Naar de inhoud
Nieuw AI-sprints: van idee naar productie in drie weken. Lees meer →

AI-ontwikkeling

AI-ontwikkeling die productie haalt.

Vuewer bouwt AI-features in bestaande webapplicaties: zoeken met retrieval, documentextractie, tekst genereren binnen echte werkprocessen, en agents met meerdere stappen. We werken in Laravel en PHP met modellen van OpenAI en Anthropic, leveren een eerste productiefeature in drie tot zes weken, en spreken kosten, latency en nauwkeurigheid af voordat we code schrijven.

Start een project Tarieven

Wat we bouwen

Vijf dingen die het waard zijn met AI te bouwen.

Elk hiervan staat ergens in productie. Geen ervan is een chatbot in de hoek van een homepage.

Zoeken dat antwoordt
Zoeken met retrieval over je eigen documenten, producten en supporthistorie. Antwoorden noemen de bron waar ze uit komen, zodat een gebruiker het kan controleren en een reviewer het kan herleiden.
Gebruikelijk: 3–4 weken
Extractie uit documenten en e-mail
Facturen, contracten, aanvragen en inkomende e-mail omgezet in gestructureerde data waar je bestaande systemen mee verder kunnen. Onzekere resultaten gaan naar een mens in plaats van dat er gegokt wordt.
Gebruikelijk: 2–4 weken
Voorbereiden binnen het werkproces
Antwoorden, beschrijvingen, samenvattingen en vertalingen gegenereerd waar je team al werkt, met hun toon en randvoorwaarden ingebouwd. Altijd een concept, nooit automatisch verzonden.
Gebruikelijk: 2–3 weken
Agents met meerdere stappen
Taken van begin tot eind afgemaakt over meerdere systemen, met een goedkeuring door een mens waar de kosten van een fout dat rechtvaardigen. Elke actie gelogd en terug te draaien.
Gebruikelijk: 4–8 weken
MCP-servers voor je team
Je eigen systemen beschikbaar voor Claude, ChatGPT of Cursor via het Model Context Protocol, met afgebakende rechten, zodat je team veilig productie kan bevragen zonder SQL te schrijven.
Gebruikelijk: 1–2 weken

01 AI-features

AI die in je product zelf zit.

Geen chatbot die in een hoekje van je site is geschroefd. Features die je eigen data gebruiken en echt werk doen.

support/assistant onderbouwd · 4 bronnen
Elke bewering linkt naar het document waar het uit komt.

  • Gebaseerd op je eigen content

    Retrieval over je documenten, producten en historie, zodat antwoorden naar iets echts verwijzen.

  • Binnen bestaande werkprocessen

    Genereren en samenvatten waar je gebruikers al zitten, niet in een apart tabblad.

  • Gestructureerde extractie

    Documenten, e-mail en formulieren omgezet in data waar je systemen mee verder kunnen.

  • Evaluaties en grenzen

    Een testset vanaf dag één, zodat jij eerder weet dat het model fout zit dan je klanten.

  • Budgetten vooraf

    Kosten per aanvraag en reactietijd afgesproken vóór het bouwen, niet ontdekt erna.

AI-ontwikkeling

02 Agents & automatisering

Zet het handwerk op de automatische piloot.

Het repetitieve werk dat je team met de hand doet, overgedragen aan iets dat zich niet verveelt.

automations afgelopen 24 uur
Goedkeuringsstappen staan precies waar het risico dat rechtvaardigt.

  • Agents met meerdere stappen

    Echte taken van begin tot eind afgemaakt, met een goedkeuring door een mens waar het risico dat rechtvaardigt.

  • Verbonden met je tools

    De systemen waar je al voor betaalt, netjes aan elkaar geknoopt in plaats van via kopiëren en plakken.

  • Op schema en op gebeurtenis

    Werk dat start omdat er iets gebeurde, niet omdat iemand het zich herinnerde.

  • Volledig te herleiden

    Elke actie gelogd, zodat je kunt antwoorden wat er gebeurde en waarom.

  • MCP-servers

    De AI-tools van je eigen team, met veilige en afgebakende toegang tot je systemen.

AI-ontwikkeling

Wat je krijgt

Elke AI-oplevering bevat dit.

Geen losse extra's. Een AI-feature zonder evaluatieset is een feature waarvan niemand kan aantonen dat hij werkt.

Een evaluatieset
Een vaste set echte invoer met verwachte uitkomsten, die bij elke wijziging meeloopt, zodat nauwkeurigheid een getal is en geen gevoel.
Een kosten- en latency-budget
Vooraf afgesproken: kosten per aanvraag en een doel voor de reactietijd, gemeten in productie.
Uitwisselbare modellen
Het model zit achter een interface. OpenAI wisselen voor Anthropic, of voor een goedkoper model, is een configuratiewijziging.
Een vastgelegd faalpad
Wat de feature doet als het model niet beschikbaar is, te traag is of niet zeker genoeg. Vooraf besloten, niet live ontdekt.
Datagrenzen op papier
Welke data je infrastructuur verlaat, welke aanbieder die verwerkt, en onder welke bewaartermijnen.
Documentatie en overdracht
Zo geschreven dat je eigen ontwikkelaars het kunnen uitbreiden. Geen afhankelijkheid van ons, met opzet.

Wanneer niet

Wanneer AI het verkeerde antwoord is.

Om deze redenen wijzen we werk af, en dat vooraf zeggen scheelt iedereen een verspilde maand.

Een regel doet het ook
Kan de logica als vaste regels beschreven worden, schrijf dan die regels. Ze zijn goedkoper, sneller, testbaar en ze verzinnen nooit iets.
Er is niets om het op te baseren
Retrieval heeft content nodig die het waard is op te halen. Bestaat de documentatie nog niet, dan is die schrijven het eigenlijke project.
De kosten per aanvraag kloppen niet
Bij bepaalde volumes en marges loopt de rekensom simpelweg vast. Dat controleren we met je vóór we beginnen, niet erna.
Fout zijn kan niet
Waar één verkeerd antwoord juridische of financiële gevolgen heeft en niemand het nakijkt, is een model het verkeerde gereedschap.

Vragen

Vragen die het waard zijn.

Wat voor AI-features kunnen jullie echt bouwen?
Zoeken met retrieval over je eigen content, extractie uit documenten en e-mail, tekst genereren en samenvatten binnen bestaande werkprocessen, en agents die meerstapstaken afmaken. In de praktijk: een supportassistent die antwoordt uit je documentatie, een pijplijn die inkomende facturen omzet in gestructureerde data, of een agent die werk voorbereidt en het ter goedkeuring aan een mens geeft.

Welke AI-modellen gebruiken jullie?
Vooral modellen van OpenAI en Anthropic, gekozen per taak in plaats van per project. Sommig werk loopt beter en goedkoper op een klein open model, en dan zeggen we dat. We bouwen zo dat het model gewisseld kan worden zonder de feature te herschrijven, omdat de beste keuze elke paar maanden verandert.

Wat gebeurt er met onze data?
Je data blijft in je eigen infrastructuur en gaat alleen naar een modelaanbieder voor de specifieke aanvraag die dat nodig heeft. We gebruiken zakelijke API-abonnementen waarbij de aanbieder contractueel niet op je data traint, en we kunnen volledig op zelf gehoste modellen werken als je compliance dat vraagt.

Hoe voorkomen jullie dat het dingen verzint?
Door antwoorden te baseren op je eigen data, in de interface bij elke bewering de bron te vermelden, en een evaluatieset te bouwen vóór de feature. Die evaluatieset is een lijst echte vragen met de juiste antwoorden die bij elke wijziging meeloopt, waardoor nauwkeurigheid iets wordt dat je meet in plaats van hoopt.

Wanneer is AI het verkeerde antwoord?
Als een vaste regel het werk ook doet, als er geen data is om het model op te baseren, of als de kosten per aanvraag bij jouw volume niet uitkomen. Dat horen we liever in het eerste gesprek dan zes weken later.

Hoe lang duurt het bouwen van een AI-feature?
Drie tot zes weken van eerste gesprek tot een feature die je gebruikers kunnen gebruiken, bij een goed afgebakende eerste feature. Week één is verkennen en de evaluatieset bouwen, week twee is bouwen, week drie is hardmaken en live zetten. Groter of dieper geïntegreerd werk duurt langer, en dat zeggen we voordat je vastligt.

Neem contact op

We horen graag van je.

Heb je een vraag of hulp nodig met een website of webapplicatie? Of je vanaf nul begint, wilt verbeteren wat er al is, of vastloopt op iets complexs.

Vul het formulier in en we nemen zo snel mogelijk contact op.

Start een project Of mail ons direct: [email protected]