We gebruiken bij Justmade AI-agents voor copy, SEO, development en prospectie. Niet als experiment naast ons echte werk, maar volwaardig meedraaiend in onze projecten.
En toch liep er iets mis. De agents konden veel, maar de organisatie errond kon niet volgen. Klantinformatie zat verspreid, beslissingen leefden in chats, en elke agent werkte met slechts een stukje context. Het probleem was niet dat we te weinig AI gebruikten. Het probleem was dat niets met niets praatte.
AI zonder structuur creëert geen efficiëntie. Het creëert nieuwe ruis.
Niet nog een AI-tool bovenop je bestaande stack
De voor de hand liggende oplossing is overstappen naar een platform als Lovable of een ander AI-native alternatief. Maar dat betekent je volledige stack loslaten, je codebase, je workflows, je manier van werken inruilen voor een zwarte doos waar je weinig controle meer over hebt.
Dat wilden we niet. We wilden agents die werken met de systemen die we vandaag al gebruiken: onze codebases, API's, databases, headless CMS'en, CDN's en deployment pipelines. We hoeven onze werking niet aan AI aan te passen. De agents leren werken met onze bestaande stack.
Kennen ze een tool nog niet? Dan geven we ze de documentatie en zijn ze er vaak enkele minuten later al mee aan de slag.
Elke agent, een eigen rol
Binnen StudioLayer krijgt elke agent een duidelijke rol, de juiste context en eigen skills. De ene doet research, de andere werkt aan SEO, bouwt functionaliteit, controleert resultaten of publiceert content. Ze werken samen binnen missions, voeren terugkerende processen uit en bouwen bij elke nieuwe run verder op eerdere resultaten, feedback en beslissingen.
Het zijn geen losse assistenten naast het product. Ze maken deel uit van hoe het product werkt.
Twee soorten agents, één systeem
Niet alle agents werken op dezelfde manier. Online agents draaien permanent in het platform: ze bewaken projecten, coördineren taken, bereiden werk voor en reageren wanneer er iets moet gebeuren. Ze zijn altijd beschikbaar, ook als er niemand achter een scherm zit.
Runner agents gaan een stap verder. Ze draaien lokaal op de machine zelf en kunnen effectief werken in onze bestaande stack: code aanpassen, commando's uitvoeren, testen, content publiceren en na controle ook deployen. Niet adviseren wat er moet gebeuren, maar het werk daadwerkelijk uitvoeren.
We maken ze ook steeds proactiever. Ze wachten niet tot iemand een opdracht geeft, maar signaleren zelf wat ontbreekt, stellen een volgende stap voor of bereiden werk voor dat wij alleen nog moeten controleren.
Missions en geheugen
Voor terugkerend werk gebruiken we recurring missions. Na elke run bewaren we wat er gebeurd is, welke feedback er kwam en wat beter kon. Agents beginnen niet telkens opnieuw vanaf nul, maar leren bij met elke taak die ze uitvoeren. De kwaliteit groeit mee.
Een typische mission: briefing - research - creatie - kwaliteitscontrole - menselijke goedkeuring - publicatie. Verschillende agents voeren elk een onderdeel uit. De output van de ene stap wordt context voor de volgende. De mens houdt het laatste woord.
Van interne tool naar AI operating system
StudioLayer begon als onze eigen operationele laag. Justmade is vandaag onze eerste en meest kritische testomgeving: alles wat we daar leren, bouwen we verder uit als een herbruikbaar onderdeel van StudioLayer.
We bouwen het uit als een framework waarop AI-native SaaS-producten kunnen worden gebouwd, gedraaid en verder verbeterd. Niet als nog een extra AI-tool bovenop je bestaande werking, maar als de laag waarin mensen, agents, context, tools en workflows samenkomen, binnen de stack die je al hebt en begrijpt.
Zo groeit StudioLayer stilaan van onze eigen interne infrastructuur naar een AI operating system voor digitale teams die agents echt willen laten meewerken, zonder hun controle op te geven.
