Elke dag 15 minuten terugwinnen met een eenvoudige AI-agent Michiels zoektocht door AI
22 december 2025 – Leestijd: 6 minuten
Elke dag 15 minuten terugwinnen met een eenvoudige AI-agent
Als AI-consultant wil ik overal van op de hoogte zijn en weten wat er speelt. Zeker in een vakgebied als AI, waar nieuws en ontwikkelingen elkaar in hoog tempo opvolgen, is “bijblijven” een essentieel onderdeel van mijn werk.
Nieuwe modellen, nieuwe tools, nieuwe frameworks, nieuwe onderzoeken. Dat maakt het werk interessant en inhoudelijk uitdagend, maar het zorgt er ook voor dat de hoeveelheid informatie die op je afkomt continu toeneemt. Het gevoel dat je iets mist ligt altijd op de loer.
Verdrinken in de datastroom
Om overzicht te houden volg ik veel verschillende bronnen. Ik ontvang meerdere AI-nieuwsbrieven, luister naar podcasts, volg YouTube-kanalen en krijg dagelijkse updates van Google Scholar en MedRxiv met nieuwe wetenschappelijke publicaties. Soms gaat het om enkele tientallen items per dag, soms om honderden.
Alles komt netjes binnen in Outlook, in een map die ik “AI News” heb genoemd. Dat klinkt overzichtelijk, maar in de praktijk betekent het vooral dat ik elke ochtend tijd kwijt was aan hetzelfde ritueel: scannen, beoordelen en wegklikken.
Niet lezen, maar filteren. De vragen waren telkens: is dit relevant voor mij? Is dit dubbel? Is dit iets waar ik later nog iets mee kan? Moet ik dit bewaren of kan het weg?
Dat kostte me dagelijks minstens vijftien minuten, vaak meer. En het vervelende was niet eens zozeer de tijd, maar ook de energie die erin ging zitten. Het is repeterend werk dat concentratie vraagt en weinig oplevert. Tegen de tijd dat ik klaar was, voelde het alsof mijn hoofd al een eerste werksessie achter de rug had 😊.
Het ironische daaraan is dat dit precies het soort werk is waarvan ik bij klanten aangeef dat het zich uitstekend leent voor automatisering.
Waarom doe ik dit eigenlijk handmatig?
Maar als AI-consultant kon ik hier natuurlijk prima een oplossing voor bedenken. In mijn werk help ik organisaties dagelijks om dit soort repetitieve taken slimmer in te richten. Het werd tijd om diezelfde denkwijze ook eens op mijn eigen werk toe te passen.
Een simpele oplossing, zoals vaste Outlook-regels of filters op zoekwoorden, was niet voldoende. Het probleem zat niet in het onderwerp, maar in de context. Een paper over AI kan inhoudelijk sterk zijn, maar toch volledig buiten mijn interessegebied vallen. Relevantie is geen zwart-witregel.
Wat ik nodig had, was geen filter, maar een manier om inhoud te laten beoordelen op basis van mijn interesses.
Context geven met een interesse-matrix
De kern van de oplossing bleek relatief eenvoudig: ik moest de AI context geven. Ik heb daarom een tabel opgesteld met onderwerpen die voor mij relevant zijn, zoals AI-zoeken, Graph RAG, AI-agents, AI in de zorg en thema’s rond compliance en security.
Deze tabel is mijn interesse-matrix. Het is geen vaste lijst met trefwoorden, maar een inhoudelijke beschrijving van waar mijn focus ligt. Dit vormt het denkraam waarlangs een AI-agent content kan beoordelen.
De AI-agent neemt geen beslissingen over mijn interessegebieden; die bepaal ik zelf. Hij filtert irrelevante informatie weg en vat de relevante content samen en structureert die. Zo maakt hij van een longlist een shortlist, waarna ik zelf bepaal waar ik wel of geen tijd aan besteed.
De workflow in n8n
Ik heb deze oplossing gebouwd in n8n, een tool voor workflow-automatisering. Niet omdat dit de enige optie is, maar omdat n8n zich goed leent om verschillende stappen en systemen logisch aan elkaar te koppelen.
Elke nacht om 01:00 uur draait de workflow automatisch. Terwijl ik slaap, worden alle nieuwe mails uit de map “AI News” opgehaald. Overzichtsmails van Google Scholar en MedRxiv worden opgesplitst en regel voor regel verwerkt. Daarnaast worden beschrijvingen van nieuwe podcast-afleveringen en YouTube-video’s opgehaald via de bijbehorende websites.
Vervolgens beoordeelt de AI-agent elk item op basis van mijn interessegebieden. De centrale vraag is steeds: in hoeverre is dit relevant voor mij? De agent geeft een score en een korte toelichting. Als een nieuwsbrief meerdere onderwerpen bevat, beoordeelt de agent deze afzonderlijk.
Voor items die voldoende aansluiten, maakt de agent een compacte samenvatting met een directe link naar de bron. Geen uitgebreide teksten, maar precies genoeg om snel te begrijpen waar het over gaat. Alle resultaten worden samengevoegd in één overzichtelijke mail, waarbij de onderwerpen logisch zijn gegroepeerd.
Tot slot wordt alles netjes opgeruimd. Verwerkte mails worden automatisch verplaatst naar de map “AI Archief”.
De winst
Dit scheelt mij iedere dag veel tijd. In plaats van een volle map met losse berichten en meerdere websites met podcasts en video’s, ontvang ik nu één mail: een dagelijks overzicht met alle voor mij relevante items van die dag.
Ik lees dit overzicht in enkele minuten. Soms klik ik iets door, soms bewaar ik iets voor later en soms laat ik alles liggen. Maar het gevoel dat ik iets belangrijks over het hoofd zie, is verdwenen.
De tijdwinst is concreet: minstens vijftien minuten per dag. Dat tikt op tot ruim een uur per week en meer dan een werkweek per jaar. Minstens zo belangrijk is de rust die het oplevert. Ik begin mijn dag met overzicht in plaats van ruis.
Dit soort tijdlekken zijn overal te vinden
Dit voorbeeld is geen complexe AI-toepassing en ook geen experimenteel project. Het gaat om een simpele, terugkerende taak die altijd tussendoor werd gedaan en daardoor nauwelijks opviel.
Juist dit soort taken zijn verraderlijk. Ze kosten relatief weinig tijd per keer, maar veel opgeteld. In vrijwel elke organisatie zie je ze terug: informatie verzamelen, filteren, samenvatten, voorbereiden.
AI-agents zijn bij uitstek geschikt om dit soort werk over te nemen. Niet om mensen te vervangen, maar om ze te ontlasten. Door ruis weg te nemen ontstaat ruimte voor werk dat echt waarde toevoegt.
Bij Proud Nerds helpen we organisaties om dit soort tijdlekken inzichtelijk te maken en op te lossen. We kijken niet alleen naar technologie, maar naar het dagelijkse werkproces. Van daaruit bouwen we AI-agents die ondersteunen en versnellen, terwijl de regie bij de mens blijft.
Geïnteresseerd?
Benieuwd waar in jouw werkdag structureel tijd weglekt? Ik denk graag met je mee over wat hier met AI te winnen valt.
“Het echte tijdverlies zit niet in grote taken, maar in alle kleine dingen die elke dag ‘even tussendoor’ gebeuren.”
Bronnen
[2] Stanford University, Artificial Intelligence Index Report 2024 (Apr 15, 2024), aiindex.stanford.edu
[3] Microsoft Research, The Future of Work with AI Agents (Sep 2023), microsoft.com
[5] OECD, Artificial Intelligence and the Future of Work (2023), oecd.org
[6] Google DeepMind, Agents: From Research to Real-World Applications (2024), deepmind.google
[7] IBM Research, AI Agents and Automation in Enterprise Workflows (2024), ibm.com
[8] World Economic Forum, The Future of Jobs Report 2023 (May 1, 2023), weforum.org
[10] OpenAI, Planning and Acting with LLMs (2023), openai.com
AI versterking
Wil je meer weten over hoe AI jouw organisatie kan versterken?
Plan vrijblijvend een kennismaking met Michiel Geurts, Business Consultant – AI Innovatie.
Contact
Veelgestelde vragen over tijdwinst met AI-agents
- Waarom kost kenniswerk zoveel tijd aan taken die weinig waarde toevoegen?
Veel kenniswerk bestaat uit voorbereidend werk: informatie verzamelen, filteren, samenvatten en structureren. Deze taken zijn vaak klein en versnipperd, maar vragen wel concentratie en beslissingen. Juist doordat ze “even tussendoor” gebeuren, vallen ze nauwelijks op, terwijl ze samen structureel veel tijd en energie kosten. - Wat zijn typische voorbeelden van tijdlekken in dagelijks werk?
Voorbeelden zijn het doorspitten van e-mails, het scannen van documenten, het beoordelen van relevantie van informatie, het maken van overzichten en het voorbereiden van besluiten. Deze taken worden dagelijks herhaald en zijn zelden het hoofddoel van het werk, maar wel noodzakelijk om verder te kunnen. - Waarom zijn deze taken moeilijk te automatiseren met traditionele tools?
Traditionele automatisering werkt goed bij vaste regels en eenduidige criteria. Veel kenniswerk vraagt echter context en interpretatie. Of iets relevant is, hangt af van rol, interesses en actuele focus. Dat maakt simpele filters of vaste regels vaak onvoldoende. - Wat is een AI-agent in de context van kenniswerk?
Een AI-agent is een digitale assistent die zelfstandig voorbereidende taken uitvoert, zoals beoordelen, filteren en samenvatten van informatie. De agent neemt geen beslissingen, maar zet relevante informatie overzichtelijk klaar, zodat de gebruiker sneller en beter keuzes kan maken. - Hoe verschilt een AI-agent van een chatbot zoals ChatGPT?
Een chatbot reageert op losse vragen en werkt vooral reactief. Een AI-agent draait proactief mee in een proces. Hij volgt vaste momenten of triggers, verwerkt meerdere bronnen tegelijk en werkt volgens vooraf gedefinieerde kaders, zonder dat de gebruiker steeds handmatig een vraag hoeft te stellen. - Is het inzetten van AI-agents vooral iets voor grote organisaties?
Nee. Juist individuele professionals en kleinere teams hebben vaak veel baat bij AI-agents. Omdat tijdlekken daar direct voelbaar zijn, levert het automatiseren van kleine, terugkerende taken vaak snel resultaat op, zonder grote investeringen of complexe systemen. - Hoe voorkom je dat een AI-agent beslissingen voor je gaat nemen?
Door de rol van de agent bewust te beperken. De agent bereidt voor door informatie te selecteren en te structureren, maar laat de inhoudelijke afweging bij de mens. Zo blijft de gebruiker verantwoordelijk voor keuzes, prioriteiten en beslissingen. - Wat is nodig om een AI-agent effectief te laten werken?
De belangrijkste factor is context. Een AI-agent moet weten wat relevant is voor de gebruiker. Dat vraagt om duidelijke kaders, zoals interessegebieden, doelen of beoordelingscriteria. Zonder die context blijft de output oppervlakkig of ongericht. - Hoe snel levert een AI-agent daadwerkelijk tijdwinst op?
Bij goed gekozen use-cases kan tijdwinst vrijwel direct zichtbaar zijn. Omdat het vaak gaat om dagelijkse taken, levert zelfs enkele minuten per dag al snel merkbare besparing op. Opgeteld kan dit uitkomen op uren per week of zelfs meerdere werkdagen per jaar. - Is het bouwen van een AI-agent technisch complex?
Dat hangt af van de toepassing, maar veel AI-agents zijn eenvoudiger dan gedacht. Met moderne automatiseringstools kunnen bestaande systemen gekoppeld worden zonder maatwerksoftware te ontwikkelen. De complexiteit zit vaak meer in het goed begrijpen van het proces dan in de techniek zelf. - Voor welke rollen zijn AI-agents het meest geschikt?
AI-agents zijn vooral waardevol voor kennisintensieve rollen, zoals consultants, beleidsmakers, onderzoekers, managers en specialisten. Overal waar veel informatie verwerkt moet worden voordat er actie kan worden ondernomen, kan een agent voorbereidende taken overnemen. - Gaat het inzetten van AI-agents ten koste van werkplezier?
In de praktijk juist niet. Door repetitief en weinig waardevol werk weg te nemen, ontstaat meer ruimte voor inhoudelijk werk, creativiteit en besluitvorming. Veel gebruikers ervaren meer rust en focus in hun werkdag. - Hoe begin je met het identificeren van geschikte taken voor AI-agents?
Een goede eerste stap is kritisch kijken naar je eigen werkdag. Welke taken herhaal je dagelijks? Welke kosten relatief weinig tijd per keer, maar veel energie? Juist die taken zijn vaak geschikt om (deels) door een AI-agent te laten voorbereiden.