AI-integratie
AI Integratie
Een goed AI-project begint met een probleem, niet met de techniek. Wij zoeken uit waar AI je bedrijf echt verder helpt en waar een simpel script beter werkt. En dan bouwen we de juiste oplossing.
AI ín het product, niet erbovenop.
AI-integratie is de inspanning pas waard als ze verandert hoe mensen het product gebruiken. Drie dingen die we bij elk traject meten.
Tijd tot een antwoord onder de 8 seconden
Retrieval en redeneren, volledig gebaseerd op jouw eigen data. Klanten vinden het antwoord sneller dan ze het aan een mens zouden kunnen vragen; elke keer, op elk kanaal.
Hallucinatiegraad onder de 2%
Elke output wordt vóór livegang beoordeeld tegen een vaste evaluation harness. Hallucinaties worden opgespoord, gescoord en als bugs behandeld.
Marketing automation, niet alleen chat
AI-agents die outreach opstellen, gesprekken samenvatten en leads kwalificeren. De chat is maar één kant; de winst zit in de automatisering op de achtergrond.
Je data stroomt door intelligentielagen
We plakken AI niet op je systemen. We bedraden het in je datapipeline zodat het leert van alles wat je bedrijf al weet.
Hoe het er echt uitziet
Een blik op de interface waarmee klanten en operators dagelijks werken; geen marketingscreenshots, geen nep-data.
AI live in productie; geen demo's.
Elk project hieronder heeft een echte evaluation harness, een echt kostenplafond en echte gebruikers die er elke dag queries op afvuren.
Wanneer je AI wél inzet en wanneer niet
Niet elk probleem vraagt om een neuraal netwerk. Zo beoordelen we of AI het juiste gereedschap is voor een echt klantproject.
Eigen model bouwen of een voorgetraind model gebruiken?
Why
De klant had 800 gelabelde voorbeelden. Te weinig om from scratch te trainen, genoeg om een base model te fine-tunen. Fine-tuning gaf ons 89% accuracy in 3 weken in plaats van 6 maanden dataverzameling.
Alternatives Considered
From scratch trainen geeft meer controle maar vraagt 10× meer data. Voor deze use case haalde fine-tuning hetzelfde doel tegen een fractie van de kosten.
Cloud-inference of on-premise?
Why
De klant verwerkt 500 documenten per dag. Cloud kost rond EUR 200/maand op dat volume. On-premise hardware kostte EUR 40K vooraf plus onderhoud. De rekensom was duidelijk.
Alternatives Considered
On-premise loont bij 50.000+ documenten/dag of strikte data-residency-eisen. Deze klant had geen van beide.
Real-time of batchverwerking?
Why
De klant heeft geen directe classificatie nodig. E-mails worden gesorteerd om 08:00 en 14:00. Batch is 70% goedkoper dan real-time inference en geeft tijd om resultaten te valideren voordat ze worden gerouteerd.
Alternatives Considered
Real-time is essentieel voor klantgerichte chat of live support-routing. Voor interne documentverwerking is batch bijna altijd de betere keuze.
Moeten we ook de edge cases automatiseren?
Why
Het model handelt 87% van de gevallen met hoge confidence af. De resterende 13% is ambigu. Die automatiseren vraagt 3× meer trainingsdata en zou nog steeds fouten maken. Een mens laten beslissen is goedkoper en accurater.
Alternatives Considered
Als het aantal edge cases zeer hoog is (duizenden per dag), kan een gespecialiseerd model lonen. Bij deze klant ging het om 26 gevallen per dag. Menselijke review is prima.
Een werkende AI-laag, een evaluation harness en een team dat is opgeleid om hem door te ontwikkelen.
AI-projecten lopen mis wanneer het model verandert en niemand het doorheeft. Wij leveren een systeem dat je kunt beoordelen; en een team dat weet wanneer het tijd is om opnieuw te beoordelen.
- Retrieval- + reasoning-pipeline gekoppeld aan je databronnen
- Evaluation harness met minimaal 50 beoordeelde testcases per surface
- Kostendashboard met uitsplitsing per model en per klant
- Fall-back-routing (klein model → groot model) bij het kostenplafond
- Prompt registry met versiebeheer en rollback
- Trainingssprint van twee weken voor je team over prompt- + retrieval-iteratie
Upload een document en kijk hoe AI de data extraheert
Sleep een voorbeeldfactuur of -contract erin. Kijk hoe het model de velden herkent, de waarden uitleest en een betrouwbaarheidsscore toekent. Inloggen is niet nodig.
Wat AI daadwerkelijk oplevert
Nauwkeurigheid bij eerste deployment
Snelheidswinst in dataverwerking
Minder handmatige classificatie
Gemiddelde tijd tot eerste productiemodel
Drie vormen voor een AI-traject.
AI-werk is iteratief; we tekenen voor sprints van twee weken, geen contracten van 12 maanden. De matrix legt het totale plafond per vorm vast.
Eén AI-laag, volledig beoordeeld
Live in 4 weken
- Eén AI-surface (chatbot, search, classifier, enz.)
- Retrieval-pipeline + evaluation harness met 50 cases
- Kostendashboard + alerting
- Eén model-fall-back-laag
- Multi-tenant-uitrol
- Eigen fine-tuning
AI-integratie in productie
Live in 8 weken
- Tot 3 gecoördineerde AI-surfaces (chat + agent + classifier)
- Evaluation harness met 150+ cases en regressie-CI
- Tool calling naar je bestaande CRM / DB / API's
- Multi-model fall-back met kostenplafonds per laag
- Prompt registry + versiebeheer
- Kwartaalretainer voor prompt-doorontwikkeling
AI-platform over meerdere producten
Traject op kwartaalschaal
- Onbeperkt surfaces + tool-integraties
- Eigen fine-tuning + RLHF waar het waarde toevoegt
- Multi-tenant-uitrol met evaluatie per klant
- Ingebedde ML-engineer (fulltime)
- Kwartaalaudit op drift + bias
- Code escrow + exit-clausule
Exclusief de API-kosten van het model (OpenAI, Anthropic, Google). We werken via jouw accounts zodat de kosten transparant blijven. Cloud en vector-DB worden doorbelast.
Koppel er een aan elk pakket.
AI-trajecten gaan goed samen met automatisering aan de groeikant. Deze vier zijn er moeiteloos op aan te koppelen.
Hoe een accountantskantoor 91% van de factuurmatching automatiseerde
3.000 facturen per maand handmatig gematcht
Vier medewerkers waren wekenlang bezig met het matchen van inkomende facturen aan openstaande inkooporders. Voor elke match moesten ze leveranciersnaam, bedrag, regels en ordernummer in twee systemen tegen elkaar leggen. Fouten kostten het kantoor gemiddeld EUR 8K per maand aan geschillen.
OCR-extractie met AI-matching
We trainden een model dat factuurvelden uitleest, in elk formaat en elke taal, en matcht met openstaande inkooporders. Op basis van betrouwbaarheidsscores gaan zekere matches naar automatische goedkeuring en twijfelgevallen naar een controlewachtrij voor een medewerker, met alle context erbij.
4 medewerkers behandelen nu alleen uitzonderingen
91% van de facturen wordt automatisch gematcht. De kosten van geschillen daalden naar bijna nul. Het team houdt zich nu bezig met leveranciersonderhandelingen en financiële planning in plaats van handmatig data vergelijken.
Facturen automatisch gematcht (was 0%)
Kostencalculator voor AI-integratie
Bouwkosten plus maandelijkse exploitatiekosten: het complete plaatje.
Open de volledige calculator met methodiekJouw invoer
05 fieldsBepaalt het gemiddelde uurtarief; senior engineers kosten 35 % meer.
Eerlijke antwoorden
Wat mensen vragen voor ze in AI investeren
Deze vragen horen we bij elk verkoopgesprek. Staat die van jou er niet bij? Plan dan even een gesprek in.
Misschien. Voor classificatie hebben we minstens een paar honderd gelabelde voorbeelden nodig. Voor voorspelling is 6-12 maanden aan historische data een goed begin. Heb je te weinig, dan kunnen we soms een voorgetraind model nemen en dat fine-tunen op jouw kleinere dataset. Dat beoordelen we in de eerste twee weken, voordat je je vastlegt.
Elk model heeft een betrouwbaarheidsdrempel. Komt het daaronder, dan gaat het geval naar een mens. Bij kritieke bedrijfsbeslissingen houden we altijd een mens in de lus. De AI doet het volume, jouw team het oordeel.
We testen vóór livegang op bias en monitoren daarna op drift. Bij generatieve AI houden we de output binnen jouw eigen domeindata en toetsen we die aan bekende antwoorden. We zijn eerlijk over waar AI slecht in is; sommige taken kun je beter niet automatiseren.
Ja. We leveren AI als REST API die naast je huidige systemen draait. Je ERP, CRM of eigen tool roept de API aan en krijgt het resultaat terug. Geen platformwijzigingen nodig.
Proof of concept binnen 4 weken op echte data. Je ziet de nauwkeurigheidscijfers en bepaalt dan of je naar productie gaat. De uitrol in productie duurt nog eens 4-8 weken, afhankelijk van de complexiteit van de integratie.
In onze ervaring niet. AI neemt het repetitieve volumewerk over. De mensen die dat werk deden, verschuiven naar taken die menselijk oordeel vragen. Het financiële team dat de factuurmatching automatiseerde, besteedt zijn tijd nu aan leveranciersonderhandelingen en uitzonderingen.
Klaar om iets buitengewoons te bouwen?
Laten we je idee werkelijkheid maken. Ons team staat klaar om software te bouwen die het verschil maakt.