Doorlopend intern onderzoek · Sinds 2021
AI-Enabled Generic Integration System
De systemen waarop bedrijven al steunen verbinden met de mogelijkheden van AI — zonder de controle te verliezen over hoe het werk wordt gedaan.
Wij onderzoeken, ontwikkelen en testen onze eigen systemen en herzien de architectuur voortdurend naarmate AI-technologieën evolueren.
AEGIS is onze interne onderzoeksactiviteit. Het is geen betaalde dienst of product dat te koop wordt aangeboden.
De onderzoeksvraag
Project AEGIS onderzoekt een generieke architectuur die bestaande softwaresystemen in staat stelt deel te nemen aan AI-ondersteunde bedrijfsprocessen via semantisch verrijkte interfacedefinities, met slechts minimale aanpassingen aan bestaande applicaties en behoud van deterministische procesuitvoering.
In gewone taal: beschrijf wat uw systemen kunnen doen en wat hun bewerkingen betekenen, verbind ze met AI, en houd de bedrijfsregels, rechten en verantwoordelijkheden duidelijk. Dit is een onderzoeksdoel — geen bewering dat elke integratie-uitdaging al is opgelost.
Wij onderzoeken hoe bestaande applicaties, AI-systemen en bedrijfsworkflows via een herbruikbare architectuur kunnen samenwerken, in plaats van voor elk nieuw gebruiksscenario een aparte, op maat gemaakte verbinding.
Een interface moet meer beschrijven dan hoe een systeem wordt aangeroepen. Wij verkennen definities die ook uitleggen wat een bewerking betekent, welke informatie ze nodig heeft, de beperkingen en wat het resultaat voorstelt — zodat AI op een gepastere manier met bedrijfssystemen kan werken.
Het doel is de mogelijkheden van bestaande software te ontsluiten met minimale aanpassingen. Bedrijven moeten AI-integratie kunnen verkennen zonder elke applicatie opnieuw te bouwen of de systemen waarop ze al steunen op te geven.
AI-antwoorden kunnen variëren. Wij onderzoeken deterministische orkestratie: de omliggende workflow volgt expliciete regels, controles en goedgekeurde stappen, zelfs wanneer een AI-component niet elke keer hetzelfde antwoord geeft.
Wij ontwikkelen de architectuur en het centrale Java-framework zelf, implementeren experimentele systemen en testen ze. Het werk bouwt voort op Java, Python, C++, Spring Boot, REST- en LLM-API's, bedrijfsintegratie en gedistribueerde systemen.
Runtime-validatie controleert resultaten terwijl een proces draait. Adaptieve prompting en geautomatiseerde foutcorrectiemechanismen worden onderzocht samen met grenzen en foutafhandeling — om te testen waar deze technieken helpen en waar menselijke controle essentieel blijft.
De jaren 2010 · De fundamenten
Ons verkennende werk begon met neurale netwerken en opkomend onderzoek naar taalmodellen, naast een langdurige interesse in bedrijfsintegratie — ruim vóór de recente golf van breed gebruikte generatieve AI-tools.
Begin 2021 · Doorlopend onderzoek
AEGIS werd een doorlopende onderzoeksactiviteit van het bedrijf, gericht op een generieke aanpak voor de integratie van AI in bestaande bedrijfssystemen en -processen.
Vandaag · Bouwen, testen, verfijnen
Wij ontwikkelen werkende systemen, testen integratiebenaderingen en herzien onze aannames naarmate modellen, protocollen en tools veranderen. Het onderzoek blijft actief, in plaats van te stoppen bij een demonstratie.
Manieren waarop AI en software samenwerken
Ons onderzoek volgt een breed en evoluerend scala aan integratiebenaderingen. Dit zijn complementaire bouwstenen — sommige zijn protocollen, andere architecturale patronen of manieren om werk te organiseren. Er bestaat geen enkele verbindingsmethode die bij elk bedrijf past.
Software stuurt een gedefinieerd verzoek naar een AI-model en ontvangt een antwoord. REST is een gangbare, webgebaseerde manier om deze aanroepen te doen en bestaande bedrijfsapplicaties te verbinden.
AI stelt een specifieke actie voor, zoals het opzoeken van een bestelling. De applicatie controleert het verzoek en de rechten, voert de actie uit en geeft het resultaat terug. AI krijgt geen onbeperkte toegang.
Een agent combineert een model met tools en een workflow om een taak over meerdere stappen uit te voeren. Wij onderzoeken hoe die stappen begrensd, observeerbaar en waar nodig goedkeuringsplichtig blijven.
Een gedeeld protocol om AI-applicaties te verbinden met tools, data en herbruikbare prompts. Het kan de behoefte aan een aparte connector per applicatie verminderen, terwijl toegangsregels nog steeds moeten worden afgedwongen.
Een protocol waarmee agents van verschillende systemen informatie over hun mogelijkheden uitwisselen, taken delegeren en voortgang volgen. Samenwerking neemt de noodzaak van eigenaarschap of controles niet weg.
Herbruikbare pakketten van instructies, ondersteunende bronnen en soms scripts die een agent door een bepaald type werk leiden. Ze bieden taakspecifieke kennis, eerder dan op zichzelf een communicatiekanaal.
Relevante informatie wordt opgehaald uit een goedgekeurde kennisbron voordat AI antwoordt. Dit kan een antwoord verankeren in bedrijfsdocumenten, maar garandeert niet dat elk antwoord correct is.
Een bedrijfsgebeurtenis — bijvoorbeeld een binnenkomend document of een gewijzigde bestelling — kan een AI-ondersteunde stap activeren. Wachtrijen en meldingen laten systemen samenwerken zonder te wachten op één lang gesprek.
AI kan werken met tekst, afbeeldingen, documenten, audio en, waar ondersteund, video. Streaming en realtime verbindingen laten resultaten of spraakinteracties geleidelijk binnenkomen in plaats van alleen aan het einde.
AI levert informatie in een afgesproken formaat dat software kan valideren. Een workflow bepaalt vervolgens wat er mag gebeuren, inclusief goedkeuring, opnieuw proberen of escalatie. Een goed gevormd antwoord is nog geen bewijs van een correct antwoord.
Als onderdeel van het onderzoek testen wij belangrijke AI-providers en modelecosystemen, waarbij we verder kijken dan een overtuigend antwoord naar hoe ze zich gedragen binnen echte software en bedrijfsworkflows.
Het landschap omvat OpenAI, Anthropic (Claude), Google (Gemini), Microsoft (Azure AI), Amazon Web Services (Amazon Bedrock), Meta (Llama), Mistral AI, Cohere en DeepSeek. Sommige leveren modellen rechtstreeks; andere bieden platforms voor toegang tot meerdere modelfamilies. Onze dekking evolueert naarmate technologieën en toegangsopties veranderen.
Toolgebruik, gestructureerde antwoorden, contextverwerking en samenwerking met bestaande applicaties.
Validatie, foutafhandeling, herhaalbaarheid van de omliggende workflow en menselijke goedkeuring.
Kwaliteit, beveiliging, vertrouwelijkheid, responstijd, operationele kosten en implementatiebeperkingen.
Namen van providers geven het technologische landschap aan, geen partnerschappen of goedkeuringen. Mogelijkheden zijn afhankelijk van het model, de versie en de implementatie.
AEGIS geeft ons een praktische basis om bedrijven te helpen bij AI-gerelateerde taken, projecten en beslissingen: de opties begrijpen, bestaande systemen verbinden, een voorgestelde oplossing inspecteren of een implementatie ontwikkelen en testen.
Die ervaring vormt zowel de volledige projectoplevering als het werk van onze senior professionals binnen klantteams. Elke klantopdracht heeft haar eigen overeengekomen omvang; AEGIS zelf blijft ons doorlopende interne onderzoek.
Hoe wij werken met AI
Hoe u ook met ons samenwerkt — een ervaren professional in uw project, of een volledig project dat wij op ons nemen — onze professionals gebruiken zonder uitzondering AI en AI-gestuurde tools om de kwaliteit, efficiëntie en volledigheid van hun werk te verbeteren. Zij volgen allemaal de laatste ontwikkelingen op dit gebied op de voet.
Maar zij geven hun werk nooit uit handen aan AI. Zij voeren het zelf uit — en nemen er de verantwoordelijkheid voor.
AI is een van onze gebieden — niet ons hoofdgebied. IT-systeemontwikkeling en -integratie zijn ons vak, met of zonder AI. En binnen AI zelf is ons hoofdonderwerp niet het ontwikkelen van een eigen AI-dienst of -model: veel zeer bekwame onderzoekers en bedrijven wereldwijd doen dat al, en wij waarderen hun werk. Ons hoofdonderwerp is wat en hoe u en wij met deze AI-diensten kunnen doen — in de praktijk, en realistisch.
„Wie iets niet kan zonder AI, zal het ook niet kunnen met AI. AI kan alleen verbeteren, niet vervangen.“
In al onze activiteiten is de mens de belangrijkste component. Niet omdat AI-capaciteit onbetrouwbaar zou zijn — maar omdat menselijke capaciteit onvervangbaar is.
