Het lab
Cultivator AI is een AI-lab in Eindhoven. Onze software factory engineers bouwen agentic harnassen voor bedrijven. We meten wat ze opleveren en publiceren wat we vinden.
Drie dingen: de kennis van een bedrijf, zo gestructureerd dat elke agent de juiste context krijgt; het harness dat zijn processen draait met agents; en de fabriek die dit voor het volgende bedrijf sneller bouwt dan voor het vorige.
Alles wat nu in hoofden, mails en spreadsheets zit, op één plek. U stuurt een notitie, een offerte of een foto van het whiteboard naar het brein en het landt op de juiste plek: wie tekent boven een bepaald bedrag, welke klant altijd voorrang krijgt, waarom die ene offerte anders is opgebouwd. U vraagt het terug vanaf uw telefoon en krijgt het antwoord met de bron erbij. Wat het oplevert: nieuwe mensen zijn sneller ingewerkt, en de vraag die altijd bij één persoon lag kost geen halve dag meer.
Hier komt alles samen: het harness is het systeem dat uw processen draait met agents. Een order komt binnen als mail, de agent leest hem en zet hem in uw ERP met processpecifieke kennis erbij, en uw mensen beslissen waar het ertoe doet, vanuit hun eigen werkomgeving. Het draait op uw eigen servers en u bent er eigenaar van: stopt u met ons, dan blijft het draaien. De onze heet Trellis, en Cultivator AI draait er vandaag zelf op.
De fabriek zorgt voor snelheid. Elk bedrijf heeft zijn eigen harness nodig, rond zijn eigen processen. Met de hand gebouwd kost dit te veel AI-engineers, dus bouwen wij een harnessfabriek. Een harness is de hoofdinteractielaag om agents aan te sturen. Centraal, zodat er geen wildgroei ontstaat van losse tools en agents. En soeverein waar het nodig is.
Drie stappen, voor elke bouw: elicitatie, bouwen, publiceren. In elke stap ziet u wat het u kost en wat het oplevert, in uren en in getallen die u zelf kunt controleren.
01We zitten bij de mensen die het werk doen, in de ruimte waar het gebeurt. Zij laten zien hoe het proces nu loopt: wie beslist, welke regels gelden, waar de uitzonderingen zitten. Dat wordt een lijst van wat de agent nodig heeft en een nulmeting: hoeveel uur het proces u nu kost. U weet vooraf wat we gaan bouwen en waartegen we het afmeten.
02We bouwen de agents voor dat ene proces, gekoppeld aan uw systemen, soeverein waar nodig. Uw mensen kijken mee vanuit hun werkomgeving en beslissen bij elke stap die ertoe doet; de agent legt twijfelgevallen aan hen voor. Binnen dertig dagen draait het op uw echte werk.
03We meten voor en na: uren, doorlooptijd, foutpercentage, en het aandeel gevallen dat de agent afhandelt zonder mens. U krijgt die getallen met datum en bron, ook als ze niet onze kant op gaan, en u beslist daarop of het harness blijft en welk proces het volgende wordt. Wat we leren komt op deze pagina, zonder uw naam en zonder uw cijfers, tenzij u dat wilt.
Metingen op ons eigen bedrijf, dat klant nul is. Bij elke staat wanneer, en waar het getal vandaan komt. Hier staat niets van een klant, want er is nog geen klant.
Nieuwste meting
443 / 504
Van 15 september tot 15 oktober zijn 443 van de 504 wijzigingen die in ons eigen platform zijn samengevoegd gebouwd door onze bouwagents en beoordeeld door een open-weight model op onze eigen hardware.
Bron: de titels van de samengevoegde wijzigingen op de hoofdtak van ons platform, gelezen op 15 oktober 2026.
Een open spraakmodel draait op onze eigen machine sneller dan real time: in 8 bits kost elke 80 milliseconden audio 70 milliseconden rekenwerk, het antwoord komt na ongeveer 0,6 seconde, en een laptop op ons eigen netwerk voegt 4 milliseconden toe. Eerder die dag, voor de 8-bitsrun, was het te traag voor een gesprek.
Bron: onze eigen meting op de machine, 12 oktober 2026.
We hebben drie manieren gemeten om te lezen of onze AI-reviewer een echt bezwaar maakt, op 472 achtergehouden redenen. Onze bestaande regels misten 79 procent van de echte bezwaren, een klein gehost model 31 procent, en een lokaal open model 92 procent. De hele meting, 777 vragen, kostte 1,7 dollarcent. We gingen verder met het gehoste model.
Bron: ons eigen meetrapport van 11 oktober 2026.
Onze vijf groei-agents deden hun eerste echte modelaanroepen: zeven, alle zeven door elke automatische controle heen, voor samen ongeveer 0,06 dollarcent. Nagelezen door een mens waren er twee onbruikbaar: één schreef een klantverhaal dat nooit heeft plaatsgevonden, één schreef het bericht alsof de prospect de afzender was. Beide gingen terug naar de bouwer. Een geslaagde controle is geen gelezen tekst.
Bron: de bonnetjes van de run op onze eigen server, 9 oktober 2026, en het nalezen met de hand op 11 oktober.
Ons LinkedIn-programma draait op hetzelfde harness: agents schrijven, een mens keurt goed en plaatst met de hand, ongeveer twee uur van onze tijd per week. De posts wijzen hierheen, niet andersom.