Onze Werkwijze
U kunt laagdrempelig instappen met een workshop waarin wij samen de
mogelijkheden van AI voor uw organisatie verkennen. De workshop bestaat uit een
korte inleiding in AI en de mogelijkheden, vervolgens gaat u zelf een toepassing van
AI ervaren, waarna we gaan brainstormen over de mogelijkheden en deze met elkaar
rangschikken. Van de workshop ontvangt u een rapportje met daarin de uitkomsten
van de workshop beschreven.
Wilt u aan de slag met een idee? Dan werken wij dit idee voor u uit in een business
case. Zo kunt u iedere keer een stap verder zonder u direct te committeren aan een
groot project. Onderstaand alle vijf stappen waarin wij u begeleiden van idee tot
realisatie.
AI-Workshop
We starten met het in kaart brengen van uw vraagstukken en ambities. Samen
bespreken we mogelijke toepassingen en de beschikbare data. (€ 2.500)
Business Case
In deze fase brengen we de meest relevante databronnen in kaart, maken een
analyse van de beschikbare data en onderzoeken we waar en hoe uw informatie is
opgeslagen.
Proof of Concept (PoC)
Hier maken we een eerste werkend prototype. Doel is om in een afgebakende
testomgeving aan te tonen dat onze AI-oplossing relevante en snelle resultaten
oplevert.
Minimum Viable Product (MVP)
Op basis van de resultaten uit de PoC bouwen we een basisproduct dat in de praktijk
kan worden ingezet, bijvoorbeeld door een beperkt aantal eindgebruikers.
Doorontwikkeling
Na de MVP-fase breiden we de functionaliteiten verder uit. We passen de oplossing
aan op basis van gebruikersfeedback en integreren eventueel aanvullende
databronnen.
Data Security
Wij maken gebruik van private Large Language Models (LLMs), zodat gevoelige data altijd binnen uw eigen beveiligde omgeving blijft. Ons team houdt rekening met strikte richtlijnen en kan de AI-oplossing zelfs on premise of in uw private cloud implementeren. Daardoor behoudt u te allen tijde de volledige controle over uw data en compliance.
In het geval u bij ons wilt hosten, maken wij gebruik van een Duitse partner, zodat alle data binnen de EU staat, zonder afhankelijk te zijn van Amerikaanse bedrijven.
Private LLMs
Data blijft binnen de EU
Mogelijk om on Premise te leveren
Techniek
Onderstaande modelmatige schets is een generiek model voor de toepassing van AI
Input: Data verzamelen
Bronnen: Systemen, documenten en externe databronnen worden via een API of
uploadfunctionaliteit binnengehaald. Deze data wordt centraal verwerkt in het INPUT-
blok, waar alle relevante informatie wordt verzameld voor verdere analyse.
Sorting en voorbereiding van data
In dit stadium wordt de binnenkomende data gesorteerd en voorbereid op verwerking.
Door middel van pre-prompting wordt de data alvast in een geschikte vorm gezet voor de AI-verwerking.
Denk aan het structureren, samenvatten of verrijken van ruwe informatie.
Prompting: interactie met het AI-model
Gebruikersvragen worden via de User Interface gesteld. Deze vragen gaan via een
prompting-mechanisme naar het (private) LLM. Dynamic prompting zorgt ervoor dat
de context automatisch wordt aangepast aan de vraag of het type gebruiker, wat leidt
tot relevantere antwoorden.
(Private) LLM: het brein van de oplossing
De centrale AI-engine is een private LLM (Large Language Model), die zowel vragen
van gebruikers als voorbereidende data verwerkt. De LLM kan gebruikmaken van
Retrieval Augmented Generation (RAG), waarbij het model eerst relevante informatie
ophaalt (retrieval) en op basis daarvan een nauwkeurig antwoord genereert
(generation).
Output: bruikbare resultaten
De gegenereerde output wordt afgehandeld door intelligente agents, en beschikbaar
gesteld via diverse vormen:
(1) Applicaties waarin resultaten direct bruikbaar zijn.
(2) Dashboards voor visuele inzichten.
(3) Rapporten voor diepgaande analyses
User Interface als centrale spil
De User Interface vormt de brug tussen de gebruiker en het systeem. Hier kunnen
gebruikers vragen stellen, informatie uploaden en resultaten ontvangen. Dit zorgt
voor een intuïtieve interactie met krachtige technologie, zonder dat technische kennis
van AI vereist is.
Dit model beschrijft hoe PrudAI op een slimme, gestructureerde manier AI-
technologie inzet om organisaties te helpen sneller en beter beslissingen te nemen.
Door data vanuit verschillende bronnen te integreren, slim te verwerken en met AI te
analyseren, ontstaat een krachtige ondersteuning voor datagedreven werken.