Vervang traditionele formulier-intakes door een conversational AI-flow die context begrijpt, op het juiste moment doorvraagt, en gestructureerde data oplevert voor jouw EPD, CRM, HRIS of zaaksysteem. Voor zorg, advocatuur, HR, verzekeraars, overheid en B2B-sales. Geen los chatbot-experiment — een afgebakende intake-laag, in jouw merk, met AVG, NEN 7510 en AI Act vanaf het begin op orde.
De meeste intake-flows in Nederlandse organisaties zien er nog altijd hetzelfde uit: een lange vragenlijst, dichtgetimmerd in dropdowns en verplichte velden, die de gebruiker dwingt om in het hokjesdenken van het achterliggende systeem te kruipen. Een patiënt met een klacht, een cliënt die een zaak aanmeldt, een nieuwe medewerker — allemaal door dezelfde geometrische trechter. Het resultaat: half ingevulde formulieren, foutieve classificaties, een tweede-lijns medewerker die alsnog moet bellen, en data die in een verkeerd veld is beland.
Een AI-intake doet het anders. De gebruiker beschrijft in eigen woorden wat er speelt — typend of pratend — en een taalmodel vertaalt dat naar de structuur die het achterliggende systeem nodig heeft. Mist informatie? Dan stelt de AI een follow-up. Klopt er iets niet? Dan vraagt hij om bevestiging. Zodra het gesprek klaar is, rolt er een nette JSON-payload uit met precies de velden die het EPD, het CRM, het HRIS of het zaaksysteem verwacht. Dat is de kern van wat wij bij AI-ontwikkeling dagelijks bouwen.
Wat onderscheidend werkt: we bouwen geen algemene chatbot die je daarna probeert te knippen. We bouwen een afgebakende intake-laag op basis van het JSON-schema dat aan de achterkant nodig is. De AI weet welke vragen hij moet stellen om dat schema gevuld te krijgen, en stopt zodra alles netjes is. Geen open einde, geen improviseren met advies dat het model niet mag geven. Branche-kennis — anamnese-protocollen, klacht-classificaties, juridische vraagsoorten — voegen we toe via een gerichte RAG-laag. Snel, goedkoop in gebruik, en uitlegbaar voor de toezichthouder.
AI-intake-integraties vallen in onze ervaring grofweg in drie categorieën, met telkens een ander zwaartepunt op compliance, integratie-diepte en gebruikersbeleving. Welke vorm bij jouw organisatie past, hangt af van het soort beslissing dat na de intake genomen wordt en de gevoeligheid van de data die wordt verzameld.
Een conversational intake-component die je in een bestaande website, klantportaal of mobiele app inhangt. De gebruiker blijft in jouw huisstijl en wordt nooit naar een derde-partij-domein gestuurd. Geschikt voor verzekeraars die een schadeclaim willen aannemen, gemeenten met een melding-flow, of B2B-sales-teams die een eerste behoefte-uitvraag willen automatiseren. De output landt rechtstreeks in jouw CRM, ticket-systeem of zaaksysteem.
De gebruiker belt of spreekt in een app, de AI luistert mee, structureert het gesprek tot de velden van jouw intake-schema, en de medewerker krijgt aan de andere kant een nette samenvatting in plaats van een ruwe call-opname. Voor zorg-triage, gemeentelijke 14-nummers, schadelijnen en support-call-centers waar het volume groot is. We koppelen een spraakherkenning-motor aan een LLM-laag die de transcriptie omtovert tot een gestructureerd intake-record.
Een intake-laag die volledig is gemaakt voor één domein — een huisartsen-anamnese-app die volgens de NHG-richtlijn vragen stelt, een advocaten-intake die rechtsgebied-classificatie en conflict-check vooraf doet, of een HR-onboarding-flow die direct in het HRIS landt. Voor zorgcontext werken we volgens het kader van ons afsprakenportaal voor cliënten met NEN 7510-compliance vanaf de eerste sprint.
Een productieklare AI-intake-integratie die past in de werkstroom van jouw mensen en de architectuur van jouw IT — plus alles wat nodig is om hem te beheren, te auditen en uit te breiden. Code, prompts, schema's en modellen zijn van jou. Wij doen het beheer alleen als je dat zelf wil; je kunt morgen elders verder als dat beter uitkomt.
Acht patronen waar AI-intake in de praktijk waarde toevoegt. Herken je je organisatie of usecase in een van deze profielen, dan praten we graag verder — ook als je nog twijfelt of een eigen integratie de juiste keuze is in plaats van een standaard-pakket.
Patiënten beschrijven hun klacht in eigen woorden via een veilige patiëntenportaal-flow; de AI structureert dat tot een NHG-conforme anamnese met red flags vooraf gemarkeerd. Voor de huisarts of GGZ-behandelaar is het consult daardoor korter, scherper voorbereid, en het EPD-veld voor SOEP-S al ingevuld. Bij gevoelige doelgroepen — kindergeneeskunde, psychiatrie, oncologie — overleggen we expliciet welke vragen door een AI gesteld mogen worden en welke een mens vooraf moet leiden. Lees ook onze aanpak voor afsprakenportaal voor cliënten.
Een potentiële cliënt beschrijft zijn zaak; de AI classificeert het rechtsgebied (familierecht, arbeidsrecht, ondernemingsrecht, strafrecht), schat de urgentie in, doet een eerste conflict-check tegen het kantoorsysteem en bepaalt welke partner de zaak het beste kan oppakken. De cliënt krijgt sneller een gerichte terugkoppeling, en het kantoor verliest minder tijd aan zaken die buiten de praktijk vallen. Voor de hoog-risico-laag onder de AI Act regelen we de menselijke review-stap voor elke zaak die daadwerkelijk wordt aangenomen.
Een nieuwe medewerker doorloopt een conversational onboarding waarin de AI de hele set vragen stelt die HR anders via Excel of e-mails uitvraagt: adresgegevens, BSN, vakantieafspraken, hardware-voorkeur, reiskostendeclaratie. De data landt direct in het HRIS, IT-provisioning, reiskostentool en payroll. Voor de medewerker voelt het als één gesprek.
Een zakelijke klant beschrijft zijn vraag aan de AI; die stelt de discovery-vragen die een sales-engineer anders zou stellen — gebruikersaantallen, integratie-eisen, beslissingsproces — en levert een complete brief in plaats van een ruwe lead.
Een verzekerde die een aanrijding meldt, brand-schade claimt of een gestolen telefoon meldt, beschrijft het incident in een AI-gestuurd intake-gesprek. De AI vraagt door op de feiten, accepteert foto's via een upload-stap, classificeert het schadetype, en zet een eerste fraude-signaal als de factoren daartoe aanleiding geven. De schadebehandelaar pakt het op met een grotendeels af-dossier.
Bewoners die een melding doen, een klacht indienen of een aanvraag insturen, doen dat via een conversational flow die de medewerker veel beter voorbewerk levert dan het huidige formulier. De AI categoriseert, wijst toe aan de juiste afdeling, en stelt follow-up-vragen.
Patiënten die een operatie wacht, doorlopen vooraf een digitale intake die de gegevens uitvraagt die de anesthesist en het OK-team anders mondeling moeten uitlezen: medicatie, allergieën, eerdere ingrepen, comorbiditeit, mobiliteit. De AI past zich aan op het antwoord en levert een gestructureerde pre-OK-checklist die rechtstreeks in het EPD landt naast het bestaande dossierbeheersysteem.
Voor hogescholen, gemeentelijke voorzieningen of onderwijs-aanmeldingen: een AI-flow die de aanvrager door alle relevante vragen leidt en de aanmelding gestructureerd in het backoffice-systeem zet. Met aandacht voor toegankelijkheid, taalniveau B1, en alternatieve invul-routes voor wie liever met een mens praat.
We kiezen niet vooraf één favoriet model — we kiezen pas nadat we de usecase, de data-categorie, de talen en de privacy-eisen kennen. Een korte oriëntatie per kandidaat, zoals wij die in een eerste sessie met je doornemen. We werken vendor-onafhankelijk: jij bent eigenaar van de prompts en het schema, het model kunnen we morgen wisselen als de markt of de prijsstelling daar aanleiding toe geeft.
Voor zorg-, overheids- en financiële klanten vaak de praktische keuze: EU-residency in West-Europa, integratie met Azure AD, datablokkade tegen training, en een bestaand Microsoft-contract dat inkoop vereenvoudigt. Sterke ondersteuning voor structured outputs en function calling.
Voor klanten op AWS die privacy-strikt willen draaien: Claude-modellen via Bedrock in EU-regio's, met sterke prestaties op Nederlandstalige context en een conservatief antwoordprofiel dat in compliance-gevoelige intakes prettig werkt.
Voor klanten die om beleidsredenen geen Amerikaanse cloud-provider in de stack willen — academische ziekenhuizen, advocatuur, defensie-context — draaien we een open-source LLM in eigen cloud of on-premise. Lager out-of-the-box, te compenseren met fine-tuning en RAG.
Voor branche-kennis gebruiken we een vector-database (pgvector, Qdrant of Weaviate) met de organisatie-eigen documenten als bron. Daarnaast een evaluatie-pipeline die de intake-prompt automatisch test tegen een groeiende set realistische cases — zodat een prompt-wijziging niet stilletjes een type intake breekt.
Voor voice-intake koppelen we een spraakherkenning-motor (Deepgram, AssemblyAI of Azure Speech) aan een telefonie- of WebRTC-laag (Twilio, Genesys, Amazon Connect) en aan de LLM. De AI luistert mee, structureert het gesprek, en kan op het juiste moment door-routeren naar een mens.
De intake-component bouwen we als lichtgewicht JS-widget die in jouw portaal past, met SSO-koppeling (Azure AD, DigiD, eHerkenning, Auth0). Voor mobiel een native React Native- of Flutter-component.
Een gesprek waarin we precies vaststellen welke intake-flow het wordt: wie is de eindgebruiker, welke data moet er aan het einde uit komen, in welk achterliggend systeem landt het, welke beslissingen volgen op de intake. We tekenen samen het JSON-schema dat de output beschrijft — vaak een eye-opener voor organisaties die hun bestaande intake-formulier nog nooit op die manier op een tekentafel hebben zien staan. Soms is een korte adviesfase de juiste eerste stap; zie onze pagina over AI-ontwikkeling.
Voor intakes die persoonsgegevens raken — bij zorg, juridisch, HR of overheid is dat per definitie zo — starten we de DPIA parallel aan de bouw. We classificeren de intake onder de AI Act en regelen de bijbehorende verplichtingen direct in het ontwerp. Chat-flow, retentie-beleid, encryptie, sub-processor-keuze en LLM-residency landen in één architectuur-document dat ook door jouw FG gelezen kan worden. We sluiten aan op een bestaand ISMS.
Het system-prompt en de structured-output-definities krijgen vorm op basis van het schema uit stap 1. We bouwen de RAG-laag op de organisatiekennis die het model nodig heeft om in dezelfde stijl te antwoorden als de organisatie zelf zou doen. Prompts en evaluatie-cases leven van dag één in een git-repository met code-review.
Elke korte sprintronde een werkende build op staging. We bouwen incrementeel: eerst de basis-flow met structured output, dan de RAG-laag, dan de downstream-integratie, dan de mens-in-de-loop-stap, dan de audit-trail. Bij elke prompt- of schema-wijziging draait er een evaluatie-set met realistische cases die per cohort scoort — een wijziging die de algemene kwaliteit verbetert maar één doelgroep verslechtert, willen we vóór release zien. Een intake die in stilte verkeerde velden invult is erger dan een intake die er soms wat trager uitziet.
Gefaseerd uitrollen: eerst een proefgroep met dubbele intake (AI en bestaand formulier naast elkaar), dan bredere uitrol, daarna volledige overgang. Korte training voor de medewerkers die intake-records moeten doorpakken, een gids voor de eindgebruiker, en doorlopend beheer voor model-updates, prompt-iteraties en security-patches. We monitoren intake-kwaliteit per cohort en blijven bijsturen.
Een AI-intake-laag raakt vaak gevoelige data en heeft op weg naar een beslissing impact op een persoon — een patiënt, een cliënt, een aanvrager. Voor zorg-, juridische en publieke toepassingen is een goed gebouwde AI-intake per definitie ook een goed gedocumenteerde, AVG-conforme en AI-Act-conforme integratie. Wij regelen die laag vanaf de eerste sprint, niet als afsluitende paperwork-exercitie.
Iedere intake levert persoonsgegevens op, vaak gevoelig: zorgklacht, juridische zaak, BSN, gespreksverslag. We doen een gerichte DPIA, regelen verwerkersovereenkomsten met sub-processors (LLM-leverancier, hosting, vector-DB), en bouwen retentie- en wisbeleid in de intake-flow zelf.
Sinds 2026 is de AI Act van kracht. Een algemene B2B-discovery-intake is laag-risico, maar zodra de intake input wordt voor medische triage, juridische beslissingen of HR-beoordelingen valt het systeem in de hoog-risico-categorie. We doen de classificatie vooraf en regelen de risico-management-documentatie, data-kwaliteits-eisen, transparantie-laag en het menselijke-toezichts-mechanisme.
Voor zorginstellingen volgen we de NEN 7510-control-set vanaf het begin: toegangsbeheer, logging, encryptie, leveranciers-management. We sluiten aan op het bestaande ISMS. Zie ook onze aanpak voor NEN 7510-compliant software.
Intakes waarin minderjarigen betrokken zijn — jongerenpsychiatrie, schoolzorg, jeugdhulp — kennen aanvullende regels. Onder de zestien jaar is in beginsel toestemming van een ouder of voogd nodig; die toestemming hoort onderdeel te zijn van de intake-flow zelf, zonder die voor de jongere onnodig zwaar te maken.
Voor intakes die met een formele verklaring of toestemming eindigen — een schade-claim, een onboarding-contract, toestemming voor medische gegevensdeling — bouwen we een eIDAS-conforme handtekening-stap in. Met DigiD of eHerkenning voor publieke partijen, of een geadvanceerde handtekening voor B2B.
Iedere intake heeft een traceable herkomst: welke vragen, welke antwoorden, welk model met welke versie, welke RAG-bronnen, welke menselijke acties, en wat naar het achterliggende systeem is gegaan. Voor hoog-risico-toepassingen expliciete menselijk-in-de-loop-stappen voordat de uitkomst de besluitvorming raakt.
Wat opdrachtgevers meestal willen weten voordat we aan een AI-intake-integratie beginnen.
Een vrijblijvende kennismaking. Vertel wie de intake gaat gebruiken, in welk systeem het record uiteindelijk landt en welke compliance-context erbij speelt — wij denken mee en zijn eerlijk over of een eigen integratie het juiste antwoord is. Soms is de juiste eerste stap een korte adviesfase via AI-ontwikkeling; soms is de bouw meteen aan de orde. Liever mailen: fabian.vandijk@appfront.nl.
Appfront gebruikt cookies en vergelijkbare technieken voor een goede werking van de website, voor analyse en voor marketing. Je kiest zelf wat je toestaat. Lees meer in ons privacybeleid.
