Van 4,2 uur naar 8 seconden
Dat is het 'voor en na' wat betreft de reactietijd naar klanten voor de eerste retailklant in dit verhaal. Het is ook het cijfer dat binnen zes maanden zeven andere klanten over de streep trok, waardoor een middelgroot IT-bedrijf veranderde in een AI-praktijk met een omzet van $40.000 per maand — zonder ook maar één ML-engineer aan te nemen.
Hier leest u hoe dat is gebeurd.
Drie klanten stelden de vraag. Het antwoord was "nog niet."
Het bedrijf — met ongeveer 80 engineers op het gebied van front-end, back-end en DevOps, gevestigd in Centraal-Europa — had bijna tien jaar besteed aan het bouwen en onderhouden van e-commerce platforms voor retailklanten in Duitsland, Polen en Tsjechië. Modemerken, woonartikelen, consumentenelektronica. Goede klanten, langdurige relaties, gestaag werk.
Gestaag, maar de marges werden dunner. De marges op personeelsdetachering en op maat gemaakte Shopify/Magento-ontwikkeling liepen jaar na jaar terug. De directie wist dat er behoefte was aan een dienstverlening met een hogere waarde. De meest voor de hand liggende kandidaat was AI. Het probleem was echter dat ze geen AI-team hadden, geen expertise op het gebied van LLM's en geen compliance-infrastructuur om het te ondersteunen.
Toen, medio 2025, stelden drie van hun grootste klanten onafhankelijk van elkaar dezelfde vraag tijdens de kwartaalbesprekingen: "Kunnen jullie een AI-chatbot voor ons bouwen?" Ze zagen concurrenten conversationele agenten inzetten voor productaanbevelingen, het volgen van bestellingen en klantenservice. Ze wilden hetzelfde, en ze wilden het van het team dat ze al vertrouwden.
De CTO rekende uit wat het zou kosten om dit intern te bouwen. De resultaten waren niet hoopgevend:
- Het inhuren van een ML-team (2-3 engineers + 1 NLP-specialist): 4-6 maanden werving, meer dan 3 maanden inwerktijd.
- Het bouwen van LLM-orkestratie, prompt-beheer en beveiligingslagen: 6-12 maanden ontwikkeling.
- Het realiseren van compliance voor de Europese retail (AVG, opkomende vereisten van de EU AI Act): onbekende tijdlijn, aanzienlijke juridische kosten.
- Totale geschatte investering voordat de eerste klant live zou kunnen: ruim boven de EUR 400.000.
Vierhonderdduizend euro en het grootste deel van een jaar — om misschien iets te hebben dat gedemonstreerd kan worden. Ondertussen stelden drie klanten nú de vraag. Als het bedrijf hen geen antwoord kon geven, zou iemand anders dat wel doen. Geen andere IT-partner, maar een leverancier die rechtstreeks zou verkopen en het IT-bedrijf volledig buiten spel zou zetten.
De gok: White-label in plaats van zelf bouwen
In het derde kwartaal van 2025 sloot het bedrijf zich aan bij het Sinaptic® DROID+ White-Label Partnership Programma als Solution Partner. Het model was eenvoudig: Sinaptic® DROID+ levert het AI-agentplatform — LLM-orkestratie, beheer van de kennisbank, compliance-infrastructuur en het admin-paneel. De partner regelt de klantrelaties, het integratiewerk en het doorlopende accountmanagement.
Alles is white-label. Het admin-paneel draagt de branding van het IT-bedrijf. De agenten antwoorden onder de merknaam van de klant. Sinaptic® DROID+ is onzichtbaar voor de eindklant. Vanuit het perspectief van de retailer is hun vertrouwde IT-partner simpelweg slimmer geworden.
Commerciële voorwaarden: een platformlicentie tegen groothandelsprijzen van Sinaptic® DROID+, waarbij de partner daarbovenop zijn eigen marge bepaalt. Geen kosten per afgehandeld gesprek. Geen verborgen gebruikskosten. Voorspelbare cijfers per eenheid vanaf de eerste dag.
De CEO beschreef de beslissing later als de makkelijkste moeilijke beslissing die hij in jaren had genomen. Makkelijk omdat de rekensom duidelijk was. Moeilijk omdat het bedrijf zijn klantrelaties inzette op een platform dat het niet zelf had gebouwd.
Negentien dagen tot productie
De eerste implementatie was voor een e-commercemerk in de mode-industrie (middenmarkt): een Shopify Plus-webshop, ongeveer 12.000 artikelen en een supportteam van vier personen dat maandelijks zo'n 800 vragen via e-mail afhandelde.
De werkverdeling was helder:
- Sinaptic® DROID+ verzorgde: de LLM-orkestratie (Claude als primair model, Gemini als fallback), het inlezen van de kennisbank vanuit de productcatalogus, de configuratie van de Sinaptic Intent Firewall voor het voorkomen van prompt injection en datalekken, en de AVG-conforme architectuur voor gegevensverwerking.
- Het IT-bedrijf verzorgde: de Shopify API-integratie (voorraad, bestelstatus, retourproces), het inbedden van de front-end widget, het onboarden en trainen van de klant met het white-label admin-paneel en de eerstelijns ondersteuning.
Van getekend contract tot livegang: 19 werkdagen. De agent ging live en handelde productontdekking, maataanbevelingen, het volgen van bestellingen en het starten van retouren af. Er werd een 'human-in-the-loop' escalatie geconfigureerd, zodat elke vraag over terugbetalingen boven de EUR 100 of klachten over productkwaliteit werd doorgestuurd naar een menselijke medewerker met de volledige context van het gesprek.
Het team zag de eerste live gesprekken binnenkomen op een vrijdagmiddag. Tegen maandagochtend had de agent 140 vragen afgehandeld zonder ook maar één escalatie naar een mens. De CTO stuurde een screenshot van het dashboard naar de CEO met slechts één regel tekst: "Het werkt."
De cijfers na 90 dagen
Negentig dagen in productie. Dit is wat de gegevens van de modeklant lieten zien:
- Eerste reactietijd: van 4,2 uur (support via e-mail) naar minder dan 8 seconden. De meest zichtbare verandering voor klanten — en de statistiek die de aandacht trok van de directie van de klant.
- Volume aan supporttickets: -45%, van ongeveer 800 per maand naar 440 per maand. Het supportteam van vier personen werd anders ingezet — twee kregen rollen in customer success met een hogere waarde, één ging aan de slag met retourverwerking en één met sociale media.
- Conversiepercentage: +22% in sessies waarbij de agent werd ingeschakeld, vergeleken met sessies in dezelfde periode waarbij alleen werd rondgekeken.
- Gemiddelde bestelwaarde: +11%, gedreven door contextuele cross-sell aanbevelingen (bijpassende accessoires voorgesteld tijdens gesprekken bij het afrekenen).
- CSAT-score (klanttevredenheid): 4,6/5,0, tegenover 3,9/5,0 in het voorgaande kwartaal.
Het hoofd e-commerce van het modemerk verwoordde het duidelijk tijdens een kwartaalbespreking:
"Eerlijk gezegd dachten we dat we een chatbot kochten. Wat we kregen leek meer op een verkoopmedewerker met een perfect geheugen en zonder lunchpauze. Drie weken van contract tot livegang — dat veranderde onze hele roadmap voor het jaar."
Van één naar acht klanten in zes maanden
De implementatie bij het modemerk was het bewijs. Het IT-bedrijf begon de cijfers op het dashboard te laten zien in elk klantgesprek. Binnen zes maanden tekenden zeven andere retailklanten:
- Twee woonwinkels (Duitsland) — integraties met Shopify en WooCommerce.
- Eén keten in consumentenelektronica (Polen) — op maat gemaakte ERP-integratie met SAP Business One.
- Twee modemerken (Tsjechië) — Shopify Plus.
- Eén speciaalzaak in voeding (Duitsland) — met productaanbevelingen die rekening houden met allergenen.
- Eén winkel in sportartikelen (Polen) — met logica voor het matchen van maten tussen verschillende merken.
Elke implementatie verliep sneller. Bij de tweede klant duurde het 14 dagen. Tegen de tijd dat de zesde tot achtste klant aan de beurt waren, had het bedrijf het onboardingproces gestandaardiseerd tot minder dan 10 werkdagen, waarbij het inlezen van de kennisbank en de Shopify-integratie parallel liepen.
Huidige maandelijkse terugkerende omzet uit de AI-praktijk: $40.200. Het doel is 15 actieve retailklanten tegen het einde van 2026, wat de omzet boven de $75.000 per maand zou brengen — met hetzelfde team dat voorheen op maat gemaakt Shopify-themawerk deed tegen een derde van de marge.
Waarom white-label werkte
De CEO was open over de reden waarom het white-label model slaagde, waar een aanpak met een eigen AI-leverancier gefaald zou hebben:
Vertrouwen is niet overdraagbaar. Deze retailklanten werkten al drie tot zeven jaar met het IT-bedrijf. Het introduceren van een externe AI-leverancier — met eigen contracten, supportkanalen en accountmanagers — zou de relatie hebben verstoord. Door te white-labelen bleef het IT-bedrijf het enige aanspreekpunt en de enige verantwoordelijke partij.
Compliance was de doorslaggevende factor, niet de functies. Elke Europese retailklant stelde dezelfde twee vragen voordat ze tekenden: "Is dit AVG-conform?" en "Hoe zit het met de AI Act?" De afstemming van het Sinaptic® DROID+ platform op ISO 42001, de Sinaptic Intent Firewall voor het voorkomen van datalekken en de configureerbare HITL-drempels die voldoen aan Artikel 14 van de EU AI Act gaven het IT-bedrijf antwoorden die geen enkele haastig in elkaar gezette interne oplossing had kunnen bieden.
LLM-agnosticisme nam een herhaaldelijk bezwaar weg. Verschillende klanten hadden een sterke mening over welke AI-aanbieder ze prettig vonden — sommigen stonden op in Europa gehoste modellen, anderen hadden bestaande zakelijke overeenkomsten met specifieke cloud-aanbieders. Omdat Sinaptic® DROID+ agenten Claude, GPT-4o, Gemini, LLaMA, Mistral en andere ondersteunen, hoefde het IT-bedrijf nooit "nee" te zeggen tegen een voorkeur voor een model. De agent-laag is uitwisselbaar; het onderliggende LLM is een configuratiekeuze en geen architectonische verplichting.
Het admin-paneel sloot de deal. Het demonstreren van een volledig van branding voorzien admin-paneel — met gespreksmonitoring, beheer van de kennisbank, dashboards voor analyse, RBAC en audit-logs — onder het eigen logo van het IT-bedrijf was telkens het moment waarop prospects overgingen van "geïnteresseerd" naar "laten we dit gaan uitwerken."
Belangrijkste lessen
- U heeft geen ML-team nodig om AI te verkopen. Acht retailklanten, nul nieuwe machine learning medewerkers. De bestaande vaardigheden op het gebied van front-end, back-end en DevOps waren voldoende voor de integratielaag.
- Snelheid wint van het argument "we bouwen het zelf wel". Negentien dagen tot productie tegenover een geschatte bouwtijd van 6-12 maanden. De klanten die in het derde kwartaal van 2025 de vraag stelden, zouden niet hebben gewacht tot het tweede kwartaal van 2026.
- White-label maakt u waardevoller, niet minder. Het IT-bedrijf behield niet alleen zijn klanten — de gemiddelde contractwaarde steeg met 60% zodra er AI-diensten werden toegevoegd.
- Europese compliance is een voorsprong. De afstemming op ISO 42001, de AVG-architectuur en de gereedheid voor de EU AI Act waren de belangrijkste redenen waarom twee van de acht klanten voor deze oplossing kozen boven goedkopere alternatieven.
- Terugkerende inkomsten veranderen de rekensom. Van projectmatig Shopify-werk ($X per project, en daarna stilte) naar $40.000 per maand aan platforminkomsten — met hetzelfde team, tegen een verdrievoudiging van de marge.
Details in deze casestudy zijn op verzoek van de partner geanonimiseerd. De statistieken weerspiegelen werkelijke implementatiegegevens met lichte afronding. Bezoek de partnerpagina voor informatie over het Sinaptic® DROID+ White-Label Partnership Programma.