AI-features in je product: drie die werken, drie die je beter overslaat

Sinds 2023 hebben we ongeveer veertig AI-features in producten ingebouwd voor klanten — van slimme search tot factuurdetectie tot copy-generators. Een derde daarvan is gebleven, een derde wordt af en toe gebruikt, en een derde stond binnen drie maanden uit.

Dit is wat we ondertussen zien: welke AI-features écht waarde toevoegen aan een bestaand product, en welke vooral demo-magie zijn die in productie verdampt.

Drie die werken

1. Slimme zoek/filter (semantic search) op interne data

Klassiek probleem: je medewerkers of klanten zoeken in 5.000 producten, 800 PDF's, of 200 wiki-pagina's. Keyword search vindt het niet, full-text search vindt het soms.

Wat AI hier oplost: embeddings + een vector store. Iemand typt "die printer die we vorig jaar voor X kochten" en je systeem vindt het juiste artikel, zelfs zonder dat de woorden letterlijk matchen.

Voor een klant in technische groothandel: zoektijd in hun catalogus van gemiddeld 90s naar 8s. Niet "spectaculair," maar over 12 medewerkers × 60 zoekopdrachten/dag levert dat serieuze tijd terug.

2. Auto-tagging en classificatie van inkomende data

Inkomende mail, leads, of documenten die handmatig gecategoriseerd worden. Een agent leest de inhoud, kiest één van X categorieën en routeert het verder.

Belangrijk: dit werkt alleen als je categorieën stabiel zijn én je een voorbeeld van 50-200 historische items hebt. Met die input bouwen we een classifier die in 95%+ van de gevallen klopt — beter en consistenter dan de gemiddelde menselijke triagiër die om 16u moe is.

3. Schrijven dat een sjabloon vervangt (niet creatief schrijven)

Standaard offertes, productbeschrijvingen volgens een vast format, samenvattingen van vergaderverslagen, vertalingen tussen NL/EN/FR met behoud van toon.

Wat dit níét is: "AI schrijft onze marketing voor ons." Wat het wél is: het saaie 80% dat een mens nu schrijft, in 30 seconden in plaats van 30 minuten. Een mens kijkt het na, fixt 1-2 dingen, klaar.

Voor één klant: offertes die voorheen 25min/stuk kostten, nu 4min/stuk. 200 offertes/maand × 21min = ~70u/maand vrij.

Drie die je beter overslaat

1. Een chatbot op je homepage "omdat het kan"

Als de eerste vraag "wat zijn jullie openingstijden" is, zet daar een H2 met die info en bespaar jezelf de bouw. AI-chatbots werken pas als ze:

• Toegang hebben tot écht relevante kennis — jouw voorraad, jouw orderhistorie, jouw documentatie. Niet enkel je website-tekst.
• Meer kunnen dan vragen beantwoorden — boekingen aanmaken, refunds initiëren, leads kwalificeren
• Een duidelijke escalatie-route hebben naar een mens

Bouw een chatbot die enkel info teruggeeft die elders op de site staat en je krijgt slechte ervaringen + telefoontjes alsnog. Bouw er één die transacties kan afhandelen — daar zien we wel ROI.

2. AI-gegenereerde productafbeeldingen voor échte producten

Voor concept-art en mockups: nuttig. Voor productpagina's van iets dat je écht verkoopt: nee. Klanten zien het verschil binnen drie tellen, en je krijgt retours met "ziet er anders uit dan op de site."

Eén goede fotograaf voor één goede shoot blijft de juiste investering.

3. Volledige autonome agents in productie

Elke maand verschijnen er demo's van "een AI agent die je hele inbox afhandelt." In een gecontroleerde demo: indrukwekkend. In productie waar het 200x/dag moet werken zonder toezicht: heel zelden ready.

Wij bouwen wel agents — maar altijd met een mens-in-de-lus voor stappen die geld of klantrelatie raken. Volledige autonomie is een belofte die niemand vandaag in jouw business waar gaat maken zonder dat het je een keer goed pijn doet.

Wat wij standaard inbouwen bij AI-features

• Eval-set vanaf dag één. 30-100 echte voorbeelden waarop we kunnen meten of de feature beter wordt. Geen evals = geen idee of het werkt.
• Fallback wanneer het model faalt. Wat doet je systeem als de model-call timeout't of een idiote response geeft? Niet niets — een graceful default die de gebruiker niet in de steek laat.
• Rate limiting en cost caps. Zodat één bug-loop je niet €4.000 in een nacht kost.
• Logging van prompts + responses. Niet "wat de gebruiker zag," maar het volledige gesprek met het model — anders is debuggen later een rondje gokken.
• Modelflexibiliteit. Gebouwd zodat draaien op Claude, GPT-4 of een open model een kwestie is van een env-variabele. Lock-in op één provider is geen plan.

Wat dit ongeveer kost

Een eerste AI-feature in een bestaand product zit gemiddeld op €6-12k voor de build (eval-set, integratie in je stack, fallback-logica, monitoring), plus model-kosten in productie van €20-150/maand afhankelijk van volume en model-keuze.

Wat zien we klanten daarmee terugverdienen:

• Saai werk dat met factor 5-10x sneller gaat (offertes, classificatie, samenvattingen)
• Klantvragen die zonder ticket worden afgehandeld (mits de feature transactioneel is, niet enkel info-only)
• Inzichten uit data die voorheen ongelezen bleef (rapporten, mail, support-logs)

Concrete eerste stap

Welke saaie taak in je workflow gebeurt elke week 50+ keer en heeft een redelijk vast patroon? Dat is waarschijnlijk waar AI z'n geld verdient — niet bij de "wow"-features, maar bij wat tijd terugwint en consistenter wordt dan een mens om 16u.

Stuur ons je twee à drie kandidaten — we komen binnen één werkdag terug met welke realistisch te bouwen zijn, wat het kost en wat het oplevert.

→ Bekijk wat onze AI-dienst inhoudt → Direct iets bespreken