Interactieve presentatie · klik op alles voor uitleg
Hoe elk bedrijf zijn eigen AI bouwt, tegen welke muren het oploopt, en welk element uit de periodieke tabel elke muur oplost.
Iedereen wil een eigen AI. De meeste bedrijven beginnen op dezelfde plek en lopen tegen dezelfde muren aan, in dezelfde volgorde.
We doen het in twee delen. Eerst de bouwstenen: de periodieke tabel van AI. Daarna een voorbeeld uit de praktijk, stap voor stap, en bij elke stap wijzen we het element in de tabel aan.
Vier woorden om vast te houden, de vier lagen van de tabel: bouwstenen, modules, systeem, evolutie.
Als je één zin onthoudt: het model is het makkelijke deel. ChatGPT, Claude, Gemini, die huur je. Wat het tot jouw AI maakt en wat het veilig maakt, bouw je eromheen.
Het voorbeeld straks laat precies dat zien: acht stappen, en geen ervan gaat over een slimmer model.
Kolommen zijn families: wat een element doet. Rijen zijn lagen: hoe samengesteld het is. Klik op alles voor uitleg.
Lees een kolom van boven naar beneden: in Reactive gaat het van controle (Pr) via actie (Fc) naar autonomie (Ag). En net als bij Mendelejev is er een gat.
Mendelejev ordende de scheikunde niet op wie een element ontdekte, maar op wat het is en hoe het zich gedraagt. Dat doen we hier met AI.
Vijf families als kolommen, zoals de groepen in de scheikunde. Reactive reageert op een vraag. Retrieval haalt op. Orchestration regelt wie wat wanneer doet. Validation controleert. Models is de motor.
Vier lagen als rijen, zoals de perioden. Laag 1 zijn de bouwstenen, het DNA. Laag 2 zijn werkende modules, de organen. Laag 3 is het operationele systeem, het levende organisme. Laag 4 is wat er nu aankomt.
Klik door per laag. Wijs aan het eind het lege vak aan: Validation heeft nog geen bouwsteen. Daar komen we bij stap 8 op terug.
Je vraagt, het model vertelt. Geen kennis van jou, geen handen.
PrPrompt+LgLLMEerst ophalen uit jouw bronnen, dan antwoorden. De slimme stagiair krijgt toegang tot de interne map.
EmEmbeddings+VxVector DB+LgLLMRAG met handen, grenzen en toezicht, ingebouwd in een echt proces.
RgRAG+FcFunction call+GrGuardrails+InToezichtDit is precies de route van het voorbeeld dat nu komt: van een losse bouwsteen naar een systeem dat je kunt vertrouwen.
Net als in de scheikunde worden elementen pas interessant als je ze combineert. Prompt plus model is de basisinteractie. Embeddings plus vectordatabase plus model is RAG. RAG plus function calls plus guardrails plus monitoring is een oplossing die echt in je proces draait.
Hou deze drie in je hoofd. Het voorbeeld dat nu komt, loopt deze drie lagen af.
Elke muur dwingt een nieuw element af. Klik op een stap om ernaartoe te gaan.
Dit is het hele verhaal op één scherm. Elke kaart is een moment waarop het misgaat, en daaronder wat je toevoegt. Rechtsboven zie je de elementen uit de tabel, in de kleur van hun familie.
Kijk naar de kleuren: vier van de acht stappen zijn geel, de familie Validation. De helft van het werk is controle.
Je neemt ChatGPT, zet er een API-aanroep omheen en noemt het de AI-assistent van het bedrijf.
Een gehuurd model met jouw logo erop. Geen eigen kennis, geen eigen gedrag, geen controle.
Klik op elk blok in de plaat voor uitleg.
Iedereen begint hier. Een medewerker stelt een vraag, die gaat via een dun laagje code naar het model van een leverancier, en het antwoord komt terug.
Het voelt als eigen AI. Maar er zit niets van jou in. Van de negentien elementen gebruik je er één, en zelfs dat is gehuurd.
Gegrond in jouw beleid, veilig, betaalbaar en volledig zichtbaar.
"Wie ben jij?" En de agent zegt: "Ik ben ChatGPT." Iemand had de systeemprompt aangepast en de evals overgeslagen.
Validation bouw je niet één keer. Het is een afspraak die je bij elke wijziging nakomt.
De grap van het verhaal is dat het eindigt waar het begon. Alle lagen staan er. En toch zegt de agent weer "Ik ben ChatGPT", omdat één persoon één wijziging deed zonder de test te draaien.
Dat is de echte les. De techniek is op te lossen. De discipline eromheen is het werk.
Dit is de plaat die je mee naar huis neemt. Volg één vraag van boven naar beneden: de medewerker stelt hem, hij gaat langs de invoercontrole, de cache kijkt of hij al eens gesteld is, de router kiest een model, de agent haalt kennis op of doet iets in een systeem, en de uitvoer wordt gefilterd. Om alles heen ligt het logboek, onderaan de poort die elke wijziging tegenhoudt tot de test groen is.
De kleuren zijn de families uit de tabel. Klik op elk blok als er een vraag komt.
Leg het voorbeeld terug op de tabel. Op elke tegel die geraakt is, staat in welke stap. De rest is gedimd.
Drie dingen vallen op. De gele kolom draagt de helft van het werk. Een hele hoek blijft leeg: skills, goal-loops, multi-agent. En het lege vak bovenaan Validation. Net als bij Mendelejev zijn de gaten het interessantste deel van de tabel: ze vertellen je wat er nog komt.
Eerlijk is eerlijk: niet elk bedrijf bouwt dit zelf. Veel lagen koop je in, en dat is prima.
Maar de tabel blijft nodig, want je moet kunnen vragen welke elementen je koopt en welke je zelf moet invullen. En één ding schuif je niet door: zodra de AI bij je eigen data kan of in je systemen iets doet, horen rechten en filters erbij. Begin bij het grootste risico, niet bij de leukste demo.
| Element | In het voorbeeld | Bij Newway |
|---|---|---|
| PrPrompt | Systeemprompt met naam en toon | Een vast regelbestand dat bij elke sessie meeloopt: hoe we schrijven, wat waar hoort, wat nooit mag |
| RgRAG | Beleidsdocumenten in een vectordatabase | Eerst zoeken in onze eigen kennisbank, pas daarna elders |
| FcFunction call | HR, Jira en Slack via MCP | Odoo, mail, Slack en de kennisbank via MCP |
| GrToegang | RBAC en OAuth | Aparte koppelingen om te lezen en om te schrijven; rechten per map in de kennisbank |
| GrFilters | Input-classifier, PII-redactie | Geen zorg- of persoonsgegevens van klanten in de kennisbank, met een scan vooraf; nooit ongevraagd een bericht naar een klant |
| SkSkill | Komt niet voor | Eigen skills voor het hele team, centraal beheerd |
| GlGeheugen | Alleen een cache | Geheugen op schijf: geheugenbestanden, dagnotities en besluiten die blijven staan |
| InZien en testen | Observability en evals | Elke wijziging in Odoo staat in de chatter. Vaste evals hebben we nog niet: ons eigen lege vak. |
Wij werken zelf dagelijks met deze elementen. Ze zijn alleen ingevuld voor ons eigen werk.
En we zijn eerlijk over ons eigen gat: observability hebben we deels, via de chatter in Odoo. Een vaste testset die bij elke wijziging draait, hebben we nog niet. Precies het lege vak in de tabel, en precies de muur uit de plotwending.
Doe dit vandaag: pak de AI-tool die jullie gebruiken en zet een kruisje op elke tegel die hij gebruikt. Elke tegel waarvan je het niet weet, is een muur die nog komt.
Terug naar de zin van het begin. Het model is het makkelijke deel. En de vier lagen: bouwstenen, modules, systeem, evolutie.
Huiswerk van een kwartier: neem jullie eigen AI-tool en loop de tabel langs. Waar je het niet weet, zit de volgende muur.