Samenvatting
Leestijd: 20 minuten
Lees dit als je een Odoo-partner, ERP-consultant of bedrijfsleider bent die AI voor je ERP evalueert. Vooral als je voorbij de hype bent en wilt weten wat echt werkt, wat misgaat en waar je moet beginnen.
Sla dit over als je een productvergelijking of stap-voor-stap technische handleiding zoekt. Dit is een paper over governance en strategie, geen how-to guide.
78% van de IT-leiders verwacht agentic AI in hun ERP binnen drie jaar. Minder dan 10% heeft AI opgeschaald voorbij pilots. De kloof is niet technologie, het is governance.
Deze paper betoogt dat AI de regels van je ERP niet verandert, maar de snelheid wel. Dezelfde rechten, audit trails en functiescheiding die vandaag je systeem besturen, moeten het ook besturen wanneer AI de interface is. Wat nieuw is, is de kracht van het gereedschap, en de schade die het op schaal kan aanrichten wanneer die principes niet worden gehandhaafd.
We onderzoeken waar AI vandaag wordt ingezet in Odoo (requirementverzameling, vibe coding, natuurlijke taaltoegang, AI-velden, datamigratie), waar Odoo's governancemodel standhoudt, en waar het echte tekortkomingen heeft (agent-identiteitsbeheer, rate limiting, API-sleutelscoping, auditdiepte). We vergelijken Odoo's open-source voordeel met SAP, Oracle en Microsoft, en behandelen de implicaties van de EU AI Act voor ERP-implementaties.
Onze praktische aanbeveling: repareer eerst je data en governance, begin dan met één AI-winst. De bedrijven die in één initiatief "AI-gedreven willen worden" falen. De bedrijven die één proces tegelijk aanpakken, slagen.
Liever een vormgegeven versie? Ontvang de PDF met infographics en visuals.
Het Geweer, de Boormachine en je ERP
"Geweren doden geen mensen, mensen doden mensen."
Wie draagt de schuld? De persoon die de trekker overhaalt? De fabrikant? De leverancier van de kogel? De overheid vanwege zwakke regelgeving, of de politie die niet handhaaft? Dit debat wordt nooit opgelost, omdat verantwoordelijkheid verdeeld is, niet enkelvoudig.
Het AI-debat gaat dezelfde kant op. Anthropic, de maker van Claude, stelde limieten aan wat hun AI kan doen en verloor het Pentagon als klant. OpenAI ging de andere richting op. De EU probeert AI te reguleren, China probeert AI aan te passen aan zijn systeem. Het debat is behoorlijk gepolariseerd: neo-luddieten die AI vooral als bedreiging zien versus OpenClaw YOLO-gelovigen die hun creditcardgegevens afgeven om automatisch vluchten te boeken. Deze paper geeft een genuanceerd (saaaaaai!) perspectief.
Laten we beginnen met de analogie van AI en een geweer. Beide zijn gereedschappen, maar er zijn belangrijke verschillen. AI in je ERP is geen geweer. Het lijkt meer op een boormachine.
Een geweer is ontworpen om te vernietigen. Een boormachine is ontworpen om te bouwen. Beide gereedschappen kunnen jou of anderen verwonden. Dus wat is de consensus over verantwoordelijkheid bij boormachines in onze maatschappij?
De fabrikant is verantwoordelijk voor basisveiligheid: geen kortsluiting, geen brandgevaar, redelijk toerental. De gebruiker is verantwoordelijk om niet in een waterleiding te boren (of in de persoon naast je). Niemand debatteert over het verbieden van boormachines. Boormachines zijn niet zo controversieel, en dat is interessant.
Die herformulering is belangrijk. Het meeste AI-governance-gesprek zit vast in "geweermodus": wie is schuldig, wat moet beperkt worden, wat als het misgaat. Praktische bedrijven hebben "boormodus" nodig: dezelfde veiligheidsregels die je altijd al had, toegepast op een krachtiger gereedschap.
Wij geloven het volgende: AI verandert de regels van je ERP niet. Het verandert de snelheid. Ik begon met ontwikkelen (PHP😔) in 2008 en ik heb het vakgebied zien evolueren. Data governance bestaat sinds data bestaat. Dezelfde rechten, audit trails, goedkeuringsworkflows en functiescheiding die vandaag je systeem besturen, moeten het ook besturen wanneer AI de interface is. Wat nieuw is, zijn niet de principes maar de kracht van het gereedschap, en de schade die het op schaal kan aanrichten wanneer die principes niet worden gehandhaafd. Als je niet oppast kan AI honderdduizenden records in je database verwijderen, beveiligingssleutels blootleggen of de verkeerde dingen communiceren naar je klanten. Je medewerkers kunnen dit ook, maar met een browser, toetsenbord en muisklikken is het een hoop werk om het honderdduizend keer te doen.
Wij schrijven dit als praktijkmensen. Pantalytics is een Odoo Partner die open-source AI-tools bouwt voor ERP. We hebben de fouten gemaakt. Laten we beginnen met een overzicht.
1. De Kloof
78% van de IT-leiders verwacht agentic AI in hun ERP binnen drie jaar (Bain, 2025). 44% van de bedrijven is van plan te investeren in AI-aangedreven ERP (BCG, 2025). 88% gebruikt AI ergens (McKinsey, 2025). De ambitie is niet het probleem.
Het probleem: minder dan 10% heeft AI opgeschaald voorbij pilots (McKinsey, 2025). Meer dan 80% van de ERP-transformaties mist budget, planning of waardedoelstellingen (Bain, 2025). 70% van de organisaties zal geen AI-klare data hebben tegen 2027 (Gartner, 2026). En minder dan 10% van degenen die agentic AI in ERP implementeren, zal tegen dat jaar meetbare waarde hebben gerealiseerd (Gartner, 2025).
De standaardverklaring is "datakwaliteit" of "tekort aan vaardigheden" of "verandermanagement." De werkelijke oorzaak is echter dat organisaties AI vastschroeven aan systemen die nooit goed bestuurd werden. Zoals Ethan Mollick betoogt, haasten bedrijven zich om AI te "ont-vreemden", het te behandelen als weer een softwaredeployment, en vervallen daardoor in automatisering in plaats van versterking (Mollick, The Economist, 2026). Wanneer leiders productiviteitswinsten van 30% zien, is hun instinct om 30% van het personeel te schrappen. De moeilijkere vraag, wat betekent het om een organisatie opnieuw op te bouwen wanneer één persoon nu honderd keer meer kan doen, wordt niet gesteld.
Als je rollen een puinhoop zijn, maakt AI er een snellere puinhoop van. Als je data inconsistent is, verspreidt AI inconsistentie op machinesnelheid. Als niemand eigenaar is van je stamdata, maakt een AI-agent in een minuut vrolijk 500 dubbele records aan.
Technologie is verantwoordelijk voor ongeveer 30% van AI-succes; de andere 70% zijn mensen, processen en governance (Pemeco, 2025). De meeste bedrijven doen het omgekeerd. Ze kopen eerst AI-tools en ontdekken hun governance-gaten later, meestal tijdens een mislukte go-live.
ROI is reëel maar traag. De meeste organisaties zien terugverdientijd in twee tot vier jaar. Slechts 6% binnen een jaar (Deloitte, 2025). De bedrijven die slagen, repareren hun governance voordat ze hun AI kopen.
We zien dat kleine bedrijven snel kunnen bewegen. Het oprichtersteam accepteert de risico's om meer gedaan te krijgen met AI. Maar wanneer een bedrijf meer dan pakweg 10 medewerkers heeft, wordt het bedrijf risicobewuster. Ze verplichten Microsoft Co-Pilot en beperken het gebruik van Claude Code bijvoorbeeld.
2. Governance Verandert Niet. De Interface Wel.
Dit is het kernargument van deze paper.
Je ERP heeft altijd regels gehandhaafd. Wie welke data mag zien. Wie welke transactie mag goedkeuren. Welke acties een tweede handtekening vereisen. Wat wordt gelogd. Deze regels bestaan of je het systeem nu benadert via een webbrowser, een mobiele app of een spreadsheet-export.
AI is een nieuwe interface naar hetzelfde systeem. Een gebruiker typt een chatbericht. De AI-agent roept de ERP-API aan. Het systeem controleert rechten. De actie wordt uitgevoerd of geweigerd. Het verschil is het transportmechanisme: natuurlijke taal in plaats van muisklikken. Het autorisatiemodel is identiek.
Of dat zou het in ieder geval moeten zijn.
Wat hetzelfde blijft
Rolgebaseerde toegangscontrole. Beveiliging op recordniveau. Rechten op veldniveau. Functiescheiding. Goedkeuringsworkflows. Audit trails. Data-eigenaarschap. Compliancerapportage. Dit zijn geen nieuwe problemen die nieuwe oplossingen vereisen. Het zijn bestaande problemen die consistente handhaving vereisen via een nieuw kanaal.
In Odoo is dit architecturaal eenvoudig. Out of the box is Odoo hierin zeer basaal. Dit is waar Microsoft jaren voorloopt. Controle, controle, controle. ACL's, record rules en gebruikersgroepen gelden voor API-aanroepen op dezelfde manier als voor UI-klikken. Een MCP-verbinding met Odoo gaat door dezelfde rechtencontroles als een gebruiker die op een knop klikt. Een API-sleutel kan alleen toegang beperken, nooit verhogen (Odoo MCP Server).
Wat anders is bij AI
Snelheid. Een mens klikt 50 keer per dag. Een AI-agent kan 5.000 acties per uur uitvoeren. De controles veranderen niet, maar ze moeten in real time werken. Rate limiting, dat nooit nodig was voor menselijke gebruikers, wordt essentieel.
Identiteit. AI-agents zijn een nieuw type gebruiker. Ze hebben eigen accounts nodig, eigen afgebakende rechten, eigen levenscyclusbeheer. Microsoft behandelt AI-agents nu als identiteiten in Entra ID, dezelfde instroom-doorstroom-uitstroom-workflows als menselijke medewerkers (Microsoft Entra, 2026). Het principe is niet nieuw. De toepassing wel. Odoo moet hier inhalen. Standaard Odoo heeft gebruikers (betaald) en API-sleutels gekoppeld aan een gebruiker. Serviceaccounts zijn betaald, API-sleutels zijn niet instelbaar. Dit moet snel veranderen.
Functiescheiding. Een mens kan in de praktijk slechts één rol tegelijk vervullen. Een AI-agent kan, als deze verkeerd is geconfigureerd, de rechten van elke gebruiker die hij bedient combineren. Eén agent die zowel inkooporders kan aanmaken als goedkeuren, schendt functiescheiding, en niemand merkt het op tot de audit (SafePaaS, 2026).
Auditdiepte. Wanneer een mens een factuur goedkeurt, is de intentie vanzelfsprekend. Wanneer een AI-agent deze goedkeurt, moet je niet alleen de actie loggen maar ook de redenering: welke prompt het triggerde, welke data het informeerde, waarom de agent deze actie boven alternatieven koos.
Gedeelde verantwoordelijkheid. Bij AI-agents zijn veel mensen betrokken. De engineers die het basismodel ontwikkelden, de beheerder die de systeemprompt schreef en de rechten instelde, de gebruiker die de AI-agent startte. Gedeelde verantwoordelijkheid kan tot problemen leiden omdat er geen eigenaarschap is.
Nieuwe beveiligingsrisico's
Prompt injection. Een mens kan sociaal gemanipuleerd worden. Een AI-agent kan gemanipuleerd worden via geprepareerde invoer: een e-mail met verborgen instructies, een document met ingebedde prompts. Dit is een nieuwe aanvalsvector. 73% van productie-AI-implementaties heeft prompt injection-kwetsbaarheden (OWASP, 2025).
Datalekken via context. Een traditionele UI toont een gebruiker precies de velden waarvoor hij geautoriseerd is. Een AI-agent kan bredere context ontvangen om effectief te redeneren, en onbedoeld data blootleggen waartoe de gebruiker geen toegang zou moeten hebben. Dataminimalisatie voor AI-context is een nieuwe discipline.
Eigendom van AI-gegenereerde output. Wanneer een AI een productomschrijving opstelt of een klantinteractie samenvat, wie is dan eigenaar van die output? Wie is aansprakelijk als het fout is? Deze vragen hebben geen precedent in traditionele ERP-governance.
Het 92% zichtbaarheidsgat. De meeste organisaties weten niet welke AI-identiteiten toegang hebben tot hun ERP-systemen. Ze kunnen hun menselijke gebruikers opsommen. Ze kunnen hun agents, integraties en geautomatiseerde processen niet met hetzelfde vertrouwen opsommen (SafePaaS, 2026).
Waar laat dat de meeste bedrijven?
Slechts 21% van de bedrijven heeft een volwassen governancemodel voor AI-agents. 75% geeft toe dat hun governance niet is meegegroeid met AI-adoptie (Deloitte, 2026). Als ze simpelweg hun bestaande ERP-governance hadden uitgebreid naar het AI-kanaal, dezelfde regels, dezelfde zorgvuldigheid, zouden ze het grootste deel al gehad hebben. Maar governance alleen is niet genoeg als het uitsluitend bij IT belegt. Zoals Mollick opmerkt, is het overdragen van alle controle over AI aan een afdeling wiens kerntaak risicobeperking is een denkfout. AI vereist dat organisaties wild experimenteren en falen tolereren, het tegenovergestelde van waar IT op wordt afgerekend (Mollick, The Economist, 2026).
Governance is geen nieuw probleem. Het is een bestaand probleem dat de meeste organisaties niet volledig hadden opgelost voordat AI arriveerde om elke tekortkoming met 1.000x snelheid bloot te leggen.
3. AI in ERP-land
Waar wordt AI vandaag de dag gebruikt in ERP's (en Odoo):
Requirementverzameling uit discovery-sessies
Spraak- en schermopnames van workshops, gevoed aan AI, produceren gestructureerde functionele requirements: user stories, acceptatiecriteria, verantwoordelijkheidsverdelingen, scopingsinschattingen. Wat een consultant dagen aan transcriptie kostte, gebeurt in minuten.
Wij doen dit in onze eigen projecten. Een recent voorbeeld: een Nederlandse startup had een volledig geconfigureerde Odoo-omgeving nodig vanaf nul: Nederlandse btw-instellingen, factuurnummering, gebruikersaccounts. AI verwerkte de discovery-sessie en produceerde direct gestructureerde user stories. De consultant reviewde en verfijnde. Setup-requirements werden ontleed in acceptatiecriteria, verantwoordelijkheidsverdelingen en complexiteitsbeoordelingen, vanuit één enkel gesprek.
Vibe coding voor ERP
Geef een AI-codeerassistent toegang tot de Odoo-broncode, verbind het met Odoo's documentatie via MCP, en verbind het met de live-instantie zodat de AI het huidige datamodel begrijpt. Beschrijf dan wat je nodig hebt. De AI genereert een custom module die frameworkconventies volgt en integreert met wat er al is.
Een module waar een senior developer een week over doet? Gebouwd in een dag, met de developer als architect en reviewer.
Het risico is reëel: AI-gegenereerde code die prima draait maar de verkeerde bedrijfslogica implementeert. Ervaren Odoo-developers identificeerden drie terugkerende gebreken op OXP 2025: versieblindheid (het mixen van API's tussen Odoo-versies), contextvacuüm (ontbrekende echte bedrijfslogica) en stil falen (code die werkt maar het verkeerde doet). De regel: menselijke review van alles wat kernbedrijfsprocessen raakt. AI schrijft de code. De consultant is eigenaar van de logica.
Natuurlijke taaltoegang tot je ERP
Met een tool zoals onze MCP Server Pro vraag je je ERP "laat alle onbetaalde facturen boven EUR 5.000 van Q4 zien" en krijg je antwoord. Geen rapportbouwer. Geen SQL. Odoo blijft leidend voor rechten en data. De AI is de interface, niet de database.
AI-velden
Individuele velden in je ERP aangedreven door hun eigen AI-agent: automatisch productomschrijvingen genereren uit specificaties, klantinteracties samenvatten, inkomende verzoeken classificeren. Elk veld heeft zijn eigen model, temperatuur en context. Ze vullen automatisch in, beschermen handmatige bewerkingen en signaleren wanneer brondata verouderd raakt. We bouwen deze in AI Pro.
Datamigratie
Datamigratie is de nummer één oorzaak van vertragingen bij ERP-go-lives. AI-agents lezen bronschema's en mappen automatisch naar doelstructuren. Validatie vangt problemen op voordat data het legacy-systeem verlaat. ETL-pipelines die herhaalbare patronen volgen, profiteren enorm van AI-ondersteunde ontwikkeling.
De trajectorie
Het patroon bij al deze toepassingen: AI verschuift van suggereren naar uitvoeren. Eerdere systemen signaleerden een anomalie. Huidige copilots suggereren een reactie. De agents van morgen voeren de reactie uit: plaatsen de bestelling, passen de planning aan, routeren de factuur, met menselijk toezicht waar het ertoe doet. 7 op de 10 bedrijven zeggen al dat agents hun primaire automatiseringshefboom zijn (McKinsey, 2025). Odoo 20, verwacht september 2026, richt zich op agentic AI: autonome agents binnen workflows.
4. Het Open-Source Voordeel (en Odoo's Echte Tekortkomingen)
Elke ERP-leverancier is bezig AI in te bouwen. De mogelijkheden verschillen, maar dat geldt ook voor de kostenstructuren, de openheid en de controle die je behoudt.
SAP heeft Joule in S/4HANA Cloud, plus Business AI voor analytics en automatisering. Krachtig, complex, duur. AI-functies zitten achter het Business Technology Platform, weer een laag om te beheren.
Oracle bouwt AI in Fusion Cloud ERP in. Sterk in financiën en analytics. Aanzienlijke investering vereist.
Microsoft Dynamics 365 integreert Copilot voor facturen, cashflow, financiële afsluiting. Goede Power BI-integratie. Lagere instap dan SAP of Oracle, maar add-ons stapelen op.
Odoo Odoo is open source. Volledige toegang op codeniveau om AI-gedrag aan te passen. Koppel elke AI-provider: Claude, OpenAI, Gemini, Mistral of je eigen modellen. Bouw dingen die gesloten platformen je niet laten bouwen. Odoo 19 wordt geleverd met (zeer beperkte) native AI: automatisering van workflows via natuurlijke taal, AI-gegenereerde content, slim voorraadbeheer, ML-aangedreven bankafletteren, een CRM-assistent.
22% van de bedrijven zegt van leverancier te wisselen als de volgende release geen generatieve AI bevat (BCG, 2025). Op een gesloten platform wacht je op de roadmap van de leverancier. Op open source bouw je wat je nodig hebt.
Het eerlijke deel
Odoo loopt niet voorop, maar kan eenvoudig worden aangepast om best-in-class te zijn. We zeggen dit als Odoo-partner die dagelijks op het platform bouwt.
Enterprise-vereisten zoals SSO, rolgebaseerde toegangscontrole en MFA zijn traag te configureren en traag in ontwikkeling. De standaard backend-UI is niet meegegroeid met moderne designstandaarden. We bouwden ons eigen thema, odoo-style-pro, geïnspireerd door Vercel en Linear, omdat we de standaard niet meer konden aanzien.
Maar omdat Odoo open source is, konden we het zelf oplossen. We dienden geen feature request in met de hoop op het beste. We bouwden wat onze klanten nodig hadden, zelf.
De EU AI Act biedt bepaalde uitzonderingen voor open-source AI-aanbieders: lichtere documentatievereisten, geen verplichte EU-vertegenwoordiger (Linux Foundation EU). Open-source AI-modules profiteren van deze uitzonderingen waar propriëtaire alternatieven dat niet doen. Kanttekening: open-source uitzonderingen gelden niet voor AI-systemen met een hoog risico. Maar het structurele voordeel van transparante, auditbare AI-code is reëel en groeiend.
5. Datagereedheid: Los Dit Eerst Op
70% van de organisaties zal geen AI-klare ERP-data hebben tegen 2027 (Gartner, 2026). Slechte datakwaliteit is de nummer één reden waarom AI-projecten falen. Geen enkel model, hoe capabel ook, zal bruikbare resultaten produceren uit inconsistente stamdata, dubbele records en ongedocumenteerde relaties.
AI in ERP werkt wanneer je ERP een betrouwbare single source of truth is: schone stamdata, consistente naamgeving, volledige records. Odoo's alles-in-één architectuur helpt hierbij. CRM, boekhouding, voorraad, productie, HR die één database delen, vermindert de fragmentatie die multi-systeemlandschappen teistert. Maar architectuur alleen lost het niet op. Datagereedheid is een doorlopende discipline: duidelijk eigenaarschap van datadomeinen, geautomatiseerde kwaliteitscontroles en een cultuur die nauwkeurigheid als ieders taak beschouwt.
Als je deze stap overslaat, schaalt AI je dataproblemen sneller op dan enig mens ooit zou kunnen.
6. De Europese Invalshoek
De EU AI Act
De eerste uitgebreide AI-regelgeving ter wereld. Als je AI EU-inwoners raakt, moet je voldoen, waar je bedrijf ook gevestigd is.
Verplichtingen voor general-purpose AI gingen in per augustus 2025. Vereisten voor hoog risico worden afdwingbaar per augustus 2026. AI bij personeelsbeslissingen, kredietscore, geautomatiseerde financiële beslissingen: deze kunnen documentatie-, test-, menselijk toezicht- en monitoringvereisten activeren.
Hier houdt de boormachine-analogie stand. De fabrikant zorgt voor basisveiligheid: transparant gedrag, security by design, goede documentatie. De gebruiker neemt verantwoordelijkheid voor het gebruik: configuratie, toegangscontrole, monitoring, menselijk toezicht. Beide dragen verantwoordelijkheid.
Datasoevereiniteit
Datasoevereiniteit betekent dat je data onderworpen is aan de wetten van het land waar het verwerkt wordt. De spanning tussen de AVG en Amerikaanse datatoeganswetten creëert echte onzekerheid. Zelfs SAP lanceerde een speciale EU AI Cloud, bewijs dat de markt Europese soevereiniteit vraagt voor AI-workloads.
Wij hosten op onze eigen Europese servers en op Odoo.sh. Geen black-box AI die data verwerkt op onbekende locaties. De code is open. De data blijft in Europa.
Drie redenen waarom dit ertoe doet: regelgevingsconformiteit zonder grensoverschrijdende hoofdpijn, klantvertrouwen wanneer je precies kunt laten zien waar data zich bevindt, en toekomstbestendigheid, Europese databeschermingsregels bewegen in één richting.
7. Hoe te Beginnen
Dit is wat we daadwerkelijk doen in de eerste week met een nieuwe klant.
Dag 1-2: Procesrealiteitscheck. Geen requirementsworkshop met plakbriefjes. Een opgenomen walkthrough van hoe het bedrijf daadwerkelijk opereert: wie doet wat, in welke volgorde, met welke tools. We nemen het op. AI transcribeert en structureert het in user stories. De klant corrigeert wat fout is. Dit vervangt twee weken traditionele requirementverzameling.
Dag 3: Data-audit. Hoe schoon is je stamdata? Waar leeft het, in het ERP, in spreadsheets, in iemands hoofd? We doen niet alsof AI slechte data oplost. Slechte data is stap nul.
Dag 4: Governance-check. Wie mag wat goedkeuren? Wat vereist een tweede handtekening? Wat mag AI nooit aanraken zonder menselijke bevestiging? De meeste bedrijven hebben dit niet opgeschreven. Wij laten ze het opschrijven voordat er één regel configuratie wordt gedaan.
Dag 5: Eerste werkend prototype. Geen slidedeck. Een geconfigureerde Odoo-instantie met hun bedrijfsdata, hun btw-instellingen, hun rekeningschema. AI-ondersteunde setup maakt dit mogelijk in een dag. De klant klikt door echte schermen. Feedback op iets concreets, niet een functioneel ontwerpdocument van 40 pagina's.
Daarna: kies één AI-winst. CRM, bankafletteren. Leadscoring. Voorraadvoorspelling. Kies één gebied waar AI onmiddellijke, meetbare waarde toevoegt en implementeer het.
Week 1 MCP voor de winst. Dit is laaghangend fruit. Je kunt je Odoo-database besturen, inclusief de configuratie, direct vanuit je favoriete AI-tool. Bekijk dit overzicht op deze pagina
Organisatorisch bepleit Mollick een driedelig model: Leadership (de CEO moet de AI-strategie bezitten, niet delegeren aan IT of middenmanagement), Crowd (geef medewerkers toegang en oprechte toestemming om te experimenteren, aangezien AI het meest effectief is in handen van domeinexperts), en Lab (een dedicated team dat fulltime grenzen verlegt en ontdekkingen terugvoedt naar de organisatie) (Mollick, The Economist, 2026). Dit weerspiegelt wat we in de praktijk zien: de technische week-één-sprint werkt het best wanneer het leiderschap de ruimte ervoor heeft gecreëerd.
Het patroon is altijd hetzelfde: begin klein, bewijs waarde, bouw vertrouwen, breid uit. De bedrijven die in één initiatief "AI-gedreven willen worden" falen. De bedrijven die één proces tegelijk aanpakken, slagen.
Boormodus, geen geweermodus
AI in je ERP is geen kwestie van of. Het is een kwestie van hoe zorgvuldig. De governanceprincipes zijn niet veranderd. De rechten, de audit trails, de functiescheiding, de goedkeuringsworkflows. Dat bestond allemaal vóór AI en het is allemaal nog steeds van toepassing. Wat veranderd is, is de snelheid waarmee dingen goed of fout gaan.
Behandel AI als een boormachine. Respecteer de kracht. Pas de veiligheidsregels toe die je al hebt. Breid ze uit naar de nieuwe interface. En begin met één ding dat werkt voordat je alles probeert te automatiseren.