Waarom n8n of Make niet geschikt zijn voor complexere ERP-geïntegreerde AI
Er is een populaire aanpak in de AI-wereld die aantrekkelijk klinkt: pak n8n, Make of Zapier, koppel een taalmodel aan de ene kant en je ERP aan de andere, en je bent klaar. Goedkoop, flexibel en snel te implementeren. Voor eenvoudige taken werkt dat prima, zoals het categoriseren van e-mails of het versturen van meldingen.
Voor serieuze ERP-processen werkt het ongeveer drie weken. Daarna begint het te breken.
Waar het misgaat
Neem iets ogenschijnlijk eenvoudigs: een agent die een factuur in Exact of AFAS boekt. De generieke tool haalt de PDF op, gebruikt een taalmodel om leverancier, factuurnummer en bedrag te extraheren en stuurt dit als API-call naar uw ERP. In een demo werkt dat perfect.
Maar in de praktijk ontstaat er frictie. De leverancier bestaat nog niet in de crediteurenadministratie. Er is een valutaverschil. De grootboekrekening hangt af van het kostenplaats- of projectbeheer. Er geldt een afwijkende btw-code omdat het om een EU-dienst gaat. De factuur is gekoppeld aan een inkooporder die gedeeltelijk is ontvangen, waardoor matching op regelniveau nodig is.
De generieke bouwer kent deze regels niet. Hij kent Exact niet. Hij kent AFAS niet. Hij kent Business Central niet. Hij kent het datamodel, de entiteitsstructuur en de afhankelijkheden tussen journaalposten, projecten, kostenplaatsen en grootboekrekeningen niet. En hij kent uw proces niet.
Wat overblijft is een agent die in het gunstigste geval werkt, en in alle andere gevallen stille fouten maakt. En dat is erger dan geen automatisering, omdat niemand die fouten nog actief controleert.
Domeinkennis is geen bijzaak
De kern is dit: een werkende AI-agent op een ERP vereist drie soorten kennis die tegelijk aanwezig moeten zijn:
1. Kennis van het ERP zelf
Welke entiteiten bestaan er, welke velden zijn verplicht, welke afhankelijkheden zijn er tussen objecten, hoe gedraagt de API zich bij uitzonderingen en welke boekingsregels gelden in het systeem?
2. Kennis van het bedrijfsproces van de klant
Elk bedrijf heeft afwijkingen op de standaard. Welke kosten vallen onder welke goedkeuringsflow, wanneer geldt een afwijkende btw-regel, welke projecten hebben eigen regels en wie mag wat autoriseren?
3. Kennis van AI-implementatie
Waar laat je het taalmodel beslissen en waar niet? Hoe ontwerp je een agent die transparant is in zijn beslissingen? En hoe voorkom je dat hallucinaties de administratie vervuilen?
Het combineren van deze drie is geen kwestie van tooling, maar van ontwerp. Daarom werken we structureel samen met partners — ERP-consultants en procesexperts die het datamodel en de klantomgeving begrijpen. Zij leveren de domeinkennis en configuratie; wij leveren het platform en de AI-technologie.
Veiligheid en rechten — pas zichtbaar als het misgaat
Een vaak onderschat aspect in generieke tools is autorisatie: wie mag wat doen?
Een AI-agent neemt niet automatisch de rechten over van de gebruiker die hem aanstuurt. In een ERP heeft een inkoper andere rechten dan een projectleider, en een projectleider weer andere dan een controller. Als dat niet expliciet wordt afgedwongen in de agent, ontstaan er twee problemen: of de agent krijgt te veel rechten en kan dingen doen die de gebruiker zelf niet mag, of hij krijgt te weinig rechten en werkt daardoor slechts beperkt.
Een robuuste oplossing zorgt ervoor dat een agent altijd handelt binnen de rechten van de aanroepende gebruiker. In een auditlog wordt bovendien exact vastgelegd wie welke actie heeft laten uitvoeren. Ook wordt voorkomen dat gevoelige gegevens — zoals salarisinformatie of vertrouwelijke klantdata — in prompts terechtkomen die buiten de gecontroleerde omgeving worden verwerkt.
Dit zijn geen nice-to-haves. Dit is de reden waarom AI-agenten die met ERP-data in productie werken op een volwassen platform draaien, en niet op een losse automatiseringstool.
Wat betekent dit voor jou?
Als manager of directeur van een middelgroot bedrijf is de afweging niet “goedkoop en flexibel” versus “duur en rigide”. De echte afweging is: een experiment dat drie weken werkt versus een oplossing die jaren meegaat en meegroeit met je organisatie.
Begin daarom niet bij de tooling. Begin bij de vraag: wie in mijn omgeving begrijpt zowel mijn ERP-configuratie als mijn bedrijfsproces?
Dat zijn de mensen waarmee je de eerste agent bouwt — op een platform dat daarvoor is ontworpen, niet op een generieke integratielaag.
Wil je weten hoe zo’n configuratie eruitziet of welke partners dit voor jouw ERP kunnen inrichten? We helpen je graag verder.
