Meta lanceert Muse, een consumenten-AI-assistent, na miljarden verlies op de metaverse. Volgens de presentator zit het succes in kleine teams, verfijning en duidelijke agentstatus.
Waarom dit nuttig is om te weten
Mark Zuckerberg heeft zijn bedrijf in 2021 hernoemd rond de metaverse. Dat liep uit op forse verliezen: Reality Labs verloor in 2025 alleen al 19,2 miljard dollar, volgens de video. Nu lanceert Meta Muse, een AI-assistent die gewone mensen op hun telefoon gebruiken, zonder dat ze in een nieuwe wereld hoeven te stappen. Volgens de presentator zijn er binnen zes weken tien miljoen mensen mee begonnen. Dat cijfer komt uit de video en is niet onafhankelijk getoetst. Waarom telt dit voor jou? Omdat de les niet over geld gaat. Het gaat om hoe je na een mislukking een nieuwe gok neemt: andere mensen erbij, kleine teams en aandacht voor de details die niemand vraagt.
Wanneer je dit nodig hebt
Je hebt dit nodig wanneer een AI-assistent of -project na de eerste proef tegenvalt. De bron adviseert niet gewoon meer te investeren in dezelfde aanpak. Verander eerst iets concreets: wie eraan werkt, welke klant je voor ogen hebt of hoe je werkt. Houd het team klein genoeg om snel te beslissen. Controleer ook of functies samenhangen. Drie losse functies die samen veel moeite kosten, zijn voor de gebruiker één probleem. Laat altijd zien wat een agent op dit moment doet, bijvoorbeeld met een duidelijke statusmelding. Polijst ook de saaie delen, niet alleen de openingsdemo. Let vooral op de momenten waarop de gebruiker er dagelijks last van heeft. Vraag na een mislukt project: wat zou mijn volgende poging echt beter maken?
Hoe het technisch in elkaar zit
Technisch gaat het hier vooral om orkestratie en gedrag rond het model, niet om het model zelf. Volgens de presentator, die zich op een interview met Meta beroept, heeft het team meer dan 100 modelgedragingen getest en verbeterd voor de lancering. Dat lijkt op een evaluatieset per gebruikssituatie: wanneer vraagt de agent om bevestiging, wanneer stopt hij, wanneer is hij klaar. Voor een opzet met modellen, tools en geheugen betekent dit dat de harness, de status van taken en de tooluitvoer zichtbaar moeten zijn voor de gebruiker. Een agent die niet aangeeft dat hij op input wacht, veroorzaakt supervisie-overhead. Beperking: de video geeft geen technische details over architectuur, retrieval of guardrails, dus die aannames moet je zelf toetsen. Ook het cijfer van minder dan 200 mensen in het Muse-team komt uit de video en is niet onafhankelijk geverifieerd.
Dit nieuws raakt hoofdstuk 7 en 16 en 23 van de cursus Alles of (n)iets met AI van Newway. Volg je de cursus, dan komt dit onderwerp daar in meer rust terug.
Wat je hiermee kunt
Wil je weten wat dit voor jouw bedrijf betekent? Plan een kennismaking: een half uur, geen verkooppraatje, wel een eerlijk antwoord op de vraag waar je moet beginnen. Liever eerst zelf verder lezen? De cursus Alles of (n)iets met AI is gratis en begint bij de basis.
Geschreven naar aanleiding van een publicatie van Nate B Jones (YouTube): https://www.youtube.com/watch?v=JFoDdKuRmSk
