Maatwerk AI-platform laten ontwikkelen: het stappenplan

Een maatwerk AI-platform laten ontwikkelen loont voor het grotere MKB zodra processen niet meer meeschalen met de groei en standaardsoftware uw organisatie dwingt zich aan te passen aan het pakket in plaats van andersom. Het traject slaagt wanneer het begint bij het proces en niet bij de technologie, wanneer privacy en koppelingen vóór de bouw geregeld zijn, en wanneer de bouwer na de oplevering blijft.

Het patroon is herkenbaar: de organisatie groeit, maar het handwerk groeit evenredig mee. Systemen sluiten niet op elkaar aan, kennis zit bij een paar mensen en over AI is veel gehoord zonder dat duidelijk is wat realistisch is. Hieronder staat wanneer maatwerk de juiste keuze is, welke zes fasen het traject doorloopt en wat er per fase in de praktijk misgaat.

Wat is een maatwerk AI-platform?

Een maatwerk AI-platform is bedrijfssoftware die specifiek voor de processen van één organisatie wordt gebouwd, waarin AI taken uitvoert die nu handwerk zijn: beoordelen, sorteren, samenvatten en doorzetten naar de juiste plek in de bestaande systemen.

Een AI-operator is een AI-systeem dat zelfstandig stappen in een bedrijfsproces uitvoert binnen vooraf afgesproken grenzen, en de uitkomst teruglegt bij een medewerker zodra menselijk oordeel nodig is. De operator neemt het repetitieve deel over; de medewerker houdt de beslissingen die ertoe doen.

Wanneer loont het om een maatwerk AI-platform te laten bouwen?

Maatwerk loont wanneer het proces uw onderscheidend vermogen bepaalt, wanneer meerdere systemen moeten samenwerken en wanneer het volume aan repetitief werk structureel groeit. Is het proces generiek en klein van omvang, dan is een standaardpakket vrijwel altijd de verstandigere keuze.

Maatwerk, standaardsoftware of no-code: de afweging

• Standaard SaaS is sterk bij generieke processen en een snelle start. Het loopt vast bij afwijkende werkwijzen, omdat de organisatie zich dan aan de software gaat aanpassen.
• No-code koppelingen werken goed voor losse, eenvoudige automatiseringen. Ze lopen vast bij complexe processen, bij samenhang tussen veel stappen en bij beheer na de oplevering.
• Een maatwerk AI-platform is sterk bij processen die diep in de organisatie ingrijpen en moeten meegroeien. Het is overbodig voor kleine, generieke taken.

Signalen dat u tegen de grens van pakketten aanloopt

• Medewerkers typen dezelfde gegevens over van het ene systeem naar het andere.
• Er zijn losse koppelingen en pakketten op elkaar gestapeld en niemand overziet nog hoe het geheel werkt.
• Uitzonderingen worden opgevangen in Excel-lijsten of in het hoofd van één collega.
• Bij elke groeistap moet er vooral extra capaciteit bij voor administratief werk.

De route in zes fasen

Een maatwerk AI-platform ontstaat in zes fasen: proces in kaart brengen, data en privacy regelen, aansluiten op bestaande systemen, een eerste werkende versie bouwen, testen met de gebruikers en doorlopend beheren. De volgorde is bepalend; wie een fase overslaat, betaalt dat later terug in herbouw.

Fase 1: het proces in kaart brengen, niet de tool kiezen

Het traject begint met de vraag waar tijd verloren gaat, niet met de vraag welk model het beste is. Het proces wordt stap voor stap uitgetekend met de mensen die het dagelijks uitvoeren. Drie vragen staan centraal:

• Welke handelingen zijn repetitief en voorspelbaar?
• Waar wordt informatie overgetypt of opgezocht?
• Welke beslissingen vragen echt menselijk oordeel?

Wat er misgaat: het traject start vanuit enthousiasme over een technologie en levert een oplossing op die zoekt naar een probleem. Een tweede valkuil is dat alleen de directie aan tafel zit, terwijl de kennis over uitzonderingen bij de uitvoering ligt. Een goed AI-systeem is niet gebouwd op een model, maar op een proces.

Fase 2: data, privacy en de AVG regelen vóór de bouw

Voordat er code wordt geschreven, ligt vast waar de data staat, wie er toegang toe heeft en hoe het systeem binnen de AVG blijft. Concreet gaat het om keuzes over hosting binnen de EU, over welke gegevens een taalmodel te zien krijgt en over het loggen van wie wat heeft ingezien.

Een LLM (large language model) is een taalmodel dat tekst kan lezen, interpreteren en schrijven, en vormt vaak de motor van een AI-platform. De vraag is niet óf zo'n model persoonsgegevens mag verwerken, maar onder welke voorwaarden en met welke afscherming.

Wat er misgaat: privacy wordt achteraf opgelost. Dan blijkt de architectuur niet te passen bij de eisen en moet een deel opnieuw worden gebouwd.

Fase 3: aansluiten op de bestaande systemen

Een maatwerk platform staat zelden op zichzelf. Het haalt gegevens uit het ERP, het CRM of de boekhouding, zoals AFAS, Exact of HubSpot, en zet resultaten daar weer terug. Een API is een gestandaardiseerde aansluiting waarmee twee systemen automatisch gegevens uitwisselen.

Wat er misgaat: er wordt aangenomen dat elk bestaand systeem een bruikbare API heeft. Dat valt regelmatig tegen. Wie dit in fase 3 onderzoekt, voorkomt verrassingen in fase 4. Meer over dit vraagstuk staat in ons artikel over van handwerk naar grip met een AI-systeem.

Fase 4: binnen weken een eerste werkende versie

Lange ontwerptrajecten met dikke specificaties leveren zelden op wat de organisatie nodig heeft. Beter werkt een eerste versie die binnen enkele weken draait op een afgebakend deel van het proces, zodat er snel iets concreets te beoordelen valt.

Het recruitmentsysteem voor FourParties, een horeca-uitzendbureau, is daar een voorbeeld van. FourParties had al met een flink aantal AI-partijen om tafel gezeten en koos voor The Ai Doctor vanwege de praktische aanpak van samen bouwen, testen en continu optimaliseren. Eigenaar Shimo Verbaan gaf aan dat de verwachtingen hoog waren, maar dat hij oprecht verrast was door wat er binnen een paar weken al stond. Het systeem draait inmiddels op acht vestigingen.

Wat er misgaat: de eerste versie wordt te breed opgezet. Begin bij het proces met het meeste niet-waardetoevoegende werk en breid daarna uit.

Fase 5: testen met de mensen die ermee gaan werken

Adoptie wordt niet bij de oplevering geregeld, maar tijdens de bouw. Medewerkers die vroeg meetesten, zien dat het systeem hun werk ondersteunt en niet overneemt. Hun feedback over uitzonderingen en randgevallen maakt het systeem bovendien beter.

Wat er misgaat: het systeem wordt gepresenteerd als besparing, waardoor medewerkers vooral horen dat hun werk verdwijnt. Wie het benoemt als het automatiseren van niet-waardetoevoegend werk, zodat er meer tijd is voor klanten en kwaliteit, krijgt een heel ander gesprek.

Fase 6: beheer en doorontwikkeling na de oplevering

Een AI-platform is nooit af. Processen veranderen, de organisatie groeit door en de onderliggende modellen worden beter. Beheer zorgt ervoor dat het systeem blijft draaien; doorontwikkeling zorgt ervoor dat het meegroeit.

Wat er misgaat: de bouwer verdwijnt na de oplevering. Dat is precies waar veel no-code trajecten stranden. Bij The Ai Doctor blijft één aanspreekpunt verantwoordelijk voor strategie én techniek, ook nadat het systeem live staat. Een uitgebreidere uitwerking leest u in zeven fasen en hun valkuilen.

Wanneer verdient een maatwerk AI-platform zich terug?

Een maatwerk AI-platform verdient zich terug in uren: hoeveel handwerk per week verdwijnt structureel uit de organisatie en wat uw mensen met die vrijgekomen tijd doen. Hoe complexer het proces en hoe hoger het volume, hoe sneller dat rendement zichtbaar wordt.

Een voorbeeld: een team besteedt dagelijks meerdere uren aan het beoordelen en doorzetten van binnenkomende aanvragen. Als een AI-operator het grootste deel daarvan afhandelt en alleen de twijfelgevallen aan een medewerker voorlegt, komen die uren vrij voor klantcontact, kwaliteit en groei. Die rekensom hoort vóór de bouw gemaakt te worden, zodat de directie precies weet waar zij ja tegen zegt.

Maak de afweging aan de hand van deze factoren:

• het aantal uren repetitief werk per week in het gekozen proces;
• het aantal systemen dat gekoppeld moet worden;
• de privacy-eisen rond de gegevens die door het proces gaan;
• de verwachte groei van het volume in de komende jaren.

Veelgestelde vragen over een maatwerk AI-platform

Is een AI-platform over een jaar niet alweer achterhaald?

Niet als de architectuur klopt. Een goed ontworpen platform is gebouwd op het proces, niet op één specifiek model, waardoor een beter model kan worden ingewisseld zonder het systeem opnieuw te bouwen. De snelheid van AI-ontwikkeling is daarmee eerder een voordeel dan een risico.

Is wachten niet verstandiger?

Wachten is meestal de duurdere keuze. De processen die vandaag niet meeschalen, schalen over een jaar nog steeds niet mee, alleen dan in een organisatie die inmiddels verder is doorgegroeid.

Hoe snel staat er iets werkends?

Met een afgebakend startproces draait een eerste versie doorgaans binnen enkele weken. Daarna wordt het systeem stap voor stap uitgebreid op basis van wat gebruikers in de praktijk tegenkomen.

Wie moeten er aan tafel zitten?

In de eerste fase de directie samen met de verantwoordelijke voor de operatie. Zodra koppelingen en data aan bod komen, schuift de IT-verantwoordelijke aan, en tijdens het testen de mensen die straks dagelijks met het systeem werken.

Zo zet u deze week de eerste stap

Het startpunt is het proces dat nu de meeste uren handwerk kost. Met drie korte opdrachten heeft u binnen een week een scherp vertrekpunt:

1. Noteer de drie processen waarin uw team wekelijks de meeste uren aan repetitief werk besteedt.
2. Zet per proces op een rij welke systemen erbij betrokken zijn en ga na welke daarvan een API bieden.
3. Leg vast welke persoonsgegevens in die processen omgaan en waar die data nu staat.

Wie de route daarna in detail wil volgen, vindt die in ons stappenplan voor een maatwerk AI-platform. Liever direct toetsen welk proces het meeste oplevert? Plan een vrijblijvend gesprek met The Ai Doctor en neem uw lijstje mee.