Wanneer je Dex gebruikt in plaats van een LLM.

Voor wie Support- en klantenserviceteams, helpdesk- en CRM-software.

Voorbeeldvragen

• pickWelk team pakt dit ticket op? (facturatie, techniek, verzending, overig)
• ratebètaHoe dringend is het? (kan wachten, deze week, binnen twee werkdagen, vandaag)
• checkDreigt de klant op te zeggen?

Waarom Dex en geen LLM

• Elk ticket krijgt een team en een prioriteit voordat iemand het opent.
• Hetzelfde ticket krijgt altijd dezelfde route, dus je routeringsregels zijn testbaar.
• Onder je zekerheidsdrempel onthoudt het antwoord zich en gaat het ticket naar een mens.

Bekijk de race

Voor wie Marktplaatsen, community's, reviewsites en apps met berichten van gebruikers.

Voorbeeldvragen

• pickWelke regel overtreedt dit bericht, als er een is? (geen, intimidatie, spam, haat, oplichting)
• ratebètaHoe ernstig is het? (niet, licht, ernstig, zeer ernstig)
• checkDeelt het iemands persoonlijke gegevens?

Waarom Dex en geen LLM

• Goedkoop genoeg om elk bericht te controleren, niet een steekproef.
• Met gekalibreerde kansen verwijder je alleen automatisch boven een drempel en gaat de rest naar moderatoren.
• Moderatie blijft op onze GPU in de EU: zet fallback op never.

Bekijk de race

Voor wie B2B-sales- en marketingteams, CRM en webformulieren.

Voorbeeldvragen

• pickWat wil deze afzender? (kopen, samenwerken, support, vacature, spam)
• ratebètaHoe goed past het bedrijf bij ons klantprofiel? (slecht, redelijk, goed, uitstekend)
• checkVragen ze om een afspraak?

Waarom Dex en geen LLM

• Scoort elk formulier en elke e-mail zodra die binnenkomt.
• Dezelfde lead, dezelfde score: sales kan op de ranglijst vertrouwen.
• Getypeerde antwoorden passen direct in je CRM-velden.

Bekijk de race

Voor wie Teams die AI-agents en copilots bouwen.

Voorbeeldvragen

• pickDeze toolaanroep toestaan, bevestigen met de gebruiker of blokkeren?
• checkProbeert de invoer de instructies van de agent te omzeilen?
• checkValt deze aanroep buiten wat de gebruiker vroeg?

Waarom Dex en geen LLM

• Snel genoeg om voor elke toolaanroep te staan.
• Een onzekere controle onthoudt zich, zodat de agent een mens vraagt in plaats van te gokken.
• Dezelfde aanroep, hetzelfde oordeel: elke beslissing is achteraf te controleren.

Bekijk de race

Voor wie Operations-, finance-, juridische en intaketeams.

Voorbeeldvragen

• pickWat voor document is dit? (factuur, contract, klacht, overig)
• pickWelke afdeling moet het krijgen?
• checkNoemt het een deadline?
• ratebètaHoe belangrijk is het?

Waarom Dex en geen LLM

• Eén aanroep beantwoordt elke vraag over een document, en het document wordt één keer gefactureerd.
• Alleen jouw labels komen terug, dus de routeringscode blijft eenvoudig.
• Verwerkt in de EU, en standaard wordt niets opgeslagen.

Voor wie Webwinkels, marktplaatsen en catalogusteams.

Voorbeeldvragen

• pickWelke categorie past bij deze advertentie? (tot 255 opties)
• checkIs dit een verboden artikel?
• pickIn welke staat is het artikel? (nieuw, zo goed als nieuw, gebruikt, voor onderdelen)

Waarom Dex en geen LLM

• Grote catalogi tegen lage kosten per artikel.
• Diepe categoriebomen werken in stappen: eerst een tak, dan een blad.
• Dezelfde advertentie, elke keer dezelfde categorie.

Voor wie Klantbeleving-, onderzoeks- en social-listeningteams.

Voorbeeldvragen

• ratebètaWat is het algemene sentiment? (zeer negatief tot zeer positief)
• pickWat vindt de schrijver van de prijsverhoging? (voor, tegen, neutraal)
• checkNoemt het een concurrent?

Waarom Dex en geen LLM

• Een score op je eigen schaal, met een kans per niveau.
• Vergelijkbaar in de tijd: op een vastgezette versie scoort dezelfde tekst altijd hetzelfde.
• Kwaliteit in het Nederlands en Engels apart gemeten.

Voor wie Compliance-, risk- en trust-and-safetyteams.

Voorbeeldvragen

• checkBevat dit bericht persoonsgegevens?
• checkBelooft het een financieel rendement?
• pickWelk artikel van ons beleid is van toepassing?
• ratebètaHoe riskant is het? (laag, middel, hoog)

Waarom Dex en geen LLM

• Ja-of-nee-antwoorden met een kans, voor drempels die je kunt uitleggen.
• Elk antwoord noemt de modelversie en kalibratie, voor je audittrail.
• Houd een mens betrokken bij beslissingen met rechtsgevolgen voor mensen.

Voor wie Teams die hun eigen AI-functies testen en bewaken.

Voorbeeldvragen

• ratebètaHoe goed volgt het antwoord de instructies? (een regel uit je rubric)
• checkBlijft het antwoord bij het onderwerp?
• pickWelke fout, als er een is? (geen, weigering, off-topic, verkeerd formaat)

Waarom Dex en geen LLM

• Dezelfde uitvoer krijgt altijd hetzelfde cijfer, dus evaluatieruns zijn vergelijkbaar.
• Je betaalt voor de tekst die je beoordeelt, niet voor een geschreven oordeel.
• Kansen laten zien welke cijfers twijfelgevallen zijn.

Voor wie Data- en operationsteams die records en imports opschonen.

Voorbeeldvragen

• checkBeschrijven deze twee records dezelfde klant?
• pickWat voor waarde staat in dit veld? (e-mail, telefoon, adres, naam, overig)
• checkLijkt dit record op test- of rommeldata?

Waarom Dex en geen LLM

• JSON-states: wijs elke vraag naar een veld met een {{path}}-verwijzing.
• Draait over grote tabellen tegen lage kosten per rij.
• Hetzelfde record, hetzelfde oordeel: een nieuwe run gooit je data niet door elkaar.