AI & automatisering

Dit is een gelijkwaardige peer van de andere vier gebieden, geen bolt-on. Dezelfde discipline die een integratieplatform betrouwbaar maakt — contracten, observability, governance — is precies wat de meeste AI-projecten missen. Ik bouw agentic systemen zoals ik elk productiesysteem bouw: met kostenbeheersing, evaluatiegates en een audit trail.

Wat ik doe

• Agentic systemen met guardrails. Model routing, kosten- en budgethandhaving per agent, vendor abstraction, en een local-model fallback voor soevereiniteit — met Prometheus-observability zodat uitgaven en gedrag zichtbaar zijn.
• Retrieval die gegrond is. RAG met goede embeddings en reranking, zodat antwoorden uit jouw data komen en niet uit de verbeelding van het model.
• Evaluatie als gate. L1–L4 testlagen, LLM-as-judge, en golden datasets zodat een regressie wordt opgevangen voordat die live gaat — het AI-equivalent van acceptatiecriteria.
• Governance die je kunt auditen. Deterministische tool-contracten (MCP), antwoorden die te herleiden zijn naar een vastgelegde call chain, en een model van "agents stellen voor, mensen beslissen" dat wordt afgedwongen in de delivery-pipeline.

Het bewijs

Ik adviseer hier niet alleen over — ik bouw het. De portfolio is drie verwante repositories verteld als één govern → build → deliver-verhaal. In het belang van eerlijkheid: één daarvan draait vandaag end-to-end; de andere twee zijn referentiearchitecturen. Het zijn geen drie productiesystemen, en de kaarten zeggen dat ronduit.

Aangetoond door

• De AI-trio — de govern→build→deliver-casestudy achter dit gebied.
• Portfolio — de repositories zelf, met eerlijke volwassenheidslabels.

Achtergrond: DeepLearning.AI Agentic AI (2025); 20+ jaar bouwen aan data- en ML-systemen.