De AI Remodel-functie van Velgrina begint met een foto van een keuken en produceert een nieuwe visualisatie. Ik heb het geïmplementeerd als twee verschillende AI-taken: GPT-4o leest de foto, waarna Gemini of gpt-image-1 het visuele resultaat produceert. De functie omvat een dagelijkse limiet en een administratieve schakelaar voor de generatieprovider.
Dit was een nuttig contrast met de product-hulp chat van de winkel. Een visuele functie heeft een andere output, een andere foutervaring en een groter risico dat een overtuigend resultaat wordt verward met iets dat fysiek exact is.
Begrijpen en renderen hebben verschillende taken
De analyfase interpreteert de geüploade afbeelding. De renderfase creëert een nieuwe afbeelding op basis van die context en de gevraagde transformatie. Het scheiden van deze fasen maakt de verantwoordelijkheden gemakkelijker te begrijpen, ook al omvatten beide fasen modellen.
Voor een keuken is de onderscheiding praktisch. Het herkennen van een kast, een raam of een werkblad biedt context voor een visualisatie. Het stelt niet de exacte afmetingen van de ruimte vast, onthult geen verborgen leidingen of bewijst niet dat een bepaald product past. Een gerenderde afbeelding is daarom een verkenning van een idee, in plaats van een gemeten renovatiespecificatie.
Die beperking zou de ervaring moeten vormgeven. Ik wil dat gebruikers begrijpen wat ze ontvangen voordat ze het resultaat interpreteren. Een visueel aantrekkelijke output zou geen installatiegarantie moeten impliceren of een daadwerkelijke productmeting moeten vervangen.
De overdracht is een interface
Wanneer de output van het ene model de input van een ander model wordt, verdient de overdracht dezelfde zorg als een gewone servicegrens. De relevante context moet duidelijk genoeg zijn om te inspecteren: wat is waargenomen, welke transformatie is aangevraagd en welke details bedoeld zijn om herkenbaar te blijven.
Voor deze klasse van functies bekijk ik voorbeelden waarbij de originele afbeelding donker, rommelig of vanuit een ongebruikelijke hoek is genomen. Ik vergelijk ook het resultaat met de invoer voor structurele verschuiving. Als een raam verdwijnt of de geometrie van de kamer verandert, kan de visualisatie nog steeds aantrekkelijk zijn, terwijl deze minder nuttig wordt voor de klant.
Dit zijn evaluatiecriteria, geen bewering dat het systeem exacte geometrische behoud afdwingt. Het onderscheid is belangrijk omdat beeldkwaliteit en taakgetrouwheid in verschillende richtingen kunnen bewegen.
Een provider switch creëert operationele keuzes
De administratieve provider switch maakte deel uit van de implementatie. Het gaf de applicatie een expliciete plek om de rendering backend te selecteren in plaats van die beslissing te koppelen aan een enkele permanente integratie.
Een alternatieve provider is nog steeds een ander uitvoeringspad. De uitvoerstijl, het antwoordformaat, het foutgedrag en de verwerkingstijd kunnen variëren. Ik beschouw een switch als een wijziging die beoordeling vereist met representatieve invoer, in plaats van aan te nemen dat twee afbeeldings-API’s uitwisselbaar zijn omdat ze beide een afbeelding retourneren.
Dezelfde redenering geldt voor diagnostiek. Een nuttig foutrapport moet duidelijk maken of de upload-, interpretatie- of weergavefase is mislukt. Dit stelt de operator in staat om de juiste grens te onderzoeken en helpt een onnodige herhaling van werk dat al is geslaagd te vermijden.
Dagelijkse limieten horen bij de ervaring
AI Remodel heeft een dagelijkse gebruikslimiet. Voor een functie voor het genereren van afbeeldingen is de limiet onderdeel van zowel resourcebeheer als klantcommunicatie. Een gebruiker moet weten of er een andere aanvraag beschikbaar is en wat een afgewezen poging betekent.
Mijn beoordelingsvragen omvatten de quotumgrens, herhaalde indieningen en onderbroken verzoeken. Het implementatiebeleid moet definiëren wanneer een poging het toegestane aantal verbruikt en hoe een mislukte poging wordt afgehandeld. De interface moet dat beleid vervolgens consistent beschrijven. Een onverklaarde “probeer het opnieuw” boodschap is vooral onhandig wanneer de volgende poging het laatste beschikbare verzoek kan verbruiken.
Dit project breidde mijn AI-werk uit van tekstreacties naar een klantgerichte multimodale workflow. De kernengineeringuitdaging was het coördineren van interpretatie, generatie, operationele controles en gebruikersverwachtingen. Het resulterende beeld is het zichtbare deel; het product heeft die omringende beslissingen nodig om het begrijpelijk en onderhoudbaar te maken.
Bijgewerkt op 26 september 2026.