Problemen die wij hebben opgelost

Een bedrijf dat één AI-platform exploiteert voor veel grote zakelijke klanten, had agents nodig die binnen strikte grenzen per klant handelen. Elke klant krijgt een eigen, afgeschermde omgeving.

De agents beantwoorden vragen en voeren acties uit over e-mail, chat, gespreksnotities, campagnecijfers en CRM-data. De data van de ene klant mag nooit bij de agents van een andere klant komen.

Wij ontwierpen en bouwden de agentlaag en schreven de code samen met de engineeringteams van het bedrijf.

Wij bepaalden welke acties van agents zelfstandig lopen en welke wachten op goedkeuring van een mens, en gaven elke tool die een agent kan aanroepen eigen permissies.

Wij ontwierpen hoe de data van elke klant gescheiden blijft, zodat informatie van de ene klant nooit bij de agents van een andere klant komt.

Wij legden vast hoe het platform aansluit op de systemen van elke klant, en gebruikten open protocollen voor de toegang van agents tot tools en voor agents die over systemen heen samenwerken.

Het platform draait in productie voor een wereldwijd opererende zakelijke klant. Elke nieuwe klant krijgt eigen agents op dezelfde gedeelde kern, in een afgeschermde omgeving.

Een productteam van een AI-toepassing voor consumenten stond op het punt zijn assistent open te stellen voor een gesloten bèta. Het had een werkend prototype en een lanceringsplanning, maar weinig vertrouwen in de kwaliteit van de antwoorden, de beveiliging van het systeem en de gereedheid voor regelgeving. Het team wilde een onafhankelijke blik voordat het een besluit nam.

Wij beoordeelden het hele systeem, van hoe informatie binnenkomt tot hoe antwoorden naar buiten gaan. Wij adviseerden wijzigingen in hoe de assistent informatie vindt en rangschikt, een manier om toestemming en licenties vast te leggen voor de content waaruit hij put, bescherming tegen de risico's die specifiek zijn voor AI-assistenten, betrouwbaarheidsdoelen, en meetbare criteria waaraan de assistent vóór de lancering moest voldoen.

Een schriftelijke beoordeling en een gefaseerd plan van vier maanden, als basis voor het besluit van het team om wel of niet met de gesloten bèta te starten.

Een jong team in de zorgtechnologie vroeg een publieke onderzoekslening aan voor een radarsysteem dat ouderen thuis monitort. Voordat de financier kapitaal toezegde, wilde die onafhankelijk bewijs dat de AI-onderdelen binnen de planning van een proof of concept konden worden gedemonstreerd.

Wij beoordeelden alleen de AI-laag, los van de keuzes voor hardware en software. Wij stelden het beoogde doel van het systeem bij, zodat het paste bij wat het bewijs kon dragen (monitoren en alarmeren, geen diagnose), en bakenden de proof of concept opnieuw af rond wat volgens gepubliceerd bewijs kon worden gedemonstreerd.

Een vertrouwelijk haalbaarheidsrapport dat elk AI-onderdeel als laag, middel of hoog risico beoordeelt, een gericht validatieplan met meetbare acceptatiecriteria, een data-architectuur met privacy by design in lijn met de AVG, en een gefaseerd stappenplan voor het werk na de financiering.