Wij bouwen AI-toepassingen die na de eerste proef ook echt in productie draaien: documenten doorzoekbaar maken, klantvragen afhandelen, patronen herkennen of een koppeling tussen systemen slim maken. We beginnen met een proef op jouw eigen gegevens en gaan pas naar productie als die proef laat zien dat het werkt, met beheer, monitoring en de AI Act als vaste randvoorwaarden. Wil je geen externe AI-partij in je processen, dan leren we je eigen mensen een eigen bedrijfs-LLM te implementeren en te beheren, afgestemd op jullie werkwijze, processen en systemen.
Een werkende AI-toepassing in productie, of een eigen bedrijfs-LLM dat je zelf beheert: van proef tot beheer, met je gegevens en de AI Act als randvoorwaarden.
AI-oplossingen zijn geen apart vakgebied naast software, maar wel een andere manier van bouwen. Een AI-toepassing moet leren van jouw gegevens en jouw taal, en dat kun je niet in één keer goed ontwerpen. Daarom draait dit werk om vragen als: is je eigen kennis doorzoekbaar te maken zodat mensen sneller een antwoord vinden, kunnen documenten of aanvragen automatisch verwerkt worden, kan een chatbot klantvragen afhandelen zonder dat kwaliteit inlevert, valt er iets te voorspellen uit gegevens die je al hebt en kan een AI-stap een bestaand systeem slimmer koppelen aan een ander.
We bouwen dat met bestaande AI-modellen in plaats van een eigen model te trainen, want dat laatste is voor bijna geen organisatie de juiste keuze. Waar het om gaat is de toepassing eromheen: welke gegevens erin gaan, hoe de uitkomst gecontroleerd wordt, wat er gebeurt als het model het mis heeft en hoe je mensen erop kunnen vertrouwen. Ons eigen compliance-platform gebruikt AI in de zoekfunctie en in de rapportgeneratie, dus we passen hier toe wat we zelf ook draaiend hebben.
Eigen kennis doorzoekbaar maken, zodat mensen sneller een antwoord vinden.
Documenten en aanvragen automatisch verwerken en samenvatten.
Klantvragen afhandelen met een chatbot die weet wanneer hij een mens moet inschakelen.
Patronen herkennen en voorspellingen doen op gegevens die je al hebt.
Bestaande systemen aan elkaar koppelen met een AI-stap die het handwerk overneemt.
Voor organisaties die AI willen gebruiken en verder komen dan een los experiment. Vaak is er al eens iets uitgeprobeerd, een proof of concept die nooit doorgroeide naar productie of een los abonnement op een AI-tool waarvan niemand de uitkomst controleert. Wij richten ons op de stap daarna: een toepassing die echt in gebruik gaat, met een eigenaar, met beheer en met een antwoord op de vraag wat er gebeurt als het model een keer fout zit.
We werken voor onderwijs, overheid, zorg, industrie en finance, sectoren waar gegevens gevoelig zijn en waar de AI Act en andere regels meelopen in elke keuze. Dat betekent niet dat AI daar niet kan, het betekent dat de randvoorwaarden vanaf de eerste proef meegenomen worden in plaats van achteraf toegevoegd.
We bouwen in vier stappen, met een proef als scharnier. Je investeert pas echt in productie als de proef op je eigen gegevens heeft laten zien dat de aanpak werkt en wat hij oplevert.
In de gratis intake bepalen we samen welk probleem de AI moet oplossen, welke gegevens daarvoor nodig zijn en wie de eigenaar wordt. Een AI-vraag is bijna nooit scherp als hij binnenkomt, dus dit gesprek gaat net zo veel over wat we niet gaan bouwen als over wat wel.
Binnen twee weken na de intake staat er een proef op jouw eigen gegevens, klein genoeg om snel te bouwen en groot genoeg om echt te beoordelen. Je ziet hoe de toepassing zich gedraagt op jouw situatie, niet op een demo-dataset die toevallig goed uitpakt.
Na de proef beoordeel je samen met ons of de aanpak werkt, wat hij kost om naar productie te brengen en of dat de investering waard is. Dit is het moment om te stoppen of om door te gaan, met de cijfers van de proef erbij in plaats van een belofte vooraf.
Ga je door, dan bouwen we de productieversie met monitoring, foutafhandeling en een duidelijke eigenaar voor beheer. Je krijgt documentatie en beheerafspraken, zodat de toepassing na oplevering van jou is en niet stilvalt zodra wij eraf stappen.
AI bouwen zonder de randvoorwaarden mee te nemen is geen tijdwinst, want dan repareer je het later onder tijdsdruk. Wat standaard meegaat in elk traject staat hieronder; onze gids over de AI Act laat in detail zien hoe die wet werkt en welke rol je erin hebt.
Europese verwerkers waar dat kan, zodat je gegevens binnen een bekend juridisch kader blijven.
Geen training van modellen op jouw data: je gegevens blijven van jou.
Vaststellen welke rol je onder de AI Act hebt voor deze toepassing, als aanbieder of als gebruiksverantwoordelijke.
AI-geletterdheid van de mensen die met de toepassing gaan werken, zodat ze weten wat het model wel en niet kan.
Steeds meer organisaties willen AI gebruiken zonder dat hun gegevens langs een externe AI-partij gaan: omdat het om cliëntdossiers, leerlinggegevens of bedrijfsgeheimen gaat, omdat een toezichthouder of klant het eist, of omdat ze niet afhankelijk willen zijn van een abonnement dat morgen van prijs of voorwaarden verandert. Daarvoor bouwen we een eigen bedrijfs-LLM: een bestaand open taalmodel dat op je eigen infrastructuur of in een Europese cloud onder jouw beheer draait, gevoed met je eigen documenten, processen en systemen.
Dat is iets anders dan zelf een model trainen. Het model bestaat al; het werk zit in de omgeving eromheen: welke kennis het mag zien, hoe het aan je systemen gekoppeld wordt, hoe je de antwoorden controleert en hoe je het bijhoudt als je organisatie verandert. Wij richten dat samen met je in en dragen het over: je eigen mensen leren het model te beheren, te voeden en te toetsen, zodat het van jullie is en blijft. Geen externe partij die meeleest, geen licentie die je aan ons vastzet.
Je krijgt een AI-toepassing die in productie draait, met monitoring die laat zien of hij nog doet wat hij moet doen, en documentatie die uitlegt hoe hij werkt en waar zijn grenzen liggen. De AI Act-inventarisatie hoort daarbij, zodat je kunt aantonen welke rol je hebt en wat daaruit volgt.
De overdracht loopt zoals bij al ons bouwwerk: code, documentatie en kennis gaan naar je eigen mensen, zodat je zonder ons verder kunt. Er hoort geen verplicht abonnement of een gesloten model bij dat je aan ons vastzet.
Een organisatie krijgt dagelijks tientallen vergelijkbare vragen van klanten binnen, die nu stuk voor stuk door hetzelfde team beantwoord worden. De proef zoekt uit of een AI-toepassing de meest voorkomende vragen kan herkennen en een concept-antwoord kan opstellen dat een medewerker controleert voordat het verstuurd wordt. Na twee weken blijkt dat te werken voor een derde van de vragen, met een duidelijke grens waarop de toepassing zelf doorverwijst naar een mens.
Op basis daarvan gaat de toepassing naar productie, met monitoring die bijhoudt hoe vaak het concept-antwoord ongewijzigd wordt verstuurd en hoe vaak het aangepast moet worden. Dat cijfer is meteen het bewijs of de AI-toepassing daadwerkelijk tijd oplevert, in plaats van een indruk die niemand kan onderbouwen.
Op programma-schaal wordt het een reeks van zulke proeven. Een organisatie die AI in vijf processen wil inzetten begint met de proef die het meest oplevert, gaat daar naar productie en start pas daarna de volgende. Elke stap heeft een eigen vaste prijs en een eigen besluitmoment, en wat in de eerste stap is opgebouwd, van gegevenskoppelingen tot beheerafspraken, wordt in de volgende hergebruikt.
Vertel kort wat er speelt, dan reageren we binnen één werkdag.
Verder lezen: Gids over de AI Act · Procesverbetering met AI · Software-ontwikkeling