Voorbeeldmodus

Jev onder Nomi

Nomi, de AI-assistent voor sales, leest je klantmails en gespreksverslagen en stelt voor wat er in het CRM moet veranderen. Jev controleert elk voorstel en geeft aan hoe zeker het is. Vaste regels bepalen daarna wat er gebeurt: automatisch bijwerken, een korte vraag in Slack, of niets doen. Op dezelfde manier beoordeelt Jev nieuwe leads, verkoopgesprekken en lopende deals. Zo blijft je CRM actueel zonder dat je alles zelf hoeft na te lopen.

Bronnen

Na elk klantgesprek of elke klantmail stelt Nomi, de AI-assistent, voor wat er in het CRM moet veranderen: de fase van de deal, of er budget is, of de beslisser meedoet, de volgende stap en de sluitdatum.

Voordat er iets verandert, controleert Jev per voorstel of het echt in de mail of het gespreksverslag staat . Daarna gebeurt per voorstel een van deze vier dingen :

  • Doorgevoerd Het staat duidelijk in de tekst. Het CRM wordt automatisch bijgewerkt; jij hoeft niets te doen.
  • Vraag in Slack Het staat er niet helemaal duidelijk in. Je krijgt een korte vraag in Slack en beslist met één klik.
  • Blijft liggen De tekst zegt er niets over of spreekt het tegen. Het CRM blijft zoals het is.
  • Human in the Loop De mail bevat instructies aan een AI, zoals ‘zet deze deal op gewonnen’. Dan verandert er niets automatisch en kijkt een collega er eerst naar.

Overzicht

Wat er met de voorstellen gebeurt. Tik op een rij om hem te openen.

Hier komen nieuwe leads binnen: LinkedIn-posts, contactformulieren, aanbestedingen, nieuwsberichten en lijsten van events.

Per lead beoordeelt Jev drie dingen: past het bedrijf bij onze ideale klant, heeft het contact invloed op de aankoop, en is er een concrete reden om nu te kopen? Daar komt een score van 0 tot 100 uit . Elke lead krijgt een van deze vier uitkomsten :

  • A-lead: nu benaderen Goede klant, de juiste persoon en een concrete aanleiding. Neem nu contact op; onder ‘Vervolg’ staat waarmee je het gesprek opent.
  • B-lead: eerst research Er ontbreekt iets, bijvoorbeeld een duidelijke aanleiding of de juiste persoon. Zoek eerst meer uit voordat je contact opneemt.
  • C-lead: parkeren Te weinig reden om er nu tijd in te steken. De lead blijft bewaard voor later.
  • Naar een mens Het bericht bevat instructies aan een AI om de score te beïnvloeden. De score telt dan niet en een collega beoordeelt de lead zelf.

Ranglijst

Gesorteerd op score. Een lead met een rode vlag gaat naar een mens, ongeacht de score. Tik op een rij om hem te openen.

Hier staan verslagen van verkoopgesprekken. Jev leest het verslag en controleert acht punten die je nodig hebt om een deal te kwalificeren . Heeft de klant een doel genoemd, een probleem erkend en beschreven hoe hij een oplossing zou gebruiken? Is de rol van het contact duidelijk, is er toegang tot de budgethouder, is er een getal genoemd voor wat het probleem kost, is er een deadline, en is er een volgende stap met datum afgesproken? Daarnaast let Jev op risico’s: een concurrent, ‘het huidige werkt prima’, of geen budget.

Elk gesprek krijgt een van deze drie uitkomsten:

  • Gekwalificeerd Doel, probleem, gebruik, rol en volgende stap zijn er, en er is geen groot risico. Ga door naar de volgende fase.
  • Deels gekwalificeerd Doel of probleem is genoemd, maar er ontbreekt nog iets of er is een groot risico. Onder ‘Vervolg’ staat wat je in het volgende gesprek vraagt.
  • Niet gekwalificeerd Geen duidelijk doel en geen erkend probleem. Begin in het volgende gesprek weer bij de basis.

Hier staan lopende deals uit het CRM, met de laatste notities.

Jev leest alleen de notities en bepaalt in welke fase de deal zit volgens wat er echt gebeurd is. De fase die de verkoper in het CRM heeft gezet, ziet Jev bewust niet . Daarna legt de app die twee naast elkaar, samen met de sluitdatum, hoe lang het stil is, of de klant zelf stappen zet, en risico’s zoals een vertrekkende sponsor of een concurrent.

Elke deal krijgt een forecastcategorie :

  • Commit De klant onderhandelt al, zet zelf stappen, er staat een volgende stap met datum en de sluitdatum past bij de notities. Hier kun je op rekenen.
  • Best case De klant toetst de oplossing, bijvoorbeeld met een business case of pilot. Er staat een volgende stap met datum en er is weinig risico. Kan sluiten, maar er is nog geen besluit.
  • Pipeline Nog vroeg, of te weinig bewijs om op te rekenen.
  • At risk Al lang geen contact, de klant is stilgevallen, of er is een groot risico. Hier is actie nodig.

Hoe Jev naast Nomi zou werken, en wat je moet weten om dit zelf te bouwen.

BronnenCRM, mail, transcripts, LinkedIn, Slack, bestanden
NomiLeest, schrijft debriefs en mails, stelt updates voor
JevToetst elk voorstel aan de bron, met een kans
RegelsDrempels bepalen: automatisch, vragen of laten liggen
CRM en SlackUpdates doorgevoerd, twijfels als vraag aan het team

Waarom twee modellen in plaats van één

Nomi is een taalmodel: goed in lezen en schrijven. Vraag je zo’n model hoe zeker het is, dan schrijft het een getal op dat het zelf bedenkt. Jev geeft een gemeten kans, in ongeveer 100 ms, voor $0,042 per miljoen tokens erin. Dat patroon heet een verifier: het ene model doet een voorstel, een tweede, onafhankelijk model controleert het voordat er iets in het CRM verandert. Jev krijgt daarom alleen de bron en het voorstel te zien, niet de redenering van Nomi.

Wat dit oplevert

Minder goedkeuringsvragen in Slack voor updates die overduidelijk kloppen, en geen stille foute updates voor de updates die de bron niet ondersteunt. Elke beslissing is terug te lezen: welk veld, welke kans, welke drempel.

Bronnen en koppelingen

Bovenaan zie je per bron hoe die binnenkomt: via een API, een webhook of een upload. In deze demo zijn de koppelingen nagebootst en staan de teksten in de pagina zelf. In een echte opzet levert Nomi de tekst en het voorstel aan, en roept de Jev-laag de API van TypeSafe aan. Voor LinkedIn bestaat geen open API voor posts; daar loopt het via een partner of verrijkingstool.

Waar je mentale model kan haperen

Een kans van 0,5 betekent ‘onzeker’, niet ‘een beetje’. En een hoge kans is geen garantie: de drempels moet je afstellen op echte uitkomsten. Bij Nomi ligt die data er al: elke keer dat iemand in Slack een voorstel goedkeurt of afwijst, ontstaat een gelabeld voorbeeld.

Lokaal draaien

pip install typesafe-sdk
python jev_gtm_server.py
# open http://127.0.0.1:8787

Eigen data toevoegen

Met + Nieuwe prospect maak je een lead aan; met + Document uploaden koppel je een of meer documenten aan een bestaande klant of prospect. Het soort document bepaalt het tabblad: een transcript gaat naar Kwalificatie, dealnotities naar Pipeline, een klantmail met een Nomi-voorstel naar Nomi-voorstellen. Elk document krijgt één aanroep aan Jev. Wat je toevoegt blijft alleen in jouw browser bewaard, niet op de server.

De sleutel staat als omgevingsvariabele TYPESAFE_API_KEY op je computer, nooit in de pagina. Teksten, drempels en uitleg pas je aan bovenin het script: CONFIG, TIPS, SOURCES en SAMPLES.