Klant Case
Micoll had jaren aan RI&E-kennis, een bestaande risico-database en een scherp beeld van hoe veiligheidskundigen werken. Clairiti vertaalde dat naar een werkende AI-agent in Microsoft Copilot Studio, binnen zes weken. De visual hieronder laat zien hoe dat traject eruitzag en wat het opleverde.
In 6 weken van domeinkennis naar een werkende RI&E-agent
Micoll en Clairiti ontwikkelden in minder dan zes weken een werkende RI&E-agent die veiligheidskundigen helpt sneller en consistenter tot een eerste analyse te komen. Dat tempo was alleen mogelijk doordat het traject begon met een grondige discovery van het bestaande proces, inclusief alle stappen, formats en werkwijzen die daarbij horen. Die basis bleek cruciaal om de vertaalslag naar AI snel en goed te kunnen maken.
Samenvatting
Waarom het werkte
Wat Micoll inbracht
- Inhoudelijke expertise en jarenlange praktijkkennis in RI&E.
- Realistische cases en snelle validatie vanuit het echte werkproces.
- Intensieve feedback en snelle groei in AI-begrip tijdens de iteraties.
Wat Clairiti toevoegde
- Een grondige discovery van proces, stappen, formats en werkwijzen.
- Structurering van de data naar een AI-ready laag.
- Ontwikkeling van de agent in Microsoft Copilot Studio voor gebruik in M365 Copilot.
- Iteratieve aanscherping van functionaliteit, taal en UX.
- Technische vertaalslag van domeinkennis naar een werkende agent.
Verhaal
De samenwerking tussen Micoll en Clairiti begon met een duidelijke ambitie: de bestaande RI&E-kennis van Micoll niet alleen slimmer inzetten, maar ook vertalen naar een concreet hulpmiddel dat direct waarde toevoegt in het dagelijkse werk van veiligheidskundigen.
Een belangrijk deel van het succes zat in de start van het traject. In plaats van direct te bouwen, begon Clairiti met een grondige discovery van het bestaande proces en alle bijbehorende stappen, formats en werkwijzen. Juist daardoor kon de logica achter het werk van Micoll goed worden begrepen en vervolgens snel worden vertaald naar een AI-oplossing die aansloot op de praktijk.
Wat dit traject sterk maakte, was de intensiteit van de samenwerking. In plaats van lang te ontwerpen op papier, werkten Micoll en Clairiti in korte iteraties toe naar iets dat in de praktijk getest kon worden. Domeinkennis en technologie werden niet na elkaar, maar samen ontwikkeld. Daardoor kon de agent al binnen zes weken live worden ingezet.
Voor de klant was het bijzonder om te zien hoe snel de vertaalslag lukte van een zeer specifiek RI&E- en Health & Safety-domein naar een bruikbare AI-toepassing voor datzelfde werkveld. De samenwerking maakte niet alleen het product sterker, maar versnelde ook het begrip van AI aan klantzijde.
De opbrengst was concreet. De RI&E-agent bracht de tijd per analyse terug van ongeveer twee uur naar ongeveer een uur, met een eerste concept binnen circa vijftien minuten en daarna tijd voor controle en finetuning. Tegelijk hielp de agent om analyses consistenter en vollediger te maken, doordat hij systematisch verdiepende vragen stelde en minder ruimte liet om stappen over te slaan.
Een tweede opbrengst was dat de samenwerking de AI-kennis bij de klant zelf zichtbaar versnelde. De klant begon al snel zelf agentinstructies te schrijven en ontwikkelde niet lang daarna ook alternatieve agents, gebaseerd op het ontwerp en de instructies van de agent die samen was gebouwd. Daarmee leverde het traject niet alleen een agent op, maar ook een verrassend snel upskilling-traject.
Deze eerste fase bewees niet alleen dat de aanpak technisch haalbaar was, maar ook dat co-creatie tussen domeinexperts en AI-specialisten in korte tijd tot tastbaar resultaat kan leiden.