Cases

Bewijs, getoond als traject.

Elke build staat op een kennislaag die wij kloppend houden en waar wij verantwoordelijk voor blijven. De cijfers hieronder zijn het bewijs: ze klommen omdat we de laag in de loop van de tijd correct hielden. Alle identiteiten zijn geanonimiseerd — echte cijfers en namen delen we tijdens een kennismakingsgesprek.

Een bewezen patroon

Het support-agent-patroon, bewezen in drie sectoren.

Dezelfde methode — kennislaag, antwoorden in het gesprek zelf, escalatie naar een mens alleen wanneer de agent het echt niet weet — herhaald bij drie heel verschillende bedrijven. Geen vier losse projecten; één herhaalbare aanpak.

Customer Support Chat Agent

50% fewer tickets escalated to a human80% fewer tickets escalated to a human

Probleem. A growing support inbox where ~80% of tickets were repeat questions answered in product docs no customer reads.

Aanpak. Built a knowledge layer from product documentation, historical tickets, and escalation rules. The agent answers from the layer in-conversation; only routes to a human when it genuinely doesn't know.

GPT-5PineconeHubSpotExpress

Sector: SaaS Design · United States
Teamgrootte: 25–50
Looptijd: 8 weeks
Gelanceerd: 2025

Member's Services Chat Agent

30% fewer tickets escalated to a human50% fewer tickets escalated to a human

Probleem. A members-only services team buried in repeat questions about benefits, booking rules, and policy edge cases.

Aanpak. Built a knowledge layer from membership policies, benefit matrices, and booking workflows. The agent handles routine member requests inside the existing support platform; complex cases route to specialists.

GPT-5PineconeFreshdesk

Sector: All Inclusive Resort · Caribbean
Teamgrootte: 1000+
Looptijd: 10 weeks
Gelanceerd: 2025

Technical Support Voice Agent

50% faster response time on inbound technical issues80% faster response time on inbound technical issues

Probleem. Technical support calls bottlenecked at intake — engineers spent the first 15 minutes diagnosing and routing instead of solving.

Aanpak. Built a knowledge layer from technical runbooks, product documentation, and escalation paths. The voice agent validates the issue, routes it to the right engineering team, and documents the call in Autotask before a human picks up.

Claude HaikuAmazon BedrockAmazon ConnectAmazon PollyAutotask

Sector: Cloud Infrastructure Distributor · Dominican Republic
Teamgrootte: 50–100
Looptijd: 12 weeks
Gelanceerd: 2026

Dezelfde methode, verder uitgebreid

Van support-agents naar een volledig geautomatiseerde pipeline.

De knowledge-layer-aanpak beperkt zich niet tot support. Hier drijft hij een end-to-end pipeline voor contentproductie aan — dezelfde methode toegepast op een nieuw patroon.

Fully-Automated Short-Form Video Content Pipeline

$8.00 and 40 minutes per video$3.00 and 15 minutes per video

Probleem. Producing short-form videos by hand doesn't scale: every clip needs a script, voiceover, music, captions, an avatar, and a thumbnail — then reformatting for four platforms. Cadence collapses under manual editing, and there's no per-channel visibility into cost or performance.

Aanpak. A script-driven pipeline turns one markdown spec into finished videos end to end: parse the timeline, AI voiceover with word-level timing, lip-synced avatar, music bed, assembly, word-by-word captions and overlays, thumbnail, then publish to four platforms. Checkpointed re-runs skip finished steps, with a metrics dashboard reporting cost and performance per channel.

PythonffmpegElevenLabsHedraRemotion 4Cloudflare R2Next.js dashboard

Sector: Cruise Excursions Platform · United States
Teamgrootte: 10–25
Looptijd: 6 weeks
Gelanceerd: 2026