AI-modellen en platforms
Form & Function lanceert Lever om AI-assistenten gedeelde bedrijfscontext te bieden
Belangrijkste puntenDe werkelijke waarde van Lever ligt in de contextlaag die wordt opgebouwd voordat een…
Meer weergeven
- De werkelijke waarde van Lever ligt in de contextlaag die wordt opgebouwd voordat een chatbot vragen beantwoordt.
- Gedeelde bedrijfsdefinities voorkomen plausibele maar misleidende antwoorden tussen niet-verbonden verkoop- en leveringssystemen.
- Geïdentificeerde capaciteitswinsten zijn analytische mogelijkheden, geen omzet die de klant al heeft geïnd.
Form & Function Consulting heeft Lever gelanceerd, een AI-platform dat professionele dienstverleners een samenhangend beeld van hun bedrijfsvoering moet bieden, ook wanneer hun gegevens verspreid zijn over niet-gekoppelde systemen. Het product werd op 12 november aangekondigd en combineert operationele gegevens met bedrijfsspecifieke definities, zodat leidinggevenden via conversatiegerichte interfaces vragen kunnen stellen over personeelsbezetting, omzetprognoses en de winstgevendheid van projecten.
Het interessante is niet nóg een chatbot die financiële vragen beantwoordt. Het gaat om het werk dat nodig is voordat die antwoorden bruikbaar worden. Een verkoopsysteem kan een veelbelovende deal registreren, terwijl het leveringsteam ziet dat er onvoldoende capaciteit is om die uit te voeren. Een AI-assistent heeft meer nodig dan toegang tot beide databases om uit te leggen wat die combinatie voor het bedrijf betekent.
Bedrijfskennis omzetten in bedrijfscontext
Volgens de aankondiging van Form & Function begint het platform met informatie uit systemen voor klantrelatiebeheer, automatisering van professionele dienstverlening en financiën. Ook verzamelt het documenten en de kennis die medewerkers gebruiken om die gegevens te interpreteren. De Lev-chatbot ondersteunt gesprekken met belanghebbenden om vast te leggen hoe een bedrijf daadwerkelijk werkt.
Die onboarding voedt een contextlaag die beschrijft hoe werk wordt verkocht, bemand, uitgevoerd en gemeten. Het doel is vragen met elkaar te verbinden die anders tussen afdelingen in blijven hangen: of de verkooppijplijn een besluit over nieuwe aanwervingen ondersteunt, welke opdrachten de beste marges opleveren en hoe een uitgestelde investering de verwachte kasstroom zou beïnvloeden.
Dit onderscheid is belangrijk in de zakelijke dienstverlening, omdat statistieken met vergelijkbare namen op verschillende aannames kunnen berusten. Bij de beschikbare capaciteit kan bijvoorbeeld de tijd voor verkoopactiviteiten buiten beschouwing blijven, terwijl een omzetprognose zowel kan afhangen van de kans dat een deal wordt gesloten als van het moment waarop het daaruit voortvloeiende werk kan worden uitgevoerd. Een aannemelijk antwoord op basis van de verkeerde definitie kan misleidender zijn dan een overduidelijke fout.
Eén operationeel beeld voor verschillende AI-interfaces
Op de productpagina van Lever laat het bedrijf zien hoe Lev vragen beantwoordt, visuele resultaten genereert en binnen Slack werkt. De pagina toont ook toegang via andere AI-clients, waaronder Claude en ChatGPT, met behulp van het Model Context Protocol (MCP). In plaats van elke interface de bedrijfslogica opnieuw te laten opbouwen, biedt deze aanpak een gedeelde basis voor die interacties.
Bij de lancering werd Lever gepresenteerd als onderdeel van adviestrajecten met operationele partners. De huidige productpagina vermeldt ook dat het product zelfstandig beschikbaar is. Prijzen en gedetailleerde implementatievereisten worden daar niet bekendgemaakt. De aankondiging moet dan ook niet worden opgevat als een zelfbedieningsaanbod met een gepubliceerde abonnementsprijs.
De bredere verschuiving naar een gedeelde bedrijfsbetekenis blijkt ook uit de aankondiging van Ontology Studio van Collate. Lever kiest voor een beperktere aanpak, gericht op de bedrijfsvoering van professionele dienstverleners en onboarding met ondersteuning van consultants. Het behandelt bedrijfscontext dus niet als een generieke laag die elke organisatie ongewijzigd kan overnemen.
Wat de eerste resultaten daadwerkelijk aantonen
Form & Function meldt dat één klant extra leveringscapaciteit heeft gevonden die voldoende is om ongeveer $1,8 miljoen aan extra jaaromzet te ondersteunen, zonder extra medewerkers aan te nemen. In het persbericht wordt ook een verbetering van de verwachte brutomarges beschreven. Het gaat om mogelijke operationele voordelen die met behulp van analyses zijn vastgesteld, niet om bewijs dat de klant die extra omzet al heeft gerealiseerd.
De technische bespreking van semantische lagen door het bedrijf biedt meer context. In een vergelijking die het zelf uitvoerde, testte het vijf bedrijfsvragen elk vijf keer. Daarbij werd toegang tot ruwe BigQuery-gegevens vergeleken met een semantisch model dat met Malloy was gebouwd. De gestructureerde aanpak presteerde beter bij vragen waarvoor bedrijfsdefinities en relaties tussen tabellen nodig waren.
Dat is een nuttige illustratie van de werking, maar het betreft een kleinschalige test die door de leverancier zelf is uitgevoerd. De test toont niet aan dat het systeem perfect nauwkeurig is voor willekeurige vragen, veranderende datasets of de implementatie bij elke klant. Definities vooraf vastleggen vermindert onduidelijkheid, maar neemt niet weg dat die definities moeten worden bijgehouden en belangrijke beslissingen moeten worden gecontroleerd.
De aandacht verschuift van prompts naar het onderhouden van definities
De lancering van Lever benadrukt een praktische verschuiving in bedrijfs-AI: een model verbinden met gegevens is slechts het begin. Iemand moet bepalen wat die gegevens betekenen, tegenstrijdige definities met elkaar in overeenstemming brengen en die interpretatie actueel houden wanneer contracten, personeelsbeleid en bedrijfsprocessen veranderen.
Voor professionele dienstverleners is het mogelijke voordeel een kortere weg van operationele gegevens naar een beslissing over capaciteit of winstgevendheid. De doorslaggevende test op de lange termijn is of die gedeelde context betrouwbaar blijft terwijl het bedrijf zich ontwikkelt, en of de gevonden kansen leiden tot meetbare resultaten in plaats van alleen maar overtuigender antwoorden.












