NLEN
Plan een gesprek

Diensten / AI-engineering

AI-engineering die begint bij één echt proces.

AI-systemen voor productie, vanuit één echt proces en een platform met governance, niet vanuit een demo.

Plan een gesprekAlle diensten

01 / Problemen

Problemen die we oplossen

Typische startpunten voor een AI-opdracht.

  • Papier en pdf's houden de backoffice draaiendeBackofficeprocessen zijn documentzwaar en handmatig, en het volume daalt niet.
  • LLM's onder strikte regelsJe wilt LLM's gebruiken, maar de eisen aan dataclassificatie, soevereiniteit en audit zijn streng.
  • De data zit in losse systemenDe data die een AI-systeem nodig heeft staat op verschillende plekken, waardoor een model niets betrouwbaars heeft om mee te werken.

02 / Aanpak

Hoe we opleveren

Zo komt een AI-systeem bij ons in productie.

  1. Eerst één proces

    We kiezen één documenttype of één vraag, zodat het resultaat te vergelijken is met wat er nu gebeurt.

  2. Jouw tenant, jouw data

    De pipeline draait in je eigen Azure-tenant. We sturen je data niet naar externe AI-diensten zonder je schriftelijke akkoord.

  3. Menselijke controle en bewijs

    Een reviewstap en een audittrail, en nauwkeurigheid gemeten op je eigen documenten voordat iets live gaat.

  4. Dezelfde pipelines als het platform

    Gereviewde pull requests, deployment van dev naar productie en een runbook, zodat je team het kan beheren.

AI-harnesses en -frameworks

AI-harnesses en -frameworks

Een van onze sterkste punten is het engineeringraamwerk rond modellen en agents, zodat ze betrouwbaar in productie draaien en je teams sneller nieuwe AI-toepassingen opleveren.

  1. Eén procesGemeten tegen de huidige situatie
  2. OrkestratieToegang tot tools via MCP
  3. ModelIn je eigen tenant
  4. GuardrailsControles op in- en uitvoer
  5. Tracing en evaluatieRegressiepoort
  • Agent-harnesses en orkestratieTool-use-loops en multi-agentgrafen, bijvoorbeeld met LangGraph, en toegang tot tools via MCP.
  • EvaluatieframeworksTestsets uit je echte taken, regressiepoorten bij elke wijziging en LLM-as-judge met menselijke review.
  • Guardrails en beleidscontrolesControles op invoer en uitvoer en toegangsregels die bij elke aanroep draaien, niet alleen in de review.
  • Observability en tracingTraces van elke stap met tools als MLflow en OpenTelemetry, zodat fouten te vinden en te verklaren zijn.
  • Kosten- en latentiebeheersingLimieten, caching en modelrouting, zodat kosten en responstijd binnen blijven wat de toepassing nodig heeft.
  • Herbruikbare interne frameworksEen gedeeld raamwerk en sjablonen, zodat een nieuwe AI-toepassing start met werkende onderdelen in plaats van bij nul.
  • MLflow
  • OpenTelemetry
  • Azure

Waar AI-projecten vastlopen

  • Prototypes die productie niet halen. Een demo werkt op het ideale pad. Zonder beheersing van toolgebruik, retries, limieten en monitoring faalt het systeem bij echt gebruik.
  • Geen manier om kwaliteit te meten. Niemand kan zeggen of een wijziging het systeem beter of slechter maakte, dus releases rusten op meningen.
  • Elk team vindt de basis opnieuw uit. Elk team bouwt eigen orkestratie, logging en controles, en niets wordt hergebruikt.

Wat je krijgt

  • Een harness in je repositories, met orkestratie, toegang tot tools en guardrails
  • Een evaluatiesuite met een regressiepoort in je leveringspipeline
  • Tracing en kostenoverzichten gekoppeld aan je observability-stack
  • Een herbruikbaar sjabloon en een korte handleiding, zodat je teams toepassingen toevoegen op hetzelfde raamwerk
  • Een runbook en een overdracht aan je team

Jouw model, te wisselen

Gebruik je eigen model: wissel van model zonder de harness opnieuw te bouwen. Zo werkt het wisselen van een model

Kosten- en tokenoptimalisatie

De harness is waar de kosten per taak worden gemeten en verlaagd, omdat elke wijziging eerst tegen de evaluatieset draait. Kosten- en tokenoptimalisatie in detail

Alle AI-oplossingen

Governance voor AI

Eén gateway voor elk model, elke agent en elke tool

  1. Teams, agents, coding toolsWie een model aanroept
  2. Unity AI GatewayRechten, budgetten, limieten, beleid, logging
  3. Modellen, MCP-servers, toolsOp Databricks gehost en extern
  • ToegangUnity Catalog-rechten bepalen wie wat mag gebruiken.
  • Budgetten en limietenKosten en aantal verzoeken hebben een plafond per use case.
  • BeleidRegels gelden voor verzoeken en antwoorden.
  • LoggingElke aanroep komt voor audit in Delta-tabellen.
  • RouteringVerkeer wordt over modellen verdeeld, met failover.

Zo zetten we het op

  • De gateway en het beleid staan als code in de repository en worden door een pipeline uitgerold, nooit met de hand samengeklikt.
  • Eén service per use case, elk met een eigen budget en een eigenaar die erop aanspreekbaar is.
  • Inference-tabellen met een bewaartermijn en toegangsgroepen, zodat logs bruikbaar zijn en geen risico vormen.
  • Dashboards op system tables voor tokens, kosten en latency per team.
  • Coding agents zoals Claude Code lopen via de gateway, met repositoryregels en reviewpoorten erbovenop.
  • Fallbacks testen we vóór de livegang, door een bestemming bewust uit te zetten.
  • Smart Routing houden we buiten productie zolang het in Beta zit.

Algemeen beschikbaar. Smart Routing zit in Beta. Laatst gecontroleerd: 10 november 2026. Documentatie van Unity AI Gateway

  • Databricks
  • Unity Catalog
  • Unity AI Gateway
  • Delta Lake

ML- en LLM-operations

Modellen en LLM-toepassingen die in productie blijven

We bouwen het pad naar productie op Databricks: registry, pipelines, een evaluatiepoort, serving en monitoring, voor klassieke modellen en LLM-toepassingen.

ML- en LLM-operations uitgelegd

Voice agents

Voice agents die de telefoon opnemen

Gebouwd met LiveKit voor realtime audio en ElevenLabs voor spraak. We hebben er veel gebouwd.

  • Gesprekken beantwoorden en doorverbinden naar het juiste team of de juiste persoon
  • Intake en afspraken plannen, met de gegevens weggeschreven in je systemen
  • Meertalig, ook Nederlands, met overdracht aan een mens

Probleem, aanpak en verwacht resultaat

VA

Voice agents voor inkomende gesprekken

Het probleem
Buiten kantoortijd neemt niemand op of bij piekdrukte loopt de wachtrij op, en medewerkers besteden tijd aan routinevragen en aan het doorverbinden van bellers.
Wat een voice agent doet
Een agent neemt op, begrijpt de vraag, verbindt door naar het juiste team, legt gegevens vast en plant afspraken in. Hij spreekt meerdere talen, ook Nederlands, en draagt over aan een mens als hij het niet zeker weet.
Verwacht resultaat
Het doel is wachttijd te verkorten en je team routinegesprekken uit handen te nemen. Dit zijn verwachte resultaten, geen behaalde resultaten: gespreksvolume, talen en koppelingen bepalen wat realistisch is, daarom doen we een pilot op één echte gespreksstroom.
Hoe we opleveren
We hebben veel voice agents gebouwd met LiveKit en ElevenLabs. We meten hoe goed het werkt op jouw eigen gespreksstroom.

Waar de inhoud van gesprekken gevoelig is, kunnen we het taalmodel draaien op infrastructuur die jij beheert. ElevenLabs is een gehoste dienst, dus een volledig zelf gehoste voice agent gebruikt in plaats daarvan open spraakmodellen, nadat we hebben geëvalueerd of die goed genoeg zijn voor je talen.

Soevereine en zelf gehoste AI Praat met de demo voice agent

Inkomend gesprekIllustratie
Live
  • Goedemiddag, ik wil graag een afspraak maken.
  • Natuurlijk. Welke dag komt je uit?

Doorgezet naarAfspraken

Oplevering

Wat je krijgt en hoe je begint

Elk begint met een gesprek over je scope.

Doorlooptijd: 2 tot 3 dagen

Data & AI quickscan

In 2 tot 3 dagen brengen we in kaart hoe data en documenten nu door je organisatie stromen en rangschikken we de drie AI- of datatoepassingen met de meeste waarde voor de minste inspanning.

Wat je krijgt

  • Huidige situatie van systemen, data en handmatig werk
  • Drie toepassingen, gerangschikt op waarde, inspanning en risico
  • Roadmap met een pilotvoorstel
  • Sessie met het management om het resultaat te bespreken
Vraag een offerte aan

Doorlooptijd: 3 tot 4 weken

Pilot AI-documentverwerking

We zetten één documentstroom om in gestructureerde data, met een menselijke controle, draaiend in je eigen Azure-tenant.

Wat je krijgt

  • Werkende pipeline voor één documenttype
  • Stap voor menselijke controle en audittrail
  • Rapport over nauwkeurigheid en bespaarde tijd
  • Overdracht en runbook
Vraag een offerte aan

Alle samenwerkingsvormen

Bewijs

Gerelateerde casestudy's

De resultaten komen uit onze casestudy's. Jouw resultaat hangt af van je data, je teams en je uitgangspunt.

Alle projecten

Kennis

Gerelateerde artikelen

Geschreven door de engineers die deze systemen bouwen.

Alle artikelen

Gratis check

Doe de check

Een score van 0 tot 100 en een volgende stap, in ongeveer drie minuten.

Alle zes de checks

FAQ

Vragen over deze dienst

Wat is een AI-harness?

Het engineeringraamwerk rond een model of agent: orkestratie en toegang tot tools, evaluatie, guardrails, tracing en kostenbeheersing. Daarmee draait een AI-systeem betrouwbaar in productie en voegen je teams nieuwe toepassingen toe op hetzelfde raamwerk.

Waar draaien de modellen?

In je eigen Azure-tenant bij de pilot voor documentverwerking. Als een externe AI-dienst het juiste hulpmiddel is, gebruiken we die alleen met je schriftelijke akkoord.

Hebben we eerst een dataplatform nodig?

Niet voor een eerste pilot op één documenttype. Voor toepassingen die meerdere systemen combineren is een platform met governance het fundament, en de quickscan laat zien in welke situatie je zit.

Hoe lang duurt het?

De quickscan duurt 2 tot 3 dagen. Een pilot voor documentverwerking duurt 3 tot 4 weken.

Wat als de toepassing zich niet terugverdient?

De quickscan rangschikt toepassingen op waarde, inspanning en risico, zodat je kunt besluiten niet door te gaan. De pilot eindigt met een rapport over nauwkeurigheid en bespaarde tijd, zodat je bewijs ziet voordat je in productie investeert.

Volgende stap

Benieuwd waar AI past?

Vertel ons over één proces dat je wilt verbeteren. We zeggen of AI het juiste middel is en wat een eerste opdracht inhoudt.

Bespreek je use caseStuur een berichtof mail info@nexops.nl direct

Open voor projecten in Q4 2026