AI-engineering, vanuit productie geschreven

Vier onderwerpen waar we dagelijks in werken, opgeschreven met standpunten. Voor technische beslissers en teams die willen weten hoe dit spul zich in productie gedraagt.

Onze AI-kennis komt niet uit een cursus maar uit eigen producten: TenderScan.nl draait RAG met reranking in productie, via Supertaak draait bij een klant een AI-gedreven e-mailautomatisering, en ons platform in ontwikkeling wordt primair via MCP aangestuurd. Wat hier staat, hebben we zelf moeten laten werken.

RAG-implementatie en rerankers

Waarom naive RAG tekortschiet, wat een reranker toevoegt, en welke afwegingen er echt spelen. Met TenderScan.nl als productiebewijs.

Agentic workflows

Wat een AI-agent betrouwbaar maakt in productie: herstartbaar, schaalbaar, auditeerbaar, en een mens op de juiste momenten.

LLM koppelen aan je applicatie

Modelkeuze en -wissel, kostenbeheersing, kwaliteitsbewaking, en wat je niet aan een LLM moet overlaten.

MCP-servers bouwen

Waarom het Model Context Protocol de koppellaag wordt tussen AI-agents en bestaande systemen, en wat wij ermee ontsluiten.

Liever het mkb-perspectief? Dat staat op de dienstpagina AI integreren in bedrijfsprocessen.

Praat met een engineer