Alles wat je wil weten

Juist geschikt. Kleinere bedrijven, 5–50 medewerkers zonder IT-afdeling, hebben meer daadkracht. Ze nemen een beslissing en kunnen zich sneller aanpassen aan de veranderde markt. Deze bedrijven hebben ook intensiever contact met hun klanten waardoor ze beter weten wat ze willen. Dit is de reden dat de potentie hier veel groter is.

De quick-scan is gratis en daarnaast heb ik vier standaard diensten die ik aanbied. Bekijk ze op de dienstenpagina of vraag direct de gratis AI-kansenscan aan. Voor een maatwerk traject kun je natuurlijk contact met me opnemen en dan kan ik altijd een offerte maken. Wees niet bang om even contact te leggen, dit zijn meestal de leukste trajecten.

We leggen vooraf in de intake meetbare doelen vast. Op Procesautomatisering en Prolongatie-automatisering geef ik garantie: bespaart het proces binnen 90 dagen geen meetbare tijd, dan werk ik gratis door tot het wél zo is. Op de workshop geldt: niet direct toepasbaar, dan betaal je niets. Je weet dus vóór we starten waar je aan toe bent.

De meeste moderne softwareoplossingen hebben een API dus het is makkelijk te integreren. Het hangt vooral af van de partij die de data moet versturen.

Veel applicaties zijn tegenwoordig low-code dus daar heb je bijna geen ICT-kennis voor nodig. Daarnaast ben ik ook bezig met diensten ontwikkelen waarmee ik je volledig kan ontzorgen.

Gemiddeld besparen bedrijven met een succesvolle AI-implementatie 23% tot 51% op verwerkingstijd, afhankelijk van het proces. Bij Rabobank resulteerde dit in 51% snellere telefonische afwikkeling en 23% tijdsbesparing op werkvoorraad. Dat vertaalt zich naar minder handmatig werk, snellere doorstroom en meer ruimte voor groei. En natuurlijk ook een betere klantfocus.

Als een proces te ongestructureerd is, de data niet op orde is, te weinig volume heeft of juist menselijk oordeel vereist. Soms is het duurder om te automatiseren of wil je de menselijke maat in je processen houden. Maar soms is je bedrijf er ook nog niet klaar voor.

Ik gebruik Gemini Flash 2.5 vanwege latency maar ik ben vanwege privacy bij Nebius aan het kijken naar modellen. Open source modellen zijn veel beter geworden dus daar experimenteer ik ook mee. Maar let op: 99% van de AI-assistenten hebben geen reasoning of een duur model nodig.

Nee, ik zou alleen classificatie doen. Dan gebruikt de AI de vooropgestelde regels die jij van tevoren hebt bedacht. Op die manier heb je een consistente beoordeling en "bedenkt" de AI niet voor elke casus een nieuwe beoordelingsmanier.

Wanneer je het niet op een andere manier kunt automatiseren. AI is namelijk relatief duur en probabilistisch, dus het schaalt veel minder goed en de uitkomst kan per keer anders zijn.

We inventariseren eerst wat de gewenste nieuwe functionaliteit is en daarna onderzoeken we of het mogelijk is met de huidige infrastructuur. Dit is een korte inventarisatie, daarna maken we een eerste opzet (POC) die we zo snel mogelijk live zetten.

Een duidelijk idee van de gewenste nieuwe functionaliteit en inzicht in de huidige infrastructuur.

De eerste winst is vaak binnen 4 tot 6 weken zichtbaar. We focussen eerst op "low-hanging fruit": processen die direct tijd of kosten besparen.

Ja. Ik werk uitsluitend met Enterprise-grade API's met beveiliging. Jouw data wordt nooit gebruikt om publieke AI-modellen te trainen (zero-retention).

Ik gebruik tools maar ik heb er geen voorkeur voor. Ik kijk wat het beste in jouw huidige set-up past en bouw daarop verder. Ik geloof in zakelijke uitkomsten en ben geen fan-boy van een specifieke tool.

Integendeel. AI neemt het repeterende "robotwerk" over, zodat zij weer tijd hebben voor taken waar menselijke creativiteit en klantcontact het verschil maken.

Ik bouw modulair in microservices. Als er een efficiënter model uitkomt, kunnen we dit vaak binnen 24 uur omwisselen zonder de hele workflow te herbouwen. Wel de lusten maar niet de lasten.

Omdat business value valt of staat bij of het gebruikt wordt. Een trage assistent wordt niet gebruikt; een snelle, taakgerichte workflow wel. De meeste oplossingen hebben niet het duurste model nodig, dat is alleen maar duurder.

Door RAG (eigen databronnen) en strikte instructies. De AI mag alleen antwoorden op basis van jouw documentatie, niet op basis van eigen "informatie".

Juist niet. Hoe specifieker en repetitiever de logica, hoe groter de winst. Juist "saaie" processen leveren de hoogste business value op. Specifieker is dus beter!

Terwijl jij handmatig werk doet, schalen concurrenten hun output met 10x zonder extra personeelskosten. Wachten kost marktaandeel en klantenbinding op de lange termijn.

Ja. Ik bied monitoring aan om te zorgen dat de flows blijven draaien en worden geoptimaliseerd wanneer modellen verbeteren.

Ja, maar ik adviseer altijd een "human-in-the-loop" voor complexe zaken. 80% van de standaardvragen kan direct en foutloos afgehandeld worden. Maar je wilt wel de menselijke touch houden.

De meeste trajecten verdienen zichzelf binnen 3 tot 6 maanden terug door besparingen op arbeidsuren en verhoogde output.

Je kunt AI als pleister op je huidige proces plakken maar ik adviseer om een proces altijd in zijn geheel te bekijken en aan te passen op AI waar mogelijk. Zo creëer je ook nieuwe kansen om verder te automatiseren.

Gemiddeld besparen bedrijven met een succesvolle AI-implementatie 23% tot 51% in verwerkingstijd. Reken maar uit — en dan nemen we de zachte kant zoals sneller en beter klanten kunnen helpen nog niet eens mee.

Ik hou van techniek maar ik geloof in toegevoegde waarde. Ik kijk vanuit bedrijfsmogelijkheden naar automatisering en verdwaal niet in de techniek. Zo ga ik partnerships aan voor maximale bedrijfsimpact.

Ik zie dat prompt chaining — verschillende modellen met een unieke, kleine taak achter elkaar — een betere output geeft dan alleen een slim model te gebruiken. Dit komt omdat je met prompt chaining meer controle hebt over de data die gebruikt wordt en hoe die gebruikt wordt. Daarnaast heb je per stap maar één specifieke taak die gedaan wordt in plaats van meerdere in één keer. Zo krijg je betere kwaliteit output.

Met prompt chaining heb je twee voordelen. Per aanroep van de AI heb je maar één taak en daarom wordt die taak beter uitgevoerd — er is namelijk maar één taak om op te focussen. Door deze achter elkaar te zetten krijg je daarom een betere output. Daarnaast kun je stappen tussentijds beïnvloeden om zo de output relevanter te maken. En als laatste, door de tussenstappen vast te leggen heb je goede traceability.