Fine tuning of RAG: wat heeft uw bedrijf nodig?
Fine tuning of RAG: kies op basis van uw bedrijfstaak, bereid de juiste input voor en vraag de leverancier om een controleerbare demonstratie.
AI
AI implementeren in je bedrijf — van kant-en-klare assistenten tot een eigen LLM
We beginnen bij het proces, niet bij het model: ChatGPT, Copilot of Gemini ingericht voor je team, AI-agents ingebouwd in je workflows, of een open-weight model dat op je eigen infrastructuur draait en daar wordt getraind.
Wanneer dit over jou gaat
Je team is uren kwijt aan knippen en plakken: e-mails, documenten, rapportages, data-invoer.
Medewerkers gebruiken ChatGPT al op eigen houtje — met bedrijfsdata en zonder regels.
Je hebt een AI-tool geprobeerd, die gaf stellig verkeerde antwoorden, en de pilot is stilletjes doodgebloed.
Je data mag het bedrijf niet verlaten, dus AI in de cloud lijkt geen optie.
Wat we implementeren
Startpunt
AI-procesaudit
Een kaart van waar AI uren bespaart en waar het risico toevoegt: taken, volumes, data, eigenaren.
ChatGPT · Copilot · Gemini · Claude
Kant-en-klare AI voor het team
Zakelijke abonnementen ingericht voor het bedrijf: accounts, dataregels, gebruiksbeleid, training.
n8n · Make · API's
AI-agents & automatisering
Agents die aanvragen sorteren, conceptantwoorden schrijven, data uit documenten halen en de CRM bijwerken — met een mens die goedkeurt waar het ertoe doet.
RAG
Kennisassistent
Een interne assistent die antwoordt op basis van je contracten, handleidingen en wiki — met links naar de bron.
Llama · Mistral · Qwen
Een eigen LLM uitrollen
Een open-weight model op je eigen servers of in een dedicated EU-cloud: prompts en documenten verlaten nooit je eigen omgeving.
LoRA · testsets
Fine-tuning & evaluatie
Een model trainen op je eigen voorbeelden voor toon, format en vaktermen — gemeten tegen een testset, vooraf en achteraf.
Hoe een AI-implementatie verloopt
Het proces in kaart brengen
Waar de uren vandaag naartoe gaan: taken, volumes, wie wat doet en met welke data.
Use cases kiezen
Gerangschikt op bespaarde uren en op risico; we beginnen met de case die zich het snelst terugverdient en het makkelijkst te meten is.
Data en regelgeving
Welke data de taak raakt, waar die verwerkt mag worden, wat de AVG en de AI-verordening vereisen.
De aanpak kiezen
Kant-en-klare tool, automatisering, RAG of een eigen model — volgens de matrix hieronder, met schriftelijke onderbouwing.
Pilot met echt werk
Een kleine groep, echte taken en een testset met je eigen voorbeelden om de antwoorden aan te toetsen.
Evalueren
Nauwkeurigheid, bespaarde tijd en fouten vergeleken met het handmatige proces — geen indrukken.
Uitrol & training
Toegang, gebruiksregels en training voor het team. AI zonder gebruiksregels is vragen om een datalek.
Monitoren & verbeteren
Regelmatige kwaliteitscontroles, modelupdates en de volgende use cases.
Welke aanpak — de eerlijke matrix
Van een kant-en-klare assistent tot je eigen model — we kiezen op basis van de taak, de data en het volume, niet op basis van de hype:
| ✓ | ✕ | |
|---|---|---|
| Kant-en-klare assistenten (ChatGPT, Copilot, Gemini, Claude) | Snelle start voor het hele team; sterke modellen; beheeropties en zakelijke voorwaarden voor data | Data wordt onder contract verwerkt in de cloud van de leverancier; beperkte integratiediepte |
| AI in de tools die je al gebruikt | CRM, helpdesk en officepakketten hebben al AI-functies — niets nieuws om in te voeren | Je krijgt wat de leverancier heeft gebouwd, niet wat jouw proces nodig heeft |
| Automatisering + model-API's (n8n, Make, code) | AI in specifieke stappen: mail sorteren, conceptantwoorden schrijven, data uit documenten naar de CRM overzetten | Vraagt om monitoring en foutafhandeling; repareert geen kapot proces |
| RAG — antwoorden uit je eigen documenten | Een assistent die je eigen contracten, handleidingen en wiki citeert; kennis wordt bijgewerkt zonder opnieuw te trainen | Zo goed als de documenten erachter — een rommelig archief geeft rommelige antwoorden |
| Eigen LLM (open-weight model op je eigen servers) | Data verlaat nooit je eigen omgeving; voorspelbare kosten bij grote volumes; volledige controle over versies | Hardware of GPU-cloud nodig en iemand die het beheert; kleinere modellen dan de beste cloudmodellen |
| Fine-tuning (bijtrainen) | Een vaste toon en vorm, vakjargon, een klein model dat één afgebakende taak goed doet | Geen manier om feiten aan te leren — daar is RAG voor; vereist een degelijke set goede voorbeelden |
Ons principe: de eenvoudigste aanpak die aan je data-eisen voldoet, wint. Een eigen model als de data dat vereist — niet voor het prestige.
Eerlijke verwachtingen
- Niet elke taak heeft AI nodig. Als een checklist of een simpele automatisering volstaat, zeggen we dat — en bouwen we dát.
- AI maakt fouten. Bij alles wat naar klanten gaat of juridisch bindend is, keurt een mens goed — die stap ontwerpen we er vanaf het begin in.
- We meten vóór de uitrol: een testset met je echte voorbeelden en een duidelijke maatstaf. “Het lijkt slim” is geen resultaat.
- Jouw data, jouw assets: prompts, kennisbanken, getrainde modellen en accounts zijn eigendom van je bedrijf.
Richtprijzen
Kosten van AI-implementatie
Dit zijn vanafprijzen voor de bouw. Modellicenties, GPU-cloud of hardware betaal je apart — we rekenen ze mee in de offerte.
-
AI-procesaudit
Een kaart van het routinewerk: waar AI uren bespaart, waar het risico toevoegt en met welk scenario je begint.
vanaf € 400 per project
-
AI-agents & automatisering
Binnenkomende aanvragen gesorteerd, antwoorden voorbereid, data uit documenten in de CRM gezet — een mens keurt goed waar het ertoe doet.
vanaf € 2.850 per project
-
Eigen LLM
Een open-weight model op je eigen servers of in een dedicated EU-cloud, gekoppeld aan je kennisbank. Infrastructuur apart.
vanaf € 4.900 per project
De exacte offerte volgt na de briefing en een blik op je project — met onderbouwing, geen bedrag uit de lucht.
Vanafprijzen voor gangbare projecten, excl. btw. Advertentiebudgetten, licenties, hosting en diensten van derden betaal je apart, tegen kostprijs.
De eerste cases zijn in voorbereiding
We publiceren cases alleen met toestemming van de klant en geverifieerde cijfers. Tot die tijd zijn onze methode en de checklists hierboven het eerlijkste wat we kunnen laten zien.
Uit de blog
AI-hallucinaties: waarom uw assistent fouten maakt en wat helpt
Geeft uw AI-assistent verkeerde antwoorden? Waar AI-hallucinaties vandaan komen, hoe u hem test en wat stellige fouten eerst terugdringt.
Mails automatiseren met AI: wat je een agent geeft en wat niet
Mails automatiseren met AI? Waarom het vaak misgaat, hoe je ziet welke mails een agent kan overnemen en in welke volgorde wij het werk overdragen.
Veelgestelde vragen
Waar begin je met AI in je bedrijf?
Met één proces, niet met een tool. De audit laat zien waar de uren naartoe gaan en welke taken AI veilig kan overnemen; we beginnen met de use case die zich het snelst terugverdient en het makkelijkst te meten is.
Is onze data veilig bij ChatGPT, Copilot of Gemini?
De zakelijke abonnementen van deze assistenten komen met contractuele datavoorwaarden en beheeropties, en die voorwaarden verschillen per leverancier. Of ze volstaan, hangt af van je data en je branche — we toetsen ze aan jouw eisen vóór de uitrol.
Wat is een eigen (lokaal) LLM en wanneer heb je dat nodig?
Een open-weight taalmodel dat op je eigen servers of in een dedicated cloud draait, zodat prompts en documenten nooit je eigen omgeving verlaten. Het is zinvol bij gevoelige data — gezondheid, juridisch, financieel, bedrijfsgeheimen — bij strikte klantcontracten, of bij grote volumes waarbij de prijs per verzoek flink oploopt.
Moeten we een model fine-tunen?
Meestal niet in het begin. De meeste zakelijke taken los je op met een goed model, je eigen documenten (RAG) en duidelijke instructies. Fine-tuning loont als je een vaste toon of vorm nodig hebt, vakjargon, of een kleiner, goedkoper model voor één afgebakende taak — en als je genoeg goede voorbeelden hebt.
Wat kost het om AI te implementeren?
Een AI-procesaudit kost vanaf € 400, AI-agents en automatisering vanaf € 2.850, een eigen LLM vanaf € 4.900, excl. btw. Kant-en-klare tools zijn vooral licenties en inrichting; een eigen LLM voegt hardware of GPU-cloud en beheer toe. De exacte offerte volgt na de audit — met de lopende kosten doorgerekend, niet alleen de bouw.
Hoe zit het met de AVG en de AI-verordening?
We brengen in kaart welke regels gelden voor jouw use case: klanten laten weten wanneer ze met AI praten, verwerkersovereenkomsten, waar data wordt opgeslagen en hoe lang. We zijn niet je juristen, maar we bouwen zó dat je juristen hun akkoord kunnen geven.
Start met een AI-audit
Vertel ons welk proces de meeste uren opslokt — we antwoorden met de use cases die een pilot waard zijn en wat ze van je data nodig hebben.
De omvang loopt van één taak tot het volledig draaien van de discipline. Richtprijzen staan hierboven; de exacte offerte volgt na de briefing en een blik op je project.
Gerelateerde diensten:
Bedankt — dit gebeurt er nu
- We reageren binnen één werkdag.
- Een kort gesprek om de opdracht te begrijpen.
- We stellen een startpunt voor — meestal een audit.
Preciezer? Vul de briefing in — die komt als aanvulling op uw aanvraag.
Vul de briefing in