Geen demo, geen pilot. Wat ik dagelijks gebruik, en wat ik nu in dezelfde principes voor organisaties bouw, op maat van jullie taken, dossiers en mensen.
Mijn systeem leert me kennen zoals je een nieuwe collega na drie maanden kent. Het weet mijn rol als ondernemer én vader, mijn werkstijl, mijn valkuilen, de mensen om me heen, en welke onderwerpen bij voorbaat extra aandacht verdienen. Iedere dag schrijft het kort op wat er besloten en gebeurd is.
Bij iedere vraag wordt naast trefwoorden gezocht op betekenis. Een vraag over een klant levert geen mapnaam op, maar wat er nu speelt: laatste mails, opgeleverd werk, besluiten uit recente gesprekken.
Hoe meer ik schrijf, beslis en bespreek, hoe sneller 't de juiste context aandraagt zonder dat ik erom vraag. Voor een gemeente werkt 't precies zo: hoe meer eerdere zaken in 't systeem zitten, hoe sneller de volgende burgervraag context heeft.
Wat je rechts ziet is hoe mijn systeem er aan de achterkant uitziet: een set van automatiseringen die onafgebroken meeloopt met mijn werk. Dat maakt 't continu zelflerend op basis van wat ik schrijf en bespreek, en neemt zelfstandig taken van me over.
Inmiddels werkt daarin een team van AI-agents, elk met een eigen domein: website, administratie, klanten, gezondheid, planning. Ze signaleren en adviseren, maar besluiten nemen ze niet; dat blijft bij mij. Zo ziet governance eruit wanneer je 'm inbouwt in plaats van achteraf regelt. Wat ik voor organisaties bouw heeft dezelfde opzet: een werkomgeving waar meerdere digitale collega's samenwerken, op maat van jullie taken.
Niet één slim systeem, maar veel systemen waarvan alle kennis samenkomt. Pas dán komt er werk uit handen dat je voorheen zelf moest combineren.
Een klant vraagt me na een meeting om een rapport met scores en bevindingen. Het systeem trekt het meetingverslag binnen, haalt de echte scores uit het evaluatiesysteem en gebruikt de huisstijl uit het klantdossier. Het rapport ligt als concept in mijn mail. Ik bekijk, pas aan, verstuur.
Een prospect plant een verkenningsgesprek. Vóór 't gesprek haalt 't systeem op wat openbaar over hun organisatie te vinden is, plus eerdere mails als die er zijn. Het geeft me de relevante context, mogelijke pijnpunten, en welke vragen helpen. Ik begin niet bij nul.
Komt een klant-aanvraag binnen via mail, dan checkt 't systeem of soortgelijke voorstellen eerder zijn behandeld. Het haalt het klantdossier op, alle eerdere correspondentie, doet suggesties op basis van wat werkt. Een eerste op-maat-voorstel ligt klaar op mijn voorstel-platform. Ik beoordeel, pas aan, stuur door.
Elke week scant 't systeem mijn klantrelaties: wie heb ik te lang niet gesproken, welke open vraag wacht nog op antwoord, welke afgesproken actie staat nog. Maandagmorgen ligt er een korte lijst met follow-ups die ik anders pas zou opmerken als de klant zelf belt.
Wat de scenario's gemeen hebben: het zijn vaste routes die 't systeem inmiddels kent. Welke bronnen geraadpleegd worden, in welke volgorde, met welke vorm voor het antwoord, dat zit vastgelegd. Komt zo'n vraag vaker voorbij, dan hoef ik 't niet opnieuw uit te leggen.
Vertaling naar jouw werk: lees "klant" als "burger" of "inkooporder", "meetingverslag" als jullie vergadersysteem, "boekhouding" als jullie financieel pakket. Het principe blijft hetzelfde: een collega die je werk kent.
Kleinere momenten, even noemenswaardig.
Tijdens een mailtje schrijven aan een klant zie ik direct wat relevant is: een eerdere belofte, een vraag die nog antwoord wacht, de toon van het laatste gesprek. Niet als waarschuwing achteraf, wel als directe context.
Voor ik ja zeg op een nieuwe klant in een al volgepakte week, of op een verzoek buiten mijn focus, slaat 't systeem aan. Het checkt mijn agenda, mijn open trajecten, en mijn beschikbare focus-tijd. Een spiegel, voor ik bevestig.
Mijn kennislaag, mijn klantnotities, beslissingen, reflecties, draait op mijn eigen infrastructuur. Welk model elke vraag beantwoordt, bepaal ik zelf: voor gevoelige taken kan dat lokaal, voor andere kies ik bewust een extern model. Geen tool-keuze die voor mij is gemaakt.
Voor organisaties bouw ik vanuit hetzelfde principe: jullie data blijft op infrastructuur die jullie controleren. Per type taak bepalen jullie welk model 't werk doet, en per traject ontwerpen we hoe gevoelige informatie wordt gefilterd vóór er iets naar een extern model gaat. Geen automatische verbinding naar Amerikaanse jurisdictie, geen leverancier die jullie kennis als trainingsmateriaal gebruikt. Voor de eisen die de Europese AI-Act stapsgewijs stelt, is dat geen verrassing, maar uitgangspunt.
De architectuur die deze data-borging bij klanten doortrekt, pseudonimisering en EU-routing voor het redeneren, bouwen we per traject op maat. Technisch onderbouwd, in nauw overleg met IT en juridisch.
Hetzelfde patroon, op jullie eigen systemen: zaaksystemen, documentbeheer, financiële pakketten, vergadertools.
Past dit bij wat jullie willen? De werkwijze laat zien hoe we samen kunnen werken. Een verkenning is een gesprek van vijftien of dertig minuten, geen verplichting.
