Ik werk voor kleinere bedrijven die willen dat AI echt in het werk past. Ik begin met een neutrale blik op je proces, bouw wat er nodig is en blijf erbij tot je team ermee werkt.
Waarom
Kleinere bedrijven, kortere lijnen
Ik werk bewust voor kleinere bedrijven. Daar zijn de beslislijnen korter, dus je kunt grotere stappen zetten en zie je sneller wat het oplevert.
Kleine bedrijven werken vaak met veel losse systemen. Door mijn ervaring met veel verschillende systemen weet ik dat één manier van werken op veel soorten systemen past. Ik werk volgens een werkwijze die ik eerder in de praktijk heb toegepast, en een integrale blik op maatwerk maakt daar het verschil.
Ik begin met een neutrale blik: welke behoeften en belangen leven er in de organisatie, en wat is mogelijk? Het tempo van de verandering sluit aan op het tempo waarin het bedrijf kan bewegen en kiezen.
Vertrouwen is voor kleine bedrijven het belangrijkste. Je moet met je zorgen terecht kunnen bij iemand die hands-on praktijkervaring heeft en zich blijft verdiepen. Beide doe ik: ik bouw, en ik studeer verder.
Wat mij drijft is het acceptatieproces van AI: dat mensen er ook echt mee willen werken. Wil je dat ik de verandering ook leid, dan doe ik dat als projectleider, in overleg met een interne contactpersoon.
Werkervaring
Waar ik zelf aan heb gewerkt
Dit is mijn persoonlijke werkervaring, opgedaan vóór en naast innovaize, onder meer bij een adviesorganisatie, een gemeente en een zorgorganisatie. Het zijn geen klanten van innovaize en het is geen klantenlijst: het laat zien waar ik zelf hands-on aan heb gewerkt.
Een adviesorganisatie
Een bestaand werkboek betrouwbaar gemaakt met invoervalidatie, foutmeldingen in de cel zelf en een regressiesuite die elke wijziging afzet tegen een vastgelegde baseline. Daarnaast een datamodel in Dataverse dat door scripts wordt opgebouwd, met een Power BI-rapport en een webdashboard erbovenop.
Gemeente Ede
Een promptbibliotheek voor onderzoek en analyse: negen uitgewerkte werkinstructies voor terugkerend onderzoekswerk van medewerkers. Elke instructie zegt wanneer je hem gebruikt, wat je invult en wat je juist niet uit data mag concluderen, en dat een inhoudelijk expert de uitkomst nakijkt.
Een zorgorganisatie
Een platform dat dossiers van zorgprofessionals inleest en doorzoekbaar maakt, en een onderbouwing opbouwt waarin elk oordeel terugverwijst naar de passage in het dossier. Met export naar een document met de bewijsbijlagen erbij, en een demonstratiemodus zonder echte dossiers.
Sterke punten
Vier dingen waar ik consequent op stuur
Deze punten komen uit mijn eigen werk in verschillende sectoren, waaronder de publieke sector, de zorg en het commerciële bedrijfsleven. Het is mijn ervaring en geen klantenlijst: het laat zien wat ik bouw, hoe ik met gevoelige informatie omga en waar ik de grenzen leg.
Bestaande systemen als vertrekpunt
Ik vervang zelden in één keer. Bij een adviesorganisatie bleef het werkboek waarop de praktijk draaide gewoon in gebruik en werd het eerst betrouwbaar gemaakt, terwijl de opvolger ernaast werd opgebouwd.
Onderbouwing die te controleren is
Een antwoord zonder herleidbare bron is te weinig. Bij een zorgorganisatie bouwde ik een onderbouwing waarin elk oordeel terugverwijst naar de passage in het dossier waar het op steunt, en bij een gemeente stelde ik voor dat een vakinhoudelijke coach een kennismodule goedkeurt voordat die in gebruik gaat.
Grenzen bouw ik in, niet eromheen
Menselijke controle, gegevensbescherming en toegang zijn ontwerpbeslissingen. Ik leg vooraf vast welke tools en gegevens een AI-agent mag gebruiken en wie dat goedkeurt. Bij een eerste versie van een kennisassistent voor gemeentelijke medewerkers lagen vier uitgangspunten vast voordat ik hem schreef: een mens beslist, er worden geen persoonsgegevens bewaard, een vakinhoudelijke expert valideert de inhoud vooraf en de assistent wordt bijgestuurd op basis van gebruik. De assistent haalt een expert erbij en vervangt het oordeel van de medewerker nooit.
Werk dat overdraagbaar blijft
Wat ik bouw, kan iemand anders herbouwen. Het datamodel bij een adviesorganisatie wordt door scripts geprovisioneerd in plaats van bij elkaar geklikt, wijzigingen aan het werkboek lopen langs een regressiesuite, en een chatoplossing voor meerdere organisaties breidt uit met een regel in een registerbestand.
De naam
Waar de naam voor staat
De bliksemschicht staat voor energie in procesoptimalisatie en voor snelle kennis. De i verwijst naar informatie en informatica, en naar het slim inzetten ervan: snel implementeren in slimme systemen. Het doel is één centrale intelligentie binnen een bedrijf. De naam staat voor de energie die vooral kleinere bedrijven een boost kan geven in innovatie en informatiestromen.
Ontwikkeling
Waar ik aan blijf werken
- 2026innovaize wordt opgericht.
Ik volg in deeltijd mijn master en blijf me verdiepen in de achterliggende concepten die in de praktijk worden gebruikt. Zo begrijp ik ook de risico's en kan ik mijn aanpak daarop afstellen. Het gaat om de fundamenten van de technologie, de ethiek, de maatschappelijke impact en risicoanalyse, en om vertrouwen, zekerheid en continuïteit bij AI-agents en oplossingen in een bedrijf.
Gereedschap
Waar ik mee bouw
Techniek die in minstens één eerder traject daadwerkelijk is gebruikt. Geen wensenlijst.
- Microsoft
- Power PlatformDataverseSharePointPower BIExcel
- AI
- Azure AI FoundryAzure OpenAIMCP-serversSysteempromptsEmbeddings en semantisch zoekenRAG en kennisbases
- Web
- Web- en mobiele appsNext.jsReactTypeScriptNode.jsPython
- Werkwijze
- RegressietestsPlaywrightDeclaratieve provisioningDocumentatie als bron
Zelfde persoon, van eerste gesprek tot ingebruikname
Hoe een traject bij innovaize verloopt, staat per fase beschreven op de homepage. Loopt er bij jou een proces vast, dan hoor ik graag waar.