Human-in-the-loop
Wat is Human-in-the-loop?
Human-in-the-loop is een bewuste ontwerpkeuze waarbij je vaste momenten inbouwt waarop een mens meekijkt of goedkeuring geeft. De AI-agent doet het voorwerk, verzamelt data, analyseert en formuleert een voorstel, waarna de mens beslist of het klopt.
Zo’n controlepunt is eerder een teken van volwassenheid dan van zwakte. De meest betrouwbare AI-automatiseringen draaien namelijk niet volledig op zichzelf, want ze weten wanneer ze een mens moeten inschakelen. Bij een factuur van vijftig euro beslist de AI zelf. Bij een afwijkende factuur van vijftigduizend euro wil je liever dat een mens meekijkt.
Het verschil met autonome AI zit precies in dat controlepunt. Een autonoom systeem handelt zonder tussenkomst, terwijl een systeem met een mens in de lus pauzeert op de juiste momenten. Zo houd je de snelheid van agentic AI vast, met het oordeel van een mens erbij.
De grens tussen zelf doen en voorleggen bepaal jij, en die grens leg je vast per taak en per proces. Meer over die zelfstandigheid lees je bij AI-agent en agentic AI.
Hoe werkt een mens in de lus?
In de praktijk gebeurt dit via notificaties, goedkeuringsflows of escalaties, terwijl de AI het grootste deel zelf verwerkt. Uitzonderingen, twijfelgevallen en grote bedragen gaan wel naar een medewerker. Die krijgt de zaak binnen met een korte samenvatting en een aanbeveling erbij. Vaak volstaat dan één klik om de zaak goed te keuren.
Vooraf stel je drempels in die bepalen wanneer een zaak alsnog langs een mens moet. Denk aan een bedrag boven een vastgestelde grens of aan een leverancier die het systeem niet kent. Ook een lage confidence score van het AI-model is zo’n signaal. Deze regels vormen samen een set kaders, en zulke kaders heten guardrails.
De medewerker hoeft niet de hele zaak uit te pluizen, omdat de agent de relevante gegevens en een voorstel aanlevert. Wat afwijkt van het normale patroon licht hij toe, zodat de mens snel en met de juiste informatie beslist. Goedkeuren, aanpassen of afwijzen kan meestal in enkele seconden.
Hoe langer het systeem draait, hoe minder uitzonderingen er terugkomen, want de mens traint de AI via zijn goedkeuringen. Elke keuze wordt een signaal voor het model, waardoor de grens vanzelf naar meer zelfstandigheid verschuift. Dit werkt via een feedback loop die de agent slimmer maakt.
Het toezicht zelf hoort bij goede AI-governance, waarbij je duidelijk vastlegt wie wat goedkeurt en op welk moment dat gebeurt. Elke beslissing komt in een auditspoor terecht, en met goal monitoring houd je zicht op de bedoeling achter het proces. Agentech bouwt deze controlepunten standaard in.
Waar human-in-the-loop voor kan helpen
Een mens in de lus loont vooral waar fouten duur uitpakken. Dat zien we sterk terug in de sectoren waar wij ons in specialiseren.
In de bouw en installatietechniek draait veel om rapporten en offertes. Een inspectierapport met een afwijkende bevinding gaat eerst naar de uitvoerder. Een offerte boven een bepaald bedrag legt de agent voor aan de calculator. Standaardwerk verwerkt de agent zelf, zodat alleen de gevallen die er echt toe doen op het bureau belanden.
In de logistiek komen inkooporders in wisselende formaten binnen. De agent leest elke order en controleert de voorraad. Een onbekend artikel of een afwijkend aantal gaat naar de inkoper. Die ziet meteen wat er niet klopt, terwijl de rest zonder tussenkomst doorloopt naar het systeem.
In het vastgoed begeleiden makelaars vaak meerdere partijen tegelijk. De agent plant een bezichtiging na een korte agendacheck. Een lead met een twijfelachtige kredietwaardigheid legt hij voor aan de makelaar. Zo blijft het menselijke oordeel op de plek waar het echt telt.
In al deze gevallen zit de winst in de verdeling van het werk. De agent neemt het volume voor zijn rekening. De mens houdt de regie over de gevallen die om een oordeel vragen. Dat is precies wat een mens in de lus mogelijk maakt.
Voorbeeld uit de praktijk
Visser Elektrotechniek voert dagelijks inspecties uit in het veld. De monteur vult op locatie een formulier in, waarna de agent daar zelf een compleet inspectierapport van maakt. Bij een standaardrapport verloopt dat proces volledig automatisch, zonder tussenkomst van een collega.
De mens komt pas in beeld bij het bijzondere geval, bijvoorbeeld een gebrek dat om vervanging vraagt. De monteur controleert dan het voorstel van de agent en keurt het goed. Het resultaat is 93 uur per jaar minder administratie, en die gewonnen tijd gaat terug naar het inspectiewerk zelf.
Lees de volledige caseWat betekent dit voor jouw organisatie?
Een mens in de lus is de veilige manier om met AI te beginnen. Je hoeft immers niet alles in één keer uit handen te geven. Wij bouwen agents die precies weten wanneer ze moeten stoppen en iets voorleggen. Hoeveel de agent zelf doet, bepaal jij per onderdeel.
In het begin kijkt een medewerker vaak nog mee, maar naarmate het vertrouwen in het systeem groeit, verschuift de grens. Zo bouw je stap voor stap AI-automatisering op zonder onnodig risico te nemen. Meer over die aanpak lees je op onze werkwijze.
Veelgestelde vragen
Wat betekent human-in-the-loop precies?
Het betekent dat een mens op cruciale momenten meekijkt in het proces. De AI doet het voorwerk en formuleert een voorstel, waarna de mens goedkeurt, aanpast of afwijst. Zo blijft het menselijke oordeel behouden bij de zaken die er echt toe doen.
Vertraagt een mens in de lus het proces niet?
Alleen bij de uitzonderingen, en dat is juist de bedoeling. Het standaardwerk loopt gewoon zonder tussenkomst door. Alleen twijfelgevallen en grote bedragen gaan naar een medewerker, die een samenvatting krijgt en vaak met één klik goedkeurt.
Blijft die controle voor altijd nodig?
Meestal niet in dezelfde mate, want hoe langer het systeem draait, hoe minder uitzonderingen er terugkomen. De mens traint de agent via zijn goedkeuringen, waardoor de grens vanzelf naar meer zelfstandigheid verschuift.
Hoe bepaal ik wanneer een mens moet meekijken?
Dat leg je vooraf vast met duidelijke kaders, zoals een drempelbedrag, een onbekende leverancier of een lage confidence score. Wij helpen je die regels op te stellen per proces, en ze vormen de basis van goede AI-governance.
Is human-in-the-loop hetzelfde als autonome AI?
Nee, het zijn twee uitersten van dezelfde schaal. Autonome AI handelt zonder tussenkomst van een mens, terwijl een mens in de lus pauzeert op de juiste momenten. De meeste betrouwbare systemen zitten daar ergens tussenin.