AI-integratie is niet een AI-tool aanschaffen. Het is een model verbinden met jouw gegevens, jouw proces en jouw rechten, zodat de uitkomst ergens landt in plaats van in een chatvenster.
"We willen iets met AI" eindigt in de meeste bedrijven bij een abonnement. Iemand opent een chatvenster, plakt er een stuk tekst in, krijgt een bruikbaar antwoord terug en plakt dat weer ergens anders. Dat werkt. Alleen verandert er niets aan de doorlooptijd van het proces, want de koppeling tussen het model en je bedrijf is nog steeds een mens met een muis.
AI-integratie is precies het weghalen van die handmatige koppeling. Het model wordt onderdeel van het werk in plaats van een tabblad ernaast: het krijgt zijn opdracht van een gebeurtenis in je eigen systeem, het leest de gegevens die het nodig heeft, en de uitkomst landt weer op een plek waar iemand ermee verder kan. Pas dan gaat er iets sneller zonder dat iemand het aanzet.
Dit artikel gaat over hoe dat er in de praktijk uitziet: wat AI-integratie technisch is, welke vier niveaus er bestaan, hoe het met een bestaand ERP werkt, waar het vastloopt, wat de AI-verordening ervan vraagt, hoe je begint en waar je op let als je het laat bouwen.
Een taalmodel kan tekst produceren. Meer niet. Het weet niet wie je klanten zijn, wat je hebt afgesproken, welke prijzen gelden of wat er gisteren is besloten. AI-integratie is het verbinden van dat model met de vier dingen die het zelf niet heeft:
Ontbreekt er één van de vier, dan heb je geen integratie maar een demo. Dat is niet erg — een demo is een prima manier om te leren of iets kan — maar het verklaart wel waarom zoveel AI-pilots blijven steken op "het werkt, en niemand gebruikt het".
Een model zonder trigger en zonder bestemming is geen integratie. Het is een slimme collega zonder bureau.
Het woord integratie dekt in de praktijk vier heel verschillende dingen. Ze verschillen in wat ze opleveren, en vooral in wat ze aan voorbereiding kosten.
Een abonnement op een chatmodel. Mensen kopiëren erin en eruit. Nul integratie, nul voorbereiding, en de winst is persoonlijk: wie het gebruikt gaat sneller, de rest merkt er niets van. Een prima startpunt, geen eindpunt.
Het model krijgt leestoegang tot je gegevens — documenten, dossiers, historie — en beantwoordt vragen daarover. De uitkomst blijft een antwoord op een scherm; in je systeem verandert nog niets. Hier blijven de meeste bedrijven hangen, en hier is ook de eerste echte voorbereiding nodig: welke bron is leidend, en wie mag wat zien. Dat vraagstuk staat uitgewerkt in je documenten zijn opgeslagen, waarom vind je ze niet terug.
Een gebeurtenis start het werk, het model bereidt iets voor, en de uitkomst wordt weggeschreven: een concept dat klaarstaat, een veld dat gevuld is, een taak die is aangemaakt. Een mens keurt goed. Dit is het eerste niveau waarop je doorlooptijd meetbaar verandert, en voor de meeste MKB-bedrijven is dit het niveau waar het geld zit.
Het systeem maakt zelf af wat het kan afmaken en schakelt alleen op bij twijfel of uitzonderingen. Dat vraagt om scherpe grenzen: welke acties mag het uitvoeren, tot welk bedrag, met welke rechten, en wat gebeurt er als het misgaat. OWASP heeft daar een eigen risicocategorie voor in zijn lijst voor AI-toepassingen — excessive agency, een systeem dat meer mag dan het nodig heeft.3 Wanneer je een agent nodig hebt en wanneer een workflow volstaat, staat in de gids over AI-agents.
Zoek je op AI-integratie met bestaande software, dan gaat het meestal niet om één speciale AI-koppeling. De praktische vraag is: welk systeem is de bron, welke gegevens mag AI lezen en waar mag een uitkomst teruggeschreven worden?
Heeft je bestaande software een goede API, dan is dat meestal de schoonste route. Is die er niet, dan kan een export/import, webhook of tussenlaag soms volstaan. Pas wanneer een oud systeem structureel geen data vrijgeeft of geen gebeurtenissen kan delen, wordt vervangen een serieuze optie. Het doel is dus niet om voor AI je hele stack weg te gooien, maar om de systemen die je al gebruikt gecontroleerd onderdeel van één proces te maken.
Wanneer meerdere koppelingen, rechten en workflows samenkomen, wordt een centrale systeemlaag interessanter. Dat is de rol die Connective OS speelt: dezelfde bedrijfscontext is beschikbaar voor medewerkers én voor AI, in plaats van per losse tool opnieuw gekoppeld te worden.
Een bestaand ERP hoeft niet weg om er AI aan te koppelen. De vuistregel: AI leest en bereidt voor, een mens boekt. Een order die per mail of als pdf binnenkomt, wordt een conceptorder met de juiste artikelnummers en prijsafspraken, en een inkoopfactuur die niet aansluit op de inkooporder valt op voordat iemand hem boekt.
Lezen en schrijven lopen via de API van het ERP, niet rechtstreeks via de database, want de API controleert wat je aanlevert. Bij AFAS wordt elk bericht naar de connectoren gevalideerd.5 Daar zie je ook het verschil tussen lezen en schrijven terug in de koppeling zelf. GetConnectoren halen gegevens op, UpdateConnectoren voegen gegevens toe, passen ze aan of verwijderen ze, en in een AppConnector leg je vast welke connectoren een koppeling mag gebruiken.5 Geef een AI-koppeling daar eerst alleen GetConnectoren. Laat de conceptorder buiten het ERP klaarstaan tot iemand hem boekt, of geef de koppeling later alleen de UpdateConnector die voor die ene stap nodig is. Exact Online heeft een REST API met onder meer onderdelen voor verkooporders, voorraad en webhooks.6 Of je ERP zelf nog past, lees je in ERP te zwaar, Excel te licht.
Dit is de vraag die integraties het vaakst laat stranden, en hij is niet technisch. Staat het e-mailadres van een klant in je CRM, in je facturatiepakket én in een Excel-bestand, dan moet iemand kiezen welke waar is. Doe je dat niet, dan kiest het model — en dan is de uitkomst een gok met goede zinsbouw. Hoe je dat per gegeven vastlegt, staat in de gids over software koppelen, onder welk systeem is leidend.
Een antwoordlaag die alles kan zien, laat ook alles zien aan wie het vraagt. OWASP zet prompt injection op één en het lekken van gevoelige informatie op twee in zijn top tien voor toepassingen met taalmodellen.3 Vertaald naar de praktijk: de index kent de rechten van de gebruiker, niet die van de beheerder. Dat regel je vóór het koppelen, niet erna — repareren achteraf is duurder en je weet nooit zeker wat er inmiddels is opgehaald.
Drie getallen volstaan: hoe vaak per week gebeurt dit, hoe lang duurt het nu, en hoeveel gaat er mis. Zonder die drie kun je achteraf niet aantonen dat het iets opleverde, en dan wordt de vraag of je doorgaat een smaakkwestie in plaats van een rekensom.
De schoonste route: je systeem stelt gegevens beschikbaar en accepteert ze terug. Werkt goed als je leverancier een fatsoenlijke API heeft en die niet per aanroep afrekent. Let op de kostenkant, want het aantal aanroepen per proces bepaalt de rekening — en dat is iets anders dan de prijs van het model zelf, zoals uitgelegd in de API-prijs van AI is niet je kostprijs.
Een automatiseringsplatform of een eigen tussenlaag die systemen aan elkaar knoopt. Snel opgezet en prima voor het eerste proces. Het nadeel komt later: de logica van je bedrijf raakt verspreid over losse scenario’s die niemand versiebeheert, en bij elke wijziging in een van de systemen moet je op drie plekken kijken.
De AI zit ín de software waarin het werk gebeurt. Dan is er geen koppeling nodig, want de context zit er al: rechten, dossiers, historie en statussen zijn dezelfde als die van de gebruiker. Dat is de reden dat wij met een Bedrijfs-OS werken en AI-agents daarbovenop laten draaien in plaats van ernaast.
Elke koppeling die je bouwt, moet je onderhouden. De goedkoopste integratie is de koppeling die je niet nodig hebt.
Losse tools zijn prima voor werk dat bij één persoon begint en eindigt, zoals een tekst herschrijven. Moet de uitkomst in een ander systeem landen of pakt een collega het op, dan wint een geïntegreerd systeem. Het model kan hetzelfde zijn; het verschil zit eromheen:
Een bruikbaar omslagpunt: zodra een tweede tool met hetzelfde klantbestand werkt, onderhoud je koppelingen in plaats van je proces. Wat die stapel tools kost, reken je uit met wat kost jouw toolstack; hoe je hem voorkomt, staat in een Bedrijfs-OS als fundament.
Zelden door het model. Meestal loopt het vast in de organisatie eromheen of in de koppeling eronder.
AI-integratie is sinds kort ook een administratief onderwerp. De Europese AI-verordening — Verordening (EU) 2024/16892 — wordt gefaseerd van toepassing. De Europese Commissie zet de data zo op een rij: de verboden praktijken en de verplichtingen rond AI-geletterdheid gelden sinds 2 februari 2025, de governanceregels en de verplichtingen voor AI-modellen voor algemene doeleinden sinds 2 augustus 2025, en het merendeel van de verordening sinds 2 augustus 2026, met uitzonderingen. Voor systemen in bepaalde hoog-risicogebieden — waaronder biometrie, kritieke infrastructuur, onderwijs, werkgelegenheid, migratie en grenscontrole — gelden de regels vanaf 2 december 2027, en voor AI die in producten als liften of speelgoed is ingebouwd vanaf 2 augustus 2028.1
Voor de meeste MKB-toepassingen — een concept voorbereiden, een document uitlezen, een vraag beantwoorden — is dat geen hoog-risicoverhaal. Twee dingen raken toch vrijwel iedereen. Het eerste is AI-geletterdheid. Sinds de Digitale omnibus inzake AI, die op 27 juli 2026 in werking trad,1 moet je maatregelen nemen die de AI-geletterdheid van je mensen ondersteunen; een bepaald niveau hoef je niet te garanderen.9 Het doel: mensen die weten wat het systeem doet, waar het goed in is en waar het de mist in gaat. Het tweede is banaler en wordt vaker overgeslagen: je moet weten wélke AI je waar gebruikt. Zonder dat overzicht kun je geen enkele vraag over je eigen systemen beantwoorden — niet die van een klant, niet die van een verzekeraar en niet die van jezelf.
Wil je daar structuur in aanbrengen zonder een compliance-afdeling op te tuigen: het Amerikaanse NIST publiceerde op 26 januari 2023 een raamwerk voor AI-risicobeheer dat bedoeld is voor vrijwillig gebruik en het werk in vier functies organiseert — Govern, Map, Measure en Manage.4 Als checklist is dat bruikbaar, ook voor een bedrijf van twintig man: wie beslist erover, wat gebruiken we waar, hoe meten we of het klopt, en wat doen we als het misgaat.
Je hoeft geen jurist te worden. Je moet wel kunnen opnoemen welke AI er in je bedrijf draait, en wie daarover gaat.
AI integreer je proces voor proces, niet systeem voor systeem:
Deze volgorde is niet spannend, en dat is precies het punt. De bedrijven waar AI iets oplevert, zijn zelden de bedrijven met het meest geavanceerde model. Het zijn de bedrijven die één proces goed hebben uitgezocht en het systeem eromheen op orde hadden. Waarom dat systeem eerst komt, staat in een Bedrijfs-OS als fundament.
Wie een integratie laat bouwen, kiest grofweg uit drie soorten partijen. De leverancier van je software koppelt vooral vanuit zijn eigen pakket, een automatiseringsbureau bouwt werkstromen op een platform als Zapier of Make, en een implementatiepartner ontwerpt proces, koppelingen en AI-stappen samen. Welke soort past, hangt af van hoeveel systemen het werk raakt.
Voor uitbestede live chat of een cloudplatform voor chat en telefonie geldt dezelfde toets. Welk systeem de beste integratie met je bestaande software biedt, hangt minder af van het merk dan van wat het doorgeeft: een webhook bij elk nieuw gesprek en een API waarmee dat gesprek bij de juiste klant in jouw CRM landt. Test dat in een demo met je eigen CRM: staat een testgesprek daar meteen, met een samenvatting en een eigenaar voor de opvolging? Zit er een AI-chatbot tussen, lees dan ook wat de AI-verordening vraagt aan transparantie bij chatbots.
De beste integratie hangt minder af van het merk dan van wat een systeem doorgeeft.
Connective Group is zo'n implementatiepartner. We kijken eerst hoe je bestaande CRM, ERP en boekhouding beter samenwerken en vervangen alleen wat echt moet. AI koppelen we via MCP aan je bedrijfsinformatie, binnen de rechten van de rol. De code staat in jouw repository, de accounts op jouw naam, en elke fase heeft vooraf een vaste scope en prijs. Of het bij jou past, bespreken we in een gesprek van 45 minuten via Google Meet.
Het verbinden van een AI-model met je eigen systemen, zodat het zijn opdracht krijgt van een gebeurtenis in je proces, de context uit je eigen gegevens haalt en de uitkomst wegschrijft op een plek waar iemand ermee verder kan. Het verschil met een losse AI-tool is dat er geen mens meer nodig is om het model aan het werk te zetten.
Meestal wel, als je systeem een API heeft of gegevens kan exporteren en importeren. De vraag is zelden of het kan, maar wat het onderhoud kost: elke koppeling breekt een keer, en dan moet iemand weten waar hij moet kijken.
Nee. Begin bij één proces en koppel wat er al staat. Vervangen is pas aan de orde als een systeem aantoonbaar de bottleneck is, bijvoorbeeld omdat het je gegevens niet vrijgeeft of geen enkele gebeurtenis naar buiten meldt.
Met CRM, ERP, boekhouding, documentomgevingen, e-mail, planning en andere systemen die gegevens via een API, webhook of bruikbare import/export beschikbaar stellen. Begin met leestoegang en laat schrijfacties eerst langs een mens lopen; dat kan pas als rechten, controles en logging goed staan.
Door vóór de bouw drie getallen vast te leggen: hoe vaak het proces per week voorkomt, hoe lang het duurt en hoeveel er misgaat. Zonder die nulmeting is elke conclusie achteraf een mening.
Ja, in drie soorten: de leverancier van je software, automatiseringsbureaus die werkstromen bouwen op platforms als Zapier, Make of n8n, en implementatiepartners die proces, koppelingen en AI-stappen samen ontwerpen en bouwen. Vraag bij elke partij van wie de code en de koppelingen worden, en of ze je bestaande systemen koppelt of wil vervangen.
Begin bij één proces dat elke week terugkomt, niet bij de software. Leg vast hoe vaak het voorkomt, hoe lang het duurt en hoeveel er misgaat, en koppel AI dan via de API van je bestaande systeem: eerst lezend, daarna met concepten die een mens goedkeurt. Haal die goedkeuring er pas uit als de cijfers laten zien dat het klopt.
Ja, zonder het ERP te vervangen. AI leest via de API en bereidt conceptorders of signaleringen voor, en een mens keurt goed wat er wordt geboekt. Schrijf niet rechtstreeks in de database, want dan sla je de controles van het pakket over.
Wil je weten welke koppeling in jouw bedrijf het eerst rendeert, doe dan de Bedrijfs-OS scan of kijk bij AI-automatisering hoe wij dat aanpakken. Liever direct sparren over wat in jouw situatie realistisch is? Plan een gesprek.
De Quickscan duurt vijf minuten: acht korte vragen, en jullie zien direct waar het knelt. Vrijblijvend, of jullie daarna klant worden of niet.
Of bekijk eerst een voorbeeld → (opent in een nieuw tabblad)
