Veel organisaties willen ‘iets met AI’, maar weten niet waar te beginnen. Anton de Nijs, oprichter van Brainstax, deelt in deze Techzine Talks hoe AI-implementatie er in de praktijk uitziet bij Nederlandse bedrijven.
In tegenstelling tot softwareleveranciers die AI-producten bouwen, zit Brainstax aan de andere kant van de tafel: zij rollen AI dagelijks uit bij klanten. Dat levert waardevolle inzichten op over wat wel en niet werkt, en hoe ver het Nederlandse bedrijfsleven écht staat met AI-adoptie.
Luister (en kijk) elke week door je te abonneren via: Spotify, Apple Podcasts, YouTube of een andere dienst.
Hyper-effectieve organisaties: de missie van Brainstax
Brainstax bestaat zes jaar en richt zich op het hyper-effectief maken van organisaties. “Effectief is de goede dingen doen op het juiste moment. Hyper-effectief is dat extreem goed doen,” legt de Nijs uit. De kern van die aanpak: mensen, data en technologie moeten frictieloos samenwerken.
In de praktijk betekent dit dat organisaties stoppen met het verspillen van menselijk potentieel aan taken die computers beter kunnen. “We zijn allemaal dagelijks in gevecht met systemen. We gebruiken heel veel Excel om bepaalde dingen op te lossen die systemen niet kunnen. Dat is bepaald niet frictieloos,” aldus de Nijs.
Van Excel via dashboards naar AI die werkt
Brainstax ziet een herkenbare evolutie bij organisaties. Eerst grijpen medewerkers naar Excel omdat het de enige tool is waarmee ze iets met data kunnen. Vervolgens denken organisaties: “We moeten dit professioneler aanpakken” en stappen ze over op Power BI-dashboards, vaak nog steeds met Excel als onderlaag.
Maar dashboards brengen vooral inzicht en overzicht, maar geen directe waarde. “Daar verdien je geen geld mee,” stelt de Nijs. “Je wilt dat je data voor je laat werken.” Dat kan door algoritmes voor planningsoptimalisatie, waarbij je van uren naar minuten gaat, of door LLM’s met je eigen data te laten werken.
Praktijkcase: jeugdzorg en AI-gegenereerde rapporten
Een concreet voorbeeld is een jeugdzorginstelling waarvoor Brainstax een AI-oplossing ontwikkelde. Behandelaars schreven uitgebreide rapporten voor ouders op basis van testen en observaties. Dit was een tijdrovend proces.
“We hebben een model gemaakt dat de aantekeningen en testuitslagen opneemt en daaruit een rapport genereert voor ouders in leesbaar formaat,” vertelt de Nijs. Een rapport kan technische termen bevatten zoals ‘oppositioneel opstandige gedragsstoornis’, maar dat moet je voor ouders vertalen: ‘Je kind heeft last van regeltjes, wordt daar boos over en daar gaan we mee helpen.’
De oplossing bespaart nu zo’n twee uur per week per medewerker, op de 25 medewerkers is dat meer dan een volledige FTE die nu wordt ingezet voor het daadwerkelijk helpen van kinderen in plaats van administratie.
Privacy en veiligheid eerst
Bij medisch gevoelige gegevens kun je niet zomaar ChatGPT of Claude inzetten. “Er is een LLM die binnen onze muren draait,” legt de Nijs uit. Sommige partijen stellen voor persoonsgegevens eruit te halen, het rapport te genereren en de namen daarna terug te plaatsen. Maar dat vindt de Nijs onvoldoende veilig. “Het is niet moeilijk om iets terug te herleiden als je iets meer informatie hebt.”
Databricks als fundament voor AI
Brainstax koos bewust voor Databricks als dataplatform. “We hebben gekeken naar Snowflake en Azure Fabric. Fabric gaat wat meer richting BI, en Snowflake is meer een data warehouse,” legt de Nijs uit. “Wat je wilt is die AI-database waar je alle facetten hebt.”
Een Databricks-platform beheren vraagt een andere aanpak dan een traditionele database. Je kunt er alle vormen van informatie in kwijt: documenten, video’s, sensordata en dat vraagt een andere manier van denken en inrichten.
AI-agent als CFO
De Nijs deelt een persoonlijk voorbeeld: in één weekend bouwde hij een AI-agent die zijn CFO is. “Ik krijg elke dag om acht uur ’s morgens een mail binnen. Die zegt: deze declaratie staat al lang open, hier is het werk begonnen maar je hebt nog geen factuur gestuurd.”
De agent maakt vervolgens betalingsbatches en facturen aan. Hallucinaties waarbij een factuur van 1000 euro ineens 10.000 euro wordt? Volgens de Nijs niet echt een risico, want de facturen zijn gedefinieerd en de data ligt vast in het systeem. Toch houdt de Nijs de human-in-the-loop bij de daadwerkelijke betalingen.
Van 88 Azure-facturen naar inzicht
Diezelfde agent analyseerde 88 Azure-facturen en signaleerde dat de kosten in oktober vorig jaar met 400 procent waren gestegen. Dat bleek samen te hangen met een nieuwe versie van hun dataplatform, maar leidde wel tot concrete kostenbesparende maatregelen. “Wat die LLM deed is het allemaal netjes categoriseren: dit gaat over netwerk, dit gaat over opslag, dit gaat over compute.”
Business case: inleg terugverdienen binnen één jaar
Brainstax hanteert strikte criteria voor AI-projecten: terugverdiend binnen een jaar, en na vijf jaar minimaal drie keer de inleg. Dit om te voorkomen dat je eindigt met een pilot die te slecht is voor productie, maar te mooi om weg te gooien.
De ideale klant heeft 100 tot 200 medewerkers. “Impact maken doe je als je in de kern van de bedrijfsvoering dingen gaat verbeteren. De prijs is min of meer hetzelfde, maar de impact die je kunt maken met 25 mensen is heel anders dan met 1 of 2.”
Niet elke organisatie is klaar voor AI
Brainstax moet ook regelmatig aan organisaties vertellen dat ze er nog niet klaar voor zijn. “Je kunt niet zomaar beginnen met geavanceerde data en AI-oplossingen als je de basis niet hebt,” waarschuwt de Nijs. “Er zijn organisaties die 10.000 uitzonderingssituaties hebben die ze allemaal in stand willen houden. Ja, dan is het gewoon niet haalbaar.”
Datakwaliteit is belangrijk
Datakwaliteit is cruciaal, maar de Nijs is geen voorstander van separate dataschoningsprojecten. “Dat is hetzelfde als je zolder opruimen om er vervolgens niks mee te doen.” Je hebt een doel nodig, Als je van die zolder een slaapkamer maakt, heb je een doel dat motiveert. Brainstax start daarom altijd met één use case die een concreet businessprobleem oplost op een beperkte dataset. “Die zetten we op een toekomstvast platform neer. Met die eerste use case moet je dat platform en de kosten structureel terugverdienen. Als je dat hebt gedaan, ontstaat er enthousiasme en ga je use case bij use case verder uitbouwen.”
De toekomst: AI agents als beste versie van hyper-effectief
De Nijs ziet AI-agents als de meest concrete stap richting hyper-effectiviteit. “Omdat je als mens daar naadloos mee kunt interacteren.” Hij gelooft dat de winnende organisatie niet degene is die nu het verste is met AI, maar degene die haar data het beste op orde heeft.
De interactie met systemen verandert daarbij fundamenteel. “Uiteindelijk wil ik gewoon kunnen zeggen: er komt een factuur binnen, boek deze maar in. En dan gaat de AI die factuur inboeken en heb ik verder geen omkijken meer naar die systemen.”
Het advies voor organisaties die aan de slag willen? Zorg voor een solide dataplatform, begin met een concrete use case die je binnen een jaar terugverdient, en bouw stapsgewijs verder. Focus daarbij niet op je problemen, maar op je toekomst. Hoe moet je organisatie er over 2 jaar uit zien?