Dit artikel is eenvervolg op Wij bouwden onze volledig eigen AI-first Workspace, CMS, CRM, Social media management tool en meer
In april schreven we hoe we al onze werkzaamheden in een zelfgebouwd operating system hebben gebouwd. Daardoor hebben wij Geen Slack. Geen Salesforce. Geen Google Analytics. Geen Excel, Geen Powerpoint. Geen Notion, geen Trello, geen Buffer, geen WordPress. Alles zelf gebouwd, en alles praat met elkaar. Hier hebben wij toen veel enthousiaste reacties op gekregen en daarom nu weer een update over wat ons betreft hele vette ontwikkelingen.
Bij ons vorige artikel was het verhaal: alles op één plek scheelt gedoe, kosten en als belangrijkste, omdat alle data in één database zit, kun je dingen automatiseren die een stapel losse SaaS-tools nooit voor elkaar krijgt. Ondanks dat het toen al aan een deel van de punten voldeed, was het ook nog maar een begin van onze visie.
Want het interessante is niet dat alles op één plek staat. Dat boeit denk ik maar weinig mensen. Het is wat je er vervolgens bovenop kunt leggen. De afgelopen weken hebben we die laag gebouwd, en hij verandert hoe je gewend bent om te werken. Onze workspace is geen archief meer waar je dingen in terugzoekt en berichten verstuurd. Hij is een brein geworden dat meedenkt, onthoudt, en zijn eigen kennis bijhoudt.
Om dit te bouwen blijven wij ons inlezen in hoe andere bedrijven dit doen. Recent kwam bijvoorbeeld dit artikel (How to build an AI-first company) over het Nederlandse HelloPrint online, wat hier op een eigen manier ook mee bezig is.
Dit is hoe het voor ons werkt en waarom we denken dat hier zeker voor het MKB een giga kans op voorsprong ligt die de meeste bedrijven nog niet zien.
Van "AI in elke module" naar "een laag die alles overziet"
Toen we ons vorige artikel schrijven zat AI al overal: suggesties voor follow-ups in het CRM, een CMS dat meeschrijft, verrijking van contacten. Allemaal handig maar het waren nog losse slimmigheden, elk binnen hun eigen schermpje. Net als de tools waar we vanaf wilden, alleen dan netjes onder één dak.
De vraag die ons bleef bezighouden en mede ten grondslag lag aan de keuze om ThinkagainOS te bouwen: wat als er één laag is die over alles heen kijkt? Die een deal niet ziet als een rijtje velden, maar als een verhaal opgebouwd uit de e-mails, de berichten, de afspraken, de offertes en de facturen die er allemaal aan vastzitten?
Dat is wat we afgelopen maand bouwden. Intern noemen we het gewoon "het Brein". Geïnspireerd op de term "Company Brain" die je de laatste tijd mogelijk wel vaker langs hebt zien komen in de ai-wereld.
1. Samenvattingen die zichzelf bijhouden
Voor elke deal, elk bedrijf, elke to do, etc. onderhoudt het systeem nu een levende samenvatting. Daarmee ga je van velden die iemand ooit invulde en daarna vergat, naar een samenvatting die het AI-model zelf actueel houdt zodra er iets verandert.
Open een deal en je ziet meteen:
waar de deal staat (loopt goed / risico / wacht op klant / gewonnen);
de belangrijkste feiten en wat er nog openstaat;
de risico's, met hoe zwaar ze wegen;
en een concrete volgende stap, met één klik om te zetten in een taak.
Daarvoor leest het systeem alles wat aan die deal hangt: de activiteiten, de berichten in het kanaal, de gekoppelde afspraken, de offertes en facturen. Het maakt er het verhaal van dat jij anders zelf uit acht schermen bij elkaar had moeten klikken. En op bedrijfsniveau, taakniveau etc. doet het hetzelfde: één blik op een klant, met alle deals, contacten en openstaande facturen samengevat.
Een klein maar belangrijk detail: het systeem rekent een soort vingerafdruk uit van alle onderliggende informatie. Veranderde er niets, dan maakt het ook geen nieuwe samenvatting, dat scheelt onnodige (en niet-gratis) AI-aanroepen. Verandert er wél iets, dan ververst het vanzelf.
2. Het mag niets verzinnen
Dit is misschien wel de belangrijkste keuze die we maakten, en precies waar de meeste AI-experimenten in bedrijven stuklopen: hallucinatie (niet voor niets van Dale woord van het jaar in 2025). AI die met volle overtuiging dingen beweert die niet kloppen. In een marketingtekst is dat vervelend. In je CRM is het gevaarlijk.
Onze oplossing: elke harde bewering die het Brein doet, moet wijzen naar een echt bronrecord, dat specifieke bericht, die concrete factuur, die bestaande afspraak. Daarna loopt er gewone, voorspelbare software overheen (geen tweede AI) die controleert of die bron écht bestaat. Verzonnen bronnen worden eruit gegooid voorrdat jij de samenvatting ziet.
Het effect: het Brein kan niet overtuigend liegen. Wat je ziet, is herleidbaar tot iets wat daadwerkelijk in je systeem staat. Vertrouwen is hier geen belofte op een slide. Het zit in de bouw. Aangezien we het pas recent hebben gebouwd, is dit natuurlijk wel iets wat we komende tijd moeten blijven monitoren, voordat we het blind kunnen vertrouwen.
3. Daan (onze AI-collega) onthoudt nu
Bovenop het Brein zit Daan, onze ingebouwde AI-collega. Eerder noemde we onze Openclaw Daan. Nu deze Daan er niet meer is, heeft Daan een nieuw leven gekregen. Daan kan bij alles in het dashboard, raadpleegt het Brein, maakt taken aan en beantwoordt je vragen, getypt en gesproken. Er is een live spraakmodus waarin je gewoon hardop tegen Daan praat terwijl je verder werkt.
Vraag "wat staat er open bij bedrijf X?" en Daan haalt het account-brein erbij: de openstaande punten, de risico's, de aanbevolen volgende stap. En maakt er vervolgens zelf meteen een taak van na je goedkeuring.
Maar de echte sprong, ten opzichte van het bevragen van Daan: Daan onthoudt nu. We bouwden een geheugenlaag, beslissingen, voorkeuren en feiten die over gesprekken heen blijven gelden. Vertel je Daan één keer hoe je iets aangepakt wilt hebben, dan hoef je dat geen tweede keer te doen.
4. Een kennisbank die zichzelf schrijft
Dit is het nieuwste, en stiekem ons favoriete stuk. Het is geïnspireerd op een idee van AI-onderzoeker Andrej Karpathy: keer de gebruikelijke verhouding om. Normaal onderhouden mensen de kennis en gebruikt de AI die. Wij laten de AI de kennis onderhouden en gebruiken wij mensen die.
Concreet: het systeem stelt zelf kennispagina's samen: playbooks, processen, geleerde lessen en dat door je hele werkomgeving te doorzoeken (deals, notities, berichten, de breinen) en door daar gegronde, herleidbare pagina's uit te schrijven. Met dezelfde anti-verzin-controle: elk kernpunt wijst naar een bron. En die pagina's voeden zichzelf weer terug het systeem in, zodat ze meteen vindbaar zijn en de volgende samenvatting slimmer maken.
Je kent het probleem van elke bedrijfswiki: na drie maanden is hij verouderd, want niemand houdt hem bij. Toen ik zelf met Obsidian begon op basis van de digital brain van Karpathy, kwam ik daar na weken ook terecht. Onze kennisbank veroudert niet, omdat niemand hem hoeft bij te houden. Hij groeit mee met het werk en heeft ook toegang tot al ons werk.
5. Het systeem dat zelf begint
Het laatste stuk is het verschil tussen een systeem dat je moet bevragen en eentje dat zelf begint. Elke ochtend stelt het platform een briefing samen: je taken, je afspraken, je deals en daar bovenop de signalen uit het Brein. De risico's die aandacht nodig hebben, de volgende stappen die blijven liggen, op volgorde van wat voor jou het belangrijkst is.
(En ja, ondertussen ging de boekhouding er ook nog naadloos in. De koppeling met Moneybird, het enige software oplossing die we bewust we niet zelf hebben gebouwd, maar gekoppeld loopt twee kanten op: bedrijven, contacten, offertes en facturen synchroniseren automatisch, en we hebben een live financieel overzicht: omzet, openstaand, marge, btw, forecast. Een deal in het CRM "weet" nu of de offerte verstuurd is en of de factuur betaald is. Precies die context waar het Brein weer op draait.)
Wat dit voor jouw bedrijf betekent
Hier zit de overtuiging achter dit hele project, en de reden dat we het delen.
Grote bedrijven gaan zo'n systeem niet zomaar voor zichzelf ontwikkelen. Zij vertrouwen op de Salesforcen, Slacks, Microsofts en Googles van deze wereld. En een migratie naar een zelfgebouwde tool is nauwelijks realistisch, waardoor data altijd over verschillende platformen verspreid zal blijven. Daarnaast was er tot een jaar geleden de terechte aanname dat het MKB moest wachten tot een leverancier het ooit in een standaardpakket goot.
Dat laatste klopt niet meer. Wat vijf engineers vroeger een jaar kostte, bouwt een klein team nu in maanden en de losse bouwstenen (een goede database, betaalbare AI per aanroep, moderne frameworks) liggen voor iedereen klaar. Wat schaars is, is niet de technologie. Het is de visie en samenhang: durven kiezen voor één systeem in plaats van twaalf, en de discipline om er een slimme laag overheen te leggen.
En juist daar heeft het MKB een voordeel dat het zelf vaak niet ziet:
Jullie data past nog in één geheel. Een groot concern verzuipt in legacy-systemen en silo's. Een MKB-bedrijf kan zijn hele operatie nog in één samenhangend systeem vatten waaronder zo'n brein werkt.
Jullie beslissen snel. Geen stuurgroepen, geen inkooptraject van een jaar. Wat wij deze weken bouwden, ging van idee naar werkend systeem een paar maanden en dat naast ons 'gewone werk'.
De marge zit in context, niet in mankracht. Een klein team dat élke klant behandelt alsof het de enige is, omdat het systeem het volledige verhaal paraat houdt, concurreert met partijen die tien keer zo groot zijn.
De voorsprong is dus niet "wij gebruiken AI", maar zoals Hans Scheffer ook zegt "wij bouwen AI-first". Iedereen gebruikt straks AI. De voorsprong is: alles op één plek, met een laag erover die meedenkt. Losse AI-tools die elkaars data niet zien, geven je tien slimme eilanden. Eén systeem met een brein geeft je een bedrijf dat als geheel slimmer wordt naarmate het meer doet.
Als je hier zelf aan wilt beginnen
We bouwden dit voor onszelf, maar de aanpak is geen geheim. Vijf dingen die we onderweg leerden:
Begin bij de data, niet bij de AI. AI is de laatste laag, niet de eerste. Zonder verenigde, schone data heeft het slimste model niets om slim mee te zijn. De saaie integratieklus, alles in één systeem krijgen, die ik zelf overigens echt niet saai vond, omdat ik mijn ogen uit keek van wat er kan, is het meeste werk.
Laat het systeem doen wat niemand leuk vindt. Samenvattingen bijhouden, kennis documenteren, signaleren wat blijft liggen. Precies het werk dat mensen onder druk overslaan en precies waar een brein onvermoeibaar in is.
Maak vertrouwen controleerbaar. Een AI die af en toe iets verzint, gebruik je niet lang. Bouw de controle in de techniek. Alles herleidbaar tot een bron.
Keer de kennisvraag om. Stop met mensen vragen de wiki bij te houden. Laat het systeem de kennis schrijven en de mensen hem gebruiken.
Bouw voor de lange adem. Wij kozen consequent de degelijke weg boven de snelle hack. Een brein dat je vertrouwt, bouw je niet met afkortingen.
Schroom niet om hulp te vragen. Wij helpen je graag en hebben het immers al wel eens eerder gedaan.
Tot slot
Wij geloven dat dit de komende jaren het verschil maakt tussen MKB-bedrijven onderling. Niet wie het best of meest in ChatGPT, Claude of Co-pilot praat, de meeste tools heeft, maar wie zijn eigen werk het beste begrijpt en een systeem heeft dat dat begrip vasthoudt, aanscherpt en teruggeeft.
En ja, ook dit artikel kwam weer grotendeels uit het systeem zelf. We konden het schrijven omdat we het zelf bouwden en we kunnen klanten alleen geloofwaardig vertellen wat AI met hun werk doet als we het zelf elke dag doen.
Wij bouwden het voor onszelf. Maar de kans ligt voor iedereen open. Wil je een keer een demo? Stuur dan vooral een bericht.
