AI
AI die je eigen gegevens kent.
Geen algemene chatbot, maar AI die op jouw data draait. Newbit bouwt toepassingen die documenten opstellen, mailboxen uitlezen en je overleg voorbereiden.
Wat we doen
Van losse experimenten naar iets dat werkt.
Bijna iedereen heeft inmiddels wel met een taalmodel gespeeld. Het verschil zit in de stap erna: een model dat je eigen offertes, contracten en klanthistorie kent en dat vast in een werkproces zit. Daar bouwen wij aan, binnen je eigen Microsoft-omgeving zodat je gegevens niet ergens anders belanden.
- AI op je eigen documenten die antwoord geeft met de bron erbij
- Teksten die zichzelf opstellen zoals offertes, klantrapportages en verslagen
- Vast in het proces in plaats van een los venster waar je heen moet
Toepassingen
Waar het nu al geld oplevert.
Calculatie en conceptofferte in een minuut
Voor een bouwbedrijf bouwen we een toepassing die binnenkomende aanvragen uitleest, de technische documenten uit de bijlage analyseert, maten en hoeveelheden berekent en een conceptofferte klaarzet in een vaste map. Jij doet de laatste aanpassing en verstuurt.
AI-sales secretaresse
Voor accountmanagers: op basis van je agenda ziet de app welke klanten je bezoekt. Je krijgt automatisch een rapport met openstaande facturen, hardlopers, artikelen die juist in volume dalen en het laatste bedrijfsnieuws uit openbare bronnen.
Overleg voorbereid
Voor elk klantgesprek een samenvatting van wat er speelt: openstaande orders, laatste contactmomenten en de cijfers die ertoe doen.
Vertrouwd door onder andere
AI-automatisering
Waar AI stopt en automatisering begint.
AI is sterk in taal en in beoordelen; automatisering is sterk in altijd hetzelfde doen. De meeste winst zit in de combinatie. Een binnenkomende factuur wordt automatisch opgehaald, AI leest eruit wat erin staat, en de boeking gaat er vervolgens weer automatisch in. Niemand typt nog iets over.
Ons aanbod
Wat moeten we met AI.
Die vraag krijgen we steeds vaker. Dit is waar we op dit moment mee helpen, van fundament tot training.
Kwalitatieve data
De kwaliteit van AI valt of staat met de data die het gebruikt. Wij ontsluiten de relevante systemen, schonen op en verbinden alles tot één betrouwbare bron voor elke AI-toepassing.
Een AI-strategie
In twee of drie sessies combineren we jouw proceskennis met onze data- en AI-kennis. Waar zitten de knelpunten, welke modellen zijn kostenefficiënt, hoe integreert het veilig? Dat vatten we samen in een roadmap met prioriteiten, architectuur en kosten.
Specifieke AI-apps
Een gewone applicatie die waar nodig een taalmodel inzet om data te interpreteren of informatie op te zoeken. De twee voorbeelden hierboven draaien nu bij klanten.
Je mensen meenemen
Medewerkers leren de huidige AI-tools optimaal gebruiken, zodat ze zelf veilig agents kunnen maken die hun dagelijkse werk lichter maken.
Rapporteren met AI
Vragen stellen aan je eigen cijfers.
Waar je vroeger een rapport aanvroeg en wachtte, stel je nu gewoon de vraag. Het antwoord komt uit je eigen data, niet uit een algemeen model.
Vraag het in gewone taal
“Hoe staat de marge op vervoer er dit kwartaal voor?” AI vertaalt dat naar een query op je datawarehouse en geeft het antwoord met de onderliggende cijfers erbij.
Een dashboard dat meepraat
Naast je Power BI-rapportage komt een uitleg in woorden: wat valt op, wat wijkt af van vorige maand en waar zit de grootste beweging. Handig voor iedereen die geen dashboard wil lezen.
Alleen zo goed als je data
Een taalmodel op losse Excel-bestanden geeft net zo makkelijk een verkeerd getal. Daarom leggen we er altijd eerst een datafundament onder, met vaste definities.
Hoe we het aanpakken
Klein beginnen, snel zien of het werkt.
Kennismaking
Waar gaat de tijd heen
We zoeken samen het werk op dat vaak terugkomt en veel tekst of beoordeling kost. Dat zijn de plekken waar AI wat oplevert.
Proef
Eén toepassing, twee weken
We bouwen er één, op echte data van jullie. Na twee weken weet je of het werkt en wat het scheelt, zonder dat je aan een traject vastzit.
Uitrollen
In het proces
Werkt de proef, dan zetten we hem vast in de plek waar je collega’s toch al werken: Teams, je ERP of je mailbox.
Bijhouden
Modellen veranderen
We kijken periodiek of het model nog het beste past en of de antwoorden nog kloppen. Nieuwe versies zijn vaak sneller of goedkoper.
Alles draait op één datafundament
AI wordt pas nuttig als hij bij je gegevens kan. Staan die nog verspreid, dan brengen we ze eerst samen in een datawarehouse waar de toepassingen op kunnen lezen.
Veelgestelde vragen
Over AI.
Wat is het verschil tussen ChatGPT en AI op je eigen data?
ChatGPT kent alleen wat er openbaar op internet stond. AI op je eigen data zoekt eerst in jouw documenten, mails en cijfers en schrijft het antwoord op basis daarvan, met de bron erbij. Die techniek heet retrieval augmented generation en is het verschil tussen een algemeen praatje en een bruikbaar antwoord.
Gaan onze gegevens naar OpenAI of een ander bedrijf?
Niet als je dat niet wilt. We draaien de modellen standaard binnen je eigen Azure-omgeving in een Europese regio. Je gegevens worden daar niet gebruikt om modellen te trainen en verlaten je eigen tenant niet.
Wat kost een AI-implementatie?
Een eerste afgebakende toepassing begint rond een paar duizend euro. Een bredere uitrol over meerdere processen met koppelingen ligt in de praktijk tussen de vijf en vijftien mille, met daarna vaak enkele honderden euro’s per maand aan verbruik en licenties.
Hoe lang duurt het voordat een AI-toepassing draait?
Wij bouwen de eerste toepassing in twee weken, op echte data van jou. Daarna weet je of het werkt en wat het scheelt. Een bredere uitrol met koppelingen naar je andere systemen kost meestal nog vier tot zes weken.
Valt dit onder de AI-verordening?
Sinds 2 augustus 2026 gelden de algemene verplichtingen van de Europese AI-verordening ook voor bedrijven die AI inkopen en gebruiken. De meeste kantoortoepassingen vallen in de laagste risicoklasse en vragen vooral om transparantie: mensen moeten weten dat ze met AI werken. Wij leggen bij oplevering vast wat het model doet en waarop het draait, zodat je dat kunt aantonen.
Kun je met AI rapportages maken uit je eigen bedrijfsdata?
Ja. Dat is precies waar rapporteren met AI over gaat: je stelt je vraag in gewone taal en het antwoord wordt uit je eigen datawarehouse gehaald, met de onderliggende cijfers erbij. Voorwaarde is wel dat die data eerst gekoppeld en gedefinieerd is, anders krijg je een vlot geformuleerd maar verkeerd getal.
Wat als het model iets verzint?
Daarom laten we een antwoord altijd de bron meegeven: het document en de passage waar het vandaan komt. Bij toepassingen die geld of contracten raken kijkt er bovendien altijd een mens overheen voordat er iets de deur uitgaat.
Waar begin je met AI in een mkb-bedrijf?
Bij het werk dat vaak terugkomt en veel tekst of beoordeling kost. Denk aan offertes opstellen, mail sorteren, dossiers doorzoeken of gespreksverslagen maken. Dat zijn afgebakende processen waarin je binnen twee weken kunt zien of het iets oplevert.
Moeten we eerst ons datafundament op orde hebben?
Voor toepassingen op documenten en mail niet. Zodra AI met je cijfers moet rekenen wel, want anders krijg je keurig verwoorde antwoorden op basis van verkeerde getallen. In dat geval bouwen we eerst het datawarehouse eronder.
Verder lezen
Waar AI op leunt.
Case studyMoovle: één bron voor dashboards en automatisering
Hoe hetzelfde warehouse zowel de rapportage als de processen voedt.
Lees verder →
BlogWat is data warehousing en hoe start je ermee?
Bedrijven verliezen gemiddeld 11,6 uur per week aan losse databronnen.
Lees verder →
BlogData lakehouse versus data warehouse: welke kies je?
Waar het verschil zit, en wanneer welke keuze de goedkoopste is.
Lees verder →Benieuwd wat AI bij jullie zou schelen?
Noem het werk waar de meeste tijd in gaat zitten, dan zeggen we of AI daar iets aan doet.