Zo werkt AI bij Elgentos: praktische inzet zonder de hype

Van interne processen tot klantgerichte tools: een kijkje in de dagelijkse praktijk van AI bij een digitaal bureau

AI is niet nieuw voor digital agencies. De meeste bureaus experimenteren volop of werken er dagelijks mee. Hoe AI precies wordt ingezet, verschilt echter sterk per bureau. Daarom organiseert Dutch Digital Agencies een reeks webinars waarin leden hun aanpak, keuzes en cases delen. In de eerste editie vertelt Peter Jaap Blaakmeer, founder en CTO van Elgentos , hoe het bureau AI verweeft in hun processen en klantoplossingen.

AI als dagelijkse collega

Bij Elgentos is AI geen experiment, maar onderdeel van de dagelijkse workflow. Zo helpt de zelfontwikkelde AI-assistent “Señor Code” bij het herschrijven en structureren van klantverzoeken in GitLab. De bot zet vage omschrijvingen om in duidelijke tickets, koppelt het juiste template, vertaalt naar het Engels en voegt waar nodig scenario’s voor geautomatiseerde tests toe.

Ook voor testscenario’s gebruikt het team een lokaal gehost model. Op basis van de scenario’s in Gherkin-syntax genereert dit testcases, die automatisch worden omgezet in Playwright-tests. Waar klanten dit lastig vinden, neemt de AI het over. Het resultaat: een consistente flow van issue tot test, met minimale handmatige input.

Tools als Continue, Cursor en Warp AI ondersteunen bij het genereren van boilerplate code, documentatie en tests. Alles gebeurt binnen een veilige, lokale omgeving – zonder klantdata te delen met externe AI-diensten. Zo behoudt Elgentos controle over kwaliteit, privacy en consistentie.

Zelfservice voor klanten met AI

AI ondersteunt niet alleen intern werk, maar ook klantgerichte processen. Elgentos ontwikkelde een workflow waarbij eenvoudige aanpassingen – zoals een tekst wijzigen of een element toevoegen – volledig geautomatiseerd verlopen. De klant doet een verzoek, de AI schrijft de code, maakt een merge request aan en bouwt een testomgeving. Pas als de klant tevreden is, kijkt een developer mee en gaat de wijziging live.

Deze aanpak bespaart tijd en maakt het mogelijk om veel voorkomende wijzigingen tegen een vast maandbedrag af te handelen. Geen uurtje-factuurtje, maar gemak en beschikbaarheid. De ene klant maakt er intensief gebruik van, een ander nauwelijks – maar de balans is positief.

Van design tot data: AI in klantoplossingen

Elgentos past AI ook toe in klantgerichte projecten. Denk aan tools waarbij gebruikers zelf productkenmerken of stijlen kunnen invoeren. Op basis daarvan genereert AI voorstellen voor kleurenschema’s of visuele ontwerpen. Ook ontwikkelde het team een extensie voor e-commerce waarmee automatisch aantrekkelijke categoriebeelden worden samengesteld uit bestaande productfoto’s – handig voor webshops zonder visuele assets.

In meer technische toepassingen zet Elgentos AI in voor voorspellingen. Zo werd een model getraind op duizenden eerdere bestellingen om automatisch de juiste materiaaleigenschappen te bepalen op basis van geüploade ontwerpen. Dat voorkomt fouten, bespaart tijd en optimaliseert kosten.

AI-assistentie, geen vervanging

Ondanks de brede inzet blijft Elgentos kritisch. De kracht van AI ligt vooral in structuur, documentatie en herhaling – niet in het maken van complexe keuzes of het bouwen van business logic. “Daar is nog steeds menselijke expertise voor nodig,” zegt Peter Jaap.

Binnen het team is er ruimte om te experimenteren, maar ook duidelijke richtlijnen: geen klantdata in gratis tools, AI alleen via veilige en lokale omgevingen, en altijd met het doel om kwaliteit te verhogen – niet om developers overbodig te maken.

Van hype naar praktische waarde

Niet elke AI-toepassing levert direct rendement op. Sommige ideeën zijn nog speels of experimenteel. Maar andere leveren al tastbare waarde. De verwachting: minder losse tools, meer geïntegreerde oplossingen. Niet de meeste features maken het verschil, maar de beste toepassing in de juiste context.

Minstens zo belangrijk is de dialoog met klanten. Veel ideeën ontstaan in gesprekken tijdens sprintplanningen of backlog refinements. Door kennis te delen en verwachtingen te managen – over wat AI wél en niet kan – blijft Elgentos bouwen aan oplossingen die werken in de praktijk.