Milan Valster

Eerlijk gezegd gebruik ik AI wel als hulp bij het schrijven. Deels ook expres, want we bouwen zelf AI-agents die met mensen moeten praten, dus ik vind het wel interessant om te zien hoe dat in een echt gesprek overkomt. De ideeën en keuzes komen gewoon van mij. Over de onderscheidende factoren ten opzichte van iets als fyrm.ai: dat is echt een andere schaal en doelgroep. Zij richten zich op enterprise, met een team van twintig man en grote klanten in banking, vastgoed en FMCG. Wat ik bouw is juist voor het MKB. Zonder code, zonder implementatietraject, je zet zelf een agent op. Vast bedrag per maand, geen losse rekening voor AI-verbruik erbovenop. Elke klant krijgt een eigen geïsoleerde werkruimte. En bij alles wat gevolgen heeft, zoals iets versturen of een klantrecord aanpassen, moet eerst een mens akkoord geven voordat het uitgevoerd wordt. Dus niet agentic AI voor de boardroom, maar iets waar de lokale aannemer of makelaar zelf mee aan de slag kan, zonder IT-afdeling.

Herkenbaar — en ik denk dat "kant-en-klaar zonder beginnersfouten" ook een lastige lat is, want geen enkel systeem (mens of AI) is foutloos vanaf dag één. Zie het een beetje als een nieuwe stagiair: die laat je ook niet op dag één zelfstandig klanten te woord staan. Die loopt eerst een tijdje mee, leert hoe jullie klantenservice reageert, ziet de veelvoorkomende situaties langskomen — en pas als dat patroon duidelijk is, mag hij zelfstandiger dingen oppakken, met iemand die af en toe nog meekijkt. Zo zou je een AI-agent ook kunnen inzetten: eerst een periode waarin die vooral meekijkt en voorstellen doet die een mens goedkeurt, per proces dat je wil automatiseren. Dan hoef je niet te wachten tot het systeem "af" is — de risico's blijven vanaf het begin al klein, net als bij een nieuwe medewerker. Is dat voor jou het soort aanpak die het een reëlere afweging zou maken, of zit de terughoudendheid 'm ergens anders?

Dit is precies de aanpak die wij ook proberen te faciliteren. De AI-agent stelt alleen een voorstel/concept op — de daadwerkelijke uitvoering loopt via een aparte, deterministische stap. Zo kun je per proces (of per risico-niveau) instellen of er een mens moet goedkeuren voordat er iets gebeurt, of dat het bij lage impact automatisch doorgaat. Precies zoals je zegt: begin met één concreet proces, meet wat het nu kost, en laat de agent in het begin vooral voorstellen doen totdat je de uitzonderingen kent. Herkenbaar advies!

Ah, dat wist ik niet — sorry voor de misstap, was niet de bedoeling om de regels te omzeilen. Fijn dat het topic blijft staan, dan hou ik me er verder aan. Ben vooral benieuwd naar wat mensen hier tegen aanlopen met repetitieve taken in hun bedrijf, dus laat het vooral weten als iemand dat herkent!

Hoi allemaal, Ik ben Milan, bezig met het bouwen van een platform waarmee MKB-bedrijven zonder te programmeren eigen AI-agents kunnen inzetten voor repetitief werk: klantenservice, content, planning, administratie. Eerlijk gezegd: we zijn nog vroeg. Een handjevol bedrijven test het nu gratis uit, maar ik heb nog geen harde cijfers of resultaten om hier te delen — dat wil ik ook niet verzinnen, dus dit is geen "kijk hoeveel tijd we bespaard hebben"-post. Waar ik wél benieuwd naar ben: loop jij in je bedrijf tegen repetitieve taken aan waarvan je denkt "dit zou een AI-agent toch kunnen overnemen"? En zo ja — wat houdt je dan tegen om dat ook echt te proberen? Vertrouwen, prijs, complexiteit, iets anders? Ik test dit platform verder uit bij een paar bedrijven (nog steeds gratis, om te zien of het ook echt waarmaakt wat het belooft). Vooral ben ik benieuwd naar jullie ervaring met dit soort automatisering in de praktijk. Dank!