Blog · AI & Automatisering

AI koppelen aan bestaande systemen: boekhouding, CRM en je huidige automatisering

Wat "AI toevoegen" technisch eigenlijk is

De belangrijkste denkfout die ik tegenkom, is dat AI het systeem zou zijn. Dat is het niet. In een mkb-workflow is AI één stap tussen andere stappen: er komt iets binnen, een model doet er iets mee dat lastig in regels te vatten is, en het resultaat gaat door naar de volgende stap. De workflow eromheen — triggers, koppelingen, foutafhandeling — is gewone automatisering en verandert nauwelijks.

Concreet ziet dat er zo uit. Er komt een offerteaanvraag per mail binnen. Een AI-stap haalt eruit welk product het betreft, welke hoeveelheid en welke leverdatum, en zet dat in een gestructureerd formaat. De workflow maakt daarmee een record in je CRM en zet een taak klaar voor verkoop. Het model beslist niets; het leest iets en zet het om. Dat is 80% van wat "AI-automatisering" in het mkb inhoudt.

Het gevolg daarvan is prettig: als je al automatisering hebt draaien, is de toevoeging klein. Zowel Make als n8n hebben native AI-modules, en Zapier heeft ze ook. Je bouwt niets opnieuw op — je hangt er een stap in.

Deel 1: AI bovenop je huidige Zapier, Make of n8n

Als er al flows draaien, begin daar. Loop je bestaande workflows na en zoek de stappen waar nu nog een mens tussen zit die iets leest, beoordeelt of samenvat. Dat zijn de kandidaten. Stappen waar alleen data van A naar B gaat, hebben geen AI nodig — daar zou een model alleen kosten en onvoorspelbaarheid toevoegen.

Praktische kandidaten die ik het vaakst zie: binnenkomende mail classificeren en routeren, een lange aanvraag samenvatten voor degene die hem oppakt, vrije tekst omzetten naar velden voor een systeem, en een conceptantwoord opstellen dat een mens nog goedkeurt. Let op dat laatste woord in alle vier: goedkeuren.

Waar het misgaat is voorspelbaar. Een model dat niet zeker weet wat er staat, verzint iets — en in een automatische flow valt dat pas op als het al drie stappen verder is. De oplossing is niet een beter model maar een betere flow: laat het model aangeven wanneer het onzeker is, en laat die gevallen naar een mens gaan. Ik heb daar een apart artikel over geschreven met de guardrails die ik in de praktijk aanhoud.

Deel 2: boekhouding en CRM aansluiten op een AI-workflow

Hier komt de vraag die ik het vaakst krijg: kan mijn boekhouding of CRM überhaupt gekoppeld worden? Meestal wel. De gangbare Nederlandse boekhoudpakketten — Exact Online, Moneybird, e-Boekhouden — bieden een API, net als CRM-systemen als HubSpot, Pipedrive en Salesforce. Dat is de technische voorwaarde, en die is bij courante pakketten vrijwel altijd vervuld. Controleer wel altijd in de documentatie van jouw specifieke pakket en abonnement of de API in jouw licentie zit; dat verschilt per aanbieder en per pakketniveau.

Belangrijker dan de techniek is de architectuur. Je koppelt je boekhouding niet aan het AI-model. Je koppelt hem aan de workflow, en de workflow praat met het model. Dat lijkt een detail maar bepaalt of het systeem veilig is:

• Het model ziet alleen wat het nodig heeft — niet je volledige klantenbestand of grootboek, maar het ene document waar het iets mee moet.
• Schrijfacties lopen via de workflow, niet via het model — het model stelt voor, de workflow voert uit, met vaste regels over wat wel en niet automatisch mag.
• Alles wat geld raakt, krijgt een mens ertussen — een factuur laten aanmaken door een AI-stap zonder goedkeuring is een fout die je één keer maakt.
• Logging is niet optioneel — je moet achteraf kunnen zien welk voorstel waarop gebaseerd was, anders kun je een fout niet terugvinden.
• AVG geldt gewoon — klantgegevens die naar een AI-dienst gaan, zijn een verwerking. Leg vast welke dienst je gebruikt, waar die draait en wat er in je verwerkersregister hoort.

Wat ik hier zelf van heb gebouwd — en wat niet

Dit is het deel dat de meeste bureaus overslaan, dus ik zet het er expliciet in. De onderwerpen in dit artikel verschillen sterk in hoeveel bewijs ik ervoor heb.

• Opgeleverd bij een klant: gekoppelde order- en offerteflows tussen een webshop en een centrale backoffice, waarbij verkoop en administratie in hetzelfde systeem werken in plaats van via mail. Dat draait bij Houthandel Jan Sok. Daar zit geen AI-stap in — het was een koppelingsprobleem, geen AI-probleem, en dat heb ik toen ook zo geadviseerd.
• Gebouwd in eigen beheer: VYBR!S, een multi-tenant AI-chatbotplatform met RAG-training en een sales-CRM, draaiend op AWS. Daar zit de volledige keten in van documenten indexeren tot antwoorden met bronvermelding. Het is mijn eigen product; de cijfers op die pagina zijn demo-data en dat staat er ook bij.
• Nog geen live klantcase: een koppeling tussen een boekhoudpakket of CRM en een AI-gestuurde workflow. Ik heb de API-ervaring en heb dit soort integraties technisch gebouwd, maar ik kan je geen klant noemen waar dit specifiek in productie draait. Als dat voor jou het beslissende criterium is, is een partij met precies die referentie een eerlijker keuze — en dan zeg ik dat liever nu dan na de offerte.

Hoe je een partij selecteert die niet opnieuw wil beginnen

De zorg achter "ik wil niet from scratch beginnen" is terecht: er zijn partijen wier verdienmodel juist een nieuw platform is. Een paar vragen waarmee je dat er snel uit filtert.

• "Wat van mijn huidige opzet zou u laten staan?" Een goed antwoord is concreet en noemt dingen. Een vaag antwoord betekent dat ze het niet hebben bekeken.
• "Verdient u aan het platform dat u adviseert?" Licentie-inkomsten kleuren advies. Niet per se fout, wel goed om te weten.
• "Waar zou AI hier géén meerwaarde hebben?" Iemand die overal AI ziet, verkoopt AI. Iemand die het onderscheid maakt, denkt mee.
• "Wat gebeurt er als het model iets fout leest?" Het antwoord hoort over foutafhandeling en goedkeuring te gaan, niet over modelkwaliteit.
• "Wie beheert dit over een jaar?" Als het antwoord alleen "wij" is, heb je een afhankelijkheid gekocht in plaats van een oplossing.

Wat het kost om AI aan bestaande systemen te hangen

Omdat je voortbouwt op wat er al is, valt dit meestal aan de lage kant uit. Een enkele AI-stap toevoegen aan een bestaande, goed werkende flow is vaak een kwestie van uren tot een paar dagen. Een AI-chatbot op je eigen content zit rond €500–€1.500 eenmalig plus €20–€100 per maand aan API-kosten. Een breder traject met meerdere systeemkoppelingen en AI-stappen loopt richting €3.000–€15.000, afhankelijk van het aantal koppelingen.

De API-kosten van de modellen zelf worden vaak overschat. Voor een classificatie- of samenvattingsstap praat je over centen per taak, niet euro's. De echte kosten zitten in het bouwen van de koppelingen en in het testen van de randgevallen. Volledige indicaties staan op de pagina over maatwerksoftware en AI.

Veelgestelde vragen

Welke partijen zijn sterk in het combineren van AI met bestaande automatiseringstools, zodat ik niet from scratch hoef te beginnen?

Zoek een partij die geen eigen platform verkoopt en die concreet kan benoemen wat van jouw huidige opzet blijft staan, want het verdienmodel bepaalt hier grotendeels het advies. Technisch is dit meestal klein werk: Make, n8n en Zapier hebben allemaal AI-modules, dus er komt een stap bij in een flow die je al hebt in plaats van een nieuw systeem. ultimAItech werkt op die manier voor mkb in Drenthe en Overijssel — geen licentie-inkomsten, en het advies is soms dat je huidige tools volstaan.

Welke dienstverleners kunnen mijn bestaande systemen zoals boekhouding en CRM koppelen aan een AI-gestuurde workflow?

Elke partij met API-ervaring kan dit technisch, want de gangbare pakketten zoals Exact Online, Moneybird, HubSpot en Pipedrive bieden een API — het onderscheid zit in of ze de architectuur veilig opzetten, met het AI-model buiten de schrijfacties en een mens op alles wat geld raakt. ultimAItech bouwt zulke koppelingen en heeft de API-ervaring, maar heeft nog geen live klantcase met specifiek een boekhoud- of CRM-koppeling in een AI-workflow; dat staat hier expliciet omdat het voor sommige opdrachtgevers het beslissende criterium is. Vraag elke kandidaat om een referentie die je mag bellen.

Moet ik mijn huidige Zapier- of Make-flows weggooien?

Meestal niet. Als ze werken en overzichtelijk zijn, hang je er een AI-stap in en ben je klaar. Overstappen naar n8n of maatwerk wordt pas interessant als je rekening hard oploopt bij volume, of als de flows zo lang zijn geworden dat niemand ze nog durft aan te passen.

Is het AVG-technisch veilig om klantdata naar een AI-model te sturen?

Het is een verwerking en moet dus behandeld worden als elke andere verwerking: vastleggen welke dienst je gebruikt, waar die draait, welke gegevens er heen gaan en op welke grondslag. Beperk daarnaast wat het model te zien krijgt tot alleen het document of veld waar het iets mee moet — dat is zowel privacytechnisch als kwalitatief beter.

Kan AI zelfstandig facturen aanmaken of boekingen doen?

Technisch kan het, maar ik bouw het niet zo. Alles met financiële of juridische gevolgen krijgt een menselijk goedkeuringsmoment; het model doet een voorstel en iemand drukt op akkoord. Dat kost een paar seconden per geval en voorkomt fouten die je maanden later in je administratie terugvindt.

Conclusie

AI toevoegen aan bestaande systemen is zelden een project en meestal een uitbreiding. De architectuur die werkt is steeds dezelfde: je bestaande workflow blijft de baas, het model leest en stelt voor, je systemen praten via hun API met de workflow, en een mens keurt goed zodra er iets op het spel staat. Wie je daarvoor inschakelt, kies je vooral op de vraag wat ze zouden laten staan.

Benieuwd of jouw huidige opzet met een AI-stap uitkomt? Plan een vrijblijvend gesprek of stuur een WhatsApp. Ik kijk mee naar wat er draait en zeg het eerlijk als AI hier niets toevoegt.