SalesCtrl
AI-coach voor verkoopgesprekken. Combineert regelgebaseerde analyse met Claude via structured outputs tot een scorekaart, bezwaren, coaching en CRM-notities.
Lees de case study: SalesCtrlsys://tools
AI Tools
Een algemene chatbot weet niets van jouw werk. Een goede AI-tool wel: hij is gebouwd rond één taak, gebruikt jouw bronnen, en zit op de plek waar het werk gebeurt. Klein en gericht wint het van groot en vaag.
wat we bouwen
Wat we bouwen
AI-assistenten op eigen kennis
Vragen beantwoorden op basis van je documentatie, procedures en dossiers, met bronvermelding zodat antwoorden te controleren zijn.
Research-tools
Bronnen verzamelen, samenvatten en vergelijken volgens een vaste methode, met een spoor van waar elke bewering vandaan komt.
Content-tools
Concepten, varianten en controles volgens jouw stijlregels, met een mens die publiceert.
Data-verwerkende tools
Ongestructureerde input (PDF, e-mail, scans) omzetten naar bruikbare, gestructureerde data.
Developer- en productiviteitstools
Kleine utilities die repetitief werk van een team weghalen: in de browser, in de terminal of in Slack.
engineering
Hoe het gebouwd wordt
De keuzes die bepalen of iets na maanden nog steeds werkt.
Gebruikte technologie
- Retrieval waar nodig
- Zoeken in eigen bronnen met embeddings of klassieke zoekindexen, afhankelijk van wat de data vraagt. Geen vector-database als een gewone zoekopdracht volstaat.
- Evaluatie
- Een vaste set echte vragen om kwaliteit te meten vóór en na elke wijziging.
- Kostenbeheersing
- Modelkeuze per taak, caching en limieten per gebruiker.
- Toegangsrechten
- De tool ziet alleen wat de gebruiker ook mag zien.
past dit bij jou?
Voor wie
- Er is één taak waar je team structureel tijd aan verliest.
- Kennis zit verspreid over documenten en hoofden.
- Je wilt een AI-tool die je team ook echt blijft gebruiken.
in de praktijk
Gerelateerde projecten
CtrlGmail
Local-first CLI die meerdere Gmail-accounts synchroniseert naar SQLite, mail categoriseert, taken extraheert met een uitwisselbaar taalmodel en opruimt, standaard als dry-run.
Lees de case study: CtrlGmail
insights
Verder lezen
Persoonsgegevens pseudonimiseren vóór je een taalmodel aanroept
Een praktisch patroon om persoonsgegevens te vervangen voordat tekst naar een taalmodel gaat en ze daarna terug te zetten. Plus wat het niet oplost.
Lees het artikel: Persoonsgegevens pseudonimiseren vóór je een taalmodel aanroeptStructured outputs: LLM-antwoorden waar je software op kan bouwen
Hoe je met structured outputs en een JSON-schema LLM-antwoorden krijgt die je software kan verwerken, en waarom je daarna nog steeds moet valideren.
Lees het artikel: Structured outputs: LLM-antwoorden waar je software op kan bouwen
faq
Veelgestelde vragen
Kan de tool dingen verzinnen?
Taalmodellen kunnen fouten maken. Antwoorden worden daarom onderbouwd met je eigen bronnen, met bronvermelding, en de kwaliteit wordt gemeten met een vaste testset.
Welk model gebruiken jullie?
Dat hangt af van de taak, de gevoeligheid van de data en het budget. De keuze wordt per tool gemaakt en is later te wisselen.
Moet mijn team iets nieuws leren?
Zo min mogelijk. Een tool hoort te passen in bestaande gewoontes: een knop in een systeem dat je al gebruikt, een commando, of een simpel scherm.
sys://contact
Wat wil je automatiseren of bouwen?
Beschrijf het proces, de tool of het product in een paar zinnen. Je krijgt een concreet antwoord: wat haalbaar is, hoe je het zou bouwen en waar de risico’s zitten.