Repeterend werk automatiseren dat heen en weer gaat tussen mail, documenten en jullie andere software.
Mail & ordersDocumenten uitlezenControlesKoppelingen
Software op maat voor processen die uit Excel en standaardpakketten gegroeid zijn.
CRM op maatOffertetoolsKlantportalen
Antwoorden uit jullie eigen documenten en data, met de bron erbij.
Interne zoekhulpKennisbankBronvermelding
Software die binnenkomende documenten leest, controleert en het werk erna voorbereidt.
FacturenDossiersConcepten
Rapportage, prognoses en operationele cijfers op één plek, op één set definities.
Eén set definitiesLive dashboardsForecasting
Onderdeel van elk traject: korte sessies met het echte werk van een team op het scherm, per rol op maat.
Echte taakSamen doorlopenZelf verder

Nog geen idee wat je nodig hebt?

Bekijk een voorbeeldWorkflow-automatisering01 / 06

Mail

Lezen

Controle

Systeem

Afgehandeld

Hoe we het bouwen

Vaste prijs per fase. Je zegt per fase ja, en na de eerste beslis je over de rest.

011-2 weken

Meekijken

We lopen mee met de mensen die het werk doen en schrijven op hoe het proces nu loopt.

Jij levert een dag van je team.

021 week

Beslissen

We kiezen het onderdeel met de duidelijkste winst en een realistische bouwweg, en zetten daar een prijs op.

Jij beslist of we doorgaan.

034-10 weken · doorlopend

Bouwen & overdragen

We bouwen en testen rond de systemen die er al staan. Onderweg trainen we het team en leggen we vast hoe alles werkt.

Jij krijgt elke week een werkende versie.

Waar we mee werkenKies er een

01 / 07

Prototypen. In week een staat er iets dat draait, ook als het nog nergens op aangesloten is.

Wat we aanhouden

AI waar het iets oplevert
Zo min mogelijk bewegende delen
We bouwen om jullie systemen heen
Te onderhouden zonder ons
Privacy vanaf de eerste ontwerpkeuze
Overdracht schrijven we tijdens het bouwen

Soms blijkt een probleem een afspraak tussen twee afdelingen, of een instelling in software die jullie al betalen. Dat zeggen we liever dan dat we een traject beginnen.
Elk extra onderdeel is iets dat kan omvallen en dat iemand moet begrijpen. De simpelste opzet die het werk doet, wint.
Vervangen wat er draait is het zelden waard, dus het werk zit meestal in de koppelingen eromheen.
Gewone taal, gewone bibliotheken, en niets wat alleen wij snappen. Jullie team of de volgende bouwer moet ermee verder kunnen.
De AVG en de EU AI Act bepalen waar data staat en welk model die te zien krijgt. Dat is een ontwerpkeuze aan het begin, geen controle achteraf.
Code, accounts en omgeving staan vanaf dag een op jullie naam, en de documentatie ontstaat onderweg. Niet in de laatste week.

02Werk

Vier systemen, in bedrijf

Twee eigen producten, en twee systemen die binnen andere bedrijven draaien.

GkazasIntern

Intern systeem · Orders, verkoop en inkoop

Een order die zichzelf klaarzet

De situatieGkazas importeert en verkoopt olijfolie aan groothandels en winkels. Bestellingen kwamen binnen als mail met een bijlage en werden met de hand overgetypt in Salesforce, en de inkoop werd gepland op gevoel en een draaitabel. We hebben er twee dingen van gemaakt die op dezelfde data draaien: een orderdesk die het werk voorbereidt, en een maandprognose per artikel waar de inkoop op stuurt.

DocumentverwerkingSalesforce-koppelingPrijslogicaMachine learningForecasting

Eén modelaanroep per mail: Classificeren en uitlezen, met de zin uit de mail erbij waar elk getal vandaan komt. Meer taalmodel zit er niet in.
Geld is gewone code: Prijzen komen uit de live prijslijst, kortingen uit de actiekalender per groothandel per week, en de vervoerder uit de regeltabel. Het model raakt daar niets van aan.
Niets gaat weg zonder mens: Salesforce krijgt een voorbereide transactie te zien en de klant een concept in de bestaande mailwissel. Iemand leest het na en drukt zelf op verzenden.
Twijfel is een uitkomst: Een onbekend artikel, een klant die niet te matchen is, een klacht in plaats van een bestelling: alles wat niet zeker is gaat naar een aparte stapel voor een mens.
Per artikel een eigen model: Voor elk artikel wordt een machine-learningmodel afgewogen tegen een handvol eenvoudiger statistische methodes, op een test die maand voor maand vooruit loopt. Het model dat dit artikel het beste voorspeld heeft, wint. Voor artikelen die maar af en toe lopen is dat vaak juist de eenvoudige.
Een bandbreedte, geen getal: Elke voorspelling komt met een onder- en bovengrens die tegen de werkelijke uitkomsten gekalibreerd zijn. Zo zie je per artikel of het er een is om op te sturen of een om ruimer in te kopen.
Acties zitten in het model: Dezelfde actiekalender waar de orderdesk mee rekent, gaat als kenmerk het model in. Een geplande actieweek verandert de prognose voordat hij plaatsvindt.
Het landt waar ze al werken: Elke maand opnieuw getraind en teruggezet in Salesforce, zodat de inkoop de cijfers in het systeem ziet dat ze toch al open hebben staan.

01
De mail komt binnen
Met bijlage, precies zoals de klant hem stuurde.
Postvak
inkoop@example.com
Bestelling week 38
Hoi, hierbij de bestelling voor week 38.
Levering naar het depot zoals altijd.
bestelling-4471.pdf
02
De regels worden gelezen
Artikelnummers en aantallen uit de bijlage.
bestelling-4471.pdf
- EVOO-500120
- SOW-2540
- TAP-18015
03
De klant wordt herkend
Gekoppeld aan het account dat er al is, met twee jaar historie.
KlantkaartHerkend
Voorbeeldbedrijf
Account
Groothandel
Vaste afspraak
Staffel B
Laatste order
9 sep
04
De prijs volgt de afspraak
Uit de prijslijst, met de actie van deze week erbij.
Prijslijst
Staffel B, actieweek
€ 4.318,50
05
Het concept staat klaar
Bevestiging geschreven, nog niets verstuurd.
OrderbevestigingConcept
Voorbeeldbedrijf
Order 4471
EVOO-500120
SOW-2540
TAP-18015
€ 4.318,50
Nakijken en versturen
06
De inkoop kijkt vooruit
Een getraind model per artikel, met een bandbreedte, elke maand opnieuw.
Inkoopprognose
EVOO-500Per artikel, per maand
HistoriePrognoseBandbreedte

door

longdash

BrandclickIntern

Intern systeem · Marketing-intelligentie

Acht bronnen, één werklijst

De situatieBrandclick is een marketingbureau dat sites van klanten beheert. De cijfers waarop ze sturen stonden verspreid over evenveel dashboards als er koppelingen zijn, en het wegen en het oplossen gebeurden allebei met de hand. Nu bepaalt het systeem wat maandag als eerste moet, en schrijft een agent het voorstel dat dat punt oplost.

KoppelingenAgentsDashboardsKwaliteitspoort

Alles komt in één database: Zoekprestaties, advertenties, twee zoekmachines, productvermeldingen, bezoekcijfers, een crawl van de site zelf en een handmatige ranking-export. Per klant een map, dus een tweede merk erbij is een map erbij.
Elk getal komt uit gewone code: De werklijst en de score komen uit Python, niet uit een model. Dezelfde data geeft vandaag en over twee weken dezelfde lijst, en bij elk punt staat waarom het daar staat.
Een agent lost het punt op: Voor een punt van de werklijst schrijft een agent het voorstel: hij leest de opdracht, de huisstijl en de feitenbasis, en levert de tekst af. Er draaien er meerdere naast elkaar, een per punt.
En controleert zijn eigen werk: Elk voorstel gaat door de kwaliteitspoort: verzonnen cijfers, verboden gezondheidsclaims, ontbrekende bronnen. Zakt het, dan krijgt de agent de foutenlijst terug en probeert hij het opnieuw, maximaal drie keer. Lukt het dan nog niet, dan levert hij niets en meldt hij wat er niet klopte.
Twee modellen, waarvan één criticus: Voor de duiding op het dashboard schrijft het ene model en leest het andere na, en Python controleert elk getal in de tekst tegen de database. Slaagt dat niet, dan toont het dashboard geen duiding en zegt het waarom.
Het publiceert nooit zelf: Alles eindigt als concept. De medewerker leest na of het punt echt is opgelost en zet het live.

Bronnen

Zoekprestaties
Advertenties
Bing
Productvermeldingen
Bezoekcijfers
Rankings
Vervolgvragen
De site zelf

Eén database

Deterministisch gescoord

De agent

Punt van de werklijst
Agent schrijft het voorstel
Kwaliteitspoort
Mens keurt goed
Zakt het, dan opnieuw. Max 3x.

Werklijst

Met de reden per punt

Landingspagina botst met winkelpaginaOpen
Vier pagina's zonder eigen beschrijvingVoorstel klaar
Claim zonder bron op productpaginaNagekeken

door

longdash

Pitchdeck

ARRp.11
EBITDAp.14
ARRp.22

Teaser
Rekenmodel
CRM-record
Conceptmail

TegenspraakARR op p.11 is € 5,2 mln en op p.22 € 4,8 mln.

DealLensLive

Eigen product · Dealbeoordeling

Een pitchdeck dat uit elkaar valt in bruikbaar werk

De situatieInvesteringsfondsen krijgen decks binnen sneller dan iemand ze kan lezen. De eerste beoordeling is telkens hetzelfde werk: cijfers overtypen, een teaser maken, een model vullen, een CRM-record aanmaken, terugmailen. DealLens doet die ronde voor, in de huisstijl van het fonds.

Elk cijfer houdt zijn bladzijde vast: Een bedrag dat op drie pagina's staat wordt drie keer vastgelegd, met de zin en het paginanummer erbij. Er wordt niets samengevoegd.
Daardoor valt tegenspraak op: Twee bedragen voor dezelfde periode die meer dan een paar procent uiteenlopen worden gemarkeerd voor een mens. Dat is precies het soort ding waar een deal op afketst.
Eén aanroep per deck: Het uitlezen is één modelaanroep. De teaser, de controle en de score zijn gewone Python, dus dezelfde deck geeft dezelfde uitkomst.
Nergens een API-sleutel: De toegang loopt op beheerde inloggegevens van de cloud zelf, dus er ligt geen sleutel in een bestand die kan uitlekken.

DocumentverwerkingBronvermeldingRapportage

Bekijk deallens.nldoor

longdash

Agent 1.01Live

Eigen product · Agentic AI

Een site die zichzelf bijhoudt

De situatieAgent 1.01 verzamelt wat er over agentic AI verschijnt. De site is zelf het voorbeeld: acht agents zoeken, beoordelen en schrijven, en het enige wat een mens doet is de laatste knop indrukken.

Acht agents met elk één taak: Zoeken, video's vinden, samenvatten, de collectie nakijken op dode links, vindbaarheid, afhankelijkheden, code beoordelen en bouwen.
Voorstellen, geen publicaties: Een vondst wordt een pull request. Een tweede agent beoordeelt hem, een mens voegt hem samen, en pas dan staat hij op de site.
Het draait uit zichzelf: De keten hangt aan geplande taken, niet aan iemand die iets opstart. Nieuwe bronnen verschijnen zonder dat er een CMS opengaat.

AgentsContentketenAutomatisering

Bekijk agent101.nldoor

longdash

De ploeg8

ContentScoutzoekt dagelijks
VideoHuntervindt video's
ContentWritervat samen
ContentDoctorkijkt de collectie na
SEOOptimizervindbaarheid
DependencyBothoudt code bij
QualityGuardbeoordeelt
SiteBuilderbouwt

Van vondst tot pagina

Bron gevonden
Voorstel geopend
Beoordeeld
SamengevoegdMens
Staat live

Stack

Waar we elke dag mee bouwen

Per project gekozen, op wat past bij jullie situatie en wat jullie team kan onderhouden.

OpenAI
Claude
Gemini
Microsoft Copilot
Next.js
React
TypeScript
Python
PostgreSQL
Supabase
Azure
Google Cloud
Vercel
Proton
n8n
Power BI

03Kennismaken

Je praat met de mensen die het bouwen

Longdash is ons tweeën. Er zit niemand tussen jou en degene die de code schrijft, dus een vraag krijgt dezelfde dag antwoord en een aanpassing zit er aan het eind van de week in.

Roy Veenboer

Data scientist · AI-engineer

Data science, forecasting en AI-engineering. Werkte in de consultancy en in loondienst voordat we Longdash begonnen.

Laurens Bos

Software engineer · AI-engineer

Full-stack van eerste schets tot productie, op een zware data-achtergrond.

Eerste gesprek

Vandaag 10:24

We doen alles in Excel en het loopt vast zodra het druk wordt.

Waar gaat de meeste tijd in zitten? Eén ding, niet vijf.

Offertes. Alles wordt overgetypt uit de mail.

Daar zouden we dan beginnen. Mogen we een dag meekijken hoe dat gaat?

Zo begint een eerste gesprek ongeveer.

Jouw beurt

Vertel wat er nu piept.

Kom met één proces dat meer tijd kost dan het zou moeten.
Wij stellen een half uur vragen en kijken wat erbij komt kijken.
Je krijgt een eerlijk oordeel of het de moeite waard is, plus een idee van de omvang.

Plan een gesprek

Liever mailen? info@longdash.nl

“Een half uur kost niets en levert bijna altijd één ding op dat je zelf kunt oplossen.”

Roy Veenboer

Kom met het probleem, niet met de AI-oplossing.

01Wat we bouwen

02Werk

Je praat met de mensen die het bouwen

Waar je mee binnenkomt, en wat het wordt

Meekijken

Beslissen

Bouwen & overdragen

AI waar het iets oplevert

Zo min mogelijk bewegende delen

We bouwen om jullie systemen heen

Te onderhouden zonder ons

Privacy vanaf de eerste ontwerpkeuze

Overdracht schrijven we tijdens het bouwen

Vier systemen, in bedrijf

Een order die zichzelf klaarzet

De mail komt binnen

De regels worden gelezen

De klant wordt herkend

De prijs volgt de afspraak

Het concept staat klaar

De inkoop kijkt vooruit

Acht bronnen, één werklijst

Een pitchdeck dat uit elkaar valt in bruikbaar werk

Een site die zichzelf bijhoudt

Waar we elke dag mee bouwen

Je praat met de mensen die het bouwen

Roy Veenboer

Laurens Bos

Vertel wat er nu piept.