/wat-is-reasonkit.md glossary: MCP\nsrc/content/articles/nl/wat-is-reasonkit.md tags: mcp","weight":1.5,"locales":["en","nl"],"id":"article:what-is-reasonkit|discusses|concept:mcp"},{"source":"article:what-is-reasonkit","target":"concept:stack","relation":"discusses","evidence":"src/content/articles/en/what-is-reasonkit.md glossary: STACK\nsrc/content/articles/nl/wat-is-reasonkit.md glossary: STACK","weight":1.5,"locales":["en","nl"],"id":"article:what-is-reasonkit|discusses|concept:stack"},{"source":"article:what-is-reasonkit","target":"article:evaluate-reasoning-not-fluency","relation":"references","evidence":"src/content/articles/en/what-is-reasonkit.md body: /en/blog/evaluate-reasoning-not-fluency/\nsrc/content/articles/en/what-is-reasonkit.md furtherReading: /en/blog/evaluate-reasoning-not-fluency/\nsrc/content/articles/nl/wat-is-reasonkit.md body: /nl/blog/evalueer-de-redenering-niet-de-vloeiendheid/\nsrc/content/articles/nl/wat-is-reasonkit.md furtherReading: /nl/blog/evalueer-de-redenering-niet-de-vloeiendheid/","weight":1,"locales":["en","nl"],"id":"article:what-is-reasonkit|references|article:evaluate-reasoning-not-fluency"},{"source":"article:what-is-reasonkit","target":"article:mcp-meaning","relation":"references","evidence":"src/content/articles/en/what-is-reasonkit.md body: /en/blog/mcp-meaning/\nsrc/content/articles/en/what-is-reasonkit.md furtherReading: /en/blog/mcp-meaning/\nsrc/content/articles/en/what-is-reasonkit.md sources: /en/blog/mcp-meaning/\nsrc/content/articles/nl/wat-is-reasonkit.md body: /nl/blog/mcp-betekenis/\nsrc/content/articles/nl/wat-is-reasonkit.md furtherReading: /nl/blog/mcp-betekenis/\nsrc/content/articles/nl/wat-is-reasonkit.md sources: /nl/blog/mcp-betekenis/","weight":1,"locales":["en","nl"],"id":"article:what-is-reasonkit|references|article:mcp-meaning"},{"source":"article:what-is-reasonkit","target":"artifact:reasonkit","relation":"references","evidence":"src/content/articles/en/what-is-reasonkit.md body: https://reasonkit.sh/\nsrc/content/articles/en/what-is-reasonkit.md sources: https://reasonkit.sh/\nsrc/content/articles/nl/wat-is-reasonkit.md body: https://reasonkit.sh/\nsrc/content/articles/nl/wat-is-reasonkit.md sources: https://reasonkit.sh/","weight":1,"locales":["en","nl"],"id":"article:what-is-reasonkit|references|artifact:reasonkit"},{"source":"article:what-is-reasonkit","target":"concept:stack","relation":"references","evidence":"src/content/articles/en/what-is-reasonkit.md body: /frameworks/stack/\nsrc/content/articles/en/what-is-reasonkit.md furtherReading: /frameworks/stack/\nsrc/content/articles/en/what-is-reasonkit.md sources: /frameworks/stack/\nsrc/content/articles/nl/wat-is-reasonkit.md body: /nl/frameworks/stack/\nsrc/content/articles/nl/wat-is-reasonkit.md furtherReading: /nl/frameworks/stack/\nsrc/content/articles/nl/wat-is-reasonkit.md sources: /nl/frameworks/stack/","weight":1,"locales":["en","nl"],"id":"article:what-is-reasonkit|references|concept:stack"},{"source":"article:what-is-reasonkit","target":"volume:the-agentic-codebase","relation":"references","evidence":"src/content/articles/en/what-is-reasonkit.md body: /books/the-agentic-codebase/\nsrc/content/articles/en/what-is-reasonkit.md furtherReading: /books/the-agentic-codebase/\nsrc/content/articles/en/what-is-reasonkit.md sources: /books/the-agentic-codebase/\nsrc/content/articles/nl/wat-is-reasonkit.md body: /boeken/the-agentic-codebase/\nsrc/content/articles/nl/wat-is-reasonkit.md furtherReading: /boeken/the-agentic-codebase/\nsrc/content/articles/nl/wat-is-reasonkit.md sources: /boeken/the-agentic-codebase/","weight":1,"locales":["en","nl"],"id":"article:what-is-reasonkit|references|volume:the-agentic-codebase"},{"source":"article:what-is-reasonkit","target":"article:evaluate-reasoning-not-fluency","relation":"related","evidence":"src/content/articles/en/what-is-reasonkit.md relatedArticleIds: f14281cc-3a68-4987-ade4-9c6fdad3acc5\nsrc/content/articles/nl/wat-is-reasonkit.md relatedArticleIds: 33c392ad-9b6e-42a1-b54e-7a1eddc62c45","weight":2,"locales":["en","nl"],"id":"article:what-is-reasonkit|related|article:evaluate-reasoning-not-fluency"},{"source":"article:what-is-reasonkit","target":"article:mcp-meaning","relation":"related","evidence":"src/content/articles/en/what-is-reasonkit.md relatedArticleIds: 59ce4053-4ae3-4d86-9643-2c57f315f493\nsrc/content/articles/nl/wat-is-reasonkit.md relatedArticleIds: 2f330218-dbfa-4783-a8cc-f22d76029d9c","weight":2,"locales":["en","nl"],"id":"article:what-is-reasonkit|related|article:mcp-meaning"},{"source":"article:what-is-reasonkit","target":"article:what-is-stack","relation":"related","evidence":"src/content/articles/en/what-is-reasonkit.md relatedArticleIds: 69b9e6d4-ccc6-4fea-acdb-903f213f37cc\nsrc/content/articles/nl/wat-is-reasonkit.md relatedArticleIds: 884d927d-41a7-48e5-b7fb-8ac9f49eea07","weight":2,"locales":["en","nl"],"id":"article:what-is-reasonkit|related|article:what-is-stack"},{"source":"article:what-is-roster","target":"concept:ai-agent","relation":"discusses","evidence":"src/content/articles/en/what-is-roster.md glossary: AI agent\nsrc/content/articles/nl/wat-is-roster.md glossary: AI-agent","weight":1.5,"locales":["en","nl"],"id":"article:what-is-roster|discusses|concept:ai-agent"},{"source":"article:what-is-roster","target":"concept:roster","relation":"discusses","evidence":"src/content/articles/en/what-is-roster.md glossary: ROSTER\nsrc/content/articles/nl/wat-is-roster.md glossary: ROSTER","weight":1.5,"locales":["en","nl"],"id":"article:what-is-roster|discusses|concept:roster"},{"source":"article:what-is-roster","target":"concept:tag:agent-ops","relation":"discusses","evidence":"src/content/articles/en/what-is-roster.md tags: agent-ops\nsrc/content/articles/nl/wat-is-roster.md tags: agent-ops","weight":1.5,"locales":["en","nl"],"id":"article:what-is-roster|discusses|concept:tag:agent-ops"},{"source":"article:what-is-roster","target":"concept:tag:multi-agent-organization","relation":"discusses","evidence":"src/content/articles/en/what-is-roster.md tags: multi-agent-organization\nsrc/content/articles/nl/wat-is-roster.md tags: multi-agent-organization","weight":1.5,"locales":["en","nl"],"id":"article:what-is-roster|discusses|concept:tag:multi-agent-organization"},{"source":"article:what-is-roster","target":"article:using-ai-agents-effectively","relation":"references","evidence":"src/content/articles/en/what-is-roster.md body: /en/blog/using-ai-agents-effectively/\nsrc/content/articles/nl/wat-is-roster.md body: /nl/blog/ai-agents-effectief-inzetten/","weight":1,"locales":["en","nl"],"id":"article:what-is-roster|references|article:using-ai-agents-effectively"},{"source":"article:what-is-roster","target":"article:what-is-an-ai-agent","relation":"references","evidence":"src/content/articles/en/what-is-roster.md body: /en/blog/what-is-an-ai-agent/\nsrc/content/articles/nl/wat-is-roster.md body: /nl/blog/wat-is-een-ai-agent/","weight":1,"locales":["en","nl"],"id":"article:what-is-roster|references|article:what-is-an-ai-agent"},{"source":"article:what-is-roster","target":"article:what-is-an-ai-agent-charter","relation":"references","evidence":"src/content/articles/en/what-is-roster.md body: /en/blog/what-is-an-ai-agent-charter/\nsrc/content/articles/nl/wat-is-roster.md body: /nl/blog/wat-is-een-ai-agent-charter/","weight":1,"locales":["en","nl"],"id":"article:what-is-roster|references|article:what-is-an-ai-agent-charter"},{"source":"article:what-is-roster","target":"article:what-is-chorus","relation":"references","evidence":"src/content/articles/en/what-is-roster.md body: /en/blog/what-is-chorus/\nsrc/content/articles/en/what-is-roster.md furtherReading: /en/blog/what-is-chorus/\nsrc/content/articles/nl/wat-is-roster.md body: /nl/blog/wat-is-chorus/\nsrc/content/articles/nl/wat-is-roster.md furtherReading: /nl/blog/wat-is-chorus/","weight":1,"locales":["en","nl"],"id":"article:what-is-roster|references|article:what-is-chorus"},{"source":"article:what-is-roster","target":"concept:roster","relation":"references","evidence":"src/content/articles/en/what-is-roster.md body: /frameworks/roster/\nsrc/content/articles/en/what-is-roster.md furtherReading: /frameworks/roster/\nsrc/content/articles/en/what-is-roster.md furtherReading: /glossary/roster/\nsrc/content/articles/en/what-is-roster.md sources: /frameworks/roster/\nsrc/content/articles/en/what-is-roster.md sources: /glossary/roster/\nsrc/content/articles/nl/wat-is-roster.md body: /nl/frameworks/roster/\nsrc/content/articles/nl/wat-is-roster.md furtherReading: /nl/begrippen/roster/\nsrc/content/articles/nl/wat-is-roster.md furtherReading: /nl/frameworks/roster/\nsrc/content/articles/nl/wat-is-roster.md sources: /nl/begrippen/roster/\nsrc/content/articles/nl/wat-is-roster.md sources: /nl/frameworks/roster/","weight":1,"locales":["en","nl"],"id":"article:what-is-roster|references|concept:roster"},{"source":"article:what-is-roster","target":"volume:the-agent-dream-team","relation":"references","evidence":"src/content/articles/en/what-is-roster.md body: /books/the-agent-dream-team/\nsrc/content/articles/en/what-is-roster.md furtherReading: /books/the-agent-dream-team/\nsrc/content/articles/en/what-is-roster.md sources: /books/the-agent-dream-team/\nsrc/content/articles/nl/wat-is-roster.md body: /boeken/the-agent-dream-team/\nsrc/content/articles/nl/wat-is-roster.md furtherReading: /boeken/the-agent-dream-team/\nsrc/content/articles/nl/wat-is-roster.md sources: /boeken/the-agent-dream-team/","weight":1,"locales":["en","nl"],"id":"article:what-is-roster|references|volume:the-agent-dream-team"},{"source":"article:what-is-roster","target":"article:using-ai-agents-effectively","relation":"related","evidence":"src/content/articles/en/what-is-roster.md relatedArticleIds: e3799711-41ca-4502-bf91-2ba2ca33ee34\nsrc/content/articles/nl/wat-is-roster.md relatedArticleIds: 16ae16b7-50c5-4d11-896d-e84eaec91a42","weight":2,"locales":["en","nl"],"id":"article:what-is-roster|related|article:using-ai-agents-effectively"},{"source":"article:what-is-roster","target":"article:what-is-an-ai-agent","relation":"related","evidence":"src/content/articles/en/what-is-roster.md relatedArticleIds: 69f0de22-6dd9-44b3-b6d8-b89ce8d8df7e\nsrc/content/articles/nl/wat-is-roster.md relatedArticleIds: 05f0fc8a-d4e4-4e38-a513-9abecb5b5587","weight":2,"locales":["en","nl"],"id":"article:what-is-roster|related|article:what-is-an-ai-agent"},{"source":"article:what-is-roster","target":"article:what-is-an-ai-agent-charter","relation":"related","evidence":"src/content/articles/en/what-is-roster.md relatedArticleIds: b11300b0-7c8e-4871-b065-494e68d33fd6\nsrc/content/articles/nl/wat-is-roster.md relatedArticleIds: 5915a20d-babe-46ee-a4e3-4d0caf1c7ab8","weight":2,"locales":["en","nl"],"id":"article:what-is-roster|related|article:what-is-an-ai-agent-charter"},{"source":"article:what-is-roster","target":"article:what-is-chorus","relation":"related","evidence":"src/content/articles/en/what-is-roster.md relatedArticleIds: f2c09cfd-898d-478d-84f2-dbaaa861097b\nsrc/content/articles/nl/wat-is-roster.md relatedArticleIds: ac971734-8cf2-4a57-adf4-f7cf2182b1ca","weight":2,"locales":["en","nl"],"id":"article:what-is-roster|related|article:what-is-chorus"},{"source":"article:what-is-sense","target":"concept:sense","relation":"discusses","evidence":"src/content/articles/en/what-is-sense.md glossary: SENSE\nsrc/content/articles/nl/wat-is-sense.md glossary: SENSE","weight":1.5,"locales":["en","nl"],"id":"article:what-is-sense|discusses|concept:sense"},{"source":"article:what-is-sense","target":"concept:strategic-intelligence-layer","relation":"discusses","evidence":"src/content/articles/en/what-is-sense.md glossary: strategic intelligence layer\nsrc/content/articles/nl/wat-is-sense.md glossary: strategische intelligentielaag","weight":1.5,"locales":["en","nl"],"id":"article:what-is-sense|discusses|concept:strategic-intelligence-layer"},{"source":"article:what-is-sense","target":"concept:tag:ai-agents","relation":"discusses","evidence":"src/content/articles/en/what-is-sense.md tags: ai-agents\nsrc/content/articles/nl/wat-is-sense.md tags: ai-agents","weight":1.5,"locales":["en","nl"],"id":"article:what-is-sense|discusses|concept:tag:ai-agents"},{"source":"article:what-is-sense","target":"article:sense-90-day-intelligence-layer","relation":"references","evidence":"src/content/articles/en/what-is-sense.md body: /en/blog/sense-90-day-intelligence-layer/\nsrc/content/articles/en/what-is-sense.md furtherReading: /en/blog/sense-90-day-intelligence-layer/\nsrc/content/articles/en/what-is-sense.md sources: /en/blog/sense-90-day-intelligence-layer/\nsrc/content/articles/nl/wat-is-sense.md body: /nl/blog/sense-intelligentielaag-in-negentig-dagen/\nsrc/content/articles/nl/wat-is-sense.md furtherReading: /nl/blog/sense-intelligentielaag-in-negentig-dagen/\nsrc/content/articles/nl/wat-is-sense.md sources: /nl/blog/sense-intelligentielaag-in-negentig-dagen/","weight":1,"locales":["en","nl"],"id":"article:what-is-sense|references|article:sense-90-day-intelligence-layer"},{"source":"article:what-is-sense","target":"article:what-is-an-evidence-ledger","relation":"references","evidence":"src/content/articles/en/what-is-sense.md body: /en/blog/what-is-an-evidence-ledger/\nsrc/content/articles/en/what-is-sense.md sources: /en/blog/what-is-an-evidence-ledger/\nsrc/content/articles/nl/wat-is-sense.md body: /nl/blog/wat-is-een-bewijsregister/\nsrc/content/articles/nl/wat-is-sense.md sources: /nl/blog/wat-is-een-bewijsregister/","weight":1,"locales":["en","nl"],"id":"article:what-is-sense|references|article:what-is-an-evidence-ledger"},{"source":"article:what-is-sense","target":"concept:sense","relation":"references","evidence":"src/content/articles/en/what-is-sense.md furtherReading: /glossary/sense/\nsrc/content/articles/en/what-is-sense.md sources: /frameworks/sense/\nsrc/content/articles/en/what-is-sense.md sources: /glossary/sense/\nsrc/content/articles/nl/wat-is-sense.md furtherReading: /nl/begrippen/sense/\nsrc/content/articles/nl/wat-is-sense.md sources: /nl/begrippen/sense/\nsrc/content/articles/nl/wat-is-sense.md sources: /nl/frameworks/sense/","weight":1,"locales":["en","nl"],"id":"article:what-is-sense|references|concept:sense"},{"source":"article:what-is-sense","target":"concept:strategic-intelligence-layer","relation":"references","evidence":"src/content/articles/en/what-is-sense.md body: /glossary/strategic-intelligence-layer/\nsrc/content/articles/en/what-is-sense.md sources: /glossary/strategic-intelligence-layer/\nsrc/content/articles/nl/wat-is-sense.md body: /nl/begrippen/strategische-intelligentielaag/\nsrc/content/articles/nl/wat-is-sense.md sources: /nl/begrippen/strategische-intelligentielaag/","weight":1,"locales":["en","nl"],"id":"article:what-is-sense|references|concept:strategic-intelligence-layer"},{"source":"article:what-is-sense","target":"volume:ai-agents-for-startup-strategy","relation":"references","evidence":"src/content/articles/en/what-is-sense.md body: /ai-agents-for-startup-strategy/\nsrc/content/articles/en/what-is-sense.md furtherReading: /ai-agents-for-startup-strategy/\nsrc/content/articles/en/what-is-sense.md sources: /ai-agents-for-startup-strategy/\nsrc/content/articles/nl/wat-is-sense.md body: /boeken/ai-agents-for-startup-strategy/\nsrc/content/articles/nl/wat-is-sense.md furtherReading: /boeken/ai-agents-for-startup-strategy/\nsrc/content/articles/nl/wat-is-sense.md sources: /boeken/ai-agents-for-startup-strategy/","weight":1,"locales":["en","nl"],"id":"article:what-is-sense|references|volume:ai-agents-for-startup-strategy"},{"source":"article:what-is-sense","target":"article:sense-90-day-intelligence-layer","relation":"related","evidence":"src/content/articles/en/what-is-sense.md relatedArticleIds: 2de8ac2c-b2aa-4815-bacd-d17ed16b5d59\nsrc/content/articles/nl/wat-is-sense.md relatedArticleIds: 2de8ac2c-b2aa-4815-bacd-d17ed16b5d59","weight":2,"locales":["en","nl"],"id":"article:what-is-sense|related|article:sense-90-day-intelligence-layer"},{"source":"article:what-is-sense","target":"article:what-is-an-evidence-ledger","relation":"related","evidence":"src/content/articles/en/what-is-sense.md relatedArticleIds: e38dcaa3-9ba5-4ffd-af9d-ec5437c129d9\nsrc/content/articles/nl/wat-is-sense.md relatedArticleIds: e38dcaa3-9ba5-4ffd-af9d-ec5437c129d9","weight":2,"locales":["en","nl"],"id":"article:what-is-sense|related|article:what-is-an-evidence-ledger"},{"source":"article:what-is-stack","target":"concept:mcp","relation":"discusses","evidence":"src/content/articles/en/what-is-stack.md glossary: MCP\nsrc/content/articles/nl/wat-is-stack.md glossary: MCP","weight":1.5,"locales":["en","nl"],"id":"article:what-is-stack|discusses|concept:mcp"},{"source":"article:what-is-stack","target":"concept:stack","relation":"discusses","evidence":"src/content/articles/en/what-is-stack.md glossary: STACK\nsrc/content/articles/nl/wat-is-stack.md glossary: STACK","weight":1.5,"locales":["en","nl"],"id":"article:what-is-stack|discusses|concept:stack"},{"source":"article:what-is-stack","target":"concept:tag:ai-agents","relation":"discusses","evidence":"src/content/articles/en/what-is-stack.md tags: ai-agents\nsrc/content/articles/nl/wat-is-stack.md tags: ai-agents","weight":1.5,"locales":["en","nl"],"id":"article:what-is-stack|discusses|concept:tag:ai-agents"},{"source":"article:what-is-stack","target":"article:mcp-meaning","relation":"references","evidence":"src/content/articles/en/what-is-stack.md body: /en/blog/mcp-meaning/\nsrc/content/articles/en/what-is-stack.md sources: /en/blog/mcp-meaning/\nsrc/content/articles/nl/wat-is-stack.md body: /nl/blog/mcp-betekenis/\nsrc/content/articles/nl/wat-is-stack.md sources: /nl/blog/mcp-betekenis/","weight":1,"locales":["en","nl"],"id":"article:what-is-stack|references|article:mcp-meaning"},{"source":"article:what-is-stack","target":"article:stack-version-the-agent-os","relation":"references","evidence":"src/content/articles/en/what-is-stack.md body: /en/blog/stack-version-the-agent-os/\nsrc/content/articles/en/what-is-stack.md furtherReading: /en/blog/stack-version-the-agent-os/\nsrc/content/articles/en/what-is-stack.md sources: /en/blog/stack-version-the-agent-os/\nsrc/content/articles/nl/wat-is-stack.md body: /nl/blog/stack-versioneer-het-agent-os/\nsrc/content/articles/nl/wat-is-stack.md furtherReading: /nl/blog/stack-versioneer-het-agent-os/\nsrc/content/articles/nl/wat-is-stack.md sources: /nl/blog/stack-versioneer-het-agent-os/","weight":1,"locales":["en","nl"],"id":"article:what-is-stack|references|article:stack-version-the-agent-os"},{"source":"article:what-is-stack","target":"article:the-agentic-codebase-introduction","relation":"references","evidence":"src/content/articles/en/what-is-stack.md body: /en/blog/the-agentic-codebase-introduction/\nsrc/content/articles/nl/wat-is-stack.md body: /nl/blog/de-agentische-codebase-introductie/","weight":1,"locales":["en","nl"],"id":"article:what-is-stack|references|article:the-agentic-codebase-introduction"},{"source":"article:what-is-stack","target":"article:what-is-chorus","relation":"references","evidence":"src/content/articles/en/what-is-stack.md body: /en/blog/what-is-chorus/\nsrc/content/articles/nl/wat-is-stack.md body: /nl/blog/wat-is-chorus/","weight":1,"locales":["en","nl"],"id":"article:what-is-stack|references|article:what-is-chorus"},{"source":"article:what-is-stack","target":"concept:override-doctrine","relation":"references","evidence":"src/content/articles/en/what-is-stack.md body: /glossary/override-doctrine/\nsrc/content/articles/nl/wat-is-stack.md body: /nl/begrippen/override-doctrine/","weight":1,"locales":["en","nl"],"id":"article:what-is-stack|references|concept:override-doctrine"},{"source":"article:what-is-stack","target":"concept:stack","relation":"references","evidence":"src/content/articles/en/what-is-stack.md body: /glossary/stack/\nsrc/content/articles/en/what-is-stack.md furtherReading: /glossary/stack/\nsrc/content/articles/en/what-is-stack.md sources: /glossary/stack/\nsrc/content/articles/nl/wat-is-stack.md body: /nl/begrippen/stack/\nsrc/content/articles/nl/wat-is-stack.md furtherReading: /nl/begrippen/stack/\nsrc/content/articles/nl/wat-is-stack.md sources: /nl/begrippen/stack/","weight":1,"locales":["en","nl"],"id":"article:what-is-stack|references|concept:stack"},{"source":"article:what-is-stack","target":"volume:the-agentic-codebase","relation":"references","evidence":"src/content/articles/en/what-is-stack.md body: /books/the-agentic-codebase/\nsrc/content/articles/en/what-is-stack.md furtherReading: /books/the-agentic-codebase/\nsrc/content/articles/en/what-is-stack.md sources: /books/the-agentic-codebase/\nsrc/content/articles/nl/wat-is-stack.md body: /boeken/the-agentic-codebase/\nsrc/content/articles/nl/wat-is-stack.md furtherReading: /boeken/the-agentic-codebase/\nsrc/content/articles/nl/wat-is-stack.md sources: /boeken/the-agentic-codebase/","weight":1,"locales":["en","nl"],"id":"article:what-is-stack|references|volume:the-agentic-codebase"},{"source":"article:what-is-stack","target":"article:mcp-meaning","relation":"related","evidence":"src/content/articles/en/what-is-stack.md relatedArticleIds: 59ce4053-4ae3-4d86-9643-2c57f315f493\nsrc/content/articles/nl/wat-is-stack.md relatedArticleIds: 59ce4053-4ae3-4d86-9643-2c57f315f493","weight":2,"locales":["en","nl"],"id":"article:what-is-stack|related|article:mcp-meaning"},{"source":"article:what-is-stack","target":"article:stack-version-the-agent-os","relation":"related","evidence":"src/content/articles/en/what-is-stack.md relatedArticleIds: bd53b609-cc78-4921-bf20-d71d4d0a26c3\nsrc/content/articles/nl/wat-is-stack.md relatedArticleIds: bd53b609-cc78-4921-bf20-d71d4d0a26c3","weight":2,"locales":["en","nl"],"id":"article:what-is-stack|related|article:stack-version-the-agent-os"},{"source":"article:what-is-stack","target":"concept:mcp","relation":"related","evidence":"src/data/site-link-graph.ts: what-is-stack frameworks/glossary","weight":2,"locales":["en","nl"],"id":"article:what-is-stack|related|concept:mcp"},{"source":"article:what-is-stack","target":"concept:stack","relation":"related","evidence":"src/data/site-link-graph.ts: what-is-stack frameworks/glossary","weight":2,"locales":["en","nl"],"id":"article:what-is-stack|related|concept:stack"},{"source":"article:what-is-stack","target":"volume:the-agentic-codebase","relation":"related","evidence":"src/data/site-link-graph.ts: what-is-stack books","weight":2,"locales":["en","nl"],"id":"article:what-is-stack|related|volume:the-agentic-codebase"},{"source":"article:what-is-trace","target":"concept:tag:agent-ops","relation":"discusses","evidence":"src/content/articles/en/what-is-trace.md tags: agent-ops\nsrc/content/articles/nl/wat-is-trace.md tags: agent-ops","weight":1.5,"locales":["en","nl"],"id":"article:what-is-trace|discusses|concept:tag:agent-ops"},{"source":"article:what-is-trace","target":"concept:trace","relation":"discusses","evidence":"src/content/articles/en/what-is-trace.md glossary: TRACE\nsrc/content/articles/nl/wat-is-trace.md glossary: TRACE","weight":1.5,"locales":["en","nl"],"id":"article:what-is-trace|discusses|concept:trace"},{"source":"article:what-is-trace","target":"article:what-is-an-evidence-ledger","relation":"references","evidence":"src/content/articles/en/what-is-trace.md body: /en/blog/what-is-an-evidence-ledger/\nsrc/content/articles/en/what-is-trace.md furtherReading: /en/blog/what-is-an-evidence-ledger/\nsrc/content/articles/en/what-is-trace.md sources: /en/blog/what-is-an-evidence-ledger/\nsrc/content/articles/nl/wat-is-trace.md body: /nl/blog/wat-is-een-bewijsregister/\nsrc/content/articles/nl/wat-is-trace.md furtherReading: /nl/blog/wat-is-een-bewijsregister/\nsrc/content/articles/nl/wat-is-trace.md sources: /nl/blog/wat-is-een-bewijsregister/","weight":1,"locales":["en","nl"],"id":"article:what-is-trace|references|article:what-is-an-evidence-ledger"},{"source":"article:what-is-trace","target":"article:what-is-rag","relation":"references","evidence":"src/content/articles/en/what-is-trace.md body: /en/blog/what-is-rag/\nsrc/content/articles/en/what-is-trace.md sources: /en/blog/what-is-rag/\nsrc/content/articles/nl/wat-is-trace.md body: /nl/blog/wat-is-rag/\nsrc/content/articles/nl/wat-is-trace.md sources: /nl/blog/wat-is-rag/","weight":1,"locales":["en","nl"],"id":"article:what-is-trace|references|article:what-is-rag"},{"source":"article:what-is-trace","target":"concept:trace","relation":"references","evidence":"src/content/articles/en/what-is-trace.md body: /frameworks/trace/\nsrc/content/articles/en/what-is-trace.md furtherReading: /frameworks/trace/\nsrc/content/articles/en/what-is-trace.md furtherReading: /glossary/trace/\nsrc/content/articles/en/what-is-trace.md sources: /glossary/trace/\nsrc/content/articles/nl/wat-is-trace.md body: /nl/frameworks/trace/\nsrc/content/articles/nl/wat-is-trace.md furtherReading: /nl/begrippen/trace/\nsrc/content/articles/nl/wat-is-trace.md furtherReading: /nl/frameworks/trace/\nsrc/content/articles/nl/wat-is-trace.md sources: /nl/begrippen/trace/","weight":1,"locales":["en","nl"],"id":"article:what-is-trace|references|concept:trace"},{"source":"article:what-is-trace","target":"volume:the-verified-research-loop","relation":"references","evidence":"src/content/articles/en/what-is-trace.md body: /books/the-verified-research-loop/\nsrc/content/articles/en/what-is-trace.md furtherReading: /books/the-verified-research-loop/\nsrc/content/articles/en/what-is-trace.md sources: /books/the-verified-research-loop/\nsrc/content/articles/nl/wat-is-trace.md body: /boeken/the-verified-research-loop/\nsrc/content/articles/nl/wat-is-trace.md furtherReading: /boeken/the-verified-research-loop/\nsrc/content/articles/nl/wat-is-trace.md sources: /boeken/the-verified-research-loop/","weight":1,"locales":["en","nl"],"id":"article:what-is-trace|references|volume:the-verified-research-loop"},{"source":"article:what-is-trace","target":"article:evaluate-reasoning-not-fluency","relation":"related","evidence":"src/content/articles/en/what-is-trace.md relatedArticleIds: f14281cc-3a68-4987-ade4-9c6fdad3acc5\nsrc/content/articles/nl/wat-is-trace.md relatedArticleIds: 33c392ad-9b6e-42a1-b54e-7a1eddc62c45","weight":2,"locales":["en","nl"],"id":"article:what-is-trace|related|article:evaluate-reasoning-not-fluency"},{"source":"article:what-is-trace","target":"article:what-is-an-evidence-ledger","relation":"related","evidence":"src/content/articles/en/what-is-trace.md relatedArticleIds: e38dcaa3-9ba5-4ffd-af9d-ec5437c129d9\nsrc/content/articles/nl/wat-is-trace.md relatedArticleIds: 9c516b69-e424-47da-b512-5a4358029b44","weight":2,"locales":["en","nl"],"id":"article:what-is-trace|related|article:what-is-an-evidence-ledger"},{"source":"article:what-is-trace","target":"article:what-is-llm-grounding","relation":"related","evidence":"src/content/articles/en/what-is-trace.md relatedArticleIds: de6ca7df-64f5-4757-87fb-557186d28e21\nsrc/content/articles/nl/wat-is-trace.md relatedArticleIds: 4edc9474-cc4d-404d-bbe1-420bcc371125","weight":2,"locales":["en","nl"],"id":"article:what-is-trace|related|article:what-is-llm-grounding"},{"source":"article:what-is-trace","target":"article:what-is-rag","relation":"related","evidence":"src/content/articles/en/what-is-trace.md relatedArticleIds: 295fcb44-1746-4f53-95f7-60a307ad8af1\nsrc/content/articles/nl/wat-is-trace.md relatedArticleIds: 8a56c0b5-6c3d-49d8-aa8b-7f23cc2af38e","weight":2,"locales":["en","nl"],"id":"article:what-is-trace|related|article:what-is-rag"},{"source":"article:what-is-trace","target":"concept:trace","relation":"related","evidence":"src/data/site-link-graph.ts: what-is-trace frameworks/glossary","weight":2,"locales":["en","nl"],"id":"article:what-is-trace|related|concept:trace"},{"source":"article:what-is-trace","target":"volume:the-verified-research-loop","relation":"related","evidence":"src/data/site-link-graph.ts: what-is-trace books","weight":2,"locales":["en","nl"],"id":"article:what-is-trace|related|volume:the-verified-research-loop"},{"source":"article:when-not-to-use-an-agent","target":"concept:ai-agent","relation":"discusses","evidence":"src/content/articles/en/when-not-to-use-an-agent.md glossary: AI agent\nsrc/content/articles/nl/wanneer-geen-agent-gebruiken.md glossary: AI-agent","weight":1.5,"locales":["en","nl"],"id":"article:when-not-to-use-an-agent|discusses|concept:ai-agent"},{"source":"article:when-not-to-use-an-agent","target":"concept:roster","relation":"discusses","evidence":"src/content/articles/en/when-not-to-use-an-agent.md glossary: ROSTER\nsrc/content/articles/nl/wanneer-geen-agent-gebruiken.md glossary: ROSTER","weight":1.5,"locales":["en","nl"],"id":"article:when-not-to-use-an-agent|discusses|concept:roster"},{"source":"article:when-not-to-use-an-agent","target":"concept:tag:agent-ops","relation":"discusses","evidence":"src/content/articles/en/when-not-to-use-an-agent.md tags: agent-ops\nsrc/content/articles/nl/wanneer-geen-agent-gebruiken.md tags: agent-ops","weight":1.5,"locales":["en","nl"],"id":"article:when-not-to-use-an-agent|discusses|concept:tag:agent-ops"},{"source":"article:when-not-to-use-an-agent","target":"article:agentic-workflow-vs-automation","relation":"references","evidence":"src/content/articles/en/when-not-to-use-an-agent.md body: /en/blog/agentic-workflow-vs-automation/\nsrc/content/articles/en/when-not-to-use-an-agent.md furtherReading: /en/blog/agentic-workflow-vs-automation/\nsrc/content/articles/nl/wanneer-geen-agent-gebruiken.md body: /nl/blog/agentic-workflow-versus-automatisering/\nsrc/content/articles/nl/wanneer-geen-agent-gebruiken.md furtherReading: /nl/blog/agentic-workflow-versus-automatisering/","weight":1,"locales":["en","nl"],"id":"article:when-not-to-use-an-agent|references|article:agentic-workflow-vs-automation"},{"source":"article:when-not-to-use-an-agent","target":"article:override-doctrine","relation":"references","evidence":"src/content/articles/en/when-not-to-use-an-agent.md body: /en/blog/override-doctrine/\nsrc/content/articles/en/when-not-to-use-an-agent.md sources: /en/blog/override-doctrine/\nsrc/content/articles/nl/wanneer-geen-agent-gebruiken.md body: /nl/blog/override-doctrine/\nsrc/content/articles/nl/wanneer-geen-agent-gebruiken.md sources: /nl/blog/override-doctrine/","weight":1,"locales":["en","nl"],"id":"article:when-not-to-use-an-agent|references|article:override-doctrine"},{"source":"article:when-not-to-use-an-agent","target":"article:using-ai-agents-effectively","relation":"references","evidence":"src/content/articles/en/when-not-to-use-an-agent.md body: /en/blog/using-ai-agents-effectively/\nsrc/content/articles/en/when-not-to-use-an-agent.md furtherReading: /en/blog/using-ai-agents-effectively/\nsrc/content/articles/nl/wanneer-geen-agent-gebruiken.md body: /nl/blog/ai-agents-effectief-inzetten/\nsrc/content/articles/nl/wanneer-geen-agent-gebruiken.md furtherReading: /nl/blog/ai-agents-effectief-inzetten/","weight":1,"locales":["en","nl"],"id":"article:when-not-to-use-an-agent|references|article:using-ai-agents-effectively"},{"source":"article:when-not-to-use-an-agent","target":"article:what-is-an-ai-agent","relation":"references","evidence":"src/content/articles/en/when-not-to-use-an-agent.md body: /en/blog/what-is-an-ai-agent/\nsrc/content/articles/en/when-not-to-use-an-agent.md sources: /en/blog/what-is-an-ai-agent/\nsrc/content/articles/nl/wanneer-geen-agent-gebruiken.md body: /nl/blog/wat-is-een-ai-agent/\nsrc/content/articles/nl/wanneer-geen-agent-gebruiken.md sources: /nl/blog/wat-is-een-ai-agent/","weight":1,"locales":["en","nl"],"id":"article:when-not-to-use-an-agent|references|article:what-is-an-ai-agent"},{"source":"article:when-not-to-use-an-agent","target":"article:what-is-an-ai-agent-charter","relation":"references","evidence":"src/content/articles/en/when-not-to-use-an-agent.md furtherReading: /en/blog/what-is-an-ai-agent-charter/\nsrc/content/articles/nl/wanneer-geen-agent-gebruiken.md furtherReading: /nl/blog/wat-is-een-ai-agent-charter/","weight":1,"locales":["en","nl"],"id":"article:when-not-to-use-an-agent|references|article:what-is-an-ai-agent-charter"},{"source":"article:when-not-to-use-an-agent","target":"concept:roster","relation":"references","evidence":"src/content/articles/en/when-not-to-use-an-agent.md body: /frameworks/roster/\nsrc/content/articles/en/when-not-to-use-an-agent.md furtherReading: /frameworks/roster/\nsrc/content/articles/en/when-not-to-use-an-agent.md sources: /frameworks/roster/\nsrc/content/articles/nl/wanneer-geen-agent-gebruiken.md body: /nl/frameworks/roster/\nsrc/content/articles/nl/wanneer-geen-agent-gebruiken.md furtherReading: /nl/frameworks/roster/\nsrc/content/articles/nl/wanneer-geen-agent-gebruiken.md sources: /nl/frameworks/roster/","weight":1,"locales":["en","nl"],"id":"article:when-not-to-use-an-agent|references|concept:roster"},{"source":"article:when-not-to-use-an-agent","target":"volume:the-agent-dream-team","relation":"references","evidence":"src/content/articles/en/when-not-to-use-an-agent.md body: /books/the-agent-dream-team/\nsrc/content/articles/en/when-not-to-use-an-agent.md sources: /books/the-agent-dream-team/\nsrc/content/articles/nl/wanneer-geen-agent-gebruiken.md body: /boeken/the-agent-dream-team/\nsrc/content/articles/nl/wanneer-geen-agent-gebruiken.md sources: /boeken/the-agent-dream-team/","weight":1,"locales":["en","nl"],"id":"article:when-not-to-use-an-agent|references|volume:the-agent-dream-team"},{"source":"article:when-not-to-use-an-agent","target":"article:agentic-workflow-vs-automation","relation":"related","evidence":"src/content/articles/en/when-not-to-use-an-agent.md relatedArticleIds: b0c61b6b-2323-4daf-af82-d1797790765d\nsrc/content/articles/nl/wanneer-geen-agent-gebruiken.md relatedArticleIds: 6c945471-3c47-4b43-97b7-459815b1ff10","weight":2,"locales":["en","nl"],"id":"article:when-not-to-use-an-agent|related|article:agentic-workflow-vs-automation"},{"source":"article:when-not-to-use-an-agent","target":"article:using-ai-agents-effectively","relation":"related","evidence":"src/content/articles/en/when-not-to-use-an-agent.md relatedArticleIds: e3799711-41ca-4502-bf91-2ba2ca33ee34\nsrc/content/articles/nl/wanneer-geen-agent-gebruiken.md relatedArticleIds: 16ae16b7-50c5-4d11-896d-e84eaec91a42","weight":2,"locales":["en","nl"],"id":"article:when-not-to-use-an-agent|related|article:using-ai-agents-effectively"},{"source":"article:when-not-to-use-an-agent","target":"article:what-is-an-ai-agent","relation":"related","evidence":"src/content/articles/en/when-not-to-use-an-agent.md relatedArticleIds: 69f0de22-6dd9-44b3-b6d8-b89ce8d8df7e\nsrc/content/articles/nl/wanneer-geen-agent-gebruiken.md relatedArticleIds: 05f0fc8a-d4e4-4e38-a513-9abecb5b5587","weight":2,"locales":["en","nl"],"id":"article:when-not-to-use-an-agent|related|article:what-is-an-ai-agent"},{"source":"article:when-not-to-use-an-agent","target":"article:what-is-an-ai-agent-charter","relation":"related","evidence":"src/content/articles/en/when-not-to-use-an-agent.md relatedArticleIds: b11300b0-7c8e-4871-b065-494e68d33fd6\nsrc/content/articles/nl/wanneer-geen-agent-gebruiken.md relatedArticleIds: 5915a20d-babe-46ee-a4e3-4d0caf1c7ab8","weight":2,"locales":["en","nl"],"id":"article:when-not-to-use-an-agent|related|article:what-is-an-ai-agent-charter"},{"source":"article:when-to-use-rag","target":"concept:grain","relation":"discusses","evidence":"src/content/articles/en/when-to-use-rag.md glossary: GRAIN\nsrc/content/articles/nl/wanneer-rag-gebruiken.md glossary: GRAIN","weight":1.5,"locales":["en","nl"],"id":"article:when-to-use-rag|discusses|concept:grain"},{"source":"article:when-to-use-rag","target":"concept:rag","relation":"discusses","evidence":"src/content/articles/en/when-to-use-rag.md glossary: RAG\nsrc/content/articles/nl/wanneer-rag-gebruiken.md glossary: RAG","weight":1.5,"locales":["en","nl"],"id":"article:when-to-use-rag|discusses|concept:rag"},{"source":"article:when-to-use-rag","target":"concept:tag:ai-agents","relation":"discusses","evidence":"src/content/articles/en/when-to-use-rag.md tags: ai-agents\nsrc/content/articles/nl/wanneer-rag-gebruiken.md tags: ai-agents","weight":1.5,"locales":["en","nl"],"id":"article:when-to-use-rag|discusses|concept:tag:ai-agents"},{"source":"article:when-to-use-rag","target":"article:evaluate-reasoning-not-fluency","relation":"references","evidence":"src/content/articles/en/when-to-use-rag.md body: /en/blog/evaluate-reasoning-not-fluency/\nsrc/content/articles/en/when-to-use-rag.md sources: /en/blog/evaluate-reasoning-not-fluency/\nsrc/content/articles/nl/wanneer-rag-gebruiken.md body: /nl/blog/evalueer-de-redenering-niet-de-vloeiendheid/\nsrc/content/articles/nl/wanneer-rag-gebruiken.md sources: /nl/blog/evalueer-de-redenering-niet-de-vloeiendheid/","weight":1,"locales":["en","nl"],"id":"article:when-to-use-rag|references|article:evaluate-reasoning-not-fluency"},{"source":"article:when-to-use-rag","target":"article:human-in-the-loop-meaning","relation":"references","evidence":"src/content/articles/en/when-to-use-rag.md body: /en/blog/human-in-the-loop-meaning/\nsrc/content/articles/nl/wanneer-rag-gebruiken.md body: /nl/blog/mens-in-de-lus-betekenis/","weight":1,"locales":["en","nl"],"id":"article:when-to-use-rag|references|article:human-in-the-loop-meaning"},{"source":"article:when-to-use-rag","target":"article:what-is-a-knowledge-graph","relation":"references","evidence":"src/content/articles/en/when-to-use-rag.md body: /en/blog/what-is-a-knowledge-graph/\nsrc/content/articles/en/when-to-use-rag.md furtherReading: /en/blog/what-is-a-knowledge-graph/\nsrc/content/articles/en/when-to-use-rag.md sources: /en/blog/what-is-a-knowledge-graph/\nsrc/content/articles/nl/wanneer-rag-gebruiken.md body: /nl/blog/wat-is-een-knowledge-graph/\nsrc/content/articles/nl/wanneer-rag-gebruiken.md furtherReading: /nl/blog/wat-is-een-knowledge-graph/\nsrc/content/articles/nl/wanneer-rag-gebruiken.md sources: /nl/blog/wat-is-een-knowledge-graph/","weight":1,"locales":["en","nl"],"id":"article:when-to-use-rag|references|article:what-is-a-knowledge-graph"},{"source":"article:when-to-use-rag","target":"article:what-is-rag","relation":"references","evidence":"src/content/articles/en/when-to-use-rag.md body: /en/blog/what-is-rag/\nsrc/content/articles/en/when-to-use-rag.md furtherReading: /en/blog/what-is-rag/\nsrc/content/articles/en/when-to-use-rag.md sources: /en/blog/what-is-rag/\nsrc/content/articles/nl/wanneer-rag-gebruiken.md body: /nl/blog/wat-is-rag/\nsrc/content/articles/nl/wanneer-rag-gebruiken.md furtherReading: /nl/blog/wat-is-rag/\nsrc/content/articles/nl/wanneer-rag-gebruiken.md sources: /nl/blog/wat-is-rag/","weight":1,"locales":["en","nl"],"id":"article:when-to-use-rag|references|article:what-is-rag"},{"source":"article:when-to-use-rag","target":"concept:grain","relation":"references","evidence":"src/content/articles/en/when-to-use-rag.md body: /glossary/grain/\nsrc/content/articles/en/when-to-use-rag.md furtherReading: /glossary/grain/\nsrc/content/articles/en/when-to-use-rag.md sources: /glossary/grain/\nsrc/content/articles/nl/wanneer-rag-gebruiken.md body: /nl/begrippen/grain/\nsrc/content/articles/nl/wanneer-rag-gebruiken.md furtherReading: /nl/begrippen/grain/\nsrc/content/articles/nl/wanneer-rag-gebruiken.md sources: /nl/begrippen/grain/","weight":1,"locales":["en","nl"],"id":"article:when-to-use-rag|references|concept:grain"},{"source":"article:when-to-use-rag","target":"concept:rag","relation":"references","evidence":"src/content/articles/en/when-to-use-rag.md sources: /glossary/rag/\nsrc/content/articles/nl/wanneer-rag-gebruiken.md sources: /nl/begrippen/rag/","weight":1,"locales":["en","nl"],"id":"article:when-to-use-rag|references|concept:rag"},{"source":"article:when-to-use-rag","target":"volume:the-rag-engineer","relation":"references","evidence":"src/content/articles/en/when-to-use-rag.md body: /books/the-rag-engineer/\nsrc/content/articles/en/when-to-use-rag.md furtherReading: /books/the-rag-engineer/\nsrc/content/articles/en/when-to-use-rag.md sources: /books/the-rag-engineer/\nsrc/content/articles/nl/wanneer-rag-gebruiken.md body: /boeken/the-rag-engineer/\nsrc/content/articles/nl/wanneer-rag-gebruiken.md furtherReading: /boeken/the-rag-engineer/\nsrc/content/articles/nl/wanneer-rag-gebruiken.md sources: /boeken/the-rag-engineer/","weight":1,"locales":["en","nl"],"id":"article:when-to-use-rag|references|volume:the-rag-engineer"},{"source":"article:when-to-use-rag","target":"article:evaluate-reasoning-not-fluency","relation":"related","evidence":"src/content/articles/en/when-to-use-rag.md relatedArticleIds: f14281cc-3a68-4987-ade4-9c6fdad3acc5\nsrc/content/articles/nl/wanneer-rag-gebruiken.md relatedArticleIds: f14281cc-3a68-4987-ade4-9c6fdad3acc5","weight":2,"locales":["en","nl"],"id":"article:when-to-use-rag|related|article:evaluate-reasoning-not-fluency"},{"source":"article:when-to-use-rag","target":"article:what-is-a-knowledge-graph","relation":"related","evidence":"src/content/articles/en/when-to-use-rag.md relatedArticleIds: 3c46eef5-e2c1-4691-a814-cc597b14080d\nsrc/content/articles/nl/wanneer-rag-gebruiken.md relatedArticleIds: 3c46eef5-e2c1-4691-a814-cc597b14080d","weight":2,"locales":["en","nl"],"id":"article:when-to-use-rag|related|article:what-is-a-knowledge-graph"},{"source":"article:when-to-use-rag","target":"article:what-is-rag","relation":"related","evidence":"src/content/articles/en/when-to-use-rag.md relatedArticleIds: 295fcb44-1746-4f53-95f7-60a307ad8af1\nsrc/content/articles/nl/wanneer-rag-gebruiken.md relatedArticleIds: 295fcb44-1746-4f53-95f7-60a307ad8af1","weight":2,"locales":["en","nl"],"id":"article:when-to-use-rag|related|article:what-is-rag"},{"source":"article:why-chatgpt-does-not-name-you","target":"concept:aeo","relation":"discusses","evidence":"src/content/articles/en/why-chatgpt-does-not-name-you.md glossary: AEO\nsrc/content/articles/en/why-chatgpt-does-not-name-you.md tags: aeo\nsrc/content/articles/nl/waarom-word-ik-niet-genoemd-in-chatgpt.md glossary: AEO\nsrc/content/articles/nl/waarom-word-ik-niet-genoemd-in-chatgpt.md tags: aeo","weight":1.5,"locales":["en","nl"],"id":"article:why-chatgpt-does-not-name-you|discusses|concept:aeo"},{"source":"article:why-chatgpt-does-not-name-you","target":"concept:citation","relation":"discusses","evidence":"src/content/articles/en/why-chatgpt-does-not-name-you.md glossary: CITATION\nsrc/content/articles/nl/waarom-word-ik-niet-genoemd-in-chatgpt.md glossary: CITATION","weight":1.5,"locales":["en","nl"],"id":"article:why-chatgpt-does-not-name-you|discusses|concept:citation"},{"source":"article:why-chatgpt-does-not-name-you","target":"concept:geo","relation":"discusses","evidence":"src/content/articles/en/why-chatgpt-does-not-name-you.md glossary: GEO\nsrc/content/articles/en/why-chatgpt-does-not-name-you.md tags: geo\nsrc/content/articles/nl/waarom-word-ik-niet-genoemd-in-chatgpt.md glossary: GEO\nsrc/content/articles/nl/waarom-word-ik-niet-genoemd-in-chatgpt.md tags: geo","weight":1.5,"locales":["en","nl"],"id":"article:why-chatgpt-does-not-name-you|discusses|concept:geo"},{"source":"article:why-chatgpt-does-not-name-you","target":"article:answer-engine-citations","relation":"references","evidence":"src/content/articles/en/why-chatgpt-does-not-name-you.md body: /en/blog/how-answer-engines-select-sources/\nsrc/content/articles/en/why-chatgpt-does-not-name-you.md furtherReading: /en/blog/how-answer-engines-select-sources/\nsrc/content/articles/en/why-chatgpt-does-not-name-you.md sources: /en/blog/how-answer-engines-select-sources/\nsrc/content/articles/nl/waarom-word-ik-niet-genoemd-in-chatgpt.md body: /nl/blog/hoe-antwoordmachines-bronnen-selecteren/\nsrc/content/articles/nl/waarom-word-ik-niet-genoemd-in-chatgpt.md furtherReading: /nl/blog/hoe-antwoordmachines-bronnen-selecteren/\nsrc/content/articles/nl/waarom-word-ik-niet-genoemd-in-chatgpt.md sources: /nl/blog/hoe-antwoordmachines-bronnen-selecteren/","weight":1,"locales":["en","nl"],"id":"article:why-chatgpt-does-not-name-you|references|article:answer-engine-citations"},{"source":"article:why-chatgpt-does-not-name-you","target":"article:geo-meaning","relation":"references","evidence":"src/content/articles/en/why-chatgpt-does-not-name-you.md body: /en/blog/what-geo-means/\nsrc/content/articles/en/why-chatgpt-does-not-name-you.md furtherReading: /en/blog/what-geo-means/\nsrc/content/articles/en/why-chatgpt-does-not-name-you.md sources: /en/blog/what-geo-means/\nsrc/content/articles/nl/waarom-word-ik-niet-genoemd-in-chatgpt.md body: /nl/blog/geo-betekenis/\nsrc/content/articles/nl/waarom-word-ik-niet-genoemd-in-chatgpt.md furtherReading: /nl/blog/geo-betekenis/\nsrc/content/articles/nl/waarom-word-ik-niet-genoemd-in-chatgpt.md sources: /nl/blog/geo-betekenis/","weight":1,"locales":["en","nl"],"id":"article:why-chatgpt-does-not-name-you|references|article:geo-meaning"},{"source":"article:why-chatgpt-does-not-name-you","target":"article:how-to-get-cited-2026","relation":"references","evidence":"src/content/articles/en/why-chatgpt-does-not-name-you.md body: /en/blog/how-to-get-cited-2026/\nsrc/content/articles/en/why-chatgpt-does-not-name-you.md furtherReading: /en/blog/how-to-get-cited-2026/\nsrc/content/articles/en/why-chatgpt-does-not-name-you.md sources: /en/blog/how-to-get-cited-2026/\nsrc/content/articles/nl/waarom-word-ik-niet-genoemd-in-chatgpt.md body: /nl/blog/hoe-je-geciteerd-wordt-2026/\nsrc/content/articles/nl/waarom-word-ik-niet-genoemd-in-chatgpt.md furtherReading: /nl/blog/hoe-je-geciteerd-wordt-2026/\nsrc/content/articles/nl/waarom-word-ik-niet-genoemd-in-chatgpt.md sources: /nl/blog/hoe-je-geciteerd-wordt-2026/","weight":1,"locales":["en","nl"],"id":"article:why-chatgpt-does-not-name-you|references|article:how-to-get-cited-2026"},{"source":"article:why-chatgpt-does-not-name-you","target":"article:what-is-aeo","relation":"references","evidence":"src/content/articles/en/why-chatgpt-does-not-name-you.md body: /en/blog/what-is-aeo/\nsrc/content/articles/en/why-chatgpt-does-not-name-you.md sources: /en/blog/what-is-aeo/\nsrc/content/articles/nl/waarom-word-ik-niet-genoemd-in-chatgpt.md body: /nl/blog/wat-is-aeo/\nsrc/content/articles/nl/waarom-word-ik-niet-genoemd-in-chatgpt.md sources: /nl/blog/wat-is-aeo/","weight":1,"locales":["en","nl"],"id":"article:why-chatgpt-does-not-name-you|references|article:what-is-aeo"},{"source":"article:why-chatgpt-does-not-name-you","target":"concept:citation","relation":"references","evidence":"src/content/articles/nl/waarom-word-ik-niet-genoemd-in-chatgpt.md sources: /nl/begrippen/citation/","weight":1,"locales":["nl"],"id":"article:why-chatgpt-does-not-name-you|references|concept:citation"},{"source":"article:why-chatgpt-does-not-name-you","target":"volume:the-findability-engine","relation":"references","evidence":"src/content/articles/nl/waarom-word-ik-niet-genoemd-in-chatgpt.md sources: /boeken/the-findability-engine/","weight":1,"locales":["nl"],"id":"article:why-chatgpt-does-not-name-you|references|volume:the-findability-engine"},{"source":"article:why-chatgpt-does-not-name-you","target":"article:answer-engine-citations","relation":"related","evidence":"src/content/articles/en/why-chatgpt-does-not-name-you.md relatedArticleIds: 018f6f0d-4aa1-7d2e-9c8e-f57fc6f5d100\nsrc/content/articles/nl/waarom-word-ik-niet-genoemd-in-chatgpt.md relatedArticleIds: 018f6f0d-4aa1-7d2e-9c8e-f57fc6f5d100","weight":2,"locales":["en","nl"],"id":"article:why-chatgpt-does-not-name-you|related|article:answer-engine-citations"},{"source":"article:why-chatgpt-does-not-name-you","target":"article:geo-meaning","relation":"related","evidence":"src/content/articles/en/why-chatgpt-does-not-name-you.md relatedArticleIds: 34e5be7f-a98a-4235-9f21-5b80471033c9\nsrc/content/articles/nl/waarom-word-ik-niet-genoemd-in-chatgpt.md relatedArticleIds: 34e5be7f-a98a-4235-9f21-5b80471033c9","weight":2,"locales":["en","nl"],"id":"article:why-chatgpt-does-not-name-you|related|article:geo-meaning"},{"source":"article:why-chatgpt-does-not-name-you","target":"article:how-to-get-cited-2026","relation":"related","evidence":"src/content/articles/en/why-chatgpt-does-not-name-you.md relatedArticleIds: 030afe30-fce7-41d2-b1a4-798d4e2c8048\nsrc/content/articles/nl/waarom-word-ik-niet-genoemd-in-chatgpt.md relatedArticleIds: 030afe30-fce7-41d2-b1a4-798d4e2c8048","weight":2,"locales":["en","nl"],"id":"article:why-chatgpt-does-not-name-you|related|article:how-to-get-cited-2026"},{"source":"article:why-chatgpt-does-not-name-you","target":"article:what-is-aeo","relation":"related","evidence":"src/content/articles/en/why-chatgpt-does-not-name-you.md relatedArticleIds: 4158475b-0245-4940-a76b-f2d6ea3ccbf1\nsrc/content/articles/nl/waarom-word-ik-niet-genoemd-in-chatgpt.md relatedArticleIds: 4158475b-0245-4940-a76b-f2d6ea3ccbf1","weight":2,"locales":["en","nl"],"id":"article:why-chatgpt-does-not-name-you|related|article:what-is-aeo"},{"source":"article:why-multi-agent-systems-fail","target":"concept:agent-orchestration","relation":"discusses","evidence":"src/content/articles/en/why-multi-agent-systems-fail.md glossary: Agent orchestration\nsrc/content/articles/nl/waarom-multi-agent-systemen-falen.md glossary: Agent-orkestratie","weight":1.5,"locales":["en","nl"],"id":"article:why-multi-agent-systems-fail|discusses|concept:agent-orchestration"},{"source":"article:why-multi-agent-systems-fail","target":"concept:chorus","relation":"discusses","evidence":"src/content/articles/en/why-multi-agent-systems-fail.md glossary: CHORUS\nsrc/content/articles/en/why-multi-agent-systems-fail.md tags: chorus\nsrc/content/articles/nl/waarom-multi-agent-systemen-falen.md glossary: CHORUS\nsrc/content/articles/nl/waarom-multi-agent-systemen-falen.md tags: chorus","weight":1.5,"locales":["en","nl"],"id":"article:why-multi-agent-systems-fail|discusses|concept:chorus"},{"source":"article:why-multi-agent-systems-fail","target":"concept:human-in-the-loop","relation":"discusses","evidence":"src/content/articles/en/why-multi-agent-systems-fail.md glossary: Human in the loop\nsrc/content/articles/nl/waarom-multi-agent-systemen-falen.md glossary: Mens in de lus","weight":1.5,"locales":["en","nl"],"id":"article:why-multi-agent-systems-fail|discusses|concept:human-in-the-loop"},{"source":"article:why-multi-agent-systems-fail","target":"concept:tag:ai-agents","relation":"discusses","evidence":"src/content/articles/en/why-multi-agent-systems-fail.md tags: ai-agents\nsrc/content/articles/nl/waarom-multi-agent-systemen-falen.md tags: ai-agents","weight":1.5,"locales":["en","nl"],"id":"article:why-multi-agent-systems-fail|discusses|concept:tag:ai-agents"},{"source":"article:why-multi-agent-systems-fail","target":"concept:tag:multi-agent-organization","relation":"discusses","evidence":"src/content/articles/en/why-multi-agent-systems-fail.md tags: multi-agent-organization\nsrc/content/articles/nl/waarom-multi-agent-systemen-falen.md tags: multi-agent-organization","weight":1.5,"locales":["en","nl"],"id":"article:why-multi-agent-systems-fail|discusses|concept:tag:multi-agent-organization"},{"source":"article:why-multi-agent-systems-fail","target":"article:agentic-workflow-vs-automation","relation":"references","evidence":"src/content/articles/en/why-multi-agent-systems-fail.md body: /en/blog/agentic-workflow-vs-automation/\nsrc/content/articles/en/why-multi-agent-systems-fail.md furtherReading: /en/blog/agentic-workflow-vs-automation/\nsrc/content/articles/nl/waarom-multi-agent-systemen-falen.md body: /nl/blog/agentic-workflow-versus-automatisering/\nsrc/content/articles/nl/waarom-multi-agent-systemen-falen.md furtherReading: /nl/blog/agentic-workflow-versus-automatisering/","weight":1,"locales":["en","nl"],"id":"article:why-multi-agent-systems-fail|references|article:agentic-workflow-vs-automation"},{"source":"article:why-multi-agent-systems-fail","target":"article:the-multi-agent-organization-introduction","relation":"references","evidence":"src/content/articles/en/why-multi-agent-systems-fail.md body: /en/blog/the-multi-agent-organization-introduction/\nsrc/content/articles/en/why-multi-agent-systems-fail.md furtherReading: /en/blog/the-multi-agent-organization-introduction/\nsrc/content/articles/nl/waarom-multi-agent-systemen-falen.md body: /nl/blog/de-multi-agent-organisatie-introductie/\nsrc/content/articles/nl/waarom-multi-agent-systemen-falen.md furtherReading: /nl/blog/de-multi-agent-organisatie-introductie/","weight":1,"locales":["en","nl"],"id":"article:why-multi-agent-systems-fail|references|article:the-multi-agent-organization-introduction"},{"source":"article:why-multi-agent-systems-fail","target":"article:what-is-an-ai-agent","relation":"references","evidence":"src/content/articles/en/why-multi-agent-systems-fail.md furtherReading: /en/blog/what-is-an-ai-agent/\nsrc/content/articles/nl/waarom-multi-agent-systemen-falen.md furtherReading: /nl/blog/wat-is-een-ai-agent/","weight":1,"locales":["en","nl"],"id":"article:why-multi-agent-systems-fail|references|article:what-is-an-ai-agent"},{"source":"article:why-multi-agent-systems-fail","target":"concept:agent-orchestration","relation":"references","evidence":"src/content/articles/en/why-multi-agent-systems-fail.md body: /glossary/agent-orchestration/\nsrc/content/articles/en/why-multi-agent-systems-fail.md sources: /glossary/agent-orchestration/\nsrc/content/articles/nl/waarom-multi-agent-systemen-falen.md body: /nl/begrippen/agent-orchestratie/\nsrc/content/articles/nl/waarom-multi-agent-systemen-falen.md sources: /nl/begrippen/agent-orchestratie/","weight":1,"locales":["en","nl"],"id":"article:why-multi-agent-systems-fail|references|concept:agent-orchestration"},{"source":"article:why-multi-agent-systems-fail","target":"concept:ai-agent","relation":"references","evidence":"src/content/articles/en/why-multi-agent-systems-fail.md body: /glossary/ai-agent/\nsrc/content/articles/nl/waarom-multi-agent-systemen-falen.md body: /nl/begrippen/ai-agent/","weight":1,"locales":["en","nl"],"id":"article:why-multi-agent-systems-fail|references|concept:ai-agent"},{"source":"article:why-multi-agent-systems-fail","target":"concept:chorus","relation":"references","evidence":"src/content/articles/en/why-multi-agent-systems-fail.md body: /frameworks/chorus/\nsrc/content/articles/en/why-multi-agent-systems-fail.md body: /glossary/chorus/\nsrc/content/articles/en/why-multi-agent-systems-fail.md furtherReading: /frameworks/chorus/\nsrc/content/articles/en/why-multi-agent-systems-fail.md sources: /frameworks/chorus/\nsrc/content/articles/nl/waarom-multi-agent-systemen-falen.md body: /nl/begrippen/chorus/\nsrc/content/articles/nl/waarom-multi-agent-systemen-falen.md body: /nl/frameworks/chorus/\nsrc/content/articles/nl/waarom-multi-agent-systemen-falen.md furtherReading: /nl/frameworks/chorus/\nsrc/content/articles/nl/waarom-multi-agent-systemen-falen.md sources: /nl/frameworks/chorus/","weight":1,"locales":["en","nl"],"id":"article:why-multi-agent-systems-fail|references|concept:chorus"},{"source":"article:why-multi-agent-systems-fail","target":"concept:human-in-the-loop","relation":"references","evidence":"src/content/articles/en/why-multi-agent-systems-fail.md body: /glossary/human-in-the-loop/\nsrc/content/articles/nl/waarom-multi-agent-systemen-falen.md body: /nl/begrippen/mens-in-de-lus/","weight":1,"locales":["en","nl"],"id":"article:why-multi-agent-systems-fail|references|concept:human-in-the-loop"},{"source":"article:why-multi-agent-systems-fail","target":"concept:mcp","relation":"references","evidence":"src/content/articles/en/why-multi-agent-systems-fail.md body: /glossary/mcp/\nsrc/content/articles/nl/waarom-multi-agent-systemen-falen.md body: /nl/begrippen/mcp/","weight":1,"locales":["en","nl"],"id":"article:why-multi-agent-systems-fail|references|concept:mcp"},{"source":"article:why-multi-agent-systems-fail","target":"concept:override-doctrine","relation":"references","evidence":"src/content/articles/en/why-multi-agent-systems-fail.md body: /glossary/override-doctrine/\nsrc/content/articles/nl/waarom-multi-agent-systemen-falen.md body: /nl/begrippen/override-doctrine/","weight":1,"locales":["en","nl"],"id":"article:why-multi-agent-systems-fail|references|concept:override-doctrine"},{"source":"article:why-multi-agent-systems-fail","target":"concept:sense","relation":"references","evidence":"src/content/articles/en/why-multi-agent-systems-fail.md body: /frameworks/sense/\nsrc/content/articles/nl/waarom-multi-agent-systemen-falen.md body: /nl/frameworks/sense/","weight":1,"locales":["en","nl"],"id":"article:why-multi-agent-systems-fail|references|concept:sense"},{"source":"article:why-multi-agent-systems-fail","target":"volume:multi-agent-organization","relation":"references","evidence":"src/content/articles/en/why-multi-agent-systems-fail.md body: /books/multi-agent-organization/\nsrc/content/articles/en/why-multi-agent-systems-fail.md furtherReading: /books/multi-agent-organization/\nsrc/content/articles/en/why-multi-agent-systems-fail.md sources: /books/multi-agent-organization/\nsrc/content/articles/nl/waarom-multi-agent-systemen-falen.md body: /boeken/multi-agent-organization/\nsrc/content/articles/nl/waarom-multi-agent-systemen-falen.md furtherReading: /boeken/multi-agent-organization/\nsrc/content/articles/nl/waarom-multi-agent-systemen-falen.md sources: /boeken/multi-agent-organization/","weight":1,"locales":["en","nl"],"id":"article:why-multi-agent-systems-fail|references|volume:multi-agent-organization"},{"source":"article:why-multi-agent-systems-fail","target":"article:agentic-workflow-vs-automation","relation":"related","evidence":"src/content/articles/en/why-multi-agent-systems-fail.md relatedArticleIds: b0c61b6b-2323-4daf-af82-d1797790765d\nsrc/content/articles/nl/waarom-multi-agent-systemen-falen.md relatedArticleIds: b0c61b6b-2323-4daf-af82-d1797790765d","weight":2,"locales":["en","nl"],"id":"article:why-multi-agent-systems-fail|related|article:agentic-workflow-vs-automation"},{"source":"article:why-multi-agent-systems-fail","target":"article:the-agentic-codebase-introduction","relation":"related","evidence":"src/content/articles/en/why-multi-agent-systems-fail.md relatedArticleIds: 42ecc0ae-dbb0-4fc6-8781-22c34db2113d\nsrc/content/articles/nl/waarom-multi-agent-systemen-falen.md relatedArticleIds: 42ecc0ae-dbb0-4fc6-8781-22c34db2113d","weight":2,"locales":["en","nl"],"id":"article:why-multi-agent-systems-fail|related|article:the-agentic-codebase-introduction"},{"source":"article:why-multi-agent-systems-fail","target":"article:the-multi-agent-organization-introduction","relation":"related","evidence":"src/content/articles/en/why-multi-agent-systems-fail.md relatedArticleIds: 72b004e7-b895-4bc3-84bf-ef212460c826\nsrc/content/articles/nl/waarom-multi-agent-systemen-falen.md relatedArticleIds: 72b004e7-b895-4bc3-84bf-ef212460c826","weight":2,"locales":["en","nl"],"id":"article:why-multi-agent-systems-fail|related|article:the-multi-agent-organization-introduction"},{"source":"article:why-multi-agent-systems-fail","target":"article:what-is-an-ai-agent","relation":"related","evidence":"src/content/articles/en/why-multi-agent-systems-fail.md relatedArticleIds: 69f0de22-6dd9-44b3-b6d8-b89ce8d8df7e\nsrc/content/articles/nl/waarom-multi-agent-systemen-falen.md relatedArticleIds: 69f0de22-6dd9-44b3-b6d8-b89ce8d8df7e","weight":2,"locales":["en","nl"],"id":"article:why-multi-agent-systems-fail|related|article:what-is-an-ai-agent"},{"source":"article:why-multi-agent-systems-fail","target":"concept:agent-orchestration","relation":"related","evidence":"src/data/site-link-graph.ts: why-multi-agent-systems-fail frameworks/glossary","weight":2,"locales":["en","nl"],"id":"article:why-multi-agent-systems-fail|related|concept:agent-orchestration"},{"source":"article:why-multi-agent-systems-fail","target":"concept:chorus","relation":"related","evidence":"src/data/site-link-graph.ts: why-multi-agent-systems-fail frameworks/glossary","weight":2,"locales":["en","nl"],"id":"article:why-multi-agent-systems-fail|related|concept:chorus"},{"source":"article:why-multi-agent-systems-fail","target":"concept:human-in-the-loop","relation":"related","evidence":"src/data/site-link-graph.ts: why-multi-agent-systems-fail frameworks/glossary","weight":2,"locales":["en","nl"],"id":"article:why-multi-agent-systems-fail|related|concept:human-in-the-loop"},{"source":"article:why-multi-agent-systems-fail","target":"volume:multi-agent-organization","relation":"related","evidence":"src/data/site-link-graph.ts: why-multi-agent-systems-fail books","weight":2,"locales":["en","nl"],"id":"article:why-multi-agent-systems-fail|related|volume:multi-agent-organization"},{"source":"concept:aeo","target":"volume:the-findability-engine","relation":"presented_in","evidence":"src/data/glossary.ts: aeo.bookSlug","weight":2,"id":"concept:aeo|presented_in|volume:the-findability-engine","locales":["en","nl"]},{"source":"concept:agent-orchestration","target":"volume:multi-agent-organization","relation":"presented_in","evidence":"src/data/glossary.ts: agent-orchestration.bookSlug","weight":2,"id":"concept:agent-orchestration|presented_in|volume:multi-agent-organization","locales":["en","nl"]},{"source":"concept:agent-orchestration","target":"concept:chorus","relation":"related","evidence":"src/data/glossary.ts: agent-orchestration.framework","weight":2,"id":"concept:agent-orchestration|related|concept:chorus","locales":["en","nl"]},{"source":"concept:ai-agent","target":"volume:ai-agents-for-startup-strategy","relation":"presented_in","evidence":"src/data/glossary.ts: ai-agent.bookSlug","weight":2,"id":"concept:ai-agent|presented_in|volume:ai-agents-for-startup-strategy","locales":["en","nl"]},{"source":"concept:ai-agent","target":"concept:sense","relation":"related","evidence":"src/data/glossary.ts: ai-agent.framework","weight":2,"id":"concept:ai-agent|related|concept:sense","locales":["en","nl"]},{"source":"concept:booksos","target":"volume:the-agentic-author","relation":"presented_in","evidence":"src/data/authority-graph.ts: booksos.bookSlug\nsrc/data/glossary.ts: booksos.bookSlug","weight":2,"id":"concept:booksos|presented_in|volume:the-agentic-author","locales":["en","nl"]},{"source":"concept:booksos","target":"concept:resilient","relation":"related","evidence":"src/data/authority-graph.ts: booksos.related","weight":2,"id":"concept:booksos|related|concept:resilient","locales":["en","nl"]},{"source":"concept:booksos","target":"concept:stack","relation":"related","evidence":"src/data/authority-graph.ts: booksos.related","weight":2,"id":"concept:booksos|related|concept:stack","locales":["en","nl"]},{"source":"concept:calibrate","target":"volume:the-calibrated-mind","relation":"presented_in","evidence":"src/data/authority-graph.ts: calibrate.bookSlug\nsrc/data/glossary.ts: calibrate.bookSlug","weight":2,"id":"concept:calibrate|presented_in|volume:the-calibrated-mind","locales":["en","nl"]},{"source":"concept:calibrate","target":"concept:resilient","relation":"related","evidence":"src/data/authority-graph.ts: calibrate.related","weight":2,"id":"concept:calibrate|related|concept:resilient","locales":["en","nl"]},{"source":"concept:calibrate","target":"concept:sense","relation":"related","evidence":"src/data/authority-graph.ts: calibrate.related","weight":2,"id":"concept:calibrate|related|concept:sense","locales":["en","nl"]},{"source":"concept:cascade","target":"volume:the-second-order-thinker","relation":"presented_in","evidence":"src/data/glossary.ts: cascade.bookSlug","weight":2,"id":"concept:cascade|presented_in|volume:the-second-order-thinker","locales":["en","nl"]},{"source":"concept:chorus","target":"volume:multi-agent-organization","relation":"presented_in","evidence":"src/data/authority-graph.ts: chorus.bookSlug\nsrc/data/glossary.ts: chorus.bookSlug","weight":2,"id":"concept:chorus|presented_in|volume:multi-agent-organization","locales":["en","nl"]},{"source":"concept:chorus","target":"concept:grain","relation":"related","evidence":"src/data/authority-graph.ts: chorus.related","weight":2,"id":"concept:chorus|related|concept:grain","locales":["en","nl"]},{"source":"concept:chorus","target":"concept:sense","relation":"related","evidence":"src/data/authority-graph.ts: chorus.related","weight":2,"id":"concept:chorus|related|concept:sense","locales":["en","nl"]},{"source":"concept:chorus","target":"concept:stack","relation":"related","evidence":"src/data/authority-graph.ts: chorus.related","weight":2,"id":"concept:chorus|related|concept:stack","locales":["en","nl"]},{"source":"concept:citation","target":"volume:the-findability-engine","relation":"presented_in","evidence":"src/data/glossary.ts: citation.bookSlug","weight":2,"id":"concept:citation|presented_in|volume:the-findability-engine","locales":["en","nl"]},{"source":"concept:downstream","target":"volume:the-downstream-effects","relation":"presented_in","evidence":"src/data/authority-graph.ts: downstream.bookSlug\nsrc/data/glossary.ts: downstream.bookSlug","weight":2,"id":"concept:downstream|presented_in|volume:the-downstream-effects","locales":["en","nl"]},{"source":"concept:downstream","target":"concept:resilient","relation":"related","evidence":"src/data/authority-graph.ts: downstream.related","weight":2,"id":"concept:downstream|related|concept:resilient","locales":["en","nl"]},{"source":"concept:downstream","target":"concept:sense","relation":"related","evidence":"src/data/authority-graph.ts: downstream.related","weight":2,"id":"concept:downstream|related|concept:sense","locales":["en","nl"]},{"source":"concept:evidence-ledger","target":"volume:the-agentic-author","relation":"presented_in","evidence":"src/data/glossary.ts: evidence-ledger.bookSlug","weight":2,"id":"concept:evidence-ledger|presented_in|volume:the-agentic-author","locales":["en","nl"]},{"source":"concept:evidence-ledger","target":"concept:booksos","relation":"related","evidence":"src/data/glossary.ts: evidence-ledger.framework","weight":2,"id":"concept:evidence-ledger|related|concept:booksos","locales":["en","nl"]},{"source":"concept:geo","target":"volume:the-findability-engine","relation":"presented_in","evidence":"src/data/glossary.ts: geo.bookSlug","weight":2,"id":"concept:geo|presented_in|volume:the-findability-engine","locales":["en","nl"]},{"source":"concept:grain","target":"volume:the-rag-engineer","relation":"presented_in","evidence":"src/data/authority-graph.ts: grain.bookSlug\nsrc/data/glossary.ts: grain.bookSlug","weight":2,"id":"concept:grain|presented_in|volume:the-rag-engineer","locales":["en","nl"]},{"source":"concept:grain","target":"concept:chorus","relation":"related","evidence":"src/data/authority-graph.ts: grain.related","weight":2,"id":"concept:grain|related|concept:chorus","locales":["en","nl"]},{"source":"concept:grain","target":"concept:route","relation":"related","evidence":"src/data/authority-graph.ts: grain.related","weight":2,"id":"concept:grain|related|concept:route","locales":["en","nl"]},{"source":"concept:grain","target":"concept:sense","relation":"related","evidence":"src/data/authority-graph.ts: grain.related","weight":2,"id":"concept:grain|related|concept:sense","locales":["en","nl"]},{"source":"concept:grain","target":"concept:stack","relation":"related","evidence":"src/data/authority-graph.ts: grain.related","weight":2,"id":"concept:grain|related|concept:stack","locales":["en","nl"]},{"source":"concept:human-in-the-loop","target":"concept:chorus","relation":"related","evidence":"src/data/glossary.ts: human-in-the-loop.framework","weight":2,"id":"concept:human-in-the-loop|related|concept:chorus","locales":["en","nl"]},{"source":"concept:level","target":"volume:the-evidence-aware-life","relation":"presented_in","evidence":"src/data/authority-graph.ts: level.bookSlug\nsrc/data/glossary.ts: level.bookSlug","weight":2,"id":"concept:level|presented_in|volume:the-evidence-aware-life","locales":["en","nl"]},{"source":"concept:level","target":"concept:calibrate","relation":"related","evidence":"src/data/authority-graph.ts: level.related","weight":2,"id":"concept:level|related|concept:calibrate","locales":["en","nl"]},{"source":"concept:level","target":"concept:grain","relation":"related","evidence":"src/data/authority-graph.ts: level.related","weight":2,"id":"concept:level|related|concept:grain","locales":["en","nl"]},{"source":"concept:level","target":"concept:trace","relation":"related","evidence":"src/data/authority-graph.ts: level.related","weight":2,"id":"concept:level|related|concept:trace","locales":["en","nl"]},{"source":"concept:mcp","target":"volume:the-agentic-codebase","relation":"presented_in","evidence":"src/data/glossary.ts: mcp.bookSlug","weight":2,"id":"concept:mcp|presented_in|volume:the-agentic-codebase","locales":["en","nl"]},{"source":"concept:mcp","target":"concept:stack","relation":"related","evidence":"src/data/glossary.ts: mcp.framework","weight":2,"id":"concept:mcp|related|concept:stack","locales":["en","nl"]},{"source":"concept:override-doctrine","target":"concept:chorus","relation":"related","evidence":"src/data/glossary.ts: override-doctrine.framework","weight":2,"id":"concept:override-doctrine|related|concept:chorus","locales":["en","nl"]},{"source":"concept:rag","target":"volume:the-rag-engineer","relation":"presented_in","evidence":"src/data/glossary.ts: rag.bookSlug","weight":2,"id":"concept:rag|presented_in|volume:the-rag-engineer","locales":["en","nl"]},{"source":"concept:rag","target":"concept:grain","relation":"related","evidence":"src/data/glossary.ts: rag.framework","weight":2,"id":"concept:rag|related|concept:grain","locales":["en","nl"]},{"source":"concept:resilient","target":"volume:psychology-of-founder-resilience","relation":"presented_in","evidence":"src/data/authority-graph.ts: resilient.bookSlug\nsrc/data/glossary.ts: resilient.bookSlug","weight":2,"id":"concept:resilient|presented_in|volume:psychology-of-founder-resilience","locales":["en","nl"]},{"source":"concept:resilient","target":"concept:booksos","relation":"related","evidence":"src/data/authority-graph.ts: resilient.related","weight":2,"id":"concept:resilient|related|concept:booksos","locales":["en","nl"]},{"source":"concept:resilient","target":"concept:calibrate","relation":"related","evidence":"src/data/authority-graph.ts: resilient.related","weight":2,"id":"concept:resilient|related|concept:calibrate","locales":["en","nl"]},{"source":"concept:resilient","target":"concept:downstream","relation":"related","evidence":"src/data/authority-graph.ts: resilient.related","weight":2,"id":"concept:resilient|related|concept:downstream","locales":["en","nl"]},{"source":"concept:roster","target":"volume:the-agent-dream-team","relation":"presented_in","evidence":"src/data/authority-graph.ts: roster.bookSlug\nsrc/data/glossary.ts: roster.bookSlug","weight":2,"id":"concept:roster|presented_in|volume:the-agent-dream-team","locales":["en","nl"]},{"source":"concept:roster","target":"concept:chorus","relation":"related","evidence":"src/data/authority-graph.ts: roster.related","weight":2,"id":"concept:roster|related|concept:chorus","locales":["en","nl"]},{"source":"concept:roster","target":"concept:sense","relation":"related","evidence":"src/data/authority-graph.ts: roster.related","weight":2,"id":"concept:roster|related|concept:sense","locales":["en","nl"]},{"source":"concept:roster","target":"concept:stack","relation":"related","evidence":"src/data/authority-graph.ts: roster.related","weight":2,"id":"concept:roster|related|concept:stack","locales":["en","nl"]},{"source":"concept:route","target":"volume:the-model-portfolio","relation":"presented_in","evidence":"src/data/authority-graph.ts: route.bookSlug\nsrc/data/glossary.ts: route.bookSlug","weight":2,"id":"concept:route|presented_in|volume:the-model-portfolio","locales":["en","nl"]},{"source":"concept:route","target":"concept:grain","relation":"related","evidence":"src/data/authority-graph.ts: route.related","weight":2,"id":"concept:route|related|concept:grain","locales":["en","nl"]},{"source":"concept:route","target":"concept:sense","relation":"related","evidence":"src/data/authority-graph.ts: route.related","weight":2,"id":"concept:route|related|concept:sense","locales":["en","nl"]},{"source":"concept:route","target":"concept:stack","relation":"related","evidence":"src/data/authority-graph.ts: route.related","weight":2,"id":"concept:route|related|concept:stack","locales":["en","nl"]},{"source":"concept:sense","target":"volume:ai-agents-for-startup-strategy","relation":"presented_in","evidence":"src/data/authority-graph.ts: sense.bookSlug\nsrc/data/glossary.ts: sense.bookSlug","weight":2,"id":"concept:sense|presented_in|volume:ai-agents-for-startup-strategy","locales":["en","nl"]},{"source":"concept:sense","target":"concept:chorus","relation":"related","evidence":"src/data/authority-graph.ts: sense.related","weight":2,"id":"concept:sense|related|concept:chorus","locales":["en","nl"]},{"source":"concept:sense","target":"concept:grain","relation":"related","evidence":"src/data/authority-graph.ts: sense.related","weight":2,"id":"concept:sense|related|concept:grain","locales":["en","nl"]},{"source":"concept:sense","target":"concept:stack","relation":"related","evidence":"src/data/authority-graph.ts: sense.related","weight":2,"id":"concept:sense|related|concept:stack","locales":["en","nl"]},{"source":"concept:stack","target":"volume:the-agentic-codebase","relation":"presented_in","evidence":"src/data/authority-graph.ts: stack.bookSlug\nsrc/data/glossary.ts: stack.bookSlug","weight":2,"id":"concept:stack|presented_in|volume:the-agentic-codebase","locales":["en","nl"]},{"source":"concept:stack","target":"concept:booksos","relation":"related","evidence":"src/data/authority-graph.ts: stack.related","weight":2,"id":"concept:stack|related|concept:booksos","locales":["en","nl"]},{"source":"concept:stack","target":"concept:chorus","relation":"related","evidence":"src/data/authority-graph.ts: stack.related","weight":2,"id":"concept:stack|related|concept:chorus","locales":["en","nl"]},{"source":"concept:stack","target":"concept:grain","relation":"related","evidence":"src/data/authority-graph.ts: stack.related","weight":2,"id":"concept:stack|related|concept:grain","locales":["en","nl"]},{"source":"concept:stack","target":"concept:sense","relation":"related","evidence":"src/data/authority-graph.ts: stack.related","weight":2,"id":"concept:stack|related|concept:sense","locales":["en","nl"]},{"source":"concept:strategic-intelligence-layer","target":"volume:ai-agents-for-startup-strategy","relation":"presented_in","evidence":"src/data/glossary.ts: strategic-intelligence-layer.bookSlug","weight":2,"id":"concept:strategic-intelligence-layer|presented_in|volume:ai-agents-for-startup-strategy","locales":["en","nl"]},{"source":"concept:strategic-intelligence-layer","target":"concept:sense","relation":"related","evidence":"src/data/glossary.ts: strategic-intelligence-layer.framework","weight":2,"id":"concept:strategic-intelligence-layer|related|concept:sense","locales":["en","nl"]},{"source":"concept:trace","target":"volume:the-verified-research-loop","relation":"presented_in","evidence":"src/data/authority-graph.ts: trace.bookSlug\nsrc/data/glossary.ts: trace.bookSlug","weight":2,"id":"concept:trace|presented_in|volume:the-verified-research-loop","locales":["en","nl"]},{"source":"concept:trace","target":"concept:calibrate","relation":"related","evidence":"src/data/authority-graph.ts: trace.related","weight":2,"id":"concept:trace|related|concept:calibrate","locales":["en","nl"]},{"source":"concept:trace","target":"concept:grain","relation":"related","evidence":"src/data/authority-graph.ts: trace.related","weight":2,"id":"concept:trace|related|concept:grain","locales":["en","nl"]},{"source":"concept:trace","target":"concept:sense","relation":"related","evidence":"src/data/authority-graph.ts: trace.related","weight":2,"id":"concept:trace|related|concept:sense","locales":["en","nl"]}]}