Minimal AI is anderhalf jaar geleden opgericht door Titus Ex en Niek Hogenboom. Recent werd 3,6 miljoen dollar aan groeikapitaal opgehaald. Ziptone sprak met Niek Hogenboom over de AI-oplossing van het bedrijf en de groeiplannen van Minimal AI.

 

Minimal AI richt zich op het geautomatiseerd ontwikkelen van flexibele AI-agents voor de klantenservice in e-commerce. De oplossing maakt het hebben van een eigen engineering team overbodig, zegt het bedrijf.

Niek Hogenboom (foto, Lucht en Ruimtevaarttechniek, TUDelft) is van huis uit een techneut, maar bovenal een ondernemer. Tijdens de coronapandemie runde hij een platformbedrijf waarmee bedrijven thuiswerkplekken voor hun medewerkers konden regelen – en weer opzeggen. Op de keeper beschouwd was dat een managed service, grotendeels geautomatiseerd, maar zoals Hogenboom zegt: “We konden alles automatiseren behalve de klantenservice. Toen een paar jaar geleden de grote taalmodellen opkwamen dacht ik: oké, nu is dat vraagstuk ook opgelost.”

Zijn businesspartner Titus Ex (Computational Science and Engineering, TUDelft) was minder stellig. “Titus heeft jarenlang ervaring met machine learning en neurale netwerken. Hij zag het anders: dit wordt een lange route, wat juist erg veel kansen biedt om er met een start-up tussen te komen.”

Snelheid als voordeel

Pas sinds ongeveer anderhalf jaar hebben Hogenboom en Ex zich met Minimal AI onder de bestaande AI-startups voor customer service gemengd. Achterliggend idee: grote leveranciers van customerservice-oplossingen kunnen minder snel ontwikkelen dan een startup.

Tegelijkertijd weet Hogenboom dat opschalen de grootste uitdaging is. “Je kunt tegenwoordig heel snel een chatbot ontwikkelen die op basis van een website redelijk goede antwoorden geeft op vragen van klanten. Maar pas als je het in productie gaat brengen, kom je erachter dat de praktijk een stuk lastiger is.”

Minimal AI richt zich nadrukkelijk op e-commerce spelers. Dat maakt het mogelijk om specifieke oplossingen goed door te ontwikkelen. Denk aan het effectief en op het juiste moment inzetten van kennis over de klant in latere contacten met de klant.

De AI Manager die agents ontwikkelt

Hogenboom belooft “goed presterende agents waar je op kan vertrouwen”. Hebben we het dan over agentic AI (autonome bots die autonoom taken kunnen uitvoeren) of over generatieve AI-agents? Het onderscheid blijkt bij Minimal AI diffuus: “Onze agents kunnen wijzigingen doorvoeren zoals het aanpassen van adressen, het annuleren van een order, het aanpassen van een abonnement.” De bots gaan niet zelf in de databases graven, maar initiëren ‘hard coded workflows’ ofwel processen die door deterministische software worden aangedreven.

Maar aan de andere kant is er wel de AI Manager, die grotendeels zelfstandig agents ontwikkelt. Die neemt de leiding door analyses uit te voeren op alle contacten en zelf de best passende tools in te zetten. Daarbij laat de AI Manager zich verder informeren door gerichte vragen te stellen aan bijvoorbeeld een contactcentermanager. Die kan gewoon antwoord geven via spraak.

Die aanpak zorgt voor een snelle ontwikkeling van agents: een e-commerce klant met 40 miljoen euro omzet zat na twee dagen samenwerking op 85 procent geautomatiseerde afwikkeling van alle e-mails, aldus Hogenboom. “Als je een paar uur met onze AI Manager hebt gepraat, weet die op een gegeven moment eigenlijk alles.”

Zelf leren omgaan met API-endpoints

De AI Manager meldt ook problemen in de datahuishouding – de bottleneck bij de meeste bedrijven – en komt met suggesties voor verbeteringen. De oplossing verwijst tevens naar best practices van andere bedrijven. De oplossing kan ook zonder tussenkomst van developers zelf bepalen hoe hij het beste kan omgaan met API-endpoints – de plek waar informatie kan worden opgehaald voor een bepaalde taak. Daarbij worden hard coded limieten ingebouwd, zoals per run maar één keer iets kunnen aanpassen, legt Hogenboom uit.

De AI-agents leren via de AI Manager hoe ze met hun taken moeten omgaan. Inclusief guardrails en uitzonderingen. “Wanneer een agent een adres van een klant moet aanpassen en meerdere openstaande orders of meerdere adressen tegenkomt, kan de agent in overleg met de klant de juiste keuze maken en doorvoeren,” zegt Hogenboom.

Op dit moment werkt Minimal AI vooral met verschillende modellen van Anthropic, maar er wordt doorlopend gemonitord welke processen het beste door welk model kunnen worden uitgevoerd.

Wat te doen met 3,6 miljoen?

Om verder te kunnen groeien heeft Minimal AI 3,6 miljoen dollar aan durfkapitaal opgehaald. Onder de investeerders zitten ook vijftien klanten van het bedrijf. Welke dat zijn, wil Hogenboom niet prijsgeven. Het opgehaalde kapitaal gaat Minimal AI aanwenden om het product verder te verbeteren. “Zo willen we bijvoorbeeld bereiken dat onze AI Manager zelfstandig op basis van eigen analyses nieuwe FAQ’s kan toevoegen. Het moet echt een centraal systeem worden dat alles wat uit je serviceproces voortkomt, ook doorvoert in de rest van het bedrijf.”

Minimal AI heeft nu zes mensen aan boord en een omzet van ruim een miljoen euro. Doel is niet zo zeer te groeien in personele omzet. “Headcount is niet meer heel belangrijk. We hebben liever één nieuwe medewerker die AI-agents aanstuurt dan tien medewerkers die handmatig werk doen zoals we twee jaar geleden deden.” Liever ziet Hogenboom komend jaar de omzet vertienvoudigd: “Dat zou niet heel gek zijn. Het is heel gemakkelijk voor klanten om hiermee te beginnen en succesvol te zijn. We zien een wow-effect bij onze klanten als ze starten met onze oplossing.”

(Ziptone/Erik Bouwer)

Featured, Technologie