Artikelen.
Wat we leren van AI en software die live draait: zoeken in je eigen documenten, evaluaties, agents, bouwen met AI-agents en de platforms eromheen.
Een RAG-chatbot bouwen die in productie werkt
Wat er nodig is om van een veelbelovend RAG-experiment een chatbot te maken die mensen vertrouwen: inlezen, hybride zoeken, bronvermelding, rechten en evaluaties.
6 min leestijd
Alle artikelen.
LLM evals: zo test je AI voor elke release
Een praktische aanpak voor LLM-evaluaties: bouw een testset uit echte zaken, combineer controles in code met beoordeling door een model en houd releases tegen die slechter scoren.
5 min leestijd
Agentic engineering: sneller SaaS opleveren
Hoe ervaren engineers met coding agents sneller SaaS opleveren en tegelijk de regie houden over architectuur, kwaliteit en beveiliging.
4 min leestijd
RAG vs fine-tuning: wat past bij je bedrijf?
RAG geeft een model je kennis op het moment dat het antwoordt. Fine-tuning vormt zijn gedrag. Hoe je kiest, wanneer je ze combineert en wat elke aanpak kost.
4 min leestijd
Human-in-the-loop AI-agents: ontwerppatronen
De patronen die we gebruiken om AI-agents veilig in productie te laten draaien: goedkeuringsstappen, drempels voor zekerheid, rechten voor tools, audittrails en fallbacks.
5 min leestijd
Maatwerk of standaardsoftware: hoe kies je?
Een praktische manier om te kiezen tussen standaardsoftware en maatwerk, met aandacht voor de totale kosten, koppelingen en risico's.
5 min leestijd
Embeddings en semantisch zoeken: een praktische gids voor productteams
Hoe embeddings semantisch zoeken mogelijk maken, hoe je een model en vectoropslag kiest, en hoe je meet of je zoekresultaten echt beter zijn geworden.
5 min leestijd
Documenten parsen met LLM's: data uit facturen en formulieren halen
Hoe je facturen en formulieren met LLM's, schema's en validatie omzet in betrouwbare gestructureerde data, met een controlewachtrij voor zaken die een mens nodig hebben.
5 min leestijd
RAG evalueren: retrieval-metrics, faithfulness en golden sets
Zo meet je een RAG-systeem goed: houd retrieval en antwoorden apart, controleer faithfulness per bewering en bouw een golden set die je kunt vertrouwen.
5 min leestijd