AI & I

🛠 Wat er gebeurt als iedereen in je team een eigen AI-agent heeft

Open in Readwise →

Hoofdonderwerpen

  • Iedereen bij Every heeft nu een eigen AI-agent (ze noemen ze 'plus ones' of 'claws') die meewerkt in Slack — niet één centrale bedrijfs-AI, maar een persoonlijke agent per medewerker die een reflectie wordt van die persoon.
  • OpenClaude (open source framework waarmee je Claude Code als autonome agent op een eigen machine draait, met toegang tot tools, geheugen en integraties) als basis, plus hun eigen gehoste versie genaamd Plus One.
  • Hoe deze agents met elkáár samenwerken in een gedeeld Slack-kanaal — en hoe dat een 'parallelle org chart' van gespecialiseerde bots oplevert.
  • Praktische problemen: geheugen, groepsdynamiek (bots die elkaar in oneindige loops praten), skill-sharing tussen agents, en trust-model.
  • Wat werkt en wat niet als je dit écht elke dag in een bedrijf gebruikt.

Key insights — hoe Every AI gebruikt

  • Persoonlijke agent = reflectie van de eigenaar. Brandon's agent Zosia regelt zijn huishouden (boodschappen, nanny betalen, Whole Foods bestellingen via iMessage). Dan's agent r2c2 beheert hun interne tool Proof. Austin's agent Montane beantwoordt alle growth-vragen. Omdat elke agent leert van zijn 'partner' (via een sole document — een soort persoonlijkheids-instructie die de agent zelf kan aanpassen) wordt hij een specialist in dat domein.
  • Tacit transmission of trust: doordat agents publiek in Slack opereren zien collega's wát een bepaalde agent kan, en leren ze waar ze naartoe moeten met welke vraag. Dat is iets anders dan generieke Claude — want Montane heeft Austin's reputatie achter zich.
  • Computer errands als ingang: kleine terugkerende digitale klusjes (boter toevoegen aan Amazon-bestelling, verzekering bellen, swemles zoeken) waarvoor je normaal je telefoon pakt.
  • Agents bellen jou in plaats van andersom: Brandon laat Zosia hem bellen tijdens een wandeling om zijn inbox door te nemen — via Bland.ai (SaaS voor AI-voice-calls met een belbare phone number).
  • Etiquette voor wanneer je de mens vs. de agent aanspreekt: als iets al ergens is opgeschreven of vastgelegd → altijd de plus one. Alleen escaleren naar de mens als het echt nodig is.
  • Specialisatie wint het van één god-model: zelfs binnen Anthropic's vending machine experiment werkte het pas toen er een 'boss agent' bijkwam die beslissingen checkte.

What to Build

1. Persoonlijke iMessage-assistent voor 'computer errands' (Zosia-style)

Wat het is: Een AI-agent bereikbaar via iMessage/SMS die kleine digitale klusjes afhandelt — leveranciers mailen, bestellingen toevoegen, research doen, zelfs bellen.

Hoe Brandon het bouwde:

  • Mac Mini als always-on host
  • OpenClaude als agent-framework (Claude Code in autonome mode met tools)
  • iMessage-bridge (Mac kan native iMessage sturen/ontvangen)
  • Bland.ai voor voice-calls (kun je een telefoonnummer geven, geeft een prompt aan de AI mee)
  • Eigen debit card + bankrekening voor de agent
  • Amazon/Whole Foods accounts aan Zosia gekoppeld

Web research / bestaande implementaties:

  • iChatWithGPT (ichatwithgpt.com) — iMessage-AI, werkt ook met Siri/CarPlay
  • Sidekicks (sidekicks.chat) — SMS-nummer +1 628 213 4346, geen app nodig
  • Ohai (O) (ohai.ai) — family coordination via tekst: agenda, lijstjes, e-mail scannen
  • Pi van Inflection — meer gesprekspartner dan doener

Analyse: bestaande diensten zijn goed in lijstjes/herinneringen maar zwak in écht transacties doen (betalen, bestellen). Daar ligt de echte winst voor Brandon's aanpak. Nadeel: Mac Mini setup is fragiel, PCI-compliance voor betalingen is serieus werk. Voor een ondernemer: begin met low-stakes taken (research, e-mail triage) voordat je financial tools aan de agent hangt.

Stappenplan voor Stooker:

  1. Start simpel: Twilio SMS nummer (~$1/maand) + Next.js webhook op Vercel → Claude API
  2. Systemprompt met context over Stooker (welke leveranciers, welke tools, toon)
  3. Eerste use cases: 'voeg X toe aan mijn bestellijst bij leverancier Y', 'zoek uit wanneer die bonencontainer aankomt', 'stuur kort antwoord naar die klantmail'
  4. Data in Supabase: context over leveranciers, klanten, terugkerende taken
  5. Later: Bland.ai integratie voor telefoontjes (bijv. naar verzekeraar of logistiek partner)
  6. Pas wanneer dit stabiel draait: koppel financial tools (Stripe/banking API) — en altijd met human-in-the-loop approval

2. AI belt jou om je inbox door te nemen (tijdens wandelen/fietsen)

Wat het is: Agent belt je op, leest e-mails één voor één voor, jij zegt 'archive', 'reply met X', 'later', agent voert het uit. Web research bevestigt: dit bestaat nog niet kant-en-klaar.

Hoe Brandon het bouwde: één throwaway prompt naar Zosia ('bel me en loop m'n inbox door, geef per mail een samenvatting'). Werkte direct omdat Zosia al Gmail + Bland.ai tools had.

Web research: geen bestaande oplossingen gevonden. Wel bouwstenen: Twilio Voice of Bland.ai voor telefonie, OpenAI Realtime API (speech-to-speech model dat natuurlijk gesprekken kan voeren zonder merkbare vertraging) voor de conversatie, Gmail API voor inbox-toegang. Alle email-triage tools werken tekst/dashboard, geen voice.

Analyse: Dit is een gat in de markt. Voor jou als ondernemer die veel onderweg is (roasterij, cafés, afspraken) mega waardevol. Grootste risico: privacy (AI leest mails voor over publieke telefoonlijn) en hallucinaties (verkeerd archiveren). Moet in 'bevestig voor actie' modus.

Stappenplan:

  1. Bland.ai account + Gmail OAuth in een Next.js app
  2. Cron job op Vercel: 's morgens om 8u trigger je een 'bel mij' endpoint via Slack-slash-command of Shortcut op iPhone
  3. Backend haalt ongelezen mails op, stuurt ze als context naar Bland.ai met instructie 'loop ze door, vraag per mail wat ik wil'
  4. Elk voice-command (reply, archive, flag) triggert Gmail API-call
  5. Supabase logt elke actie voor audit
  6. Variatie: niet bellen maar WhatsApp-voicenotes — iPhone Shortcut + OpenAI Whisper + Claude + text-to-speech

3. Gedeeld Slack-kanaal waar meerdere AI-agents samenwerken

Wat het is: Een 'claws-only' kanaal waar alle agents van het team elkaar kunnen taggen, skills delen en samen taken oppakken. Plus: mensen kunnen andermans agent taggen om iets te vragen zonder die persoon zelf te storen.

Hoe Every het bouwde: elk teamlid heeft een eigen Plus One (gehoste OpenClaude). Allemaal verbonden met dezelfde Slack-workspace. Design-regel: alle agent-communicatie publiek (in kanalen of group DMs), nooit privé DMs met andermans agent — zo blijft trust transparant.

Web research / bestaande implementaties:

  • SlackAgents (EMNLP 2025 paper) — decentraal multi-agent framework voor Slack
  • Slack Agentforce (Salesforce native) — agents als Slack-teammates
  • Relevance AI — multi-agent 'Workforces' in Slack met keyword triggers
  • MindStudio — multi-channel deployment Slack/Teams

Analyse: native Slack-tools (Agentforce) zijn snelste weg maar lock-in en duur. Custom bouwen via Slack Bolt SDK + Claude API geeft je volledige controle. Kritisch punt uit de podcast: bots kunnen in 'death spiral' raken (elkaar oneindig pingen, tokens verbranden) — je hebt een orchestrator of rate-limit per thread nodig.

Stappenplan voor Stooker (als je team groeit):

  1. Slack Bolt (Node/TypeScript) app op Vercel
  2. Per teamlid een 'agent identity' in Supabase: naam, sole document (persoonlijkheid + expertise), tool-access
  3. Claude API als brein, MCP (Model Context Protocol — Anthropic's standaard om AI veilig met externe tools te laten praten) voor tool-toegang
  4. Regels in system prompt: 'alleen reageren als getagged of als het expliciet helpt', 'max 2 replies per thread zonder menselijke input'
  5. Start met 2 agents (bijv. jouw agent + operations-agent) voordat je opschaalt
  6. Audit-kanaal waar álle agent-acties gelogd worden

4. Agent-native document editor (Every's Proof)

Wat het is: Google Docs-achtig, maar gebouwd voor AI-agents die samenwerken met mensen op documenten. Real-time collaboratief, meerdere agents + mensen tegelijk, read-only optie, bugs/feedback via agent.

Web research:

  • AGENTS.md (Builder.io) — Markdown-conventie voor AI-editinstructies, builder.io/blog/agents-md
  • Cursor Plan Mode — genereert editbare Markdown plannen, cursor.com/blog/agent-best-practices
  • arXiv prototype (arxiv.org/html/2509.11826v1) — collaborative AI-embedded editor
  • Craft Docs Agent — doet bug triage tegen code diffs

Analyse: voor specialty coffee overkill om dit zelf te bouwen. Maar het onderliggende patroon — 'een plek waar agents + mensen dezelfde structured content editen' — is waardevol. Voor Stooker: denk aan gedeelde SOP-documenten, brewing recipes, of supplier-contracten.

Stappenplan lichte versie:

  1. Notion + Notion's nieuwe Custom Agents (agents die Notion pages lezen/schrijven op schema of trigger)
  2. Of: Supabase-backed simple Tiptap editor (Next.js component voor rich-text editing met realtime collaboratie) + Claude API die pages kan editen via function calls
  3. MVP use case: 'SOP-document voor nieuwe barista' waar jouw agent updates kan voorstellen op basis van feedback uit de café-Slack

5. Gehoste Plus One voor eigen team (wat Every als product bouwde)

Wat het is: One-click OpenClaude zonder Mac Mini. Elke medewerker krijgt een eigen agent met toegang tot Slack, Notion, email, etc.

Web research:

  • Claude MCP verbindt Claude met 150+ apps — de fundering hiervoor
  • Notion Custom Agents — schedule/event triggers, cross-tool context
  • Documented case: Claude Code automatiseert agency workflows (Notion → HTML decks → SOPs in 3 min)

Analyse: voor een team van ~10 man hoef je dit niet te bouwen — je kunt Plus One zelf proberen (every.to/plus-one) of Claude Desktop + MCP servers gebruiken. Voor Stooker is de echte les: specialisatie per medewerker. Jij hebt andere context nodig dan je head roaster of je café-manager.

Takeaways voor Stooker

  • Begin persoonlijk, niet bedrijfsbreed. Brandon's aha-moment kwam via huishoudelijke computer errands, niet via werk. Bouw eerst iets dat jouw eigen paper cuts oplost (leveranciers chasen, mail triage onderweg tussen cafés) voordat je het team-breed uitrolt.
  • Publieke agent-interactie creëert vanzelf trust en onboarding. Als jouw agent in een team-Slack opereert zien collega's wát-ie kan en leren ze zelf waar ze hem voor kunnen inzetten — geen training nodig.
  • Specialisatie > één god-model. Een Montane voor growth, een Iris voor operations. Voor Stooker: een 'inkoop-agent' met context over groene bonen-leveranciers en prijzen werkt beter dan één generieke bedrijfs-AI.
  • De echte frontier zit in groepsdynamiek. Agents die elkaar taggen werken, maar loopen snel door. Bouw rate-limits en 'alleen reageren als het helpt' in vanaf dag 1.
  • B Corp-angle: Brandon's punt dat zijn agent zijn reputatie draagt ('als r2c2 iets verkloot voel ik me verantwoordelijk') past perfect bij een waardegedreven bedrijf. Je kunt agents aan je waarden koppelen — niet alleen aan taken.
  • Stack-wise: jouw Next.js + Supabase + Claude combo is exact genoeg om versies 1-3 hierboven te bouwen. MCP is de missing piece die je moet leren — dat ontsluit al je tools (Gmail, Slack, Notion, Stripe, Lightspeed) op een gestandaardiseerde manier voor de agent.

Gerelateerd