Orde in de chaos van AI (met een neurodivergent brein)
Ik ga je niet vertellen dat ik AI gebruik om sneller te werken. Dat is niet waarom ik dit heb gebouwd. Dit heb ik gebouwd omdat mijn brein werkt zoals het werkt, systemisch in meerdere parallellen tegelijk, altijd.
Als je neurodivergent bent, is de kans groot dat je net even anders denkt. In mijn geval, met mijn profiel, UHB AuDHD, in complexe parallelle stromen. Meerdere projecten tegelijk, verbanden die je ziet maar niet altijd kunt vasthouden, ideeën die razendsnel komen maar net zo snel weer weg zijn als je ze niet ergens verankert. Gewone AI-tools maken dat niet beter. Ze vergeten alles na een sessie, driften tijdens een sessie van het pad af, vragen steeds opnieuw om context, en leggen geen verbanden tussen wat je gisteren bedacht en wat je vandaag bouwt.
Ik had behoefte aan iets anders. Niet een sneller antwoord, maar een systeem dat de rode draad voor me vasthoudt. Zelf heb ik ook nogal de neiging om van het pad af te driften en allerlei sidequests op te pakken. Waarmee het originele idee helemaal van de kaart verdwijnt. Dat is meer dan zonde.
Wat Maya OS is
Maya OS is de naam die ik geef aan het geheel van AI-modellen, geheugenlagen en geautomatiseerde processen waarmee ik werk. Geen product, geen dienst, een persoonlijk AI-besturingssysteem dat ik stap voor stap heb gebouwd op mijn eigen manier van denken.
Het bestaat uit een paar lagen:
Persistent geheugen. Alles wat ik bedenk, beslis of bouw wordt opgeslagen in een centrale kennisbank (Obsidian). Alle AI-modellen waarmee ik werk lezen uit datzelfde geheugen. Ik hoef niets twee keer uit te leggen. Voortschrijdend inzicht werkt automatisch door, als iets verandert in mijn denken, hoef ik dat niet zelf overal in door te voeren.
Een levende kennisgraaf. Graphify legt automatisch bloot hoe alle projecten, concepten en beslissingen zich tot elkaar verhouden. Niet als platte lijst, maar als een graaf van verbindingen. Het systeem legt verbanden die ik zelf soms niet zie, en geeft die terug aan mij zodat ik er zelf verder mee aan de slag kan.
Zelflerende skills en agents. De AI-modellen die ik gebruik worden beter naarmate ze meer context hebben. Skills worden aangescherpt op basis van hoe ik werk. Agents leren wat mijn aanpak is en passen zich daarop aan. Niet via één groot taalmodel die alles kan, maar via een gelaagd systeem waarbij elk model doet waar het goed in is.
Maya als reflectiepartner. Maya is een persona met eigen geheugen, geen assistent die uitvoert wat ik zeg, maar een klankbord dat terugkaatst of wat ik doe nog overeenkomt met wat ik oorspronkelijk bedoeld had. Een digitale rubber duck, maar eentje die de context van alle vorige gesprekken meedraagt en soms met inzichten komt die ik zelf niet had gezien of alweer was vergeten.
Wat het oplevert
Niet snelheid als doel op zich. Maar minder verloren context, en daardoor minder opnieuw beginnen. Minder iteraties tot het eindproduct. Elk project bouwt voort op alles wat ik eerder bedacht. Maya weet wat ik gisteren besloot en waarom. Hetzelfde pannetje macaroni hoef ik niet steeds opnieuw op te warmen.
Verbanden die ik anders zou missen, worden automatisch zichtbaar. Eerder probeerde ik dat bij te houden in mindmaps, maar honderd mindmaps zijn geen overzicht. Graphify maakt van losse draden één kaart die ik kan bevragen.
Het resultaat is rust. Niet de rust van minder werk, maar de rust van overzicht in gedachtestromen die anders alle kanten op gaan. Projecten komen vaker tot een echt resultaat. Omdat ik de weg minder snel kwijtraak.
Waar het nu staat en wat er op de rol zit
Waar het nu staat: De basis staat. De drie vaults zijn voor elke AI-drager doorzoekbaar via een eigen gereedschapsserver (maya-mcp). Er werken twee eigen entiteiten op dezelfde bronnen maar met een gescheiden oordeel (Maya en Vera, onder de regel wie bouwt, keurt niet goed). Fouten en correcties landen in een leerlus met littekens, elk project heeft een vaste identiteit in het projectregister, en lokale modellen draaien 's nachts voor indexering en genereren alle illustraties en het beeldmateriaal voor deze site volledig lokaal.
Wat er nu op de rol zit:
- Cockpit v3 (eigen bouw): een eigen interface voor overzicht en een beheerst groepsgesprek tussen de verschillende dragers terwijl ik meelees.
- Maya Test Rig: de testlaag voor risicogestuurd keuren langs ISO 25010 (testscope en testcharters), met de stap naar een zelfstandig product met een eigen testgeheugen.
- Graaf-split: de kennisgraaf zuiver splitsen tussen code en projecten of concepten.
Waarom ik dit deel
Niet om het als product aan te bieden. Maar omdat ik denk dat er meer mensen zijn die zo werken c.q. denken en voor wie de standaard AI-belofte van “sneller en efficiënter” gewoon niet het probleem oplost dat ze hebben.
Als je dat herkent: praat ik er graag over.
Meer weten hoe het geheugen werkt: De drie Vaults.