"Waar is mijn bestelling?"
Klantenservice · elke dag honderden kerenDe eerste vier weken keurt een mens elk antwoord. Daarna alleen de afwijkingen, zoals een tekort of een zending die stilstaat.
Een werkende agent voor Proforto, gebouwd op Claude, met tools op Magento, Monta, Trengo, ClickUp en Power BI. Stel hem een vraag zoals een collega dat in Slack zou doen. Alles wat iets verandert, wacht op een akkoord van een mens.
100482 is deels verzonden. Maat 42 en de broeken zijn op 8 oktober afgeleverd.
PO-55120: 60 paar, 14 oktober, bevestigdKies een kanaal en een voorbeeld, of typ zelf. De agent zoekt het echt op in de demodata, en rechts zie je welk systeem hij aanspreekt. Een antwoord aan een klant of een taak in ClickUp wordt altijd een akkoordkaart. Maximaal 20 vragen per dag per bezoeker.
Elke tool-aanroep licht hier op. Lezen gaat direct, schrijven gaat via de groene poort.
In de vacature staat "klantgerichte AI-assistenten". Dit is er een: hij kent de pasvorm per model, ziet alleen beschikbaarheid (geen aantallen) en zet door naar een collega bij een klacht, retour of grote zakelijke order.
van de retouren op veiligheidsschoenen in de demodata is "te klein". Een assistent die per model weet hoe hij valt, haalt dat direct omlaag. Dat is meetbaar in Power BI.
Maat per model, normen als S3 en EN 343 in gewone woorden, en een nette overdracht naar Trengo als het een mens nodig heeft.
Geen leverdata, geen aantallen, geen interne informatie, geen kortingen. Vragen buiten producten en bestellen weigert hij vriendelijk.
Niet alles hoeft een agent te worden. Per proces kies ik tussen een agent, een n8n-flow, een simpele koppeling, of niets doen. De cijfers hieronder zijn van buitenaf ingeschat, om de methode te laten zien. Van binnenuit ziet het er vast anders uit.
Besparing = volume per week keer minuten per keer keer het deel dat te automatiseren is. Uitgerekend in de browser, niet door een taalmodel.
Vaste stappen horen in n8n, oordeel en taal horen bij het model, en de laatste stap naar buiten is een mens. Zo blijft het voorspelbaar, goedkoop en te controleren.
De eerste vier weken keurt een mens elk antwoord. Daarna alleen de afwijkingen, zoals een tekort of een zending die stilstaat.
Geen AI nodig: het is rekenwerk. Een model erbij voegt hier alleen kosten en onzekerheid toe.
Vrije tekst van klanten omzetten in vaste categorieën is precies waar een model goed in is. De beslissing om een productpagina aan te passen blijft bij content.
Dezelfde tools als in de live agent hierboven, maar dan als MCP-server, zodat OpenClaw, Claude en andere agents ze op dezelfde, gecontroleerde manier gebruiken.
// fragment: MCP-server voor de Proforto-agents server.tool("get_order", "Magento-order met Monta-zendingen. Alleen lezen.", { query: z.string().max(40) }, async ({ query }, ctx) => { const order = await magento.orders.find(query); const shipments = await monta.shipments.byOrder(order.id); audit.log("get_order", { agent: ctx.agent, query }); return text({ order, shipments }); }); server.tool("request_action", "Schrijfactie aanvragen. Voert niets uit.", { system: z.enum(["Trengo", "ClickUp", "Magento", "Monta"]), action: z.string(), target: z.string(), draft: z.string().optional() }, async (req, ctx) => { const card = await slack.approvalCard({ ...req, agent: ctx.agent }); return text(`wacht op akkoord: ${card.id}`); });
Wat jullie zoeken, doe ik in het klein al voor mijn eigen bedrijven. Een overzicht met een interactief organigram van mijn agentteam staat op peterheijnen.lazylizardai.com.
Op mijn laptop en een mini-pc die 24/7 draait. Claude verdeelt het werk; GPT bouwt frontends, Grok bewaakt, Kimi praat met websitebezoekers. Voor mijn visverwerking beantwoordt een agent WhatsApp en mail, en maakt een andere van productieberichten orders en zet de boekhouding klaar. Betalingen keur ik zelf goed.
Eerst luisteren bij de mensen die de processen draaien, dan een ding live dat iedereen merkt, dan opschalen met meetpunten.

Ondernemer, oud-beroepsofficier ICT
Sinds Defensie heb ik eigen bedrijven, waaronder een visverwerking met personeel in Nederland. Ik ben steeds meer met AI en automatisering bezig geraakt, eerst voor mijn eigen werk, later in eigen producten. Daar wil ik nu mijn vak van maken, in een team waar het echt gebruikt wordt. Ik woon op Curaçao en kom in het voorjaar van 2027 terug naar Nederland. Eerder op afstand beginnen kan, met regelmatig dagen in Nijmegen.