AI koppelen aan je bestaande systemen
Waarom AI zonder koppeling weinig oplevert
We zien het bij bijna elke organisatie die ons belt: er is met veel enthousiasme een chatbot uitgeprobeerd, en na twee weken gebruikt niemand hem meer. Bijna altijd om dezelfde reden. Het ding praat uit zijn geheugen in plaats van uit jouw systemen. Voor algemene vragen is dat prima. Voor de vragen waar je klanten en je collega’s echt mee zitten, is het onbruikbaar.
Zodra de AI wel bij je data kan, verandert het karakter van de antwoorden. Actuele voorraad, zodat een adviesgesprek eindigt bij iets dat er ook echt is. Lopende dossiers, zodat een klant niet opnieuw zijn hele situatie hoeft uit te leggen. Historische tickets, zodat een melding herkend wordt voordat er iemand op pad gaat. En agenda’s, zodat een afspraak direct ingepland kan worden in plaats van voorgesteld.
Zonder die toegang verplaatst een chatbot werk in plaats van het weg te nemen. Iemand moet elk antwoord alsnog natrekken, en dan had je de vraag net zo goed meteen zelf kunnen beantwoorden. Maar het echte probleem is vertrouwen. Eén verkeerde levertijd en je collega’s gebruiken het ding niet meer. Dat terugwinnen kost maanden, en dat is de reden dat wij liever klein en betrouwbaar beginnen dan groot en indrukwekkend.
Welke systemen we in de praktijk koppelen
De meeste organisaties hebben hun data niet op een plek staan. Wij werken daarom vanuit de systemen die er al zijn, in plaats van vanuit een nieuw platform waar alles eerst naartoe moet.
- AFAS voor personeels- en verzuimgegevens, declaraties en financiële data.
- Exact Online voor facturatie, openstaande posten en projectadministratie.
- Salesforce voor klantdossiers, offertes en de status van lopende trajecten.
- SAP SuccessFactors voor HR-processen in grotere organisaties.
- Microsoft 365 voor documenten, agenda’s en de plek waar je collega’s al werken.
- Unit4 voor financiële en projectgedreven administraties.
Ook Twinfield en de meeste andere Nederlandse boekhoud- en HR-pakketten zijn te ontsluiten. Een overzicht staat bij alle koppelingen.
AFAS Profit koppelen aan ChatGPT of Claude
Dit is de vraag die we het vaakst krijgen, en het antwoord is korter dan mensen verwachten. Je koppelt niet je hele AFAS-omgeving aan een taalmodel. Je bouwt een tussenlaag die precies bepaalt welke gegevens opvraagbaar zijn, en die laag praat met het model. Welke connector daarvoor nodig is en hoe de autorisatie wordt ingericht, verschilt per omgeving en per proces. Dat bepalen we in de intake, zodra duidelijk is welke gegevens de AI eigenlijk nodig heeft.
Het model krijgt dus nooit ongefilterde toegang tot je administratie. Het stelt een vraag aan de tussenlaag, en die beantwoordt alleen wat vooraf is vrijgegeven.
Wat een AI mag doen in je systemen
Dezelfde koppeling bepaalt hoe ver een oplossing kan gaan. Wij leggen dat vooraf vast in drie niveaus, zodat vanaf dag een duidelijk is wat het systeem zelfstandig mag en waar een mens tussen zit. Wie weleens rechten heeft gezet op een server, herkent de notatie.
Ons advies is bijna altijd om bij R of RW+ te beginnen, ook als er technisch meer kan. Niet omdat we bang zijn voor de techniek, maar omdat vertrouwen opbouwen sneller gaat dan vertrouwen terugwinnen. Elke handeling wordt vastgelegd met de aanleiding erbij, dus na een paar maanden zie je zwart op wit welke besluiten altijd worden goedgekeurd. Die kun je dan alsnog vrijgeven.
Koppelen zonder je bestaande systemen aan te passen
Wij bouwen de AI-laag ernaast, niet erin. Je bestaande software blijft draaien zoals hij draait, en de laag communiceert er via de API mee. Dat betekent geen migratie, geen aanpassingen in een pakket waar je afhankelijk van bent, en geen leverancier die eerst toestemming moet geven. Dat principe houden we vol tot ver in de oude techniek: draait je administratie op een systeem van decennia oud, dan is dat geen reden om te vervangen. Lees hoe we dat aanpakken bij IBM i en AS400.
Hoe het technisch in elkaar zit
Je hoeft geen developer te zijn om deze keuze te kunnen verdedigen, maar je wilt wel weten waar je ja tegen zegt. Vijf punten bepalen het gesprek.
Authenticatie en rechten
De tussenlaag werkt met eigen credentials en eigen rechten, los van die van je medewerkers. Wat een collega niet mag zien in het bronsysteem, komt ook niet via de AI naar buiten.
Wat het model wel en niet ziet
We bepalen vooraf per veld wat er beschikbaar is. Bij gevoelige toepassingen filteren we persoonsgegevens eruit voordat er iets naar een model gaat.
Waar de laag draait
Wij hosten de tussenlaag zelf, inclusief je eigen data en de logging, binnen Europa. Het taalmodel benaderen we via zakelijke API’s waarbij jouw invoer niet wordt gebruikt om modellen te trainen. Monitoring en onderhoud lopen mee in ons reguliere hosting en onderhoud.
Wat er gelogd wordt
Elke vraag, elk antwoord en elke handeling, met de aanleiding erbij. Zo kun je achteraf reconstrueren waarom er iets gebeurd is en niet alleen dat het gebeurd is.
Als er geen API is
Dat komt vaker voor dan je denkt, vooral bij oudere pakketten, en het is zelden een reden om te stoppen. Er is bijna altijd een weg naar de data. Een database die uitleesbaar is, een export die te automatiseren valt, of een laag die we er zelf omheen bouwen. Wat in jouw geval werkt weten we pas als we ernaar gekeken hebben, en dat kijken kost je niets.
Waarin dit verschilt van een gewone koppeling
Een klassieke koppeling verplaatst data tussen twee systemen volgens vaste regels. Order erin, factuur eruit, elke nacht om drie uur. Voorspelbaar, en precies daarom betrouwbaar.
Een AI-koppeling geeft een model toegang tot diezelfde data om er iets mee te doen dat niet vooraf is uitgeschreven. Dat is de winst en tegelijk het risico. Het verandert vooral wat je vooraf moet afspreken: niet welke velden waarheen gaan, maar wat het systeem zelfstandig mag besluiten. Zoek je het eerste, kijk dan bij integraties en koppelingen.
Hoe zo’n traject loopt
We beginnen nooit met een koppeling voor alles tegelijk. Dat klinkt voorzichtig, maar het is vooral eerlijker: je weet pas of iets werkt als je het gebruikt hebt. Dus eerst een afgebakend stuk dat je zelf kunt uitproberen, daarna pas uitbreiden.
In de praktijk
Bij Nustar Terminals draait een AI-agent mee in de planning van zeeschepen. De tool prioriteert op doorvoer naar de binnenvaart en controleert tegelijk of chemische stoffen veilig gecombineerd kunnen worden. Fouten zijn daar kostbaar of zelfs gevaarlijk, dus de agent werkt op de achtergrond en voorkomt vertragingen en risico’s zonder dat er een chatvenster aan te pas komt.
Wat dat mogelijk maakt is niet het model, maar de toegang tot de plannings- en stoffengegevens die er al waren. Zonder die koppeling was het een adviesvenster gebleven waar iemand alles alsnog had moeten natrekken. Meer over deze vorm lees je bij AI-agents. Wat de prijs bepaalt en hoe je klein begint staat bij wat kost een AI-oplossing.
Bel gerust, dan weet je binnen een kwartier of je data zich hiervoor leent.
Wij koppelen systemen sinds 2006. De namen van de pakketten zijn in die twintig jaar flink veranderd, de vragen erachter nauwelijks. Waar staat de data, wie mag erbij, en wat gebeurt er als het misgaat. AI is de nieuwste laag bovenop dat werk, niet de vervanging ervan.
Hoe ideeën werkelijkheid worden
Geen theorie, maar echte trajecten. Bekijk hoe richting, techniek en ontwerp samen zorgen voor resultaat dat blijft staan.
Inzichten uit ons digitaal vakmanschap
Van praktijkverhalen en slimme oplossingen tot updates uit ons eigen team. Een inkijk in wat ons bezighoudt, wat we ontdekken en hoe ideeën langzaam vorm krijgen.
Veelgestelde vragen over AI koppelen
Moet ik mijn huidige software vervangen om AI te kunnen gebruiken?
Nee. De AI-laag komt naast je bestaande systemen te staan en communiceert daar via de API mee. Je administratie, je CRM en je planning blijven draaien zoals ze draaien. In de praktijk is een migratie zelfs vaak een slecht idee vlak voor een AI-traject, omdat je dan twee onzekerheden tegelijk introduceert.
Hoe koppel ik AFAS Profit aan ChatGPT of Claude?
Via een tussenlaag die bepaalt welke gegevens opvraagbaar zijn. Het model krijgt nooit ongefilterde toegang tot je AFAS-omgeving. Het stelt een vraag aan die laag, en die beantwoordt alleen wat vooraf is vrijgegeven. Welke connector daarvoor nodig is, hangt af van je omgeving en van de gegevens die je wilt ontsluiten.
Wat als mijn systeem geen API heeft?
Dan is er meestal alsnog een weg naar de data. Een database die uitleesbaar is, een export die te automatiseren valt, of een laag die we er zelf omheen bouwen. Vooral bij oudere pakketten komt dit voor, en het is zelden een reden om te stoppen. Wat in jouw situatie werkt, weten we pas als we ernaar gekeken hebben.
Mag een AI zelf dingen aanpassen in mijn administratie?
Alleen als je dat vooraf toestaat. We werken met drie niveaus: alleen lezen, lezen en schrijven, of met een mens die goedkeurt. Dat niveau leggen we vast voordat we bouwen, per proces, en het staat los van wat technisch mogelijk zou zijn.
Blijft mijn data van mij?
Ja. We werken met zakelijke API’s waarbij jouw invoer niet wordt gebruikt om modellen te trainen, en de laag eromheen inclusief je eigen data en logging hosten we in Europa. Wat er precies nodig is hangt af van je sector en je verwerkersovereenkomsten, en dat brengen we in de intake in kaart.
Wat kost een AI-koppeling?
Een werkend prototype leveren we op vanaf 5.000 euro, in een of twee sprints. Een koppeling met een afgebakende scope zit doorgaans in die orde van grootte. Complexere trajecten met meerdere systemen lopen hoger op, afhankelijk van het aantal koppelingen en de eisen rond controle en compliance.