Wij bouwden onze eigen Jarvis: een AI-systeem dat ons bedrijf draait

Je zegt "wake up GENI" en hij antwoordt met stem, bestuurt een browser, kijkt mee via de camera en laat zich halverwege bijsturen. Hij beheert onze servers, bouwt en onderhoudt onze software, en begint uit zichzelf over wat er vannacht misging. Dit is hoe het werkt, met schermen erbij.

"Wake up GENI."

Hij groet terug, bij naam, in de taal waarin je hem aanspreekt. Geen menu, geen inlogscherm, geen "waarmee kan ik u van dienst zijn". Gewoon een collega die opkijkt.

En hij begint uit zichzelf over wat er vannacht is gebeurd. Een workflow die faalde, een certificaat dat over drie weken verloopt, een cluster op de site dat te dun is om nog te winnen. Niemand heeft dat gevraagd. Hij is het gaan halen terwijl wij sliepen.

Dan de opdracht: zoek uit waarom die workflow omviel. Op het scherm schuift een browser in beeld die hij zelf bestuurt. Hij logt in, klikt door, leest het foutenlog, en tekent er ondertussen een stappenplan naast dat live wordt bijgewerkt terwijl hij vordert. Halverwege zie je hem de verkeerde kant op gaan. "Nee, de tweede." Hij hoort het, past het toe bij de volgende stap en gaat door. Geen herstart, geen nieuwe opdracht.

Twee minuten later heeft hij de oorzaak, schrijft hij de fix, draait hij de build en vraagt hij toestemming om te publiceren. Dat laatste is het enige waar hij op wacht.

Wil je hem iets laten zien, dan zeg je dat. De camera gaat aan, je houdt een document of een onderdeel voor de lens en je bespreekt het samen. Loopt hij ergens op vast, dan neem je met één klik de browser over, doe je die ene handeling zelf en geeft hij hem weer terug.

Dit is geen concept en geen demo. Het draait hier dagelijks, het beheert onze servers, het bouwt en onderhoudt de software die we uitleveren, en het is opgebouwd uit tien lagen die elkaar versterken.

Dit is hoe het in elkaar zit, en wat we onderweg leerden.

Het startscherm van het systeem — **Het startscherm.** De kopregel is geen vaste tekst maar wordt opgebouwd uit de gemeten laagstatus en het aantal openstaande goedkeuringen. Klantnamen en adressen zijn op alle beelden hieronder afgeschermd.

De ingewikkeldste dingen eerst

Wat een systeem als dit interessant maakt, zijn niet de taken die een chatbot ook kan. Het zijn de taken waarbij vijf dingen tegelijk moeten kloppen.

Praten terwijl hij werkt. De meeste assistenten zijn strikt om de beurt: jij vraagt, hij antwoordt, pas dan mag je weer. Hier loopt er een tweede kanaal mee, zodat een correctie halverwege een taak landt zonder de lopende stap af te kappen. De filter die daarvoor nodig is, is subtieler dan hij lijkt: de microfoon hoort ook de speakers, dus zonder correctie stuurt hij zichzelf bij met zijn eigen woorden.
Een browser besturen met echte sessies. Ingelogd, met cookies die blijven staan, gespiegeld in het dashboard zodat je meekijkt. Meerdere schermen naast elkaar: muziek speelt door terwijl hij in een tweede venster een grafiek opent.
Zien wat jij hem voorhoudt. Hij zet de camera zelf aan als je zegt dat je iets wilt laten zien. Wat hij krijgt is het beeld van het moment waarop je iets zegt, niet een stroom die de hele dag meekijkt.
Zijn eigen scherm besturen. Hij tekent panelen, tabellen, grafieken en stappenplannen op het dashboard terwijl hij bezig is. Het scherm is gereedschap van de assistent, geen plek waar hij naartoe praat.
Doorwerken zonder jou. Geplande rondes die ook draaien als niemand kijkt, met een inhaalslag als de machine uit stond, en een melding op je bureaublad als er iets faalde terwijl het dashboard dicht was.

Het klinkt als science fiction en het is gewoon techniek die vandaag bestaat. Het lastige zit niet in één van die dingen los, maar in het feit dat ze allemaal tegelijk moeten werken zonder elkaar in de weg te zitten. Twee onderdelen die tegelijk de microfoon willen, is genoeg om het geheel dood te laten vallen.

Het spraakscherm met de reagerende bol — **Praten met het systeem.** De bol reageert op wat er gebeurt: luisteren, denken, spreken. Rechts staat alles wat het systeem zelf heeft neergezet, onderin de commandoregel en de microfoon.

Gewoon praten, en dingen klaar vinden

Het spectaculairste is het browsen en het bouwen. Maar wat het dagelijks bruikbaar maakt, is iets veel gewoners: je praat er gewoon tegen, en je vindt dingen klaar.

Er is geen commandotaal. Je zegt "maak een voorstel van deze intake", "schrijf een post over die nieuwe case", "zoek uit wat er veranderd is aan die koppeling" of "zet even op een rij wat er deze week is blijven liggen". Hij spiegelt de taal die je spreekt, dus Nederlands blijft Nederlands, ook als de helft van de vaktermen Engels is.

Belangrijker: hij vraagt niet bij elke keuze terug. Zijn er twee even goede opties, dan kiest hij er een en zegt hij welke. Alleen als de uitkomst echt verschilt, een aankoop, iets verwijderen, twee klanten door elkaar, legt hij het aan je voor. Een assistent die overal een tegenvraag op heeft, kost meer tijd dan hij bespaart.

En hij maakt dingen. Niet alleen tekst produceren, maar het werkstuk opleveren:

Een projectvoorstel uit een intake, met de actuele tarieven en de vaste opbouw erin, want die staan vastgelegd en niet in iemands hoofd.
Content in de tone of voice die is vastgelegd: een artikel, een post voor LinkedIn en Instagram, met het beeld erbij gegenereerd, klaargezet voor jouw akkoord.
Rapporten die er al zijn voordat je eraan denkt. Wat er deze week draaide, wat het kostte, wat er misging.
Voorbereiding voor je gesprekken: het dossier bij elkaar, de laatste mails, wat er vorige keer is afgesproken.
Bestanden die op orde komen. Wijs een map aan en hij luistert de opname uit, maakt de samenvatting, hernoemt en sorteert wat erin staat.

Dat klinkt minder indrukwekkend dan een browser besturen, en het is het deel dat je na een week niet meer wilt missen. De sprong zit niet in "AI kan tekst schrijven", maar in het feit dat het af is als je gaat kijken.

Hij werkt in onze repositories, met een sleutel die twee deuren opent

Code op schijf lezen kon hij al. Meedoen aan het werk eromheen is sinds vandaag aangesloten: hij ziet waarom een build faalde in plaats van alleen dat er iets rood staat, hij leest en opent issues, en hij zet een wijziging klaar als pull request in plaats van hem er direct in te duwen.

Dat laatste is de kern van hoe wij AI in een codebase willen hebben. Hij maakt een tak, zet de wijziging erin en opent een verzoek. Jij leest na en drukt op de knop. Pushen, samenvoegen of verwijderen vraagt eerst expliciete toestemming, met de exacte handeling erbij.

De toegang is bewust smal. Het token ziet precies twee repositories: onze kennisbasis en onze website. Al het andere, inclusief ons SaaS-platform en klantwerk, geeft een "bestaat niet" terug. Dat hebben we gemeten voordat het aanging, niet aangenomen, en dat scheelde meteen een verrassing: het eerste token was ruimer dan afgesproken.

Een detail dat groter is dan het lijkt: zonder token geeft GitHub je zestig verzoeken per uur, met token vijfduizend. Onze controle op honderd geïndexeerde repositories liep daar precies op stuk, en die draait nu weer.

Hij heeft een eigen mailadres, en eigen accounts

Dit klinkt als een detail en het is een van de belangrijkste keuzes die we maakten. GENI werkt niet met de inloggegevens van een van ons. Hij heeft een eigen adres op ons domein, en daaronder zijn eigen accounts bij de diensten die hij gebruikt.

Daardoor kan hij zich ergens aanmelden zonder dat iemand een wachtwoord hoeft te delen, ontvangt hij zelf de bevestigings- en verificatiemails die daarbij horen en handelt hij die af, en zie je in elk logboek bij elke dienst precies welke handeling van hem kwam en welke van een mens.

Het belangrijkste komt aan het eind: je kunt hem intrekken. Eén account uitzetten en zijn toegang tot alles wat eraan hangt is weg, zonder dat iemand zijn eigen wachtwoorden hoeft te wijzigen. Bij een assistent die op geleende inloggegevens draait, is dat een middag werk en een week onzekerheid.

Zijn inbox mag hij lezen. Versturen doet hij alleen na akkoord: mail vertrekt onder onze domeinnaam en komt niet terug, dus die valt onder dezelfde regel als publiceren en verwijderen.

Waarom lagen, en niet gewoon meer tools

De meeste bedrijven hebben inmiddels vier of vijf AI-abonnementen. Wij ook, en het gevoel was steeds hetzelfde: nuttig, maar het telt niet op. Elke tool begint bij nul, ze kennen elkaar niet, en aan het eind breng jij het resultaat nog steeds ergens naartoe.

Het verschil merk je pas bij de tiende toevoeging. Bij losse tools is dat het tiende ding dat je moet leren, betalen en onderhouden. In een gelaagd systeem is het een stekker: de nieuwe mogelijkheid erft het geheugen, de veiligheidsregels en de planning die er al zijn.

Dat betekent dat elke uitbreiding het geheel sterker maakt in plaats van rommeliger. Een koppeling met de boekhouding maakt niet alleen boekhouden mogelijk, maar maakt elke bestaande werkwijze die met geld te maken heeft meteen bruikbaarder. We schreven het principe uit in van losse AI-tools naar een AI-systeem.

De tien lagen in gewone taal

Onderin staat de kennisbank: documentatie, bedrijfsinformatie, technische naslag. Zonder eigen bron verzint een AI-model plausibel klinkende antwoorden over je eigen bedrijf, en dat is erger dan geen antwoord.

Daarboven het geheugen. Vastgelegde beslissingen, patronen en bevindingen die doorzoekbaar blijven. Een keuze van drie maanden geleden is terug te vinden inclusief de reden erachter. Dit is het verschil tussen een assistent die je elke week opnieuw inwerkt en een collega die erbij was.

Daarboven ruim honderd vastgelegde procedures voor terugkerend werk: een nieuwe klant onboarden, een projectvoorstel opstellen, een SEO-audit draaien, een server veilig bijwerken. Een procedure legt vast hoe wij iets doen, zodat het elke keer hetzelfde verloopt, ongeacht wie hem start.

Daarboven de lagen die het werk raken: research die het AI-landschap volgt, operations voor servers, domeinen en workflows, een meldingenlaag, de koppelingen en de projecten. Bovenaan staat GENI, die de andere negen aanstuurt.

Van elke laag wordt de gezondheid live gemeten. Belangrijk detail: een onderdeel zonder echte meting staat grijs en niet groen. Een dashboard dat alles in orde meldt omdat het niets gecontroleerd heeft, is erger dan geen dashboard.

De systeemkaart met de lagen rond de kern — **De tien lagen als kaart.** De kern in het midden, de lagen eromheen, gekleurd naar hun werkelijke gezondheid. Grijs betekent ongemeten, niet gezond.

Wat het op een gewone dag doet

Je zegt het hardop en het gebeurt, terwijl je op het scherm ziet wat er gebeurt. Een paar dingen die hier dagelijks langskomen:

Servers en workflows beheren. Een workflow die vannacht faalde wordt uitgezocht, met de oorzaak erbij in plaats van een logbestand.
Browsen als een mens. Inloggen, klikken, formulieren invullen. Heeft een dienst geen koppeling, dan bedient het systeem gewoon de website.
Software bouwen en publiceren. Code schrijven, de build draaien, live zetten na goedkeuring, en daarna zelf controleren of de pagina echt klopt.
Onderhouden. Bereikbaarheid en snelheid bewaken, verlopende certificaten zien aankomen, kwetsbaarheden signaleren, documentatie bijwerken in dezelfde ronde als de wijziging.
Content. Artikelen en posts schrijven in de vastgelegde tone of voice, klaargezet voor akkoord.

Dat laatste stuk, onderhoud, is het onderdeel waar we het meest verrast door waren. Software opleveren is makkelijk; hem twee jaar later nog snel, veilig en vindbaar hebben niet. Precies dat werk is regelmatig, saai en pas urgent op het moment dat het al te laat is, en daarom leent het zich er zo goed voor. Uitgebreider in AI die je website en software onderhoudt.

Ruim honderddertig koppelingen, zonder verbouwing

Het systeem praat via een open standaard rechtstreeks met de software waar het werk in gebeurt. Vandaag zijn dat er ruim honderddertig: workflow-automatisering, serverbeheer, domeinen en DNS, en volledige browserbesturing.

Een dienst aansluiten is daarmee een koppeling toevoegen, geen project. Je CRM, je boekhouding, je webshop, je ticketsysteem: het zijn stekkers. Wat die standaard precies is en waar je op moet letten met rechten, staat in wat is MCP.

Overzicht van de gekoppelde tools — **De koppelingen.** Elke koppeling die het systeem zijn handen geeft. Koppelingen die bewust uitstaan krijgen hun reden erbij, want een uitgeschakelde koppeling zonder uitleg lijkt op iets dat stuk is.

Het begint zelf, ook als er niemand kijkt

Werk dat op een vast moment moet gebeuren, gebeurt ook zonder dat iemand het start. Stond de computer uit op het geplande tijdstip, dan wordt de ronde ingehaald en staat erbij dat het een inhaalslag was. Stilzwijgend overslaan zou het hele systeem onbetrouwbaar maken.

Elke ochtend wordt verzameld wat er veranderde: wat er misging, welke laag aandacht vraagt, waar kansen liggen, wat op goedkeuring wacht. Daar begint het systeem zelf over zodra we het aanspreken, in eigen woorden, niet als lijstje dat je wegklikt.

Eén regel maakt of breekt dat: als er niets veranderd is, zegt het dat ook. Een ochtendrapport dat altijd iets vindt, leer je binnen een week overslaan. Meer daarover in AI die uit zichzelf werkt.

Overzicht van wat er ingepland staat — **Wat vanzelf draait.** Een schema waarvan de tijd niet te lezen is wordt geweigerd en als geblokkeerd getoond. Een schema dat stil nooit afgaat is erger dan geen schema, want daar reken je op.

De rem zit in de code, niet in de instructie

De vraag die iedereen stelt zodra AI toegang krijgt tot echte systemen: wat als het iets doet wat ik niet wilde?

Ons antwoord is niet om het systeem minder te laten kunnen, maar om de grens op de juiste plek te leggen. Onomkeerbare acties gebeuren nooit vanzelf: iets verwijderen, code publiceren, een deploy starten, DNS wijzigen of met betaalgegevens werken vraagt altijd eerst expliciete goedkeuring, met de exacte actie erbij.

Dat onderscheid is wezenlijk. Een instructie in een prompt is een verzoek dat een taalmodel opnieuw kan interpreteren. Een poort in de uitvoering is een garantie. Vraag bij een leverancier dus niet of er goedkeuring is, maar waar die zit. De volledige afweging staat in wanneer mag AI zelf handelen.

De wachtrij met goedkeuringen — **De wachtrij.** Taken die een goedkeuring nodig hebben blijven staan tot een mens ja zegt. Dat is geen instructie aan het model maar een poort in de uitvoering.

Drie dingen die we onderweg leerden

Meten gaat voor gokken. We hebben meer tijd verloren aan aannames dan aan bugs. Een waarde aanpassen op een vermoeden voelt sneller en kost bijna altijd een extra ronde.

Een fout die stil is, is de duurste soort. Een geplande taak die 's nachts zonder melding faalt, is erger dan geen geplande taak: je vertrouwt op iets dat niet gebeurde. Elke stille faalroute die we vonden, hebben we hoorbaar gemaakt.

Vullen om vol te ogen is een valkuil. Het is verleidelijk om een dashboard vol grafieken te zetten. Alles wat er staat moet een echte meting zijn, anders vertrouw je het geheel niet meer.

Het scherm is gereedschap, geen rapportage

Een systeem dat zelf werkt, moet laten zien wat het doet. Anders vertrouw je het niet, en terecht. Daarom is het dashboard deze week opnieuw opgebouwd: van vijftien losse pagina's naar acht werkplekken, elk met tabbladen, en een startscherm dat begint met de enige vraag die telt, wacht er iets op een mens.

Twee regels bepalen alles wat er op staat. De eerste: alles is een meting. Staat er een responstijd, dan is die net opgehaald. Is er niets veranderd sinds gisteren, dan staat er dat er niets veranderd is, en niet een grafiekje om het vol te laten lijken. De tweede: waar geen meting is, staat grijs en niet groen. Een dashboard dat alles in orde meldt omdat het niets gecontroleerd heeft, is erger dan geen dashboard.

Bij die verbouwing kwamen er drie echte fouten uit die niemand op het scherm zag. Het geheugen telde zichzelf op twee plekken verschillend, dertig tegen drieënzeventig, omdat een afgeleide index maanden niet was bijgewerkt. Eén laag stond permanent op onbekend terwijl de meting er allang was. En elk tabblad hield twee permanente verbindingen open terwijl een browser er zes per site toestaat, dus met drie tabbladen open laadde er niets meer. Dat soort dingen vind je niet door te kijken; die vind je door te meten.

Wil je elk scherm zien met een uitleg erbij, dan staat de volledige reeks op de case-pagina.

Wat dit voor jouw bedrijf betekent

Dit exacte systeem is niet te koop, maar het principe wel: een gelaagd AI-systeem dat jouw kennis, tools en processen verbindt, dat werk uit zichzelf oppakt en dat bij elke risicovolle stap om toestemming vraagt. Op maat, op jouw infrastructuur.

Dat we het eerst voor onszelf bouwden is geen toeval. We draaien er dagelijks op, dus we lopen tegen de scherpe randen aan voordat een klantsysteem eroverheen struikelt.

Wil je zien hoe het draait? Bekijk de case AI DevOps Center voor het volledige beeld, lees wat een agentic AI-systeem precies is, of bekijk onze aanpak bij AI agents en automatisering.

Liever meteen concreet? Plan een gesprek van dertig minuten, dan kijken we welk proces bij jou het eerste rendeert en zeggen we eerlijk of het de moeite waard is.

Verder lezen in de kennisbank

dGEN Productions, AI agency en business-automation partner uit Eindhoven. info@dgenproductions.nl · 06-87413056