Een werkende pilot
Een AI-flow die loopt op echte data uit jouw context. Niet een mock, niet een demo-video. Een run die je opnieuw kunt afspelen met nieuwe input.
Een AI-pilot laten doen in één dag
Veel AI-trajecten beginnen met een powerpoint en eindigen drie maanden later met nog steeds een powerpoint. Bij OneDayBuild gaan we vanaf 09:00 met je use case aan de slag en heb je om 17:00 een werkende pilot draaien op je eigen (geanonimiseerde) data.
01
/
04
Wat je in je inbox krijgt aan het eind van de dag
Drie concrete dingen die je intern direct kunt delen, doorlopen of als basis voor de volgende stap kunt gebruiken.
Een eerlijk eval-rapport
Hoe vaak het werkt, waar het breekt, wat het kost per run. Inclusief een trace die je kunt openen en stap voor stap kunt doorlopen.
Een vervolg-richting
Wat we ontdekten dat werkt, wat we expres niet hebben aangeraakt, en de logische volgende stap als je naar productie wil.
02
/
04
Wat een werkende pilot vraagt, en wat juist niet
We bewaken de scope vooraf zodat je weet wat je krijgt. Onverwachte uitbreidingen tijdens de dag verhuizen naar een vervolgstap.
Binnen scope
- Eén concrete taak die de AI moet uitvoeren.
- Eén dataset of bron die de AI mag gebruiken (geanonimiseerd waar nodig).
- Eén tot drie tools die de AI mag aanroepen.
- Een eval-set met 10 tot 20 testcases om kwaliteit te meten.
- Een mens-in-de-lus-stap voor risico-acties (bijv. mailen, betalen, contracten).
Buiten scope
- Productie-paklare beveiliging en compliance-audit.
- Integratie met je hele stack (we mocken externe systemen).
- Custom model-training of fine-tuning vanaf nul.
- Een AI-strategie-document voor het hele bedrijf.
- Doorlopend beheer of monitoring (apart op te plannen).
03
/
04
Hoe een pilot-dag eruit ziet
Zes blokken, twee tussentijdse check-ins, één werkende oplevering.
-
09:00
Use-case scherp maken
Welke taak, voor wie, met welke data? In 30 minuten op papier.
-
10:00
Tool-design
Welke tools krijgt de agent? We bouwen geen API-mirror, alleen wat nodig is voor deze taak.
-
11:30
Eerste run
Een ruwe versie die loopt. Vaak nog niet goed, maar wel een vertrekpunt om op te scherpen.
-
13:30
Eval-loop
Testcases erop loslaten. Waar zit de bottleneck: in het model, de prompt of een tool?
-
15:30
Polish en approval
Mens-in-de-lus aanscherpen, edge-cases afhandelen, output netjes maken voor je gebruiker.
-
17:00
Walkthrough en oplevering
Live demo, eval-rapport in je inbox, deelbare run. We bespreken wat een productie-versie zou vragen.
04
/
04
Wanneer een pilot-dag past, wanneer niet
Vooraf de eerlijke vraag: is dit het juiste werk voor één dag, of voor een groter traject?
Goed moment
- Je hebt een concrete use case en wilt weten of AI er waarde toevoegt voordat je een traject start.
- Een eerder POC was nét geen succes en je wilt een tweede poging met scherpere scope.
- Je directie of board vraagt om een werkend voorbeeld, niet om een visie-deck.
- Je hebt een specifieke vraag waar je geen extern AI-strategie-traject voor wilt openen.
Minder goed moment
- Je weet nog niet welke use case je wilt aanpakken en zoekt verkenning.
- De use case vereist toegang tot meerdere live systemen waar wij geen test-toegang voor hebben.
- Je hebt productie-kwaliteit per direct nodig (begin dan met een MVP-traject).
- Je wilt vooral mensen opleiden over AI, geen werkend voorbeeld.
05
/
05
Veelgestelde vragen
Wat is het verschil met een AI-strategie-traject?
Een AI-strategie-traject levert een document op: waar zit kans, wat zou je kunnen, in welke volgorde. Een pilot-dag levert een werkend voorbeeld op voor één specifieke kans. Beide kunnen waardevol zijn. Wij geloven dat de meeste organisaties verder komen met één werkende pilot dan met een lange lijst potentiële use cases.
Mag onze data jullie systemen verlaten?
We werken bij voorkeur met geanonimiseerde of synthetische data op de dag. Bij gevoelige data kiezen we self-hosted modellen of een lokale eval-loop, dan blijft alles binnen jullie infrastructuur. Dat bespreken we in de intake voor de dag.
Wat als de pilot niet werkt?
Dan weet je dat na één dag, in plaats van na drie maanden. Bij ongeveer een vijfde van de pilots blijkt dat AI niet de juiste route is voor de specifieke taak. Dat hoort erbij. Het eval-rapport laat dan precies zien waar het breekt en wat een alternatieve route zou kunnen zijn.
Welke modellen en stack gebruiken jullie?
Pragmatisch en per taak: Claude voor reasoning, GPT-mini of vergelijkbaar voor goedkope batch-werk, lokaal gehost waar het kan. Tool-laag via MCP of function-calls. Geen vendor-evangelie, wel transparant in het rapport welke keuzes we maakten en waarom.
Hoe gaat het verder na de pilot?
Drie routes komen het vaakst voor. Eén: jullie nemen de pilot intern over voor verdere ontwikkeling. Twee: we rollen door naar een Appfront-traject voor productie-versie. Drie: je besluit dat AI voor deze taak niet de moeite waard is en we stoppen. Alle drie zijn goed.
