Voor wie dit is
Teams met een supportinbox of een webshop die een assistent willen die antwoordt vanuit hun eigen kennisbank, catalogus en beleid. Misschien heb je al een chatwidget of een pilot bij één aanbieder; wat je nodig hebt, is dat het overeind blijft bij echte klanten.
Dit is hetzelfde werk als ik doe aan Conviro, het supportplatform dat ik als enige engineer heb ontworpen, gebouwd en beheer: webchat, WhatsApp en Instagram in één inbox, met retrieval, antwoordvalidatie en overdracht naar een mens.
Typische situaties
- De pilot antwoordt goed in demo’s en verkeerd over prijzen, voorraad of levering bij echte klanten.
- Eén storing bij een aanbieder legt de hele assistent plat, en niemand weet wat hij ondertussen heeft gezegd.
- De assistent maakt geen onderscheid tussen een Nederlandse en een Turkse klant, of tussen retail- en groothandelsbeleid.
- Supportmedewerkers vertrouwen de voorgestelde antwoorden niet en negeren ze dus.
- Je wilt dat het model iets doet, zoals een bestelling opzoeken of een retour aanmaken, en je wilt niet dat dat ongecontroleerd gebeurt.
- Niemand kan zeggen wat een maand assistent kost per tenant of per gesprek.
Wat ik lever
- Retrieval over je documenten, catalogus en eerdere gesprekken: hybride zoeken op PostgreSQL (volledige tekst plus vectoren), met filters per tenant, taal en markt.
- Antwoordvalidatie voor verzending: prijzen, links, productidentificaties en beleidsclaims worden getoetst aan de opgehaalde bronnen; claims zonder bewijs worden tegengehouden of overgedragen aan een mens.
- Modelroutering over aanbieders achter één contract, met fallback, circuit breakers en budgetten per tenant.
- Toolgebruik met autorisatie aan de serverkant: het model stelt voor, de applicatie controleert rechten, scope en argumenten voordat er iets draait, en elke actie laat een audittrail achter.
- Kanaalintegratie: webchat, WhatsApp, Instagram of e-mail in één gespreksmodel, met webhook-ontvangers die dubbele en late events verdragen.
- Evaluatiecases en regressiechecks die door het productiepad lopen, zodat een wijziging in prompt, model of bronnen gemeten is voor hij live gaat.
Hoe het gaat
De gesprekken lezen. Ik begin met echte transcripten, de kennisbank en de catalogus, en schrijf op welke vragen de assistent moet beantwoorden, welke hij moet weigeren en welk bewijs elke vraag nodig heeft.
Het pad van begin tot eind bouwen. Retrieval, routering, validatie en overdracht, in je eigen stack of ernaast, met evaluatiecases vanaf de eerste week en een testtenant om tegen te testen.
Live gaan met een meting. Voor de livegang draaien we apart gehouden gesprekken en een kleine groep echte gebruikers, repareren wat misgaat en spreken af wat daarna wordt gemonitord. Op retainerbasis blijf ik het beheren.