Van gestopte start-up naar tweede kans, mét AI

Mijn start-up werd goed ontvangen door de gebruikers, maar het was niet schaalbaar genoeg en het verdienmodel klopte niet. AI heeft dat veranderd, en nu bouw ik volop verder aan Toudou.

In 2022 startte ik Toudou samen met mijn co-founder. In 2023 stopte Toudou weer, na een jaar actief te zijn. Dat was niet omdat het concept niet werkte: we hadden in dat jaar 750 mensen op pad gestuurd voor een verrassingsuitje in Amsterdam, Utrecht en Rotterdam.

Het stopte omdat het verdienmodel niet goed genoeg werkte en er automatisering nodig was. Maar een developer konden we op dat moment niet betalen.

Dat was natuurlijk balen: het idee werkte, mensen gebruikten het, maar we konden het niet verder ontwikkelen zoals we het in ons hoofd hadden.

Ondertussen waren we bezig met andere plannen, maar ik raakte eind 2025 geïnteresseerd in Lovable. Ik was benieuwd of ik wat ik in mijn hoofd had met Toudou nu wel zelf tot leven kon wekken. En dat leek te kunnen!

Een aantal maanden later was Toudou opnieuw live en had AI de afstand tussen mijn idee en een werkend product klein genoeg gemaakt om weer te starten en om aan schaalbaarheid te kunnen werken.

Hoe Toudou begon: een typeform en veel handwerk

Toudou bestond in het begin letterlijk alleen uit een vragenlijst. Mensen vulden hun wensen en eisen voor een uitje in, bijvoorbeeld met hoeveel mensen ze waren, wat hun budget was en wat voor een thema ze zochten voor hun uitje.

Daarna begon het echte werk: we belden restaurants, mailden activiteitenaanbieders, checkten beschikbaarheid, maakten de match, stuurden de bevestigingen en informatie naar de deelnemers en speelden als klantenservice.

Dat kostte, zoals je kan begrijpen, veel tijd. Te veel tijd om er een rendabel verdienmodel uit te halen.

Ondanks dat werkte het wel. Meer dan 750 mensen gingen via Toudou op pad en we werkten samen met ruim 70 lokale partners. Mensen kwamen terug en de reviews waren goed.

Wat AI mogelijk maakte

Het grootste verschil dat AI heeft gemaakt, is dat ik zelf kon bouwen wat ik voor ogen had. Ik hoefde geen dure designcursus te volgen of zelf developer te worden. AI koppelde mij aan de juiste tools voor databases en ontwikkelde een website zoals ik hem voor ogen had.

Ik kon sparren over foutmeldingen en flows testen alsof ik zelf een gebruiker was. Het ging allemaal ineens veel sneller. En ondertussen leerde ik zelf ook heel veel; hoe je lokaal een app draait met ‘npm run dev’, hoe je cron jobs gebruikt voor geautomatiseerde taken en hoe een database in elkaar zit. De theorie kon ik skippen en learning by doing was ineens the way to go.

Ik begon met bouwen in Lovable, waar ik binnen no-time de typeform had omgetoverd tot een werkend platform met login-systeem en een database in Supabase.

Dat deed Lovable voor mij op basis van de juiste prompts. Voor de prompts liet ik ChatGPT en Claude samenwerken: ik startte de prompt, en zij gaven om de beurt verbeterpunten, stelden vragen en vertaalden mijn ideeën naar code, alsof een developer het geschreven had.

Versie 0.1 stond al vrij snel, maar toen begon het schaafwerk. Na een aantal maanden was ik tevreden genoeg over mijn platform om de eerste partners weer uit te nodigen.

Doordat het matchingssysteem nu deels automatisch verloopt, hoeft er niet altijd meer een mens aan te pas te komen om de match te maken tussen deelnemer en host.

Met AI wordt automatisch in de database gekeken welk uitje matcht met de wensen en eisen van de deelnemers. Daarmee wordt het platform met elke nieuwe gebruiker schaalbaarder.

Waar AI tekortschiet

Het is niet zo dat AI dus voor mij alles heeft gedaan wat ik zou willen. Ik doe nog steeds veel zelf. Ik zie iets voor me en AI bouwt de basis; de standaardflow. Soms met een foutje, soms in één keer perfect. Maar daarna moet ik flink aan de bak om de uitzonderingen, de add-ons, de menselijke logica toe te voegen.

Een concreet voorbeeld: ik wilde een systeem bouwen voor voordeelpassen. Dat leek vrij simpel. Maar wat ik zelf vanzelfsprekend vond, dat zo’n pas voor één persoon geldt als een groep samen een uitje boekt, dat begreep het systeem niet uit zichzelf.

Dus wanneer een groep van vier boekte, werd de korting toegepast op de hele groep. Logisch vanuit de code, maar niet vanuit de praktijk.

Een goede developer denkt vooruit en stelt de juiste vragen. “Wat als iemand een voordeelpas heeft en een cadeaubon? Of wat als iemand annuleert nadat de korting al is verwerkt? Of, wat als dit straks niet om tien boekingen gaat, maar om duizend?”

AI stelt wel steeds kritischere en slimmere vragen, maar zal de plaats van een goede developer niet snel vervangen.

Gelukkig heb ik het opgevangen met twee developer-vrienden die af en toe meekijken. Zij spotten blinde vlekken die ik zelf en AI niet zien. Ik gebruik dus AI om zelf te kunnen bouwen en mensen met ervaring om te voorkomen dat ik mezelf technisch vastdraai.

Ik houd altijd nog een oogje in het zeil wanneer AI zijn gang gaat. Ik heb een ‘akkoord’ knop ingebouwd, waardoor ik voorlopig altijd een final check doe op de communicatie van AI richting de deelnemers. Als de foutmarges klein genoeg zijn, is het tijd om die knop in de prullenbak te gooien.

Wat ik anders zou doen

Mijn valkuil is dat ik al mijn ideeën in één keer tot leven wil wekken. Ik zou, als ik opnieuw zou beginnen, kleiner starten. Ik heb lang in de bouwfase gezeten; mede doordat ik dat ook enorm leuk vond om te doen en te ontdekken. Maar er zat geen rem op.

Daarnaast zou ik eerder overstappen van Lovable naar Visual Studio Code. Lovable is een fijne manier om te starten, omdat je snel ziet wat mogelijk is en de drempel laag is. Maar, het wordt ook snel duur.

Lovable werkt met een creditssysteem. Het betaalde plan kost circa €20 per maand, maar mijn maandcredits waren vaak binnen een paar dagen al op. Dat tikt dus snel aan als je veel bouwt. Als je Lovable hebt geprobeerd en je merkt dat je het leuk vindt en verder wilt bouwen, dan is VS Code een hele logische vervolgstap.

Vijf lessen voor andere non-tech founders

1. AI werkt beter met een duidelijke visie. Doordat ik al veel had nagedacht over hoe Toudou eruit moest zien, kon ik vrij precies uitleggen wat ik wilde. AI kan helpen bouwen, structureren en versnellen, maar het verzint niet wat jij wilt hebben.
2. Begin met een concrete flow. ‘Bouw mijn app’ is een veel te brede prompt. Een goede versie van één onderdeel is waardevoller dan een half werkend totaalplatform.
3. Gebruik AI ook om van te leren. De grootste winst zat voor mij vaak in begrijpen wat er misging. Denk aan het uitleggen van foutmeldingen, technische keuzes laten versimpelen en nieuwe begrippen leren.
4. Laat iemand met technische ervaring meekijken. Ik vond het heel prettig om soms op iemand terug te kunnen vallen als ik even niet zeker wist of ik wel het juiste deed. Vaak leerde ik dan iets wat ik niet kon leren van AI, omdat ik niet de juiste vraag kon stellen doordat ik de kennis niet bezat.
5. Accepteer de rommeligheid van het proces. Bouwen met AI voelt soms chaotisch; je maakt iets, het werkt half, je leert begrijpen waarom, je past het aan en je bouwt weer verder. En, dat is leuk!

AI maakt het verschil

Toudou is opnieuw live! De eerste 77 gasten zijn inmiddels via het nieuwe platform op pad gegaan en ik maak elke week weer stappen met de doorontwikkeling van het platform. Ik weet nog niet of Toudou precies gaat worden zoals ik hoop, maar ik haal in ieder geval veel plezier uit het bouwen ervan.

En voor een idee dat jaren is blijven liggen, heeft AI voor mij het verschil gemaakt. Ik hoop dat dit artikel een inspiratiebron is voor founders-to-be met een idee dat voorheen lastig te ontwikkelen was, maar door AI wellicht (opnieuw) het licht kan zien.