We hebben productieklare, local-first AI-agents gebouwd die aansluiten op uw bestaande e-mailomgeving. Ze maken automatisch tickets aan, classificeren berichten, halen meerdere vragen uit één e-mail, lezen pdf's, herkennen facturen en offertes, analyseren beelden, waaronder schade, en sturen gestructureerde rapporten terug naar uw systemen. Dat kan zonder afhankelijkheid van OpenAI, Google of Microsoft, tenzij u daar bewust voor kiest. De modellen worden op maat getraind met uw gegevens, draaien op uw hardware en blijven binnen uw complianceperimeter. Het resultaat: kortere doorlooptijden, lagere servicekosten en meer controle.
Waarom dit, en waarom nu?
Veel AI-oplossingen die de afgelopen achttien maanden verschenen, bestaan uit een eenvoudige interface bovenop de API van een leverancier. Dat werkt goed voor prototypes, maar brengt in productie risico's mee. U draagt gegevens over, krijgt mogelijk onverwachte gebruikskosten en bent afhankelijk van het gedrag en de beschikbaarheid van een extern model.
Onze aanpak is anders: AI-agents die draaien waar uw gegevens zich bevinden. On-premises of in uw private cloud, afgestemd op uw eigen corpus, volledig gemonitord en gekoppeld aan de toepassingen die u al gebruikt. Zo creëert u operationele slagkracht zonder bijkomende complianceproblemen.
Wat de agent vandaag al doet
- E-mailinname en triage: maakt via standaard-API's verbinding met uw mailprovider, creëert automatisch tickets, herkent intenties, routeert berichten naar de juiste wachtrij, haalt meerdere vragen uit één e-mail en stelt gestructureerde vervolgvragen voor.
- Document intelligence: leest pdf's en Office-documenten, herkent facturen, offertes en contracten, extraheert regelitems, totalen, datums en partijen en markeert afwijkingen.
- Beeldanalyse in de workflow: verwerkt bijgevoegde afbeeldingen, detecteert schade of non-conformiteiten, koppelt bevindingen aan het juiste dossier of ticket en genereert een rapport volgens een vast sjabloon, inclusief bewijsmateriaal.
- Alles lokaal: gebruikt standaard geen externe AI-API's. Wilt u Gemini, Copilot of ChatGPT toch integreren, dan kan dat via connectoren met strikte beleidsregels.
- Klantspecifieke modellen: we fine-tunen en/of distilleren modellen op maat met uw gegevens, terminologie en workflows. De opgebouwde kennis blijft van u.
Use-cases uit de praktijk
Horizontaal, inzetbaar in vrijwel iedere organisatie
- Eerstelijnssupport: classificeren, samenvatten, oplossingsstappen voorstellen en automatisch antwoorden waar het beleid dit toestaat. Bij escalatie ontvangt een medewerker een helder statusoverzicht.
- Crediteurenadministratie: facturen in e-mails en pdf's herkennen, velden extraheren, aanwijzingen voor een three-way match geven en gegevens naar het ERP-systeem sturen. Dubbele facturen en afwijkingen in datum of bedrag worden gemarkeerd.
- Sales operations: inkomende offerteaanvragen verwerken, vereisten extraheren, koppelen aan SKU's en conceptoffertes opstellen of doorsturen naar de juiste accountmanager met een checklist voor verdere analyse.
- Inkoop: leveranciersmails automatisch classificeren, leverbeloftes tegenover aankooporders opvolgen en herinneringen genereren bij vertragingen of complianceproblemen.
- ITSM: vanuit iedere inbox tickets aanmaken, ze met logs en bijlagen verrijken, runbookstappen voorstellen en afsluitende samenvattingen voor audits genereren.
Sectorspecifiek
- Verzekeringen: schademeldingen uit e-mails en foto's verwerken, schade in beelden detecteren, claimformulieren vooraf invullen, ontbrekend bewijs signaleren en notities voor de schade-expert opstellen.
- Bouw en buitendiensten: defecten of schade in werffoto's herkennen, dagrapporten genereren, wijzigingen in meer- en minderwerk vastleggen en veiligheidschecklists extraheren.
- Maakindustrie: kwaliteitsafwijkingen op productielijnbeelden herkennen, automatisch CAPA-tickets aanmaken en leveranciersdocumenten zoals CoA's en CoC's verwerken, met duidelijke markering van uitzonderingen.
- Logistiek: gegevens uit CMR's, vrachtbrieven en paklijsten extraheren, automatisch dossiers aanmaken uit uitzonderingsmails, afleveringsbewijzen op beelden verifiëren en waarschuwingen bij SLA-overtredingen genereren.
- Zorgadministratie (niet-diagnostisch): verwijzings- en intakedocumenten verwerken, informatie uit machtigingsformulieren extraheren en e-mails voor afspraken triëren.
- Juridische diensten en compliance: nieuwe dossiers classificeren, clausules uit bijlagen extraheren, persoonsgegevens detecteren, anonimisering voorstellen en audittrails bijhouden.
Waarom local-first Agentic AI werkt voor operationele teams en CISO's
- Datagovernance by design: houd PHI, PII en commerciële gegevens binnen uw eigen perimeter. Geen enkel extern model ziet uw gegevens, tenzij u dat expliciet toestaat.
- Voorspelbare kostenstructuur: draai op uw eigen hardware of op dedicated instances en behoud controle over de TCO, zonder onverwachte API-kosten.
- Latency en throughput: verwerk tokens lokaal en vermijd internetroundtrips. Dat levert een lagere p95-latency, meer concurrency en sterkere SLA's op.
- Diepgaande aanpassing: stem het systeem af op uw kennisbank, tone of voice en escalatiedrempels. Zo ontstaat bedrijfsspecifiek gedrag in plaats van een generieke oplossing.
- Observability en auditability: leg eventlogs, prompts, tool calls en output volledig vast. Beslissingen zijn reproduceerbaar en waar nodig blijft een medewerker in de lus.
- Air-gapped inzetbaar: laat het systeem in gevoelige omgevingen volledig offline werken en synchroniseer alleen wanneer het beleid dat toestaat.
- Beperkt leveranciersrisico: vermijd één centraal afhankelijkheidspunt met een verwisselbare modellaag en fallbacks.
Onder de motorkap
- Orchestrator: een event-driven agentruntime met toolgebruik voor e-mail, ticketing, OCR en vision, databases, RAG en rapportsjablonen, aangevuld met beleid en guardrails.
- Modellen: lokale LLM's voor taal en lokale VLM's voor beeldanalyse. Per klantdomein gebruiken we adapters zoals LoRA en PEFT, met RAG over uw eigen gegevensbronnen.
- Connectoren: IMAP, Microsoft Graph en Gmail voor e-mail; Jira, ServiceNow, YouTrack en Zendesk voor tickets; SAP, NetSuite en Odoo voor ERP; S3, SharePoint en fileshares voor documenten.
- Veiligheid en governance: detectie van persoonsgegevens, anonimisering, policy gates, confidence thresholds en terugval naar een medewerker.
- MLOps: versiebeheer voor modellen en prompts, offline evaluaties met echte workloads, canary releases, driftmonitoring en rollbacks.
Wat agentic in de praktijk betekent
Dit is meer dan automatisch aanvullen voor e-mail. De agent plant stappen, roept tools aan, controleert het eigen werk en onderneemt actie binnen vooraf bepaalde beleidsgrenzen. Een voorbeeld:
- De agent ontvangt een e-mail met twee vragen, een pdf-factuur en drie foto's.
- Hij extraheert entiteiten uit de pdf en detecteert schade op de foto's.
- Hij opent het juiste ticket of vult het aan, werkt de velden bij en voegt het bewijsmateriaal toe.
- Hij stelt een antwoord op beide vragen voor en markeert duidelijk welke bevestigingen nog ontbreken.
- Ligt de zekerheid onder de beleidsdrempel, dan routeert hij het dossier naar een medewerker met een beknopte briefing.
Geen handmatig kopiëren tussen systemen, maximale throughput.
KPI's die klanten meten
- MTTR en eerste responstijd ↓
- Ticketdeflectie, automatisch opgelost ↑
- Aantal dossiers per medewerker ↑
- Touchless rate voor facturen ↑
- Nauwkeurigheid van uitzonderingsdetectie, precision en recall ↑
- Tijd tot auditgereedheid ↓
We helpen u eerst een baseline te bepalen en voeren daarna een A/B-test of afgebakende pilot uit, zodat de verschillen helder meetbaar zijn.
Implementatieplan zonder onnodige complexiteit
- Analyse (1 tot 2 weken): systemen, gegevens, beleid en waardevolle workflows in kaart brengen en harde grenzen bepalen.
- Pilot (4 tot 6 weken): één of twee kernprocessen selecteren, bijvoorbeeld eerstelijnssupport en crediteurenadministratie. Daarna volgen lokale deployment, modelaanpassing en beoordeling met human-in-the-loop.
- Opschalen: connectoren uitbreiden, autonomiedrempels verhogen en extra afdelingen aansluiten.
- Beheren: metrics opvolgen, drift controleren, periodiek hertrainen met nieuwe gegevens en beperkt onderhoud uitvoeren aan prompts en modellen.
Veelgestelde vragen
Waarom niet gewoon Copilot, Gemini of ChatGPT gebruiken?
Die diensten zijn sterk voor algemeen kenniswerk. Voor herhaalbare, kritieke workflows met gevoelige gegevens biedt een local-first aanpak meer controle, een lagere latency en een beter voorspelbare kostencurve. Wanneer de ROI duidelijk is, kunnen we zulke diensten nog steeds onder strikte beleidsregels integreren.
Zijn lokale modellen goed genoeg?
Voor afgebakende domeinen met de juiste gegevens en adapters: absoluut. We optimaliseren voor uw taken, niet voor een plaats bovenaan een leaderboard. De winst komt uit domeinafstemming en toolgebruik, niet alleen uit de omvang van het model.
Vervangt dit mijn team?
Nee. Het systeem neemt repetitief werk weg en verhoogt de throughput. Uw experts behandelen uitzonderingen en edge-cases, de agent neemt de rest voor zijn rekening.
Klaar voor de volgende stap?
Is uw inbox uw backlog en draaien pdf's een groot deel van uw bedrijfsprocessen? Dan is het tijd om AI te operationaliseren, binnen uw eigen omgeving.
Wilt u de video, een technische deep dive in de architectuur en een pilotvoorstel afgestemd op uw stack? Neem contact op. Wij brengen de demo, u de moeilijke e-mails.