Een agent voor marktmonitoring om commerciële kansen vroeg te herkennen

Context en doelstellingen

Een toonaangevend sloop- en ontmantelingsbedrijf zocht een betrouwbare manier om commerciële kansen voor de herontwikkeling van terreinen te vinden: grote bedrijven waarvan gebouwen konden worden gesloopt om plaats te maken voor een nieuwe ontwikkeling. Het team had al een brede alles-in-éénprompt geschreven en voerde die handmatig uit in verschillende AI-tools.

Die aanpak had duidelijke beperkingen:

• De prompt probeerde alles tegelijk te doen, van onderzoek en beoordeling tot opmaak

• De resultaten verschilden sterk van de ene uitvoering tot de andere

• Succes was moeilijk meetbaar

• Het proces had geen duidelijk eindpunt of vastgelegd resultaat

Het doel was het team van losse, handmatige prompts naar een gestructureerdere methode te brengen. Tegelijk moest het voldoende praktijkkennis opdoen om zelf een AI-agent te ontwerpen, bouwen en evalueren voor zijn toepassing voor marktmonitoring.

Aanpak

1. Workshop prompt engineering

De eerste workshop richtte zich specifiek op prompt engineering voor de commerciële marktmonitoring van de klant. Het team ging praktisch aan de slag en:

• Herschreef de oorspronkelijke alles-in-éénprompt

• Splitste die in kleinere, gerichte deelprompts, elk met één duidelijke taak

• Vergeleek resultaten van verschillende AI-leveranciers via praktische oefeningen

Zo ervoer het team waarom een complexe taak opdelen in afzonderlijke stappen stabielere en beter meetbare resultaten oplevert dan één grote prompt.

2. Workshop agentplatformen

De tweede workshop verbreedde de blik naar de technische basis die nodig is voor een meer geautomatiseerde oplossing. Aan bod kwamen:

• Een gedeelde woordenschat rond taalmodellen, tools en agents

• Een vergelijking van code-first- en low-code-ontwikkelframeworks

• Een vergelijking van hosting in de cloud en op eigen infrastructuur, inclusief kostenafwegingen

• Een concrete schets van een mogelijke automatische monitoringpipeline

De workshop eindigde met drie livedemonstraties van dezelfde monitoringtaak voor sloopkansen, elk met een andere technische aanpak. Zo kon het team de afwegingen naast elkaar zien.

3. De agent voor marktmonitoring bouwen

Omdat beide workshops duidelijke resultaten opleverden, volgde een afzonderlijke ontwikkelfase voor een werkende agent voor marktmonitoring. Deze fase bracht de concepten uit de workshops in de praktijk. De ambitie om breed naar kansen te zoeken werd vertaald naar een zo gestructureerd en traceerbaar mogelijk ontwerp.

Het resultaat was niet alleen een werkende agent, maar ook een herbruikbare blauwdruk die het team later kan toepassen op andere toepassingen met agents.

Resultaten

Het traject leverde twee gestructureerde workshops en een werkende agent voor marktmonitoring op. De klant kreeg zo zowel een praktische basis in prompt engineering en agentplatformen als een concreet, herbruikbaar resultaat.

Kwalitatieve resultaten:

• Het team stapte over van een onvoorspelbare aanpak met één prompt naar een gestructureerde methode met meetbare stappen

• Het deed praktijkervaring op met het vergelijken van resultaten van meerdere AI-leveranciers

• Het bouwde voldoende technische kennis op om oplossingen met agents en hostingopties met vertrouwen te beoordelen

Impact voor de organisatie

De laatste fase leverde een werkende automatische agent op, gebouwd met een low-codeframework en rechtstreeks gebaseerd op wat het team in de workshops leerde. Naast de agent zelf kreeg de klant een herbruikbare blauwdruk voor toekomstige projecten met agents. Dat toont de kernwaarde van de gefaseerde aanpak: elke stap versterkte de kennis en het vertrouwen van het team, zodat het onderbouwd kon beslissen om verder in automatisering te investeren.