In één oogopslag

  • Via een gereguleerd contextplatform krijgt Claude toegang tot de bedrijfsgegevens data en de bedrijfsdocumenten van Bora Brasil, waarbij elk antwoord tot aan de bron kan worden getraceerd.
  • Er zijn 83 AI-kansen in de hele onderneming in kaart gebracht, die in drie rondes zijn teruggebracht tot vijf prioritaire toepassingsgevallen voor de roadmap van het eerste jaar.
  • Er werken 62 medewerkers op Claude, met een capaciteit tot 150, waarbij licenties worden toegewezen op basis van functie, werkgebied en anciënniteit.
  • In de eerste groep hebben ongeveer 60 medewerkers een praktijkgerichte opleiding gevolgd op het live bedrijfsstelsel data.

De uitdaging

Bora Brasil Het bedrijf is ontstaan uit de fusie van twee familiebedrijven in de haarverzorgingssector, Skala Brasil en Lola From Rio. De invoering van AI was van onderaf begonnen: ongeveer 15 vroege gebruikers werkten al met Claude, gekoppeld aan hun e-mail, agenda, Teams en bestanden. Het management wilde dat momentum omzetten in een bedrijfsbrede mogelijkheid. Dat betekende antwoorden die gebaseerd waren op de eigen data van de groep, toegang die de bestaande machtigingen respecteert, en een gereguleerde omgeving zodat gevoelige commerciële informatie niet in ongeautoriseerde AI-tools terechtkomt.

De aanpak

Gedurende 9 weken, Artefact en Bora Brasil werkte op drie fronten, waarbij een snelle bottom-up-implementatie werd gecombineerd met een top-down-stappenplan en bestuursstructuur.

1. Een contextplatform op het eigen data-platform van Bora Brasil

Artefact heeft een contextplatform op Azure ontworpen en gebouwd, dat is goedgekeurd door het technische management van Bora Brasil. Claude krijgt via één enkele MCP-server toegang tot de data van de groep:

  • Gestructureerde data in Microsoft Fabric: verkoopcijfers, KPI’s en het data-budget.
  • Ongestructureerde documenten in SharePoint: contracten, beleidsdocumenten, presentaties en commerciële documentatie.

Een bedrijfsinformatielaag bevat de officiële woordenlijst, KPI-definities en bedrijfsregels. Elk document wordt geïndexeerd met een semantische beschrijving, zodat Claude het juiste bestand kan vinden en dit volledig kan lezen. De toegang is altijd afgestemd op de bestaande machtigingen van elke medewerker, en bij elk antwoord wordt de tabel of het document vermeld waaruit het afkomstig is.

2. Gebruiksscenario’s op basis van prioriteit

Aan de hand van gesprekken met leidinggevenden uit de afdelingen Commercie, Marketing, Innovatie en R&D, Operations, Financiën en HR heeft het team 83 AI-kansen in kaart gebracht. Na een eerste strategische beoordeling op haalbaarheid en verwachte waarde bleven er 33 over. Na een gedetailleerde afstemming met de directeuren kwamen er uiteindelijk 24 use cases uit de bus, verdeeld over 8 bedrijfsgebieden, die elk werden beoordeeld op bedrijfswaarde (beoordeeld door het bedrijf) en technische complexiteit (beoordeeld door het technische team).

Uit een ‘make-or-buy’-analyse bleek dat er 15 use cases zijn die moeten worden ontwikkeld en 9 die al door bestaande systemen of marktoplossingen worden gedekt; de investeringen worden dus uitsluitend gedaan op die gebieden waar Bora Brasil’s eigen data en processen het verschil maken. Tijdens een afsluitende workshop over prioritering met het managementteam zijn de 5 use cases geselecteerd die de roadmap voor het eerste jaar vormen.

3. Een AI-afdeling die dit zal beheren

Het bedrijfsmodel bestaat uit een centraal AI-bureau met lichte vertakkingen in elk bedrijfsonderdeel, vertegenwoordigd door AI-kampioenen. Het AI-bureau bestrijkt vier gebieden:

  1. Leiderschap en bestuur: is eigenaar van de AI-portefeuille en de licentietoewijzing.
  2. Toepassingsvoorbeelden: een team dat de prioritaire gebruiksscenario’s ontwikkelt.
  3. Platform: een team dat het contextplatform, de beveiliging en de belangrijkste AI-tools onderhoudt.
  4. Adoptie: verandermanagement en opleiding, in samenwerking met HR.

Een gebruiksbeleid en een gids met beste praktijken zorgen ervoor dat AI-werkzaamheden binnen de goedgekeurde Claude-omgeving blijven.

4. Praktische toepassing op een echte data

De training vond volledig plaats op het live data-systeem van Bora Brasil, in plaats van op algemene demo’s. Tijdens een sessie van 150 minuten beantwoordde elke deelnemer een concrete bedrijfsvraag: op welke gebieden Skala Brasil jaar op jaar omzet wint en verliest, en waarop het verkoopteam zich vervolgens moet richten. Tijdens deze sessie hebben de deelnemers:

  • een Claude-project opzetten met vaste bedrijfsregels;
  • de officiële KPI-definities uit SharePoint gehaald;
  • liet Claude de zoekopdrachten eerst plannen voordat deze in Fabric werden uitgevoerd;
  • een interactief verkoopdashboard ontwikkeld als een deelbaar Claude-artefact;
  • voordat het werd gedeeld, werd gecontroleerd waar elk getal vandaan kwam.

De snelste deelnemers maakten van het dashboard een wekelijkse vaste routine in Claude Cowork. De training zelf werd gegeven via een interactieve gids die met Claude was opgebouwd, waarbij de facilitator via een live-overzicht de verbindingsstatus en voortgang van elke deelnemer kon volgen.

Resultaten

  • Er wonen 62 medewerkers op Claude; dit aantal kan oplopen tot 150
  • Op 6 oktober volgden ongeveer 60 medewerkers de opleiding in de eerste groep; op 13 oktober volgde een tweede groep
  • Elke deelnemer heeft in één sessie van 150 minuten een functioneel verkoopdashboard gebouwd op basis van het live bedrijfsdataset data
  • 83 → 33 → 24 → 5: een door het bedrijf gevalideerd AI-stappenplan, gerealiseerd in 9 weken

Vroege meerwaarde, gemeten door de early adopters:

  • Uit een eerste enquête onder 30 vergunninghouders bleek dat werknemers gemiddeld ten minste 4 uur per week bespaarden, wat neerkomt op ongeveer 10% van een standaard werkweek. Zeven op de tien besparen ten minste drie uur, en één op de zes bespaart meer dan tien uur.
  • Voor de hele groep komt dit neer op een voorzichtige ondergrens van ongeveer 120 uur die wekelijks aan het bedrijf worden teruggegeven, ofwel meer dan 6.000 uur per jaar. Deze uren kunnen nu worden ingezet voor meer strategische opdrachten.
  • De gebruiksscenario’s achter deze cijfers zijn concreet:
    > Op de afdeling HR werd een programma ontwikkeld om de data-laadlay-outs voor de salarisadministratie te converteren; een extern adviesbureau had hiervoor ongeveer 40 uur geraamd, maar het programma werd in 90 minuten gerealiseerd.
    > Een geautomatiseerd rapport over de werktijdregistratie bespaarde ongeveer 8 uur aan handmatige controles en bood managers een sneller overzicht van overuren, afwezigheden en vertragingen.
    Door de indicator voor verzuim opnieuw op te zetten, werd nog eens 6 uur bespaard, en de analyse van het personeelspakket, die vroeger twee dagen in beslag nam, is nu binnen enkele uren voltooid.
    > Op de financiële afdeling maakt een in Pipefy geïntegreerde kredietcontrole van Serasa een einde aan het handmatig opzoeken van klanten, en een gepland verkooprapport wordt nu aan managers verstrekt zonder dat iemand dit handmatig hoeft op te stellen.

Wat volgt er nu:

Het AI-team breidt het gebruik nu uit naar verschillende teams. De volgende stappen zijn het ontwikkelen van bedrijfsspecifieke Claude Skills op basis van het contextplatform en het in praktijk brengen van de vijf prioritaire gebruiksscenario’s.