AI integreren in je app of webapplicatie
Heb je al een app of webapplicatie, en wil je er AI in? Dan beginnen we met één feature die je kunt meten. Werkt die, dan bouwen we verder.
Overal hoor je over AI. Je CRM-leverancier heeft er ineens een knop voor, en iemand in je team vraagt of jullie er ook iets mee moeten. Terechte vraag. Waar begin je dan? Bij één taak in je software die nu tijd kost. Die maken we slimmer. Daarna kijken we samen of het iets oplevert.
Welke AI-features passen bij jouw product?
Wat kan AI eigenlijk in je software? In de praktijk zien we een paar soorten features steeds terugkomen.
Antwoorden uit je eigen data
Een taalmodel kent jouw bedrijf niet. Je prijslijst en je voorwaarden staan er niet in. Vraag je er toch naar, dan bedenkt het iets wat aannemelijk klinkt. Met RAG zoekt de AI eerst de juiste stukken in jouw documenten op. Pas daarna antwoordt hij, met een bron erbij.
Het staat of valt met je bronnen. Staan er drie versies van je voorwaarden in de map? Dan kan hij de verkeerde pakken. Opruimen is vaak meer werk dan de techniek zelf. Meer in RAG uitgelegd.
Samenvatten en conceptteksten
Een klantdossier met twintig notities. Een ticket met een lange mailwisseling. De AI zet er een samenvatting boven, en je collega duikt alleen de details in als dat nodig is.
Conceptteksten werken net zo. De AI schrijft een eerste versie van een antwoord of een offertetekst. Een mens leest het en past het aan. Pas dan gaat het de deur uit.
Koppelingen met je bestaande systemen
Moet de AI in je CRM of je planning kunnen kijken? Dan heb je een koppeling nodig. Steeds vaker gaat dat via MCP, een open standaard. Je bouwt één keer een laag bovenop je software. Jij bepaalt welke acties de AI daar mag doen.
We beginnen bijna altijd met alleen lezen. Dan gaat er niets kapot. Moet de AI iets wegschrijven, dan maakt hij een concept en bevestigt een mens het eerst. Meer in MCP: hoe je AI koppelt aan je bestaande software.
Waar in je product past het?
In een webapplicatie of klantportaal vaak het best. Daar werkt je team de hele dag in. In een app kan het ook, bijvoorbeeld slim zoeken voor je klanten. En op een website is een assistent die vragen beantwoordt uit je eigen informatie een logische eerste stap.
Eén feature eerst, dan meten
Waarom niet meteen overal? Omdat je nog niet weet hoe AI zich gedraagt met jouw data en jouw gebruikers. Dat leer je alleen door het te doen.
Kies dus één taak. Liefst één die vaak voorkomt en waarvan je de uitkomst kunt controleren. Een fout moet ook te herstellen zijn. Meet eerst hoe het nu gaat. Hoe lang duurt die taak, en hoe vaak gaat het mis? Zonder nulmeting kun je straks alleen zeggen dat het beter voelt.
Een eerste werkende AI-feature staat er bij ons meestal in 2 tot 4 weken. We zetten hem achter een schakelaar, dus je kunt terug als het tegenvalt. Een kleine groep werkt er eerst een paar weken mee. Dan vergelijken we met je nulmeting.
Is het resultaat duidelijk positief? Dan rollen we het uit. Twijfel je? Dan passen we het aan of stoppen we. Ook dat is een uitkomst, en goedkoper dan iets een jaar laten meedraaien. Het hele stappenplan staat in AI in je bestaande webapplicatie.
Privacy en de keuze voor een model
Wat gebeurt er met je data? Alles wat je naar een model stuurt, komt bij de leverancier van dat model terecht. Stuur dus niet meer mee dan nodig. Regel een verwerkersovereenkomst en lees de zakelijke voorwaarden. Die sluiten training op je data meestal uit. Bij gratis versies ligt dat vaak anders.
Welk model kies je? Dat hangt af van de taak en de kosten. Waar je data mag staan telt ook mee. De eerste keuze is minder belangrijk dan je denkt. We stoppen het model altijd achter een eigen laag in je software. Daar leven de prompts en de kostenbewaking. Wil je later van model wisselen? Dan pas je één plek aan.
Reken ook op lopende kosten voor het model. Bij gewoon mkb-gebruik zit je vaak op zo'n €50 tot €500 per maand.
Welke AI-feature bouw je als eerste in je app of webapplicatie?
Een taak die vaak voorkomt en waarvan je de uitkomst kunt controleren. Samenvatten is vaak een goede kandidaat, bijvoorbeeld van een klantdossier of een lange mailwisseling. Een fout zie je daar snel en herstel je makkelijk. Kies liefst de taak waar je team nu het meest over klaagt. Die meet je eerst, voordat de AI erbij komt.
Kan AI antwoorden geven uit onze eigen documenten?
Ja, met RAG. De AI zoekt eerst de juiste stukken in jouw documenten op en antwoordt pas daarna, met een verwijzing naar de bron. Het werkt zo goed als je bronnen. Verouderde versies van je voorwaarden ruim je dus eerst op. Test het met een vaste lijst echte vragen, en draai die opnieuw na elke wijziging.
Gaat onze klantdata naar het AI-model?
Alleen wat je meestuurt. Alles wat in een vraag aan het model zit, komt bij de leverancier van dat model terecht. Stuur daarom niet meer mee dan nodig. Regel een verwerkersovereenkomst en lees de zakelijke voorwaarden. Die sluiten training op je data meestal uit. Bij gratis versies ligt dat vaak anders.
Wat kost AI in mijn software per maand?
Bij gewoon mkb-gebruik zit je vaak op zo'n €50 tot €500 per maand aan modelgebruik. Dat hangt af van hoeveel mensen het gebruiken en hoe zwaar hun vragen zijn. Een feature die bij elke paginaweergave een model aanroept, drijft de kosten snel op. Hou het daarom per feature bij.
Kan AI in onze software ook acties uitvoeren?
Ja, als je er voorzichtig mee begint. Via een koppeling zoals MCP kan de AI gegevens opzoeken en acties klaarzetten. We beginnen bijna altijd met alleen lezen, dan gaat er niets kapot. Moet de AI iets wegschrijven, dan maakt hij een concept en bevestigt een mens het eerst. Loopt dat een tijd goed, dan breiden we uit.
Waar begin jij met AI?
Plan een gesprek. Dan lopen we samen door je software en zoeken we de beste eerste taak. Is AI nu nog niet nodig? Dan zeggen we dat ook gewoon.