AI-agents laten bouwen
Laat een AI-agent bouwen die herhalend werk met meerdere stappen van je team overneemt en afrondt in de tools die je al gebruikt. Elke agent krijgt goedkeuringsstappen, evaluaties en monitoring, zodat je ziet wat hij deed en waarom.
AI-agents: onze diensten
- AI-workflowsAgents die in meerdere stappen werken en bij risicovolle stappen op goedkeuring wachten.
- AI-agents voor klantenserviceAgents die vragen over support, claims en orders voorbereiden, routeren en afhandelen.
- Interne AI-assistentenAssistenten voor medewerkers die antwoorden vanuit bedrijfskennis en met je tools werken.
- Voice-agentsVoice-agents voor telefoon en web, voor intake, afspraken en eerstelijnssupport.
AI-agents in de software zelf: Datum.
Datum is calculatie- en werkplaatssoftware voor plaatwerk- en CNC-toeleveranciers met zes ingebouwde AI-agents, elk met één taak: intake, opvolging, orderstatus, inkoop, planning en kwaliteit. Elke agent heeft een menselijke eigenaar, een maandelijks creditbudget en een instelbare autonomie. Elke agent laat zien wat hij voorstelde en hoe vaak dat is overgenomen, aangepast of afgewezen.
De agents lezen vrij en schrijven alleen voorstellen. Een tekening wordt bij intake gelezen, de ochtendbriefing wordt geschreven met achter elke zin het record waar hij vandaan komt, en er wordt niets verstuurd, geprijsd of besteld zonder een mens. Lees de hele case over Datum.
Het werk komt binnen. De AI-kolom zegt per aanvraag wat hij deed. Gelezen, twee vragen, nieuwe mail sinds het lezen, of de scan was onleesbaar. Zeggen dat je iets niet kunt lezen hoort erbij.
Het bereikt de machine. Eén werkorder bevat de tekening, de route, de uren die op elke bewerking zijn geboekt en de uitbestede stap met retourdatum.
Zes agents stellen voor. Elke agent heeft één taak, een creditbudget en een instelbare autonomie. De kolom die telt is wat hij deze week voorstelde en hoe vaak dat is overgenomen, aangepast of afgewezen.
De ochtend erna. De briefing wordt om half acht geschreven en achter elke zin staat het record waar hij vandaan komt, zodat iedereen het kan nakijken.
De screenshots tonen voorbeelddata.
Zo pakken we het aan
Begin bij één proces
We kiezen één proces dat goed bekend is en meetbare uitkomsten heeft, en maken de agent daar betrouwbaar voordat hij meer gaat doen.
Mensen keuren goed wat ertoe doet
Goedkeuringsstappen zitten er vanaf dag één in. De agent krijgt alleen meer zelfstandigheid waar testresultaten en het aantal correcties dat rechtvaardigen.
Evaluaties voor elke release
Elke agent heeft een testset op basis van echte zaken. Geen wijziging in prompt, model of tool gaat live zonder dat hij daarvoor slaagt.
Zichtbaar zodra het live is
Elke run wordt vastgelegd met input, tool-aanroepen, kosten en uitkomst, zodat je team kan nagaan wat de agent deed en waarom.
Gerelateerde cases
- Maakindustrie
Calculatie- en werkplaatssoftware waarin AI voorstelt en mensen beslissen
6agents, elk met één taak en een eigenaar met naam- TypeScript
- React
- Hono
- Financiële administratie
Facturen goedkeuren met bij elk besluit de beleidsregel erbij
100%van de automatische besluiten noemt een beleidsregel- AI-agents
- Menselijke goedkeuring
- RAG
- Logistiek
Late zendingen bij elke vervoerder gezien, met de oorzaak erbij
€400kbespaard per jaar- AI-agents
- LangGraph
- Procesautomatisering
Gebouwd met
Alle technologieVerder lezen
Wat is een AI-agent? Uitleg met voorbeelden
Een AI-agent is software die een taak in meerdere stappen uitvoert in je systemen, binnen grenzen die jij bepaalt. Wat dat in de praktijk betekent, het verschil met een chatbot, drie voorbeelden en wanneer je er zelf een bouwt.
12 min leestijd
Human-in-the-loop AI-agents: ontwerppatronen
De human-in-the-loop-patronen die we gebruiken om AI-agents veilig live te laten draaien: goedkeuringsstappen, drempels voor zekerheid, rechten voor tools, audittrails en fallbacks.
5 min leestijd
LLM evals: zo test je AI voor elke release
Een praktische aanpak voor LLM-evaluaties: bouw een testset uit echte zaken, combineer controles in code met beoordeling door een model en houd releases tegen die slechter scoren.
5 min leestijd
Veelgestelde vragen
Software die met een taalmodel bepaalt welke stappen nodig zijn, tools zoals je CRM, ERP of inbox aanroept om die uit te voeren, en het resultaat controleert. Anders dan een chatbot rondt een agent werk af in meerdere systemen.
Processen die vaak terugkomen, regels volgen die iemand kan uitleggen, gegevens uit meerdere systemen nodig hebben en uitkomsten hebben die je kunt controleren. Denk aan factuurverwerking, zendingsuitzonderingen, triage van claims, leadonderzoek en conceptantwoorden op tickets.
We zijn niet gebonden aan één model en kiezen per taak, meestal uit Anthropic Claude, OpenAI, Google Gemini of Mistral. Moet data op je eigen infrastructuur blijven, dan gebruiken we open modellen zoals Llama. Evaluaties bepalen de keuze, en we kunnen later van model wisselen zonder alles opnieuw te bouwen.
We kunnen alles op infrastructuur in de EU draaien, ook de modellen, en logs en traces in je eigen cloudaccount bewaren. We documenteren de datastromen, zodat je security- en privacyteams ze kunnen beoordelen.
Dat hangt af van het aantal systemen, de staat van hun API's en het aantal uitzonderingen in het proces. Na een korte verkenning spreken we scope en planning af, en de agent gaat in fases live.
Dat hangt vooral af van het aantal systemen waarmee de agent werkt, de kwaliteit van hun API's, het aantal uitzonderingen in het proces en hoeveel ervan een controlescherm nodig heeft. Modelgebruik is meestal het kleinere deel. Na de verkenning leggen we scope en planning vast in een schriftelijk plan.
Nee. Code, prompts, evaluaties en infrastructuur staan in je eigen repositories en cloudaccounts. We documenteren alles, zodat je eigen team of een andere leverancier het kan overnemen.