Buildlog · 2 van 2
Quid · Finance · 2025 – 2026
Van LLM-demo naar agents die de boekhouding doen
Kleine financeteams verliezen dagen aan bonnetjes, facturen en journaalposten die met de hand in het ERP worden getypt. Ik kwam vroeg bij Quid en maakte van de eerste LLM-prototypes agents die dat werk doen.
- Rol
- AI Engineer
- Domein
- Finance en boekhouding
- Stack
- Python · TypeScript · Agno · AWS + GCP
Mijn deel
Ik bracht de eerste LLM-prototypes van Quid naar multi-agent systemen in productie: de AI-laag van het product, een declaratie-assistent in Slack en agents die helpen bij de boekhouding, plus de full stack eromheen.
Zo werkt het, live
Een vereenvoudigde weergave. Terwijl je scrolt, reist een voorbeeldbonnetje van Slack naar een afgeronde declaratie, met bij elke stap één regel trace van wat de agent doet.
- 01 · Input · actiefBonnetje in Slackfoto of PDF
- 02 · Extraheren · actiefVeldenverkoper, bedrag, btw, datum
- 03 · Koppelen · actiefCategorieënwaar de uitgave thuishoort
- 04 · Rapport · actiefDeclaratieklaar voor goedkeuring
- 01slack · foto van bonnetje gepost (voorbeeld)
- 02extract · verkoper · totaal · btw · datum
- 03map · categorie voorgesteld · vraagt bij twijfel
- 04report · opgesteld · wacht op goedkeuring
Wat het lastig maakt
In de boekhouding bestaat "ongeveer goed" niet. Bonnetjes zijn onscherp, facturen mengen talen en belastingregels, en elk bedrijf boekt net iets anders. Een verkeerde boeking kost meer dan geen boeking.
Eén document lezen is dus niet genoeg. De agent moet werken als een boekhouder, met de context die een mens ook zou hebben.
Wat ik heb geleerd
Het model is het makkelijke deel. Wat een prototype tot een product maakt, is alles eromheen: de juiste tools, de juiste context en duidelijke momenten waarop een mens goedkeurt.
Zet de agent waar mensen al werken, zoals Slack, en laat hem vragen als hij twijfelt in plaats van te gokken. En in een vroeg team is het werk vooral kiezen wat je niet bouwt.
Resultaat
In productie
Gebruikt door de klanten van Quid toen ik er werkte.