01
Eén bron, definities vast
De verkooptabel of de boekhouding, met opgeschreven wat omzet, klant en periode betekenen. Dat gesprek is de ochtend.
OneDayBuild, het bouwdagmerk van Appfront
Kan een AI-assistent die onze cijfers bevraagt in één dag?
Ja, op één bron. Een scherm waarin iemand van het MT in gewone taal een vraag stelt, hoe liep het noorden vorig kwartaal, welke klanten zijn afgehaakt, en een antwoord krijgt met het getal, de tabel erachter en de zoekopdracht die het model gebruikte. Op een vraag die de data niet kan beantwoorden, zegt de assistent dat. Wat erbuiten valt, zijn alle systemen tegelijk en de vraag wat omzet bij jullie betekent.
- Eén werkdag
- Werkend prototype
- Code in je eigen repository
01/06
Wat er eigenlijk wordt gevraagd
Niet of een model een tabel kan lezen, maar of het antwoord klopt, of te zien is waar het vandaan komt, en of het model zwijgt als de data het niet weet.
Het MT wil weten hoe de maand loopt, welke regio achterblijft, welke klanten stil zijn geworden. Het antwoord staat in het verkoopsysteem of de boekhouding, en iemand van finance maakt er een overzicht van. Dat duurt, en de vervolgvraag komt pas na het overzicht.
Een model vertaalt een vraag naar een zoekopdracht op de data, en dat gaat goed als de data eenduidig is. Bij drie definities van omzet en klanten die in twee systemen anders heten, geeft het model een aannemelijk getal dat niet klopt. Daarom laat de assistent bij elk antwoord de zoekopdracht en de tabel zien, en zegt hij nee als de vraag niet uit de data te halen is.
In een dag bouwen we de assistent op één bron: de verkoopdata, de boekhouding of een export, met de definities vastgelegd, de zoekopdracht zichtbaar, en getest met de vragen die het MT de laatste maand echt stelde.
02
Het antwoord laat zijn werk zien
Het getal, de tabel eronder en de zoekopdracht die het model maakte. Wie twijfelt, ziet in één blik wat er is geteld.
03
Nee als het niet in de data zit
Een vraag naar iets wat er niet is, krijgt geen aannemelijk getal maar een nee met de reden.
04
Rechten uit de organisatie
Wie de marge per klant mag zien en wie niet, geldt ook voor de assistent.
02/06
Wat valt binnen en buiten de bouwdag
Binnen scope
- Een assistent op één bron: een verkoopsysteem of boekhouding via een koppelvlak, of een export die dagelijks wordt ververst.
- Definities vastgelegd: wat omzet, klant, order en periode betekenen, zodat elke vraag hetzelfde telt.
- Per antwoord het getal, de tabel en de zoekopdracht, en een nee met reden als de data het niet weet.
- Rechten per gebruiker, een logboek van vragen en antwoorden, en de code in je eigen repository.
Buiten scope
- Meerdere bronnen tegelijk; elke bron heeft eigen definities en dat is een eigen dag.
- Schrijven in de data, prognoses en wat-als-berekeningen.
- Een bron zonder koppelvlak of export; dan is er niets om te bevragen.
- Grafieken en een vast dashboard; dat is een andere pagina.
03/06
Hoe de bouwdag verloopt
- Stap 1
De bron en de definities
Welke data, en wat de woorden betekenen die het MT gebruikt. Waar de afdelingen het niet eens zijn, kiest het MT vandaag.
- Stap 2
Aansluiten
Koppelvlak of dagelijkse export, alleen lezen, met de velden die ertoe doen en hun betekenis erbij.
- Stap 3
Vraag naar zoekopdracht
Het model vertaalt de vraag, voert de zoekopdracht uit en toont getal, tabel en opdracht.
- Stap 4
Nee leren zeggen
Vragen die niet in de data zitten: het model antwoordt met een nee en de reden, niet met een schatting.
- Stap 5
Testen met MT-vragen
De vragen van de laatste maand opnieuw, naast de overzichten die finance toen maakte.
- Stap 6
Opleveren
Werkend voor het MT, rechten ingesteld, code in je eigen repository en een lijst van open definities.
Volgende stap
Wacht jullie MT op een overzicht dat de vraag van vorige week beantwoordt?
Stuur ons tien vragen die het MT de laatste maand stelde en vertel waar de cijfers staan. Dan zeggen we of het in één dag werkend te maken is en welke definities eerst vast moeten.
04/06
Eerlijk over wat dit oplevert
- De data is het probleem, niet het model. Een demo van een leverancier werkt op schone voorbeelddata. Op jullie data blijkt hoeveel definities er zijn en welke velden iets anders bevatten dan hun naam zegt.
- Een aannemelijk getal is het risico. Een assistent die altijd antwoordt, geeft ook antwoord als de data het niet weet. Daarom staat de zoekopdracht bij elk antwoord en zegt de assistent nee waar hij het niet kan weten.
- Eén bron is geen bedrijfsbreed antwoord. De vraag hoe de maand loopt, raakt verkoop, boekhouding en planning. De eerste dag beantwoordt hem uit één bron. Dat is genoeg om te weten of het werkt.
05/06
Twee manieren om verder te gaan
De bouwdag maakt je idee aantoonbaar. Wil je daarna doorbouwen naar een volwaardige applicatie, dan doet Appfront dat traject.
Eén bouwdag, OneDayBuild
- Het MT wacht op overzichten en stelt de vervolgvraag pas de week erna.
- Aan het eind van de dag stelt iemand van het MT een vraag in gewone taal en ziet hij het getal, de tabel en hoe het is geteld.
- Één dag, vaste prijs, code in je eigen repository.
Volledig traject, Appfront
- Het werkt en je wilt meerdere bronnen, definities voor het hele bedrijf en de assistent in Teams voor iedereen.
- Koppelingen met verkoop, boekhouding en planning, een gedeelde definitielaag, rechten en beheer.
- Een traject bij Appfront, met beheer en doorontwikkeling.
06/06
Veelgestelde vragen
Kan een AI-assistent die interne data bevraagt in één dag?
Ja, op één bron: een verkoopsysteem, boekhouding of export, met de definities vastgelegd. Iemand stelt een vraag in gewone taal en krijgt het getal, de tabel en de zoekopdracht, of een nee als de data het niet weet. Meerdere bronnen tegelijk en schrijven in de data vallen erbuiten.
Op welke data kan de assistent werken?
Op alles met een koppelvlak of een export: een CRM, een boekhoudpakket, een ERP-tabel of een spreadsheet die dagelijks wordt bijgewerkt. De bron moet één set definities hebben; drie kolommen die alle drie omzet heten, is eerst schoonmaken.
Hoe weten we dat het antwoord klopt?
Doordat elk antwoord de zoekopdracht en de tabel eronder toont, en doordat we op de dag de vragen van de laatste maand naast de overzichten van finance leggen. Wat afwijkt, is bijna altijd een definitie die anders is uitgelegd.
Wat gebeurt er bij een vraag die de data niet kan beantwoorden?
De assistent zegt dat, met de reden: dit veld bestaat niet, deze periode zit er niet in, dit is een prognose en geen meting. Hij schat niet. Dat gedrag testen we op de dag met vragen die er niet in horen.
Ziet iedereen alles?
Nee. De rechten volgen de organisatie: wie de marge per klant niet mag zien in het systeem, ziet hem ook niet via de assistent. Elke vraag en elk antwoord wordt gelogd.
Is dit hetzelfde als een dashboard?
Nee. Een dashboard toont vaste vragen; de assistent beantwoordt de vraag die nu wordt gesteld. Twijfel je of dit bij jullie werkt, lees dan eerst hoe je een AI-assistent op eigen data valideert.
