# Folkproof — case van Accessible AI

> Folkproof maakt zichtbaar welk menselijk bewijs een productpagina nog mist en verbindt die gap aan echte ervaring, expliciete gebruiksrechten, gecontroleerde plaatsing en een eerlijke outcome review.

**Type:** Human proof infrastructure voor commerce

**Positionering:** Your store looks polished. Make it believable.

**Status:** capability demonstrator van Accessible AI

## De kans

Generatieve AI maakt verzorgde productbeelden, copy en storefronts steeds goedkoper. Daardoor kan een webshop er professioneel uitzien zonder genoeg zichtbaar bewijs van de mensen die het product maken, gebruiken of aanbevelen. Tegelijk beginnen bestaande creatorplatforms meestal bij aanbod en contentvolume, niet bij de concrete bewijsvraag van één productpagina.

## Wat we maakten

We ontwikkelden Folkproof als een concierge-first productsysteem. Een begrensde publieke scan maakt ontbrekende signalen zichtbaar; een gereviewde deep scan kiest één bewijs-gap; daarna verbindt de workflow de juiste menselijke bron aan een experience brief, expliciete rechten, disclosure, plaatsing en outcome review. De producttour gebruikt alleen duidelijk gelabelde AI-demo-assets en houdt die gescheiden van klantbewijs.

## Waarom het telt

Een geteste validation release met een veilige publieke homepage-scan, scan-naar-pilotfunnel, rights-by-design operating model en evidence-gated roadmap. Een pilot start vanaf €1.250; marketplace-, login-, payout- en Shopifysoftware blijven bewust buiten de huidige release totdat herhaald betaald werk ze rechtvaardigt.

## Kerngegevens

- **Release:** Validation
- **Publieke scan:** 1 homepage
- **Pilot:** Vanaf €1.250
- **Integriteit:** Rights + disclosure

## Momenten in het product

### Eén URL maakt de bewijsvraag concreet

De snelle scan leest één publieke homepage, toont zes uitlegbare evidencegebieden en houdt scope, confidence en beperkingen direct naast de score.

**Signaal:** Observed · scoped

### De juiste mens voor de juiste gap

Een creator, klant, founder, medewerker of expert wordt gekozen op wat de koper moet kunnen zien of begrijpen — niet op bereik alleen.

**Signaal:** Gap → source

### Gebruik wordt vooraf productstate

Echte productervaring, AI-bewerking, disclosure, kanaal, termijn, goedkeuring en expiry blijven expliciete velden vóór plaatsing.

**Signaal:** Consent · expiry

## Human proof wordt infrastructuur wanneer ervaring, rechten, plaatsing en leren verbonden blijven.

Folkproof is opgezet als evidence-led venture, niet als voorraad creators. De validation release maakt eerst de commerciële bewijsvraag visueel: dezelfde PDP met alleen een packshot en mét relevante menselijke gebruikscontext. Software ondersteunt alleen wat het conciergewerk veiliger, vergelijkbaarder of leerbaarder maakt.

### Een score met bewijs en grens

**Authenticity scan:** De publieke scan leest één begrensde homepage en koppelt categorieën en aanbevelingen aan geobserveerde signalen, confidence en zichtbare beperkingen.

### Van contentvraag naar buyer question

**Proof design:** Een gereviewde deep scan kiest één product, één ontbrekende bewijsfunctie en de kleinste package die een merchantbeslissing kan veranderen.

### Toestemming is geen bijlage

**Rights-by-design:** Experience status, vergoeding, disclosure, edits, kanalen, duur, territory, approval en expiry vormen samen het inzetcontract van ieder asset.

### Waarde zonder causaliteitstheater

**Outcome review:** Baseline, plaatsing, kosten, operatoruren en observed outcome blijven apart van providerattributie of experimenteel bewezen lift.

## Eén record verbindt de bewijsvraag met de persoon, het asset en het gebruik.

De langetermijnwaarde zit niet in een grote creatorendatabase, maar in een controleerbare graph van welk bewijs bij welk product, publiek, placement en rights contract bruikbaar bleek.

1. **Store evidence:** Observed gap
2. **Experience brief:** Buyer question
3. **Human source:** Fit + consent
4. **Licensed asset:** Channel + expiry
5. **Outcome record:** Use + economics

**Gecontroleerde uitkomst:** Een herhaalbare commerciële leerloop waarin menselijk bewijs bruikbaar blijft zonder ervaring, toestemming of meetkwaliteit te vervormen.

## Details uit de productlaag

### Veilige publieke scan

**Werkend product:** De validation release accepteert één publieke URL, blokkeert private netwerkbestemmingen, begrenst redirects, tijd en responsegrootte en voert geen storescripts of mutaties uit.

### AI-demo blijft zichtbaar demo

**Truth boundary:** Packshot en gebruiksbeeld zijn illustratieve, ongebonden AI-assets. Ze tonen het verschil tussen productbeeld en menselijke context zonder door te gaan voor een klant, testimonial, creatoractiviteit of gemeten uitkomst.

### Software volgt na herhaald werk

**Venture discipline:** De pilot start vanaf €1.250. Login, marketplace, matching automation, Shopifyblocks, Stripe en payouts hebben expliciete evidence gates en blijven buiten de huidige release.

## Systeemflow

1. **Observeren:** Publieke store en één prioriteitsproduct lezen
2. **Kaderen:** De belangrijkste bewijs-gap menselijk reviewen
3. **Activeren:** Ervaring, bron, vergoeding en rechten vastleggen
4. **Plaatsen:** Eén goedgekeurd bewijsasset gecontroleerd inzetten
5. **Leren:** Outcome, kosten, marge en repeatbeslissing beoordelen

## Voorbeeld / founder-led Shopify-merk

### Een verzorgde productpagina toont het product, maar beantwoordt niet hoe het in een echte routine past.

Meer generieke UGC inkopen zou content opleveren, maar nog niet bepalen welke buyer question het asset moet beantwoorden, wie geloofwaardig is en waar het bewijs commercieel het meeste helpt.

1. Scan de publieke store en kies samen één prioriteits-PDP en buyer question.
2. Schrijf een experience brief zonder positieve mening voor te schrijven en kies de passende proof source.
3. Leg echte productervaring, vergoeding, disclosure, edits, kanalen, termijn en expiry expliciet vast.
4. Plaats één goedgekeurd asset, vergelijk de vooraf afgesproken baseline en beslis over repeat, revision of stop.

**Uitkomst:** Een vergelijkbare proof loop waarin content, rechten, plaatsing, kosten en bewijsniveau samen beoordeeld kunnen worden.

## Werkprincipes

- Start bij de ontbrekende bewijsvraag
- Echte ervaring en AI-beeld blijven gescheiden
- Rechten en disclosure zijn productstate
- Automatisering moet door herhaald werk worden verdiend

## Gerelateerde inzichten

- [AI in e-commerce: waarom optimalisatie op productniveau begint](https://www.accessible-ai.nl/insights/ai-ecommerce-productniveau/index.md) — Een praktische architectuur voor productdata, feeds, content en advertentieguardrails—met de SKU als gedeelde eenheid van bewijs en actie.
- [Van AI-prototype naar productie: het operationele model dat de kloof sluit](https://www.accessible-ai.nl/insights/ai-prototype-to-production/index.md) — Waarom overtuigende AI-demo's in productie falen—en een operationeel model met vier poorten voor bewijs, evaluatie, observeerbaarheid en gecontroleerde schaal.
- [Het AI-native kennisbedrijf: van losse copilot naar een nieuw operating model](https://www.accessible-ai.nl/insights/ai-native-kennisbedrijf-operating-model/index.md) — Wat veldonderzoek naar kenniswerk werkelijk laat zien—en hoe je rollen, workflows, bewijs en klantwaarde opnieuw ontwerpt rond AI in plaats van alleen software toe te voegen.