Agents die samenwerken: orkestratie, controle en Q&A
Sebastiaan den Boer, Youwe
Uit de sessie: Maandelijkse Update sep 2026
Sebastiaan den Boer rondt zijn demo af met de samenwerking tussen agents, de manual review en de marketplace van agents. Daarna volgt de eerlijke kant: wat is moeilijk aan multi-agent werk, wat zegt een klant met 200 varianten per product en wat was voor hemzelf het lastigst om te bouwen.
Voor wie: Je wilt weten of agents in een keten betrouwbaar genoeg zijn en wat de bouwer zelf lastig vond.
Hetzelfde moment
- Clip van 1:42 min: Multi-agent werkt nu: 200 teksten per product
- Clip van 1:41 min: Bouwen met AI is snel, onderhoudbaar bouwen niet
Waarom dit ertoe doet
Agents die los werken zijn handig, agents die elkaar informeren zijn krachtiger en kwetsbaarder. Sebastiaan zegt dat een keten van agents twee jaar geleden brak zodra er één hallucineerde, en dat het nu niet meer breekt, mits je IT, data en processen op orde zijn. Voor één klant genereert het platform 200 varianten van elke productbeschrijving en hij meldt 200% meer conversie ten opzichte van een jaar eerder. Het zijn claims van een leverancier. Het hoofdstuk eindigt met zijn les over bouwen met AI: snel gebouwd, maar onderhoud en scope creep blijven het werk.
Belangrijkste inzichten
- Concurrenten vind je beter met verrijkte data dan alleen met een EAN-match.
- Elke waarde krijgt een bron en score en je kunt tegenstrijdige bronnen laten markeren voor controle.
- Volgens Sebastiaan breken multi-agent flows nu niet meer, mits IT, data en processen op orde zijn.
- Een klant genereert 200 varianten per product en meldt 200% meer conversie, een claim van de leverancier.
- De grootste uitdaging bij bouwen met AI is volgens hem begrijpen wat klanten willen en onderhoudbaar houden.
Agents die elkaar informeren
Een concurrentieanalyse op EAN is niet genoeg als je boormachines verkoopt: je wilt ook de Makita en de Bosch vinden. Daarom gebruikt Sebastiaan de verrijkte data als bron om concurrenten te vinden. Een derde agent kan de eerste een signaal geven dat hij opnieuw moet draaien omdat er extra informatie is. In het scherm zie je een overzicht met zeven webbronnen, drie afbeeldingen, 95% relevantie en per attribuut een bron, een score en een markering voor als twee bronnen elkaar tegenspreken. Smart attributes laten de AI voorstellen welke eigenschappen filterbaar moeten zijn.
Wat nu wel werkt
Hij zegt dat multi-agent samenwerking het laatste halfjaar een enorme vlucht nam. Twee jaar geleden brak één hallucinerende agent een hele flow, nu volgens hem niet meer. De voorwaarde is dat je IT-landschap, je data en je menselijke processen goed genoeg zijn. Een klant met veel slechte productdata genereert nu 200 varianten per product voor verschillende markten, kanalen en talen en meldt 200% meer conversie, like for like ten opzichte van een jaar eerder.
Vragen uit de zaal
Jop vraagt wat het moeilijkst was om te bouwen. Sebastiaan antwoordt dat bouwen met AI zo snel gaat dat je op één vrijdagmiddag al veel hebt, maar dat weten wat klanten willen en het onderhoudbaar houden de echte uitdaging is. Hij werkt twee jaar aan het idee en zegt dat het pas sinds ongeveer een half jaar echt schaalt. Scope creep blijft een uitdaging, en wie met AI alles kan, wil alles en komt tot diep in de nacht niets af, zegt hij.
Probeer dit deze week
- Controleer of je productdata op één plek staat voordat je agents erop loslaat.
- Schrijf voor je eerste AI-project in 1 zin op wie het gebruikt en welk probleem het oplost.
- Plan bij elk AI-project vooraf wie het onderhoudt als een bron of model verandert.
Begrippen
- Scope creep
- Voortdurende of ongecontroleerde groei van de omvang van een project.
- Hallucineren
- Dat een AI een antwoord verzint dat plausibel klinkt maar niet klopt.
- Smart attributes
- Eigenschappen die de AI voorstelt als filter, zoals toeren per minuut bij een boormachine.
Verdiep je in de gids
Transcriptie
Uitgeschreven uit de audio van dit fragment. Stopwoorden en herhalingen zijn weggelaten. Waar [onverstaanbaar] staat, is de opname niet te verstaan.
En het krachtigste, en dat is natuurlijk uiteindelijk het hele doel van dit platform, dit zijn gewoon wat losse agents die ik even heel snel liet zien, maar de bedoeling is natuurlijk dat we op schaal al die agents tegelijk draaien, maar dat ze ook elkaar informeren, want voordat je een goede concurrentieanalyse doet, wil je eerst je product verrijkt hebben, want je kan een concurrentieanalyse doen op EAN-code, maar als jij een boormachine verkoopt, en je hebt, weet ik veel, een DeWalt boormachine, dan wil je ook de Makita boormachine en de Bosch boormachine vinden. Dus je wil niet alleen maar die harde matching op AAN doen, maar je wil eigenlijk de verrijkte data gebruiken als bron, om te identificeren, hoe moeten we überhaupt een concurrenten vinden, en hoe moet ik die dan weer scrapen. Dus het is echt niet zo simpel als we zeggen, oh, we doen agent ABCDE, die agents die praten met elkaar, en het kan dus prima zijn dat de derde agent, de eerste agent weer een signaaltje geeft van, hé, je moet even opnieuw draaien, want ik heb wat extra informatie gevonden, en misschien moet je dat weer gebruiken, om je productverrijking opnieuw te draaien ofzo. Dus daar zit een hele orkestratie in eigenlijk, waarin die agents steeds opnieuw praten. Hier zie je het dus eigenlijk allemaal in één. Dus van een product, van dit product, zeven webbronnen gevonden, in totaal drie plaatjes. De relevantie van die online bronnen is 95%, en de consistentie tussen die bronnen, tussen die verschillende zeven bronnen, is heel erg hoog. Gemiddeld is de AI heel confident over zichzelf. Nou, en hier zie je wat ik net al zei, echt per productattribuut, voor elk feitje eigenlijk wat te vinden over het product, kunnen we individueel laten zien, dit was de bron, zo zeker zijn we erover. Oh, hier zien we dat twee bronnen elkaar tegenspreken, dus hier moet je echt nog even handmatig naar kijken. Die verrijking doen we natuurlijk van, wat is je huidige content op je site? Dat zie je hier links. En wat stelt de AI voor om ervan te maken? Dus misschien had je nog helemaal geen data en staat er nu wel data. Dat zie je hier bijvoorbeeld. Hier had de klant eigenlijk bijna geen data. En hier vinden we veel meer data. Maar het kan bijvoorbeeld ook zijn, we hebben ook SEO en geo-agents. Ik ben het overigens wel helemaal eens met het geo-stuk, wat Tachmy net noemde. Super belangrijk, maar ook nog een heel wazig veld. Maar die kunnen natuurlijk voorstellen van, je hebt nu deze content. Maar als je het nou net zo positioneert, dan ben je net wat unieker ten opzichte van je concurrent. Want al je concurrenten hebben gewoon, weet ik veel, die noemen geen pros en cons. Dus als jij nou wel pros en cons noemt, dan heb je net een uniek stukje op je pagina. Dus die combinatie van de AI's die dingen voorstellen, maar dan ook nog in deze interface, dat je heel veel manual review kan doen en die controle hebt van, hé, waar komt het nou vandaan? Dat vormt samen natuurlijk gewoon een sterke constellatie. Nou, images, hier kan je ervan zeggen, ik wil deze en deze images wil ik meenemen, maar die andere wil ik niet meenemen. Hier kunnen we dus weer agents aan toevoegen, waarvan je zegt, Van deze wil ik dan weer een sfeerfoto maken. Dus dat je dan deze decoupeerzaag op een werkbank rendert. Of via andere manieren misschien een logo opgeplakt van jouw bedrijf. Smart attributes doen we ook. De AI in dit geval in deze workflow suggereert specifieke attributen die filterable moeten zijn. Dus als je dynamische filtering op je website wil, zodat voor de boormachine toeren per minuut een filter is, maar voor ver, of weer het aantal liters in de kan. Op basis van jouw eigen datamodel, manual review, daar kan je ook met handover doen, met meerdere users, meerdere rollen. En ik laat hier even snel wat dingen zien, maar we hebben bijvoorbeeld ook documenten, als je declaration of performance, CO2-emissie, Kunnen we documenten, pdf's, manuals en technische handleidingen vinden. Klassificatie, ATEM zit er al in, GS1 heb ik er wel staan, maar is eigenlijk stiekem wel een heel stuk lastiger. Maar we doen ook heel veel custom-classificatie, dus als jij als klant custom datamodellen hebt, je eigen hele datamodel, dan kunnen we daar ook gewoon op mappen. En we doen dus allerlei verschillende agencies zitten in de marketplace. als je net een aantal dingen ziet, translation hebben we natuurlijk, maar we hebben ook een heel aantal dingen die veel meer in het pricing domeen zitten, churn en loyalty, order intake doen we heel veel mee, dus meer die productverwerking om de order intake weer te doen. Zo zijn we een heel aantal dingen weer bezig, marketing campaigns, heel actief, dus eigenlijk continu dynamische marketing campaigns op basis van je productdata en je turnover daarin doen. En zo brouwen we dat platform steeds uit. Dat is eigenlijk een beetje in vogelvlucht. Volgens mij 15 minuten, toch? Of ben ik al op de 20? Ik heb het niet helemaal scherp bijgehouden. 18 minuten, ja precies. Heel goed. 18 minuten? Nou, dat is misschien net nog tijd voor vragen dan. Maar in ieder geval gewoon even in vogelvlucht wat er tegenwoordig mogelijk is. Dus nogmaals, het is een product dat je kan kopen en ik ga heel graag een kopje koffie met je drinken. Maar dit was vooral eigenlijk een beetje bedoeld om te laten zien, dit is echt wat we gewoon actief inzetten voor klanten. Ik weet dat tegenwoordig, ik spreek in ieder geval bijna nooit meer klanten die helemaal geen AI gebruiken, maar wat we nu wel echt zien is, dat echt zeker sinds laatste jaar, zeker de laatste halfjaar, met name die multi-agent samenwerking, die heeft zo'n enorme vlucht genomen, dat twee jaar geleden was dit gewoon, dit was gedoemd. als je al deze agents die we nu hebben in één workflow zou rommen, die falen allemaal, omdat ze gewoon op een gegeven moment gaan ze toch hallucineren, en dan breekt één agent zo'n hele flow, en nu breekt het gewoon niet meer. En niet soms, maar het breekt gewoon helemaal niet meer. Dus als je je IT, landschap, je data, huishouding, en je menselijke processen goed genoeg kan uitlijnen, om dit te supporten, want we zien eigenlijk op al die drie fronten dat het heel vaak bedrijven toch wel moeilijk is, Mensen willen soms niet. Of ze hebben helemaal geen PIM. Of vergelijkbaar. Of ze hebben gewoon echt die data helemaal niet op orde. En ze ook niet te vinden. Dan wordt het wel een lastig verhaal. Maar als je die drie dingen genoeg aandacht en [onverstaanbaar] geeft. Dan kan je nu zoveel dingen doen. En gewoon een mooi voorbeeld. Wij hebben gewoon een klant. Die hadden op heel veel producten. Hadden ze gewoon hele crap data. Die genereren nu letterlijk 200 varianten. van elke brok productdata, voor verschillende markten, verschillende kanalen, verschillende landen, talen. En daar zien we gewoon echt 200% verhoging van de conversie, ten opzichte van een jaar geleden, like for like. Ja, dat is gewoon insane. Weet je, in een markt die echt uitdagend is en lastig, zie je gewoon dat je door dit soort dingen dingen kan doen, die je in ieder geval vorig jaar zelf niet kan doen, maar waarschijnlijk je concurrenten ook nog niet doen. Dus ik hoop dat jullie dit tof vinden, misschien super saai, weet ik niet, Maar ik vind het in ieder geval heel tof. Ja, dank u in ieder geval voor het uitleggen. Want het toch wel complexe ecosysteem wat er gebouwd is aan agents. Zijn er licht vragen vanuit de groep? Ik ben zo brutaal om hem af te kicken dan, Tachmy, als je het niet uitvindt. Allereerst, dankjewel Jan voor je verhaal. Ik denk dat je hier een groepje mede-nerds hebt gevonden die ook van dit verhaal ontzettend smurlig. Mijn vraag gaat er eigenlijk over in het ontwikkelproces. Je gaf net al aan, één uitdaging is om de data aan de klantzijde op orde te krijgen en de processen. Maar ik vroeg me af, wat is in het ontwikkelproces voor jullie nou de grootste uitdaging geweest? Met andere woorden, welk onderdeel was het moeilijkst om te bouwen? Ik denk wat het lastige is, is dat je toch zeg maar, je begint heel enthousiast met een hele brede visie. En wat gewoon met AI tegenwoordig heel moeilijk is, is het ontwikkelen is zo snel en zo makkelijk, en dat zullen jullie waarschijnlijk de meeste manier kennen, op één vrijdagmiddag heb je al heel veel gebouwd, maar vervolgens echt weten en begrijpen wat klanten willen, het dan op zo'n manier bouwen, dat het ook volgend jaar nog onderhoudbaar is, en blijft werken, en niet breekt, en echt in productie komt. Ik bedoel, ik heb het dus al twee jaar in mijn hoofd, en het is eigenlijk pas sinds een half jaar, dat het echt hard begint te lopen, en begin te schalen en performen. Die scope creep blijft gewoon een uitdaging. Er zit toch wel veel verschil in tussen klanten en goed uitvogelen van wat werkt nou echt. En wat is gewoon heel tof om het te maken. Laten we bouwen en dan een week later bedenken ik toch, ik heb er toch een week aan verspijkerd, maar eigenlijk is het voor niemand echt precies nuttig. Dat is denk ik wel de uitdaging die ik heel veel aan mijn kant zie, maar zeker ook aan de klantkant. Omdat je nu zoveel kan met AI, Wil je alles en doe je niks. Gek genoeg. Je bent met alles bezig. Iedereen is efficiënter, maar iedereen zit ook tot diep in de nacht te werken. Gek genoeg. Er zit een hele gekke dynamiek aan vast. Die een beetje gek is. Redelijk paradoxaal inderdaad. Dankjewel.
Spreker: Sebastiaan den Boer, Youwe
Bronnen
Meer over AI Agents & Shopping
Duur 0:48Desktop Commander, Claude ruimt je bureaublad op
Jop van Hooft, eCommerce AI Club
Claude ruimt zelfstandig je bureaublad op, en controleert zichzelf
Duur 1:35MCP: koppel al je tools aan AI
Jop van Hooft, eCommerce AI Club
Na een jaar MCP kun je nu Shopify, Moneybird en Gmail aan je AI koppelen
Duur 1:46Shopify Agentic Storefronts: het einde van SEO?
Tachmy Dilmy, eCommerce AI Club
Shopify opent je checkout voor AI-bots, is dit het einde van je eigen webshop?