Notities.
Korte stukken over senior engineering, AI-integratie in productie, en het runnen van een ZZP-praktijk in Nederland.
AI-feature scope creep: prijs het voordat het duur wordt
AI-feature scope creep ontstaat in week drie van een build. Dit proces sorteert verzoeken, prijst ze en houdt de deadline overeind.
Lees postAI-feature SLA: waarom 95% nauwkeurigheid onhoudbaar is
Een AI-feature SLA met door klant gemeten nauwkeurigheid is een tijdbom. Regel voor regel herschrijven naar iets wat je echt kunt nakomen.
Lees postPOC Audit vs Leverancier Review: Wie Vertel Je Wat Niet Klopt
Een vergelijking tussen poc audit en leverancier review laat zien waar incentives botsen: drie bevindingen die een gratis review bijna nooit opschrijft.
Lees postAI-feature data gereedheid: waarom week 1 de build bepaalt
AI-feature data gereedheid wordt in offertes weggeaannomen en vreet daarna weken bouwtijd op. Zo audit je toegang, schema en eval-data zelf.
Lees postLLM non-determinisme in productie: wat temperature niet oplost
LLM non-determinisme productie is meer dan sampling: retrieval-orde, prompt-drift en modelwissels spelen mee. Zo meet en fix je het.
Lees postPoc-audit scope: wat een readiness-audit wel en niet dekt
Een poc-audit scope is smal: hij meet of je prototype productie overleeft, niet of de markt het wil of je juridisch gedekt bent. Hier zijn de grenzen.
Lees postWaarom je AI-feature uitrolplan belangrijker is dan de launch
Een AI-feature uitrolplan voorkomt stille storingen: kies de uitrolvorm, bouw poorten per stap, en zorg dat uitzetten binnen zestig seconden werkt.
Lees postLLM model wisselen? Behandel het als migratie, niet als config
LLM model wisselen lijkt een kleine configwijziging, maar heeft grote impact. Leer de sequentie: eval diff, shadow traffic, canary en rollbacktrigger.
Lees postPoc-audit timing: boek pas als geld onomkeerbaar wordt
Poc-audit timing draait niet om code maar om budget. Boek de audit in de week vóór het onomkeerbare commitment, niet erna.
Lees postAI-feature onderhoud na oplevering: wie is eigenaar?
AI-feature onderhoud na oplevering wordt zelden vastgelegd. Drie modellen, hun aannames en hoe je er vóór livegang een kiest.
Lees postLLM rate limits productie: het plafond dat je zelf veroorzaakt
LLM rate limits productie zijn geen providerstoring maar een capaciteitsvraagstuk: meet je piek, log je headroom en bepaal vooraf wat je laat vallen.
Lees postPOC-audit week: wat een senior engineer écht test
Een POC-audit week is geen code review maar vijf dagen meten: load, kosten en evals tegen jouw echte data, met rapport en plan.
Lees postAI-feature legacy systeem integratie: waarom het dubbel kost
Een AI-feature legacy systeem integratie lijkt op modelwerk, maar auth, data en deploy bepalen écht de kosten en doorlooptijd.
Lees postContext window overflow: waarom 128K tokens niet genoeg is
Context window overflow slaat stil toe in productie: frameworks trimmen zonder waarschuwing. Zo meet en budgetteer je tokens per onderdeel.
Lees postAI POC-audit bevindingen: 7 gaten die elke demo verbergt
De AI POC-audit bevindingen die het vaakst terugkomen: retrieval op schaal, kostenmodellen, evalsets, prompts en failover. Met zelftest van zes checks.
Lees postAI-feature bouw mijlpalen: zo voorkom je een mislukte sprint
Leer hoe goede AI-feature bouw mijlpalen scope creep voorkomen en elke betaling koppelen aan iets dat echt werkt en draait.
Lees postAI-agent loops beheersen: stop de 340-call ticket-ramp
AI-agent loops beheersen met iteratie-, tijd- en kostenbudgetten, loopdetectie en escalatiepaden, zodat agents aantoonbaar stoppen in plaats van doorwerken.
Lees postAI demo diagnose: audit, hardening of toch een volledige build?
Een AI demo diagnose scheidt onaf van stuk van verkeerd ontworpen, zodat je niet betaalt voor de verkeerde fix: audit, hardening of rebuild.
Lees postAI-feature team grootte: waarom één engineer vaak genoeg is
De juiste AI-feature team grootte is meestal geen squad van vier. Waarom één senior engineer plus domeinexpert vaker het beste werk levert.
Lees postMulti-tenant AI data isolatie: waar je RAG-stack echt lekt
Multi-tenant AI data isolatie gaat verder dan row-level security. Dit zijn de vier plekken waar cross-tenant lekken écht ontstaan, met checklist en test.
Lees postWaarom je AI pilot purgatorium geen technisch probleem is
Zit je vast in AI pilot purgatorium? Vaak is het geen modelprobleem maar een ontbrekend besluit. Vier vragen die direct duidelijkheid geven.
Lees postVoice AI productie: 5 fouten die je demo laten crashen
Hoe voice AI productie misgaat bij echte bellers: endpointing, barge-in, monitoring en kostencontrole die vóór go-live geregeld moeten zijn.
Lees postStille modelupdates: waarom je AI-feature degradeert zonder deploy
Stille modelupdates laten AI-features ongemerkt degraderen. Leer model pinning, eval-snapshots en een rollbackplan opzetten voor je klanten het melden.
Lees postPrompt-injectie productie: waarom je system prompt geen slot is
Prompt-injectie productie stop je niet met regels in de system prompt. Lees welke lagen écht houden: permissies, classificatie en output-checks.
Lees postGestructureerde output fouten: de stille datacorruptie in AI
Gestructureerde output fouten corrumperen data in plaats van gebruikers te irriteren. Zo bouw je de validatielaag, repair-logica en metrieken die dit voorkomen.
Lees postAI-feature failover strategie: val niet overal uit door één provider
Een AI-feature failover strategie met provider-, model- en degraded-mode-lagen voorkomt dat één provider-storing je hele product platlegt.
Lees postLLM kosten productie piek: de 5 oorzaken en de fix
Een LLM kosten productie piek is zelden groei. Vijf echte oorzaken, de fix per fout en het dashboard dat finance voor blijft.
Lees postAI-feature spec sjabloon: leg scope vast vóór de offerte
Gebruik dit AI-feature spec sjabloon om scope vast te leggen vóórdat leveranciers offreren, zodat je offertes eerlijk kunt vergelijken en dure verrassingen voorkomt.
Lees postAI-feature ROI: het model dat waarde meet vóór de build
Zo bereken je AI-feature ROI vóór er een regel code is: vier waardehefbomen, een eerlijke kostenstack en de korting die je moet toepassen op elke demo-score.
Lees postAI-feature acceptatiecriteria: waarom een demo niet genoeg is
Zonder AI-feature acceptatiecriteria tekent u blind af bij een overdracht. Dit zijn de vijf harde eisen en artefacten die u zelf moet controleren.
Lees postAI POC zelfaudit: 15 checks voor je iemand inhuurt
Doe de AI POC zelfaudit voordat je een auditor belt: 15 checks in drie tiers, zodat je weet wat je zelf kunt beantwoorden en wat niet.
Lees postAI Monitoring Productie: Zie Kwaliteitsverlies Voor de Klant Het Doet
AI monitoring productie voorkomt dat verslechterde antwoorden pas via klachten opvallen. Vijf signalen, drempels en een bouwplan met tooling die je al hebt.
Lees postAI-feature architectuur: 4 beslissingen vóór je bouwt
Zonder heldere AI-feature architectuur eindigt elke full build in een herbouw in maand drie. Dit zijn de vier lagen die je vooraf moet vastleggen.
Lees postAI POC prioriteiten: welke fixes eerst na een audit
Twaalf audit-bevindingen, drie weken, één engineer. Zo bepaal je AI POC prioriteiten met vier assen in plaats van severity-labels.
Lees postRAG evaluatie metrics: retrieval en generatie apart meten
RAG evaluatie metrics die falen voorspellen: recall, precision, MRR, faithfulness, golden sets en drempels om releases te blokkeren.
Lees postAI-leverancier beoordelen: 7 vragen die wrapper-shops ontmaskeren
Een AI-leverancier beoordelen doe je niet met vragen over prijs of model. Dit script van 30 minuten en de scorekaart onthullen wie echt productie-ervaring heeft.
Lees postPOC-audit kosten vs. een gebroken AI-launch: de rekensom
POC-audit kosten lijken hoog, tot je ze naast een mislukte AI-launch legt. Nederlandse tarieven, echte rekensom en wanneer de audit zichzelf terugverdient.
Lees postAI latency productie: van 'voelt traag' naar meetbare p95-fix
AI latency productie oplossen begint niet bij een sneller model, maar bij vijf gemeten pipeline-stages, budgetten en monitoring per stage.
Lees postAI-feature laten bouwen: de 7 lagen die elke offerte verzwijgt
Een AI-feature laten bouwen kost meer dan modelintegratie. Deze checklist toont de 7 lagen, budgetverdeling en SOW-regels voor CTO's.
Lees postAI POC-audit rapport: koop bewijs, geen PDF vol adjectieven
Wat hoort er echt in een AI POC-audit rapport? Acht secties, een uitvoerbaar 90-dagenplan en vijf signalen dat je audit theater is.
Lees postPrompt Versiebeheer in Productie: Stop Stille Regressies Nu
Prompt versiebeheer productie voorkomt stille regressies: manifest, git-diff, regressiesuite en rollback in 5 minuten zonder redeploy.
Lees postAI-feature MVP bouwen Nederland: bureau, freelancer of senior?
AI-feature MVP bouwen in Nederland: prijsbanden voor bureau, freelancer en fractional engineer, plus een spec-checklist om offertes te vergelijken.
Lees postHoe lang duurt het om een AI-feature te bouwen? Vier ranges
Twijfel je hoe lang AI-feature bouwen echt duurt? Vier projectvormen, eerlijke weekranges en het middelste derde dat elke offerte weglaat.
Lees postVan AI demo naar productie: de audit vóór het budget
Een werkende AI demo is geen bewijs. Zo audit je de weg van AI demo naar productie in een week, met een twaalfpuntenchecklist voor je budgetgesprek.
Lees postLLM Hallucinatie in Productie: Het Eerste Uur Telt Echt
Praktische veldgids voor LLM hallucinatie productie: triage in het eerste uur, oorzaak vinden, mitigaties shippen en guardrails bouwen die blijven werken.
Lees postAgent-frameworks in 2026: wat overleeft de productie echt
LangGraph, CrewAI, de nieuwe SDK's. Welke agent-abstracties standhouden onder echte belasting, welke je in maand drie eruit sloopt, en wanneer je het framework beter overslaat.
Lees postDe AI-functie die eigenlijk een SQL-query had moeten zijn
Een veldgids voor over-engineerde AI. Hoe je herkent wanneer je echt een LLM nodig hebt, en wanneer je kosten, latency en onvoorspelbaarheid toevoegt aan een probleem dat gewone code allang oploste.
Lees postMag je bedrijfsdata naar OpenAI sturen? Een praktische AVG-lezing voor Nederlandse teams
Het eerlijke antwoord is meestal ja, met voorwaarden, en soms nee. Dit is hoe je beslist, wat een verwerkersovereenkomst echt moet dekken, en wanneer je de data beter op je eigen infrastructuur houdt.
Lees postComputer vision op de fabrieksvloer: wat er verandert tussen de demo en de lijn
Een visiemodel dat 98 procent haalt op een schone testset kan op een echte productielijn waardeloos zijn. Het gat zit in belichting, timing, drift en de kosten van een verkeerde beslissing. Dit is wat er echt verandert als de camera naar de vloer gaat.
Lees postDe meeste AI-pilots halen productie nooit. Zo scope je er een die het wel haalt.
De demo werkt, iedereen is enthousiast, en zes maanden later staat er nog niets in productie. De oplossing is bijna nooit technisch. Het zit in hoe je de pilot scopet. Dit is de checklist die ik gebruik voordat ik een regel code schrijf.
Lees postDocument intelligence in 2026: OCR plus LLM-extractiepatronen die ik blijf pakken
Zes patronen voor het extraheren van gestructureerde data uit documenten met OCR en LLM's. Met de tradeoffs die bepalen welk patroon bij jouw use case past.
Lees postLLM-evaluatie die productie overleeft: de continuous eval loop die niemand draait
De meeste teams draaien een eval-suite een keer en raken hem nooit meer aan. Hier is de continuous eval-workflow die regressies vangt voordat klanten dat doen, met de tradeoffs van het bouwen ervan.
Lees postWat er echt breekt als AI in productie komt: een lijst uit 2,5 jaar praktijk
Zeven faalmodi die ik het vaakst zie wanneer AI-features van werkend in dev naar 24/7 productie gaan. Concrete fixes, geen theorie.
Lees postVoice AI voor B2B in 2026: LiveKit, OpenAI Realtime, AssemblyAI en Cartesia vergeleken met echte cost- en latency-cijfers
Hands-on benchmarks voor de vier hoofdcomponenten van een productie voice AI-stack. Kosten per minuut, end-to-end latency, taalondersteuning en de tradeoffs die je pas ziet na het lanceren.
Lees postVan CrewAI naar LangGraph: een migratiehandleiding
CrewAI is top om te prototypen. LangGraph breng je naar productie. Vijf stukken die je moet toevoegen, plus de failure modes die in productie opduiken.
Lees postBuild vs buy AI features: de math voor je CTO
Drie echte patronen voor de build vs buy keuze rond AI, met ruwe cijfers en een oefening van twee uur. De ene vraag die 80% van de discussies oplost.
Lees postJe RAG werkt in dev. Hier is waarom het in productie breekt.
Een RAG-diagnose in vijf vragen. De vier plekken waar retrieval breekt onder echte gebruikers. Wat context engineering daadwerkelijk betekent als je eval eerlijk is.
Lees postRAG of fine-tuning: een 20-minuten beslissing
Hoe je kiest tussen RAG en fine-tuning. Een beslisstroom van 20 minuten, drie gevallen waarin fine-tuning fout is, en hoe hybride er echt uitziet.
Lees postOn-prem LLM-hosting in Nederland: wanneer, waarom en wat het in 2026 daadwerkelijk kost
Privacy, AVG, EU AI Act en kosten. Wanneer on-prem LLM-hosting zinvol is voor Nederlandse bedrijven, en de echte cijfers achter een vLLM- of Ollama-deployment vergeleken met AWS Bedrock of OpenAI.
Lees postEU AI Act-checklist voor Nederlandse softwareteams
Nederlandse SaaS-teams overschatten hun risicocategorie onder de EU AI Act. Een werkbare checklist voor de deadline van augustus 2026. Geen juridisch advies.
Lees postProductie computer vision in industriële omgevingen: 7 dingen die academische papers nooit vertellen
Lessen uit het 24/7 draaien van een CV-systeem dat producten gradeert op een lopende sorteerband. Annotatiekosten, label-ruis, het research-naar-productie gat en wat daadwerkelijk verschil maakt.
Lees postEen AI engineer aannemen in Nederland
Drie manieren om senior AI engineering binnen te halen bij een Nederlandse scale-up in 2026. Wat elke optie echt kost, en welke red flags je moet vermijden.
Lees postWat een productie-LLM-feature in 2026 echt kost
Tokenuitgaven zijn de kleinste post op de rekening. Hier zijn de verborgen kosten van een LLM-feature live brengen, met cijfers uit echte systemen.
Lees post