4–6 weken
Mvp van een AI-assistent
Een werkende assistent op je data, klaar voor pilotgebruikers.
AI-apps laten maken: maak van GPT, Claude of Gemini een product met AI-apps, assistenten en LLM-koppelingen op je data en processen. Team in Kosovo.

We maken van grote taalmodellen zoals GPT, Claude en Gemini gerichte producten: AI-assistenten, copilots in je app, vraag-en-antwoord over je kennisbank en geautomatiseerde workflows. We voegen de guardrails, retrieval en kostenbeheersing toe die een product onderscheiden van een prompt.
4–6 weken
Een werkende assistent op je data, klaar voor pilotgebruikers.
8–12 weken
AI-acties ingebouwd in je bestaande app en workflows.
3–5 maanden
Een zelfstandig AI-product met facturatie, accounts en analytics.
Een LLM-app is grotendeels gewone productontwikkeling met één onvoorspelbaar onderdeel in het midden. We ontwerpen eerst rond dat onderdeel en bouwen het product er daarna omheen, in dunne, bruikbare stukken.
01
Samen met de toekomstige gebruikers van de app schrijven we op welke invoer een gebruiker meebrengt, welk resultaat hij terugverwacht, zoals een conceptbrief, een ingevuld formulier of een antwoord met bronnen, en wat hij daarna ermee doet. Dat contract stuurt prompts, schermen en testgevallen, en maakt duidelijk of de taak smal genoeg is om te lanceren.
02
Twee of drie modellen van OpenAI, Gemini of open-weight-families werken dezelfde echte taken af. We vergelijken outputkwaliteit, tijd tot het eerste token en kosten per voltooide taak, en kiezen een primair model en een fallback. Je krijgt de vergelijkingstabel en een schatting van de modelkosten per actieve gebruiker.
03
Inloggen, één complete flow, gestreamde antwoorden, een beoordelingsknop bij elke output en gebruikslogging, uitgerold op een stagingomgeving die je pilotgebruikers kunnen openen. Dat is de scope van de mvp van een AI-assistent in 4–6 weken, en die eindigt met een keuze: de scope verbreden, van model wisselen of stoppen.
04
Workspaces met data per klant gescheiden, quota en rate limits per abonnement, misbruikfilters, failover tussen providers, abonnementsfacturatie als de app wordt verkocht, en een beheerscherm waarin je supportteam een gesprek en de bronnen achter elk antwoord kan zien. Alles draait in jouw repositories en cloudaccounts.
05
Elke week bekijken we lage beoordelingen, sterk aangepaste outputs en afgebroken sessies. Mislukkingen worden nieuwe testgevallen, prompts en retrieval worden bijgesteld, en goedkopere modellen nemen stappen over waar de kwaliteit overeind blijft. Eén dashboard toont antwoordkwaliteit, responstijd en marge per abonnement.
Bouwwerk rekenen we af tegen € 45–65 per engineeruur of als squad vanaf € 15.000 per maand, en een duidelijk afgebakende eerste versie kan een mvp tegen een vaste prijs zijn, vanaf € 15.000. Elke AI-app heeft daarnaast lopende kosten per request, dus we plannen het bouw- en het gebruiksbudget naast elkaar.
Veel teams koppelen in een dag een chatvenster aan een model-API. Met deze vragen ontdek je of een leverancier een AI-app kan bouwen die zowel zijn gebruikers als zijn marge vasthoudt; wij verwachten ze ook te beantwoorden.
De vragen die je juridische, security- en financeteams gaan stellen, beantwoord nog voor de eerste regel code.
Dat hangt af van kwaliteit, latency, kosten en regels voor je data. Meestal benchmarken we twee of drie modellen op je echte taken en houden we de app model-onafhankelijk, zodat je later kunt overstappen.
We baseren antwoorden met retrieval op je bronnen, tonen bronvermeldingen, beperken output met tools en schema’s en testen vóór de release tegen een evaluatieset.
We schatten de kosten per gesprek al tijdens het ontwerp en voegen caching, modelrouting en gebruikslimieten toe, zodat de gebruikskosten voorspelbaar blijven.
Dat kan. Een dunne laag over een publiek model is makkelijk te kopiëren en kwetsbaar als de provider dezelfde functie toevoegt. Producten die blijven, bezitten iets rond het model: eigen data of klantdata, een workflow die past bij één beroep, integraties met de tools die mensen al gebruiken, en feedback die de resultaten in de loop van de tijd verbetert. We helpen je nagaan welke daarvan je hebt.
Ja, en veel apps zouden dat moeten doen. Een klein, snel model kan het verzoek classificeren, een sterker model schrijft het antwoord en een embeddingmodel verzorgt het zoeken. Routeren per taak houdt de kwaliteit hoog waar het telt en verlaagt elders de kosten. Ze zitten allemaal achter één interne interface, zodat een andere provider neerkomt op een configuratiewijziging en een testrun.
Heb je productengineers met ruimte in hun planning, dan houdt zelf bouwen de kennis dichtbij. Een extern team helpt wanneer je de eerste versie snel nodig hebt of ervaring mist met evaluatie en gebruikskosten. Veel klanten combineren beide: onze engineers werken naast de hunne en dragen daarna de code, prompts en testsets over.
Vertel ons wat je wilt bouwen of opschalen. Binnen 24 uur ontvang je een voorstel met een inschatting.