Ons bureau draait ook zonder AI. Alleen een stuk langzamer.

Bij Taurus Media zit AI inmiddels in bijna elke stap van ons werk: van het eerste klantgesprek tot de pull request en het beheer daarna. Toch hanteren we één harde regel: ons bureau moet ook zonder AI kunnen doordraaien. Het kost dan alleen meer tijd en moeite, net als vroeger.

Dat is geen voorzichtigheid, het is regie. Wij willen altijd weten wat er in de code staat, waarom een keuze is gemaakt en wat een systeem doet. AI is bij ons de versneller, niet het fundament.

In dit artikel lopen we de route van een klantvraag door ons bureau, zoals die er in november 2026 uitziet. Per stap laten we zien waar AI helpt, en waar we het bewust niet laten beslissen.

Het gesprek: transcripties die lokaal blijven

Elk project begint met een gesprek, aan tafel of online. Van die gesprekken maken we transcripties, zodat niemand meer half luistert omdat hij aan het notuleren is.

Belangrijk detail: we verwerken die transcripties lokaal. Ze gaan dus niet standaard de cloud in. Een klantgesprek bevat vaak gevoelige informatie over omzet, plannen of leveranciers, en die hoort niet zomaar bij een externe partij te liggen.

Overweeg je zelf transcripties? Kijk dan eerst waar de audio en de tekst verwerkt worden. Dat is minstens zo belangrijk als de kwaliteit van het verslag.

Het ticket: de issue tracker als hart

Al ons doorontwikkel- en onderhoudswerk loopt via onze issue tracker. Daar melden klanten bugs en wensen, daar plannen we en daar wijzen we werk toe aan ontwikkelaars. Rond dat hart draaien twee soorten AI hulp.

• Automatiseringen in n8n. Vaste workflows die tickets verrijken, statussen bijwerken en meldingen naar Slack sturen, waar we met de afdelingen van klanten samenwerken.
• Een LLM met MCP koppeling. Via MCP koppelen we Claude of ChatGPT direct aan de issue tracker. Zo zetten we een transcriptie, een mail of een Slack thread om in een gestructureerd ticket.

Dat laatste wordt vaak onderschat. Een goed ticket is de helft van het werk: wat is het probleem, wat is het gewenste gedrag, hoe test je het? AI helpt ons om van rommelige klantinput snel een helder ticket te maken. Een mens checkt het voordat het de planning in gaat.

Een LLM abonnement is bij ons overigens geen extraatje. Iedereen in het team heeft er een, net als een laptop.

Het ontwerp: sneller van idee naar schets

Voordat er een regel code geschreven wordt, moet duidelijk zijn wat we bouwen. In die fase van solution architecting en projectmanagement gebruiken we AI vooral om sneller iets zichtbaars op tafel te leggen.

• Claude Design en Figma Make voor schetsen en ontwerpen van pagina’s en schermen. Een klant reageert veel beter op een eerste versie dan op een beschrijving.
• Miro met MCP voor schematische weergaves: koppelingen tussen ERP, PIM en webshop, of de flow van een order door verschillende systemen.

De keuzes maken we zelf. AI levert sneller een vertrekpunt, maar de vraag of iets technisch klopt en past bij de processen van de klant blijft ons vak.

Het bouwen: developers en de Taurus Agent

Onze ontwikkelaars gebruiken Claude Code en OpenAI Codex om sneller te werken, vooral bij tijdrovende taken. Denk aan het doorgronden van onbekende code, het schrijven van testscripts in Playwright of ander repetitief werk.

De echte stap dit jaar is de Taurus Agent. Daarmee kunnen we een ticket niet alleen aan een mens toewijzen, maar ook aan een agent. Dat werkt zo:

1. We wijzen een ticket in de issue tracker toe aan de agent.
2. Een automatisering zet een aparte testomgeving klaar met een geanonimiseerde kopie van de shop.
3. De agent leest het ticket, schrijft de code en test in die omgeving.
4. Het resultaat komt binnen als pull request.
5. Een ontwikkelaar reviewt de code. Pas na goedkeuring gaat het verder richting productie.

De agent begint daarbij niet bij nul. Elk klantproject heeft een eigen set documentatie die AI kan lezen: hoe de shop is opgebouwd, welke koppelingen er draaien, welke keuzes we eerder maakten en waarom. Zo werkt de agent met wat wij in jaren over die shop hebben geleerd.

De agent is vooral sterk in wat wij lineaire taken noemen: werk waarvan vooraf duidelijk is wat het resultaat moet zijn, zonder dat het onderweg verder uitgezocht moet worden. Een extra veld in de checkout, een aanpassing in een e-mailtemplate, een bekende bug.

We hebben dit jaar veel tijd gestoken in het werkend krijgen hiervan. De agent draait inmiddels op de eerste klantprojecten en we breiden dat de komende tijd uit naar ons hele portfolio. We verwachten dat de taken die een agent aankan snel complexer worden.

Het beheer: de lat ligt hoger, de kosten hoeven dat niet

Hier zit voor ons de grootste winst. Beheer van een webshop is dit jaar echt zwaarder geworden, en AI is daar de aanjager van. Het wordt aan beide kanten ingezet: aanvallers vinden en misbruiken lekken sneller, en platformen reageren met kortere releasecycli. Dus meer beveiligingspatches voor Magento en PHP, en meer modules van derden die mee moeten. Wie dat serieus doet, ziet de uren oplopen, en we verwachten dat het de komende tijd alleen maar meer wordt.

Met onze agent en automatiseringen kunnen we dat sneller en daardoor betaalbaarder doen:

• Module updates voeren we deels geautomatiseerd uit, inclusief een pull request ter review.
• Beveiligingspatches voor Magento verwerken we via een vast, geautomatiseerd proces. Bij een kritiek lek, zoals in oktober, informeren we klanten proactief en zijn patches snel uitgerold.
• Upgrades naar recente PHP en Magento versies plannen we als vaste ronde over alle klanten, in plaats van per klant als het al te laat is.
• Testen gebeurt met een vaste smoke test: een gastbestelling van zoeken tot en met checkout, gevolgd door een controle van de foutlogs. Testscripts in Playwright helpen daarbij.

Het resultaat: beheer dat aan de hogere lat voldoet, zonder dat de rekening meegroeit. Hoe we die tijdwinst eerlijk doorrekenen in onze tarieven, daar zijn we nog over aan het nadenken.

Advies en data: AI denkt mee

AI helpt ons niet alleen bij het bouwen, maar ook bij het adviseren.

• Performance met RUMvision. Via de MCP van RUMvision analyseren we echte gebruikersdata (RUM) en Core Web Vitals. Dat gebruiken we voor performancerapporten, voor concrete tickets aan ontwikkelaars en in vrijwel elk voorstel of business case aan klanten. Zo onderbouwen we advies met metingen in plaats van onderbuikgevoel.
• Campagnedata. Voor klanten waar we advertenties ondersteunen, analyseren we campagnedata met AI om sneller te zien waar het misgaat en wat een aanpassing oplevert.
• E-mail. AI helpt bij het opstellen van conceptantwoorden en bij het inschatten van urgentie. Zo zien we sneller welke vraag direct aandacht nodig heeft. Versturen doet altijd een mens.

Wat we bewust niet aan AI overlaten

De regel dat we ook zonder AI moeten kunnen draaien, vertaalt zich in een paar vaste afspraken:

• Geen klantdata in AI tooling. Orders, klantgegevens en andere persoonsgegevens van de klanten van onze klanten gaan niet in prompts of AI tools. Ook de agent werkt alleen op een geanonimiseerde kopie.
• Elke wijziging wordt gereviewd. Alles wat AI of de agent schrijft, wordt beoordeeld door ons ontwikkelteam voordat het live gaat.
• Geen autonome deploys naar productie. Een agent levert een voorstel aan, een mens beslist.
• Klantcommunicatie blijft mensenwerk. AI mag een concept schrijven, maar wij bepalen wat er naar een klant gaat.

Daardoor blijft ons team zelf eigenaar van de code en de keuzes. Valt een AI dienst een dag uit, dan werken we gewoon door. Alleen wat langzamer.

Wat we volgen: AI in de Magento admin

Voor een aantal klanten hebben we eigen Magento MCP koppelingen gebouwd. Bijvoorbeeld omdat ze content in hun eigen stijl willen laten opstellen, of omdat ze heel precies willen bepalen wie wat mag. Voor veel mensen is een Magento MCP nog een black box, terwijl het eigenlijk best toegankelijk is. Daar schrijven we binnenkort een apart artikel over.

Daarnaast houden we Mago in de gaten: een gratis, open source AI assistent die als chatvenster in de Magento admin draait. Je kunt er vragen aan stellen over je shop, en rechten lopen via de bestaande admin rollen van Magento. Mago vraagt wel Magento 2.4.8 of hoger. Nog een reden om je shop up-to-date te houden.

Tot slot

AI maakt ons sneller, maar het is niet wat ons goed maakt. Dat blijven vakkennis, overzicht en de keuzes die we samen met onze klanten maken. AI maakt een ervaren developer veel sneller. Een onervaren developer maakt het vooral sneller fout.