Het is een redelijke vraag om te stellen voordat je enige claim van “AI die je bedrijf leert kennen” vertrouwt: leert het dat hoe, precies, en hoe zou iemand ooit weten of het echt werkte? Meestal is het eerlijke antwoord dat het niet werkt. Het model is op dag één hetzelfde model als op dag driehonderd, en elk gevoel van verbetering is eigenlijk gewoon dat jij beter bent geworden in het prompten ervan.
We wilden een echt antwoord voor ons eigen product, geen comfortabel antwoord. Dus hebben we het op twee verschillende manieren getest.
De trage weg: een gesimuleerd bedrijf, twaalf maanden
AlphaForge is een merkstudio die we als simulatie gebruiken: een realistische twaalfmaandse boog uitgevoerd tegen het live product, met echte documenten en echte gebruikspatronen, ook al is het geen betalende klant. In het begin kreeg dezelfde vraag, “wat moeten we rekenen voor een project als dit”, een generiek antwoord, omdat er nog niets in de Vault stond om het op te baseren.
Zes weken later, telkens wanneer de oprichter er echt voor ging zitten, niet volgens een vast schema, kwam de eerste gestructureerde maandelijkse Alignment. Op dat moment begon de Vault eigenlijk niet bij nul: ruwe notities en de activiteit die al werd verzameld uit echt klantwerk, hadden zich de hele tijd stilletjes opgestapeld. De Alignment gaf daar vorm aan. De volgende keer dat de prijsvraag opkwam, was het antwoord anders: het verwees naar een daadwerkelijk gedocumenteerde prijsfilosofie, noemde een specifieke recente klant bij naam, haalde een methodologie aan die ooit, in een ruwe notitie van vijftig woorden, weken eerder was opgeschreven. Tegen maand zes citeerde het patronen uit vier eerdere projecten en een specifieke teamobservatie over hoe een bepaald soort klant zich gedraagt. Tegen maand twaalf duurde het opstellen van een offerte die vroeger zes uur kostte, nog maar vijfenveertig minuten, niet omdat iemand sneller was gaan typen, maar omdat het systeem de scope, de bezwaren en de bewoordingen die meestal werken al kende.
Dat is het mechanisme, simpel gezegd: elke maandelijkse Alignment, elke teamobservatie, elk offertepatroon, en de gewone dagelijkse activiteit ertussenin, wordt in de Vault geschreven, en elk toekomstig antwoord wordt samengesteld met die geschiedenis als onderliggende context. Meer opstapeling betekent ook niet ruizigere antwoorden. Curatoria, de eigen onderhoudsagent van de Vault, cureert en vat samen terwijl het groeit, archiveert in plaats van te verwijderen, altijd eerst met menselijke goedkeuring. Het is geen groter model. Het is hetzelfde model met een echte, en steeds beter bijgehouden, plek om dingen op te zoeken.
De snelle weg: een gecontroleerde maand, getoetst aan een echte rekening
Het twaalfmaandsverhaal is overtuigend, maar traag om onafhankelijk te verifiëren. Dus voerden we ook iets snellers en kouders uit: een volledig gecontroleerde, eenmaandse simulatie. Vier personen, één oprichter, drie teamleden, echte aanvragen, echte klantgesprekken, echte offertes, elke afzonderlijke AI-interactie een echte oproep naar een live model, geen script dat vooraf geschreven antwoorden opdreunt.
Daar kwamen twee dingen uit.
De kosten waren verwaarloosbaar. We hebben de AI-rekening voor en na gecontroleerd. De hele gesimuleerde maand, team van vier personen, kostte minder dan een dollar, totaal, niet per gebruiker. De angst dat AI-functies stilletjes een dure tweede abonnement worden, houdt op deze schaal geen stand, zelfs royaal vermenigvuldigd voor een veel drukker team.
De eerlijkheid hield stand onder druk, en dat is het deel waar het ons echt om gaat. Aan het eind van die maand vroegen we de strategische beoordelingslaag van het systeem om terug te kijken op wat er was gebeurd. Er waren zeven offertes opgesteld en goedgekeurd, een maand die op papier druk oogde. Een tool die gebouwd is om je betrokken te houden, zou dat een geweldige maand hebben genoemd. Die van ons niet:
“Zes maanden erin, het bedrijf schrijft nog steeds alleen maar voorstellen… Pipeline-illusie: een hoog volume goedgekeurde concepten creëert een vals voortgangssignaal terwijl er noch omzet, noch klantwerk wordt gerealiseerd.”
Niemand had het gevraagd een probleem te vinden. Het keek naar het werkelijke patroon, concepten die toenemen, niets dat zich omzet in betaald werk, en zei dat, gewoon, in taal die iedereen enigszins ongemakkelijk zou laten voelen als het over hun eigen maand ging. Dat ongemak is het punt. Een systeem dat je alleen ooit goed nieuws vertelt, let eigenlijk niet op.
Waarom dit belangrijker is dan het krantenkopcijfer
Het zou makkelijk zijn om te beginnen met “onze AI wordt slimmer in de loop van de tijd” en het daarbij te laten, want dat is de comfortabele versie. De minder comfortabele, nuttigere versie is: een geheugensysteem is het alleen waard om te vertrouwen als het ook bereid is degene te zijn die je iets vertelt wat je niet wilde horen. We hebben de groei specifiek zo gebouwd dat het systeem genoeg echte geschiedenis zou hebben om patronen op te merken zoals “dit converteert nog steeds niet”, niet alleen om indrukwekkender te klinken in een verkoopgesprek.
De weddenschap onder de groei
Er ligt een grotere vraag onder dit alles, die het waard is om ronduit te stellen: wat gebeurt er als elk bedrijf op AI gaat draaien die getraind is om iedereen ongeveer hetzelfde antwoord te geven? AI die standaard generiek is, loopt niet alleen het risico soms fout te zijn. Het loopt het risico dat elk bedrijf dat erop leunt, hetzelfde begint te lijken, hetzelfde begint te klinken, dezelfde keuzes begint te maken, omdat het model geen geheugen heeft van wat dit bedrijf werkelijk anders maakt dan het bedrijf ernaast.
De weddenschap onder de groei van Craft11 gaat de andere kant op. Geen groter model dat slimmere generieke antwoorden geeft, maar hetzelfde model met een echte, specifieke en private plek om dingen op te zoeken, dat met een bedrijf leert in plaats van alleen over bedrijven in het algemeen, goedkoop genoeg zodat het draaien ervan nooit een afweging is. Minder dan een dollar voor een maand echt gebruik is niet alleen een leuk getal. Het is wat het mogelijk maakt om een klein team het soort gestructureerd institutioneel geheugen te geven dat vroeger alleen grote bedrijven zich konden veroorloven, zonder ze daarvoor extra te belasten.
Daarom was de AI hier ook nooit bedoeld als het eindpunt. Het is het beginpunt. Stel je vijftig verschillende bedrijven voor die Craft11 draaien in vijftig verschillende sectoren, over drie of vijf jaar vanaf nu. De interface zal er op alle vijftig schermen bijna identiek uitzien. Wat er werkelijk in elk ervan zit, de prijsfilosofie, de klantpatronen, de honderden kleine oordelen die één maandelijkse Alignment tegelijk zijn opgebouwd, zullen niets met elkaar gemeen hebben. Dat is het punt, geen neveneffect. AI is hier bedoeld om de diversiteit te ondersteunen van hoe vijftig verschillende leiders ervoor kiezen hun bedrijf te runnen, niet om die plat te slaan tot één “best practice” waar iedereen naartoe wordt geduwd. De groei is het product. De AI is alleen datgene wat de groei mogelijk maakt.
Twaalf maanden van het verhaal van AlphaForge laten zien hoe die groei van binnenuit aanvoelt. Eén echte maand van een tegen een rekening getoetste simulatie laat zien wat het kost en of het eerlijk blijft onder druk. We laten je liever allebei zien dan je te vragen een van beide zomaar te geloven.