AI die onderdeel wordt van het werk, geen chatbot die advies geeft.
Een agent wordt pas interessant als hij verder komt dan tekst genereren. Onze Robo's lezen informatie uit echte systemen, nemen beslissingen binnen een afgebakende taak, maken concrete output en zetten processen verder in beweging. Soms zelfstandig, soms met een mens als controlepunt. Zo bouwen we stap voor stap een team van specialistische AI-tools voor ons eigen werk.
Case in het kort
67% van Helma's antwoorden direct bruikbaar
Mae onderzoekt repositories en maakt concrete issues
Mark gaat van signaal tot publicatie en feedback
Nola maakt Nederlandse transcripties en notulen
Waarom niet gewoon één AI-assistent?
Veel bedrijfsprocessen lijken geschikt voor AI, maar hebben in de praktijk heel verschillende context, rechten, risico's en acties. Een generieke assistent die overal een beetje toegang toe heeft wordt al snel moeilijk te controleren. Daarom kiezen we voor specialistische Robo's met ieder een duidelijk werkgebied.
Bekijk de aanpakHet werk zit verspreid over echte systemen
De informatie die een agent nodig heeft zit niet in één prompt. Ze staat in GitHub, Slack, productdocumentatie, mailboxen, klantgegevens, Google Calendar, Meet, Drive, RSS-feeds en andere operationele systemen.
Alleen een antwoord genereren lost weinig op
Een onderhoudsagent moet een bruikbaar GitHub-issue kunnen opleveren. Een incidentagent moet informatie omzetten in een beheersbaar incident. Het proces moet daadwerkelijk verdergaan.
Iedere taak vraagt om andere grenzen
Soms mag een Robo zelfstandig handelen. Soms moet een medewerker eerst controleren of bevestigen. Die grens ontwerpen we per workflow, in plaats van achteraf te hopen dat het model het juiste doet.
Hoe bouwen we de Robo's?
- 01
Eén Robo, één duidelijk probleem
We beginnen niet bij het model maar bij de taak. Helma doet support, Mae werkt aan softwareonderhoud, Indie aan incidenten, Mark aan marketing en Nola aan meetings. Daardoor blijft de context klein genoeg om goed te begrijpen en te testen.
- 02
AI krijgt toegang tot de juiste context
Afhankelijk van de taak gebruiken we onder andere Skills, vector stores, repository snapshots, live API's, historische data, bedrijfsregels en actuele informatie uit gekoppelde systemen.
- 03
Output wordt onderdeel van de workflow
Een Robo levert meer dan een suggestie. Output kan terechtkomen in een helpdeskticket, GitHub-issue, incidentregistratie, marketingplanning, backlog of notulen met actiepunten.
- 04
De mens blijft waar die waarde toevoegt
Human-in-the-loop is bij ons een ontwerpkeuze. Helma laat antwoorden controleren, Indie laat een incident eerst aanpassen of bevestigen en Mark heeft reviewmomenten voordat klantgerichte content verdergaat.
Wat hebben we gebouwd?
De Robo's zijn losse tools en producten met ieder hun eigen workflow en integraties. Niet iedere Robo heeft daarbij een eigen applicatie nodig. Samen vormen ze ons interne laboratorium voor AI die daadwerkelijk in productie moet functioneren.
Klant en marketing
Robo Helma combineert supportkennis, klantcontext en technische informatie voor klantantwoorden. Robo Mark haalt signalen uit onder andere RSS, Slack en ideeën, maakt content, ondersteunt review en planning, publiceert en gebruikt performance als input voor volgende generaties.
Engineering en operations
Robo Mae analyseert op vaste momenten een commit-pinned snapshot van een repository, combineert dat met actuele first-party documentatie en kan gevalideerde onderhoudsissues in GitHub aanmaken. Robo Indie maakt vanuit een Slack-thread een gestructureerd incidentconcept met interne uitleg, klantveilige uitleg en een eventuele workaround. Stanley werkt juist direct vanuit ChatGPT: hij bewaakt onze GitHub-backlog en draait de wekelijkse stand-up, zodat openstaande issues niet ongemerkt blijven liggen.
Meetings, media en het Robo-landschap
Robo Nola haalt Google Meet-opnames op en maakt via een eigen Nederlandse ASR-pipeline transcripties, samenvattingen, actiepunten en notulen. Robo Vidar is onze video-generation workspace voor onder andere Seedance en Veo. Robo Dolly houdt het overzicht van actieve Robo's en hun historie bij. Robo Rolf is de rollout-Robo in opbouw; de huidige applicatie bevat bewust alleen de technische foundation totdat de releaseworkflow scherp genoeg is gedefinieerd.
De Robo's staan niet los van elkaar
Naarmate meer processen worden geautomatiseerd, kunnen specialistische agents ook elkaars gecontroleerde output gebruiken. Zo ontstaat een netwerk van kleine systemen met duidelijke verantwoordelijkheden in plaats van één alleswetende superagent.
Indie voedt Helma
Robo Indie is de bron van waarheid voor actuele incidenten en biedt daarvoor een afgeschermde read-only API. Robo Helma kan die informatie gebruiken wanneer een supportantwoord afhangt van een actuele storing.
GitHub is voor meerdere agents een werkomgeving
Mae gebruikt GitHub om onderhoudswerk als concrete issues vast te leggen. Stanley gebruikt dezelfde backlog op een andere manier: bewaken wat blijft liggen en periodiek de aandacht terugbrengen naar openstaande werkzaamheden.
Dolly houdt het geheel zichtbaar
Robo Dolly geeft intern overzicht over welke Robo's actief zijn en bewaart hun historie. Daarmee blijft ook het groeiende landschap van specialistische agents zelf beheersbaar.
Wat levert die aanpak op?
AI neemt een afgebakend stuk werk echt over
De Robo's stoppen niet bij analyse. Ze leveren een bruikbaar artefact of brengen een workflow verder: een antwoord, GitHub-issue, incident, publicatie, backlogactie of set notulen.
Integraties maken het verschil
De waarde ontstaat doordat AI wordt verbonden met de systemen waarin het werk daadwerkelijk gebeurt. Een concreet voorbeeld is Robo Helma, die actuele incidentinformatie van Robo Indie kan gebruiken bij het beantwoorden van supportvragen.
We leren op echte productieproblemen
Omdat we de Robo's zelf gebruiken, komen problemen rond context, permissions, retries, security, evaluatie en human-in-the-loop niet pas bij een klant naar boven. We lossen ze op terwijl het systeem echt wordt gebruikt.
Dit zijn geen losse AI-demo's
Achter de Robo's zitten gewone software-engineeringprincipes: authenticatie, autorisatie, queues, retries, structured output, tests, monitoring en expliciete datagrenzen. Het taalmodel is één onderdeel van het systeem, niet het systeem zelf.
Bekijk casesMeetbare kwaliteit in plaats van AI-magie
Robo Helma meet bijvoorbeeld wat medewerkers werkelijk met een AI-concept doen. Momenteel wordt 67% direct verstuurd, 18% enigszins aangepast en 15% volledig aangepast. Daarmee kunnen we gericht blijven verbeteren.
Autonomie wordt per taak verdiend
Mae mag binnen een vooraf ingestelde maintenancejob automatisch een beperkt aantal streng gevalideerde GitHub-issues publiceren. Indie maakt juist eerst een concept dat een medewerker kan aanpassen, annuleren of bevestigen. De mate van autonomie volgt het risico.
Niet iedere agent heeft een eigen applicatie nodig
Sommige Robo's hebben een volledige eigen interface en backend. Andere kunnen veel lichter worden ingezet. Stanley werkt bijvoorbeeld als agent in ChatGPT en gebruikt GitHub als werkomgeving voor backlogbeheer en de wekelijkse stand-up. De vorm volgt het probleem, niet andersom.
Gerelateerde AI-vraagstukken
AI-agent laten bouwen
Je weet welke taak of workflow de agent moet uitvoeren. Nu moet hij technisch goed worden ontworpen, gekoppeld en betrouwbaar genoeg worden voor echt gebruik.
Bekijk vraagstukInterne AI-assistent laten ontwikkelen
Je wilt medewerkers sneller toegang geven tot interne kennis, documenten en systemen via een assistent die past bij jullie organisatie.
Bekijk vraagstukWelke processen zijn geschikt voor AI of automatisering?
Je ziet kansen om handmatig werk slimmer te maken, maar wilt eerst weten waar AI daadwerkelijk waarde toevoegt en waar gewone automatisering beter past.
Bekijk vraagstukEigen documenten, data en kennis bruikbaar maken voor AI
De waardevolle informatie is er al. Nu moet AI er betrouwbaar, veilig en praktisch mee kunnen werken.
Bekijk vraagstukAI toevoegen aan bestaande software, app of SaaS
Het product bestaat al. Nu wil je AI-functionaliteit toevoegen zonder de bestaande architectuur, gebruikerservaring en betrouwbaarheid uit het oog te verliezen.
Bekijk vraagstukBuild & Integrate
We ontwerpen en bouwen een AI-agent rond een concreet proces, inclusief de benodigde kennisbronnen, systeemintegraties, guardrails en human-in-the-loop.
Bekijk aanbodVaste prijs na scope
- Resultaat
- Een productieklare AI-workflow die echt onderdeel is van je proces
- Doorlooptijd
- Afhankelijk van scope
- Volgende stap
- Eerst bepalen we welke taak de agent precies moet uitvoeren en welke systemen daarvoor nodig zijn