De vraag die je eigenlijk stelt

Als je dit vraagt, zit hier meestal een van deze gedachten achter. "We hebben al ChatGPT, waarom nog iets anders betalen?" Of: "Is dit niet gewoon ChatGPT met een andere naam?" En: "Is generieke AI niet goed genoeg voor basisproblemen?"

Allemaal redelijke vragen. Laten we ze eerlijk beantwoorden.

Wat generieke LLM's goed doen (en waar ze tekortschieten)

Tools zoals ChatGPT zijn indrukwekkend. Ze zijn breed en kunnen bijna elk onderwerp aan. Snel, met reactie in seconden. En goedkoop: gratis of lage kosten voor algemeen gebruik.

Ze zijn geweldig voor kantoorwerk. E-mails, samenvattingen, brainstorms, uitleg van concepten.

Maar ze zijn niet gebouwd voor operationeel werk waar fouten ertoe doen.

Drie kernproblemen voor buitendienstgebruik

1. Ze kennen jouw data niet

ChatGPT weet niet welk model je installeert. Niet hoe jullie het intern noemen. Niet welke instellingen jullie standaard gebruiken, wat er in jullie handleidingen staat, of welke tip jouw senior vorig jaar aan het team gaf.

Het kan alleen antwoorden op basis van wat het op internet heeft geleerd. Dat dekt veel, maar niet jouw bedrijf, jouw klanten of jouw procedures.

2. Ze hallucineren (en geven dat niet toe)

Als een LLM het antwoord niet weet, stopt het niet. Het maakt iets plausibels. Dat heet hallucinatie.

In de buitendienst kan hallucinatie leiden tot verkeerde onderdelen vervangen, onveilige stappen volgen, een herhaalbezoek veroorzaken, of een systeem beschadigen.

Een goed systeem zegt "ik weet het niet" wanneer het onzeker is. Generieke LLM's hebben die discipline niet standaard ingebouwd.

3. Ze bouwen geen kennislaag op

Als je ChatGPT iets vraagt, verdwijnt die vraag in het niets. Het leert er niet van. Het deelt het niet met je team.

Als tien monteurs dezelfde vraag stellen, beginnen ze allemaal vanaf nul. Geen geheugen. Geen feedbackloop. Geen kenniscirculatie.

Wat Manuel anders doet (en waarom het ertoe doet)

Manuel is geen dunne laag bovenop een chatbot. Het is een verticale AI gebouwd voor HVAC- en installatiemonteurs, met specifieke kenmerken die het veilig en nuttig maken in echte operationele contexten.

1. Getraind op jouw echte bronnen

Manuel combineert OEM-handleidingen (officiële documentatie van fabrikanten), interne documenten (jullie eigen procedures, checklists, instructies), en Tips & Tricks (veldkennis van jullie team, per model, probleem of symptoom).

Dit is jouw kennislaag. Geen generieke webcontent.

2. Getraind om te zeggen "ik weet het niet"

Manuel is ontworpen met guardrails. Als het antwoord niet zeker genoeg is, escaleert het naar een verwijzing of een "raadpleeg X". Het verzint geen foutcodes of procedures. Het geeft aan waar het antwoord vandaan komt zodat je het kunt verifiëren.

Dit maakt het bruikbaar als ondersteuning bij echte beslissingen. Niet alleen als hulpmiddel om sneller te typen.

3. Leert van het team

Wanneer iemand een tip toevoegt, of een case oplost, of een patroon valideert, wordt dat onderdeel van de gedeelde kennislaag. De tool wordt slimmer met de tijd, gedreven door de mensen die hem gebruiken.

4. Gebouwd voor technische vragen, niet voor kantoorwerk

De interface, promptstructuur en outputstijl zijn geoptimaliseerd voor foutopsporing, installatie, parametercheck, onderdeelidentificatie en inbedrijfstelling.

Niet voor vergaderagenda's en marketingteksten.

Beveiliging en controle: waarom dit ertoe doet voor installatiebedrijven

Veel bedrijven begrijpen terecht dat "gewoon ChatGPT gebruiken" geen nette zakelijke IT-praktijk is. Hier is hoe Manuel dat aanpakt.

Geïsoleerde omgevingen per bedrijf. De data van jouw bedrijf leeft in een eigen geïsoleerde omgeving. Een andere installateur of OEM kan niet "profiteren" van jouw data.

Geen data gebruikt om externe modellen te trainen. Jullie handleidingen, klussen en tips zijn geen brandstof voor een globaal model. Ze worden gebruikt om jullie mensen te helpen met jullie klussen.

Rolgebaseerde toegang. Monteur, operator, supervisor, admin, IT: ieder ziet alleen wat ze nodig hebben. Adminactiviteit wordt gelogd; toegang kan worden geaudit.

Je krijgt nog steeds de voordelen van LLM's onder de motorkap, maar met een domeinspecifieke, bedrijfsgecontroleerde schil eromheen.

Dit hoeft niet theoretisch te zijn — vergelijk ze op echte cases

Je hoeft de theorie niet te geloven.

Als je het verschil in 30 minuten wilt begrijpen, neem dan 5 tot 10 echte cases van de afgelopen maand. Drie foutoplossingscases, twee installatie- of inbedrijfstellingsvragen, en twee "we belden de senior"-type problemen.

Vraag: "Wat zou ChatGPT hier antwoorden?" En: "Wat antwoordt Manuel hier?"

Beoordeel op drie dimensies. Zou ik een junior dit zonder toezicht laten volgen? Komt dit overeen met onze werkpraktijk en OEM-docs? Willen we dat dit onderdeel wordt van onze kennisbank?

Dat is het. Geen buzzwords.

Wil je dit naast elkaar zien?

In plaats van nog een landingspagina te lezen, kun je Manuel zien werken op jullie eigen cases.

Plan een korte demo waarin we Manuel laten draaien op echte scenario's uit jullie buitendienst, en het vergelijken met hoe je ChatGPT nu gebruikt.

We hebben geen perfecte dataset nodig om te beginnen. Zelfs een handvol echte klussen is genoeg om het verschil heel duidelijk te maken.

Belangrijkste conclusie: ChatGPT vs Manuel in één oogopslag

Hier is de snapshot die je naar je CTO, COO of servicemanager kunt sturen.

Gebruik ChatGPT waar het uitblinkt: kantoorwerk, content, nadenken.

Gebruik Manuel waar fouten duur zijn: buitendienst, technische ondersteuning en echte apparaten in echte gebouwen.

Dat zijn geen concurrerende use cases. Dat is een verdeling die echt respecteert hoe jullie bedrijf werkt.

‍