HET PROBLEEM
Iemand op je team heeft een prompt gevonden die goed werkt. Die staat in een notitie, of in zijn hoofd. De collega ernaast gebruikt een andere. Het resultaat is bruikbaar, tot het dat plots niet meer is — en niemand kan zeggen waarom.
Dezelfde vraag, een ander antwoord. Zolang dat zo is, moet iemand élke output nalezen en win je niets.
De prompt die werkt, is nooit opgeschreven. Valt die persoon weg, dan begint de rest opnieuw van nul.
Kopiëren naar ChatGPT, plakken, terugkopiëren. Het knipwerk kost bijna evenveel tijd als het werk zelf.
Prompt engineering is niet mooier formuleren. Het is de manier waarop jouw expert oordeelt, vastleggen in instructies die je kan testen, versioneren en herhalen — zodat het antwoord van vandaag ook het antwoord van volgende maand is.
WAT WE BOUWEN
We beginnen bij het werk, niet bij het model. Eerst het oordeel dat je vandaag met de hand velt, dan de instructie die het overneemt, dan de test die bewijst dat ze het blijft doen.
We gaan zitten met de persoon die het werk vandaag het best doet en schrijven uit hoe die beslist. Dat document is al waardevol voor er één instructie bestaat.
Elke instructie draait tegen een set echte cases waarvan jij het juiste antwoord al kent. Wat zakt, gaat niet live. Wat we later aanpassen, draait dezelfde set opnieuw.
De AI-stap komt te staan waar het werk gebeurt: in je mailbox, je applicatie, je pipeline. Niemand hoeft nog iets te kopiëren naar een chatvenster.
EERLIJK OVER DE GRENS
Een berekening, een btw-regel of een boeking hoort deterministisch gebouwd te worden: code die elke keer exact hetzelfde doet. AI zetten we in waar taal, oordeel en variatie in het spel zijn — samenvatten, classificeren, opstellen, herkennen. In één traject zit meestal allebei, en wij zeggen op voorhand welk stuk welk wordt.
We kijken waar AI vandaag al gebruikt wordt, wat het oplevert en waar het wisselvallig is. Je krijgt een lijst van taken met de winst per taak.
We schrijven uit hoe je expert beslist en verzamelen echte cases met het juiste antwoord erbij. Dat wordt de maatstaf.
Instructies bouwen, tegen de testset draaien, bijsturen tot het resultaat stabiel is. Je ziet de score, niet enkel de belofte.
De stap komt in je workflow te staan, met controle op wat eruit komt. Nieuwe modellen testen we tegen dezelfde set voor we omschakelen.
We bewijzen het eerst op één taak, met jouw cases en jouw oordeel als maatstaf. Pas als dat klopt, breiden we uit.
1
taak om het te bewijzen
100%
van je testset draait voor elke wijziging
0
vendor lock-in op één model
EÉN GESPREK. GEEN VERPLICHTINGEN.
Toon ons wat je vandaag gebruikt. Wij zeggen eerlijk wat betrouwbaar te maken is, wat beter deterministisch wordt gebouwd, en wat het oplevert.
