1
Agent Operating Model
vps1_gitea_admin edited this page 2026-03-31 15:48:39 +00:00

Agent Operating Model

1. Overzicht

Dit document beschrijft het voorstel voor de inrichting van agentrollen, hun samenwerking, autonomiegrenzen en het werkmodel voor de ontwikkeling en werking van het innovatieplatform.

Er zijn twee lagen van agents:

  1. Bouwagents — agents die helpen bij het ontwerpen en bouwen van het platform
  2. Platformagents — agents die in het uiteindelijke platform opereren als onderdeel van de AI-laag

2. Bouwagents: Agentrollen voor ontwikkeling

2.1 Orchestrator

Rol: Coördinatie, planning, kwaliteitsbewaking

Verantwoordelijkheden:

  • Vertaalt opdrachten naar taken voor specialistische agents
  • Bewaakt samenhang en consistentie tussen outputs
  • Consolideert resultaten
  • Signaleert conflicten en open vragen
  • Escaleert beslissingen die mensvalidatie vereisen

Autonomie: Mag taken verdelen en coördineren; mag geen architectuurbeslissingen nemen zonder validatie

2.2 Domein- & Productarchitect

Rol: Domeinmodellering, productvisie, functioneel ontwerp

Verantwoordelijkheden:

  • Uitwerking domeinmodel en informatiemodel
  • Functionele decompositie
  • Gebruikersscenario's
  • Acceptatiecriteria

Autonomie: Mag voorstellen doen; definitieve domeinbeslissingen vereisen mensvalidatie

2.3 Solution Architect

Rol: Technische architectuur, integratieontwerp, technologiekeuzes

Verantwoordelijkheden:

  • Systeemarchitectuur ontwerp
  • Technologieselectie en -motivering
  • Integratiepatronen
  • Performance- en schaalbaarheidsontwerp
  • Security-architectuur

Autonomie: Mag technische keuzes maken op basis van best practices; fundamentele architectuurwijzigingen vereisen mensvalidatie

2.4 Backend Engineer

Rol: Laravel-ontwikkeling, API-ontwerp, domeinimplementatie

Verantwoordelijkheden:

  • Laravel-applicatie bouwen
  • Database-migraties en models
  • API-endpoints
  • Business logic en services
  • Tests

Autonomie: Mag code schrijven conform goedgekeurd ontwerp; architectuurafwijkingen vereisen review

2.5 Frontend / UX Engineer

Rol: Vue-ontwikkeling, interface-implementatie, interactieontwerp

Verantwoordelijkheden:

  • Vue-componenten bouwen
  • Layout en navigatie
  • Interactiepatronen
  • Responsive design
  • Component tests

Autonomie: Mag bouwen conform goedgekeurd design; visuele keuzes volgen de stijlgids uit het designinterview

2.6 Data & Informatiemodelleur

Rol: Database-ontwerp, datamigratie, informatiestructuur

Verantwoordelijkheden:

  • Database-schema ontwerp
  • Migratiescripts
  • Seed data
  • Query-optimalisatie
  • pgvector-configuratie

Autonomie: Mag schema-wijzigingen voorstellen; destructieve wijzigingen vereisen review

2.7 AI / Agent Engineer

Rol: AI-service ontwikkeling, RAG-pipeline, agentlogica

Verantwoordelijkheden:

  • Python AI-service bouwen
  • LangGraph-workflows ontwerpen
  • RAG-pipeline implementeren
  • Prompt engineering
  • Agent-tools ontwikkelen

Autonomie: Mag AI-logica implementeren; prompts en agentgedrag vereisen review vanwege impact op gebruikerservaring

2.8 DevOps / Platform Engineer

Rol: Infrastructuur, deployment, monitoring

Verantwoordelijkheden:

  • Docker-configuratie
  • Deployment-scripts
  • Monitoring opzetten
  • Backup-strategie
  • CI/CD (wanneer relevant)

Autonomie: Mag infra-configuratie maken; productie-wijzigingen vereisen validatie

2.9 Security / Governance Specialist

Rol: Beveiligingsreview, compliance, autorisatieontwerp

Verantwoordelijkheden:

  • Security review van code en architectuur
  • Autorisatiemodel ontwerp
  • Audit logging
  • Compliance-check

Autonomie: Mag security-issues signaleren en fixes voorstellen; blokkeert niet-veilige releases

2.10 Document & Overdrachtsontwerper

Rol: Documentstructuur, overdrachtsprocessen, kennisontwerp

Verantwoordelijkheden:

  • Documentatiestructuur ontwerpen
  • Overdrachtsprocessen definiëren
  • Templates voor projectdocumentatie
  • Kennistaxonomie

Autonomie: Mag structuurvoorstellen doen; proceswijzigingen vereisen mensvalidatie


3. Werkmodel

3.1 Orchestrator-model

                    ┌──────────┐
                    │  MENS    │
                    │(opdracht-│
                    │ gever)   │
                    └────┬─────┘
                         │ opdracht + validatie
                         ▼
                    ┌──────────┐
                    │ORCHESTR. │
                    └────┬─────┘
                         │ taken + review
           ┌─────────────┼─────────────┐
           ▼             ▼             ▼
     ┌──────────┐ ┌──────────┐ ┌──────────┐
     │Specialist│ │Specialist│ │Specialist│
     │  Agent   │ │  Agent   │ │  Agent   │
     └──────────┘ └──────────┘ └──────────┘

3.2 Workflow per taak

  1. Opdracht ontvangen — Orchestrator ontvangt opdracht van mens of vanuit plan
  2. Decompositie — Orchestrator splitst in deeltaken per specialisatie
  3. Uitvoering — Specialistische agents voeren uit (parallel waar mogelijk)
  4. Review — Orchestrator reviewt outputs op samenhang en kwaliteit
  5. Consolidatie — Resultaten worden samengebracht
  6. Validatie — Output wordt voorgelegd aan mens indien nodig
  7. Integratie — Goedgekeurde output wordt verwerkt

3.3 Wat door mensvalidatie moet lopen

Categorie Voorbeeld Waarom
Architectuurbeslissingen Keuze voor framework, database-schema wijziging Langetermijnimpact
Domeinmodelwijzigingen Nieuwe entiteiten, gewijzigde relaties Beïnvloedt hele applicatie
UX/designkeuzes Kleurenpalet, navigatiestructuur, layoutkeuzes Subjectief, merkidentiteit
Scopewijzigingen Features toevoegen of schrappen Strategisch
AI-gedrag Prompttemplates, autonomiegrenzen Gebruikerservaring
Security-bevindingen Kwetsbaarheden, autorisatiewijzigingen Risico
Overdrachtsprocessen Criteria, workflows Organisatorisch

3.4 Wat autonoom mag worden uitgevoerd

Categorie Voorbeeld Voorwaarde
Code schrijven Implementatie conform ontwerp Binnen goedgekeurd design
Tests schrijven Unit, feature, integratie Altijd
Bugfixes Duidelijke bugs in bestaande code Geen architectuurwijziging
Documentatie Code-documentatie, README's Altijd
Refactoring Kleine verbeteringen Geen functionele wijziging
Dependency-updates Minor/patch updates Geen breaking changes

4. Platformagents: Agents in het uiteindelijke product

4.1 Overzicht

Zie AI- en Agentstrategie voor de volledige beschrijving. Samengevat:

Agent Doel Autonomie
Projectassistent Samenvatten, analyseren, signaleren Laag
Kennisassistent Zoeken, ophalen, presenteren Laag
Documentassistent Structureren, suggereren, concept-generatie Midden
Analysator Portfolioanalyse, trends, checks Laag
Systeemtaken Embeddings, tagging, caching Hoog

4.2 Beslisbaarheid en uitlegbaarheid

Elk agentisch resultaat moet:

  • Traceerbaar zijn — welke agent, welke input, welke bronnen
  • Uitlegbaar zijn — waarom dit resultaat, op basis van wat
  • Controleerbaar zijn — mens kan altijd verifiëren en overrulen
  • Gelogd worden — voor audit en kwaliteitsverbetering

5. Logging en terugkoppeling

Bouwproces

  • Alle agenttaken worden gelogd (wat, wie, wanneer, resultaat)
  • Elke validatiestap wordt vastgelegd
  • Beslissingen worden gedocumenteerd met motivatie
  • Afgewezen voorstellen worden bewaard (met reden)

Platformoperatie

  • Alle AI-interacties worden gelogd
  • Gebruikersfeedback wordt gekoppeld aan AI-responses
  • Periodieke review van AI-kwaliteit en -gedrag
  • Anomaliedetectie op agent-output

6. Grenzen en escalatie

Escalatiepaden

Agent detecteert onzekerheid
        │
        ├── Technische onzekerheid ──▶ Orchestrator ──▶ Solution Architect
        │
        ├── Domeinonzekerheid ──▶ Orchestrator ──▶ Mensvalidatie
        │
        ├── Designonzekerheid ──▶ Orchestrator ──▶ Designinterview
        │
        └── Securityconcern ──▶ Direct naar mens + Security specialist

Nooit door agents

  • Productie-deployment zonder menselijke trigger
  • Data-verwijdering zonder expliciete bevestiging
  • Communicatie naar externen
  • Budgettaire beslissingen
  • Wijzigingen aan autorisatiemodel zonder review

7. Evolutie van het model

Dit operating model is een startpunt. Na de MVP-fase wordt geëvalueerd:

  • Welke rollen daadwerkelijk waarde toevoegen
  • Waar autonomie kan worden vergroot
  • Waar extra menscontrole nodig blijkt
  • Welke agents in het platform het meest worden gebruikt
  • Waar de kwaliteit van AI-output verbeterd moet worden

Het model groeit mee met het platform en het team.