Human in the loop betekent dat een mens een automatisering beoordeelt voordat die iets onomkeerbaars doet; bij Oase Creative stonden op 30 oktober 2026 203 vastgelegde akkoorden, elk gekoppeld aan een echt bericht en één keer bruikbaar.
Wat betekent human in the loop?
Human in the loop betekent: de automatisering stopt en wacht op een mens.
Een AI-agent of workflow doet het voorwerk, zoals een mail opstellen, een offerte invullen of een bericht klaarzetten. Op een vast moment houdt het systeem stil. Een mens kijkt, past aan of keurt af, en pas na dat akkoord gaat de actie door. Dat moment ligt bijna altijd vlak voordat er iets gebeurt wat je niet meer terugdraait. Denk aan een verzonden mail, een gepubliceerd artikel, een betaling of een gewijzigd klantdossier.
Op de pagina van onze dienst heet dit AI-automatisering met een mens ertussen. Wij draaien het zelf ook. Ons eigen agentsysteem schrijft drafts, plant posts en beantwoordt aanvragen, maar niets daarvan gaat naar buiten zonder een vastgelegd akkoord van Louie.
De term komt uit de techniek en klinkt abstracter dan hij is. Een collega die je offerte nog even naleest voordat hij de deur uitgaat, is ook human in the loop. Het verschil met automatisering is dat het systeem zelf moet weten waar het moet stoppen. En dat de mens die er staat ook echt kijkt. Over dat tweede gaat het grootste deel van dit artikel, want daar gaat het in de praktijk mis.
Wat is het verschil tussen human in, on en out of the loop?
Het verschil zit in het moment waarop de mens meedoet. Vóór de actie, tijdens de actie of helemaal niet.
- Human in the loop: het systeem wacht op een akkoord. Zonder akkoord geen actie.
- Human on the loop: het systeem handelt zelf. Een mens kijkt mee via meldingen of een logboek en kan ingrijpen of stilzetten.
- Human out of the loop: er zit geen mens meer tussen. Het systeem doet het werk van begin tot eind.
Geen van de drie is goed of fout. De vraag die de keuze bepaalt: wat kost een fout, en kun je hem terugdraaien? Een verkeerd gesorteerde aanvraag in je CRM zet je in tien seconden recht. Een verkeerde mail naar honderd klanten haal je niet terug.
| Taak in een klein bedrijf | Vorm | Waarom |
|---|---|---|
| Offertemail of antwoord aan een klant | In the loop | Gaat naar buiten, namens jou, niet terug te halen |
| Nieuwsbrief naar je mailinglijst | In the loop | Eén fout bereikt iedereen tegelijk |
| Blog of social post publiceren | In the loop | Openbaar, en je naam staat eronder |
| Social posts inplannen uit goedgekeurde teksten | On the loop | De tekst is al beoordeeld; je bewaakt alleen de planning |
| Maandrapport uit Analytics en je verzendgegevens | On the loop | Intern; je leest het na voordat je erop handelt |
| Inkomende mail sorteren en labelen | Out of the loop | Intern en makkelijk te herstellen |
| Aanmeldingen van je website naar je mailinglijst | Out of the loop | Vaste regel, geen oordeel nodig |
De meeste werkprocessen bevatten alle drie. Een agentic workflow laat een AI-agent zelf de volgende stap kiezen. Juist daarom wil je per stap vastleggen welke vorm erbij hoort, en niet één keer voor het hele proces.
Hoe vaak zit er echt een mens tussen?
Minder vaak dan je zou denken. Onderzoekers analyseerden openbare n8n-workflows waarin een taalmodel zit. Maar 2,78% van de 6.003 workflows vraagt een mens om goedkeuring voordat er een externe actie volgt, en bij 26,52% gaat de uitvoer van het model zonder controle door naar een actie.
Eerlijke kanttekening: het gaat om templates die gebruikers delen, niet om wat bedrijven echt in productie draaien. Een template is een startpunt. Toch zegt het iets over wat mensen als normaal overnemen.
De Europese Commissie publiceerde in oktober 2026 een Flash Eurobarometer onder ruim twaalfduizend ondernemers van kleine en middelgrote bedrijven. Daaruit: 42% van die bedrijven gebruikt al AI of algoritmisch management, en maar 2% van de beslissingen is volledig geautomatiseerd. Bij bijna alles wat bedrijven automatiseren, beslist dus nog een mens mee. De vraag is alleen of die mens op de juiste plek staat.
De gereedschappen maken het je daarbij niet altijd makkelijk. In Zapier heet de stap Request Approval. Je kiest daar wat er gebeurt als de beoordelaar nee zegt: "Stop run" of "Continue run". En wat er gebeurt als niemand op tijd reageert: "End run" of "Skip and continue". Met de verkeerde keuze loopt je workflow gewoon door na een afwijzing.
n8n doet het per gereedschap: de agent pauzeert vóór een tool en wacht op Approve of Deny, via onder meer Slack, Telegram of mail. Positief daaraan: de beoordelaar ziet de exacte waarden die de agent wil gebruiken. Dat is precies wat je wilt.
Waarom is een goedkeurknop nog geen controle?
Omdat mensen slijten, en omdat een akkoord aan het verkeerde ding kan hangen.
Wie vaker keurt, keurt makkelijker goed. Onderzoekers volgden 400 terugkerende reviewers die code van AI-agents beoordeelden. In de meting over zeven maanden ging het aandeel goedkeuringen van 30,1% naar 36,8%, en lag het aantal opmerkingen per review 22% lager. Bij code van mensen zagen dezelfde reviewers dat patroon niet. De auteurs lezen het als gewenning onder groeiende werkdruk. Dit is een preprint, en de onderzoekers sluiten niet uit dat de code van de agents in die maanden simpelweg beter is geworden.
Mensen vangen de makkelijke fouten. In een experiment met 2.784 deelnemers controleerden mensen cijfers die een AI uit jaarverslagen had gehaald. Spellings- en cijferfouten werden in 82% van de gevallen verbeterd, fouten waarvoor je de regels inhoudelijk moet snappen maar in 31%. Het pijnlijkste resultaat: als afkeuren extra werk kostte, accepteerden deelnemers vaker een fout voorstel. Een controle waarbij nee zeggen duur is, levert meer akkoorden op.
Een akkoord kan aan iets anders hangen dan je denkt. Een paper uit september 2026 noemt het Loopjacking: je keurt actie A goed, en het systeem gebruikt dat akkoord voor actie B. Dat kan op twee manieren: de beoordelaar krijgt een onvolledige weergave van wat er gaat gebeuren, of de goedgekeurde actie wordt na het akkoord vervangen. Hij reproduceerde het in Agno AgentOS, LangGraph Agent Server en OpenClaw; die laatste kreeg een fix in versie 2026.2.24. Alleen de OpenAI Agents SDK hield in dezelfde test stand, omdat die het akkoord aan precies die ene aanroep koppelt. De oplossing die de paper voorschrijft: laat de beoordelaar de volledige actie zien, en vergelijk op het moment van uitvoeren of het nog precies dezelfde actie is.
Een knop "Goedkeuren" is pas controle als drie dingen kloppen:
- De beoordelaar ziet alles. De volledige tekst, de ontvanger en de bron, niet een samenvatting.
- Nee zeggen kost niet meer moeite dan ja. Afwijzen is één tik, net als goedkeuren.
- Het akkoord hangt vast aan die ene actie. Het geldt niet voor de volgende, en ook niet voor een aangepaste versie.
Hoe werkt human in the loop in ons eigen systeem?
Bij ons hangt elk akkoord aan een echt bericht van Louie, is het één keer bruikbaar en vervalt het na 30 dagen. Sinds 23 september 2026 draait dat zo. Daarvoor was "goedgekeurd" in onze contentplanning een tekstveld dat elk script kon invullen. Het publicatiescript zag het verschil niet.
Nu werkt het zo. Louie geeft akkoord in Telegram. Het systeem legt dat akkoord vast onder de naam van het item, bijvoorbeeld een blog of een mail. Vóór elke publicatie of verzending controleert het script drie dingen:
- Bestaat het bericht echt? Het bericht-id moet in ons logboek van inkomende berichten staan, en uit Louie's eigen chat komen. Een agent kan dus geen akkoord verzinnen.
- Is het niet te oud? Een akkoord op een bericht van meer dan 30 dagen geleden telt niet meer. Wat toen klopte, klopt nu misschien niet.
- Is het al gebruikt? Na een geslaagde publicatie of verzending is het akkoord verbruikt. Hetzelfde bericht kan voor dat item geen tweede keer dienen.
Zo stond het op 30 oktober 2026:
| Telling op 30-10-2026 | Aantal |
|---|---|
| Vastgelegde akkoorden sinds 23 september | 203 |
| Daarvan verbruikt | 188 |
| Daarvan nog open | 15 |
| Open en ouder dan 30 dagen (zou nu geweigerd worden) | 1 |
| Verschillende berichten van Louie waar ze aan hangen | 43 |
| Akkoorden voor leadgenerator-mails | 128, op 15 berichten |
Die laatste regel verdient uitleg, anders klopt het beeld niet. Eén bericht van Louie kan een hele batch goedkeuren, zoals een reeks opvolgmails. Elke mail krijgt dan wel een eigen record dat één keer verbruikt wordt. Van de 188 verbruikte akkoorden horen er 127 bij een verzonden mail en 51 bij een publicatie.
Er is ook een grens die we niet wegpoetsen. Het akkoord hangt aan het item, niet aan een vingerafdruk van de tekst. Het publicatiescript schrijft vooraf wel een vingerafdruk van de tekst in het logboek, zodat achteraf te zien is wat er precies live ging. Maar een wijziging ná het akkoord en vóór publicatie houdt het slot zelf niet tegen. Volgens de Loopjacking-paper is dat precies de plek waar het misgaat. Dat is dus ons volgende verbeterpunt: de vingerafdruk vastleggen op het moment van het akkoord, en bij publicatie vergelijken.
Twee regels gelden daarnaast zonder uitzondering. Antwoorden aan klanten zijn altijd een concept; ons systeem verstuurt ze nooit zelf. En bij de nieuwsbrief die wij voor Familierestaurant Pluis bouwden, wordt elke mail door een mens goedgekeurd voordat hij de deur uitgaat. De aanmeldingen gaan wel elk uur vanzelf naar de mailinglijst. Dat is de tabel hierboven in het echt: in the loop waar het naar buiten gaat, out of the loop waar het een vaste regel is.
Wanneer is een mens in de lus wettelijk nodig?
Bij besluiten over mensen, en bij AI-systemen die de Europese wet als hoog risico ziet. Voor de meeste mail- en contentflows van een klein bedrijf is het een ontwerpkeuze, geen plicht. Dit is geen juridisch advies; bij twijfel over jouw situatie vraag je dat na.
De AVG geldt nu al. Neemt een systeem volledig zelf een besluit over een persoon, met rechtsgevolg of een vergelijkbaar effect, dan heeft die persoon recht op menselijke tussenkomst. Op 23 juli 2025 publiceerde de Autoriteit Persoonsgegevens handvatten voor betekenisvolle menselijke tussenkomst. Kern daarvan: die tussenkomst "mag niet alleen een symbolische functie hebben". Als hindernis voor de beoordelaar noemt de AP onder meer tijdsdruk en een onduidelijk systeem. Een medewerker die de score van het systeem alleen overneemt, telt niet.
Vertaal dat naar je eigen proces en je ziet waar het wringt. Moet iemand vijftig sollicitaties voor vijf uur wegwerken, dan wordt de uitkomst van het systeem het besluit. Ziet de beoordelaar alleen een score en niet het cv, dan heeft hij niets om tegen af te wegen. Bij onze eigen akkoorden speelt hetzelfde op kleinere schaal: een blog die morgen om negen uur live moet, krijgt makkelijker een snel akkoord dan een blog die over een week staat. Daarom zetten wij concepten ruim voor hun publicatiedatum klaar, zodat het akkoord niet onder tijdsdruk valt.
De AI Act eist menselijk toezicht bij hoog risico. Artikel 14 van de AI-verordening zegt dat hoog-risicosystemen zo gebouwd moeten worden dat natuurlijke personen er effectief toezicht op kunnen houden. Opvallend: de wet noemt automation bias letterlijk, de neiging om te vertrouwen op wat het systeem zegt. Het is dezelfde slijtage als in de studies hierboven, nu als wettekst. Voor systemen uit Bijlage III, waaronder het filteren van sollicitaties en kredietscores van personen, geldt dat volgens de wijzigingsverordening 2026/1744 vanaf 2 december 2027.
| Wat je automatiseert | AVG (nu) | AI Act |
|---|---|---|
| Sollicitanten automatisch afwijzen | Ja, nu al recht op menselijke tussenkomst | Hoog risico, pas vanaf 2 december 2027 |
| Kredietwaardigheid van klanten beoordelen | Ja, nu al | Hoog risico, pas vanaf 2 december 2027 |
| Leads scoren voor je verkoopteam | Meestal niet, zolang een mens beslist (eigen inschatting) | Geen hoog risico |
| Klantmail beantwoorden met een AI-concept | Nee | Geen hoog risico |
| Blogs en nieuwsbrieven schrijven met AI | Nee | Geen hoog risico |
De tabel is onze lezing van de bronnen, geen standpunt van de AP of de Commissie. Maar het patroon is duidelijk: waar het om mensen gaat, eist de wet dat de mens in de lus echt iets toevoegt. Waar het om je eigen content en mail gaat, eis je dat van jezelf.
Waar heb je geen mens in de lus nodig?
Overal waar een fout goedkoop is en je hem snel terugdraait. Een mens op elke stap zetten klinkt veilig, maar het werkt averechts. Bij genoeg akkoorden per dag leest een beoordelaar de laatste niet meer scherp. Dat is precies de gewenning uit het onderzoek naar AI-code.
Wij draaien daarom het grootste deel van ons eigen systeem zonder mens ertussen. Mail sorteren, gegevens tussen systemen zetten, rapporten bouwen, controles draaien: dat gebeurt vanzelf. Er kijkt wel iemand mee via meldingen en een logboek, maar er wacht niets op een akkoord.
Een simpele toets per stap:
- Gaat het naar buiten, onder jouw naam? Dan in the loop.
- Kun je het binnen een minuut terugdraaien? Dan is on the loop meestal genoeg.
- Is het een vaste regel zonder oordeel? Dan out of the loop, met een melding als het misgaat.
- Gaat het over een persoon, met gevolgen voor die persoon? Dan in the loop, en lees de AVG-alinea hierboven nog eens.
Een paar scherpe controles die je echt leest, zijn veiliger dan tientallen waar niemand meer naar kijkt. Bij ons eigen systeem kijken we daarom niet alleen naar hoeveel akkoorden er zijn, maar ook naar hoeveel er aan hetzelfde bericht hangen, zoals in de tabel hierboven.
Hoe richt je human in the loop goed in?
Met vijf vragen die je vóór de livegang beantwoordt, aan jezelf of aan wie de automatisering voor je bouwt. Elke vraag komt uit een van de fouten hierboven.
| Vraag | Goed antwoord | Waarom |
|---|---|---|
| Ziet de beoordelaar de volledige inhoud? | Ja: tekst, ontvanger, bijlagen en bron | Wie een samenvatting keurt, keurt iets anders goed |
| Wordt bij het uitvoeren gecheckt dat er niets veranderd is? | Ja, het akkoord hangt aan precies deze versie | Anders keur je A goed en gaat B de deur uit |
| Kan een akkoord twee keer gebruikt worden? | Nee, eenmalig | Een oud akkoord mag geen nieuwe actie dekken |
| Verloopt een akkoord? | Ja, na een vaste termijn | Wat vorige maand klopte, klopt nu misschien niet |
| Wat gebeurt er bij een afwijzing of een time-out? | De actie stopt | Doorlopen na een nee maakt de controle zinloos |
Daarnaast drie gewoonten die de mens scherp houden:
- Maak nee net zo makkelijk als ja. Eén knop, geen formulier met verplichte toelichting. Wie moet uitleggen waarom hij afkeurt, keurt sneller goed.
- Tel de afwijzingen. Een beoordelaar die maandenlang niets afkeurt, controleert misschien niet meer. Dat is geen verwijt, het is een signaal om de controle anders in te richten.
- Zet de inhoud voorop, niet de score. Een groen vinkje of een rode risicoscore stuurt het oordeel. Laat de beoordelaar eerst de tekst zien en pas daarna wat het systeem ervan vindt.
Wie dit inricht, merkt dat het meeste werk niet in de bouw zit maar in het beheer erna. Iemand moet bijhouden of de controles nog doen wat ze moeten doen. Dat noemen wij managed automation: de bouwer blijft verantwoordelijk na de oplevering, inclusief de vraag of de mens in de lus nog echt kijkt.
Wat kost het om een mens in de lus te houden?
Vooral aandacht van de beoordelaar. Bij ons is dat Louie, en elk akkoord vraagt een stukje van zijn dag. Over een week tellen die stukjes op, en daarom hoort het aantal momenten waarop een mens moet kijken bij het ontwerp, niet bij het toeval.
In ons eigen systeem zie je dat terug in de verhouding tussen akkoorden en berichten. Achter 203 vastgelegde akkoorden zitten 43 berichten van Louie. Hij keurt dus geen 203 losse dingen goed, maar beoordeelt batches die het systeem netjes per item vastlegt. Een reeks opvolgmails beoordeelt hij in één keer; elke mail wordt daarna apart gecontroleerd en apart verbruikt. Zo blijft het werk voor de mens klein zonder dat de controle per actie verdwijnt.
Ook buiten de akkoorden kost een agentsysteem onderhoud. Wij hielden 134 dagen bij wat ons eigen systeem vroeg, en bij bijna een derde van de mislukte runs was het onze eigen kwaliteitspoort die weigerde. Die poort deed waarvoor hij er staat. Wat een automatisering verder kost aan taken en aanroepen, staat in wat automatiseren echt kost.
Twee vuistregels die we zelf hanteren:
- Bundel wat bij elkaar hoort. Eén akkoord op een serie van vijf vergelijkbare mails, met elke mail zichtbaar, kost minder aandacht dan vijf losse verzoeken, en de beoordelaar ziet de samenhang.
- Haal de mens weg waar hij niets toevoegt. Als een beoordelaar een bepaalde soort item al maanden nooit aanpast of afkeurt, kijk dan of die stap naar on the loop kan. Dat maakt ruimte voor de akkoorden die er wel toe doen.
Hoe bouwt Oase Creative human in the loop in?
Wij beginnen elke flow met de vraag uit de tabel bovenaan: welke stap gaat naar buiten, welke kun je terugdraaien, welke is een vaste regel? Daaruit volgt waar een mens moet staan, en waar niet. Zo bouwen we AI-systemen en agentic flows voor terugkerend werk, van content en mail tot administratie.
Op de plekken waar een mens staat, gelden de vijf vragen hierboven. Het akkoord hangt aan één item, het verloopt, het is eenmalig, en een nee of een stilte stopt de flow. Niet omdat het in een checklist staat, maar omdat we het eerst in ons eigen systeem nodig hadden. Wat we over AI-automatisering schreven, geldt hier ook: het grootste deel van onze eigen taken draait bewust zonder AI, en het meeste daarvan ook zonder mens ertussen.
Na de oplevering kijken we na een maand samen of de controles nog werken. Hoeveel wordt er afgekeurd, waar stokt het, welk akkoord is eigenlijk overbodig geworden. Wil je dat wij dat blijven doen, dan kan dat als managed automation, met een prijs op aanvraag. Twijfel je welk bureau dit voor je moet bouwen, dan helpt ons stuk over een AI-bureau kiezen.
Wil je weten waar in jouw werk een mens tussen moet, en waar je hem juist kunt weghalen? Vertel waar het vastloopt, dan kijken we samen waar je het beste kunt beginnen.
