Van ChatGPT naar autonomous agent systems

De eerste winst van AI zat in versnelling. De echte verschuiving zit in intentie, structuur en nieuwe bedrijfsvormen. Vic Boomer is gebouwd vanuit die logica.

De eerste fase van AI-gebruik was eenvoudig. Iemand opende ChatGPT, stelde een vraag, kreeg een bruikbaar antwoord, en plakte delen daarvan in een document, mail of plan. Dat voelde al als winst. Een tekst was sneller klaar. Een samenvatting kostte minder tijd. Een brainstorm kwam sneller op gang. Maar de vorm bleef herkenbaar. De mens dacht. Het model hielp. De output werd handmatig geknipt, geplakt, aangepast en ingebed in bestaand werk.

Daar bleef het niet bij.

Zodra mensen ontdekten dat een model niet alleen tekst kon herschrijven maar ook code kon genereren, taken kon opdelen, bestanden kon aanpassen en in iteraties kon werken, veranderde de verhouding. AI schoof op van helper naar uitvoerder. Eerst voorzichtig, daarna steeds directer. Een founder gebruikte een model om een script te maken. Een developer liet een refactor voorstellen. Een marketeer liet vijf varianten van een landingspagina genereren. Daarna kwamen tools als Cursor en Claude Code dichter op de werkpraktijk te zitten. Niet meer alleen antwoorden geven, maar meewerken in de projectmap zelf. Begrijpen wat er al staat. Patches voorstellen. Tests draaien. Itereren op echte code.

Daarmee begon de fase die nu vaak vibe coding wordt genoemd.

Die verschuiving is groot genoeg om serieus te nemen. Een team kan vandaag in een middag iets bouwen waar vorig jaar nog een sprint voor nodig was. Een founder zonder diepe frontend-ervaring zet een adminpaneel op. Een consultant bouwt een interne tool zonder eerst weken te specificeren. Een developer gebruikt Claude Code om in korte lussen door een codebase te bewegen en sneller van intentie naar werkende software te gaan. De productielaag is drastisch goedkoper geworden.

Dat is echt. Maar het is niet het hele verhaal.

Na de eerste opwinding verschijnt namelijk steeds dezelfde frictie. Er staat sneller iets. Maar wat er staat, klopt niet altijd met wat ertoe doet. Er is een prototype, maar geen duidelijke doelgroep. Er is een interne tool, maar geen eigenaar. Er is content, maar geen samenhangende stem. Er is software, maar geen oordeel over prioriteit, stijl, governance of richting. Vibe coding verkleint het productieprobleem. Het lost het intentieprobleem niet op.

Daar begint de volgende stap.

De route die bijna iedereen volgt

De ontwikkeling van AI-gebruik verloopt in de praktijk opvallend vaak in dezelfde volgorde.

Eerst is er de losse assistent. Je gebruikt ChatGPT zoals je eerder een zoekmachine, sparringpartner of samenvatter gebruikte. Het model is nuttig, maar staat nog buiten je echte workflow. Daarna komt integratie. Je gebruikt AI steeds vaker in documenten, mails, analyses, presentaties en code. Dan verschuift het van hulp naar productie. Het model maakt niet alleen suggesties, maar levert een eerste versie van iets dat direct bruikbaar is.

Vanaf daar komt vibe coding bijna vanzelf in beeld. Zeker bij mensen die bouwen, schrijven of structureren. Zodra de kosten van productie dalen, ga je meer uitproberen. Meer software. Meer concepten. Meer interne tools. Meer automatisering. Meer experimenten.

Dat lijkt op vooruitgang, en dat is het ook. Maar er zit een grens aan de logica van versnelling.

Wie langer met deze tools werkt, merkt dat snelheid op zichzelf geen richting produceert. Een model kan code schrijven zonder te weten welke code voor jouw bedrijf strategisch relevant is. Een model kan een essay structureren zonder te weten welke stem duurzaam past bij je publicaties. Een model kan workflows automatiseren zonder te weten welk deel van je organisatie stabiel genoeg is om te formaliseren en welk deel nog menselijk oordeel vereist.

Daarom schuift na de fase van productie automatisch een andere vraag naar voren. Niet meer: kunnen we dit bouwen? Maar: wat proberen we eigenlijk consistent te laten ontstaan?

Dat is de vraag naar intentie.

Wat vibe coding wel oplost — en wat niet

Vibe coding heeft één onmiskenbare verdienste: het heeft blootgelegd hoeveel van softwareproductie eigenlijk routineus, iteratief en comprimeerbaar was. Een groot deel van het werk dat vroeger tijd vrat, blijkt nu sneller te kunnen. Boilerplate, refactors, simpele CRUD-schermen, scripts, tests, documentatie, kleine tools, dashboards, helpers: de drempel om iets werkends neer te zetten is fors gedaald.

Dat verandert teams. Het verandert ook founders. Wie vroeger vooral ideeën had en afhankelijk was van schaarse engineeringcapaciteit, kan nu zelf veel verder komen. Dat is een echte machtsverschuiving.

Maar precies daar ontstaat ook verwarring.

Want zodra bouwen goedkoop wordt, gaan meer ideeën de werkelijkheid in. Ook de zwakke. Eerst filterde schaarste slechte ideeën vanzelf weg. Een slecht idee kostte simpelweg te veel tijd. Nu kost een slecht idee misschien nog maar één middag. Daardoor schuift het verder het systeem in. Het krijgt een interface, een naam, een workflow, misschien zelfs een eerste gebruiker. Niet omdat het sterk is, maar omdat productie nauwelijks nog remt.

De bottleneck verschuift daardoor. Niet meer van kunnen naar willen. Niet meer van uitvoering naar selectie. Niet meer van productie naar intentie.

Een model heeft geen ingebouwde mening over de identiteit van je bedrijf. Het kent je stijl niet als bestuurlijk gegeven. Het bewaakt je kwaliteitslat niet uit zichzelf. Het voelt niet aan welke trade-offs voor jouw organisatie acceptabel zijn. Een prompt kan context meegeven. Een prompt is geen organisatie. Zolang intentie impliciet blijft, moet een mens die elke keer opnieuw in een sessie injecteren. Dat werkt voor losse taken. Het schaalt slecht zodra meerdere taken, meerdere agents, meerdere rollen en meerdere outputs samen één geheel moeten vormen.

Dan heb je meer nodig dan een goede prompt.

Intent is de ontbrekende laag

Intent is het deel dat in veel AI-werk eerst onzichtbaar blijft en daarna plots alles bepaalt.

Met intent bedoel ik niet alleen een doel in abstracte zin. Intent is de geëxternaliseerde reden waarom iets gemaakt wordt, binnen welke grenzen, in welke volgorde, met welke stijl, voor welk publiek, met welke kwaliteitscriteria en met welk laatste woord als outputs botsen. Het is de laag die in klassieke organisaties vaak verspreid zit over gewoontes, senioriteit, redacties, teamcultuur en impliciete kennis.

Zolang productie duur was, kon die impliciete laag redelijk functioneren. Er kwam minder doorheen. Mensen hadden tijd om te corrigeren. Workflows waren trager en dus vergevingsgezinder. Nu productie goedkoop is, wordt impliciete intentie een probleem. Er komt te veel door het systeem zonder dat duidelijk is waarom het er mag zijn.

Dat is precies waarom ik intent ben gaan zien als een zelfstandige laag. Niet als voetnoot bij output, maar als de bestuurlijke infrastructuur eronder. Eerst leek AI vooral een manier om sneller te schrijven, denken en bouwen. Daarna werd duidelijk dat de echte kracht pas vrijkomt als je ook vastlegt wat behouden moet blijven tussen sessies, taken, rollen en tools. Niet alleen wat een model kan, maar wat een systeem geacht wordt te willen.

Vanaf dat moment verandert het ontwerpvraagstuk.

Je bent niet meer alleen bezig met prompts of modellen. Je bent bezig met rollen, regels, overdracht, geheugen, goedkeuring, escalatie en consistentie. Je verschuift van interface-denken naar organisatie-denken.

Van intent naar autonome agent systemen

Zodra intent expliciet wordt, ontstaat bijna vanzelf de logica van autonome agent systemen.

Een systeem met meerdere gespecialiseerde agents heeft iets nodig wat losse sessies niet nodig hadden. Afbakening. Een writing agent moet weten wat zijn taak is en wat niet. Een editor-agent moet kunnen terugsturen, goedkeuren of afwijzen. Een coding agent moet binnen technische en stilistische grenzen werken. Een publisher-agent moet weten wanneer iets publiceerbaar is en wanneer niet. Een art-direction laag moet een inhoudelijke kern kunnen vertalen naar beeld zonder los te raken van de identiteit van het geheel.

Dat vraagt om meer dan modelcapaciteit. Het vraagt om formele werkstructuur.

Rollen maken verantwoordelijkheid zichtbaar. Styleguides maken smaak overdraagbaar. Governance bepaalt wie mag beslissen, wie mag corrigeren, hoe vaak iets terug mag, en wanneer een mens moet ingrijpen. Zodra die elementen samenkomen, ben je niet meer alleen met AI aan het experimenteren. Dan ontwerp je een bedrijfsvorm, ook al is die nog klein.

Dat is voor mij de echte betekenis van autonome agent systemen. Niet een futuristisch beeld van software die alles vanzelf doet. Maar een georganiseerde vorm van intentioneel werk waarin gespecialiseerde agents opereren binnen expliciete grenzen, met duidelijke overdrachten en bestuurbare autonomie.

Dat is ook waarom de stap van vibe coding naar agent systems geen cosmetische upgrade is. Het is een verschuiving in laag. Vibe coding gaat vooral over versnelling van productie. Agent systems gaan over het organiseren van productie onder duurzame intentie.

Dit is geen tooltrend maar een nieuwe werkvorm

Veel mensen kijken nog naar agents alsof het een volgende generatie scripts zijn. Dat is te klein gedacht.

Een script automatiseert een taak. Een agent voert werk uit binnen context. Een team van agents introduceert iets anders: verdeling van arbeid, gestolde standaarden, overdrachtsmomenten en bestuurlijke logica. Daarmee verschuift de vraag van “welke tool gebruiken we?” naar “hoe willen we dat werk in deze organisatie ontstaat?”

Dat is waarom dit onderwerp voor mij ook direct verbonden is met AI-adoptie bij bedrijven. Het gaat uiteindelijk niet alleen om sneller notuleren, betere samenvattingen of snellere prototypes. Het gaat om het AI aware maken van organisaties. Om het besef dat AI niet alleen een handig hulpmiddel is, maar een kracht die de vorm van werk zelf verandert. Bedrijven die AI alleen zien als assistent, zien één laag. Bedrijven die AI gebruiken om productie te versnellen, zien een tweede laag. Bedrijven die begrijpen dat intentie, governance en agentische samenwerking de volgende stap zijn, beginnen pas echt aan transformatie.

Daar ligt ook de bijdrage die ik met mijn werk wil leveren. Niet alleen uitleggen wat er technisch mogelijk is, maar helpen zichtbaar maken welke organisatorische verschuiving eronder plaatsvindt.

Vic Boomer als practice what you preach

Daarom bestaat Vic Boomer.

Niet als generieke studio die toevallig iets met AI doet, maar als een praktijkvorm die voortkomt uit deze hele ontwikkeling. Van losse modelinteractie, naar agent coding, naar vibe coding, naar het onderkennen van intent, naar het bouwen van autonome agent systemen. Vic Boomer is geen decor rond die ideeën. Het is mijn poging om ze in vorm te brengen.

Dat zie je het scherpst in het essay- en publicatiedeel. Daar functioneert Vic Boomer bewust als een agent-native studio. Niet omdat alles automatisch moet, maar omdat het juist interessant wordt wanneer stijl, review, visuele vertaling en publicatie onder expliciete structuur vallen. Een writer schrijft niet zomaar een stuk. Een editor bewaakt de lijn. Een art-director vertaalt de one big idea visueel. Een publisher plaatst en deployt. De styleguide is geen losse smaaknotitie maar bestuurlijke infrastructuur. De rollen zijn niet decoratief maar functioneel.

De structuur van de Vic Boomer agent company is expliciet. Keira Kalman is chief-editor. Zij coördineert opdrachten en reviewt elk essay. Haar beslisruimte is strak gedefinieerd: goedkeuren, terugsturen of afwijzen. De editorial styleguide staat maximaal twee revisierondes toe.

Er zijn drie schrijvers met een eigen toon en functie. Tom Notton is writer-pragmatic: compact, first-principles, technisch helder. Martin Boomer is writer-strategic: hij kijkt naar marktdynamiek, positionering en organisatorische implicaties. Eo Ena is writer-philosopher: hij trekt conceptuele lijnen en legt mechanismen bloot onder de oppervlakte. Drie writers, drie stemposities, één gedeeld kader.

Noa Nakamura is art-director. Zij werkt vanuit een visual styleguide met een VIC-20 kleurenpalet, halftone textuur, jaren 80-settings en twaalf mood-presets. Een essay over agent orchestration wordt dan geen generieke tech-illustratie, maar een narratieve scène met analoge technologie, centrale focus en een image brief die aan de one_big_idea is gekoppeld.

Saul Reimer is publisher. Hij plaatst in Hugo en deployt. Vic Boomer draait op Hugo, en het Hugo werkboek bepaalt waar essays staan, hoe frontmatter eruitziet, welke image-paths geldig zijn en wanneer status: published samenvalt met draft: false.

De editorial styleguide is de kern van de intentielaag. Hij bevat tien anti-patronen en een editor checklist. Geen hype-taal. Geen hedges. Elk stuk moet met frictie beginnen, één Big Idea hebben, en minstens één concreet voorbeeld bevatten. Dat document is geen schrijfhulp. Het is bestuurlijke infrastructuur. Het maakt een consistente studio mogelijk over meerdere agents heen.

In die zin is Vic Boomer practice what you preach. Ik schrijf niet alleen dat AI-native werk richting governance en agentische organisatie beweegt. Ik probeer die beweging zelf vorm te geven in een studio die publiceert, experimenteert en bouwt vanuit precies die logica.

Dat maakt Vic Boomer ook meer dan een contentsite. Het is een werkplaats voor AI-native denken. Essays maken ideeën expliciet. Experiments en tools testen of die ideeën standhouden in de praktijk. Consulting is niet het uitgangspunt van de identiteit, maar wel een manier om organisaties te helpen diezelfde verschuiving te maken: van AI gebruiken naar AI begrijpen, en van AI begrijpen naar AI structureel inzetten.

Waarom dit nu het juiste moment is

De timing van deze stap is niet toevallig.

De afgelopen fase ging over ontdekken dat modellen bruikbaar waren. Daarna ging het over ontdekken dat modellen konden produceren. Nu begint de fase waarin organisaties moeten bepalen hoe die productie onder richting komt te staan. Dat is een moeilijker vraagstuk dan prompten. Het raakt cultuur, structuur, merkidentiteit, verantwoordelijkheid en governance.

Precies daarom denk ik dat de volgende competitie in AI minder zal gaan over ruwe output en meer over institutionele precisie. Wie alleen sneller produceert, wint tijdelijk. Wie intentie expliciet maakt en vertaalt naar bestuurbare agentische systemen, bouwt iets duurzamers.

Dat is ook de reden dat ik dit artikel niet als abstracte trendanalyse wilde schrijven. Deze beweging is te concreet geworden voor afstandelijke observatie. Te veel teams maken dezelfde route door. Eerst enthousiasme over output. Dan productieve versnelling. Dan verwarring over richting. Dan het besef dat er een laag ontbreekt. En daarna de overgang naar expliciete intent, rollen, governance en agentische samenwerking.

Dat is de weg die velen nu bewandelen. Het is ook de weg die ik zelf heb bewandeld.

Vic Boomer is wat er ontstaat wanneer je die ontwikkeling niet alleen beschrijft, maar serieus neemt.