Een workflow is niet automatisch een AI-agent. Als dezelfde invoer steeds dezelfde velden en regels volgt, volstaat gewone automatisering. Tools zoals n8n verbinden triggers, systemen en vaste voorwaarden. Een AI-stap is nuttig wanneer tekst moet worden begrepen of een volgende stap uit een beperkt aantal opties moet worden gekozen.
Een hypothetisch voorbeeld: een groothandel ontvangt offertes van leveranciers per e-mail en pdf. Een n8n-workflow registreert het bericht, bewaart de bijlage en controleert verplichte velden. Een model haalt productnamen en aantallen eruit en vergelijkt ze met de catalogus. Onduidelijke regels gaan naar inkoop. Pas na goedkeuring maakt het ERP een bestelverzoek aan; een model past nooit zelfstandig een prijs aan.
- Bericht registreren
- Inhoud uitlezen
- Goedkeuring vragen
- Actie vastleggen
Onduidelijke gegevens stoppen. Bij zakelijke gevolgen wacht de workflow op toestemming.
Geef elke stap een betrouwbare status
Leg per stap een status vast: ontvangen, gecontroleerd, wacht op akkoord, uitgevoerd of mislukt. Bij een nieuwe poging moet de workflow herkennen of de actie al heeft plaatsgevonden. Geef elke zakelijke actie een unieke ID en laat het doelsysteem die controleren voordat iets opnieuw wordt geboekt. Zonder idempotentie kan een time-out leiden tot een dubbele bestelling of een bericht dat meerdere keren wordt verstuurd.
- Begin met regels: leg veldcontroles, grenzen en vaste vertakkingen deterministisch vast.
- Beperk AI: gebruik afgesproken invoer en vraag om een gestructureerd resultaat met onzekerheid.
- Vraag akkoord: voer betalingen, klantbeloften, verwijderingen en externe berichten pas uit na goedkeuring.
- Behandel fouten: bepaal time-outs, retries, stopcondities en handmatige overdracht.
Minder verrassingen, bruikbare metingen
Modellen lezen tekst soms verkeerd en externe diensten kunnen uitvallen. Een retry lost niet elk probleem op: een onduidelijke opdracht hoort in een wachtrij, niet in een eindeloze herhaling. Logs moeten beslissingen controleerbaar maken zonder onnodig vertrouwelijke tekst te bewaren. Verander je een model of prompt, doorloop dan opnieuw de relevante testgevallen.
- Meet geslaagde afrondingen en hoeveel gevallen medewerkers moeten uitzoeken.
- Controleer dubbele acties; bij boekingen is het doel nul.
- Volg looptijd, kosten per afgehandelde taak en fouten na retries.
- Bekijk hoe vaak medewerkers voorstellen aanpassen of een goedkeuring weigeren.
Integraties zonder vaste catalogus
Slack, Telegram, WhatsApp, e-mail, Jira, CRM, ERP en je eigen software: we bouwen integraties op maat, zonder vaste catalogus of vooraf bepaald aantal koppelingen. De scope hangt af van beschikbare API’s, toegangsrechten en de voorwaarden van elke aanbieder.
Verbind Slack, Telegram, WhatsApp, e-mail en Jira met CRM-, ERP- en eigen software, zodat afgesproken processen over kanalen en bedrijfssystemen op elkaar aansluiten.
Triggers in Slack, Telegram, WhatsApp, e-mail of Jira starten acties; statusupdates, meldingen en vereiste goedkeuringen keren terug via het passende kanaal.
Begin met een workflow waarvan fouten terug te draaien zijn. AI- en workflowoplossingen kunnen vaste automatisering combineren met begrensde AI-stappen. Maatwerk begint bij € 10.000; afgebakende verhuur vanaf € 1.000 per maand. De offerte vermeldt inrichting, capaciteit, hardware en kosten van derden; btw indien van toepassing komt erbij. Bespreek je proces met Clutch.
FAQ
Wat kost een AI-project?
De startprijzen zijn €10.000 voor een project en €1.000/maand voor maandelijkse capaciteitshuur. De offerte hangt af van scope, capaciteit, inrichting, hardware, kosten van externe aanbieders en toepasselijke belastingen.
Voor welke bedrijven en teams is dit geschikt?
Voor teams met een concrete product- of operationele taak, representatieve voorbeelden en iemand die de uitkomst kan goedkeuren. We bekijken eerst of AI echt helpt; een gewone regel of softwareaanpassing kan eenvoudiger zijn.
Worden onze gegevens naar een externe AI-aanbieder gestuurd?
Dat hangt af van de afgesproken inrichting. We documenteren gegevensstromen en toegang voordat we een extern model of een private lokale opstelling kiezen.
Hoe bepalen jullie of de AI goed genoeg is?
Voor de pilot spreken we representatieve invoer, acceptabele uitkomsten, foutgrenzen en menselijke goedkeuring af. Omdat het resultaat afhangt van je gegevens en proces, meten we met de afgesproken voorbeelden in plaats van een algemene nauwkeurigheid te garanderen.