Ontvangst en de challenge Om 9.00 uur werden we vriendelijk ontvangen met koffie en croissantjes. Om 9.30 uur volgde het welkomstwoord en de uitleg van de challenge. Elk team had 5 uur om met Frends een oplossing te bouwen waarin de MCP- en AI-mogelijkheden van Frends verwerkt zaten.

Het verhaal

Santa's Manufacturing Company (SMC) verliest zijn hoofdinkoopelf Bartholomew, die met pensioen gaat. Hij las elke dag een rommelige inbox met orders en typte die over in het ERP. Hij wist welke klant er echt schreef, wat "het gebruikelijke" betekende en waar het naartoe moest. Die kennis zat alleen in zijn hoofd.

De opdracht

Verwerk de inbox automatisch tot geldige orders in het ERP. De inbox bevatte 21 berichten met onder meer:

• talen: Zweeds, Fins, Duits, Deens, IJslands en Engels;

• vormen: e-mails, EDI-achtige fixed-width bestanden, CSV-bijlagen, telefoonnotities en een WhatsApp-bericht;

• valkuilen: een totaal dat niet klopt met de regels, een product dat niet meer leverbaar is, onderdelen besteld op artikelnummer, 20 stuks in de mail maar 200 in de bijlage, en een e mail die een eerder WhatsApp-bericht intrekt.
  
  

Beschikbare systemen

Via API's kregen we toegang tot een CRM met klanten en notities, de orderhistorie, een productcatalogus met stuklijsten, een componentenlijst, een klantenservice API om vragen aan klanten te stellen en het ERP zelf. Het ERP gaf bij het insturen een Hint terug: een aanwijzing over wat er nog mis was in de hele batch. Het doel was dus zoveel mogelijk orders geaccepteerd en een lege Hint.

Onze aanpak: AI bouwt de AI-oplossing

We bouwden de oplossing met de Claude Frends Companion-plugin die Wijnand eerder had gemaakt. Voor deze dag was hij uitgebreid met de MCP-server van Frends zelf. Daardoor werkt de Companion rechtstreeks in de Frends-tenant: hij kent de Frends-conventies, BPMN, C# expressies en onze eigen reviewregels.

1. Verkennen. Hij maakte kleine hulpprocessen om de API's en het gedrag van het ERP te leren kennen, nog voordat we iets ontwierpen.

2. Ontwerpen en genereren. We beschreven de oplossing in gewone taal, bijvoorbeeld "los elk bericht op met bewijs, gok nooit, vraag de klant één keer". De Companion maakte daar de Frends-processen van.

3. Valideren, deployen en testen. Hij valideerde elk proces, zette het in de tenant en draaide een testproces met 9 testgevallen tegen de MCP-tools.

4. Bijsturen in een lus. Hij startte runs, las de Process Instances en de Hint van het ERP, en stelde de volgende aanpassing voor. De integratiespecialist blijft in de lead en neemt de beslissingen.
   
   

De Companion doet het herhalende bouw-, test- en analysewerk in minuten. Tijdens de challenge kwam een van de Frends-architecten even langs. Toen we hem over onze Companion-plugin vertelden, was hij onder de indruk. Hij zag snel dat we daarmee een flinke voorsprong hadden op de andere teams.

De oplossing in Frends

Onze oplossing werkt als een digitale orderdesk die het werk van Bartholomew overneemt, maar elke beslissing onderbouwt met bewijs. Het resultaat: 21 berichten werden 20 orders. Daarvan accepteerde het ERP er 19, staat er 1 bewust op controle en mislukte er 0. De Hint van het ERP bleef leeg 

1. Lezen. Frends haalt alle berichten uit de inbox en zoekt bij elke afzender de juiste klant.

2. Begrijpen met bewijs. Een AI-stap leest elk bericht. Hij mag alleen feiten gebruiken die hij opzoekt via 6 MCP-tools: klanten, notities, orderhistorie, producten met stuklijsten, componenten en een datumhulp. Bij elke klant, regel, adres en datum noemt hij waar dat vandaan komt.

3. Controleren. Een vaste controlestap checkt productcodes, artikelnummers, aantallen en datums. Klopt iets niet, dan krijgt de AI één herkansing. Zo komt er nooit ongecontroleerde AI-output in het ERP.

4. Vragen bij twijfel. Is iets onduidelijk, dan stuurt Frends de klant één heldere vraag per order, met de eigen woorden van de klant erin. Bijvoorbeeld: "U schreef 20 in de mail en 200 in de bijlage. Moeten we 20 of 200 bestellen?" Het proces wacht tot de klant antwoordt en gaat dan verder.

5. Insturen en leren. De orders gaan naar het ERP. De Hint die terugkomt gaat mee naar de volgende run, zodat de AI precies dat punt opnieuw bekijkt.

Slim detail: is het bewijs niet veranderd, dan hoeft de AI niet opnieuw te denken. Een volledige run duurt dan 6 seconden in plaats van 2 minuten.

Verloop van de dag

Tijdens het bouwen hield de organisatie een scorebord bij van alle 13 teams. Wij hadden de oplossing na 2,5 uur technisch af, dankzij de Frends Companion 

De resterende 2,5 uur gebruikten we om de oplossing verder te verfijnen en documentatie te (laten) maken, ook dat allemaal met AI. In die verfijningsronde kwamen onder meer paging, één correlatie-id per run en tellers voor gelezen, geschreven, overgeslagen en mislukte berichten erbij, zonder dat er één orderuitkomst veranderde. Eén les leerden we de harde manier: tijdens het testen stelden we één klant 21 keer dezelfde vraag. Daaruit kwam de regel "vraag maar één keer" voort, die nu ook bij parallelle runs gegarandeerd is. 

Om 15.00 uur hield elk team een presentatie van 5 minuten over hoe ze tot hun oplossing waren gekomen. Wij zagen hier een kans om de jury iets anders te laten zien.

We hadden eerst een statische presentatie met slides. Die legde onze stappen uit, de functionele onderdelen van de oplossing en hoe die werkt tijdens een run met de data. Omdat we tijd over hadden, lieten we AI die presentatie uitwerken tot een korte film.

De film vertelt het verhaal van de laatste werkdag van Bartholomew. Hij verdrinkt in de inbox, geeft zijn boekje over aan de Frends Companion, de architectuur bouwt zich op en de orders worden afgestempeld. Hij eindigt in zijn schommelstoel met een detective. Alles in de film is echte data uit onze laatste run. Ook de tekeningen en de film zelf zijn met AI gemaakt: dezelfde werkwijze als de oplossing, AI bouwt en de mens regisseert.

De jury was hier behoorlijk van onder de indruk, en de andere teams ook.

Na de presentaties trok de jury zich kort terug. Team 9, Conclusion Integration, pakte de 3e plek van de 13 teams. Het was een close race: de nummer 2 had maar 2 punten meer dan wij, en de nummer 1 zat ook dicht op de 2e plek. De 2e plek ging naar een ander Nederlands team.

Afsluiting en wat we meenemen

Even aan het rad van fortuin draaien voor Frends-goodies Na de officiële zaken was er tijd om samen te eten en een drankje te doen, met ruimte om te netwerken. Verschillende teams kwamen nog bij ons langs om te zeggen hoe leuk ze onze presentatie vonden.

• We lopen voorop met AI. Teams die al langer met Frends werken kwamen tot vergelijkbare oplossingen. Wij bouwden die met onze AI-companion en hadden hem na 2,5 uur technisch af.

• Nieuwe inzichten over AI in Frends. We weten nu hoe je in Frends een proces bouwt waarin AI de data verwerkt, met bewijs, validatie en een mens in de lus.

• Inspiratie voor ander werk. Deze aanpak willen we ook onderzoeken voor andere integratieoplossingen, bijvoorbeeld een orderdesk die eerst in schaduwmodus naast de mensen meedraait.

Deze Frends User Day stond in het teken van AI, en dat is zeker uit de verf gekomen. Het was een leuke dag om mee te maken en goed om andere teams te ontmoeten.