Mijn inbox had 41 ongelezen e-mails om 5:00 uur 's ochtends en ik had mijn telefoon niet aangeraakt. Tegen de tijd dat ik wakker werd, hadden 9 daarvan al conceptantwoorden klaarliggen in Gmail, drie agendaconflicten waren gemarkeerd met voorgestelde oplossingen, en de overige 29 waren gesorteerd in een "kun je negeren"-stapel met een éénregelige reden bij elke mail. Ik opende mijn laptop niet. Ik typte die ochtend geen enkel prompt. Gemini Spark deed dit alles terwijl ik sliep — omdat ik het de avond ervoor had opgedragen.
Dat is het deel dat mijn verwachtingen veranderde. Niet de snelheid. Het initiatief.
De meeste AI-assistenten zijn automaten. Je stopt er een prompt in, je krijgt een antwoord terug, en zodra het gesprek eindigt, vergeet het ding dat je bestaat. Gemini Spark is de eerste mainstream tool die ik heb gebruikt die die relatie omdraait — het doet werk voor jou, volgens een schema, dwars door je echte apps heen, zonder dat je erop hoeft te letten. Na een week lang testen met mijn echte Gmail, echte agenda en echte Google Docs heb ik meningen. Sommige verrasten me.
Dit is wat niemand je vertelt in de lanceeringsemo's: de magie zit niet in de agent. Het zijn de twee schakelaars die je omzet voordat de agent iets doet. Zet je die verkeerd, dan is Spark een opgehemelde chatbot. Zet je ze goed, dan voelt het als een medewerker. Ik laat je beide zien — en het moment waarop het een vergadering probeerde te annuleren die ik eigenlijk wilde houden.
Wat Gemini Spark eigenlijk is (en waarom het anders is)
Gemini Spark is een proactieve, altijd actieve AI-agent ingebouwd in de Gemini-app die meerstapstaken uitvoert via je gekoppelde Google-apps zonder telkens op een prompt van jou te wachten. Die ene zin onderscheidt het al van alles wat Gemini daarvoor deed.
Laat me de grens duidelijk trekken, want Googles eigen naamgeving maakt het verwarrend. De gewone Gemini-chat is reactief — hij zit daar tot je iets zegt, antwoordt, en stopt. Gemini Spark is proactief — je geeft het een taak, het gaat aan de slag met de stappen op eigen houtje, komt terug als het toestemming nodig heeft, en meldt wanneer het klaar is. Dezelfde app. Compleet andere houding.
Als je hebt gevolgd waar de hele industrie naartoe beweegt, zal dit je niet verbazen. Ik schreef eerder deze maand over de AI-superagentrace tussen Codex, Cowork en Gemini — elke grote speler sprint richting dezelfde finishlijn: een assistent die handelt in plaats van alleen maar praat. Spark is Googles duidelijkste zet in die richting binnen een consumentenapp, niet een ontwikkelterminal.
De reden dat dit nu belangrijk is, halverwege 2026, is timing. Het afgelopen jaar leefde "agentische AI" voornamelijk in codeertools en ontwikkelaars-SDK's. Om daadwerkelijk een agent geketende taken te laten uitvoeren, had je een terminal nodig, een API-sleutel en een tolerantie voor YAML. Spark sleept die mogelijkheid naar een tap-om-te-openen telefoonapp die je niet-technische familieleden al geïnstalleerd hebben. Dat is de verschuiving. De drempel om een echte agent te draaien daalde van "weet hoe je MCP-servers configureert" naar "weet hoe je een zin typt."
Ik heb twee jaar besteed aan het bouwen van agentsystemen in Claude Code-agentenzwermen en het opzetten van de Anthropic Agent SDK. Dus als ik zeg dat Spark toegankelijk is, begrijp dan de lat waaraan ik meet. Dit is de eerste agentische tool die ik aan mijn moeder zou geven en verwachten dat ze er voor de lunch waarde uit haalt.
Maar "toegankelijk" betekent niet "automatisch." Er is setup. En de setup is waar de meeste mensen stilletjes falen zonder te beseffen waarom hun resultaten matig zijn. Laat me je door de twee schakelaars leiden die bepalen of Spark briljant of nutteloos is.
De twee schakelaars die niemand noemt in de demo
Open Spark en voer een taak uit zonder setup — geen voorbereiding — en je krijgt iets dat aanvoelt als 2024-Gemini met extra stappen. Teleurstellend. Ik had het bijna afgeschreven in het eerste uur. Toen vond ik de twee instellingen die het ding echt aandrijven.
Schakelaar één: zet Persoonlijke Intelligentie (geheugen) aan
Verborgen in je persoonlijke intelligentie-instellingen zit een geheugenschakelaar. Standaard uitgeschakeld voor veel accounts. Dit is de allerbelangrijkste schakelaar in het hele product.
Met geheugen aan leert Spark over sessies heen. Het onthoudt dat ik pescetariër ben. Het onthoudt dat ik reis in een truckcamper, niet een huurauto. Het onthoudt welke klanten ik binnen het uur beantwoord en welke kunnen wachten tot vrijdag. Niets daarvan hoeft opnieuw uitgelegd te worden. De agent draagt context mee als iemand die al een maand met je samenwerkt.
Met geheugen uit begint elke taak vanaf nul. Je bent terug bij het lepelvoeren van context in een prompt — wat het hele doel tenietdoet. Ik testte beide modi bewust, door dezelfde e-mailtriage-taak te draaien met geheugen aan en daarna uit. Met geheugen aan deprioriteerde Spark correct drie nieuwsbrieven waarvan het had geleerd dat ik ze nooit open. Met geheugen uit markeerde het diezelfde nieuwsbrieven als "reactie nodig." Dezelfde taak, dezelfde inbox, totaal ander resultaat. Het verschil was één schakelaar.
Schakelaar twee: koppel je apps
Spark is slechts zo capabel als de apps die je eraan koppelt. Koppel Google Workspace — Gmail, Agenda, Docs, Drive — en je geeft de agent het ruwe materiaal dat het nodig heeft om echt werk te doen. Sla dit over en je hebt een agent zonder handen.
Dit is de afweging waar de meeste mensen over zullen aarzelen, en eerlijk gezegd zouden ze erover moeten nadenken. Je geeft een AI-agent permanente lees-en-handeltoegang tot je e-mail en agenda. Dat is niet gering. Ik kom later terug op de privacyrealiteit, want die verdient een serieus gesprek en niet een handgebaar. Weet voor nu dit: de diepte van integratie bepaalt direct de diepte van wat Spark kan bereiken. Een agent die je inbox kan lezen, je agenda kan raadplegen en het web kan doorzoeken in één taak opereert op een heel ander niveau dan een chatbot die werkt met wat je erin plakt.
Zet beide schakelaars om en er verandert iets in hoe de tool zich gedraagt. Het stopt met vragen "wat wil je dat ik schrijf?" en begint te vragen "ik merkte X op — wil je dat ik het afhandel?" Dat is het moment waarop het van chatbot naar assistent overgaat.
Laat me je nu laten zien hoe dat eruitziet met een echte taak die ik draaide, stap voor stap.
Spark mijn inbox laten triagen om 5 uur 's ochtends
De eerste serieuze taak die ik Spark gaf was degene die me overtuigde. Het prompt was bijna beledigend simpel:
"Zoek alle e-mails van de afgelopen 12 uur en prioriteer ze."
Dit is wat het ermee deed, in volgorde:
1. Het scande Gmail. Niet alleen onderwerpregels — het las de inhoud, identificeerde afzenders die het herkende uit het geheugen, en groepeerde threads.
2. Het raadpleegde mijn agenda. Hier werd het interessant. Een e-mail met de vraag om "ons donderdaggesprek eerder te plannen" werd gekoppeld aan mijn daadwerkelijke donderdagagenda-item. Spark begreep dat de e-mail ging over een specifiek evenement dat het kon zien, niet een abstract verzoek.
3. Het doorzocht relevante bronnen. Voor één e-mail over een leveringsvertraging haalde Spark de trackingcontext op om mij een geïnformeerd antwoord te geven in plaats van een "laat me het nakijken en ik kom erop terug."
4. Het scheidde actie van ruis. E-mails die een antwoord nodig hadden gingen in de ene emmer. E-mails die een agendawijziging nodig hadden in een andere. Alles met lage prioriteit werd in een "genegeerd"-samenvatting geplaatst met een éénregelige reden per item — wat ik geweldig vond, want het toonde de redenering in plaats van dingen stilletjes te begraven.
5. Het maakte conceptantwoorden. Echte, verzendklare concepten. In mijn stijl, min of meer. Niet perfect — ik bewerkte twee van de negen — maar de structuur en toon waren oprecht bruikbaar.
6. Dit is het deel dat mijn vertrouwen won. Voordat het iets gevoeligs aanraakte — voordat het een afspraak zou annuleren of een vergadering zou plannen — stopte het en vroeg het. Een concept-e-mail in Gmail is onschadelijk; ik kan het nakijken. Maar mijn agenda wijzigen is een echte actie met consequenties. Spark trok precies die lijn. Het verplaatste nooit een evenement zonder een expliciet ja van mij.
Die bevestigingsstap is het verschil tussen een tool die ik vertrouw en eentje die ik binnen een dag zou verwijderen. Ik heb genoeg agents gezien die doordenderen en iets onomkeerbaars doen. Sparks instinct om te pauzeren op de drempel van een consequentiële actie is, voor mij, de belangrijkste ontwerpbeslissing in het hele product.
De eindstaat, elke ochtend: een stapel concepten klaar om te verzenden, agendafixes voorgesteld maar niet uitgevoerd, en een overzichtelijke samenvatting van wat het koos te negeren en waarom. Vanuit een éénregelig prompt. Dat is de cyclus.
Maar dit elke ochtend handmatig draaien zou op zich een klus zijn. De echte doorbraak is Spark het laten doen zonder dat ik het prompt. Daar komen Vaardigheden en Planning om de hoek kijken — en daar stopt Spark met een slim kunstje zijn en begint het infrastructuur te worden.
Vaardigheden: Spark leren zichzelf te herhalen
Een Vaardigheid is een opgeslagen workflow. In plaats van elke dag opnieuw "zoek alle e-mails van de afgelopen 12 uur en prioriteer ze" te typen, sla ik die hele reeks één keer op, geef het een naam en roep het voor altijd aan. Zie het als een functie die je definieert in gewoon Nederlands.
Er zijn drie manieren om er een te maken, en ik testte ze alle drie.
Schrijf het als tekstinstructies. Je kunt Spark een paragraaf geven die de stappen beschrijft die je wilt en het bouwt er een Vaardigheid van. Goed voor wanneer je al precies weet wat je wilt.
Bouw het handmatig in de Vaardigheden-interface, stap voor stap. Meer controle, iets omslachtiger.
Genereer het vanuit een voltooide taak — dit is degene die aanvoelt als de toekomst. Nadat Spark mijn ochendtriage had voltooid, vertelde ik het: "maak hier een Vaardigheid van." Het keek terug naar wat het net had gedaan en verpakte de hele reeks in een herbruikbare workflow. Niets opnieuw specificeren. Het leerde van het werk dat het al had verricht. Ik noemde de mijne "Inbox Manager."
Die laatste methode is degene die ik iedereen zou aanraden. Je ontwerpt de workflow niet van tevoren en hoopt dat je het goed hebt. Je doet de taak één keer, ziet dat het werkte, en kristalliseert dan precies die succesvolle uitvoering in iets herhaalbaars. Het is het verschil tussen een recept schrijven vanuit je verbeelding versus het opschrijven nadat je het gerecht hebt gekookt en het perfect was.
Dit is een patroon dat ik al jarenlang predik in agentontwerp — context verslaat configuratie elke keer weer. De agents die het best werken zijn niet degene met de meest uitgebreide initiële configuratie. Het zijn degene die leren van echte context en het omzetten in iets herbruikbaars. Sparks "maak hier een Vaardigheid van"-functie is die filosofie uitgebracht als consumentenapp, en het is het slimste onderdeel van het product.
Als je liever iemand hebt die een complete agentische workflow-stack bouwt voor je bedrijf — gekoppelde apps, aangepaste vaardigheden, de hele pijplijn — dan is dat een groot deel van wat ik doe. Je kunt het soort projecten dat ik aanneem bekijken op fiverr.com/s/EgxYmWD.
Een Vaardigheid is krachtig. Maar een Vaardigheid die je nog steeds handmatig moet activeren is slechts de helft van de winst. De andere helft is het vanzelf laten starten.
Planning: De overstap van reactief naar proactief
Hier komt het "5 uur 's ochtends zonder mijn telefoon aan te raken"-verhaal vandaan.
Spark laat je een Vaardigheid of taak koppelen aan een schema of een trigger. Schema betekent tijdgebaseerd — draai mijn Inbox Manager-Vaardigheid elke ochtend om 5:00 uur. Trigger betekent gebeurtenisgebaseerd — draai iets op het moment dat er een nieuwe e-mail binnenkomt, bijvoorbeeld.
Ik stelde Inbox Manager in om dagelijks om 5:00 uur te starten. Dat was het. Dat was de hele configuratie. Vanaf dat moment stopte ik helemaal met prompten. Elke ochtend was het werk simpelweg gedaan wanneer ik wakker werd, concepten wachtend, agendaconflicten gemarkeerd voor mijn goedkeuring.
Google heeft sinds begin 2026 Geplande Acties in Gemini — terugkerende samenvattingen, getimede herinneringen, dagelijkse nieuwsoverzichten, dat soort dingen, beperkt tot Pro- en Ultra-abonnementen en gelimiteerd tot ongeveer 10 acties tegelijk. Sparks versie is aanzienlijk capabeler omdat wat er gepland wordt geen simpele samenvatting is. Het is een meerstaps agentische workflow die leest, redeneert, kruisverwijst en concepten maakt. De planningslaag is vertrouwd. Wat er gepland wordt niet. In Googles eigen framing is dit een van Sparks drie kerncomponenten: Taken zijn de instructies, Vaardigheden zijn de herbruikbare workflows, en Schema's bepalen wanneer ze draaien. Laat alle drie samenwerken en je hebt het complete product.
Laat me precies zijn over waarom dit ertoe doet, want het is makkelijk te onderschatten. De sprong van "AI die antwoordt als ik vraag" naar "AI die mijn terugkerend werk doet voordat ik zelfs wakker ben" is niet incrementeel. Het is categorisch. De ene bespaart je typwerk. De andere verwijdert de taak uit je leven. Ik heb deze zelfde verschuiving eerder gevoeld met Claude Code-routines die SEO-checks automatiseren — zodra een workflow draait op een schema zonder jou, stop je met eraan denken. Het verhuist van je takenlijst naar je achtergrond.
Combineer de drie concepten en je ziet de architectuur duidelijk. Vaardigheden maken een workflow herbruikbaar. Planning maakt het autonoom. Persoonlijke Intelligentie maakt het gepersonaliseerd. Stapel alle drie en je hebt een agent die jouw specifieke terugkerende werk doet, op jouw manier, op zijn eigen klok. Dat is het werkelijke product. Al het andere is verpakking.
Nu is inbox-triage de makkelijke demo. De taak die me echt onder de indruk bracht was lastiger — het vereiste dat Spark verspreide data uit vijf verschillende bronnen samenvoegde tot één samenhangend geheel.
De reisplantest: waar Spark echt liet zien wat het kan
Ik wilde verder gaan dan e-mail, dus gaf ik Spark iets rommelig. Ik vroeg het om een eendaags reisschema voor me te maken. De vangst: de informatie die het nodig had lag verspreid over mijn hele Google-account, en nergens handig.
Kijk waar het uit putte:
- Een Google Doc met mijn losse, halfgevormde notities over een reis
- E-mails met boekingsbevestigingen en een ticket
- Agenda-items voor afspraken die ik die dag al had vastgelegd
- Het open web voor dingen om te doen, openingstijden, locaties
- Persoonlijke Intelligentie — het wist al dat ik pescetariër ben en dat ik reis in een truckcamper
Vervolgens combineerde het alles tot één samenhangend reisschema, geschreven in een nieuw Google Doc, dat daadwerkelijk rekening hield met mijn bestaande agenda-afspraken en mijn persoonlijke voorkeuren. Het stelde geen steakrestaurant voor. Het stuurde me niet naar een plek waar een truckcamper niet kan parkeren. Het plaatste activiteiten in de gaten rondom de vergaderingen die ik niet kon verplaatsen.
Dat is de opvallende mogelijkheid, en het is de moeite waard om precies te benoemen: Sparks echte kracht is het samenvoegen van verspreide, losgekoppelde data plus alles wat het al over jou weet tot één op maat gemaakt, uitvoerbaar resultaat. Elke chatbot kan een generiek reisschema schrijven. Bijna geen enkele kan je daadwerkelijke boekingsmails lezen, je echte agenda zien, je werkelijke dieet onthouden, en een plan produceren dat alle drie tegelijk respecteert.
Dit is de kracht die een agent minder als een zoekvak laat voelen en meer als een assistent die heeft opgelet. Het genereert niet vanuit het niets. Het genereert vanuit jouw leven, samengesteld uit fragmenten waarvan je vergeten was dat ze überhaupt verbonden waren.
Als dat het plafond is voor een persoonlijke taak, wilde ik weten hoe hoog het gaat voor echt werk. Dus gaf ik het een geketende, meerfasen-opdracht.
De meerstaps-werktest: onderzoek, bouw, lever
De laatste serieuze test die ik draaide was een complete contentmanagement-workflow, en dit is degene die me deed achteroverzitten. Ik vroeg Spark om de prestaties van een YouTube-kanaal te analyseren en erover te rapporteren.
Het ketende het volgende, op eigen houtje:
Het onderzocht. Spark haalde prestatiedata op uit bestanden in mijn Google Drive en relevante e-mails, en verzamelde de ruwe cijfers en context.
Het creëerde. Vanuit die analyse bouwde het een rapport — en zette vervolgens de belangrijkste bevindingen om in daadwerkelijke Google Slides. Geen tekstvamenvatting. Een echt, gestructureerd presentatiedeck.
Het communiceerde. Daarna maakte het een concept-e-mail om die slides naar een tweede account te sturen, alles verpakt voor overdracht.
Onderzoek → contentcreatie → communicatie. Drie verschillende fases, drie verschillende Google-apps, één geketende taak. Dat is de vorm van echt kenniswerk, en Spark doorliep de hele keten zonder dat ik tussenbeide hoefde te komen.
Ik wil hier genuanceerd zijn. De slides waren niet van bureaukwaliteit — ik zou ze nooit naar een klant sturen zonder een redigeerronde. Het rapport was degelijk maar op plekken generiek. Dit is geen "ontsla je analist"-terrein. Maar als eerste versie van een compleet meerfasen-deliverable, geproduceerd vanuit één instructie dwars door drie apps? Dat is een oprecht nieuwe mogelijkheid in een consumentenapp. De bottleneck verschuift van "doe het werk" naar "beoordeel en polijst het werk," en dat is een veel betere plek om je tijd aan te besteden.
Voor teams die dit soort meerfasen-automatisering goed gebouwd en onderhouden willen hebben — gekoppeld aan je echte databronnen, met vangrails die bij je bedrijf passen — is dat precies het werk dat Ramlit Limited aanneemt. Spark is een geweldig consumenten-instappunt; productieklasse agentische pijplijnen voor een bedrijf zijn een ander engineeringprobleem.
Dus het werkt. De eerlijke vraag is: moet je het vertrouwen? Laat me je het eerlijke verhaal geven, inclusief het moment waarop het me bijna in de problemen bracht.
Eerlijk verhaal: waar Spark me zorgen baarde
Ik schrijf geen reviews die alleen de goede kanten opsommen. Hier is de eerlijke balans na een week.
Het moment dat het bijna misging. Tijdens de inbox-test noemde een e-mail terloops "laten we de donderdagsync overslaan." Spark interpreteerde dat als een verzoek om het agenda-evenement te annuleren en zette het klaar voor mijn goedkeuring. Probleem: die "sync" was een vergadering die ik absoluut wilde houden — de afzender was sarcastisch. Als Spark agendawijzigingen automatisch had uitgevoerd, had het een vergadering geannuleerd die ik nodig had. Dat gebeurde niet, dankzij die bevestigingsstap die ik eerder prees. Dit is de hele reden waarom het mens-in-de-lus-ontwerp ononderhandelbaar is. De agent zal soms intentie verkeerd lezen. De vangnet is wat je redt. Laat nooit, maar dan ook nooit een agent als deze los op onomkeerbare acties zonder bevestiging.
De privacyafweging is reëel, en je moet er even bij stilstaan. Om de goede dingen te krijgen, geef je een AI-agent permanente toegang tot je e-mail, agenda en documenten. Dat is niet gering. Ik ben er comfortabel mee voor mijn eigen accounts nadat ik heb gelezen welke data Persoonlijke Intelligentie bewaart, maar ik zou goed nadenken voordat ik een Spark-agent koppel aan een gevoelige zakelijke Workspace zonder het databeleid van je organisatie te begrijpen. Het gemak is echt. De blootstelling ook. Beide zijn waar tegelijk.
Geheugen snijdt aan twee kanten. Persoonlijke Intelligentie is wat Spark slim laat voelen — en het is ook een groeiend profiel van je gewoonten, voorkeuren en patronen dat leeft in Googles systemen. Als dat je ongemakkelijk maakt, kun je geheugen uitzetten, maar dan heb je een veel zwakker product. Hier is geen gratis lunch, en ik respecteer de tool meer omdat het niet doet alsof dat anders is.
Concepten hebben nog steeds een mens nodig. Twee van de negen e-mailconcepten hadden echte bewerking nodig. Het reisschema had één aanpassing nodig. De slides hadden polijstwerk nodig. Spark is een fenomenale eerste-conceptmaker en een slechte eindconceptmaker. Behandel de output als een 70%-klaar startpunt, niet als een afgewerkt product, en je bent tevreden. Behandel het als klaar en druk blindelings op verzenden, en het zal je uiteindelijk in verlegenheid brengen.
Het is geen ontwikkelaarsagent. Als je een agent wilt die productiecode schrijft en shipt, is dit niet die tool — kijk dan naar Claude Codes zes niveaus van meesterschap. Spark leeft in de productiviteitslaag: e-mail, agenda, documenten, onderzoek, presentaties. Weet welk probleem je oplost voordat je de tool kiest.
Geen van deze punten zijn dealbreakers voor mij. Het zijn de normale kosten van het draaien van een echte agent. De tools die doen alsof deze afwegingen niet bestaan zijn degene die ik wantrouw.
De taakinterface: hoe Spark je vertelt wat het doet
Een agent die op de achtergrond werkt heeft een manier nodig om je zijn status te tonen zonder je te irriteren. Sparks taakinterface is stilletjes een van de best ontworpen onderdelen van het product, en het kostte me een paar dagen om het systeem volledig te waarderen.
Elke taak die Spark draait krijgt een statusindicator, en het systeem is doodeenvoudig zodra je het leert:
- Helemaal geen indicator betekent dat de taak is voltooid en dat je het resultaat al hebt bekeken. Klaar en afgehandeld, niets voor jou om te doen.
- Een vast blauw bolletje betekent dat de taak is voltooid maar je het resultaat nog niet hebt bekeken. Dit is je "ga dit checken"-signaal — de concepten zijn klaar, het rapport is gebouwd, kom het beoordelen.
- Een "heeft input nodig"-status betekent dat Spark vastzit en wacht op jouw toestemming. Dit is de bevestigingspoort die ik steeds prijs — de agent pauzeerde op de drempel van een consequentiële actie en gaat niet verder tot je ja zegt.
Waarom doet een driestatus-indicator ertoe? Omdat de faalfactor van achtergrondagenten ondoorzichtigheid is. Als je niet kunt zien wat de agent deed, wat er op je wacht en waar het op je geblokkeerd is, verlies je snel vertrouwen en ga je terug naar alles handmatig doen. Ik heb agentools opgegeven om precies deze reden — ze deden werk dat ik niet kon zien, en het niet-weten was erger dan de handmatige inspanning.
Sparks drie statussen mappen netjes op de drie vragen die je daadwerkelijk hebt: Is het klaar? Moet ik kijken? Wacht het op mij? Beantwoord die in één oogopslag en de agent blijft betrouwbaar. Dit is een kleine UI-beslissing die enorm werk doet voor de relatie tussen jou en de tool. Goed agentontwerp draait vooral om het leesbaar maken van de interne status van de agent voor een mens, en Spark slaagt daar met vlag en wimpel.
Er is een dieper principe dat het benoemen waard is. De reden dat ik Spark vertrouw met mijn inbox is niet dat het nooit fouten maakt — ik liet je eerder zien dat dat wel gebeurt. Het is dat het systeem zijn fouten zichtbaar en omkeerbaar maakt. Een concept-antwoord dat ik kan lezen voor het verzenden. Een agendawijziging die ik moet goedkeuren. Een statusbolletje dat me vertelt om te komen kijken. Zichtbaarheid plus omkeerbaarheid is gelijk aan vertrouwen. Snelheid alleen nooit.
Draai alles vanaf je telefoon: het cloud-native gedeelte
Hier is een detail dat makkelijk over te lezen is maar echt belangrijk is: Spark draait volledig in de cloud. Er hoeft geen laptop open te staan. Geen machine hoeft wakker te blijven.
Denk na over wat dat betekent voor mijn 5-uurverhaal. Toen Inbox Manager om vijf uur 's ochtends startte, was mijn laptop dicht, mijn desktop uit, en mijn telefoon lag niets te doen op het nachtkastje. Spark had geen van mijn hardware nodig. De hele workflow — Gmail scannen, Agenda raadplegen, concepten maken — werd uitgevoerd op Googles infrastructuur terwijl elk apparaat dat ik bezit inactief was.
Dit is een echt architecturaal voordeel ten opzichte van agentopstellingen die afhankelijk zijn van je lokale machine. Ik heb genoeg agents gedraaid die alleen werken zolang een terminalsessie actief blijft — klap de laptop dicht en de agent sterft midden in een taak. Spark heeft zo'n afhankelijkheid niet. Plan het in, loop weg, en het draait ongeacht wat je apparaten doen.
De keerzijde is mobiele continuïteit. Omdat alles in de cloud leeft, synchroniseert Spark naadloos over je apparaten. Ik kan een taak starten vanuit de Gemini-mobiele app in de trein, het resultaat bekijken op mijn laptop op kantoor, en een agendawijziging goedkeuren vanaf mijn telefoon tijdens de lunch. De agent maakt niet uit naar welk scherm je kijkt — de taak leeft in de cloud, en elk apparaat is gewoon een venster erop.
Voor iedereen die ooit heeft geprobeerd een persoonlijk automatiseringssysteem te bouwen, weet je dat dit meestal het moeilijke deel is. Een workflow 24/7 draaiende houden betekent normaal een VPS, een cronjob, een procesmanager en een tolerantie voor dingen die stilletjes crashen om 3 uur 's nachts. Ik heb geschreven over het draaien van langlopende agent-harnesses en de operationele hoofdpijn is reëel. Spark geeft je cloud-native, altijd actieve uitvoering met nul infrastructuur aan jouw kant. Voor een consumentenapp is dat een serieus stuk engineering dat stilletjes zijn werk doet.
Dus je hebt een proactieve agent, herbruikbare Vaardigheden, autonome planning, een leesbare taakinterface en cloud-uitvoering die je hardware niet nodig heeft. Stapel dat allemaal en je begint te zien waarom ik dit de brug tussen chatbots en echte agents blijf noemen.
Waar Spark staat tussen een chatbot en een echte agent
Laat me Spark precies plaatsen op het spectrum, want "het is een AI-agent" is te vaag om nuttig te zijn en de hype vertelt je dat het verder is dan het is.
Aan het ene uiteinde heb je pure chatbots — reactief, staatloos, je vergetend zodra je het tabblad sluit. Aan het andere uiteinde heb je volledig autonome agents — het soort dat ik bouw in Claude Code-agentenzwermen die tientallen stappen ketenen, code schrijven en uitvoeren, en werken met diepe configuratie. Spark landt bewust in het midden, en die positionering is het hele punt.
Het is meer dan een chatbot omdat het proactief handelt, je onthoudt, meerdere stappen ketent en draait op een schema zonder prompting. Het is minder dan een volledige ontwikkelaarsagent omdat het in de productiviteitslaag blijft, een mens in de lus houdt bij consequentiële acties, en rauwe kracht inruilt voor toegankelijkheid. Die middenweg is precies waar de meeste mensen daadwerkelijk leven. De overgrote meerderheid van mensen heeft geen agent nodig die productiecode shipt. Ze hebben er een nodig die hun inbox afhandelt, hun agenda en hun terugkerend routinewerk — en ze hebben het nodig als een tik verwijderd, niet als een terminal verwijderd.
Dit is dezelfde verschuiving die ik beschreef in hoe AI-assistenten agentoperators worden binnen organisaties: de agent stopt met iets zijn dat je raadpleegt en wordt iets dat namens jou opereert. Spark is dat idee, geminiaturiseerd en uitgebracht op een telefoonapp die je hele familie al heeft. De setup is bewust minimaal, maar het is krachtig precies vanwege de gekoppelde apps en de geheugenlaag eronder. Haal die weg en het stort terug in een chatbot. Sluit ze aan en het opereert als een junior assistent.
Dat is de eerlijke beoordeling. Spark gaat de agentstack van een ontwikkelaar niet vervangen, en dat probeert het ook niet. Het brengt echte agentische mogelijkheden naar de 99% van de mensen die nooit een terminal zouden openen — en dat is, eerlijk gezegd, een grotere zaak dan weer een poweruser-tool.
Wat er daadwerkelijk veranderde in mijn week
Laat me voorzichtig zijn om geen cijfers te verzinnen die ik niet heb gemeten. Ik ga je niet vertellen dat Spark me "10 uur per week" teruggaf — ik heb geen stopwatch gebruikt, en je moet niemand geloven die je een verdacht rond getal geeft.
Wat ik je wel eerlijk kan vertellen: het ochtendelijke inbox-ritueel dat gewoonlijk het eerste stuk van mijn dag opslokte, werd iets dat ik niet meer deed. Ik werd wakker met concepten en beslissingen in plaats van een muur van ongelezen mail. De mentale last van "ik moet mijn inbox verwerken" verliet simpelweg mijn hoofd, omdat het al was afgehandeld tegen de tijd dat ik bij bewustzijn was. Dat is de verandering die het beschrijven waard is — niet een getal, een verwijderde taak.
Het mechanisme is het bewijs, niet een metriek. Omdat Spark scant, prioriteert, concepten maakt en wacht op goedkeuring op zijn eigen schema, verhuist het werk echt van jouw bord naar dat van de agent. Dat is geen productiviteitshack. Het is een categorie van taken die uit je dag verdwijnt. Je mag die specifieke verschuiving verwachten als je het correct instelt — geheugen aan, apps gekoppeld, een Vaardigheid ingepland.
Hoe weet je dat het werkt? Simpele test: na een paar dagen, merk je dat je Gemini niet opent om je ochtendroutine te starten, omdat de routine al is gedraaid? Zo ja, het werkt. Als je het nog steeds elke ochtend handmatig prompt, heb je de planningstap overgeslagen en gebruik je een fractie van waarvoor je betaalt.
Stel realistische verwachtingen over de timing. De eerste dag zul je sleutelen aan de setup en je waarschijnlijk niet onder de indruk voelen. Tegen dag drie, zodra het geheugen een beetje heeft geleerd en je eerste Vaardigheid is ingepland, klikt het. Geef het een week voordat je oordeelt. Agents die leren van context worden merkbaar beter met een paar dagen echt gebruik — dat is het hele punt van Persoonlijke Intelligentie.
Moet je Gemini Spark daadwerkelijk gebruiken?
Eerst de drempel. Per eind mei 2026 is Spark alleen beschikbaar voor Google AI Ultra, alleen in de VS, 18 jaar en ouder. Als je geen Ultra hebt, is dit geen "probeer het vanavond"-situatie — het is een "beslis of het $99,99/maand-abonnement het waard is voor jou"-situatie. Het goede nieuws is dat die prijs minder dan de helft is van wat Ultra een maand geleden kostte, en het abonnement veel meer bundelt dan Spark (Nano Banana 2-beeldgeneratie, Project Mariner-browserbediening, 20 TB opslag, YouTube Premium). De Daily Brief-functie die Google naast Spark lanceerde — een automatische ochtendsamenvatting uit je agenda, e-mail en nieuws — is een lichtere proeve van dezelfde proactieve filosofie als je de richting wilt voelen zonder de volledige agent.
Als je die drempel haalt en je leeft binnen Google Workspace — Gmail, Agenda, Docs, Drive — en je hebt terugkerend meerstaps routinewerk, dan is Spark de makkelijkste oprit naar echte agentische automatisering die ik heb gevonden in een consumentenapp. De setup is twee schakelaars en een ingeplande Vaardigheid. De beloning is terugkerend werk dat zichzelf doet.
Als je werk vooral buiten Googles ecosysteem plaatsvindt, of je een agent nodig hebt voor code, of je geen AI permanente toegang kunt verlenen tot gevoelige accounts, dan daalt de waarde sterk. Wees eerlijk tegen jezelf over in welk kamp je zit.
Herinner je die inbox van 5 uur 's ochtends waarmee ik opende? De 41 ongelezen e-mails die ik nooit heb aangeraakt? Dat is geen demo die ik in scène heb gezet. Dat is gewoon dinsdag nu. Het ding dat het meest vervelende deel van mijn ochtend was, werd iets dat mij overkomt in plaats van iets dat ik doe. En het enige werk dat ik deed om dat mogelijk te maken was twee schakelaars omzetten en één Vaardigheid inplannen de avond ervoor.
Hier is de uitdaging die ik je meegeef. Als je Google AI Ultra hebt in de VS, doe dit binnen de komende 24 uur: open de Gemini-app, zet Persoonlijke Intelligentie aan, koppel je Workspace, en draai één echte taak — je daadwerkelijke inbox, geen testprompt. Vertel Spark dan om er een Vaardigheid van te maken en plan het in voor morgenochtend. Ga slapen. Kijk wat er klaarligt als je wakker wordt. (Geen Ultra? Zet in plaats daarvan Daily Brief aan en voel de lichtere versie van hetzelfde idee.) Dat ene experiment leert je meer over waar AI-assistenten naartoe gaan dan welke review ik ook zou kunnen schrijven — inclusief deze.
Het tijdperk van AI die wacht tot je vraagt loopt ten einde. Het tijdperk van AI die het al heeft gedaan is hier. Spark is het duidelijkste teken dat ik heb gezien dat de lijn tussen "chatbot" en "collega" dunner is dan de meeste mensen beseffen.
Veelgestelde vragen
Wat is Gemini Spark en hoe verschilt het van gewoon Gemini?
Gemini Spark is een proactieve, 24/7 AI-agent in de Gemini-app, gebouwd op Gemini 3.5, die meerstapstaken zelfstandig uitvoert via je gekoppelde Google-apps — terwijl gewone Gemini-chat alleen reageert als je een prompt geeft. Het kernverschil is initiatief: in Spark wijs je taken toe die de agent autonoom uitvoert, in plaats van vragen één voor één te stellen. Zie "Wat Gemini Spark eigenlijk is" hierboven voor de volledige uitleg.
Hoeveel kost Gemini Spark en wie kan het gebruiken?
Gemini Spark is inbegrepen bij het Google AI Ultra-abonnement, dat Google verlaagde naar $99,99 per maand bij I/O 2026 (verlaagd van $249,99). Bij lancering is het alleen beschikbaar voor Ultra-abonnees in de Verenigde Staten, 18 jaar en ouder, plus geselecteerde zakelijke gebruikers, met bredere uitrol verwacht later. Zie "Moet je Gemini Spark daadwerkelijk gebruiken" hierboven.
Hoe stel ik Gemini Spark correct in?
Schakel geheugen in via je Persoonlijke Intelligentie-instellingen zodat Spark je voorkeuren leert, en koppel dan je Google Workspace-apps zodat het je Gmail, Agenda, Docs en Drive kan lezen. Die twee schakelaars bepalen of Spark aanvoelt als een echte agent of gewoon een chatbot. De volledige handleiding staat in "De twee schakelaars die niemand noemt" hierboven.
Wat zijn Vaardigheden in Gemini Spark?
Vaardigheden zijn opgeslagen workflows waarmee Spark complexe meerstapstaken kan herhalen zonder dat je de instructies opnieuw hoeft te typen. Je kunt ze schrijven als tekst, handmatig opbouwen, of — het beste van alles — een taak voltooien en Spark vertellen om er "een Vaardigheid van te maken." Koppel een Vaardigheid aan een schema en het draait automatisch. Details staan in het gedeelte "Vaardigheden" hierboven.
Kan Gemini Spark taken automatisch uitvoeren op een schema?
Ja, Spark kan Vaardigheden en taken uitvoeren op een tijdschema (zoals elke ochtend om 5:00 uur) of op gebeurtenistriggers (zoals wanneer er een nieuwe e-mail binnenkomt). Dit is wat het verandert van een reactieve helper in een proactieve agent die terugkerend werk voltooit voordat je wakker wordt. Zie "Planning" hierboven voor hoe ik de mijne configureerde.
Is het veilig om Gemini Spark toegang te geven tot mijn e-mail en agenda?
Spark vereist bevestiging voor elke gevoelige of onomkeerbare actie, zoals het annuleren van een vergadering of het plannen van een evenement, wat een sterk veiligheidsontwerp is. Dat gezegd hebbende, je verleent wel een AI-agent permanente toegang tot je e-mail en agenda, dus weeg het gemak af tegen de blootstelling — vooral voor gevoelige zakelijke accounts. Ik behandel de volledige privacyafweging in "Eerlijk verhaal" hierboven.
Laten we samenwerken
Wil je AI-systemen bouwen, workflows automatiseren of je technische infrastructuur opschalen? Ik help graag.
- Fiverr (maatwerk & integraties): fiverr.com/s/EgxYmWD
- Portfolio: mejba.me
- Ramlit Limited (enterprise-oplossingen): ramlit.com
- ColorPark (ontwerp & branding): colorpark.io
- xCyberSecurity (beveiligingsdiensten): xcybersecurity.io
