Agentic commerce en e-commerce in de tijd van AI

Ja, dat is superbelangrijk. In Google was dat natuurlijk ook al heel belangrijk. Maar in een LLM heb je geen tweede pagina. Je komt boven drijven of niet. En als je er niet bij zit, dan word je niet eens meer overwogen.

Zo'n tweeënhalf jaar nu.

Niet heel overmatig, maar...

Klinkt leuk.

Sporten vind ik heel leuk. Padellen, fietsen, hardlopen, skiën. En voetbal. Nu een beetje chagrijnig van de laatste uitslagen op het WK.

Ja, klopt. Wel even uit bed gegaan en gekeken inderdaad.

Jawel, dik pak doe ik wel aan. Hoe harder je rijdt, hoe frisser het is. Dus eigenlijk is het gewoon gas erop, dan is het te doen. Als je stilstaat voor een rood licht, dan is het even sterven.

Oh nee, die is niet van mij. Maar die ga ik er wel in houden.

Ja, nou moet ik tactisch antwoorden. Goed en slecht, denk ik. Het is natuurlijk fantastisch als je drie maanden op reis kan zijn, dat is echt heerlijk. Maar je bent er snel weer uit en je bent ook snel weer aan het werk. En dat bevalt eigenlijk ook wel weer goed. Je neemt toch veel mee van zo'n reis, dus dat is wel heel leuk.

Ja, klopt. Ik had al een mooi kleurtje, ik was het al gewend. Dus dat is wel lekker.

Ik ben begonnen in Colombia en toen omhoog gegaan naar Costa Rica, Nicaragua, Guatemala en Belize. Dat was echt lekker.

Ja, precies. Rum meegenomen, heerlijk.

De basis is dat een robot voor jou een aankoop doet, in plaats van dat je dat zelf doet.

Het is het hele proces van online kopen dat gefaciliteerd wordt door een robot.

Precies.

Ondersteund, en uiteindelijk misschien zelfs helemaal gedaan door een robot.

De hele customer journey moet eigenlijk door een AI bot of een chatbot doorlopen kunnen worden.

Ik werk bij Smartphonehoesjes.nl, dus laat ik dat als voorbeeld nemen. Nu is het zo: je hebt een hoesje nodig, je gaat naar onze website en je kijkt wat we allemaal hebben. Je komt tot de conclusie dat je bepaalde hoesjes interessanter vindt, je maakt een beslissing, je doet de aankoop en je betaalt. In een agentic versie zou je tegen een bot of een agent zeggen: ik heb een hoesje nodig, maximaal 25 euro, ik wil hem morgen hebben. En misschien weet die zelfs al welke telefoon je hebt, omdat je die vorige week hebt gekocht. Ga maar regelen. Zo zou het er in ons geval uitzien.

Het kan zeker, de techniek is al supervergevorderd. Je ziet dat heel veel grote partijen hiermee bezig zijn, bijvoorbeeld Amazon, die daar ver mee is. En als je het opdeelt: de hele oriëntatiefase, dat gebeurt al superveel. Als ik naar mezelf kijk, als ik spullen ga kopen, dan is de snelle route al even een check op ChatGPT of ergens anders. Je ziet ook dat grote partijen als Google heel erg in die processen zitten. Dus ook al probeer je de traditionele weg te bewandelen, het wordt steeds moeilijker om volledig zonder AI op de bestemming te komen. Daar is het echt supervergevorderd en dat neemt een enorme vlucht, dat gaat gemeengoed worden. Het enige is het daadwerkelijk afrekenen. Echt zeggen: oké, druk maar op die knop en hier is mijn pinpas. Ik denk dat dat echt nog wel een tijdje gaat duren. Dat ligt niet aan de techniek, dat ligt alleen aan de mensen. Vertrouw je het gewoon? Natuurlijk ga ik het wel proberen als het kan. Maar zeker bij grotere aankopen: durf je dat echt helemaal uit handen te geven?

Ja, wetgeving. Ik ben ook benieuwd hoe wetgeving hiermee aan de haal gaat. Het is natuurlijk een ontwikkeling waarbij financiële diensten eigenlijk worden geautomatiseerd door een chatbot of een robot, plat gezegd. En wetgeving moet daarin meegaan. Dus ik denk dat dat misschien ook nog wel een bottleneck zou kunnen zijn.

Zoals ik al zei: die oriëntatiefase wordt gemeengoed, en het klaarzetten van bestellingen ook. Dus stel, zo'n agent of bot zegt: ik heb je opdracht ontvangen en ik heb dit voor je klaargezet, om deze redenen, dit heb ik overwogen en deze heb ik bewust links laten liggen. En je bent helemaal tevreden met dat antwoord. Dat gaat denk ik redelijk snel komen, of het is er al. En het afrekenen? Ik denk dat heel veel mensen, en zeker de gemiddelde Nederlander, dat nog heel lang niet zo interessant vinden dat ze het gaan adopteren. De gemiddelde Nederlander, je buurman, je vader: dat zie ik voorlopig nog niet gebeuren.

Als je het echt over A tot Z hebt en over de gemiddelde Nederlander, dan zeg ik jaren. Er zullen zeker early adopters zijn die ermee aan de haal gaan, en ik ga het zelf ook zeker proberen. Maar de echte gemiddelde Nederlander, en dan met name het afrekenen: dat gaat nog heel lang spannend blijven voor heel veel mensen.

Ik moet toch even op stereotyperingen terugvallen: de gierige Nederlander houdt toch graag de controle als het om zijn portemonnee gaat. Dus ik sluit me zeker bij Giel aan. Dat het echte betalen volledig geautomatiseerd is, dat zal nog wel een paar hobbels vergen voordat de gemiddelde Nederlander denkt: weet je wat, ik wil dit bestellen, fix het maar.

Ik sluit me daar helemaal bij aan. Ik heb er net zelfs nog een onderzoek over gelezen, en dat zegt precies wat jij zegt: de fase van het uitzoeken vinden heel veel mensen heel relaxed, maar echt op de knop drukken om te betalen, dat vindt meer dan de helft eigenlijk nog not done. Dat willen mensen nog niet doen. Ik denk dat het een beetje hetzelfde wordt als dat filmpje uit de jaren negentig: gebruik je al een mobieltje? Nee, dat heb ik helemaal niet nodig, waarom zou ik dat gebruiken? Ik denk dat dat voor het betaalstukje hier ook gaat gelden. Maar dat eerste stuk, daar zijn we denk ik al zo goed als. En anders zeker op maandniveau: de komende maanden gaat dat echt spelen. Maar echt van A tot Z, dat gaat nog een tijdje duren.

Dat eerste stuk is wel interessant, wat Auke zegt. Dat is ook het stuk waar organisaties nu al op kunnen inspringen en zich op kunnen voorbereiden. Ik denk dat iedereen hier aan tafel weleens aan ChatGPT of Claude een vergelijking heeft gevraagd van een aantal producten of providers. Je kunt er nu al op inzetten dat jij, op basis van de gerichte prompt van een klant, bovenaan komt te staan ten opzichte van je concurrenten. Omdat jij bijvoorbeeld wel je PIM, je Product Information Management System, op orde hebt. Maar eigenlijk al je data. Dus weer die basis, dat fundament, waardoor jij boven de rest uitsteekt.

En als je één keer gezien hebt dat het werkt, dan gaat die versnelling misschien snel.

Maar het kan ook misgaan, en dat is denk ik de angst die erin zit. De agent heeft jouw gegevens en hij heeft de bevoegdheid om tot een bepaald bedrag geld uit te geven. Hij kan op een raar zijspoor komen en denken: ik moet deze keer 200 kratten kopen.

Of schulden opbouwen.

Ik denk dat daar vooral de angst in zit: het uit handen geven en wat er dan mis kan gaan. Natuurlijk kan het bij een persoon ook misgaan, maar daar zit de angst vooral in.

Zelfs bij boodschappen doen. Plus, als je het over boodschappen hebt, moet je eigenlijk ook een beetje vooruitkijken. Want als jij drie weken op vakantie gaat, dan is het wel lekker als er met die boodschappen rekening mee wordt gehouden. Niet dat Picnic de vrijdag voordat je vertrekt met volle tassen voor de deur staat. Dus dan moet je eigenlijk ook je persoonlijke agenda koppelen, en dan begin je weer ergens aan. Voor de gemiddelde Nederlander is dat nog wel weer een drempel. Maar goed, dat gaat ook snel.

Misschien is dat een interessante. Er ligt ook een rol voor de aanbieder om daar zekerheid in te geven. Dat een agent niet zomaar 200 kratten bier kan kopen, bij wijze van spreken. Dus dat is misschien ook een rol voor de andere kant, niet alleen voor de consument.

Tenzij het WK is, dan zou 200 misschien weer wel kunnen.

Nee, nog niet.

Allebei eigenlijk. Als kans: als je je data goed op orde hebt, wat net ook al werd gezegd, je PIM systeem, je productdata, je reviews. Als gerenommeerde partij heb je dat soort data al best goed op orde.

Correct. Daar ligt je productinformatie vast: welke kleur, welk gewicht. Juist daar zitten heel veel antwoorden op vragen van klanten: ik wil een hoesje met een bepaald patroon of een bepaalde kleur. Dan wil je dat zo'n chatbot of LLM uitkomt op jouw producten, en dan moet die wel weten dat dat erin zit. Dat is een heel belangrijk onderdeel. Als je dat heel goed op orde hebt, dan is het echt een kans. Plus: je kunt dat als eenpitter bij wijze van spreken al best goed inrichten, want je kunt met AI productdata supergoed verrijken. Dan kun je best competitief zijn ten opzichte van grote partijen die veel marketingbudget hebben, want dat wordt minder belangrijk. Dus daar is het een kans. Tegelijkertijd, de andere kant van de medaille: als je het net niet genoeg op orde hebt, word je ook heel snel uit de markt gedrukt. Dus het is zaak dat je erbovenop blijft zitten, de behoeftes van de klant blijft volgen en daarin faciliteert. Dat jij ervoor zorgt dat jij het antwoord bent op de vraag van de klant.

Ja, dat is superbelangrijk. In Google was dat natuurlijk ook al heel belangrijk, maar in een LLM heb je geen tweede pagina. Je komt boven drijven of niet. En als je er niet bij zit, word je niet eens meer overwogen. Het is ook wel een bedreiging. Je geeft steeds meer uit handen, want met zo'n klant is het heel moeilijk een relatie op te bouwen op het moment dat hij jouw platform helemaal niet aanraakt. De binding met zo'n klant wordt misschien minder. En er ligt ook meer controle bij zo'n grote partij. Als die denkt: weet je wat, ik ga mijn model eens aanpassen en bepaalde Amerikaanse partijen iets meer voorrang geven, dan kan het snel een bedreiging zijn.

Dat soort dingen kunnen van de ene op de andere dag gebeuren. En dat gebeurt ook.

Ik denk zelfs dat er binnen AI nog minder plekken zijn. Je gaat bij heel veel producten niet zeggen: geef mij maar twintig opties. Op Google zie je bij wijze van spreken wel twintig resultaten, maar als je aan een AI vraagt: ik heb een bepaald product nodig, dan krijg je er drie, max vijf. Dus het wordt ook nog eens een stuk smaller, en daar moet je dan echt bij zien te zitten. Dat maakt het extra belangrijk om daartussen te komen.

Ik denk dat heel veel domeinen hier een belangrijke rol spelen. Dus niet alleen het verrijken van je productinformatie, maar bijvoorbeeld ook productteksten. Content, eventueel ook visuele content. In heel veel domeinen kun je nu met AI je slag slaan. En dat zien we bij ons ook echt veel gebeuren. Het is niet dat een selectief clubje of alleen de klantenservice hiermee bezig is, maar echt breed door de hele organisatie heen, om processen te versnellen en te verbeteren.

Ja, zeker. Nog niet van A tot Z, want dat blijkt in de praktijk op sommige facetten nog best weerbarstig. Precies de dingen die je noemt. Voor ons specifiek: de camera uitsparingen van hoesjes, elke telefoon is net weer anders. Daar heeft een LLM af en toe nog best moeite mee. Maar als je het hebt over achtergronden verwijderen, croppen: heel veel van die processen die je eerder handmatig deed, doen we nu in hoge mate geautomatiseerd. En ook echt visuele bewerking. Soms zitten we bijvoorbeeld met logootjes die niet getoond mogen worden. Daar kun je ook heel veel bewerkingsstappen op doen.

Ik heb op reis zelfs iemand ontmoet die hier zijn business van heeft gemaakt. Die was alleen maar op reis. Hij deed het wel met twee compagnons, maar hun AI verzorgde hele productpagina's. Op inhoud, op plaatjes, op dat soort dingen. Als webshop kon je hun dienst afnemen om dat in één keer te laten maken. En hij deed dat zelf ook nog eens met AI. Het enige wat hij deed was chatten met zijn agent, en die bouwde eigenlijk alles. Dat was zijn product. Een soort dubbel AI dus.

Ja, je kunt dat best makkelijk inrichten. Je kunt best twaalf productfoto's laten genereren: de eerste foto moet een vooraanzicht zijn, de andere een zijaanzicht, en er moet nog een sfeerfoto bij. Dan komt er best wat uit, want die modellen zijn tegenwoordig best goed. Zeker als je een paar goede stockfoto's of basisfoto's als input hebt, dan denk je: best oké. Alleen, het is op dit moment nog nét niet goed genoeg. Maar het gaat sowieso komen dat het wel goed genoeg is, of dat je het op zo'n manier kunt bewerken dat het goed genoeg gaat zijn voor je business.

En het versterkt elkaar denk ik ook. Want als je AI gebruikt om je product te beschrijven en die informatie rijker te maken, is dat van zichzelf ook weer nieuwe input die andere agents veel beter kunnen gebruiken, bijvoorbeeld om productvergelijkingen te doen. Als je alleen opschrijft: ik heb een hoesje en hij is geel, dan is dat heel anders dan wanneer je alle exacte dimensies hebt, alle kleurtonen, alle figuurtjes, ik noem maar op welke dimensies er allemaal aan een hoesje kunnen zitten. En een hoesje is misschien niet iets waar je heel erg op gaat vergelijken, maar bijvoorbeeld een regenjas, daar ben ik zelf mee bezig geweest, daar zijn heel veel dingen waarop je kan vergelijken. Hoe meer je aan zo'n product kan toevoegen, hoe beter het te vergelijken is voor een agent. Oh, ik weet hoe waterdicht die is, dat is een belangrijk aspect van een regenjas. Dus dat versterkt elkaar: als je AI gebruikt om dat zo uitgebreid mogelijk te krijgen, word je ook beter vindbaar en ben je beter in die vergelijkingsstap.

Heel hard bewijs nog niet. Maar je weet dat een deel van je traffic nu al botverkeer is, en dat wordt alleen maar groter. En je weet, omdat je het zelf in de praktijk ook veel doet, dat mensen daar heel erg mee bezig zijn. Dan mag je je niet laten verrassen. We proberen bijvoorbeeld ook al onze productbeschrijvingen, en alle beschrijvingen die je op een PDP pagina ziet, zo rijk mogelijk te maken met alles wat je weet vanuit search. Ik denk dat het steeds belangrijker wordt om dat goed te doen.

Je zal eigenlijk zo twee productbeschrijvingen hebben. Eentje voor de gewone klant die nog even oldschool via Google op jouw website komt en leest. En eentje voor eigenlijk de chatbot en de AI. Die zal dan misschien een stuk beknopter zijn, of juist uitgebreider, of verschillende elementen bevatten, zoals Auke zei.

En die cijfers vond ik ook interessant om te zien: als mensen vanuit die agent search uiteindelijk bij jouw product komen, is de conversie ook veel hoger. Omdat er in principe al een heel intensief proces aan vooraf is gegaan. Die mensen hebben al een hogere koopintentie. Ze hebben de agent al onderzoek laten doen, dus ze zijn al verder in dat proces. Als je dan eenmaal bij die drie zit en iemand komt bij jou terecht, dan is de conversie waarschijnlijk ook hoger. Dat is natuurlijk superinteressant. Mensen zijn meer geneigd om te kopen, ze weten al waar ze op willen letten en komen met een doel bij jouw product uit.

De hele oriëntatiefase is vaak al overgeslagen, en daar vindt ook het grootste gedeelte van de drop off van klanten plaats. Als die fase al is overgeslagen, dan is de conversie hoger.

Nee, niet zo paraat. Maar je leest het inderdaad op allerlei plekken. Wat mij betreft ook een beetje een no brainer.

Het wekt natuurlijk wel een beetje frustratie op als je een automatisch gegenereerd bericht krijgt dat niet echt tailored is naar jouw vraag of jouw klacht. Dus in het begin wekt het frustratie op. Maar ik denk wel dat je dit met de volgende ontwikkelingen veel gerichter kan maken. Bijvoorbeeld: als je weet wat een klant heeft gekocht en terugstuurt, en misschien bepaalde eisen had bij de bestelling, in het opmerkingenveld bijvoorbeeld, dan kan een chatbot dat gebruiken om een goed antwoord voor de klant op te stellen. En als je dit weet te automatiseren, heb je ook meer personeel vrij dat zich er echt aan kan wijden dat jouw retour of jouw vraag sneller wordt beantwoord. Dus ik begrijp de frustratie dat je eerst denkt: daar hebben we mevrouw ChatGPT weer, bij wijze van spreken. Maar misschien komt er dan wel vrij snel daarna een echte respons. Of word je even gebeld: hé meneer, we hebben dit opgepakt, over tien minuten heb je je geld terug.

Ik denk ook: heel veel vragen die klanten hebben zijn niet heel complex. En de verwachting van klanten is steeds meer dat ze een snel antwoord krijgen, of dat ze via een chatbot een antwoord krijgen. We zien juist dat klanten heel blij zijn dat ze zo snel en compleet een antwoord krijgen. Soms zijn die antwoorden zelfs beter dan wat je als medewerker kan uittypen, omdat je die hele context niet altijd goed kan overzien.

Ik denk dat juist daar je datahuishouding superbelangrijk is. Hoe beter je die op orde hebt, hoe beter zo'n chatbot kan zijn. Dan zou je in theorie dat hele proces kunnen managen: een klant heeft een vraag en krijgt meteen antwoord. En hoe beter die chatbot bij informatie kan, bijvoorbeeld: geef je ordernummer en hij zoekt alles op, hoe minder je er als persoon nog naar hoeft te kijken. Die chatbot weet wanneer het pakket komt, wat de status is, dat soort dingen. Maar dan moet je dat aan je backend wel allemaal goed vastleggen en beschikbaar hebben voor zo'n agent. En het gaat ook om de kwaliteit van het antwoord dat je krijgt. Ik heb er persoonlijk geen last van, ik vind het tegenwoordig steeds beter gaan en eigenlijk wel prettig. Want precies wat jij zegt: die snelheid is voor mij heel belangrijk. Voor heel veel producten die je koopt ga je er gewoon vanuit: ik koop het en het komt. Dat is een standaardproces dat we allemaal kennen. Dus als je al in het proces zit om naar een chatbot te gaan, is er over het algemeen iets niet goed. Dan wil je reactie, dan wil je antwoord, dan wil je geholpen worden. Ik denk dat chatbots daar een belangrijke rol in kunnen spelen, als je ze die informatie geeft. Natuurlijk zullen er mensen zijn die dat vervelend vinden en liever contact hebben met een mens. Dat zul je altijd houden, en die optie moet er misschien ook gewoon altijd zijn. Maar ik zie er echt flinke voordelen in.

Ja, snelheid vooral. Bijvoorbeeld ook met retouren. Er is iets kapot, dat kan altijd een keer gebeuren. Mensen maken daar een aantal foto's van. Wij hebben nu een proces waarin die foto's al automatisch beoordeeld worden, in combinatie met de klacht en de context waarin die retour heeft plaatsgevonden. En dan is er al een automatisch afhandelingsproces. Dat is voor een klant superfijn, want dan heeft hij binnen no time zijn geld terug, omdat het al geaccordeerd is. Anders zit je toch weer langer te wachten. Dus in veel opzichten is het inderdaad wat je zegt: de klant verwacht steeds meer dat hij snel en goed geholpen wordt door zo'n agent.

En daarin benoem je heel goed dat er eigenlijk twee kampen profijt van hebben. De klant is geholpen met een snel antwoord en een korte doorlooptijd, maar ook de business. Want je automatiseert het proces, waardoor je bijvoorbeeld niet meer drie backoffice medewerkers nodig hebt voor een heel retourproces, maar nog maar één iemand. Omdat de rest al goed geautomatiseerd is, op elkaar aansluit en de informatie uitwisselt. Dus zowel jij als bedrijf hebt er profijt van, als je klant.

Deels wel. Dat heeft te maken met een aantal guardrails die je daarvoor inricht. Een aantal criteria zijn best logisch: als een bedrag groter is dan x, dan wil je er nog even goed naar kijken. Of als een bepaalde retourreden vreemd is. Maar er zijn altijd een aantal standaardcases waarin een medewerker precies hetzelfde zou hebben gehandeld. Dan kun je zeggen: we hebben hier honderd beoordelingen gedaan, een medewerker kijkt naar diezelfde honderd cases en komt tot dezelfde conclusie. Op een gegeven moment ga je dat dan langzaamaan loslaten. En dat is denk ik hoe het werkt, ook qua vertrouwen. In het begin vertrouw je het niet helemaal. Dan is het wel goed genoeg, maar je gaat het checken, je gaat het monitoren. En langzaamaan laat je het iets meer los, en dan werkt het gewoon. Het gaat ook over de human in the loop. Wel de vinger aan de pols houden, maar als het werkt, werkt het.

Mooi voorbeeld: ik had letterlijk twee weken terug een nieuw Dell monitorscherm gekocht, zoals hier op kantoor. En het duurde letterlijk een week voordat ik mijn retourlabel kreeg. Dan denk ik: als je daar nou eens een AI agent op loslaat, dat ik mijn retour aanmeld, dat hij het checkt en dan meteen, binnen een seconde of een minuut, een retourlabel stuurt. Maar daar was overduidelijk een human in de loop die zijn werk niet goed deed. Vandaar de frustratie.

Dat zag je bij auto's ook veel, dat ze schade gingen faken en dat soort dingen.

Oh, dat ga ik ook even proberen.

Ja, maar het is goed mogelijk dat een normale medewerker daar ook in trapt. Dat is heel vervelend.

Ja, logistiek. Ik kan wel wat voorbeelden geven, met name aan de businesskant. Bij de klus die ik heb gedaan was fulfilment natuurlijk heel belangrijk. Je wil een zo laag mogelijk retourpercentage, want dan haal je onderaan de streep het meeste binnen. Daarin merk je dat je dat proces zo kan inrichten dat het ten eerste sneller gaat, maar ook dat je het veel beter kan optimaliseren of automatiseren. Bijvoorbeeld: een klant stuurt een product terug omdat de maat te klein was, en je ziet dat er meer en meer van dat soort producten worden teruggestuurd vanwege een verkeerde maat. Dat je dan een chatbot hebt klaarstaan die, als een bepaalde meetwaarde of threshold wordt bereikt, meteen de productinformatie op de website aanpast: dit product valt klein, koop een maat groter. Daarmee weet je de volgende vloedgolf aan retouren te voorkomen.

Wat natuurlijk ook weer gevaarlijk is, want hoe goed is de kwaliteit die je erin stopt? Dat is ook weer datakwaliteit, en hoe vang je dat af? Want straks automatiseer je bij wijze van spreken iets weg terwijl dat helemaal niet de bedoeling is. Word je overspoeld door mensen die zeggen dat het klein valt, en zet je erop dat het te klein is, terwijl dat helemaal niet zo is. Dus ook daar is een toets en een kwaliteitscheck heel belangrijk in dat proces.

Wisselend, in ieder geval. Ik denk dat de grootste horde die we nu hebben de mensen zijn, en helemaal niet de techniek. Ik denk dat het voor heel veel mensen een gigantische schok is. Onzekerheid, gebrek aan kennis. Dat proef je overal, in alle lagen van Nederland, of zelfs van de wereld. Mensen hebben er gewoon best moeite mee: wat betekent het voor mij? Ben ik straks overbodig?

Of gaat het me helpen?

Ja, dat is wat ik merk: word ik straks vervangen door een robot of door een agent?

Dat is een vraag die denk ik algemeen veel speelt. Het is in die zin ook een spannende tijd. Maar tegelijkertijd, als je het positief draait: het stelt ons echt in staat om veel sneller te groeien als organisatie dan we normaal zouden kunnen. Het is denk ik goed om het AI domein te omarmen, want het is iets wat niet meer weggaat. En je hebt steeds meer tools tot je beschikking om processen te designen of te maken.

En ik denk dat je dat in de business ook vaak terug ziet komen, ongetwijfeld ook bij jou, Giel. Op het moment dat je een bedrijf bent met heel veel tools, heb je eigenlijk weer versnipperde data op verschillende plekken. En uiteindelijk wil je als CEO gewoon weten: hoeveel hou ik onderaan de streep over? Welk kanaal doet het goed en welk niet? Daar is weer dat datafundament belangrijk, waarbij je die data weet te ontsluiten op een centraal platform en van hoge datakwaliteit weet te voorzien. Dat je weet dat je data betrouwbaar is. Daar kun je dan als business zelf weer mee aan de slag, bijvoorbeeld met een MCP op je dataplatform via Claude of ChatGPT je eigen data bevragen. En dan pak je nog een extra winst: dat je business misschien meer datagedreven gaat werken, omdat je data ook gewoon klopt.

Ja, daar zitten echt gigantische winsten. Het meest tekenende voorbeeld vind ik: wij hebben in een aantal weken ons hele data warehouse opnieuw opgebouwd. Dat is iets wat je je normaal gesproken nooit in je hoofd zou halen. Als je twee, drie jaar terug in de tijd gaat, dan had je iemand twee, drie jaar nodig om dat te doen. En nu kun je dat allemaal zo designen, met AI die ook alle code die je hebt begrijpt, inclusief de afhankelijkheden en de lastigheden daarin. Je kunt het gewoon helemaal herschrijven.

De belangrijkste aanleiding is dat gestructureerde en goede data eigenlijk nog veel belangrijker wordt. Agents moeten nog veel beter snappen welke data wat is. Die missen ook veel context die je als mens wel hebt. Een praktijkvoorbeeld: in het begin hadden we een keer een chatbot gemaakt waarmee je met onze eigen data kon chatten. Alleen, die behandelde een tijdelijke tabel die iemand twee jaar geleden ergens in een folder had gemaakt als net zo waardevol als de eindtabel die we zorgvuldig hadden neergezet. Dus wat heel belangrijk is, is die hele opbouw: hoe data in het data warehouse binnenkomt, hoe je die vervormt en uiteindelijk naar productietabellen wegschrijft. Je noemde die MCP toepassing al: iedereen die bij ons LLM's gebruikt, gebruikt nu een bepaalde gateway. Dan kun je alleen bij de tabellen waarvan wij hebben aangemerkt: oké, daar mag jij informatie zoeken. En by the way, het is zo opgebouwd, en als we het over omzet hebben, moet je niet daar kijken maar daar. Die beschrijving staat er helemaal bij. Dat wordt alleen maar belangrijker, want dan begrijpt elke agent of elke gebruiker de data op dezelfde manier en krijg je dezelfde antwoorden. Anders krijg je ook nog eens verschillende antwoorden, want de een noemt het omzet en de ander noemt het verkopen. Dus dat is superbelangrijk om goed te structureren. Toen we dat beseften, dacht ik: dan wil ik nog wel wat doen. Want het is in de loop van de jaren allemaal opgebouwd, en best goed hoor. Het was zeker geen puinhoop, integendeel. Ik heb genoeg partijen gezien waar het echt veel slechter was. Maar alsnog: je hebt heel veel historie qua naamgeving, je hebt een keer een afslag genomen en bent daarop voortgeborduurd. Dan kom je af en toe tot de realisatie: dit is niet helemaal meer optimaal. Vroeger dacht je dan: als we het omgooien zijn we zo een maand bezig, dat gaan we niet doen. Maar nu doen we dat wel. Het is supersimpel geworden en je hebt eigenlijk geen reden meer om het niet te doen. En het wordt belangrijk, want als je straks allerlei agents hebt draaien, moeten die gewoon efficiënt met je data kunnen praten en niet alle ruwe bronnen hoeven doorakkeren, want dan verbrand je heel veel tokens en dat wordt duur. Dus er zit heel veel waarde in om dat goed te structureren. Daar zijn we veel mee bezig. En die toepassing vind ik nog steeds mindblowing, dat dat gewoon zo kan.

Ik zou zeggen: het is over het algemeen wat lastiger om de data ergens binnen te brengen, want dan moet je een externe bron aansluiten. Daar zitten toch iets meer haken en ogen aan. Natuurlijk kun je ook daarin met AI veel faciliteren en kan het best snel gaan, of je hebt standaard connectors die veel werk uit handen nemen. Maar over het algemeen: als je dat eenmaal hebt staan en je hebt die bronnen en de ruwe data binnen, dan kun je vrij snel de vervolgstappen op orde brengen.

Ik denk gewoon laten zien, en het klein houden. Dat is denk ik heel belangrijk. En het misschien ook belangrijker maken. Ik denk dat mensen het nu toch een beetje stiekem doen: mag ik dit eigenlijk wel gebruiken? Mag ik dit erin stoppen? Er hangt nog een soort zweem overheen van: het mag eigenlijk niet. En houd het klein: wat is nou iets wat jij doet waarvan je denkt, dat is echt vervelend? Ga daar eens kijken of je er AI voor kan gebruiken. Een mooi verhaal: ik zat laatst met de familie te eten, en mijn schoonzusje doet een PhD, onderzoek naar longkanker. Zij zei: wij kregen les in programmeren in R, en ik vond het verschrikkelijk. Ik heb het nodig voor mijn onderzoek en ik vind het verschrikkelijk. Toen zei ik: wat gek dat ze jullie R proberen aan te leren, want volgens mij is het veel slimmer om jullie AI wise te maken, zodat je AI kan gebruiken om je R code te maken. Volgens mij hoef jij dat stuk R helemaal niet te kennen. Jij weet wat je wil onderzoeken en hoe je dat wil onderzoeken, en de code daarvoor kan AI prima voor jou maken. Dat zijn mindshifts die je moet maken, en zo maak je het heel praktisch voor iemand: dit vind jij heel vervelend, dit kan je niet goed, kijk dan eens hoe AI jou daarbij kan helpen. Zo krijg je mensen echt aan de gang, dat geloof ik wel.

Dat vraag ik me af. Ik denk dat dat niet per se nodig is.

Het is niet nodig. Het helpt wel, maar het is denk ik niet nodig. Zolang je gewoon goed kan blijven instrueren wat je wil, dan werkt het.

Ja, maar dat is een discussie die ik ook wel vaker heb. Wij zeggen ook vaak: je moet nog kunnen begrijpen wat dat ding geproduceerd heeft. Daar sta ik op zich nog steeds achter, want op een gegeven moment kom je in die rabbit hole en dan weet je het helemaal niet meer. Dan zijn er duizenden regels code gemaakt en je weet bij god niet meer wat dat allemaal doet. Maar is dat straks nog nodig? Want misschien is AI ook die check. Het is een soort gewetensvraag, ik heb het antwoord ook nog niet. Misschien wordt AI wel zo goed dat hij zichzelf kan controleren, en is het echt niet meer nodig voor ons om het te begrijpen. Dat is ook heel eng, want dan moet je het echt loslaten. Ik weet niet of we daar uiteindelijk gaan komen, en moeten we dat nog willen of kunnen op een gegeven moment? Ik weet het niet, misschien hoeft het gewoon echt niet meer. Als je het een senior developer nu vraagt, zal die altijd zeggen: tuurlijk moeten we dat kunnen begrijpen, er komt allemaal onzin uit. En dat is op veel plekken ook nog zo. Maar wordt het systeem niet zo goed dat dat helemaal niet meer relevant is?

Ik denk dat het systeem al zo goed is dat het niet meer hoeft. Anthropic maakt Claude Code met Claude Code zelf. Volgens mij is dat een van de versnellers geweest. Dus zeker bij code: het is al zo goed, en je kunt er allerlei checks op laten bouwen en uitvoeren. Je hoeft het niet meer echt te begrijpen. En dan is het de vraag: wil je het helemaal loslaten en je dus ook afhankelijk maken? Dat is ook eng. Wil je het nog een beetje begrijpen of niet? Ik denk niet dat het hoeft, op dit moment. Die machine doet het wel voor je.

Maar als je met je PhD bezig bent, dan moet je wel... Ik ken haar, zij wil het sowieso honderd procent begrijpen. Maar goed, het kan haar misschien wel een heel stuk op weg helpen, en dan kan ze sneller tot resultaten komen. En dan is het ook goed, het hoeft niet alles te doen.

Of het kan haar helpen om het sneller te begrijpen. Dat het inderdaad zegt: dit stukje code doet dit, en zo is het opgebouwd.

Dus er zijn vele smaken in te vinden. Ik denk dat dat echt helpt: maak het een stukje kleiner, maak het begrijpelijk voor iemand, en doe het gewoon. Je moet er gewoon mee aan de gang gaan.

Wij noemen het een beetje de speeltuin en de productie. Uiteindelijk moet het ook echt gaan resulteren in geautomatiseerde processen. Dan is het heel belangrijk dat je goed faciliteert hoe je dat moet doen. Dus niet dat er data op allerlei plekken belandt waar je dat niet wil. Je moet er vanaf dag één, met name voor de veiligheid en om te zorgen dat je data secure is, bovenop zitten. Maar het is ook gewoon laten zien dat het werkt. En letterlijk mensen in de organisatie vragen: laat nou eens aan anderen zien wat je hebt gebouwd. En hoe lang geleden had je hier nog nooit van gehoord? Oh, drie weken geleden wist je nog niet eens van het bestaan, en nu heb je dit al weten te maken. Dat soort dingen werkt heel enthousiasmerend.

En volgens mij ook dat stukje repetitief werk. Iets wat iemand elke dag of elke week moet doen en waar hij een beetje tegenop kijkt om weer op te pakken. Elke vrijdagmiddag, ik zeg maar wat. Als je dat weet te ondervangen door het volledig te automatiseren met een chatbot of een LLM, dan denk ik dat mensen heel happy zijn en weten: die andere uren kan ik me ergens anders in verdiepen of iets anders oppakken. En dat komt weer ten goede aan de business.

Ik denk ook dat het echt niet zo snel heel veel mensen in één keer uit de markt speelt, dat geloof ik niet zo. Er zullen ongetwijfeld beroepen verdwijnen. We hadden vroeger mensen die telefoonlijnen omprikten, die hebben we nu niet meer. Beroepen verdwijnen, dat hoort er een beetje bij. Aan de andere kant zijn er ook weer hele markten ontstaan. Die shift gaan we denk ik ook nu maken. Er zullen vast markten zijn waar je gewoon pech hebt en waar het wordt weggeautomatiseerd. Maar ik denk dat het voor het overgrote deel van de banen gewoon gaat helpen: het maakt je sneller en laat je focussen op de leuke dingen. Dus dat laten zien is ook een belangrijk onderdeel.

Ja, absoluut. Wat ik net al zei: Claude Code kan veel dingen voor je doen. Maar je kunt zo ook gewoon toegang krijgen tot een data warehouse, daar data uit halen en er een of ander tooltje van maken. En dan wil je het aan een collega laten zien, en dan is het wel handig als het op een of andere URL staat. Zo gaat dat. Dat wil je natuurlijk voorkomen. Dus je moet qua architectuur echt een plan hebben: waar host je dingen, hoe zorg je dat het betrouwbaar en veilig is, en hoe zit het met de maintenance. Zeker als je richting productietools gaat die echt processen van je overnemen. Dan wil je dat de code van zo'n tool op een centrale plek staat, dat je daar goede checks op doet, en dat je aanpassingen weer terug kan draaien. Dat is superbelangrijk. Daar moet je eigenlijk vanaf dag één over nadenken als je serieus processen met AI wil faciliteren, of misschien zelfs in hoge mate wil automatiseren. En daar moet je niet te lang mee wachten, want anders heb je een wirwar aan tooltjes en dingetjes. Dat is het gevaar: heel veel herstelwerk.

Dat zien we ook, achteraf.

Of niet eens. Maar nu zijn de stakes wel wat groter. Een verdwaald dashboard is nog niet zo erg.

En als iedereen alles kan bouwen, dan krijg je de rekening daarna ook nog.

Ook dat, dat is ook nog een risico.

Precies. Dus ook: welke mogelijkheden geef je aan je personeel? Kunnen ze echt volledig losgaan met Claude Code? Als je er helemaal geen waarschuwing op zet van, ik zeg maar wat, duizend euro per maand, dan kan het ook keihard gaan.

Dat soort dingen zijn denk ik heel belangrijk om over na te denken en een plan voor te hebben. Ik kan het wel zeggen, want het heeft in de krant gestaan: bij een klant van mij, de gemeente Eindhoven, is heel veel persoonlijke informatie in een chatbot beland. Omdat er eigenlijk te weinig regels voor waren en mensen het heel handig vonden voor hun werk, en niet hadden beseft: dit moeten we niet op deze manier doen. Toen hebben ze gezegd: dan zetten we alles uit, dan blokkeren we alles. Wat ook weer een gevaar oplevert, want dan zie je dat mensen hun privételefoon erbij pakken en daar hun vragen op gaan stellen. Dus ik denk dat je er gewoon een goed plan voor moet hebben: hoe gaan we het gebruiken, wat mag wel en wat mag niet? Om dat soort dingen te vermijden. Zodat er, hoe goed bedoeld ook, geen fouten of gevaarlijke dingen worden gemaakt. Je kunt het nooit helemaal voorkomen, maar probeer het zo goed mogelijk in te dekken. Heb er een plan voor, maak er een architectuur voor, zoals je zei, zodat je zoveel mogelijk kan dichtzetten en afvangen.

Daar is bijvoorbeeld dat data warehouse ook weer heel belangrijk in. Welke data mag je überhaupt bekijken als LLM zijnde? Daar hebben wij alle persoonsgegevens van klanten al helemaal uitgefilterd, zodat je überhaupt niet de mogelijkheid hebt om die te zien.

Exact, heel goed voorbeeld. Dan hou je het veel meer in de greep en heb je er veel meer grip op. Dan maak je die risico's op dat vlak een stuk kleiner.

Dat kan wel. We hadden het er misschien wat technisch over, maar die MCP gateway is eigenlijk een centrale plek waar je alle toegang tot al je systemen vanuit je LLM, of vanuit Claude Code of waar dan ook vandaan, regelt. Daar kan het inderdaad zo zijn dat een bepaalde persoon, een bepaalde rol of een bepaald team bepaalde toegang heeft en andere teams juist niet. Daar kun je dat heel goed in afschermen.

Wij hebben het nu centraal, dus eigenlijk één plek waar alle MCP connecties zijn samengebracht. Daar hoef je als gebruiker alleen nog maar in te loggen: dit ben ik, met het mailadres waarmee je inlogt. Vervolgens doe je een aanvraag voor de toegangen waarvan jij denkt dat je ze nodig hebt, en dat wordt één keer centraal geregeld. Een soort dirigent van alle toegangen tot alle systemen. Daar zijn we heel blij mee. Want je wil bijvoorbeeld ook niet dat mensen zomaar dingen kunnen verwijderen met een API key die ze ergens uit een tool hebben gevist. Je bent verantwoordelijk voor dat onderdeel van de organisatie, dus het is niet gek dat je er toegang toe hebt. Maar vaak zijn dat lees én schrijfrechten, en dat is gevaarlijk, want een foutje is snel gemaakt. Dus daarin kun je dat ook dichtzetten, zodat je in de basis alleen leesrechten hebt.

Maar dat kan dus, als je het goed regelt. Dat is het hele ding, en dat is denk ik wat we steeds proberen te zeggen: zorg dat je het gewoon goed regelt, want dan kan je dat soort dingen doen. Dat is megabelangrijk. Als je die basis niet hebt, dan krijg je dat ook niet voor elkaar.

En dan wordt het heel moeilijk. Dat is wel echt de kracht: zo'n agent werkt supergoed als hij verschillende bronnen of systemen kan aanboren en met elkaar kan vergelijken. Je hebt je data, je kan ook nog je Tag Manager uitlezen en de Google Analytics data erbij pakken, en dan tot inzichten komen. Dan werkt het echt goed. Maar dan moet je dus wel dirigeren wie er toegang toe heeft. Want anders kan iemand van inkoop in je Tag Manager dingen omvergooien. Niet dat dat gebeurt, maar het kan.

En dus ook met de juiste instructies. Hoe beter je je instructies schrijft, hoe sneller hij met een respons kan komen op de vraag die je hebt. Het komt dus ook nog eens ten goede aan de vragen die je over je eigen data stelt. Hoef je niet nog een keer naar de wc te gaan en koffie te halen voordat je een antwoord hebt: het staat binnen een paar seconden voor je neus.

Goede vraag, Pieter. Ik heb hier on the fly over nagedacht, want ik had nog geen tip voorbereid. Maar weet je wat, ik ga proberen een tip te vinden die te maken heeft met een van mijn passies, en dat is geschiedenis. Ik doe hem in een quote. We kennen natuurlijk allemaal het veni, vidi, vici van Caesar: ik kwam, ik zag en ik overwon. Misschien is het een beetje overdreven, maar met de ontwikkelingen die nu gaande zijn, en dat gaat enorm hard, morgen is er weer een andere dag en zijn er weer nieuwe ontwikkelingen met betrekking tot MCP, ACP, UCP, zeg maar wat. Ik denk dat je als organisatie moet gaan nadenken: ik moet als eerste komen, in de hoop dat ik als eerste bij de prompt ben, en ook als eerste overwin met de klantvraag.

Ik denk het wel. Er is veel aan de hand, in de markt en ook bij ons.

Ik wil mijn tip eigenlijk in het verlengde doen van wat ik eerder zei. Eigenlijk een aanzet tot actie: zorg nou eens dat je één ding dat je heel vervelend vindt in de week, iets wat gewoon veel tijd kost, dat je daarnaar gaat kijken en uitzoekt: kan AI mij hierbij helpen? Ik denk dat dat voor heel veel mensen een startpunt kan zijn om er ook heel veel profijt van te hebben. Het hoeft niet iets heel ingewikkelds te zijn. Iets kleins, iets administratiefs. Pak dat op en ga kijken of AI je daarbij kan helpen.

Ja, ik heb eigenlijk twee tips.

Allereerst vind ik de jongens van AI Report altijd sterk. Dat is de podcast van Alexander Klöpping en Wietse Hage, wellicht bekende gasten, die zitten ook bij Jinek en dat soort programma's aan tafel. Zij hebben ook webinars, en die vind ik echt interessant. Je wordt echt aan de hand meegenomen, en het is inhoudelijk sterk. En daarnaast, dat is nog niet echt benoemd: met alles wat er nu kan op het gebied van AI moet je veel meer gaan nadenken over de bredere context. Je kunt heel makkelijk helpen. Ik zie dat in ons datateam ook veel gebeuren: iemand heeft bij wijze van spreken een of andere Excel waar hij elke week allerlei informatie in zit te zetten. Dan denk je: dit is onhandig, dat kunnen we voor je automatiseren. Dat werkt, en zo'n persoon is superblij. Maar ergens heeft die Excel eigenlijk al helemaal geen bestaansrecht meer. Waarom is die er? Je bent heel erg geneigd om met AI pleisters te plakken op slechte processen. Schijnefficiëntie. Dan is het Exceltje gefixt, maar gaat het naar het volgende portaal en gebeurt daar weer wat mee. Dus dat vind ik een van de interessantste dingen: je moet veel meer nadenken over hoe je processen helemaal opnieuw inricht. Vanaf een blanco papier: hoe zou het kunnen? In plaats van: hoe doen we het nu en hoe kunnen we het iets beter maken? Dus mijn tip: zoom nog iets verder uit dan je normaal doet. En als je een vraag krijgt: probeer nog wat verder uit te zoomen, kunnen we het niet nog veel slimmer maken?

Nou, dat was hem.