De aanpak van Tetrifox
AI is een engineeringvraagstuk, geen strategievraagstuk.
De technologie is volwassen genoeg. Wat ontbreekt, is gedisciplineerd opleveren.
Bedrijven falen niet met AI omdat de modellen tekortschieten. Ze falen omdat ze de businesscase overslaan, het integratiewerk onderschatten of nooit rekening houden met de stap naar productie. Tetrifox past op AI hetzelfde businessgerichte model toe als op al ons werk in product engineering: een team dat in je organisatie meedraait en oplevert.
Eerst de businesscase
Elke opdracht begint met één vraag: welk bedrijfsresultaat moet deze AI-toepassing opleveren? Als we de waarde niet kunnen benoemen, bouwen we niet.
Gedisciplineerd opleveren
Voorspelbare doorlooptijden in weken. Een Mino draait mee in je organisatie en levert op tegen mijlpalen, niet tegen een vage AI-roadmap.
Meetbare resultaten
Gebruik, kosten per run, nauwkeurigheid, latency: elke toepassing gaat live met ingebouwde monitoring. Je weet precies wat je betaalt en wat je ervoor krijgt.
Het raamwerk
Van idee naar productie in zes fasen
Technische review
We brengen je huidige situatie in kaart: datalandschap, bestaande systemen, infrastructuur en hoe klaar je team ervoor is. Dezelfde methode als onze technische reviews, gericht op AI-gereedheid.
1 week
Businesscase en blauwdruk van de oplossing
We bepalen het beoogde bedrijfsresultaat, schetsen de architectuur van de oplossing, kiezen de juiste AI-aanpak en leggen de verwachte kosten vast. Geen prototype voordat de businesscase helder is.
1–3 weken
Inventarisatie en sizing van toepassingen
We knippen de oplossing op in afzonderlijke AI-toepassingen. Elke toepassing krijgt een formaat (klein, middel of groot) op basis van het aantal datapunten, de systemen waarmee de toepassing koppelt en de complexiteit.
Onderdeel van fase 2
Oplevering tot en met UAT
Een Mino bouwt en integreert de toepassing end-to-end. Ontwikkeling, testen tegen de businesscase (niet alleen tegen technische specificaties) en itereren op basis van feedback van gebruikers.
1–9 weken
Livegang en hypercare
We gaan live met monitoring, alerting en een vaste supportperiode. We dragen niet over om daarna te verdwijnen: het team blijft tot productie stabiel draait.
1 week
Itereren op productiedata
Echt gebruik laat zien wat de businesscase niet kon voorspellen. We verfijnen prompts, passen drempelwaarden aan, optimaliseren de kosten en breiden functionaliteit uit op basis van echte productiedata.
Doorlopend
Sizing van toepassingen
Voorspelbare scope, voorspelbare doorlooptijd
Van elke AI-toepassing bepalen we de omvang voordat de ontwikkeling begint. Die bepaalt de doorlooptijd, de teamsamenstelling en de kosten. Geen verrassingen.
Een datapunt is één gegeven dat de toepassing leest of invult, zoals een factuurnummer, een datum of een bedrag.
Klein
1–2 weken- Datapunten
- Tot 10 datapunten
- Gekoppelde systemen
- 1 gekoppeld systeem
Toepassingen met één doel. Documenten classificeren, content genereren vanuit een sjabloon, gestructureerde data uit één bron halen.
Middel
3–5 weken- Datapunten
- 10–25 datapunten
- Gekoppelde systemen
- 2–3 gekoppelde systemen
Workflows met meerdere stappen. Data uit verschillende bronnen combineren, rapporten met bedrijfslogica genereren, geautomatiseerde beoordelingsprocessen.
Groot
6–9 weken- Datapunten
- 25+ datapunten
- Gekoppelde systemen
- 4+ gekoppelde systemen
Complexe orkestratie. Multi-agentsystemen, diepe integratie in je stack, toepassingen die meerdere AI-functies in één workflow combineren.
Deze doorlooptijden zijn indicatief en gebaseerd op onze ervaring met vergelijkbare projecten. De werkelijke scope en duur bepalen we samen in de blauwdrukfase.
Ingebouwde monitoring
Elke toepassing gaat live met een kostendashboard
De meeste teams bouwen AI en hopen er het beste van. Wij leveren observability vanaf dag één, omdat we hebben gezien wat er gebeurt als je dat niet doet.
Gebruik bijhouden
Wie het gebruikt, hoe vaak en waarvoor. Adoptiedata die laten zien of de toepassing het probleem echt oplost.
AI-kosten per run
Precies inzicht in de kosten per inference-call. Geen verrassingen op de maandfactuur: je kent de unit economics voordat je opschaalt.
Latency-monitoring
Responstijden van elk onderdeel in beeld. Wordt een modelaanbieder trager, dan zie je dat voordat je gebruikers het merken.
Foutpercentages en alerts
Automatische alerts bij pieken in fouten, dalende kwaliteit en afwijkingen. Problemen komen binnen minuten boven, niet pas na een klacht van een stakeholder.
Waarom Tetrifox
Hiervoor gebouwd, niet erbij geplakt
Senior engineers, snellere beslissingen
Modelkeuze, afwegingen in de architectuur, zelf bouwen of inkopen: ons senior team neemt die beslissingen in dagen, niet in weken. Wij leren niet op jouw kosten.
We gebruiken wat we bouwen
We ontwikkelen zelf ook met AI. We gebruiken de tools die we aanbevelen, dus we weten wat in de praktijk werkt en niet alleen in een demo.
Testen tegen de businesscase
Een vaste tester controleert of de toepassing nuttig is, niet alleen of hij werkt. Bij AI zijn “het werkt” en “het lost het probleem op” twee heel verschillende dingen.
Dataopslag binnen de EU
Alle verwerking vindt plaats in Europa. Voor gereguleerde sectoren en bedrijven met gevoelige data is dat geen extraatje, maar een vereiste. Daarom beginnen we ermee.
Veelgestelde vragen
Wat bedrijven vragen voordat ze beginnen
Praat direct met een oprichter.
30 minuten. Geen pitch, geen druk. Gewoon ruimte om te verkennen wat je bouwt en waar je naartoe wilt.
Wouter van Nierop
Oprichter & CEO van Tetrifox