Andrew Hanna
Tekunda Team
De meeste AI-agentprojecten falen omdat ze demo's najagen, niet duurzaamheid. We zijn daar zelf geweest: een opvallend GPT-prototype dat indruk maakt in een meeting, maar uit elkaar valt zodra het echte gebruikers, data en processen tegenkomt.
Bij Tekunda wilden we meer dan een gimmick. We wilden een productieklare AI-agent die outbound prospecting op schaal kon automatiseren, met CRM's kon integreren, over context kon redeneren en daadwerkelijk omzet kon stimuleren. Daarom bouwden we een AI-powered outbound engine, volledig geautomatiseerd over LinkedIn en Salesforce en verrijkt met realtime intelligence via Langflow, Python en onze interne MCP-servers.
Zo hebben we het gedaan, en zo kun jij het ook aanpakken.
Alles begint met een leadlijst uit LinkedIn, of dat nu een zoekresultaat is of een opgeslagen Sales Navigator-lijst. We sturen die direct naar Linked Helper, dat automatiseert:
Zodra een nieuwe connectie is gemaakt en naar het CRM is gesynchroniseerd, komt onze AI-agent in actie.
Nadat een contact in Salesforce terechtkomt, gebruikt onze AI-agent historische leaddata, conversiegeschiedenis, succescriteria en segmentkenmerken, als RAG-context om over nieuwe leads te redeneren.
We orchestreren alle logica met Langflow, ondersteund door custom Python flows en MCP-servers die API-calls, verrijkingen en promptuitvoering over tools heen beheren.
Zodra leads zijn gesynchroniseerd:
Geen handmatige tagging, geen spreadsheets, alleen volledig geautomatiseerde kwalificatie.
Onze RAG-pipeline gebruikt custom embedding models en Langflow chains, met chunking- en retrievalstrategieën afgestemd op leadkwalificatie. We testten zowel vector stores als PostgreSQL-gebaseerde retrieval en kozen op basis van prestaties en kosten.
Voor elke lead met een score boven 50 doet de agent het volgende:
Het systeem past zich wekelijks aan en leert van welke e-mails converteren en welke niet, dankzij een continu gesloten feedbackloop.
Deze laag draait op een Langflow-gedreven agent met modulaire prompt templates, contextueel aangestuurd door historische succespatronen. De hele flow is stateless en wordt afgehandeld via georkestreerde micro-flows, waardoor we campagnes kunnen hergebruiken en opschalen.
Ja, LinkedIn beperkt uitnodigingen tot ongeveer 200 per week per gebruiker. Maar dat is alleen de bovenkant van de funnel.
MCP laat ons verrijkings- en e-mailgeneratietaken dynamisch in de wachtrij zetten, zodat er geen bottlenecks ontstaan. We gebruiken custom logging- en monitoringtools, plus Langfuse, om agentbeslissingen continu te debuggen en te optimaliseren.
Leadverrijking, scoring en outbound e-mailgeneratie zijn niet begrensd, en schalen zo snel als je team kan groeien. Meer bereik nodig? Voeg LinkedIn-seats toe of upgrade naar een hogere Tekunda AI-tier.
We volgen best practices voor observability, met logs, gestructureerde foutafhandeling, prompt diffing en outcome-analyse ingebed in de kern van de agentflow. Daardoor kunnen we snel en met vertrouwen updates shippen.
De meeste AI-agenten blijven vastzitten in prototypevagevuur omdat ze zijn gebouwd voor show, niet voor schaal. Bij Tekunda bouwden we er een die denkt, zich aanpast en converteert, door te combineren:
Het eindresultaat: een zelfwerkende outbound machine die je pipeline gevuld houdt terwijl je team zich richt op closen.
Wil je dit voor jouw bedrijf?
Vraag ons naar Tekunda's outbound AI-agenten en ontdek hoe we leadgeneratie, kwalificatie en outreach kunnen automatiseren, end-to-end, afgestemd op je ICP en groeidoelen.
Andrew Hanna
Serpent Team
Tekunda Team
Tekunda Team
Tekunda Team
Andrew Hanna