AI ontwikkelt zo snel. Hoe stimuleer je op een verantwoorde manier een cultuur van experimenteren en innoveren?

Die vraag hoor ik in allerlei vormen bij klanten. Mag mijn team ChatGPT gebruiken? Moeten we eerst beleid hebben? En wie beslist dat?

Mijn korte antwoord: de twee uitersten zijn het schadelijkst. Waar alles kan en alles mag, is het echt tricky en loop je serieuze risico's. Aan de andere kant heb je bedrijven die helemaal op slot zitten, waar alles moet wachten en overal een stempel op moet. Daar wordt alle innovatie geremd en verdwijnt alle energie. Waar je ertussen gaat zitten, verschilt per toepassing.

Een simpel model dat eenvoudig bepaalt of je door kan en wat daarvoor nodig is, is het fijnst. Dan kun je namelijk snel ja zeggen, maar is het ook direct duidelijk als een case ingewikkeld is en het dus wat langer duurt. Zo'n model vind je in stap 3.

De korte antwoorden:

• Mag mijn team ChatGPT gebruiken? Ja, in een zakelijk account dat je hebt nagelopen, zonder persoonsgegevens of bedrijfsgeheimen zoals klantcontracten, prijsafspraken of tekeningen.
• Moeten we eerst beleid hebben? Eén pagina met wat vandaag al mag, is genoeg om te beginnen.
• Wie beslist? Eén aanspreekpunt voor het dagelijkse werk, de directie als de gevolgen groot zijn.
• Mogen klantgegevens, tekeningen of offertes erin? Ja, in een nagelopen zakelijk account, maar dan maak je eerst afspraken. Dat is medium risico (stap 3).

In de rest van dit stuk werk ik uit hoe je dat aanpakt. Geen tijd voor alles? Begin bij je eerste maand. Onderaan kun je de checklist aanvragen.

De schuif

Ik zie AI-governance als een schuifregelaar. Helemaal links staat alles open. Helemaal rechts zit alles op slot.

Helemaal open. Iedereen gebruikt welke tool hij wil, met de gegevens die hij wil. Een persoonlijk ChatGPT- of Claude-account (kan ook Pro zijn) met volledige toegang tot bestanden, e-mail en computer use, waarbij de AI je computer zelf bedient, is waanzinnig krachtig. Maar het past waarschijnlijk slecht in effectief beleid: het bedrijf heeft geen afspraken met de leverancier, ziet niet wat erin gaat en kan het account niet intrekken als iemand vertrekt. Bij klanten zie ik dan vooral dat niemand nog controle heeft op kosten en rechten: wie welk abonnement betaalt, welke tool bij welke bestanden kan en waar klantgegevens heen gaan. Zolang niemand het weet, kan ook niemand ingrijpen als het misgaat.

Helemaal dicht. Elke tool moet langs IT, elk idee langs de directie, en tot er beleid is, mag niets. Dan ligt een aanvraag weken stil en haakt de collega die het idee aandroeg af. Het beleid waar iedereen op wacht, komt maar niet, of het komt en verdwijnt in de la.

En mensen gaan het dan stiekem doen, op hun eigen telefoon of privéaccount. Dan heb je alsnog de risico's van helemaal open, en zie je ze niet eens.

De schuif staat per toepassing anders

Hoe ver de schuif open kan, hangt af van een paar vragen:

• Hoe gevoelig zijn de gegevens?
• Kan iemand er schade van hebben, binnen of buiten je bedrijf?
• Hoeveel mensen gebruiken het, en hoe vaak?
• Doet de AI een voorstel, of voert hij zelf iets uit?
• Kun je een fout makkelijk herstellen?

Hoe vaker een antwoord je niet lekker zit, hoe verder de schuif dicht. Voor de rest geef je ruimte.

Vier stappen om de schuif goed te zetten

1. Kijk eerst wat er al gebeurt

Begin met een open gesprek over hoe mensen AI nu al gebruiken. Zonder dat iemand op zijn kop krijgt, anders hoor je alleen wat mag. Neem ook de AI mee die al in je software zit, zoals in je mail, je CRM of je boekhoudpakket. Het Nationaal Cyber Security Centrum (NCSC) raadt zo'n gesprek ook aan. Gold er eerder een verbod, dan helpt een anonieme enquête.

Daarna heb je een eerste lijst: wie gebruikt wat, waarvoor en met welke gegevens.

2. Zet op één pagina wat meteen mag

Schrijf één pagina met voorbeelden van wat iedereen vandaag al mag doen. Bijvoorbeeld:

• teksten schrijven, herschrijven en samenvatten;
• analyseren, brainstormen en ideeën uitwerken;
• formules of code laten maken;
• oefenen met verzonnen klantvragen.

Dat mag allemaal, zolang er geen persoonsgegevens en geen bedrijfsgeheimen in gaan.

Zet erbij in welke tool dat mag, welke gegevens er niet in gaan, en bij wie je terechtkunt als je twijfelt of als er iets misgaat. Kies een zakelijk account dat je hebt nagelopen, of laat je IT-partner dat doen: je weet wat de leverancier met je gegevens doet en hoe lang hij ze bewaart, je hebt een verwerkersovereenkomst, en je kunt accounts zelf beheren en intrekken.

En geef mensen er tijd voor. Een pagina met wat mag, zonder tijd om het te proberen, belandt alsnog in de la.

3. Deel toepassingen in naar risico

Alles wat niet op die pagina staat, deel je in naar risico: laag, medium of hoog. Hoe hoger het risico, hoe meer afspraken je maakt.

Zo kies je snel: gaan er persoonsgegevens of bedrijfsgeheimen in, koppel je de AI aan je systemen of praat hij zelf met klanten, dan is het medium risico. Gaat het om geld, om gezondheidsgegevens, om besluiten over mensen, of werken meerdere agents samen aan iets wat je moeilijk terugdraait, dan is het hoog risico.

Zo maakt het team de meeste keuzes zelf, en gaan alleen de zware keuzes naar de directie. Laag, medium en hoog zijn hier je eigen werkafspraken. De AI Act kent ook een categorie hoog risico, met eigen wettelijke regels. Daarover lees je meer onder wat de wet vraagt.

Spreek ook af hoe snel een gewone aanvraag antwoord krijgt, bijvoorbeeld binnen twee werkdagen. En laat mensen mislukte proeven delen, zonder dat iemand de schuld krijgt. Dan maakt de volgende collega dezelfde fout niet nog een keer.

4. Geef elke gedeelde toepassing een eigenaar en de juiste maatregelen

Zodra collega's een toepassing samen gebruiken, heeft die een eigenaar nodig. Iemand die beslist, de meldingen krijgt en een vervanger heeft voor als die er niet is.

Leg ook vast hoe je stopt:

• wie de toepassing of koppeling mag uitzetten;
• hoe het werk doorgaat zonder;
• wie bepaalt of klanten iets moeten horen, en of je een datalek binnen 72 uur meldt bij de Autoriteit Persoonsgegevens.

Een agent uitzetten haalt een verstuurde mail niet terug. Herstellen kan dus ook betekenen dat je een klant belt en uitlegt wat er gebeurde.

De stopknop is je laatste redmiddel. Daarvoor heb je vijf manieren om risico's te beperken. Per toepassing kies je de combinatie die bij het risico past.

A. Beleid en opleiden. AI verzint soms dingen (hallucinaties) en maakt fouten. Medewerkers moeten zich daarvan bewust zijn, en teksten moeten gecontroleerd worden. Dat leg je vast in beleid, maar het heeft ook doorlopende aandacht nodig. Hetzelfde geldt voor de afspraak dat persoonsgegevens niet in de AI mogen. Dat wil je niet afdwingen door het uploadveld in je AI-tool te blokkeren, want dat uploadveld wil je houden voor alles wat wel mag.

B. Rapporten en meldingen. Terug kunnen lezen welke antwoorden je klantenservice-agent allemaal heeft gegeven, is ook een manier om risico te beperken. Je bent te laat om in te grijpen, maar je weet in elk geval dat het gebeurd is, en je kunt het voor de toekomst aanpassen. Bij toepassingen met meer risico laat je ook een melding sturen bij afwijkingen, bijvoorbeeld als de agent een prijs of toezegging noemt.

C. Evaluaties. Laat je prompts of agents op vaste momenten testen tegen een set goede en foute antwoorden, zodat je ziet of de kwaliteit hoog genoeg blijft. Dit is een essentiële stap. Ook door nieuwere, slimmere modellen kunnen de antwoorden van een AI-systeem slechter worden. Hoe je dat aanpakt, lees je onder wie checkt het over een half jaar?

D. Limitaties en beperkingen. Geef een agent geen toegang tot je HR-gegevens, of alleen leesrechten op je supportmail. Dat sluit een hoop problemen uit. Het is makkelijk, maar gevaarlijk, om te veel rechten te geven en te hopen dat de AI op basis van je prompts het juiste doet. Een mail of document kan verstopte instructies bevatten die de AI misleiden, en volgens de Britse tegenhanger van het NCSC verdwijnt dat risico niet. Zorg dus dat een actie die de AI niet mag doen, ook technisch niet kan. Zet ook een budgetlimiet op abonnementen en automatische taken.

E. Een mens in het proces (human in the loop). Als het echt belangrijk is, zoals geld overmaken of belangrijke mails versturen, richt je het systeem zo in dat er een mens in het proces zit die bevestigt. Net als bij een collega die je inwerkt, of een partner waar je werk aan uitbesteedt, kun je dat stap voor stap afbouwen:

• eerst checkt een mens alle betalingen;
• gaat dat een tijd zonder problemen, dan check je nog de helft;
• weer geen problemen, dan blijft 10% over als steekproef.

Opnieuw schuiven als de inzet verandert

Een verzonnen voorbeeld: een groothandel met veertig medewerkers.

Een medewerker oefent met AI op verzonnen productvragen, met openbare productinformatie. Dat is laag risico: vrij gebruiken. Het werkt goed, en het team wil het op echte klantvragen gebruiken.

Dat is een nieuwe stand van de schuif, want nu gaan er klantgegevens in: medium risico. De eigenaar kijkt welke gegevens erin gaan, wat de leverancier met die gegevens doet en of de antwoorden goed genoeg zijn. De AI maakt eerst alleen concepten. Een medewerker checkt prijs, levertijd en toezeggingen in de bron voordat er iets de deur uitgaat.

Daarna laat het team de AI zelf antwoorden. Dat blijft medium risico, met strakkere afspraken. De groothandel begint met één soort vragen. Bij twijfel zet de AI de vraag door naar een collega, en prijzen of toezeggingen kan hij niet aanpassen. De eerste honderd antwoorden leest een collega allemaal na, daarna een steeds kleiner deel. Het team kan alle antwoorden teruglezen en de automatische antwoorden meteen pauzeren.

Tot slot wil het team dat agents ook retouren goedkeuren en het geld terugboeken. Dat is hoog risico: er gaat geld de deur uit, en een fout in de ene stap werkt door in de volgende. De directie beslist. Elke terugboeking krijgt eerst een akkoord van een collega, en de agent kan alleen terugboeken tot een maximumbedrag. Dat akkoord bouw je af zoals bij E.

Koop je zo'n agent in, vraag de leverancier dan:

• Kan hij eerst alleen concepten maken, per soort vraag?
• Kan ik alles teruglezen en hem direct pauzeren?
• Zijn de grenzen technisch vastgelegd, zoals geen prijzen aanpassen en terugboeken tot een maximumbedrag?
• Melden jullie het als het model eronder verandert, en mag ik vooraf testen met eigen gevallen?
• Waar gaan de gegevens heen, en is er een verwerkersovereenkomst?

Bij elke stap kijk je opnieuw waar de schuif staat.

Wie checkt het over een half jaar?

Bij elke gedeelde toepassing hoort nog een vraag: wie is ervoor verantwoordelijk dat die over een half jaar nog steeds de juiste antwoorden geeft? Dat is de eigenaar uit stap 4.

Je leverancier brengt regelmatig een nieuw model uit, en je bestaande prompts draaien daar ineens op. Dat kan beter uitpakken, slechter of gewoon anders. Zonder test merk je dat vaak pas als een klant klaagt.

Daarom krijgt elke gedeelde toepassing een vaste testset: de evaluaties uit stap 4. In AI-land heet dat een eval. Begin klein, bijvoorbeeld met twintig gewone en tien lastige gevallen uit je eigen werk: een vraag waarin informatie ontbreekt, twee bronnen die elkaar tegenspreken, of een verzoek dat niet mag. Laat iemand die het werk goed kent vooraf bepalen wat een goed antwoord is.

In de praktijk kan dat beginnen met een spreadsheet met per regel de vraag, het goede antwoord en wat de AI zei. Iemand die het werk kent, loopt hem door. Later laat je die test automatisch draaien.

Draai die set:

• voordat je de toepassing breder uitrolt;
• als de leverancier een nieuw model of een grote update uitbrengt;
• als je een prompt, bron of koppeling aanpast.

Weet je niet of je leverancier updates aankondigt, zet de test dan op een vaste datum in je agenda. Duikt er in de praktijk een nieuwe fout op, zet die dan in de set. Zo test de set na een paar maanden op de fouten die bij jullie echt voorkomen.

Ook de collega die de AI controleert, heeft een vaste lijst nodig. Een mens die meekijkt, helpt alleen als die weet waar die op moet letten, de bron kan openen en tijd heeft om iets tegen te houden. Bij een klantantwoord bijvoorbeeld:

• Kloppen prijs en voorwaarden met de bron?
• Staat er een toezegging in?
• Staan er gegevens van een andere klant in?

Wat de wet vraagt

Stand op 30 oktober 2026. Klein zijn geeft geen vrijstelling, en wat precies geldt, hangt af van wat je met AI doet. Dit is geen juridisch advies. Check de details als je begint, en vraag bij twijfel een jurist of privacyadviseur.

• AVG. Gaan er persoonsgegevens in, dan heb je een doel en een grondslag nodig (een wettelijke reden om de gegevens te gebruiken), moet de beveiliging op orde zijn en heb je afspraken met je leverancier. Een DPIA (een verplichte risicoanalyse voor privacy) moet als het risico voor mensen waarschijnlijk hoog is. Niet elk experiment heeft er een nodig. Voor volledig automatische besluiten met grote gevolgen voor iemand gelden strenge grenzen. Een collega die zonder echte controle op akkoord klikt, maakt er geen menselijk besluit van. (Your Europe, EDPB)
• AI-geletterdheid. Volgens artikel 4 van de AI Act neem je als bedrijf dat AI gebruikt maatregelen die de AI-kennis van je mensen ondersteunen. Die plicht geldt sinds februari 2025. Volgens de Europese Commissie heb je er geen certificaat of aparte AI-commissie voor nodig. Begin met begeleiding die past bij het werk en een overzicht van wat je doet.
• Verboden toepassingen. Sommige toepassingen zijn sinds februari 2025 verboden, zoals software die de emoties van medewerkers op de werkvloer herkent (op een paar uitzonderingen na).
• Hoog risico volgens de AI Act. De zware regels voor hoogrisicotoepassingen, zoals AI bij werving en selectie of bij risico en prijs van levens- en ziektekostenverzekeringen, gelden volgens de Europese Commissie vanaf 2 december 2027.
• Transparantie. Praat iemand met een AI, dan moet die dat weten. Niet elk document waar AI bij hielp, heeft een label nodig. (artikel 50)
• Ondernemingsraad. Een OR is verplicht vanaf vijftig medewerkers. Gaat AI het werk van mensen beoordelen of hun gebruik volgen, dan kan de OR instemmingsrecht hebben. Heb je geen OR, betrek medewerkers dan zelf vroeg.

Je eerste maand

Je hoeft niet alles in één keer goed te hebben. Een opzet voor de eerste maand:

Daarna bespreek je elke maand kort zes vragen:

1. Welke nuttige toepassing ontdekten we?
2. Welke fout kwam terug?
3. Welke rechten of koppelingen veranderden?
4. Welke meldingen staan nog open?
5. Welke aanvraag duurt te lang?
6. Wat stoppen we?

Checklist

Tien punten om na te lopen, over accounts en gegevens, dagelijks gebruik, en overzicht houden en ingrijpen. De eerste pagina is de lijst om af te vinken, de tweede geeft uitleg. Print hem, en loop hem samen door: directie en de collega die er het meest mee werkt. Vraag hem hieronder aan.

Hoe staat jouw schuif? Ik ben benieuwd.

Heb je zelf een vraag over AI in je werk of je bedrijf? Mail hem naar me. Tot de kerst zoek ik er elke week één uit.

Wil je zelf zo'n agent bouwen? Onderaan kun je een uitgebreide instructie met alle prompts aanvragen.

Stap 1: de vaste boodschappen

Eerst de vraag: wat zou ik fijn vinden als iemand anders mijn boodschappen deed? Hoe moet dat werken, en wat vind ik belangrijk?

Het eerste wat ik bedacht: er zijn basisdingen die er gewoon moeten zijn. Brood voor het ontbijt en voor de kinderen om mee naar school te nemen, wc-papier, koffie, eieren, fruit, groente. Dingen die elke week terugkomen, los van de recepten of van wat er die week gebeurt.

Ik had wel een gevoel bij wat dat ongeveer was, maar misschien vergat ik dingen. Daarom liet ik Codex mijn laatste tien bestellingen bij Albert Heijn analyseren.

In Codex open ik de site van Albert Heijn. Codex kijkt even rond, snapt redelijk rap hoe de site in elkaar zit en bekijkt dan die bestellingen. Die gegevens haalt hij naar mijn computer, zodat hij er een analyse op kan doen. Dit was mijn prompt:

Ok, you're on the ah.nl website where I order my groceries. On this account under 'Eerder bestellingen' you find all my previous orders.

Can you analyze my past 10 orders. What I want is to group my groceries in 3 categories:

• Regulars: Think coffee, toilet paper, cucumber, bread, etc > we gonna need this every week
• Meals > ingredients depend on what we're eating: steak, chicken, vegetables, potatoes, rice,etc
• Irregulars: anything that does not fall in the first two categories

I want to automate the process of doing groceries and would like to start with the regulars.

Codex concludeert zelf dat ik een aantal dingen vaak nodig heb, maar niet elke week. Die wil hij samen met mij controleren:

Codex: My recommendation: start automation with a weekly core list of cucumber, carrots, paprika, kwark, bread, buns, eggs, milk, berries, fruit bars, and rice waffles. Then add a separate stock-check list for coffee, paper goods, cleaning, cat litter, butter/halvarine. Meals should stay manual or be generated from a chosen weekly meal plan.

Ik: Ok; can you put this in for the next order?

[Codex klikt 1000x]

Ik: Ok; now that we're in the order for 20/6 we also get the right promotions. Can you analyze the promotions under 'Bonus' and come back with the promotions that are really good.

Codex komt terug met zeventien aanbiedingen, met bij elke aanbieding waarom die wel of niet bij ons past. Zijn advies:

Codex: I'd avoid adding promo items just because they're discounted; the ones most worth considering now are ribeye/BBQ spiezen, broccoli/courgette/aubergine, Hak jars, and household stock like Ariel/Dreft/Page.

Die boodschappen-agent heet bij ons inmiddels Alberto.

Stap 2: maaltijdplanning

Sommige dagen zijn bij ons best druk, omdat de kinderen moeten sporten. Dan hebben we maaltijden nodig die heel snel klaar zijn, of die je makkelijk kunt opwarmen voor de avonden dat niet iedereen tegelijk eet.

We zijn ook geen gezin van vijf alleseters. Dus kiezen we gericht: gerechten die we lekker vinden en die ook gegeten worden, zonder dat er elke avond geprotesteerd wordt over wat er op tafel staat.

En we willen gezond en gevarieerd eten. Smaak is natuurlijk het lastigst. Als eerste stap wilde ik recepten kiezen. De recepten op ah.nl zijn een goed begin, maar andere receptensites mogen ook, zoals Uit Paulines Keuken. Dit was de prompt:

I want to do meal planning for our family.

We are looking for easy, healthy and fast options. Preferrably with good taste and especially the dinners should also work for kids. (6, 10, 13).

Preferred recipies are in Dutch to prevent translation and crazy measurements. The ah.nl recipe database is a good start; but we're open to alternatives / combinations.

First I want to discuss the plan with you to get to a strategy. Than my preferred workflow would be that you send suggestions for breakfast, lunch & dinner for next week. (dinner should be unique per day, breakfast and lunch could be repetitive). My girlfriend and I will provide feedback so you can learn our preferences and adapt better to our taste and lives. How does that sound?

Daarna volgde wat heen en weer chatten om achter onze voorkeuren te komen. Wat vinden we lekker, wat niet, en wat verstaan we onder makkelijk? Noem maar op. We sloten af met een opdracht: zoek recepten die gemiddeld hoge ratings krijgen.

Toen koppelde ik Codex via Beeper aan mijn WhatsApp. Zo kan Cocky, zoals de maaltijdplanner bij ons heet, berichten sturen naar Marieke, mijn vriendin. Zij geeft met een duimpje omhoog of omlaag aan of ze een recept lekker vindt. Een duimpje omhoog gaat op de maaltijdplanning. Bij een duimpje omlaag doet Cocky een nieuwe suggestie.

Recepten kiezen met duimpjes werkt fijn, omdat het zo laagdrempelig is. Het gaat via WhatsApp, dat Marieke toch al gebruikt, en een duimpje omhoog of omlaag snapt iedereen zonder uitleg. Zo stond er een weekmenu. Cocky geeft de ingrediëntenlijst door aan Alberto, die alles meeneemt in de boodschappen. Cocky stuurt de recepten ook naar Fammy, onze gezinsapp die ik zelf bouwde. Zo staan ze voor iedereen klaar als je moet koken. (Over Fammy later misschien meer.)

Bijsturen

In het begin ging dat nog niet vlekkeloos. Gedroogde kruiden probeerde Cocky steeds opnieuw te kopen, tot we eigenlijk alles wel in huis hadden. Dat moesten we wat tweaken: wanneer beslist hij zelf, en wanneer vraagt hij het? Zout hebben we altijd in huis, dus dat koopt hij nooit. Bij oregano weet hij het niet zeker, dus dat vraagt hij. Weet hij vrij zeker dat iets er niet is, zoals verse broccoli, dan zet hij het gewoon op de lijst.

Ook dat ging best goed. Toen kwamen we erachter dat we een hoop dingen in huis hadden die we nog eens wilden opmaken, en die steeds opnieuw werden gekocht. We hadden nog vier pakken spaghetti, maar zodra we een recept met spaghetti kozen, zette Cocky toch weer spaghetti op de boodschappenlijst.

Daarom hebben we onze hele voorraad in kaart gebracht, in een lijst in Apple Herinneringen. Welk vlees ligt er nog in de vriezer, welke pasta in de kast, noem maar op. Die lijst kreeg Cocky erbij. En we vroegen hem om elke week twee of drie recepten te kiezen die onze voorraad gebruiken, zodat die langzaam opgaat.

Nou, dat werkte heel goed.

Hoe het nu loopt

1. Op donderdag stuurt Cocky automatisch voorstellen voor de lunch en het diner van de hele week.
2. Marieke reageert, en daar komt een definitief menu uit.
3. Op vrijdagochtend zet Alberto dat menu samen met alle regulars in de winkelwagen bij Albert Heijn. Hij checkt dan ook de bonus en stelt goede aanbiedingen voor die we erbij kunnen pakken.
4. Alberto vraagt of ik de dingen wil checken die we af en toe nodig hebben, zoals koffie, wc-papier, keukenrollen en beleg, bijvoorbeeld pindakaas, chocopasta of hagelslag. Daarna is de bestelling compleet.

Meestal doe ik dan nog een hele snelle scan of er niets idioots tussen zit. Ik ben toch een beetje bang dat er op een dag ineens vier kilo zalm wordt bezorgd. Maar eigenlijk gaat het bij ons best soepel.

De bestelling bevestig ik daarna zelf, en ik betaal aan de deur. Alberto heeft dus geen toegang tot mijn betaalgegevens nodig. Ik vind het op dit moment belangrijk om zelf op de knop te drukken, zodat er niet zomaar voor 2.000 euro aan boodschappen wordt bezorgd.

Van boodschappen naar bedrijfsproces

Het automatiseren van onze boodschappen lijkt verrassend veel op hoe je een zakelijk proces zou kunnen automatiseren.

Begin met data verzamelen over hoe het nu loopt. Bij ons waren dat tien bestellingen. In een bedrijf kunnen dat je inkooporders of offertes van het afgelopen jaar zijn. Laat AI daar patronen in zoeken. Start daarna klein. Het is prima als de kwaliteit dan nog best een eind afstaat van wat een collega zou leveren.

Werk vervolgens in kleine stapjes. Terwijl je ontwikkelt, verhoog je steeds de bodem. Elke ronde probeer je de agent te verbeteren, en tegelijk zet je steeds meer vangrails neer op de plekken waar hij uit de bocht zou kunnen vliegen.

Bij onze boodschappen werden Cocky en Alberto elke week iets slimmer. Mijn feedback op de nieuwe week kwam erbij, samen met alle feedback van de weken daarvoor. Steeds beter, steeds beter, steeds beter. In de eerste weken win je je tijd nog niet terug. Inmiddels kosten maaltijdplanning en bestellen ons samen zo'n twintig minuten per week. Eerst was dat ongeveer anderhalf uur. En we komen langzaam op het punt dat ik het vertrouwen begin te krijgen dat ik ze helemaal los zou durven laten.