Eerst leggen we de fundamenten, dan bouwen we de agents.
Voor het bedrijf dat iedereen een AI-account gaf, een jaar lang experimenteerde en onderaan de streep niets ziet verbeteren. Snellere individuen maken niet vanzelf een productiever bedrijf.
Snellere mensen, hetzelfde bedrijf.
Een bedrijf dat vandaag gebouwd wordt, of dat bewust hertekend is, draait ordes van grootte sneller dan een bedrijf dat een model aan het oude proces plakte. Dat is de kloof, en ze wordt groter elk kwartaal dat u ze laat liggen.
Architecten hadden staal al jaren voor iemand doorhad dat het de wolkenkrabber mogelijk maakte. Industriëlen hadden elektriciteit voor iemand doorhad dat het een nieuwe fabrieksvloer mogelijk maakte in plaats van alleen een snellere. Dezelfde vertraging speelt nu.
De impact onderaan de streep komt er zodra een bedrijf heringericht wordt rond wat het model nu al kan.
Hoe volgens ons een AI-native bedrijf gebouwd wordt
Ze verplaatsten de motor en lieten het grondplan ongemoeid.
Een contextlaag, een harness, en de workflows die daarop draaien.
Wat we bouwen hangt af van het probleem. Soms is het de contextlaag, soms een harness op maat, meestal allebei.
Stop met het kopen van copilots, chatbots en transformatiedecks. Bouw een besturingssysteem dat blijft, rond het werk dat u al doet.
Het model is een commodity, en het wordt goedkoper en beter zonder uw toedoen. Wat blijft, is de context die u het geeft en de harness die tokens omzet in afgebakend, controleerbaar productiewerk.
Eén workflow, en die moet ertoe doen
We beginnen bij één workflow waar veel van afhangt. Facturatie, schadeafhandeling, basisprocessen die nooit zijn opgeschreven. Dat er veel van afhangt, is precies het punt. Mensen verbeteren een systeem dat ertoe doet, en negeren er een dat dat niet doet.
De contextlaag
Voor een model ook maar iets van uw data ziet, schrijven we de ongeschreven regels van die workflow op. Wie een korting boven de drempel mag goedkeuren, is zo'n regel die in het hoofd van één persoon zit en nergens anders.
Het leeft als bestanden onder versiebeheer in een repository, naast de schemadefinities en de gekende uitzonderingen. Agents schrijven de eerste versie. Een senior engineer verbetert ze, aan tafel met uw meest vertrouwde collega's. Daar komt de waarde vandaan.
Dit is iets anders dan gewone documentatie. Iemand tekent één keer een schema, en daarna opent bijna niemand het nog. Deze bestanden worden elke dag gelezen, want een agent leest ze elke dag, en een document dat gelezen wordt, is een document dat verbeterd wordt.
De harness
Op zichzelf is een model een brein zonder handen. De harness is de software eromheen. Ze geeft het model tools en geheugen, bepaalt wat het mag zien en doen, en legt vast wat het gedaan heeft.
- Deterministisch werk blijft in code. Rekenwerk, opzoekingen in het beleid, validatie. We vragen een model niet te doen wat een script beter doet.
- Evaluatiesets en kwaliteitspoorten die bij twijfel dichtgaan, zodat een slecht antwoord tegengehouden wordt in plaats van te vertrekken.
- Een afgeschermde runtime, in uw eigen cloud.
- Een modelgateway, zodat van leverancier veranderen een configuratie-aanpassing is en geen herbouw.
- Observability, toegangsbeheer en kostenlogs die een CFO leest zonder vertaler.
De harness is het deel dat cumuleert. Zodra ze er staat, stapt een engineer die volgend jaar begint in een systeem dat AI al opneemt, en niet in een team dat nog discussieert of het wel moet.
Wat van u blijft
Alles gaat naar een repository die van u is. De specificaties, de commando's, de evaluatiesets, de kennisgraaf. En we meten het werk aan wat het opbrengt per uitgegeven token, in plaats van aan hoeveel mensen op een tool ingelogd hebben.
Wat we op dezelfde manier bouwen
-
Een dagelijks rapport over voorraadfinanciering voor een handelsbedrijf. De cijfers komen elke ochtend uit het ERP, worden aan de regel getoetst, en gaan buiten.
-
Een marktengine voor een salesteam. Ze volgt elk bedrijf waaraan ze kunnen verkopen, beoordeelt de match en stelt het volgende contact voor. Een mens keurt elk voorstel goed.
-
Een kennisbank voor een bureau dat werkt voor concurrerende klanten. De structuur zelf schermt het materiaal van elke klant af, in plaats van een belofte over gedrag.
-
Het company brain bij Voxdale. Duizenden Confluence-pagina's op acht dagen tijd afgevoerd, en collega's bouwen er nu hun eigen kleine tools bovenop.
Lees het Voxdale-verhaal
Ik vind het geweldig dat Machinegeist ons heeft geholpen om keihard te gaan en te durven, en ondertussen structuur te brengen en controle te behouden over data, privacy en kwaliteit.
Mensen, proces, techniek. In die volgorde.
Mensen
We zoeken de mensen die hier al goed in zijn, in de directie en in elke afdeling. Zij worden de spil, en de rest van het bedrijf leert van hen in plaats van uit een instructievideo. Uw eigen mensen bedienen uiteindelijk het systeem, zodat u geen AI-afdeling moet aanwerven.
Proces
Een bedrijf wordt niet efficiënter door elke persoon productiever te maken. We hertekenen eerst de overdrachten. Daarna sorteren we elke stap in één van drie: gewone software, een agent, of een mens die beslist met het bewijs al klaargelegd.
Techniek
Het brein, de harness waarin de agents draaien, en waar het model draait. Op zichzelf is een model een brein zonder handen. De harness is de software eromheen. Ze geeft het model tools en geheugen, bepaalt wat het mag zien en doen, en legt achteraf vast wat het gedaan heeft. We blijven modelonafhankelijk van opzet, zodat een leverancier vervangen kan worden zonder herbouw.
Wij verkopen AI, dus neem dit van ons aan. De meeste problemen wachten op betere mensen of betere software. In de systemen die we bouwen is het model een onderdeel, zelden het grootste. Geef een model een taak die een script had gedaan en u betaalt drie keer. In tokens, in onderhoudbaarheid en in voorspelbaarheid. De rest van het systeem houden we bewust deterministisch.
Drie fases. Elke fase levert op zichzelf iets op.
-
Audit en prioriteren
minder dan 2 wekenWe leren hoe u beslist en hoe u werkt. We vinden de processen die de output van uw bedrijf het meest afremmen en stellen voor hoe u ze oplost. Daarna volgt een go of no-go.
-
Bouwen en uitrollen
dagen per workflowWe leggen eerst het operating model vast. Zodra het brein er staat, wordt elke workflow in dagen gebouwd en uitgerold, op data die u al heeft en met uw team in de kamer. De tweede gaat sneller dan de eerste.
-
Opleiden en onderhouden
Uw team leert het systeem te beheren en uit te breiden. Draai het zonder ons, of houd ons aan boord om het scherp te houden. Geen lock-in, hoe dan ook.
Alles wat we bouwen, blijft van u.
In een week de bottleneck in kaart. In dagen de eerste workflow live.