Sunbit – n8n implementatie voor AI-native creative operations

De situatie

Sunbit is een Amerikaanse fintech die consumenten aan een betaaloplossing helpt op het moment dat ze voor een onverwachte rekening staan: de garage, de tandarts, de dierenarts. Achter dat ene moment zit een operatie waarin marketing, sales, support en finance allemaal hun eigen systemen gebruiken. Salesforce voor klant- en partnerdata. Zendesk voor support. Iterable voor campagnes. Twilio voor sms. Slack voor het dagelijkse werk.

Die systemen praatten met elkaar via automatiseringen die door de jaren heen waren aangegroeid. Elk stuk deed zijn werk. Samen vormden ze geen systeem. Er was geen gedeelde structuur, geen consistente foutafhandeling, en geen plek waar je in één oogopslag zag wat er wanneer was misgegaan. Een aanpassing in één workflow betekende zoeken in een omgeving die niemand nog helemaal overzag.

Sunbit wilde meer dan behouden wat er was. Ze wilden een fundering waarop AI kan draaien: een omgeving waarin een agent bij de juiste data kan, een oordeel kan vellen en zijn stap kan afmaken zonder dat een mens ertussen hoeft. Dat is de kern van AI-native creative operations: niet AI naast het proces plakken, maar het proces zo bouwen dat AI er een werkende schakel in is.

‍

Wat we hebben gebouwd

Wij hebben de volledige automatiseringslaag opnieuw opgebouwd in n8n. Negentien workflows, verdeeld over drie werkomgevingen, elk met dezelfde opbouw, dezelfde naamgeving en dezelfde manier van omgaan met fouten.

Eén orkestratielaag in plaats van losse verbindingen

De workflows vallen uiteen in vier clusters. Aanvragen en leads: webformulieren, demo-aanvragen en evenement-inschrijvingen die als lead in Salesforce landen en daar automatisch worden aangemaakt of bijgewerkt. Support en communicatie: Zendesk-tickets die een uitgaand sms-bericht via Twilio in gang zetten, en antwoorden van klanten die terugkomen als reactie op datzelfde ticket. Klant- en partnerprocessen: een getekend contract, portaaltoegang voor een nieuwe partner, een gewijzigde betaalmethode, een uitbetaalde settlement die als gebeurtenis in Iterable terechtkomt. En campagnes: referral-registraties en conversies die de marketingkant automatisch voeden.

Elke workflow is modulair opgebouwd, met subworkflows voor onderdelen die op meerdere plekken terugkomen. Fouten leiden tot een expliciete faaltoestand met een melding, nooit tot stilte. Elke run is te herleiden via gestructureerde logging.

Agentic AI als stap in het proces

De AI in dit systeem is geen chatvenster naast het werk. Het is een stap in de workflow die een oordeel velt en daarna doorgeeft. Een agent maakt een aanvraag compleet voordat een mens hem ziet, toetst inhoud aan de merk- en copyrichtlijnen, of doet een juridische voorcontrole zodat alleen wat door die check komt bij een specialist belandt.

Dat werkt alleen als de agent bij de juiste kennis kan. Daarom ligt onder de agents een centrale kennisbank: merkrichtlijnen, copyrichtlijnen en disclaimers, gestructureerd zodat zowel de workflows als de mensen in het team er direct uit kunnen werken. Wij ontwerpen die datalaag eerst en bouwen de agents daarbovenop. Een agent is namelijk nooit beter dan de informatie waar hij bij kan.

De systemen die we koppelden

Salesforce, Zendesk, Iterable, Twilio, Slack en Google Drive, aangevuld met de formulier- en evenementtools waarmee het team leads binnenhaalt. Waar een kant-en-klare koppeling bestond, gebruikten we die. Waar dat niet zo was, bouwden we de verbinding zelf op de API van het systeem, met dezelfde standaarden voor herhaalpogingen, foutafhandeling en logging als de rest.

‍

Hoe we het aanpakken

Sunbit heeft een vast team van 32 uur per week. Geen losse opdrachten, maar doorlopende capaciteit die elke week een stuk verder komt. Dat maakt een aanpak mogelijk waarin niets in één keer omgaat.

Per workflow doorlopen we dezelfde stappen: de bedrijfslogica doorgronden, testdata samenstellen voor elk pad dat de workflow kan nemen, bouwen, testen in een aparte testomgeving, uitrollen naar productie, en daar controleren of hij doet wat hij moet doen. Pas dan gaat de oude versie uit. De volgorde is bewust gekozen: we begonnen met de kleinste en veiligste workflows, zodat het team de omgeving leerde kennen zonder risico voor de lopende operatie. De zwaarste workflow stond als laatste gepland, op het moment dat het team het snelst was.

Bij oplevering hoort documentatie per workflow: wat hij doet, waar hij van afhankelijk is, wat er gebeurt als hij faalt en hoe je hem herstelt. Plus runbooks voor de AI-agents, inclusief de prompts en hoe je die bijwerkt.

‍

Waar het nu staat

Dertien van de negentien workflows draaien live in productie. Aan de laatste zes wordt gewerkt. De agentic laag bouwt voort op dezelfde fundering: nu de orkestratie er ligt en de kennisbank is ingericht, is elke volgende AI-stap een uitbreiding in plaats van een nieuw project.

‍

Veelgestelde vragen

Wat houdt een n8n implementatie in?

Een n8n implementatie is het opzetten van een centrale automatiseringslaag waarin je systemen met elkaar samenwerken. Dat is meer dan workflows aanklikken: het gaat om een omgeving met vaste bouwpatronen, foutafhandeling, logging, monitoring en documentatie, zodat het jaren later nog te onderhouden is door iemand die er niet bij was toen het gebouwd werd.

Waarom n8n en niet een ander platform?

n8n draait op je eigen infrastructuur, waardoor je zelf bepaalt waar je data staat. Dat is voor een financiële partij zelden een detail. Daarnaast laat n8n zich uitbreiden met eigen code waar een standaardkoppeling tekortschiet, en zijn AI-agents er een eersteklas onderdeel van in plaats van een aanbouwsel.

Kun je bestaande automatiseringen overzetten naar n8n?

Ja. Wij bouwen ze opnieuw op in plaats van ze één op één te kopiëren. Een bestaande automatisering draagt vaak omwegen mee die er ooit noodgedwongen in zijn gekomen. Bij het herbouwen halen we die eruit, en draaien we de oude en de nieuwe versie naast elkaar tot bewezen is dat de nieuwe hetzelfde doet.

Hoe lang duurt zoiets?

Dat hangt af van het aantal workflows en hoe verweven ze zijn met je systemen. Bij Sunbit ging het om negentien workflows over drie werkomgevingen, met een vast team van 32 uur per week. Wij werken in stappen van twee weken waarin telkens iets opleverbaars klaar is, zodat je niet maanden wacht op één grote oplevering.

‍

Zelf een fundering leggen waar AI op kan draaien?

Wij bouwen automatiseringen in n8n voor bedrijven die verder willen dan losse experimenten. Van het opnieuw opzetten van bestaande workflows tot AI-agents die een echt oordeel vellen in het proces.

Plan een kennismaking