Hackathon Recap: Code, koffie & creativiteit.

Documenten automatisch uitlezen: van PDF naar gestructureerde data.

Veel organisaties werken dagelijks met documenten die handmatig moeten worden verwerkt. Denk aan het overtypen van informatie uit PDF-bestanden, contracten, formulieren of cv’s. Een tijdrovend en foutgevoelig proces. Daarom stelden we ons de vraag: kan dit niet slimmer? Hoe zorg je ervoor dat documenten automatisch worden uitgelezen en dat de juiste gegevens direct in een gestructureerde database of systeem terechtkomen?

Het doel is om informatie uit ongestructureerde documenten te extraheren en deze in een vooraf gedefinieerde datastructuur op te slaan. Dat kan variëren van klantgegevens tot productinformatie of werkervaring, afhankelijk van het type document. Een cv is hier een herkenbaar voorbeeld van: namen, werkervaringen, opleidingen en vaardigheden kunnen automatisch worden opgehaald en direct worden gekoppeld aan de juiste velden in het systeem. Maar hetzelfde principe geldt voor andere documenttypes zoals facturen, bestelformulieren of rapporten.

Privacy en gegevensbescherming.

Een belangrijk aandachtspunt bij dit soort toepassingen is privacy en gegevensbescherming. Wanneer je werkt met persoonlijke of gevoelige informatie, zoals die in cv’s of contracten, is het cruciaal om de verwerking goed te borgen. In deze aanpak wordt alle data verwerkt binnen een afgeschermde, lokale omgeving. Er wordt gebruikgemaakt van een vooraf getraind AI-model dat volledig lokaal draait, zonder dat gegevens naar externe servers of cloud-oplossingen worden verstuurd.

Door deze veilige en verantwoorde inzet van AI wordt het mogelijk om documentverwerking te automatiseren, tijd te besparen en fouten te verminderen, terwijl de bescherming van gevoelige gegevens gewaarborgd blijft.

Met Laravel Filament bouwden ze een proof of concept. De gebruiker uploadt een PDF, waarna AI de tekst leest en omzet in een gestructureerd JSON-bestand dat in de database belandt. Voor dit project is gekozen om gebruik te maken van Ollama, specifiek omdat deze oplossing lokaal kan worden gedraaid vanaf een eigen machine. Dit geeft ons volledige controle over de omgeving en stelt ons in staat om nauwkeurig te analyseren welke verschillen optreden tussen een lokale installatie en het gebruik van externe API’s die verschillende Large Language Models (LLM’s) faciliteren.

Door lokaal te draaien met Ollama kunnen we onder andere:

• Zelf de prestaties monitoren, zonder afhankelijk te zijn van externe netwerksnelheden of API-beperkingen.

• Inzicht krijgen in resourcegebruik en latency op de machine zelf.

• Beter testen welke impact de infrastructuur heeft op de snelheid en de output van het model.

Tegelijkertijd maakt deze aanpak het mogelijk om een gerichte vergelijking te maken met het gebruik van hosted LLM API’s. Dit helpt om onderbouwde keuzes te maken: wanneer is lokaal draaien wenselijk of noodzakelijk, en wanneer biedt een API-oplossing voldoende snelheid en schaalbaarheid?

Deze afweging is van belang in situaties waar privacy, snelheid of kosten een rol spelen, en waar inzicht in de technische verschillen essentieel is voor het maken van de juiste architectuurkeuzes.

AI onder menselijk toezicht.

Wat opviel, was hoe verrassend de AI-gegenereerde resultaten waren: soms gaf het slimme aanvullingen, soms grappige misverstanden. Het was duidelijk dat AI een krachtige assistent is, maar altijd onder menselijk toezicht moet blijven. Dit project staat nog aan het begin, maar toont al hoe een combinatie van automatisering en menselijke controle tijd kan besparen en fouten kan verminderen.

Technisch gezien verliep alles soepel. De app laat gebruikers inloggen, uploaden en krijgt meteen feedback. Ontbrekende gegevens kun je handmatig aanvullen, die dan weer in het JSON-bestand worden samengevoegd. Zo ontstaat een zo compleet mogelijk profiel.

De volgende stappen zijn om het proces nog soepeler te maken, betere feedback te geven en meerdere AI-modellen toe te voegen. Ook komt er een interface om makkelijk met prompts en data mapping te werken. Zo kan deze slimme tool straks ook vacatures aan CV’s koppelen.

AI als praktische versterker van wat we al doen.

Een ander team dook juist in een bredere, strategische vraag: wat betekent AI eigenlijk voor Cube? Tijdens de hackathon hebben we ons gericht op het formuleren van een heldere en praktische koers voor de inzet van AI binnen Cube. In plaats van AI als een losstaand product te zien, kozen we ervoor om het te positioneren als een slimme versterker van onze bestaande diensten. Het idee is dat AI processen slimmer maakt, data beter benut en medewerkers ondersteunt, zonder dat het een ingewikkeld of losstaand iets wordt.

Belangrijk was voor ons dat AI altijd binnen de context van de organisatie blijft zodat het geen trucje wordt, maar een schaalbare, veilige en waardevolle toevoeging. Onze focus ligt op oplossingen die tijd besparen, handmatig werk verminderen en de datakwaliteit verbeteren, terwijl medewerkers er echt iets aan hebben.

Tijdens de hackathon hebben we deze propositie verder uitgewerkt, praktische voorbeelden verzameld, en gekeken hoe we AI het beste kunnen integreren in onze huidige dienstverlening. Ook hebben we de vervolgstappen besproken: intern een AI-team vormen, kennis bijhouden, voorbeelden en cases ontwikkelen en marketing voorbereiden om deze koers duidelijk te communiceren.

Kortom, de hackathon was voor ons geen experiment met losse AI-tools, maar een concreet moment om een realistische en bruikbare strategie neer te zetten waarmee Cube AI op een slimme en praktische manier inzet voor opdrachtgevers én medewerkers.

Inzicht in e-mails zonder gedoe.

Het derde team pakte een herkenbare uitdaging aan: hoe zorg je ervoor dat opdrachtgevers eenvoudig inzicht krijgen in de status van hun verzonden e-mails zonder dat ze telkens hoeven in te loggen bij externe platforms? Hiervoor maakten ze gebruik van Postmark, een e-mailservice die betrouwbaar is in het verzenden en tracken van transactionele e-mails. Denk aan bevestigingen, notificaties of statusupdates die vanuit systemen worden verstuurd. Postmark biedt hierbij gedetailleerde informatie over elke e-mail: is deze afgeleverd, geopend of wellicht niet aangekomen?

Door slim gebruik te maken van de Postmark API hebben ze deze e-mailinzichten direct beschikbaar gemaakt binnen de eigen applicaties, zonder dat gebruikers hoeven te schakelen naar Postmark zelf. Zo wordt alle relevante e-mailstatusinformatie op één plek zichtbaar.

Ze besloten de technische opzet zo te bouwen dat de presentatie- en servicelagen van elkaar gescheiden zijn. Daardoor is de oplossing flexibel inzetbaar in verschillende Filament-applicaties, zonder vast te zitten aan één specifieke gebruikersinterface. Het resultaat? Een handige Filament-plugin die makkelijk te installeren is, net als elke andere plugin.

De plugin biedt gebruikers een overzicht van alle verzonden e-mails, inclusief belangrijke statusinformatie zoals bounce-meldingen, open- en klik-statistieken en zelfs een preview van de mail zelf. Dit maakt het beheren van e-mails niet alleen transparanter, maar ook een stuk makkelijker en efficiënter.

Wat het team vooral meeneemt uit deze dag, is dat het uitlezen en verwerken van data uit de Postmark API goed te doen is, vooral als je de data loskoppelt van de presentatie. Het opgeleverde prototype vormt een solide basis voor een toekomstige versie, waar nog meer functionaliteiten aan toegevoegd kunnen worden. De volgende stap? De plugin verder uitbreiden en verfijnen om opdrachtgevers nóg meer inzicht en gemak te bieden.

Wat blijft hangen?

Deze hackathon draaide niet alleen om het bouwen van werkende prototypes (al is dat natuurlijk wel heel fijn), maar vooral om samen proberen, falen, leren en ontdekken wat er mogelijk is. Het draaide om die mix van disciplines binnen het team, developers, business, marketing, die samen allerlei ideeën op de proef stelden. De lol die we hadden, de gesprekken, het experimenteren: dat maakte het bijzonder.

We creëerden niet alleen gave tools en slimme concepten, maar ontdekten ook waar AI écht het verschil kan maken (en waar ‘ie soms nog even een duwtje in de rug nodig heeft). De inzichten en ervaringen van vandaag vormen het startpunt voor wat komen gaat. Binnenkort delen we er meer over in blogs, tech talks en praktijkcases.