Gevoelige data mag niet zomaar naar de cloud (niet naar Anthropic/OpenAI).
Sterke voorkeur voor een lokaal draaiend model op een eigen server.
Belangrijk citaat van Hamza (IT): hij wil niet zomaar "een tool naar binnen halen en 6 mensen ontslaan". Het moet verantwoord zijn en mensen ontzorgen, niet vervangen.
2. De twee use-cases (concreet)
Use-case 1 β Assistent voor de klantmanagers
Doel: de klantmanager ontzorgen op administratie.
Wat de assistent kan doen:
De "MIF" maken β het standaard-document automatisch voorbereiden.
Concepten klaarleggen β brieven en rapportages alvast in concept zetten.
Ochtend-briefing geven (zoals Renzo nu al heeft via zijn M365-rechten): "Goedemorgen. Vandaag heb je afspraak X, morgen Y. Prioriteer zo."
Afspraken prioriteren β wat is vandaag het belangrijkst.
Wat het oplevert:
Minder tijd kwijt aan administratie.
De klantmanager begint de dag met overzicht en prioriteit.
Minder fouten, want concepten liggen al klaar.
Use-case 2 β Klantcontact met persoonlijke touch
Doel: periodieke rapportages naar klanten automatisch versturen β maar zo dat het persoonlijk blijft.
Hoe:
De assistent leert de schrijfstijl van elke klantmanager.
De assistent schrijft de rapportage in die stijl.
De klant leest het en denkt: de klantmanager heeft dit zelf geschreven.
Wat het oplevert:
Klanten krijgen op tijd hun rapportage.
Het voelt persoonlijk, niet als een robot.
De klantmanager houdt tijd over voor het echte werk.
Belangrijk: de klantmanager blijft eindverantwoordelijk. Concept klaarleggen is veilig. Automatisch versturen zonder controle = liever pas later, als er vertrouwen is.
3. AVG / privacy β het beslissende onderwerp
Dit is waar de call om draait. Hamza (IT) wil zeker weten dat het veilig en verantwoord is.
Dit is geen juridisch advies. Laat de uiteindelijke aanpak altijd juridisch toetsen door iemand met AVG-kennis. Jij laat zien dat je het veilig opzet en de juiste vragen stelt.
Optie A β Lokaal model (de voorkeur van Greenvox)
Een open model dat op hun eigen server draait (bijvoorbeeld Ollama met een Llama-model van rond de 27-32B).
De data blijft binnen het bedrijf en gaat niet naar buiten.
Je kunt letterlijk de stekker eruit trekken β volledige controle.
Veiligste optie voor gevoelige UWV-data.
Nadeel: kost een goede server en wat meer opzet.
Optie B β Cloud (sneller starten)
Sneller en goedkoper om mee te beginnen.
Maar: gevoelige data gaat dan naar een externe partij.
Alleen acceptabel mits strenge afspraken (verwerkersovereenkomst, EU-servers, geen training op hun data) en data eerst geanonimiseerd is.
Te bespreken als tussenstap, niet als eindplaatje voor de gevoelige data.
Maatregelen die je sowieso voorstelt (los van A of B)
Data-minimalisatie β alleen de gegevens gebruiken die echt nodig zijn.
Anonimiseren / pseudonimiseren β namen en BSN eruit halen vΓ³Γ³r verwerking.
Verwerkersovereenkomst β afspraken op papier met elke externe partij.
Audit-logging β vastleggen wie wat wanneer deed (bewijs achteraf).
Toegangscontrole β alleen de juiste mensen bij de juiste data.
"Stekker eruit"-controle β Greenvox houdt zelf de regie en kan alles stoppen.
Over liability (aansprakelijkheid)
100% veiligheid bestaat niet. Mik op ongeveer 99%.
Het gaat erom dat je kunt aantonen dat je er alles aan deed om het veilig te maken.
Daarom: alles vastleggen (keuzes, maatregelen, logging). Dat is je bewijs.
4. Slimme vragen voor de 15:00-call
Om de scope scherp te krijgen:
Hoeveel klantmanagers / recruiters gaan het gebruiken?
Welke systemen gebruiken jullie nu β Microsoft 365 / Teams is er al, toch? Wat nog meer?
Waar staat de data nu β bij Microsoft, op een eigen server, of ergens anders?
Is er een eigen server (on-prem) beschikbaar, of moeten we die regelen?
Wat is het budget β eenmalig opzetten + maandelijks?
Wie is de eindbeslisser β is dat Renzo?
Wat is de eerste meetbare winst die jullie willen zien (bijv. minder tijd per rapportage)?
Hoe gevoelig is de data precies β zit er BSN / medische info in?
Met hoeveel kandidaten / klanten moet het systeem overweg kunnen (schaal)?
5. Concept-aanpak / fasering
Je stelt voor: klein beginnen, veilig, dan uitbreiden.
Fase 2 β Uitbreiden. Tweede use-case erbij (schrijfstijl-rapportages als concept). Meer klantmanagers. Logging en controle verder aanzetten.
Fase 3 β Opschalen. Breder uitrollen, eventueel automatisch versturen na akkoord, en koppelen aan hun systemen.
Begin klein en bewijs de waarde. Pas opschalen als fase 1 werkt en veilig is.
Bewijs van kunnen (laat dit zien in de call)
Je eigen Jarvis / Appel β een werkende AI-assistent die je zelf bouwde.
De live "praat-met-de-terminal" β laat zien dat je echt met een AI-systeem praat dat taken uitvoert.
Dat bewijst: je hebt dit al draaiend, het is geen praatje.
6. Commercie / moat
Je verkoopt resultaat + begeleiding + een verantwoorde privacy-aanpak β niet een kant-en-klaar bouwrecept. Houd de regie bij jou: jij beheert en ontwikkelt het door. Als het voor Greenvox werkt, is het schaalbaar naar meer klanten β dat maakt dit een mooie ingang.
Te bespreken met Conductor
Lokaal model uitzoeken β welk Ollama/Llama-model (27-32B) op welke server, en wat dat kost.
Fase 1 concreet maken: kiezen tussen ochtend-briefing Γ³f concepten-klaarleggen als eerste winst.
Schrijfstijl-nabootsing uitwerken: hoe leren we de stijl van een klantmanager netjes na?
AVG-aanpak juridisch laten toetsen vΓ³Γ³r er gevoelige data in gaat.
Microsoft 365 / Teams-koppeling onderzoeken (Renzo heeft al M365-rechten voor zijn briefing).
Na de call: Greenvox' antwoorden (scope) terugkoppelen β Conductor maakt een aanpak-/tarief-concept.