Use cases
AI-assistenten bouwen met AI-assisted engineering
Lever een assistent uit die antwoordt vanuit je data, je permissies respecteert en escaleert naar een mens — gebouwd als een echte applicatie, geen demo-chatbot.
Ciao is een AI-assisted engineeringplatform voor het bouwen van AI-assistenten — chat- en taakinterfaces gegrond in je eigen content — als echte React-, TypeScript- en Supabase-applicaties. In tegenstelling tot losstaande chatbot-bouwers draaien Ciao-assistenten binnen beheerde apps: permissiebewuste retrieval, gespreksgeschiedenis in je database, menselijke escalatie, een multi-provider modelladder met fallback, zero-retention inferentie, en eigen-LLM-opties voor gereguleerde omgevingen.
Gepubliceerd 2026-07-03 · Laatst bijgewerkt 2026-07-03
Van demo-chatbot tot productieassistent
Een AI-assistent is een chat- of taakinterface die vragen beantwoordt en werk concipieert vanuit de data van je organisatie: een supportassistent die de makkelijke helft van de wachtrij oplost, een beleidsassistent die de reisregels kent, een salesassistent die securityvragenlijsten beantwoordt vanuit je eigen documentatie. Een demo werkend krijgen kost een middag. De afstand tussen die demo en iets wat je aan klanten zou tonen, is het eigenlijke project.
Die afstand bestaat uit weinig glamoureuze vereisten: de assistent mag alleen zien wat de ingelogde gebruiker mag zien; antwoorden moeten gegrond zijn in actuele, goedgekeurde content en hun bronnen tonen; gesprekken moeten worden opgeslagen in jouw systemen, niet die van een leverancier; er moet een schone overdracht naar een mens zijn; en iemand moet gebruik, kosten en antwoordkwaliteit na lancering in de gaten houden.
Ciao bouwt de assistent als onderdeel van een echte applicatie, zodat die vereisten applicatiefeatures zijn — gebouwd, getest en beheerd zoals al het andere — in plaats van achteraf bedachte toevoegingen aan een chatwidget.
Wat een productieassistent daadwerkelijk vereist
- Modeltoegang met fallback — Een multi-provider modelladder zodat een storing of prijswijziging bij één leverancier een configuratiedetail is, geen incident.
- Gegronde retrieval met bronvermelding — Antwoorden geput uit je goedgekeurde content — helpdocumenten, beleid, tickets — met getoonde bronnen, zodat gebruikers kunnen verifiëren.
- Permissiebewuste retrieval — De assistent haalt alleen op wat de ingelogde gebruiker mag zien. Een medewerker die naar salarissen vraagt, krijgt het beleid, niet de loontabel.
- Gespreksgeschiedenis in je database — Transcripten opgeslagen in je Supabase-backend voor kwaliteitsreview, escalatiecontext en retentiecontrole.
- Menselijke escalatie — Een gedefinieerde overdracht — naar een ticket, een wachtrij of een live persoon — met het gesprek erbij, voor de vragen die de assistent niet kan of mag beantwoorden.
- Antwoordgrenzen — Afgebakende onderwerpen, weigergedrag en opmaakregels, geversioneerd in code waar ze beoordeeld en getest kunnen worden.
- Feedbackregistratie — Beoordelingen en correcties op antwoorden, die een reviewloop voeden die content en prompts verbetert.
- Gebruiks- en kostenanalyse — Wie wat vraagt, wat het kost, waar de assistent faalt — zichtbaar vanaf lancering, niet achteraf gereconstrueerd.
Hoe een assistentbouw verloopt op Ciao
1. De taak en de grenzen ervan definiëren
Wat de assistent beantwoordt, wat hij weigert, en waar hij overdraagt. Smalle assistenten die één taak goed doen verslaan brede assistenten die gokken.
2. De content verbinden
Helpdocumenten, beleid, productdata en ticketgeschiedenis bekabeld als retrieval-bronnen, met permissies gekoppeld aan je rollen.
3. De interface bouwen
Een chatoppervlak binnen je portaal, product of interne tool — echte React-componenten, gestyled naar je merk.
4. Escalatie en geschiedenis bekabelen
Overdrachten creëren tickets met transcriptcontext; gesprekken blijven bewaard in je database onder je retentieregels.
5. Testen voorbij het happy path
QA speelt gescripte gesprekken af — inclusief permissiegrenzen en weigergevallen — vóór elke publicatie.
6. Het AI-oppervlak besturen
Prompttemplates, retrieval-scope en modelconfiguratie zijn code; Guardrails legt review vast wanneer ze veranderen.
7. Lanceren, monitoren, aanscherpen
Feedback en gebruiksanalyse tonen waar antwoorden falen; fixes worden uitgeleverd via dezelfde beheerde loop.
Security- en governancechecklist
- ✓ Inferentie onder zero-retention modelcontracten
- ✓ Klantcode en -content nooit gebruikt om modellen te trainen
- ✓ Permissiebewuste retrieval afgebakend tot de ingelogde gebruiker
- ✓ Eigen-LLM-opties voor gereguleerde omgevingen
- ✓ Gespreksdata opgeslagen in je eigen backend, onder je eigen retentieregels
- ✓ Wijzigingen aan prompts en retrieval beoordeeld via Guardrails vóór de merge
- ✓ QA-replays die weigergevallen en permissiegrensgevallen dekken
- ✓ Append-only audit trail over prompts, merges, deploys en admin-acties
Assistentvarianten die teams bouwen
Klantsupportassistent
Antwoorden uit helpdocumenten en accountcontext, buigt de routinematige helft van de wachtrij af, escaleert de rest met transcripten.
Interne beleidsassistent
Antwoorden over reis-, onkosten-, IT- en HR-beleid met bronvermelding naar het brondocument — minder pingetjes naar HR.
Sales-enablementassistent
Beantwoordt securityvragenlijsten en productvragen vanuit goedgekeurde documentatie, en concipieert antwoorden die vertegenwoordigers verifiëren.
Documentintake-assistent
Leest ingediende documenten, extraheert gestructureerde velden en markeert hiaten voor menselijke review.
Onboardingassistent
Begeleidt nieuwe medewerkers of nieuwe klanten door de setup, beantwoordt vanuit je eigen handleidingen en checkt voortgang.
Data-Q&A-assistent
Vragen in gewone taal over gedefinieerde datasets, met de gedraaide query getoond naast het resultaat.
Assistentvereisten, gedekt
| Vereiste | Hoe Ciao dit dekt |
|---|---|
| Risico van modelafhankelijkheid | Multi-provider modelladder met fallback |
| Databescherming | Zero-retention inferentie; content nooit gebruikt voor training |
| Juiste antwoorden voor de juiste gebruiker | Permissiebewuste retrieval gekoppeld aan je rollen |
| Gereguleerde omgevingen | Eigen-LLM-opties; private VPC- en on-prem-deployment |
| Omgaan met foute antwoorden | Gegronde bronvermelding, afgebakende onderwerpen, escalatiepaden naar mensen |
| Wijzigingsbeheer op prompts | Prompt- en retrieval-configuratie geversioneerd en beoordeeld via Guardrails |
| Kwaliteit na lancering | Feedbackregistratie en gebruiksanalyse ingebouwd in de app |
Veelgestelde vragen
Welke modellen gebruiken Ciao-assistenten?
Ciao draait een multi-provider modelladder met fallback, wat de afhankelijkheid van één modelleverancier vermindert. Enterprises kunnen ook hun eigen modellen meebrengen — zie de eigen-LLM-opties voor gereguleerde setups.
Wordt onze data gebruikt om modellen te trainen?
Nee. Klantcode wordt niet gebruikt om modellen te trainen, en inferentie draait onder zero-retention modelcontracten. Gespreksgeschiedenis leeft in je eigen backend onder je eigen retentieregels.
Hoe gaan jullie om met foute antwoorden?
Door ontwerp, niet door beloftes: antwoorden zijn gegrond in je goedgekeurde content met bronvermelding, de scope van de assistent is beperkt tot gedefinieerde onderwerpen, weigergevallen worden getest in QA-replays, en alles wat onzeker is escaleert naar een mens met het transcript erbij. Feedbackregistratie toont je vervolgens waar antwoorden falen, zodat content en prompts verbeteren.
Kan de assistent onze bestaande permissies respecteren?
Ja. Retrieval is afgebakend tot wat de ingelogde gebruiker mag zien, met hetzelfde rolmodel als de rest van de applicatie, en toegangscontrole-probes testen die grenzen tegen de live app.
Kunnen we de assistent in ons bestaande product embedden?
Ja. De assistent is standaard React en TypeScript, embedbaar in je product of portaal, en custom sandbox images laten het omliggende integratiewerk gebeuren tegen Rails-, Java-, Go-, Python- en Node-backends.
Wat kost een productieassistent?
Prototype selfservice met credits. Klantgerichte assistenten met governance, escalatie en analyse zijn productieprogramma's — die beginnen bij USD 10.000 per jaar, en sales kan modelgebruikskosten met je scopen.