Een AI-chatbot bouwen voor duurzaamheidsadvies op maat

Context en doelstellingen

Onze klant begeleidt organisaties in heel België op hun weg naar duurzaamheid, met een combinatie van coaching, opleiding en praktische tools om ambities in actieplannen om te zetten.

Het team wilde het identificeren en aanbevelen van duurzaamheidspraktijken automatiseren voor zijn eigen klanten. De bestaande aanpak steunde sterk op manueel ingezette expertise: de context en prioriteiten van elke klant omzetten in bruikbare duurzaamheidsaanbevelingen vroeg veel tijd en inspanning.

De uitdaging was dit proces efficiënter en consistenter te maken zonder de deskundige aanpak op maat te verliezen die het waardevol maakte. Het doel was een werkend prototype te bouwen van een agentische AI-chatbot die bruikbare begeleiding kon bieden, en een roadmap op te stellen van verkenning tot een inzetbare oplossing.

Aanpak

1. Analyse en oplossingsontwerp

Het project begon met een analyse van de bestaande data en tools van de klant, gecombineerd met gesprekken met betrokkenen om knelpunten en verwachtingen te verzamelen. Zo steunde het technische ontwerp op een helder begrip van wat de AI-chatbot moest doen en voor wie.

Op basis daarvan bepaalde Agilytic de beoogde gebruikerstrajecten en aanbevelingslogica en koos een technische architectuur die bij de toepassing paste.

2. De agentische AI-chatbot bouwen

In plaats van een standaardchatbot voor vragen en antwoorden ontwikkelde Agilytic een volwaardige agentische AI-chatbot met een gebruiksvriendelijke interface die verschillende gespecialiseerde onderdelen coördineerde:

• Eén om actuele externe informatie te zoeken

• Eén om relevant materiaal uit de kennisbank van de klant op te halen

• Eén om rapporten te genereren en de uiteindelijke aanbevelingen te structureren

Een centrale orchestrator stuurde deze onderdelen aan, zodat de chatbot drie verschillende toepassingen aankon:

• Begeleide zelfevaluatie

• Volledige implementatieplanning

• Algemene vragen over het duurzaamheidsaanbod van de klant

3. Itereren en verfijnen

Het team testte en verfijnde het prototype op basis van gebruik door echte klanten en feedback van betrokkenen. Zo verbeterden zowel de aanbevelingen als de algemene gebruikservaring. Onderweg werd ook de kennisbank van de klant opgeschoond en geherstructureerd om de chatbot beter te ondersteunen. Dat nevenresultaat heeft op zichzelf blijvende waarde, los van de chatbot.

Resultaten

Het project leverde een werkend agentisch AI-chatbotprototype op, samen met een gevalideerde roadmap voor verdere ontwikkeling. De oplossing kreeg een gebruikersinterface op maat, zodat ze verder ging dan een demo voor één gebruiker.

De klantfeedback was heel positief en het team ging verder dan de oorspronkelijke scope van de opdracht. Het project bracht ook een waardevol inzicht: veel van wat de aanbevelingen nuttig maakte, kwam uit de opgebouwde ervaring en eerdere rapporten van de klant zelf. Dat bevestigde de strategische waarde van die interne kennis.