Wij ontwerpen en bouwen generatieve AI die haar plek in productie verdient — assistenten en copilots, content- en documentgeneratie, en AI-agents — gegrond in uw eigen data en processen. Een Nederlands generatieve-AI-partner dat werkende systemen levert, geen slideware. EU AI Act- en AVG-proof.
Laatst bijgewerkt: 11 juni 2026
Generatieve AI ging snel van noviteit naar een echte productiviteitslaag — content schrijven, vragen beantwoorden uit uw kennis, documenten lezen en routeren, en steeds vaker als agents die meerstaps-taken afronden. Het lastige is niet de demo; het is het accuraat, veilig en geïntegreerd maken in hoe uw bedrijf echt werkt.
We beginnen bij waar generatieve AI voor u echt rendeert, bouwen een werkend bewijs op uw eigen data, en brengen het naar productie met de guardrails, evaluatie en integratie die een betrouwbare tool onderscheiden van speelgoed. Het onderliggende model accuraat en gegrond maken doen we in onze LLM-optimalisatie; deze dienst gaat over het ontwerpen en bouwen van de generatieve-AI-oplossing eromheen.
Interne copilots en klantassistenten die antwoorden uit uw eigen kennis — accuraat, met bron en on-brand.
Schrijf, lokaliseer en hergebruik teksten, productinhoud en marketingmateriaal vanuit uw templates en tone — met een mens in de lus.
Lees, vat samen en structureer contracten, facturen, rapporten en formulieren — van ongestructureerde documenten naar bruikbare data.
Agents die meerstaps-taken afronden over uw tools heen — met de juiste guardrails op wat ze wel en niet mogen.
Retrieval-augmented antwoorden gegrond in uw documenten, zodat reacties actueel, onderbouwd en betrouwbaar blijven.
Genereer en analyseer beeld en gemengde media waar het waarde toevoegt — productvisuals, inspectie, creatieve varianten.
We vinden waar generatieve AI echt rendeert en welke data en systemen het raakt — vaste prijs.
Bij het tweede gesprek krijgt u een werkend bewijs op uw eigen data — geen spec.
We integreren het in uw tools met evaluatie, guardrails en monitoring ingebouwd.
We volgen nauwkeurigheid, kosten en gebruik zodat het systeem vertrouwen blijft verdienen.
De meeste generatieve-AI-projecten stranden niet op het model — ze stranden op alles eromheen. Een chatbot bouwen die in een demo indrukwekkend praat, lukt in een middag. Een assistent bouwen die maandenlang accuraat blijft, weet wanneer hij iets níét weet, uw interne regels respecteert en aantoonbaar voldoet aan de EU AI Act, is engineeringwerk. Als generatieve-AI-bureau in Nederland werken wij aan dat tweede stuk: het ontwerp, de datalaag, de guardrails en de integratie die een leuke proefopstelling onderscheiden van een systeem waarop uw team durft te leunen.
Wij zijn een boutique-AI-consultancy, geen enterprise-fabriek en geen webbureau dat zichzelf in een weekend tot "AI-bureau" heeft omgedoopt. Bij Crux Digits blijven de senior mensen die uw oplossing scopen ook degenen die hem bouwen en opleveren. Dat is bewust: aan het eind van een traject hoort ú de oplossing te bezitten — de architectuur, de prompts, de evaluatieset, de documentatie — zodat u niet vastzit aan een leverancier die de enige is die het systeem nog begrijpt. Voor het Nederlandse MKB is dat het verschil tussen een AI-investering die rendeert en een dure black box.
De grote partijen — denk aan Xebia, Xomnia of Capgemini — leveren prima werk, maar brengen overhead, lange aanlooptijden en wisselende junior teams mee die een MKB-budget snel opeten. Aan de andere kant staan bureaus die een open-source-chatbot inpluggen en het "GenAI-consulting" noemen. Wij zitten daar bewust tussenin: senior generatieve-AI-ontwikkeling tegen een transparant tarief, met de wendbaarheid om in weken te leveren in plaats van kwartalen. Wilt u die positionering breder zien, lees dan onze aanpak voor AI-consulting in Nederland.
De vraag die bijna elk gesprek opent: "Kunnen we ChatGPT op onze eigen documenten loslaten?" Het korte antwoord is ja — de techniek heet retrieval-augmented generation (RAG). Het lange antwoord is dat RAG goed dóén het verschil maakt. Een naïeve opzet die simpelweg tekstbrokken in een prompt plakt, geeft zelfverzekerde maar onjuiste antwoorden zodra de bronnen elkaar tegenspreken of verouderen. Een goede opzet vraagt om doordachte chunking, een retrieval-strategie die op uw vraagtypen is afgestemd, herrangschikking van resultaten, en — cruciaal — bronvermelding zodat een gebruiker elk antwoord kan natrekken.
Daar bouwen wij AI-assistenten en AI-copilots omheen die zich gedragen zoals uw organisatie dat verwacht:
Omdat de antwoorden gegrond zijn in úw first-party data en niet in wat het model toevallig heeft onthouden, blijft de output relevant en verifieerbaar. De laag die het onderliggende model accuraat, gegrond en betaalbaar houdt — prompting, fine-tuning, evaluatie en kostenbeheersing — beschrijven we apart bij onze dienst voor LLM-optimalisatie; bij een productietraject leveren we beide onder één dak.
AI-agents zijn de logische volgende stap voorbij een chatvenster: in plaats van één antwoord teruggeven, voeren ze een reeks acties uit over uw tools heen — een ticket opzoeken, een document opstellen, een record bijwerken, een afspraak inplannen. Het potentieel is groot, maar zo is het risico dat ook. Een agent zonder grenzen die de verkeerde API mag aanroepen, is geen productiviteitswinst maar een aansprakelijkheid.
Onze aanpak voor generatieve AI in agentvorm is bewust terughoudend. We definiëren scherp wat een agent wél en níét mag, bouwen guardrails op elke actie met gevolgen, en houden bij alles met hoge inzet een mens die controleert vóór een onomkeerbare stap wordt gezet. Lage-inzettaken — een conceptmail schrijven, een rapport samenvatten — mogen volledig automatisch; een betaling, een contractwijziging of een klantcommunicatie krijgt menselijke goedkeuring. Zo levert agentische generatieve AI snelheid op zonder dat u de regie kwijtraakt. Voor doorlopende, repeterende processen sluit dit naadloos aan op onze AI-automatisering.
Voor veel Nederlandse MKB-bedrijven zit de snelste terugverdientijd niet in een spraakmakende chatbot, maar in saai-maar-duur documentwerk. Generatieve AI leest contracten, facturen, schaderapporten, formulieren en e-mails, haalt de relevante velden eruit en zet ongestructureerde tekst om in nette data die uw systemen kunnen gebruiken. Een proces dat een medewerker uren handmatig overtypen kost, wordt een gecontroleerde stroom waarbij de mens alleen nog de uitzonderingen beoordeelt. Het is minder spectaculair dan een pratende assistent, maar het is vaak de use case die zichzelf het snelst terugverdient.
Generatieve AI in Europa bouwen betekent bouwen binnen de EU AI Act en de AVG — niet als sluitstuk, maar als ontwerpuitgangspunt. De EU AI Act deelt toepassingen in naar risico, en een systeem dat in een hoogrisico-categorie valt, brengt verplichtingen mee rond transparantie, menselijk toezicht, documentatie en datakwaliteit. Wie dat pas achteraf ontdekt, mag opnieuw beginnen.
Wij nemen die kaders mee vanaf het eerste ontwerp:
Het resultaat: generatieve AI die niet alleen werkt, maar die u tegenover een toezichthouder, een klant of uw eigen functionaris gegevensbescherming kunt uitleggen.
De canonieke use cases verschillen sterk per branche, en wij hebben inmiddels dertien cases opgeleverd over uiteenlopende domeinen — van zorg en computer vision tot NLP en forecasting (klantnamen blijven vertrouwelijk). Een greep uit wat in de Nederlandse praktijk werkt:
Transparantie over prijs hoort bij hoe we werken. In plaats van een open einde met een dagtarief dat alle kanten op kan, werken we in vaste stappen (excl. btw):
Klein beginnen met één afgebakende use case houdt het risico laag en de terugverdientijd kort — vooral voor het MKB. De volledige opzet staat op onze prijzenpagina, en concrete voorbeelden van wat we leverden vindt u bij de case studies.
Generatieve AI levert pas waarde op als ze landt in de echte werkdag van uw team, niet in een losse demo. Daarom werken we in korte, controleerbare stappen waarbij u na elke fase een concreet resultaat in handen heeft en zelf beslist of we doorgaan. We beginnen met de audit: we spreken de mensen die het werk dagelijks doen, brengen uw data en systemen in kaart en kiezen samen de use case met de beste verhouding tussen impact en haalbaarheid. Vervolgens bouwen we een proof of concept op uw eigen data, zodat u de kwaliteit beoordeelt op úw stukken — niet op een marketingvoorbeeld.
In de productiefase gaat de meeste energie naar de dingen die in een demo onzichtbaar blijven maar in productie bepalend zijn: een evaluatieset die regressies vóór uw gebruikers betrapt, monitoring die laat zien wanneer de kwaliteit wegzakt, en guardrails die het systeem binnen de lijntjes houden. We werken het liefst direct naast uw eigen ontwikkelaars of beheerders, zodat de kennis bij u beklijft in plaats van met ons de deur uit te lopen. Modellen verouderen en bibliotheken veranderen; door uw mensen mee te nemen in de architectuur en de afwegingen, kunt u het systeem zelf onderhouden en doorontwikkelen. Voor het MKB is dat geen bijzaak maar het hele punt: u koopt geen afhankelijkheid, u bouwt een capaciteit op die binnen uw organisatie blijft. Past generatieve AI niet bij uw vraag, dan zeggen we dat ook — soms is een eenvoudigere automatisering of een gerichte integratie het verstandiger antwoord.
Of u nu twijfelt tussen een eigen model en een API van OpenAI of Anthropic, wilt weten of uw documentstroom zich leent voor automatisering, of een interne copilot voor uw team overweegt — een kort gesprek levert meer op dan nog een whitepaper. Wij scopen een gericht proof of concept op uw eigen data, leggen uit wat het kost en wat het oplevert, en zijn eerlijk wanneer generatieve AI níét de beste oplossing is. Meer over wie wij zijn leest u op de pagina over Crux Digits; klaar voor een concreet plan? Plan dan een gratis consult van dertig minuten in.
Generatieve AI (deze dienst) is het ontwerpen en bouwen van de oplossing — de assistent, agent, content- of documentworkflow — rondom een model. LLM-optimalisatie is de laag die het onderliggende model accuraat, gegrond en betaalbaar maakt (RAG, prompts, fine-tuning, evaluatie). De meeste projecten gebruiken beide; wij doen ze onder één dak.
Meestal bouwen we op toonaangevende API-modellen (OpenAI, Anthropic, Google, of open-source zoals Llama/Mistral) en gronden die in uw data. Waar privacy of kosten dat vereisen, zetten we open modellen in die u zelf host. We kiezen het model bij de use case, niet andersom.
We gronden antwoorden in uw eigen kennis (RAG), begrenzen ze met systeemontwerp en guardrails, evalueren tegen echte voorbeelden en houden een mens in de lus bij alles met hoge inzet — zodat output accuraat, onderbouwd en consistent is.
Ja. We ontwerpen vanaf dag één voor de AVG en de EU AI Act — dataminimalisatie, toegangsbeheer, EU-gehoste of private modellen waar nodig — zodat uw data beschermd blijft en u compliant bent.
Een gratis consult van 30 minuten plannen we meestal binnen enkele dagen; een werkend proof of concept op uw eigen data staat doorgaans in weken, niet maanden.
We werken in vaste stappen: een AI-audit & strategie voor €2.500, een proof of concept voor €20.000 en een productielancering vanaf €50.000 (excl. btw). U weet vooraf waar u aan toe bent.
Juist wel. De meeste MKB-winst is praktisch — schrijven, documentverwerking, klantantwoorden — en klein beginnen met één afgebakende use case houdt het risico laag en de terugverdientijd kort.
Ja — we koppelen via API's aan uw CRM, contentsystemen, documentopslag en interne tools, zodat de AI binnen uw bestaande workflow werkt in plaats van als losse app.
Vertel ons wat u wilt bouwen of automatiseren — we scopen een gericht bewijs op uw eigen data in een gratis consult.
Gratis consult boeken →