Grok kan een rommelige productcatalogus een stuk bruikbaarder maken
In het kort
Grok 4.7 kan informatie aanleveren in een vooraf afgesproken gegevensstructuur. Daardoor wordt het gemakkelijker om losse productbeschrijvingen om te zetten naar velden die een webshop kan gebruiken. Die structuur helpt software bij het verwerken van antwoorden. Een controle op maten, eenheden en ontbrekende informatie maakt de toepassing bruikbaar voor de mensen die ermee werken.
Een leverancier stuurt een spreadsheet, een tweede levert een PDF en een derde beschrijft alles in vrije tekst. Voor de klant moet dat uiteindelijk één overzichtelijke productpagina worden. Achter een nette webwinkel zit daardoor veel knip-, lees- en controlewerk.
Grok biedt hiervoor een interessante bouwsteen: structured outputs. Het model kan antwoorden volgens een schema dat vooraf is vastgelegd. Denk aan afzonderlijke velden voor materiaal, gewicht, lengte en productcode. Dat maakt AI bruikbaar in een proces dat meer vraagt dan een mooie beschrijving.
Van een tekst naar velden die software begrijpt
De documentatie van Grok beschrijft ondersteuning voor een deel van JSON Schema. Dat is een afspraak over de vorm van gegevens: welk veld bestaat, welk type waarde erin mag staan en of het leeg mag blijven. Binnen de ondersteunde mogelijkheden garandeert de API dat het antwoord aan het schema voldoet.
Een praktisch schema kan een gewicht opslaan als een getal en de eenheid apart vastleggen. Het kan ook toestaan dat een waarde onbekend is. Dat laatste is prettig: een medewerker ziet meteen welk gegeven nog bij de leverancier moet worden nagevraagd. Zo'n zichtbaar gat is makkelijker af te werken dan een aannemelijk klinkende invulling.
Bij maten hoort een aanvullende controle in gewone software. Als een bron “120 cm” vermeldt en de catalogus meters gebruikt, moet de omzetting consequent gebeuren. De formule is eenvoudig en kan buiten het taalmodel worden uitgevoerd. Grok helpt vooral om de relevante informatie in uiteenlopende teksten te herkennen.
De huidige dienst en de kosten per artikel
De modelpagina noemt op 14 oktober Grok 4.7 als de huidige algemene taalmodelversie. Het model is via de commerciële API beschikbaar. Voor deze toepassing is geen toegang tot X of actueel webzoeken nodig: de leverancierstekst vormt de invoer. De beschikbaarheid van oudere open modelgewichten betekent niet dat Grok 4.7 zelf downloadbaar is.
De standaardprijs is $2 per miljoen invoertokens en $6 per miljoen uitvoertokens. Een catalogusverzoek met 5.000 volledig ongecachete invoertokens en 500 afgerekende uitvoertokens kost $0,013. Voor 10.000 producten is dat $130: $100 voor invoer en $30 voor uitvoer. Het voorbeeld blijft ruim onder de lange-invoerdrempels, gebruikt geen zoektools en omvat geen toeslagen of belastingen. Nieuwe pogingen en eventuele redeneertokens verhogen de werkelijk afgerekende hoeveelheid.
Die modelrekening kan klein zijn naast de overige werkzaamheden. Producten moeten worden gekoppeld aan de juiste variant, afbeeldingen moeten kloppen en ontbrekende specificaties moeten worden opgevolgd. Het is daarom zinvol de proef te beoordelen op volledig afgewerkte artikelen. Een grote hoeveelheid gegenereerde velden zegt weinig als de catalogusbeheerder ze allemaal opnieuw moet nalopen.
Een ontbrekend gegeven krijgt een eigen route
Stel dat een groothandel honderd nieuwe boormachines toevoegt. Sommige leveranciers noemen het gewicht met accu, andere zonder. Beide waarden kunnen inhoudelijk juist zijn, terwijl een rechtstreekse vergelijking misleidt. Het schema kan daarom naast de waarde ook de meetbasis bewaren. De medewerker krijgt vervolgens de afwijkingen te zien.
Dit is precies waar vakkennis helpt. De categoriebeheerder weet welke eigenschappen werkelijk bepalend zijn voor een aankoop. Het ontwikkelteam vertaalt dat naar velden en controles. Daarmee ontstaat een toepassing die bij het assortiment past. Een algemeen schema voor alle producten wordt al snel te grof.
Voor de eerste proef zijn tien perfecte voorbeelden onvoldoende. Gebruik ook korte beschrijvingen, dubbele artikelnummers, verschillende talen en producten met bijna dezelfde naam. Meet hoeveel artikelen na de controle bruikbaar zijn, hoe lang dat duurt en welke fouten terugkomen.
Hoeveel cataloguswerk rechtvaardigt de inrichting
In ons eigen scenario verwerkt een bedrijf 30.000 productwijzigingen per jaar. De inrichting kost €5.000 en het extra jaarlijkse budget voor AI en beheer is €1.500. Bij een uurwaarde van €35 onderzoeken we netto tijdwinsten van 0,25, 0,75 en 1,5 minuut per wijziging. Deze aannames zijn geen voorspelde prestaties van Grok.
Daaruit volgt jaarlijks €4.375, €13.125 of €26.250 aan beschikbare arbeidscapaciteit. Na alle extra kosten is de uitkomst voor 2027 min €2.125, plus €6.625 of plus €19.750. Voor 2028 en 2029 blijven in hetzelfde scenario alleen de jaarlijkse kosten over. De figuur maakt alle negen uitkomsten zichtbaar.
De omgekeerde berekening is helder: €6.500 kosten in het eerste jaar, gedeeld door €35 per uur en 30.000 wijzigingen, vraagt gemiddeld 22,3 seconde netto tijdwinst per wijziging. Wie de productinformatie al vrijwel automatisch ontvangt, haalt die winst mogelijk niet. Bij veel handmatige bewerking kan een gerichte proef aantrekkelijk zijn.
Een webwinkel merkt het voordeel uiteindelijk aan een actueler assortiment en minder achterstallig onderhoud. Extra omzet tellen we hier niet mee, omdat die ook van vraag, prijs en vindbaarheid afhangt. De berekening waardeert alleen vrijgespeelde tijd. Grok krijgt daarmee een concrete rol: het helpt medewerkers om rommelige invoer sneller om te zetten in productinformatie waar klanten iets aan hebben.
Opmerkingen