Veelgestelde vragen

We bouwen software op drie disciplines: webdevelopment, data science en kunstmatige intelligentie, vaak gecombineerd in één project. Van maatwerk-webapps en dashboards tot AI-agents, automatisering en documentverwerking. Geen standaardpakketten, maar oplossingen die op jouw proces zijn gebouwd.

Proceseigenaren en operations managers bij gemeenten, ministeries, overheid en MKB-organisaties die repetitief werk willen automatiseren zonder een intern AI-team op te bouwen.

Niet voor grote enterprise-aanbestedingstrajecten en niet voor organisaties die een standaard SaaS-abonnement zoeken. Maatwerk AI-software kost meer dan een kant-en-klaar pakket. Het vraagt een betrokken opdrachtgever, toegang tot jouw data, en beslissingsruimte per sprint.

Nee. AI neemt het repetitieve werk over, het oordeel blijft bij je mensen. Sterker nog: hun kennis wordt waardevoller, niet minder. We leggen vast hoe je beste medewerkers werken, waar ze op letten bij een dossier, welke afweging ze maken, en bouwen daar software omheen die dat oordeel schaalbaar maakt. De medewerker beslist, het systeem doet het voorwerk. Zo verlies je geen kennis als iemand vertrekt of met pensioen gaat, maar leg je die juist vast voor de rest van het team.

We hebben aantoonbare ervaring bij gemeenten (AI-rapportagetools voor toezicht en handhaving, publieksinformatie), ministeries (debatassistenten, documentverwerking), MKB-organisaties (vertaalplatforms, chatbots op eigen data, maakindustrie) en beroepsverenigingen in de zorg (analyse van open onderzoeksdata voor verpleging en verzorging). De sector is minder bepalend dan of er een concreet handmatig proces is met een duidelijk resultaat.

Ja. Een AI-agent voert meerdere stappen automatisch uit en schakelt terug naar een mens bij twijfel: dossieropbouw, transcriptie, vraagdestillatie, rapportage. Wij bouwen maatwerk AI-agents die een gestructureerd werkproces aantoonbaar verlichten, met human-in-the-loop controles bij elke kritische stap. Een AI-agent laten bouwen is geen apart product, maar onderdeel van custom AI development voor jouw specifieke proces.

Ja. Documentverwerking zetten wij in om gescande of digitale PDF-documenten automatisch te analyseren, classificeren en samen te vatten. Denk aan rapportagecontrole voor toezichthouders, volledigheidsoordelen voor inspectiediensten, of factuurverwerking in administratie-intensieve processen. Een multimodaal AI-model leest het document in zijn geheel (tekst én opmaak), vergelijkt de inhoud met jouw beoordelingscriteria en stelt een resultaat op. De professional valideert het oordeel.

Onze opdrachtgevers zijn proceseigenaren en operations managers bij gemeenten, ministeries, MKB-organisaties en beroepsverenigingen die repetitief handmatig werk willen automatiseren zonder een intern AI-team op te bouwen. Custom AI development is voor hen geen IT-project maar een procesvraagstuk: wat kost ons nu de meeste tijd, en welk deel kan AI software op maat overnemen? Wij bouwen voor organisaties die snel willen zien wat AI hen oplevert, zonder meerdere maanden op een bureaustudie te wachten.

Een sprint van twee weken kost € 9.600. Een typisch project loopt drie tot zes sprints (grofweg € 28.800 tot € 57.600). Heb je een afgebakend project? Dan krijg je vooraf een totaalofferte met vaste scope en prijs. Werk je in losse sprints? Dan weet je per sprint exact de prijs en beslis je telkens of je doorgaat.

We prijzen op waarde, niet op uren: we kijken naar wat een oplossing je oplevert of bespaart. Bij grotere trajecten (vanaf € 20.000) maken we de keuzes expliciet met een Must / Should / Could / Won't-indeling, zodat je budget naar de juiste dingen gaat. Een prijs noemen we altijd, nooit "nader te bepalen".

Elke twee weken lever je werkende software op en beslis je of je doorgaat. Zo voorkom je scope creep en eindeloze trajecten waarbij je pas op het eind ziet wat je krijgt.

We werken met gefaseerde betaling om budget en voortgang in pas te houden: een aanbetaling bij de start, het restant bij oplevering van de sprint of het project. Zo is er commitment aan beide kanten.

We zijn daar vooraf duidelijk over. Niet inbegrepen zijn doorgaans hostingkosten, AI-tokenkosten (het verbruik van de AI-modellen), eventuele certificeringen en onderhoud na oplevering. Die kosten benoemen we apart in het voorstel, zodat je de volledige rekening kent.

Een sprint heeft een vaste duur van twee weken en een vaste prijs. Loopt iets uit of veranderen prioriteiten, dan schuift het naar de volgende sprint en beslis jij of dat het waard is. Na elke sprint herijken we samen, nieuwe inzichten verwerk je gewoon in de volgende sprint. Je krijgt nooit achteraf een onverwachte rekening en zit nooit vast aan een plan dat na maand één al achterhaald is.

Ja, allebei. Je kunt starten met één sprint van twee weken (€ 9.600), zonder verplichting op een langer traject. Na elke sprint beslis je of je doorgaat. Stop je, dan eindigt het traject zonder gedoe; de afspraken over wat je in handen hebt staan in onze algemene voorwaarden.

Plan een vrijblijvende kennismaking. We bespreken je vraag, denken meteen mee over de aanpak en sturen daarna een helder voorstel met scope en prijs. Pas als jij akkoord bent, starten we. Klaar voor de eerste stap? Neem contact met ons op.

Elk traject start met een kennismaking waarin we je probleem en doel scherp krijgen. Daarna sturen we een voorstel met scope en prijs, en gaan we in sprints van twee weken aan de slag. Aan het einde van elke sprint zie je werkende software, geen PowerPoint.

Voor AI-projecten doorlopen we vijf fases: Scope, Analyze, Experiment, Productionize, Monitor. AI komt er bij ons doorgaans pas in het derde stadium bij. We beginnen met business rules, want een deel van wat als "AI-probleem" binnenkomt, blijkt bij goed nadenken een paar duidelijke regels te zijn. De uitzonderingen en fuzzy randjes vullen we aan met AI. Goedkoper, voorspelbaarder, minder kwetsbaar.

Of we per sprint of per totaalproject werken, kies jij: flexibele scope is losse sprints, helder afgebakend is een totaalofferte met vaste prijs.

Vaak sneller dan je denkt. Na de kennismaking en akkoord op het voorstel kunnen we doorgaans binnen één tot twee weken een sprint inplannen. Hoe scherper we samen de scope krijgen, hoe sneller we kunnen bouwen.

Met de mensen die ook echt bouwen. Backlight.ai is opgericht door Robbe en Piet, samen met Christos vormen we het kernteam. Piet's roots liggen in data science, Christos in kunstmatige intelligentie en Robbe in webdevelopment en animatie. Je praat rechtstreeks met de mensen die het product bouwen. Geen zorgen: we leggen het uit in gewone taal, geen moeilijke developer-praat.

Op de site hoort daar ook Jason bij, onze AI-assistent. Jason beantwoordt je eerste vragen over diensten, werkwijze en projecten, met bronvermelding erbij. Voor het echte werk schakel je door naar Robbe, Piet of Christos.

Buiten werk: Piet en Robbe kennen elkaar van de roeivereniging. Piet is daarnaast mede-oprichter van een runclub en loopt een marathon in drie uur. Christos is een geboren Griek, dus over de Griekse cultuur valt altijd te praten; daarnaast speelt hij gitaar. Robbe kitesurft en komt uit de entertainmentwereld, waar projecten eerder drie uur dan drie maanden duren.

Aan het einde van elke sprint laten we live zien wat we hebben gebouwd in een show & tell. Tussendoor heb je direct contact met de developer die aan je project werkt, niet met een accountmanager. Korte lijnen, geen ruis.

Vooral betrokkenheid. We hebben iemand nodig die onze vragen over jouw proces kan beantwoorden en bij de show & tell feedback geeft. Hoe scherper jouw input, hoe beter de software op je werk aansluit. Verder houden we de lijnen kort en de overhead laag.

Ja. We bekijken eerst de bestaande code en architectuur en geven je daarna een eerlijk advies: doorbouwen op wat er is, of opnieuw beginnen waar dat verstandiger is. Je hoort van ons wat het meeste oplevert, niet wat ons het beste uitkomt.

Ja. We werken voor klanten buiten Nederland en zelf ook geregeld vanuit het buitenland, volledig op afstand: show & tells en overleg online, in jouw tijdzone waar dat kan. Internationaal zit ook in het team: collega Christos is Grieks. De manier van werken (sprints, werkende software elke twee weken) verandert niet, alleen de plek van het scherm.

We wonen en werken alle drie in Utrecht. Sinds april 2026 zitten we op Campus Werkspoor, een open ruimte met veel daglicht. Daarvoor zaten we aan de Oudegracht, in een kantoor zonder ramen. Dat past misschien bij het cliché van IT'ers. Maar daglicht werkt toch echt fijner. Wil je langskomen? Dan zorgen we voor koffie.

Dit klinkt gek voor een AI-bureau, maar wij zijn nuchter over AI. Sceptisch zelfs: over wat het kan, over wat het niet kan, en vooral over wat het zou moeten doen. Die houding zit in alles wat we bouwen.

We beginnen niet met AI. Een groot deel van wat als "AI-probleem" binnenkomt, blijkt bij goed doordenken een set duidelijke business rules. Die bouwen we eerst; AI zetten we alleen in op de fuzzy randjes. Goedkoper, voorspelbaarder, minder kwetsbaar. Een bureau dat zijn omzet uit AI-uren haalt, heeft die prikkel niet.

We bouwen rond jouw proces, niet rond het model van vandaag. Het model eronder vervangen we zodra er iets beters is, jouw integratie blijft staan. Zo zit je over een jaar niet vast aan de techniek van nu.

Je data blijft van jou. We gebruiken je gegevens nooit om AI-modellen mee te trainen, en toegang regelen we volgens het principe dat alleen wie iets nodig heeft erbij kan. Wanneer wij je project hosten, draait je applicatie op Google Cloud in een EU-regio. Kies je ervoor om zelf te hosten? Dan bepaal je zelf in welke regio je infrastructuur draait. Privacy en beveiliging zitten in het ontwerp, niet erbovenop. Meer details in ons privacybeleid.

We bouwen privacy in het ontwerp in, niet erbovenop. Verwerken we persoonsgegevens namens jou, dan sluiten we een verwerkersovereenkomst en draait je applicatie in een EU-regio op Google Cloud. We gebruiken je gegevens nooit om AI-modellen te trainen. De volledige uitwerking staat in ons privacybeleid.

We bouwen AI rechtstreeks in software in: slimme assistenten, automatisering van handmatig werk en het ontsluiten van je eigen data. We werken met toonaangevende modellen van Anthropic (Claude) en Google (Gemini). Het verschil zit niet in het model, maar in hoe goed het is ingebed in jouw proces.

We bouwen met React en TypeScript voor de website (de voorkant), Python en FastAPI voor de server (de achterkant), en draaien op Europese enterprise datacenters van Google. Geen exotische keuzes, alles goed onderhoudbaar en overdraagbaar.

We kiezen het verbindingsmechanisme dat bij jouw situatie past: een site-to-site VPN-tunnel (IPsec) of jullie eigen client-VPN naar een afgeschermd netwerk, een private netwerkkoppeling naar een database in de cloud, of een versleutelde databaseproxy. Welke we inzetten leggen we per opdracht schriftelijk vast. Voor onze eigen toegang werken we cloud-native met een zero-trust model: de beveiligingsgrens is identiteit, niet netwerklocatie, met verplichte multifactorauthenticatie, minimale rechten en versleuteling overal. Hoe dit precies zit, lees je op beveiliging en toegang.

Onze architectuur is in lijn met de beheersmaatregelen van ISO 27001 (ISO 27001-aligned): identiteitsgebaseerde toegang, verplichte multifactorauthenticatie, minimale rechten, versleuteling tijdens transport en in rust, gescheiden klantomgevingen, auditlogging en EU-hosting. We zijn op dit moment niet ISO 27001 gecertificeerd. Stelt een project formele certificering als eis, dan kan dat onderdeel zijn van een afzonderlijk traject. De volledige uitwerking staat op beveiliging en toegang.

Kunnen? We zullen! Voor veel trajecten is dat het startpunt. Stuur je NDA mee en we tekenen voordat we inhoudelijk de diepte ingaan. Vertrouwelijke data behandelen we volgens het principe dat alleen wie iets nodig heeft erbij kan, met versleuteling en gescheiden klantomgevingen. Meer hierover op beveiliging en toegang.

Meestal wel. We koppelen regelmatig met bestaande software, databases en API's, van CRM- en boekhoudsystemen tot interne tools. In de kennismaking kijken we naar wat je nu gebruikt en wat technisch haalbaar is, zodat de nieuwe oplossing aansluit op je huidige werk in plaats van ernaast te staan.

Juist daar zit de waarde. We bouwen oplossingen die jouw eigen documenten, data en kennis ontsluiten: bijvoorbeeld een assistent die antwoord geeft op basis van jouw handleidingen, of een pipeline die informatie uit documenten haalt. De AI wordt zo bruikbaar voor jouw werk, niet alleen voor algemene vragen.

Van ons, en dus ook van jou. Wij gebruiken heel veel componenten, zoals hoe je inlogt of automatisch een e-mail verstuurt, opnieuw in andere projecten. Zo bouwt onze kennis ook door nadat we iets geleerd hebben waar we nog niet eerder tegenaan zijn gelopen. Maken we iets unieks voor jou? Dan leggen we het gebruik daarvan natuurlijk netjes vast in de algemene voorwaarden.

Ja, en dat is het hele punt. We zetten jouw werkwijze, vakkennis en beslisregels om in een systeem dat jij bezit. Dat systeem groeit mee: elke verbeterde workflow legt meer van je eigen kennis vast. Wissel je later van AI-model, dan blijft die opgebouwde kennis gewoon staan, want die zit in jouw integratie en jouw data, niet in het model. Zo bouw je een voorsprong op die een concurrent niet zomaar kopieert door hetzelfde model in te kopen.

Software heeft altijd hosting en onderhoud nodig om te blijven werken; dat hoort niet automatisch bij de bouwopdracht. Je host het zelf (eigen cloudaccount of hostingprovider naar keuze), of wij blijven hosten via een aparte overeenkomst met SLA.

Realistische kanttekening bij zelf-hosten: we bouwen met moderne tooling die niet bij elk in-house IT-team bekend is. Daarom kun je voor hosting en onderhoud bij ons blijven, niet omdat we een hostingbedrijf zijn, maar omdat onze developers de stack tot in detail kennen. Heb je geen techniek-mensen in huis? Geen probleem, dat is de standaard: wij hosten en beheren je project in een EU-regio en jij weet vooraf wat je betaalt.

De afspraken over eigendom, gebruiksrecht, broncode, onderhoud en aansprakelijkheid staan in onze algemene voorwaarden.

Dan zeggen we dat. Niet elk probleem vraagt om AI; soms is een slimme webapp, een betere datakoppeling of automatisering zonder AI effectiever. We adviseren je op wat werkt, niet op wat ons het meeste oplevert. Eerlijk advies vooraf bespaart je een dure omweg.

AI-modellen worden steeds krachtiger, maar vaak slechts nog gereedschap. De waarde zit in hoe ze verbonden zijn met jouw data, processen en gebruikers. Dat stuk veroudert niet.

Daar speelt de wet van de remmende voorsprong. Wie vroeg alles vastzet rond de techniek van nu, zit daar later aan vast. De partij die later begint pakt meteen het betere model en gaat je voorbij. In AI gaat dat niet in jaren maar in maanden. Het model dat vandaag de beste keuze lijkt, is een paar maanden later alweer ingehaald.

Daarom bouwen we niet rond het model van vandaag, maar rond jouw bedrijfsproces. Het model eronder vervangen we zodra er iets beters is. Modellen wisselen, jouw integratie blijft.

AI-hallucinaties ontstaan wanneer een model iets verzint dat plausibel klinkt maar feitelijk onjuist is. Wij lossen dit op met een slimme combinatie van technieken: sub-agents, RAG, knowledge graphs en BM25-zoekopdrachten. In plaats van te vertrouwen op wat het model "weet", halen we antwoorden op uit bronnen die jij expliciet aanwijst, met directe bronvermelding bij elk antwoord. Klopt iets niet? Dan klik je door naar de bronpassage en controleer je het zelf. De AI verzint niets, maar citeert en parafraseert alleen wat in de kennisbank staat.

Twee dingen die vaak door elkaar lopen, met een groot verschil voor jouw controle en veiligheid.

Bij trainen worden je gegevens onderdeel van het model zelf. Ze worden uitgesmeerd over de parameters, de miljoenen instelknoppen van het model, en zijn daarna niet meer als losse gegevens terug te vinden of te wissen. Het model "weet" iets, maar kan niet aanwijzen waar het vandaan komt. En wie het model gebruikt, kan die informatie er soms weer uithalen: train je op gevoelige bedrijfsdata, dan riskeer je dat die bij anderen terechtkomt. Daarom gebruiken wij jouw data nooit om modellen te trainen, en hebben we met de aanbieders van de taalmodellen afgesproken dat zij dat ook niet doen.

Bij beschikbaar stellen blijft je data gewoon op zijn plek. Het model zoekt pas op het moment van een vraag de relevante stukken op in bronnen die jij aanwijst, en citeert die met bronvermelding erbij. Het leent je informatie alleen even in om te antwoorden, in plaats van het uit zijn hoofd te leren. Hiervoor gebruiken we ophaaltechnieken zoals RAG en knowledge graphs.

Het verschil in één zin: trainen stopt je data ín het model, beschikbaar stellen laat het model je data lézen. Bij de tweede manier blijf je eigenaar van je data en kun je elk antwoord natrekken tot aan de bron. Verwijder je een bron, dan verdwijnt die meteen uit de antwoorden, terwijl getrainde data niet meer uit een model te halen is. Hoe wij met jouw gegevens omgaan, staat in ons privacybeleid.

Een taalmodel rekent met waarschijnlijkheden, niet met vaste regels. Het voorspelt het meest waarschijnlijke volgende woord op basis van de vele parameters die tijdens de training zijn afgesteld. Daardoor is het probabilistisch: dezelfde vraag kan net een ander antwoord opleveren, en het model "weet" niet zeker of iets klopt, het schat in wat plausibel is.

Een deterministische aanpak doet het omgekeerde: vaste regels die bij dezelfde invoer altijd hetzelfde resultaat geven, voorspelbaar en controleerbaar. Voor harde, regelgebonden stappen (een bedrag berekenen, een status bepalen) wil je juist dat.

Daarom mengen wij de twee. Het voorspelbare deel lossen we op met business rules; AI zetten we in op de fuzzy randjes waar geen vaste regel bestaat. Zo krijg je de kracht van AI zonder onvoorspelbaarheid op plekken waar die niet hoort.

RAG staat voor retrieval-augmented generation: het model haalt op het moment van een vraag de relevante stukken op uit bronnen die jij aanwijst, en baseert zijn antwoord daarop, in plaats van te leunen op wat het uit trainingsdata "weet". Met bronvermelding erbij, zodat je elk antwoord kunt natrekken.

Het lastige is de juiste stukken vinden. Daarvoor combineren we drie complementaire methodes: BM25 zoekt op exacte woorden (sterk bij vakjargon en eigennamen), semantisch zoeken zoekt op betekenis (vindt ook synoniemen en omschrijvingen), en knowledge graphs leggen verbanden tussen begrippen (vinden samenhangende context, niet alleen tekst die erop lijkt). Samen zorgen ze dat de juiste passage bovenkomt, hoe je je vraag ook formuleert.

Zo wordt de AI bruikbaar voor jouw eigen werk: antwoorden die kloppen, controleerbaar zijn, en uit jouw bronnen komen.

Alleen als het nodig is. Soms kijkt een mens achteraf mee, soms tussentijds voordat het proces automatisch doorgaat. Bij productiekritische stappen bouwen we human-in-the-loop controles in: acties die de AI voorbereidt maar die een medewerker goedkeurt voor uitvoering. Een inspecteur controleert het AI-rapport voor verzending, een juridisch medewerker valideert een samenvatting. De AI neemt het handmatige werk voor zijn rekening; de eindverantwoordelijkheid blijft bij jou. Meer over dit principe: human-in-the-loop.

Ja. We ontwerpen met AVG-compliance als startpunt, niet als noodoplossing achteraf. Privacy by design betekent bij ons: data minimaliseren, toegang strikt beperken, en jouw gegevens verwerken in EU-regio's tenzij jij anders wilt. Meer details lees je in ons privacybeleid en op beveiliging en toegang.

Dat is een reëel obstakel. Bestaande software is nog niet altijd klaar voor AI-integratie, dus elke koppeling kost moeite. Daar helpen wij mee. We koppelen AI aan je data, workflow en gebruikers. De integratie blijft staan terwijl het model eronder meegroeit.

Jason is de AI-collega van het Backlight.ai team: de assistent op deze website. Zijn naam komt van een klant die ooit naar "Jason" vroeg, terwijl het over het bestandsformaat JSON ging. Die verwarring vonden we te goed om te laten liggen.

Geen ChatGPT en geen algemene zoekmachine, maar een assistent die put uit Backlight's eigen materiaal: cases, documenten, werkwijze en deze FAQ. Jason zoekt het antwoord op in die bronnen en vermeldt erbij waar het vandaan komt, in plaats van iets te verzinnen. Wat Jason niet doet: prijzen of termijnen toezeggen, juridisch advies geven, of namens Backlight afspraken maken. Voor een offerte of kennismaking verwijst hij je naar het contactformulier; de mensen achter de techniek zijn Robbe, Piet en Christos, lees meer op Over ons.

Jason werkt niet alleen op de site. Intern werkt hij met het team mee via Slack, onder andere door uit zichzelf te waarschuwen zodra hij online een beveiligingslek signaleert.

Jason draait op Claude, het taalmodel van Anthropic, in de Sonnet-variant. Anthropic vernoemt zijn modellen naar geschreven vormen die oplopen in omvang: een haiku is een kort gedicht, een sonnet een langer gedicht van veertien regels, en een opus een groot, ambitieus werk. Toepasselijk, want Sonnet zit in het midden: snel genoeg voor een vlot gesprek, sterk genoeg voor de inhoud. Backlight.ai bouwt trouwens met meerdere modellen, van Anthropic en Google, en kiest per project wat past.

Als Jason een antwoord op een bron baseert, zie je een bronverwijzing bij dat antwoord. Klik erop om de bronpagina te openen op de plek waar het citaat staat, zodat je zelf kunt nalezen waar het antwoord vandaan komt. Zo is een antwoord controleerbaar in plaats van een blackbox.

Niet elk antwoord heeft een bron. Sommige antwoorden komen uit algemene context of uit deze FAQ; dan staat er geen verwijzing. Diezelfde aanpak bouwen we ook voor klanten: in de Zomer in Zandvoort-assistent en de F1-vraag onderbouwt de AI haar antwoorden met de achterliggende bron.

Klopt, sinds ChatGPT mainstream werd noemt half LinkedIn zich AI-specialist, prompt engineer of generative AI consultant. De drempel om die titel te claimen is laag, en het geld voedt de hype: volgens de OECD(opent in nieuw tabblad) ging in 2025 61% van het wereldwijde durfkapitaal naar AI-bedrijven, een verdubbeling ten opzichte van 2022.

Het verschil zit niet in wie de titel draagt, maar in wat eronder zit. Een model kiezen of een mooie demo bouwen is het makkelijke deel. Het echte werk zit in het inbedden in jouw proces, omgaan met edge cases, en het draaiend houden over jaren heen. Vraag bij elke partij (ook bij ons) naar concrete cases in productie en wat er gebeurde toen het misging.

Dat varieert per project. Soms zijn we met meer man bezig om één product te verbeteren, soms kan iemand van ons het in z'n eentje aan. Daar omheen zit een heel team van agents die code test, schrijft, verbetert en meeleest. Intern documenteren en delen we veel kennis, zodat iemand anders het over kan nemen als iemand uitvalt.

Een backlight is het tegenovergestelde van een schijnwerper. Een schijnwerper schijnt in je ogen en verblindt. Een backlight zit achter je beeldscherm: je ziet hem nooit, maar zonder hem is alles zwart. Het is het onzichtbare licht waardoor je álles ziet.

Daar zit precies onze overtuiging. AI is op dit moment één grote schijnwerper, fel en oogverblindend, vol hype. Wij doen het omgekeerde: AI hoort niet vóór je applicatie als spektakel, maar erachter als de laag die je product leesbaar, snel en levend maakt. De techniek verdwijnt naar de achtergrond, het product licht op.