Het AI-besturingssysteem voor moderne commerciële teams
Hoe Lithe een nieuwe generatie Go-to-Market engineering ontwikkelde
Een nieuwe uitdaging diende zich aan - simpel te omschrijven, moeilijk op te lossen. De commerciële operaties waren hun systemen ontgroeid. Data leefde in silo's. Marketing gebruikte één set tools, sales een andere, alles werd apart bijgehouden en leiderschap miste één centrale bron van waarheid voor de commerciële salesoperaties.
Teams waren slim en gemotiveerd, actief in meerdere regio's. Toch verliep het werk nog steeds via kopiëren en plakken. Leads bewogen van spreadsheets naar CRM's, van e-mails naar chatapps, van follow-ups naar "later". Zowel mensen als systemen hadden achterstand.
We gingen aan de slag om een intelligente laag te bouwen die mensen, data en AI verbindt in één levend proces. Dit noemen we Go-to-Market engineering (GTM-engineering).
Waar het begon
We startten met de tools die al in gebruik waren. Airtable werd het hart van het systeem - een levende database voor leads, gesprekken en relaties.
Automatisering volgde. Via Make.com en n8n legden we verbindingen tussen apps zoals LinkedIn, Gmail, HubSpot en interne CRM's. Binnenkomende berichten triggerden automatisch updates. Statuswijzigingen in Airtable creëerden herinneringen en taken.
Vervolgens brachten we grote taalmodellen in. In plaats van AI als chatbot te behandelen, embedden we het in de werkstroom. Wanneer een bericht binnenkwam, interpreteerde een AI-prompt het, classificeerde de intentie en stelde een persoonlijk antwoord op voor menselijke goedkeuring.
Binnen enkele weken was de follow-upsnelheid verdrievoudigd. Kopieer- en plakwerk verdween.
Van automatisering naar platform
Het prototype bewees het concept. Om op te schalen naar duizenden leads en meerdere teams herbouwden we de kern in NodeJS met een modulaire architectuur. Elke automatisering werd een service met eigen logica en API. Promptlogica werd omgezet naar herbruikbare functies die op schaal kunnen draaien.
De front-end ervaring werd één centrale missie-pipeline die elk contact, elk gesprek en elke relatie in real time toonde. Het systeem automatiseerde niet alleen taken — het onthulde ook hoe sterk of zwak relaties in de loop van de tijd werden.
Technische stack
NodeJS en TypeScript voor applicatielogica
PostgreSQL voor gestructureerde data
Vectoropslag voor semantisch zoeken en relatiescoringen
API-integraties voor LinkedIn, WhatsApp, Workspace/e-mail en een grote CRM
LLM-orkestratie via OpenAI, Agentic Claude en optionele lokale modellen voor privacygevoelige klanten
Governance en compliance waren vanaf dag één ingebouwd. Alle data verliep via de eigen credentials van de klant binnen hun cloud. GDPR-afstemming was onderdeel van het ontwerp — geen nagedachte.
Engineeringprincipes
Het doel was niet alles te automatiseren. Het doel was de flow te automatiseren.
Embed AI, bolt het er niet op. Prompts draaien automatisch binnen het proces. Niemand hoeft tekst naar een chatbot te kopiëren.
Houd mensen in de loop. Elk bericht en elke actie kan worden beoordeeld, goedgekeurd of bewerkt vóór verzending.
Meet relaties, niet klikken. De echte indicator is betrokkenheid en antwoordkwaliteit — niet alleen volume.
Door data, communicatie en AI in één platform samen te brengen kon de organisatie eindelijk in real time zien wat er speelde in de commerciële operaties.
Van handmatig naar intelligent werkproces
Ná
AI-workflows namen repetitief werk over
Relatiegezondheid zichtbaar over alle kanalen
Rapporten genereerden zichzelf elke 24 uur
Pipeline-snelheid steeg in alle regio's
Vóór
Elk team werkte in zijn eigen systeem
Follow-ups waren inconsistent en werden vaak gemist
Rapportage vereiste handmatige updates
Responstijd bleef achter bij concurrenten
Voorbij automatisering: echte GTM-engineering
GTM-engineering combineert softwareontwikkeling, AI-implementatie en procesontwerp. Een GTM-engineer begrijpt zowel de businessflow als de systeemarchitectuur. Ze weten waar data begint, waar het naartoe gaat en hoe het omgezet kan worden in actie. Ze ontwerpen prompts, verbinden API's, houden data schoon en bouwen dashboards die prestaties in real time tonen.
We co-ontwikkelden in het openbaar samen met sales- en marketingleiders. Elke iteratie werd gevormd door daadwerkelijk gebruik en zij-aan-zij delivery. Engineers en commerciële strategen werkten samen totdat technologie weer menselijk aanvoelde.
De technische opbouw
Datalaag: Airtable was het eerste fundament. Later verschoven we naar PostgreSQL met aangepaste schema's voor controle en prestaties.
Automatiseringslaag:Make.com verwerkte vroege integraties. Naarmate de logica groeide, bouwden we native connectors in Node.js en n8n voor snelheid en flexibiliteit.
AI-laag: LLMs stuurden interpretatie en schrijven aan. Prompts waren modulair, geparametriseerd en versiebeheerd. Het model leerde de bedrijfstoon in de loop van de tijd.
Interfacelaag: Het product visualiseerde elk lopend gesprek over alle kanalen. Sales- en marketingleiders konden berichten in seconden goedkeuren of de toon aanpassen.
Analyselaag: Vectorzoeken en metadatatracking produceerden live dashboards over responspercentages, sentiment en relatiegroei.
De impact
Teams stopten met schakelen tussen tools en werkten in één uniforme missie-pipeline. AI verwerkte herhaling. Mensen verhandelden relaties.
Voor leiderschap veranderde zichtbaarheid het spel. Ze zagen waar kansen opwarmden, welke relaties aandacht nodig hadden en waar betrokkenheid het sterkst was. Voor delivery teams fungeerde het systeem als een altijd-aan partner - het suggereerde follow-ups, schreef concepten en legde continu leren vast.
Resultaten
Drie keer snellere outreachcyclus
70% minder handmatige taken
Volledige datazichtbaarheid van eerste contact tot deal
Een centrale AI-operatielaag klaar om globaal op te schalen
Lessen
Begin klein en verbind wat al bestaat. Airtable en Make.com zijn krachtige startpunten.
Laat AI assisteren, niet beslissen. Houd mensen in de goedkeuringsloop.
Stap over naar code als je er klaar voor bent. No-code prototypes versnellen ontdekking; aangepaste architectuur brengt controle en schaal.
Ontwerp rondom mensen. Goede systemen passen bij de manier waarop teams daadwerkelijk werken.
Wat dit betekent voor moderne organisaties
De meeste organisaties hebben hetzelfde kernprobleem: te veel tools, te veel overdrachten, te weinig flow. GTM-engineering behandelt go-to-market als een product dat ontworpen, geautomatiseerd en geschaald kan worden zoals software. AI-implementatie maakt het sneller, helderder en intelligenter.
Het resultaat is niet alleen efficiëntie. Het is een nieuw werkritme waarbij technologie stilletjes het pad vrijmaakt zodat mensen zich kunnen focussen op waarde.
KLAAR OM UW AI-OPERATIELAAG TE BOUWEN?
Lithe Nederland helpt organisaties hun commerciële systemen opnieuw te bedenken. Of u nu begint met een no-code opzet of schaalt naar volledige stack-automatisering — wij ontwerpen, bouwen en embedden de technologie die groei laat stromen.
