AI koppelen aan je ERP, CRM en andere systemen

Er zijn drie manieren: een standaardkoppeling in een workflowtool zoals n8n, een koppeling op maat via de API van het systeem, en als het niet anders kan een omweg via mail of een export. Welke het wordt, hangt af van het pakket, je versie en wat de AI moet lezen of schrijven. In één proces zitten vaak twee of drie manieren naast elkaar.

1. Een standaardkoppeling via een workflowtool

Workflowtools zoals n8n, Make en Zapier hebben kant-en-klare koppelingen met veel gangbare software. Je hoeft niet zelf uit te zoeken hoe je inlogt of hoe een klant er in dat systeem uitziet. Je kiest het systeem en de actie, zoals 'zoek klant' of 'maak conceptorder', en je bent verbonden. Daarna bouw je de stroom eromheen: komt er een mail binnen, laat AI de bijlage lezen, zoek de klant op, zet de order klaar en stuur een seintje naar Teams.

Dit is de snelste en goedkoopste route, en ook de makkelijkste om te onderhouden. Wij bouwen veel in n8n: je kunt het in de EU of in je eigen omgeving laten draaien, en AI-stappen zijn er een gewoon onderdeel van. Welke tool bij jullie past, lees je in n8n, Make of Zapier?

2. Een koppeling op maat via de API

Een API is de vaste ingang waarlangs software met andere software praat. Heeft een pakket geen standaardkoppeling, of doet die niet wat je nodig hebt, dan praat je rechtstreeks met de API. Dat kan vanuit een n8n-workflow, of vanuit software die helemaal op maat is gebouwd.

Dat is meer werk. Je moet uitzoeken hoe het inloggen werkt, welke velden verplicht zijn, wat er gebeurt als het systeem even niet reageert en hoe je voorkomt dat dezelfde order twee keer wordt aangemaakt. Het is wel de route met de meeste vrijheid: alles wat de API toestaat, kun je bouwen.

3. Als het niet anders kan: mail of een export

Sommige systemen hebben geen API, of je krijgt er geen toegang toe. Dan zijn er omwegen. Het systeem mailt elke nacht een rapport of maakt een export in Excel of CSV, en de AI leest die. Of de AI maakt een bestand dat iemand met één klik importeert. Of het systeem kan mails ontvangen en verwerken.

Dat werkt, maar het is trager en kwetsbaarder. Je werkt met de gegevens van vannacht in plaats van nu, en verandert iemand de opmaak van de export, dan loopt het vast. Gebruik het als brug, niet als eindstation. Krijgt het pakket een API of wordt het vervangen, stap dan over.

Per systeem regel je vier dingen: met welk account de AI inlogt en welke rechten dat account heeft, wat hij mag lezen en wat hij mag schrijven, een logboek van alles wat hij doet, en een mens die keurt voordat er iets definitief wordt weggeschreven. Dat klinkt als papierwerk. Het is het verschil tussen een handige hulp en een risico.

Rechten: een eigen account, met zo min mogelijk

Laat de koppeling nooit draaien op het account van Piet. Gaat Piet met vakantie of uit dienst, dan stopt alles, en in het logboek lijkt het alsof Piet om drie uur 's nachts veertig orders aanmaakte. Geef de AI een eigen account of een eigen sleutel, met precies de rechten die hij voor deze taak nodig heeft. Niet meer.

Lezen en schrijven: maak het per gegeven expliciet

Lezen is meestal weinig riskant, schrijven wel. Leg per systeem vast wat de AI mag:

• Lezen: klantgegevens, orderstatus, voorraad, prijslijst, de geschiedenis van een ticket
• Klaarzetten: een conceptorder, een conceptboeking, een concept-antwoord, een notitie in het CRM
• Zelf wijzigen: alleen wat goedkoop te herstellen is, en pas als de cijfers laten zien dat het goed gaat
• Nooit: betalingen uitvoeren, klanten verwijderen, prijzen of kredietlimieten aanpassen

Denk ook aan persoonsgegevens. Mag de AI salarissen of medische gegevens zien? Meestal niet. Volg de rechten die het systeem zelf al kent, en stuur alleen de gegevens naar het taalmodel die voor de taak nodig zijn.

Een logboek: wat, wanneer, waarom en wie keurde

Leg elke actie vast: welke input binnenkwam, wat de AI ervan maakte, wat hij in welk systeem heeft gezet en wie het goedkeurde. Belt een klant over een vreemde order, dan zie je in een minuut wat er gebeurde. Zonder logboek ben je een middag aan het puzzelen, en weet je daarna nog steeds niet of het de AI was of een collega.

Een mens die keurt voordat er iets wordt weggeschreven

De AI zet klaar, een mens keurt goed. De conceptorder staat in het ERP, de medewerker kijkt hem na en zet hem door. Dat kost seconden in plaats van minuten, en een fout van de AI landt nooit ongezien bij een klant of in je boekhouding. Hoe je dat goedkeuren licht houdt, lees je in human in the loop.

En verder

• Een testomgeving. Test niet in je echte administratie. Vraag je leverancier of er een test- of demo-omgeving is.
• Foutafhandeling. Wat gebeurt er als het ERP even plat ligt? Een goede koppeling probeert het later opnieuw en meldt het als het blijft mislukken.
• Een eigenaar. Iemand die weet dat de koppeling bestaat, en die gebeld wordt als er iets verandert.

Omdat de makers van workflowtools vooral koppelingen bouwen voor software die wereldwijd veel wordt gebruikt. Een eigen ERP, branchesoftware, een klantportaal of een pakket dat vooral in Nederland wordt gebruikt, valt daar vaak buiten. Dan bouw je de koppeling zelf, via de API. Dat kan bijna altijd, maar het kost meer uren.

In de APO-methode houden we per systeem bij of er een standaardkoppeling bestaat. Is die er niet, dan krijgt die processtap het label maatwerk, en dat verhoogt de bouwinzet. Dat is geen reden om het niet te doen. Het is een reden om het vooraf mee te rekenen, zodat de business case klopt en niemand halverwege schrikt.

Waar zitten die extra uren in?

• Uitzoeken. De documentatie van de API lezen, en ontdekken wat er niet in staat.
• Inloggen en beveiliging. Sleutels aanvragen, vaak via de leverancier of je IT-partner, en ze veilig opslaan.
• Randgevallen. Wat als een klant twee keer in het systeem staat? Wat als het systeem maar een beperkt aantal verzoeken per minuut aankan?
• Testen. Met echte voorbeelden, in een testomgeving als die er is.
• Onderhoud. Verandert de leverancier iets aan de API, dan moet de koppeling mee.

Reken ook op doorlooptijd. Veertig uur bouwwerk is geen week. Er zit afstemming tussen, wachten op toegang en een testronde met de mensen die het werk doen. Vraag de toegang tot je systemen dus zo vroeg mogelijk aan. Wachten op een sleutel is een klassieke vertrager.

Het werkt overal waar mensen nu gegevens overtypen of opzoeken tussen systemen. Hieronder een paar voorbeelden per soort systeem. De pakketten zijn voorbeelden: hoe het precies werkt, hangt af van jullie versie, licentie en inrichting.

AI in je ERP en boekhouding (zoals Exact, AFAS, SAP of Microsoft Dynamics)

• Orders uit mail en pdf als conceptorder klaarzetten, met een check of klant en artikelen bestaan
• Inkoopfacturen uitlezen en als conceptboeking klaarzetten, met een controle tegen de inkooporder
• Productinformatie van leveranciers omzetten in productteksten, zoals bij EasyToys in zes talen

AI in je CRM (zoals Salesforce of HubSpot)

• Na een klantgesprek de samenvatting en de afspraken als notitie bij de juiste klant zetten
• Nieuwe aanvragen van het webformulier lezen, aanvullen en bij de juiste accountmanager neerleggen
• Een follow-upmail klaarzetten op basis van wat er in het CRM staat

AI in je mail, agenda en documenten (zoals Microsoft 365 of Google Workspace)

• De gedeelde inbox sorteren en per mail een concept-antwoord klaarzetten
• Documenten in SharePoint of Google Drive doorzoekbaar maken voor een assistent die antwoordt met bron, zie wat is RAG?
• Een overzicht uit drie systemen samenvoegen en elke maandag in de mailbox van het MT zetten

AI in de klantenservice

Hier komen de systemen vaak samen. Een klant vraagt waar zijn bestelling is. Een agent leest de vraag, zoekt de order op in het ERP en zet een antwoord klaar in de helpdesk. Bij een enterprise-klant van ons zet een agent zo het antwoord klaar met de juiste orderinformatie erbij. Daar heeft inmiddels 80 procent van de 6.000 klantvragen per maand een voorbereid antwoord voordat het ticket opengaat, tegen 30 procent eerst. Een medewerker controleert en verstuurt. Meer in AI in de klantenservice.

De meeste fouten hebben niets met AI te maken. Ze gaan over rechten, testen en beheer. Deze komen we steeds weer tegen:

• De koppeling draait op een persoonlijk account. Tot die persoon met verlof gaat of zijn wachtwoord verandert.
• Schrijfrechten op alles. 'Dan hoeven we het later niet aan te passen.' Een AI met beheerrechten kan alles verkeerd doen, ook wat hij nooit hoefde te doen.
• Direct definitief wegschrijven. Zonder concept en zonder controle. De eerste fout merkt een klant, en daarna vertrouwt niemand het systeem nog.
• Geen logboek. Er gaat iets mis en niemand kan terugzien wat de AI deed.
• Testen in de echte administratie. Veertig testorders tussen je echte orders, die iemand daarna met de hand weer mag verwijderen.
• Beginnen bij de techniek. 'We hebben nu een API-sleutel, wat zullen we bouwen?' Begin bij het proces: welke stap kost nu de meeste tijd, en welke systemen horen daarbij?
• Alles tegelijk koppelen. Vijf systemen in één project. Begin met één proces en de twee of drie systemen die daarbij horen.
• De beheerder van het pakket vergeten. Je IT-partner of key user weet welke velden er echt toe doen en wanneer de volgende update komt. Betrek die mensen vanaf dag één.
• Geen beheer na livegang. Pakketten krijgen updates, velden veranderen van naam, sleutels verlopen. Een koppeling die niemand bewaakt, gaat een keer stil kapot. Liefst merk je dat voordat een klant het merkt.

We beginnen bij het proces, niet bij de koppeling. In de AI Quick Scan tekenen we op één dag bij jullie op locatie uit hoe het werk nu loopt, stap voor stap, met de systemen erbij. Per stap kijken we of er een standaardkoppeling is of dat het maatwerk wordt, en dat rekenen we mee in de business case per kans. De Quick Scan kost € 6.000 eenmalig.

Daarna bouwen we binnen het AI Partnership, vanaf € 4.500 per maand. Zo gaan we te werk:

1. 01Eerst lezen. De AI haalt gegevens op en zet zijn voorstel naast het werk van de medewerker. Zo zie je of hij het goed begrijpt, zonder risico.
2. 02Dan klaarzetten. Concepten in het systeem, een mens keurt goed en zet door. Met een eigen account, de kleinste rechten en een logboek.
3. 03Dan pas meer ruimte. Alleen voor stappen waarvan de cijfers laten zien dat het goed gaat, en waar een fout goedkoop te herstellen is.

We bouwen veel in n8n, en waar nodig op maat. De data blijft in de EU: op jullie eigen infrastructuur of bij een Europese aanbieder. Wat live staat, valt daarna onder een onderhoudscontract vanaf € 245 per maand, inclusief AI-verbruik. Bij Brons draait het op jullie eigen servers, bij Zilver en Goud op ons platform, op servers in Duitsland bij een Europese aanbieder. Code, data en documentatie zijn van jullie. Alle bedragen zijn exclusief btw.

En kost een koppeling meer dan hij oplevert, dan zeggen we dat. Soms is een export die iemand één keer per dag importeert gewoon goed genoeg.