Direct naar de inhoud
Mardi Gras Developers
Menu+

AI-oplossingen en agents

AI-oplossingen en AI-agents die echt werk overnemen

Wij bouwen AI-oplossingen die verder gaan dan een demo: assistenten die antwoorden op basis van je eigen documenten en databases, agents die taken in je processen uitvoeren, en AI-functies in software die je al hebt. Elke oplossing krijgt een evaluatie, zodat je weet hoe goed hij werkt voordat je erop vertrouwt.

Plan een kennismaking

Je spreekt Kevin of Pascal zelf. De kennismaking duurt 30 minuten.

Bijgewerkt

Wanneer je ons belt

  • Je hebt een proof of concept die indruk maakte, maar niet naar productie komt.
  • Medewerkers zoeken dagelijks in documenten, tickets of databases naar antwoorden.
  • Je wilt AI toevoegen aan een bestaand product zonder het opnieuw te bouwen.
  • Je weet niet of je probleem AI nodig heeft of gewoon goede software.

73% van de Nederlandse bedrijven die AI overwogen maar er niet mee begonnen, noemt gebrek aan ervaring als belangrijkste reden. Eén op de zes bedrijven gebruikt in 2025 AI, twee keer zoveel als twee jaar eerder.

Bron: CBS, ICT-gebruik bij bedrijven 2025

Minder geschikt. Niet voor wie alleen een chatbot-widget zoekt zonder koppeling met eigen data of processen; daar bestaan goedkopere standaardproducten voor.

Vraaggebruiker of agentRetrievalpgvectorEigen datadocumenten · SQLModelvia gatewayAntwoordmet bronnenEvaluatietestset per versie
Assistenten op je eigen data en agents die taken afhandelen, meetbaar en beheersbaar.

Wat je krijgt

  • Assistenten op eigen data (RAG)

    Zoeken en antwoorden over je documenten en databases, met bronvermelding en rechten per gebruiker.

  • AI-agents in je proces

    Agents die een taak van begin tot eind uitvoeren, met beperkte rechten, logging en een menselijke goedkeuringsstap waar dat nodig is.

  • Vragen stellen aan je database

    Text-to-SQL op een afgeschermde, alleen-lezen kopie, zodat analisten in gewone taal cijfers kunnen opvragen.

  • Evaluatie en bewaking

    Een testset met echte vragen, meetbare kwaliteit per versie en inzicht in kosten per taak.

Zo pakken we het aan

Techniek

  • RAG
  • pgvector
  • LiteLLM
  • OpenRouter (EU)
  • Amazon Bedrock (EU)
  • Open WebUI
  • MCP
  • Python
  • Kotlin
  • TypeScript
  1. 01

    Eerst het probleem, dan het model

    We toetsen of AI de juiste oplossing is en welke kwaliteit minimaal nodig is om bruikbaar te zijn.

  2. 02

    Klein beginnen met echte data

    Een werkende eerste versie op een afgebakend deel van je data, gemeten tegen een testset.

  3. 03

    Productierijp maken

    Rechten, logging, kostenbewaking, terugval tussen modellen en bescherming tegen prompt-injectie.

Bewijs uit ons eigen werk

Veelgestelde vragen

Wat is het verschil tussen een AI-assistent en een AI-agent?

Een assistent beantwoordt vragen, meestal op basis van je eigen data. Een agent voert ook handelingen uit: gegevens opzoeken, iets aanmaken in een systeem, een wijziging voorbereiden. Agents krijgen daarom beperkte rechten en logging.

Wat is RAG?

RAG staat voor retrieval-augmented generation. Het model zoekt eerst relevante passages in je eigen documenten of database en baseert zijn antwoord daarop. Daardoor kan het actuele, bedrijfseigen informatie gebruiken en zijn bronnen noemen.

Hoe weet ik of een AI-oplossing goed genoeg werkt?

Door te meten. We stellen samen een testset op met echte vragen en verwachte antwoorden en meten elke versie daartegen. Zo zie je of een aanpassing de kwaliteit verbetert of verslechtert.

Contact

Plan een kennismaking van 30 minuten

Beschrijf je vraag in een paar zinnen. Kevin of Pascal reageert persoonlijk.