We bouwen AI-agents die echt werk doen. Niet chatbots die leuk antwoorden geven, maar systemen die documenten lezen, beslissingen nemen, en acties uitvoeren in de systemen van onze klanten. Email verwerken, tickets routeren, CRM-data ophalen, antwoorden genereren — het hele traject van input tot output.
Na tien van dit soort projecten zagen we een patroon.
Het patroon dat ons geld kostte
Bij elk project — ongeacht de klant, de sector, of de use case — kwamen dezelfde problemen terug. Niet de interessante problemen. Niet de business logica, de slimme prompts, of de complexe integraties. Nee, de saaie problemen:
Hoe sluit je een email-kanaal aan? Hoe zorg je dat Slack webhooks niet falen bij replay attacks? Hoe zet je JWT-authenticatie op die productie-klaar is? Hoe deploy je een agent naar Kubernetes met CI/CD die werkt? Hoe log je gestructureerd zodat je over drie maanden nog kunt debuggen?
Elk project begon met twee tot drie weken infra-werk voordat we uberhaupt aan de klantcase konden beginnen. En dat infra-werk was elke keer bijna identiek — maar net genoeg anders om het niet te kunnen copy-pasten.
We besteedden structureel 60% van onze projecttijd aan problemen die niks met de klant te maken hadden.
De beslissing
Op een gegeven moment stelden we onszelf een simpele vraag: als we dit voor de elfde keer aan het bouwen zijn, waarom is het dan nog geen product?
Dus stopten we met from-scratch bouwen. We namen alles wat terugkwam — channel adapters, auth, logging, deployment, vector stores, review flows — en bouwden het in een eigen platform-layer. Een keer. Goed. Met de lessen van tien projecten erin verwerkt.
Geen framework dat je moet leren. Geen open source project waar je twintig GitHub issues voor moet lezen. Ons eigen gereedschap, gebouwd op onze eigen mening over hoe productie-agent-systemen eruitzien.
Wat dit veranderde
Het meest directe verschil: we beginnen elk project nu bij het probleem van de klant, niet bij de boilerplate. Als een energiebedrijf ons vraagt om een multi-brand customer support platform te bouwen, dan staan de channels er al. De auth staat er al. De deployment pipeline staat er al.
Onze Proof of Pilot — een werkend systeem in vier weken — is niet mogelijk zonder dit platform. Vier weken klinkt als een marketingclaim, maar het is simpelweg het gevolg van niet elke keer opnieuw het wiel uitvinden.
Het tweede verschil is minder zichtbaar maar misschien belangrijker: kwaliteit. Elke bug die we ooit in een channel adapter hebben gevonden, is een keer gefixed. Elke security best practice die we geleerd hebben, zit in het platform. Elk nieuw project profiteert van alles wat we eerder gebouwd hebben.
De les voor andere teams
Als je merkt dat je hetzelfde probleem voor de derde keer oplost, stop dan. Bouw het een keer goed en maak er je startpunt van.
De meeste AI-teams denken dat hun waarde zit in het bouwen van custom oplossingen. Maar custom betekent niet from-scratch. Custom betekent dat je de onderdelen die voor elke klant hetzelfde zijn al opgelost hebt, zodat je al je tijd kunt besteden aan het onderdeel dat wel uniek is: hun business logica.
Dat is het verschil tussen een agency die uren verkoopt en een bedrijf dat resultaten levert.