AI-integraties & automatisering op maat
Ik bouw AI-koppelingen die passen in de systemen en processen die je al hebt: teksten laten voorbereiden, documenten verwerken, aanvragen sorteren of een interne assistent die antwoord geeft op basis van je eigen informatie. Met de API's van Claude en OpenAI, ingebouwd in een webapplicatie of als koppeling tussen systemen.
Geen chatbot om de chatbot, wel één proces dat merkbaar minder handwerk kost. Het model doet het voorwerk, een mens keurt goed voordat er iets naar buiten gaat.
In het kort
Een AI-integratie is een koppeling tussen een taalmodel (zoals Claude of GPT) en je eigen software of data, zodat het model een afgebakende taak uitvoert binnen een bestaand proces. Ik begin met één proces, laat een mens het resultaat goedkeuren, log per aanroep wat het model deed en wat het kostte, en breid pas uit als het in de praktijk werkt.
— Dean Klijbroek, DKDigital
Wat kan ik voor je automatiseren met AI?
Concrete toepassingen die ik bouw. Steeds een afgebakende taak, ingebouwd in software die je team al gebruikt.
Content- en marketingteksten met goedkeuring
Het model schrijft concepten voor posts, advertenties of productteksten op basis van je merkinformatie en tone of voice. Jij of je team keurt goed, past aan of wijst af. Er gaat niets live zonder akkoord.
Document- en dataverwerking
Gegevens uit pdf's, e-mails of formulieren halen en als gestructureerde data in je systeem zetten. De uitvoer wordt tegen een vast schema gecontroleerd, zodat alleen bruikbare gegevens doorgaan.
Slimme zoekfunctie en classificatie
Binnenkomende aanvragen, tickets of producten automatisch laten indelen in categorieën, of een zoekfunctie die op betekenis zoekt in plaats van alleen op exacte woorden.
Workflow-automatisering en koppelingen
Stappen die nu handmatig tussen systemen gebeuren automatiseren: een webhook start een taak, het model doet het tekstwerk, de uitkomst gaat naar je CRM, planning of mailbox.
Interne AI-assistent op eigen data
Een assistent voor je team die antwoord geeft op basis van je eigen handleidingen, productinformatie of kennisbank, met verwijzing naar de bron, en alleen toegankelijk voor wie erbij mag.
Rapportages en samenvattingen
Cijfers uit je systemen periodiek ophalen en laten samenvatten in een leesbaar overzicht met signalen en voorstellen, die je zelf beoordeelt voordat je erop handelt.
Voorbeelden uit mijn eigen werk
Geen theorie: dit zijn systemen die ik zelf heb gebouwd.
Eigen product
Marketingmachine
Mijn eigen marketingportaal, als eerste ingezet voor Memberix. Het volgt de stappen briefing, AI-uitingen, goedkeuren, publiceren en meten. Gebouwd met Nuxt, Drizzle en de Claude API.
- Claude schrijft posts en advertenties op basis van merkkennis, persona's en verboden claims
- Contentplan en contentkalender die de AI vult met concepten ter goedkeuring
- Google Ads-campagnes klaarzetten en publiceren naar Instagram en LinkedIn, pas na akkoord
- Elke AI-aanroep gelogd met tokens en kosten, met een maandlimiet voor AI-kosten
Communicatiebureau
Marketingautomatiseringsportaal
Een demoportaal voor een communicatiebureau: van briefing tot publicatie in zeven stappen, voor meerdere merken in één omgeving.
- Briefing met AI-assistent die controleert of de briefing compleet is
- Uitingen genereren uit merktemplates, controleren en goedkeuren met reacties
- Lokaliseren per land, taal of vestiging en daarna publiceren of drukwerk bestellen
- Elk merk met een eigen database (multi-tenant)
Backendservice
Documentverwerking als dienst
Een HTTP-service die van bestanden achter een URL automatisch voorbeeldafbeeldingen maakt: foto's, video's, pdf's en Office-documenten.
- Frame uit een video, pagina uit een pdf of Office-document als afbeelding
- Alleen bestanden van toegestane domeinen, met bescherming tegen misbruik
- Begrenzing van gelijktijdige conversies, time-outs en een nette terugval bij fouten
Hoe pak ik een AI-integratie aan?
Klein beginnen, meten, en pas daarna opschalen.
Eén proces kiezen
We zoeken samen het proces dat vaak terugkomt, veel handwerk kost en waarbij een fout te herstellen is. Daar beginnen we, niet met een allesomvattend AI-plan.
Klein prototype op echte voorbeelden
Ik test het model op een set echte (geanonimiseerde) voorbeelden uit jouw praktijk. Zo zie je vooraf wat het goed doet, waar het misgaat en wat een aanroep ongeveer kost.
Inbouwen met een mens in de lus
Het model doet het voorwerk, een medewerker keurt goed. De koppeling draait op de achtergrond via een takenwachtrij, met controle van de uitvoer en een duidelijke foutmelding als het niet lukt.
Meten
Per aanroep leg ik vast welk model is gebruikt, hoeveel tokens het kostte en wat de uitkomst was. Zo zie je wat het oplevert en wat het kost, en hoeveel er nog wordt aangepast bij het goedkeuren.
Uitbreiden of bijsturen
Werkt het, dan breiden we uit naar het volgende proces. Werkt het niet goed genoeg, dan passen we de aanpak aan of stoppen we, voordat er veel geld in zit.
AI als gereedschap, niet als doel
Een taalmodel is goed in samenvatten, herschrijven, indelen en gegevens uit tekst halen. Het is niet goed in feiten bewaken of zelfstandig beslissingen nemen waar geld of je reputatie aan hangt. Daarom bouw ik het model in als één onderdeel van een proces, met gewone code eromheen die controleert, logt en de uitkomst vastlegt.
Onder de motorkap is het gewoon software: een Node- of Nuxt-backend, een database (Directus, Supabase of SQLite), webhooks en een takenwachtrij zodat AI-aanroepen op de achtergrond draaien en je scherm niet blijft hangen. Daardoor is een AI-koppeling net zo te onderhouden als elke andere koppeling.
Wil je eerst weten wat AI concreet kan betekenen voor een webshop? Lees dan AI-integraties in je webshop: wat werkt? Gaat het vooral om data tussen systemen, kijk dan bij systeemintegraties.
Veelgestelde vragen over AI-integraties en automatisering
Gerelateerd
Welk proces kost jouw team nu de meeste tijd?
Vertel me welk werk telkens terugkomt. Ik kijk eerlijk of AI daar iets toevoegt, of dat een gewone automatisering of koppeling het probleem al oplost.
Neem contact op