WhatsApp als AI-interface: hoe Boomer planning afhandelt zonder app

Toen we Boomer begonnen, was de aanname dat we een mooie planning-app zouden bouwen. Schone interface, push-notificaties, een vrolijke onboarding. Dat hebben we ook gebouwd. En toen ontdekten we dat negen van de tien flexwerkers de app na drie weken niet meer opende.

Niet omdat het slecht ontworpen was. Maar omdat ze het werk via WhatsApp deden. Daar zit hun groepschat met collega's. Daar appt de planner ze sowieso al. En één ding meer in een app openen — daar hadden ze geen geduld voor.

Dus draaiden we het om. In plaats van mensen naar een app trekken, brachten we de planning naar het kanaal waar ze al zaten. Een AI-agent die werkverzoeken afhandelt, beschikbaarheid checkt en diensten toewijst — allemaal via WhatsApp. De planner ziet alles in het dashboard, de medewerker ziet één gesprek in z'n app-lijstje. Dit is wat we onderweg leerden.

Waarom WhatsApp en geen eigen app

Drie redenen, in volgorde van impact.

Het kanaal is al open. De gemiddelde Nederlandse flexwerker heeft WhatsApp 24/7 actief. Een notificatie komt aan zoals een normale chat. Er is geen onboarding, geen app-store, geen wachtwoord. We meten responstijden onder vijf minuten op berichten die buiten kantooruren worden verstuurd — iets wat met een eigen app onhaalbaar is.

Geen leercurve. Mensen weten al hoe WhatsApp werkt. We hoeven niemand uit te leggen hoe je antwoordt op een bericht. De AI vraagt iets, de medewerker typt of stuurt een knop terug. Dat is alles.

Het schaalt zonder distributie-investering. Een eigen app betekent: marketing, store-reviews, updates, OS-compatibility. WhatsApp Business API betekent: één integratie, alle telefoons werken. Dat verschoof onze focus van app-onderhoud naar de daadwerkelijke planning-logica.

De architectuur in één plaat

Onder de motorkap zit een vrij standaard stack:

• WhatsApp Business API voor het bericht-verkeer (via een BSP — wij gebruiken een Europese provider om binnen GDPR te blijven)
• Een berichten-webhook die elk inkomend bericht in een Postgres-tabel zet, geïndexeerd op telefoonnummer en conversation_id
• Een agent-loop in TypeScript die per conversatie een Claude-call doet met tool use (zie ook onze post over tool use)
• Een tool-set die de agent kan aanroepen: get_open_shifts, claim_shift, decline_shift, request_availability_window, escalate_to_planner
• De planner-UI waar mensen meekijken, gesprekken kunnen overnemen, en agent-beslissingen achteraf kunnen reviewen

Wat hier níét in zit: een prompt-framework, een vector database, een chain-of-thought orchestrator. We hebben dat allemaal geprobeerd en geconcludeerd dat het meer verbergt dan oplost. De agent kent het datamodel van Boomer omdat we de tools direct uit het datamodel afleiden. Geen tussenlaag.

De rol van de planner verandert, en dat is goed

Een veelgehoord misverstand: "AI vervangt de planner". Dat klopt niet. AI verschuift wat de planner doet.

Vóór Boomer's WhatsApp-agent: planners besteedden circa 70% van hun tijd aan het versturen, herinneren en verwerken van losse berichten. "Wie kan zaterdag invallen?" — drie groepschats, twintig privégesprekken, een tabel in Excel. Dat is werk dat goed door een agent gedaan kan worden.

Wat blijft voor de planner: de gesprekken die er écht toe doen. Iemand die uitvalt, een nieuwe klant met een afwijkende vraag, een team dat samen wil werken, een conflict op de werkvloer. Die uren komen nu vrij doordat het routinewerk weg is.

Concreet hebben we bij klanten een afname van 70–80% in handmatige planning-tijd gemeten, met betere fulfillment-cijfers omdat een agent geen weekend nodig heeft om te reageren. Maar ook: planners die voor het eerst tijd hadden om medewerkers individueel te spreken. Dat tweede effect is het belangrijkste — en het is precies waarom we deze technologie bouwen.

Wat we leerden over de grens tussen AI en mens

Drie principes waar we ons aan houden, na 18 maanden Boomer in productie.

1. De agent stelt voor, de planner beslist bij randgevallen

Wij willen niet dat de agent zelfstandig contracten afsluit, ontslagen verwerkt of geld overmaakt. Voor reguliere acties (een dienst aannemen, beschikbaarheid bevestigen) heeft de agent volledige autonomie. Voor randgevallen — een no-show afhandelen, een tariefconflict, een werknemer die afmeldt met persoonlijke redenen — schakelt de agent door naar een mens.

Dat doen we niet met een vage prompt "wees voorzichtig". Dat doen we door bepaalde tools simpelweg niet aan de agent te geven. De agent kan een no-show signaleren maar niet verwerken. De planner ziet de signalering in een wachtrij en handelt af.

2. Transparantie over wat de agent is

Elke nieuwe contact-flow met een medewerker begint met: "Ik ben de Boomer-assistent. Voor complexe vragen schakel ik altijd door naar een collega. Je kunt me hier elk moment vragen om een mens te spreken."

We doen dit om twee redenen. Eén: mensen verdienen te weten met wie ze praten. Twee: het managet verwachtingen. Iemand die weet dat er ook een mens beschikbaar is, gaat sneller akkoord met dat de eerste reactie geautomatiseerd is.

3. Logging is geen feature, het is een vereiste

Elke tool-call wordt gelogd met input, output, timestamp en wie er op dat moment in de conversatie zat. Elke beslissing van de agent kan een planner achteraf reproduceren. Dat is essentieel als er iets misgaat (en er gaat soms iets mis — dat is gewoon hoe systemen werken).

Het is ook essentieel voor het verbeteren van de prompts. We bekijken regelmatig gesprekken waarin de agent het slecht deed, en passen op basis daarvan tools of prompt-instructies aan. Dat werkt alleen als je terug kunt grijpen.

Wat we anders zouden doen

Eén ding zou ik anders doen: eerder beginnen met multi-language support. We bouwden eerst voor Nederlands sprekende teams, en kwamen er pas later achter dat veel horeca- en evenementenklanten teams hebben met Engels, Pools, Spaans en Arabisch door elkaar.

Claude is uitstekend in code-switching tussen talen, dus de agent kan dat technisch prima. Maar de planner-UI, de approval-flows en de templates waren in het begin allemaal Nederlands-only. Dat heeft een fase achteraf werk gekost die in het begin een paar dagen zou hebben gekost.

Les: als je voor flexpersoneel bouwt, ga er niet vanuit dat ze allemaal vloeiend de hoofdtaal spreken. Bouw meertaligheid in vanaf dag één.

Of WhatsApp ook past bij jouw use case

Niet voor elk product. Een paar dingen die we hebben geleerd over wanneer WhatsApp een goed kanaal is:

• De ontvangers gebruiken het al dagelijks. Voor B2C en blue-collar B2B: ja. Voor enterprise-IT-gebruikers: vaak nee, daar is e-mail of Teams beter.
• De interacties zijn kort en gespecificeerd. WhatsApp werkt geweldig voor "ja/nee/wanneer"-vragen, statusupdates en bevestigingen. Voor langere formulieren of complexe overzichten heb je toch een web-UI nodig.
• Je accepteert de meta-context. WhatsApp Business API heeft regels (24-uurs venster voor "vrije" berichten, template-goedkeuring voor proactieve berichten, geen marketing zonder opt-in). Reken op een paar weken om dat goed in te regelen voor je live gaat.

Tot slot

De grote les van Boomer: de juiste interface voor AI is meestal niet een nieuwe interface. Het is het kanaal waar mensen al zitten. Onze klanten geven niet om "een AI-platform" — ze geven om dat hun mensen op tijd reageren, dat hun planning klopt en dat planners eindelijk weer tijd hebben voor de gesprekken die ertoe doen.

WhatsApp + een goed gebouwde agent levert dat. En het levert het op een manier die schaalt naar 5.000 medewerkers zonder dat één iemand een app hoeft te downloaden.

Vragen over hoe we dit bouwden, of denk je dat jouw use case er ook bij past? Plan een gesprek.