Er is een verschil tussen leren en het gevoel hebben dat je geleerd hebt. De meeste bedrijven leven in dat tweede. Er gaat iets mis, iemand lost het op, iedereen knikt begrijpend, en een half jaar later gaat exact hetzelfde weer mis. Niet omdat men dom is, maar omdat de les van de eerste keer nergens is opgeschreven op een manier waar je de volgende keer iets aan hebt. De kennis zat in het hoofd van één iemand, en die was er op het cruciale moment net niet.

Ik heb daar een gewoonte tegen ingebouwd die ik “zero-repeat” noem: van elke fout een preventieregel maken. Het idee is simpel, de discipline om het vol te houden is het echte werk, en er zit één valkuil in die ik hard heb geleerd. Die deel ik ook.

Van incident naar regel#

Het principe: elke keer dat er iets misgaat, iets kapotgaat, een aanname verkeerd blijkt, wordt dat niet alleen opgelost, maar ook omgezet in een korte regel. Die regel bestaat uit drie stukken. Een beschrijving van het patroon, kort en abstract genoeg dat hij ook geldt voor een volgende situatie die er alleen maar op lijkt. De regel zelf, in de vorm van “doe voortaan dit”. En het waarom, zodat de regel niet als een willekeurig gebod voelt maar als iets dat je begrijpt en dus onthoudt.

Een concreet voorbeeld uit mijn eigen praktijk. Ik had ooit een statistiek die de huidige periode vergeleek met een vast venster van precies één dag. Vroeg je om de cijfers over dertig dagen, dan werd de teller wel dertig keer zo groot, maar de vergelijkingsbasis bleef die ene dag. Het resultaat waren percentages die wiskundig klopten maar volslagen onzin waren. De preventieregel die daaruit kwam is kort en tijdloos: vergelijk altijd de huidige periode met een even lange vorige periode. Dertig dagen tegen de dertig dagen daarvoor, een dag tegen gisteren. Die ene zin voorkomt een hele familie van soortgelijke fouten, niet alleen de exacte die me overkwam.

Dat is de kracht van abstractie. Een regel die alleen het letterlijke incident afdekt, helpt je één keer. Een regel die het onderliggende patroon vangt, helpt je bij elke variant die je nog niet hebt zien aankomen.

Waarom automatisering hier verschil maakt#

Zo’n regel opschrijven kost een minuut. Het probleem is niet de minuut, het probleem is dat niemand hem neemt op het moment dat het telt. Je hebt net een probleem opgelost, je bent opgelucht, en je wilt door. De les vastleggen voelt als huiswerk terwijl je al klaar bent.

Daarom heb ik dat moment geautomatiseerd. Aan het einde van een werksessie kijkt een geautomatiseerd stapje mee: is hier iets misgegaan waar een les uit te trekken valt? Zo ja, dan wordt daar automatisch een concept-preventieregel van gemaakt. Ik hoef er niet aan te denken op het slechtste moment om eraan te denken. Het gebeurt vanzelf, precies als de les nog vers is.

Maar, en dit is belangrijk, die automatisch gegenereerde regel is een concept, geen wet. Hij belandt eerst in een wachtruimte, een soort voorportaal. Pas als ik zie dat een bepaald patroon zich echt herhaalt, dat het niet een eenmalig toeval was maar iets structureels, promoveer ik de regel tot een vaste regel die overal geldt. Mijn vuistregel: pas na de tweede keer dat een patroon opduikt, wordt het een blijvende regel. Eén keer kan pech zijn. Twee keer is een patroon, en patronen verdienen een regel.

De kanttekening die ik hard heb geleerd#

Nu het eerlijke deel, want dit systeem heeft een schaduwkant die ik onderschat had. Het genereren van die preventieregels laat ik doen door een goedkoop Ai-model. Dat is bewust: het is simpel classificatiewerk, daar hoef je geen duur model op los te laten. Maar een goedkoop model dat losgelaten wordt op “vind hier de les” heeft een neiging die je moet kennen.

Zo’n model is afgesteld om vooral niets te missen. Liever tien keer een les zien waar er geen is, dan één echte les over het hoofd zien. Het gevolg: het produceert een berg concept-regels, en een flink deel daarvan is ruis. Bijna-duplicaten van elkaar. Regels die eigenlijk niks zeggen. Halve zinnen die ergens afbreken. Zelf-reflecties in de trant van “de assistent leerde vandaag iets” die geen enkele bruikbare regel bevatten. Laat je dat ongefilterd doorstromen, dan vervuil je je eigen kennisbank met troep, en verdrinkt de enkele scherpe regel in tientallen loze.

De oplossing was niet om een duurder model te nemen, maar om er een filter achter te zetten. Concepten die de typische kenmerken van ruis vertonen, worden automatisch gedegradeerd tot “ter observatie” in plaats van doorgeschoven als kandidaat-regel. Te kort, te lang, begint met een zelf-reflectie in plaats van een patroon: weg ermee, of in elk geval niet automatisch de wachtrij in. En bijna-duplicaten worden tegen elkaar afgestreept, zodat je niet vijf varianten van dezelfde regel krijgt.

De diepere les hier is er een die voor élke Ai-pijplijn geldt die dingen classificeert: een goedkoop model is geoptimaliseerd om niets te missen, niet om precies te zijn. Reken daarop. Zet een filter aan de uitkant dat de valse treffers eruit haalt, en houd een mens als eindredacteur die beslist wat een echte regel wordt. Dat filter is goedkoper dan het model bijtrainen en eerlijker dan achteraf de rommel opruimen. En de mens in de lus is geen zwakte van het systeem, het is de kwaliteitsgrens.

Wat betekent dit voor jouw bedrijf?#

Je hebt geen agents of Ai-modellen nodig om aan zero-repeat te beginnen. Het principe is een houding: elke fout is een kans om er eenmalig van te leren in plaats van er herhaaldelijk in te trappen. Wat je nodig hebt is een vaste plek waar die lessen landen, en het gebruik om ze op te schrijven op het moment dat ze vers zijn.

  • Leg de les vast op het moment zelf. Niet later, want later komt niet. Meteen na het oplossen, in een paar zinnen: wat ging er mis, welke regel voorkomt herhaling, en waarom.
  • Maak de regel abstract genoeg. Beschrijf het patroon, niet alleen het exacte incident. Dan dekt één regel een hele familie van soortgelijke missers.
  • Promoveer pas bij herhaling. Niet elk incident hoeft meteen een ijzeren regel te worden. Zie je een patroon een tweede keer, dan is het rijp om vast te leggen.
  • Als je Ai het werk laat doen: filter en houd de eindregie. Een goedkoop model levert veel, maar veel daarvan is ruis. Zet een filter ertussen en laat een mens beslissen wat een echte regel wordt.

Het resultaat is een bedrijf dat elke fout maar één keer maakt. Dat klinkt bescheiden, maar tel eens op hoeveel tijd, geld en frustratie er weglekt aan problemen die je al eens eerder hebt opgelost.

Zelf aan de slag#

Wil je verkennen hoe je zo’n leer-lus in je eigen processen bouwt, zonder dat je erin verzuipt, kijk dan op de consulting-pagina hoe ik werk. En om die preventieregels ergens vast te leggen waar je Ai ze ook echt terugvindt, helpt de gratis kennisbank voor Ai in één dag.