- De studio

AI-expertise, menselijke intuïtie.

Een klein, gespecialiseerd team uit Amsterdam dat praktijkervaring inbrengt in data- en AI-transformaties bij enterprises.

Dissel AI is opgericht door Derk Disselhoff, met meer dan 10 jaar praktijkervaring in complexe commerce, productdatamanagement en AI-transformatie.

We blijven bewust klein, zodat bij elk traject een oprichter aan tafel zit. En we nemen geen werk aan waarvan we het resultaat niet kunnen meten.

01
0%+

Data completeness needed before AI pays off

02
0 days

From fragmented data to AI-powered operations

03
0 mo

Typical payback period on data + AI investment

04
0+ yrs

Hands-on commerce, data and AI experience

- Het team

Het team

Portrait of Derk Disselhoff
01

Derk Disselhoff

Oprichter & Directeur

Portrait of Elko Lemiso
02

Elko Lemiso

AI-Engineer

Manifest

ElkbedrijfgaatdekomendejarendooreenAI-transformatiezodathetefficiënterzalopereren.Tochpastvandaagmaar17% van het MKBAIopeengestructureerdemaniertoe.

Wat we steeds opnieuw zien misgaan02
  • AI ingezet als losse tool naast het werk, niet ín het proces
  • Data en systemen niet verbonden, waardoor agents context missen
  • Geen eigenaarschap intern: gebouwd door een vendor, niemand beheert het
  • Geen kwaliteitscontrole: output wordt nooit gemeten of bijgestuurd
  • Pilots zonder roadmap naar productie of business case
Het resultaat03
  • AI-projecten die blijven hangen in pilots
  • Geen meetbare impact op je business
  • Weggegooid geld en tijd

Waarom ChatGPT logo, Claude AI logo, Google Gemini logo of Microsoft Copilot logo alleen niet genoeg is

Een licentie op een AI-model is geen AI-strategie. Het verschil tussen gebruikers die slimmer typen en een bedrijf dat structureel anders draait, zit in de integratie: je data, je systemen en je workflows verbonden, met agents die in je processen zijn ingebouwd én gecontroleerd worden.

01

Een AI model alleen is geen systeem

Het is een onderdeel, de auto moet nog gebouwd worden.

02

Geen fundament eronder

Zonder verbonden data en systemen blijft het een los chatvenster.

03

Geen controle op de output

Draait een agent in je echte processen, dan is "soms fout" niet acceptabel.

04

Geen eigenaar voor doorontwikkeling

Bouwen is eenmalig; modellen, processen en koppelingen veranderen continu.

Daarom bouwden we het Agentic Readiness Framework