ConvergePilot was mijn AI conversieratio-auditproduct. Het combineerde LLM-gegenereerde audits met abonnementsplannen, modeltoegangsregels en AI-kostenanalyses. Ik heb het gebouwd met Express, React, TypeScript, PostgreSQL, Drizzle en Stripe, en de applicatie gedeployed met Docker en CapRover.
Het product is momenteel gepauzeerd. Het technische werk blijft nuttig omdat het een bekende kloof blootlegde: het genereren van een plausibel rapport is een klein onderdeel van het leveren van een dienst die iemand kan begrijpen, ervoor kan betalen en verantwoordelijk kan gebruiken.
Een audit heeft een expliciete scope nodig
Een conversie-audit kan navigatie, productpresentatie, vertrouwenssignalen of checkout-frictie bespreken. Die categorieën klinken eenvoudig totdat het rapport begint te impliceren dat het kennis heeft die het niet heeft. Een zichtbare pagina onthult niet de gehele klantreis, en een ontwerpoverweging stelt niet vast waarom de omzet is veranderd.
De onderscheid dat ik belangrijk vind, is tussen een observatie, een hypothese en een experiment. “De leveringsinformatie is moeilijk te vinden” is een observatie als het beoordeelde materiaal dit ondersteunt. “Die onzekerheid kan een aankoop ontmoedigen” is een hypothese. Het verplaatsen van de informatie en het meten van het effect is een voorgesteld experiment.
Dit is de standaard die ik gebruik om de nuttigheid van een AI-audit te beoordelen. Een aanbeveling moet verbonden zijn met bewijs, de verwachte werking uitleggen en aangeven wat gevalideerd moet worden. Zeker taalgebruik kan een gok niet omzetten in een gemeten resultaat.
Het plan controleert een echte uitvoeringskeuze
ConvergePilot omvatte modelgating op basis van abonnementsplan. Dit creëert een technische relatie tussen facturering en generatie: het product moet bepalen welke uitvoeringsopties een account mag gebruiken voordat het begint met het dure werk.
Een uitgeschakelde knop is slechts een presentatiekeuze. Voor elke betaalde AI-functie wil ik dat de server het account, de rechten en het toegestane model vaststelt. Een willekeurige modelnaam uit een browserverzoek mag nooit de autoriteit voor toegang worden. Hetzelfde principe geldt wanneer een opgeslagen verzoek later opnieuw wordt geprobeerd.
Het is ook nuttig om de uitvoeringscontext te behouden met een audit. Als het gedrag van het model verandert, moet het rapport begrijpelijk blijven als een artefact dat is geproduceerd onder een bepaalde set van opties. Anders worden ondersteuningsgesprekken argumenten over een output die niemand kan reconstrueren.
Kosten behoren tot het productmodel
AI-kostanalyse maakte deel uit van de implementatie van ConvergePilot. Dat is belangrijk omdat een abonnementsprijs en een generatiekost verschillende dingen beschrijven. Een maandplan kan voorspelbaar zijn voor de klant, terwijl de interne werklast varieert met het aantal en de complexiteit van audits.
Voor een product als dit, beoordeel ik de volledige uitvoering, inclusief onsuccesvolle pogingen en herhalingen. Een mislukte rapportage kan nog steeds middelen van de provider verbruiken. De nuttige vraag is daarom de kostprijs van het leveren van een acceptabel resultaat, in plaats van alleen de kostprijs van de laatste succesvolle modeloproep.
Dit perspectief verandert ook de foutafhandeling. Een herhaalactie moet communiceren wat er zal gebeuren, voldoende context behouden om een fout te diagnosticeren en voorkomen dat herhaalde klikken per ongeluk worden omgezet in niet-gerelateerd betaald werk.
Het rapport moet een volgende stap ondersteunen
Een lange lijst met suggesties kan meer werk creëren zonder een beslissing te verbeteren. Mijn voorkeur voor de auditstructuur groepeert bevindingen op basis van de klanttaak die ze beïnvloeden, scheidt bewijs van aannames en maakt de volgende actie klein genoeg om toe te wijzen. Een aanbeveling om “vertrouwen te verbeteren” is vaag; het identificeren van de ontbrekende informatie en waar een koper deze nodig heeft, is actiegericht.
ConvergePilot bracht facturering, generatie, kostenzichtbaarheid en rapportage samen in één applicatie. Ik presenteer het bestaan van die applicatie niet als bewijs van conversieverhoging. De technische waarde lag in het concretiseren van de hele service, inclusief de vragen die een model niet alleen op basis van paginainhoud kan beantwoorden.
Die ervaring blijft mijn AI-werk vormgeven: definieer het leverbare, beperk de uitvoering, behoud de context en maak de output nuttig voor de persoon die erop moet handelen.
Bijgewerkt op 26 september 2026.