Rol geen AI-stafchef uit zonder besluitenlogboek

Ik zie het patroon nu bij vrijwel elke oprichter die een AI-executive-assistent uitprobeert. Ze beginnen enthousiast: de inbox wordt getrieerd, meetings worden voorbereid, follow-ups worden geschreven. Vijf tot acht uur per week terug — dat is reëel, dat is wat de huidige generatie tools belooft en grotendeels levert.

Maar na een paar weken komt de echte vraag boven. Niet "hoe houd ik mijn agenda bij?" maar: "waarom hebben we dit eigenlijk besloten, en wie heeft het goedgekeurd?"

Dat is het moment waarop het hele verhaal kantelt. Want planning en notities zijn nooit het probleem geweest van een oprichter of COO. Het probleem is besluitvorming die zich verspreidt zonder bronspoor. Een AI-assistent die alleen samenvat en uitvoert, maakt dat probleem niet kleiner. Hij maakt het sneller.

Hier zit het fundamentele misverstand. Een samenvatting vertelt je wát er besproken is. Een besluitenlogboek vertelt je wát er besloten is, waarom, door wie, en met welke verwachte impact. Dat is een ander soort document. Notulen registreren een discussie; een besluitenlogboek legt de afweging vast — de alternatieven die overwogen zijn en de context waarin de keuze viel.

AI-assistenten zijn fenomenaal in het eerste en standaard blind voor het tweede. Ze genereren gepolijste action items op machinesnelheid, maar het onderliggende redeneerproces wordt steeds ondoorzichtiger naarmate ze proactiever worden.

En dan ontstaat het gevaarlijke. De assistent vat een Slack-thread samen, schrijft een follow-up in Gmail, werkt een deal-fase bij in HubSpot — en niemand kan achteraf reconstrueren of dat een besluit was, een aanname, of een hallucinatie. Je hebt schijnbare alignment. Iedereen denkt dat er iets is afgesproken, niemand kan zeggen wat precies, of waarop het gebaseerd was.

Het onderzoek naar AI in governance noemt dit met scherpe termen, en ik herken ze allemaal uit de praktijk.

Stille fouten: systematische vergissingen en biases planten zich voort omdat er geen spoor is om terug te kijken hoe of waarom een beslissing tot stand kwam. Automation bias: mensen stoppen met verifiëren omdat het systeem "meestal gelijk had". En verlies van uitlegbaarheid: zodra iemand — een investeerder, een auditor, een partner — vraagt waarom een actie genomen is, sta je voor een black box.

Voor een operator vertaalt zich dat heel concreet. Dubbele commitments, omdat twee mensen op basis van dezelfde vage samenvatting tegenstrijdige toezeggingen deden aan een klant. Een Pipedrive-deal die in de verkeerde fase staat omdat de assistent een e-mail verkeerd interpreteerde. Een Linear-ticket dat geprioriteerd werd op een aanname die niemand ooit expliciet heeft gemaakt.

Dat noem ik operationele schuld. Het stapelt zich op, onzichtbaar, tot het moment dat je het echt nodig hebt om iets te reconstrueren — en dan is het er niet.

Dit is niet alleen een ongemak. In gereguleerde omgevingen zijn besluitenlogboeken het audit trail dat naleving van SOX, GDPR, ISO en vergelijkbare kaders ondersteunt. De inzet is kwantificeerbaar: in boekjaar 2025 inde de Amerikaanse SEC alleen al 4,8 miljard dollar aan boetes voor overtredingen van de effectenwetgeving — een groot deel daarvan terug te voeren op gebrekkige documentatie en herleidbaarheid.

In een AI-gedreven omgeving betekent het ontbreken van een verdedigbaar besluitenspoor regelrechte blootstelling. Aan regelgevende sancties. Aan het verlies van vertrouwen bij klanten en partners op het moment dat je een actie niet kunt uitleggen. En aan operationeel risico, omdat een root-cause-analyse onmogelijk wordt als er fouten of incidenten optreden.

Voor een oprichter die opschaalt is dat geen abstract risico. Het is het verschil tussen een due diligence die soepel verloopt en eentje waarin je antwoorden moet improviseren.

Een AI-stafchef wordt pas waardevol als elke aanbeveling, follow-up en escalatie terugwijst naar één besluitenlogboek. En dat logboek heeft vier velden die niet mogen ontbreken: wat is besloten, door wie, op welke datum, en op basis van welke geldige bron.

Dat laatste — bronattributie — is waar de meeste opzetjes falen. Een AI-ondersteund logboek moet altijd aangeven dat AI gebruikt is én het bronmateriaal citeren dat aan de beslissing ten grondslag lag. Zonder die verwijzing naar de oorspronkelijke e-mail, het document of de thread is je logboek niet herleidbaar; het is gewoon een tweede laag samenvatting.

De goede aanpak is logging by default. Elke actie van de assistent die een zakelijke uitkomst raakt, wordt vastgelegd. Niet als naderhand toegevoegde plicht, maar ingebouwd in de kern van de workflow. Het verschil tussen een geweldige stafchef en een takenlijst-app zit precies hier: een goede stafchef weet niet alleen wát er moet gebeuren, maar kan je op elk moment vertellen waarom het op de agenda staat en waar dat besluit vandaan komt.

Bij Moments proberen we die laag standaard aanwezig te laten zijn, juist omdat het systeem al verbonden is met je mail, agenda, contacten en documenten — de bron zit er al in. Het punt is niet welk merk je kiest. Het punt is dat je geen assistent uitrolt die wel uitvoert maar niets verantwoordt.

Eén waarschuwing uit het onderzoek wil ik niet wegmoffelen: AI mag het logboek opstellen, maar een mens moet het reviewen, valideren en goedkeuren — zeker bij beslissingen met hoge inzet.

De valkuilen zijn voorspelbaar. Vage prompts leveren generieke, onbetrouwbare entries op; "schrijf een logboekregel" zonder structuur geeft je ruis. Geen menselijke review betekent dat fouten zich ongezien voortplanten. En geen bronattributie maakt het hele logboek waardeloos op het moment dat het ertoe doet.

Mijn praktische lijn voor operators: laat de AI de eerste versie schrijven van elk besluit dat hij namens jou raakt — een prijswijziging, een toezegging aan een klant, een escalatie naar het team. Stel het zo in dat het logboek bijgewerkt blijft en gestructureerd is op die vier velden. En review wekelijks de entries met impact. Tien minuten. Dat is geen overhead; dat is het verschil tussen een assistent die je vertrouwt en een die je heimelijk dubbel controleert.

Want uiteindelijk is herleidbaarheid niet de rem op AI-adoptie. Het is de voorwaarde ervoor. Alleen organisaties met een verdedigbaar, controleerbaar besluitenspoor kunnen AI veilig én competitief opschalen. De rest bouwt op zand.