OPLOSSING · AI
AI in productie.
Computer vision, RAG, voice-agents en LLM-integraties. Geen demo, wel productie-grade systemen die maanden draaien.
Computer vision, RAG, voice-agents en LLM-integraties. Geen demo, wel productie-grade systemen die maanden draaien.
NedDev bouwt AI-systemen die in productie draaien: RAG-kennisbanken, computer vision, voice-agents en LLM-integraties op een Laravel- of FastAPI-backend. Een afgebakend AI-project start vanaf circa €15.000, een eerste werkende versie staat doorgaans in 6 tot 10 weken live. Wij leveren geen demo die op een laptop blijft hangen, maar systemen die maandenlang foutloos werken, met logging, fallbacks en kostenbewaking ingebouwd. NedDev is een Haags atelier, KvK 65641922.
AI-oplossingen zijn softwaresystemen die taken uitvoeren waar voorheen een mens voor nodig was: tekst begrijpen, documenten lezen, beelden herkennen of gesprekken voeren. Het verschil met een speeltje is dat een echte AI-oplossing onderdeel wordt van een werkproces en daar dag in dag uit op draait.
In de praktijk gaat het bij ons zelden om een los model. Het gaat om de keten eromheen: de data die erin gaat, de controle op wat eruit komt, en de koppeling met de systemen die je al gebruikt. Concrete voorbeelden uit ons werk:
Het kenmerk van een goede AI-oplossing is voorspelbaarheid. Je weet wat het kost per maand, je ziet wat het systeem doet, en je kunt teruglezen waarom het een bepaald antwoord gaf.
De meeste AI-projecten stranden niet op het model, maar op alles eromheen. Een demo werkt in een gecontroleerde situatie. Productie betekent omgaan met rommelige input, hoge belasting, kosten die uit de hand kunnen lopen en gebruikers die het systeem op een manier gebruiken die niemand had voorzien.
Wij bouwen daarom vanaf de eerste week met productie in gedachten. Dat betekent logging op elke AI-aanroep, vaste limieten op kosten, en een terugvaloptie wanneer het model onzeker is. Voor onze AI-collega Cor bouwden we een platform met RAG-geheugen dat per klant gescheiden blijft. Voor JinSulate verving een geometrische teller de losse AI-schattingen, zodat dezelfde tekening altijd hetzelfde resultaat geeft.
Werkt AI ook als ik geen technisch team heb? Ja. Wij leveren het systeem inclusief beheer, monitoring en een dashboard waarin je zelf ziet wat er gebeurt. Je hoeft geen prompt-engineer in dienst te nemen om er waarde uit te halen.
De volgorde waarin wij een AI-traject aanpakken:
Onze AI draait op dezelfde stack als de rest van ons werk, zodat het beheersbaar blijft. De backend is meestal Laravel of FastAPI, met een aparte laag voor de AI-aanroepen. Voor platformen die meerdere klanten bedienen koppelen we dit aan onze multi-tenant SaaS-architectuur, zodat data van klanten nooit door elkaar loopt.
Wij zijn modelonafhankelijk. We kiezen per taak het model dat de beste verhouding tussen kwaliteit en kosten geeft, en we bouwen zo dat je later kunt wisselen zonder de hele applicatie te herschrijven. Voor gevoelige data adviseren we waar nodig modellen die binnen de EU draaien. De Rijksoverheid publiceert hierover praktische richtlijnen voor verantwoord AI-gebruik, zie rijksoverheid.nl.
Wat wij standaard inbouwen in een AI-oplossing:
Voor Lexi AI betekende dit een assistent die CAO-vragen beantwoordt op basis van vastgelegde bronnen, met verwijzing naar het artikel waarop het antwoord steunt.
Onze interne stack-pakketten voor multi-tenant SaaS. Laravel + Filament starter, audit-trail engine, tenant-impersonation pakket dat 12 klanten draait.
8 PACKAGES · 2.4K STARS EDITORIAL · LONG-FORM ↗Onze schrijfsels over wat we leren. Case-studies, technische write-ups, design-decisions. Geen content-marketing, wel echte kennis.
42 ESSAYS · MAANDELIJKS RESEARCH · AI EXPERIMENTS ↗Side-projects en R&D. Voice-agent prototypes, RAG-pipelines, AI knowledge-graph experimenten. Sommige worden product. De rest leert ons iets.
14 EXPERIMENTEN · LIVE DEMOSEen afgebakend AI-project start vanaf ongeveer €15.000. De prijs hangt af van de complexiteit: een RAG-kennisbank op je eigen documenten is goedkoper dan een voice-agent met telefoniekoppeling of computer vision op tekeningen. Naast de bouw heb je doorlopende kosten: het gebruik van de AI-modellen zelf, plus hosting en beheer. Die maandlasten maken wij vooraf inzichtelijk en bewaken we met harde limieten, zodat een uitschieter in gebruik nooit voor een verrassing op de rekening zorgt. Wij geven liever een eerlijke bandbreedte na een kort gesprek dan een te mooi getal vooraf.
Een eerste werkende versie op echte data staat doorgaans binnen 6 tot 10 weken live. Wij werken in korte sprints met wekelijkse demo-momenten, zodat je het systeem ziet groeien en kunt bijsturen voordat het af is. De eerste weken na livegang kijken we mee op echte input, omdat dat het moment is waarop blijkt of het systeem ook buiten de testomgeving klopt. Een groot, organisatiebreed AI-platform kost uiteraard meer tijd, maar wij knippen dat op in onderdelen die los waarde leveren.
Dat risico bestaat als je een model los inzet zonder controle eromheen. Wij verkleinen het door te werken met RAG, waarbij het model alleen antwoordt op basis van vastgelegde bronnen in plaats van uit het geheugen te gokken. Daarnaast bouwen we een terugvaloptie in voor wanneer het model onzeker is, en loggen we elk antwoord zodat je kunt terugzien waarom iets gezegd werd. Voor cijfermatige taken vervangen we de gok van het model door een vaste berekening, zoals we bij JinSulate deden. Zo wordt het resultaat voorspelbaar en controleerbaar.
