Multi-agent orchestration aan de keukentafel: Waarom opvoeden eigenlijk dynamische routing is

Overdag ben ik zelf een soort multi-agent systeem: ik bedenk logica, delegeer naar subagents en kies welk model welk stuk werk krijgt. Thuis duiken twee kinderen soms op hetzelfde klusje. In werkelijkheid vraag ik aan mijn vierjarige iets wat mijn tweejarige niet aankan, en omgekeerd. Dat is geen favoritisme. Het is routing.

Op mijn werk splitst een taak zich vanzelf. Een agent analyseert, een ander schrijft code, een derde reviewt de output. Ik ben de orchestrator: ik bepaal wie wat mag, wanneer iets opnieuw moet, en wanneer een goedkoper model volstaat. Thuis ziet het er anders uit, maar de logica voelt verrassend vergelijkbaar.

Gelijk behandelen is niet gelijk verdelen

‘Verdeel maar eerlijk’ klinkt rechtvaardig, tot je merkt dat eerlijkheid en symmetrie niet hetzelfde zijn. Een vierjarige kan een regel horen, even wachten en doorvragen. Een tweejarige leeft in momentopnames: nu, direct, opnieuw. Dezelfde taak uitdelen leidt dan niet tot gelijkheid. Soms is een taak of stuk speelgoed gewoon van een van de kinderen; dat mogen ze zich toe-eigenen.

Capability is geen vaste sticker, maar de verwerkingscapaciteit verschilt sterk. Mijn kleuter kan een langer verhaal volgen en een grote taak opsplitsen. Mijn peuter leert via herhaling en korte bursts. Vraag ik aan de peuter wat ik aan de kleuter vraag, dan krijg ik geen ‘onwillig’ kind; ik krijg een timeout. Vraag ik aan de kleuter wat de peuter aankan, dan verveelt hij zich of neemt hij alles over.

Dezelfde tool, andere snede

Mijn kleuter snijdt groente met een kinderkeukenset (Opinel Le Petit Chef) of een aardappelschilmesje onder toezicht. Mijn peuter krijgt een Kiddikutter waarmee hij enthousiast zijn banaan, kaas of sperziebonen in stukken zaagt. Geen identieke taak, wel hetzelfde ritueel van mee-helpen. Waar de een met veertien maanden voor het eerst in de hete pan mocht roeren, duurde het bij de ander ruim een jaar langer.

Elk weekend perst mijn peuter samen met mij sinaasappelsap met de Magimix. Voor hem is dat zijn taak. Wordt hij overgeslagen of wacht ik niet op hem, dan is hij boos. Mijn kleuter deed mee toen het nieuw was; de nieuwigheid is weg, dus hij wil niet elke week opnieuw. Hierin zijn ze toch anders dan AI-agents. Waar de peuter elke keer gelijke, betrouwbare resultaten levert, daagt de kleuter mijn reactiesnelheid uit door alles zo snel mogelijk (en perfect) te willen doen en dus soms te vroeg op de knop te drukken.

Dat is geen willekeur, maar capability matching. Volwassenen doen dit intuïtief: je vraagt je huisarts niet om brood, en je bakker niet om bloedwaarden. Kinderen leren die routing impliciet. Voor een knuffel gaan ze naar wie ze vertrouwen; ‘Hoe werkt dit?’ gaat naar wie de tijd neemt voor uitleg. Niet elke speler in het systeem hoeft hetzelfde te kunnen.

Geen enkel model is de default

Als je in een AI-chatvenster alles op een hoop gooit, krijg je middelmatige antwoorden. In mijn werk en in Cursor kies ik mijn tools bewust: zware frontier-modellen voor architectuur, snelle composer- of flash-varianten voor herhalende edits, ChatGPT voor visuele uitwerkingen, en Gemini voor co-creatie met mijn zoon. Voor brainstormen spreek ik vaak een model van Anthropic aan; mijn brein en archief zitten in Obsidian, en Cursor zet daar subagents op in.

Thuis voer ik exact dezelfde capability matching uit, alleen betaal ik daar niet in API-tokens, maar in mijn eigen geduld.

Ik hoef thuis geen datacenter na te bouwen. Wel wil ik dat mijn kinderen begrijpen dat ‘de AI’ geen enkel ding is. Straks staat er misschien een pratende knuffel, een AI-stickerbox of een slimme tekentablet. Een sticker-generator is geen luister-maatje. Een huisdier-AI die altijd ja zegt is geen dokter. Vraag hardop: wat kan deze AI wel, wat niet, en wat vraag ik er concreet aan?

Privacy hoort daar direct bij: naast je naam, school en foto’s horen nu ook je stem, ervaringen en dromen. Niet alles wat antwoordt, mag alles weten.

Parallel werken en co-creatie

Orchestration is niet een chatvenster openzetten en wachten; het is actief selecteren en bijsturen. Als we samen een voorleesverhaal maken of een speurtocht uitzetten, werken we parallel waar dat kan en serieel waar het moet.

Mijn kleuter voegt ideeën toe die alleen hij kan bedenken. Een sneller model helpt ons de plot te structureren, ChatGPT genereert de illustratie en met Gemini proberen we er muziek of bewegend beeld bij te maken. Met een onderwerp van mijn peuter doen we hetzelfde.

• Wat outsource je niet? Het unieke idee dat uit de koker van je kind komt. En dat wat je zelf het allerleukste vindt om te doen.
• Wat outsource je wel? De structuur, spelling in tekstballonnen en varianten bedenken als de inspiratie op is. En dat waar je geen energie van krijgt.

AI blijft gereedschap dat jouw aanwijzingen volgt, geen vervanging van je eigen inbreng.

Regels voor nu, niet voor altijd

Mijn peuter wilde maanden geleden niks van een activiteit weten; nu wil hij meedoen, tot op zekere hoogte. Mijn kleuter was ergens op uitgekeken en bedenkt uit het niets een nieuwe invalshoek.

Het AI-veld werkt exact zo. Vaste workflows verouderen zodra een stap geautomatiseerd wordt. De oplossing is flexibele regels:

• Niet: “Jij mag hier niet mee snijden”, maar: “Vandaag dit mes, volgende maand kijken we opnieuw.”
• Niet: “Voor plaatjes pakken we altijd tool X”, maar: “Deze maand werkt dit model het best, straks testen we weer.”

Dat geldt ook als er schijnbaar niets gebeurt. Als mijn peuter stil op schoot meekijkt bij het koken of bij een scherm, werkt hij niet actief mee. Maar net als bij Deep Reinforcement Learning slaat zijn interne model door ontelbare uren ‘kijktijd’ patronen op. Tot hij straks, stap voor stap, ons met een strategisch bordspel verslaat.

Dirigent, niet passagier

Blijf op de hoogte, maar verdrink niet in de release notes. Het zit hem in het ritme: probeer om de paar maanden opnieuw welk model én welk keukengereedschap past bij de huidige state.

Vraag je ook af waar jij zelf goed in bent. Ik schrijf en bedenk de flow van een verhaal graag zelf; AI challengt me, maar vervangt niet mijn stem. Tekenskills heb ik niet geërfd; daar mag een model me naar een bruikbaar niveau tillen. Mijn oudste zoon ziet al het verschil tussen een plaatje van Gemini Storybook en ChatGPT. Hij ziet ook dat ik sommige dingen zelf doe en soms hulp vraag.

Je krijgt eruit wat je erin stopt. Een generieke prompt geeft een generiek antwoord. Met je eigen woorden, je eigen sturing en een spontane gedachte van je kind wordt het resultaat bijzonder.

Kinderen die met jou meekijken terwijl jij tools mixt, leren impliciet om niet alles aan iedereen te vragen. En ik leer zelf dat ik mijn kinderen elke maand opnieuw de kans moet geven om iets te proberen wat ze gisteren nog niet konden.

Hoe comfortabel voel jij je met de verschillende AI?