AI-agent laten bouwen: welke oplossing past bij jouw vraag?
De vraag is zelden "kunnen we iets met AI". De vraag is welke vorm past, wat het kost, en wanneer het de moeite niet is. Deze pagina beantwoordt dat in twee vragen.
Wat kost een AI-oplossing op Odoo?
Een gerichte AI-oplossing bovenop Odoo valt in de praktijk in dezelfde kostenbanden als ander maatwerk: een enkele automatisering blijft meestal onder €4.000, een gerichte oplossing met een paar schermen en een nette koppeling kost €4.000 tot €15.000 en staat in één tot drie weken live, en een bouw over meerdere afdelingen of systemen begint bij €15.000 en gaat gefaseerd. Wat de prijs vooral bepaalt is niet het AI-deel maar waar je data staat: alles in Odoo is een stuk goedkoper dan data die uit drie systemen en een map met documenten moet komen.
Wat er gebeurt als iemand zegt: we willen iets met AI
Bijna elk gesprek begint hetzelfde. Iemand heeft een demo gezien, of de directie heeft gevraagd "wat doen wij eigenlijk met AI", en er ligt een vraag op tafel die klinkt als een opdracht maar het niet is. Wij stellen dan een vervelende vraag terug: welk werk zou je willen dat morgen niet meer gebeurt? Daar valt meestal een stilte, en daarna komt het echte antwoord.
Vaak blijkt het probleem kleiner en concreter dan het woord AI suggereert. Iemand exporteert elke maandag drie rapportages naar Excel om er één getal uit te halen. De binnendienst beantwoordt dezelfde vijf vragen over levertijden, elke dag opnieuw. Er komen tweehonderd facturen per maand binnen die iemand overtypt. Dat zijn geen AI-vraagstukken, dat zijn werkstromen met een gat erin. Dat het gat toevallig goed te dichten is met een taalmodel, is een implementatiedetail.
Soms is het antwoord juist groter dan verwacht. Dan blijkt dat mensen niet wachten op een rapportage maar op een beslissing, en dat de rapportage alleen het excuus was. In dat geval helpt een assistent die sneller cijfers ophaalt niet, en moet je een laag hoger kijken. Ook dat is een goede uitkomst van een eerste gesprek, ook al levert het ons geen project op.
Wat we in die eerste sessie eigenlijk doen is de vraag terugbrengen tot iets dat je kunt bouwen en meten. Niet "AI voor de verkoopafdeling", maar "de offerteaanvraag die nu vier keer wordt overgetypt gaat in één keer goed door". Dat is klein genoeg om binnen weken te bouwen en groot genoeg om te merken.
Waarom het AI-deel zelden het dure stuk is
De verwachting is bijna altijd dat het model het duur maakt. In de praktijk is dat het goedkoopste onderdeel. Een taalmodel aanroepen kost centen per vraag, en de logica eromheen is met de huidige generatie ontwikkeltools sneller te schrijven dan ooit. Waar het geld heen gaat is de laag eronder: de data.
Zit alles in Odoo, dan is het simpel. Wij lezen uit hetzelfde model waar je verkoop, voorraad en boekhouding al in staan, met de rechten die je al hebt ingericht. Er is geen synchronisatie, geen tussenopslag en geen tweede waarheid. Dat is precies waarom een ERP dat open genoeg is zoveel scheelt, en waarom dit met veel andere pakketten niet of alleen tegen forse kosten kan.
Staat de data erbuiten, dan verandert het werk van karakter. Dan moet er eerst een betrouwbare ontsluiting komen: een koppeling die niet omvalt, veldnamen die consistent zijn, een afspraak over wat er gebeurt als twee systemen iets anders beweren. Dat is klassiek integratiewerk en het is de reden dat dezelfde functionaliteit de ene keer binnen twee weken staat en de andere keer een fasering van maanden wordt.
Daarom vragen we in de beslisboom hierboven niet naar je budget maar naar waar je data staat. Dat ene antwoord voorspelt de prijs beter dan welke functiewens ook. En het is ook de eerlijkste manier om te zeggen: als je data verspreid en rommelig is, koop dan geen AI. Ruim eerst op. Dat is goedkoper en je hebt er sowieso iets aan.
Welke AI-oplossing past bij jouw vraag?
Twee vragen. De eerste bepaalt de vorm, de tweede bepaalt vooral de prijs. Geen formulier, geen e-mail: je ziet de uitkomst meteen.
Wat wil je oplossen?
De vorm volgt uit het probleem, niet uit de techniek. Kies wat het dichtst in de buurt komt.
Waar staat de data die daarvoor nodig is?
Dit is de grootste kostendrijver. Het AI-deel is zelden het dure stuk; data uit losse systemen halen wel.
De vijf vormen, en wanneer welke past
Bijna elke AI-vraag die bij ons binnenkomt valt in een van deze vijf. Per vorm staat er ook bij wanneer het juist niet de goede keuze is.
-
AI-assistent op je eigen data
Een assistent die vragen in gewone taal beantwoordt door je eigen Odoo-data te lezen, met de bron erbij zodat je het antwoord kunt controleren.
+ Als mensen nu wachten op een rapportage, of als dezelfde vraag elke maand opnieuw handmatig wordt uitgezocht.
- Niet als je eigenlijk gewoon een goed dashboard mist. Een vaste rapportage is goedkoper en betrouwbaarder dan een assistent die hem elke keer opnieuw bedenkt.
-
Antwoordmachine met bronnen
Een zoek- en antwoordlaag die put uit je eigen content en documenten, vergelijkingen kan maken, en altijd laat zien waar het antwoord vandaan komt.
+ Bij een kennisbank, productdocumentatie of support die steeds dezelfde vijftig vragen krijgt.
- Niet als je documentatie zelf verouderd of tegenstrijdig is. Dan bouw je een machine die met gezag het verkeerde antwoord geeft.
-
AI-automatisering in het proces
Een stap in je werkstroom die documenten leest, gegevens eruit haalt, of iets classificeert en doorzet, zonder dat iemand het overtypt.
+ Bij inkomende facturen, aanvragen, formulieren of e-mails die nu handmatig worden overgezet.
- Niet bij lage volumes. Als het tien keer per maand gebeurt, is het goedkoper om het tien keer te doen.
-
Maatwerk-app als schil om Odoo
Een eigen applicatie voor het proces dat niet in de standaard past, die wel op dezelfde Odoo-data draait in plaats van ernaast.
+ Bij planning, veldwerk, subsidiebeheer of een branche-eigen proces waar standaardsoftware niet bij past.
- Niet als de standaard het bijna doet. Dan is je proces aanpassen bijna altijd goedkoper dan een app onderhouden.
-
Configurator of rekentool
Een tool die de bezoeker door een keuze of berekening leidt en aan het eind iets oplevert dat voor jullie bruikbaar is: een configuratie, een indicatie, een aanvraag.
+ Bij een samengesteld product, een prijs die van veel variabelen afhangt, of een vraag die anders in een offerteronde eindigt.
- Niet als je aanbod in één zin uit te leggen is. Dan is een tool een drempel in plaats van een hulpmiddel.
Hoe zo'n traject er in de praktijk uitziet
We beginnen nooit met bouwen. De eerste stap is een sessie van een halve dag waarin we het proces natekenen zoals het nu echt gaat, inclusief de omwegen die niemand opschrijft. Daar komt bijna altijd iets uit dat niemand had genoemd: een tussenstap in Excel, een mailtje dat als goedkeuring geldt, een uitzondering voor twee klanten. Precies die dingen bepalen of een oplossing in de praktijk overleeft.
Daarna bouwen we het kleinste stuk dat al iets waard is. Niet een prototype dat je alleen kunt bekijken, maar iets dat draait op je eigen data en dat je collega's kunnen gebruiken. Meestal staat dat er binnen een week of twee. Dat is met opzet: je oordeel over of dit werkt is veel beter als je het gebruikt hebt dan als je ernaar hebt gekeken.
Dan volgt de fase die er in offertes zelden bij staat maar die het verschil maakt: bijstellen op basis van echt gebruik. De eerste versie geeft antwoorden die kloppen maar niet in jullie taal. Of hij is te voorzichtig, of juist te stellig. Dat bijschaven duurt vaak net zo lang als het bouwen, en wie die tijd niet inplant houdt een oplossing over die technisch af is en menselijk niet wordt vertrouwd.
Tot slot spreken we af wie eigenaar is. Een AI-oplossing die niemand beoordeelt verandert langzaam in iets waar mensen omheen gaan werken. Eén persoon die af en toe steekproeven doet en mag zeggen "dit klopt niet" is genoeg, maar zonder die persoon is het een kwestie van tijd.
Hoe ElizaKnows ontstond
ElizaKnows begon niet als product maar als ergernis. Bij een klant kwam elke maandagochtend dezelfde vraag langs: hoe staan we ervoor. Het antwoord stond in Odoo, maar het kostte iemand een uur om het eruit te halen, en tegen de tijd dat het rondging was het alweer een dag oud. Er waren dashboards, maar niemand keek erin, omdat de vraag elke week nét iets anders was.
We hebben toen niet nog een dashboard gebouwd. We hebben een laag gemaakt die de vraag in gewone taal aanneemt, zelf uitzoekt welke gegevens erbij horen, en het antwoord teruggeeft met de onderliggende regels erbij, zodat je kunt controleren waar het vandaan komt. Dat laatste bleek belangrijker dan we dachten: zonder die bronregels vertrouwde niemand het getal, en met die regels ging de discussie ineens over het bedrijf in plaats van over de rapportage.
Wat we onderweg leerden is dat de moeilijkheid niet in het antwoorden zit maar in het weigeren. Een model dat altijd iets zegt, is gevaarlijk. Het moet kunnen zeggen dat de vraag niet te beantwoorden is met de data die er is, of dat het antwoord onbetrouwbaar wordt omdat er ergens een boeking mist. Dat gedrag hebben we er expliciet in gebouwd, en het is de reden dat we het ergens durven neerzetten waar beslissingen op worden genomen.
Inmiddels draait het bij meerdere klanten en gebruiken we hetzelfde onderliggende idee voor andere vragen. Maar het is nog steeds hetzelfde uitgangspunt: niet AI omdat het kan, maar omdat er elke maandag een uur verdween.
Wanneer AI niet het antwoord is
We zeggen dit liever vooraf. In deze gevallen raden we het af, ook als we het zouden kunnen bouwen:
- Het proces is nog niet vastgelegd. AI op een onduidelijk proces maakt de onduidelijkheid alleen sneller.
- De data klopt niet. Een assistent op rommelige data geeft met veel zelfvertrouwen het verkeerde antwoord.
- Het gebeurt te weinig. Onder de paar keer per week verdient automatiseren zich zelden terug.
- Er is geen eigenaar. Zonder iemand die beoordeelt of de uitkomst klopt, gaat niemand het vertrouwen.
- De standaard doet het bijna. Odoo zelf heeft inmiddels AI-functies; eerst kijken wat je al hebt is gratis.
Geen van deze punten is definitief. Ze zijn alleen goedkoper op te lossen voor je bouwt dan erna.
Wat we al bouwden
Updoo is onze verzameling schillen om Odoo. Geen demo-omgevingen maar dingen die bij klanten draaien. Ze staan er ook om te laten zien dat we dit zelf bouwen.
Veelgestelde vragen over AI op Odoo
Wat kost het om een AI-agent te laten bouwen?
Een gerichte AI-oplossing bovenop Odoo kost meestal €4.000 tot €15.000 en staat in één tot drie weken live. Een enkele automatisering blijft daaronder; een bouw over meerdere afdelingen of systemen begint bij €15.000 en loopt gefaseerd. De grootste kostenpost is zelden het AI-deel, maar het ontsluiten van data die buiten Odoo staat.
Wat is een AI-agent precies?
Een AI-agent is software die een vraag in gewone taal begrijpt, zelf bepaalt welke gegevens of handelingen daarvoor nodig zijn, en die stappen uitvoert. Het verschil met een chatbot is dat een agent niet alleen antwoordt maar ook iets kan opzoeken, klaarzetten of doorzetten in je systeem.
Kan AI bij mijn eigen Odoo-data zonder dat die data weglekt?
Ja. De data blijft in je eigen Odoo-omgeving en er gaat alleen naar het taalmodel wat nodig is om de vraag te beantwoorden. Wij leggen per oplossing vast welke velden benaderd mogen worden en wie welke antwoorden mag zien, zodat autorisaties uit Odoo overeind blijven.
Heeft Odoo zelf al AI-functies?
Ja, en dat is het eerste dat we controleren. Odoo bevat inmiddels functies voor onder meer factuurherkenning en assistentie in de apps. Maatwerk is pas zinvol als de standaard je vraag niet dekt, bijvoorbeeld omdat het over jouw eigen proces of over data buiten Odoo gaat.
Hoe lang duurt het voordat zoiets draait?
Een enkele automatisering staat vaak binnen dagen. Een gerichte oplossing met eigen schermen en een koppeling duurt één tot drie weken. Een bouw over meerdere systemen loopt in fases van enkele weken. In alle gevallen leveren we eerst een werkend klein deel op, zodat je kunt beoordelen of het oplevert wat je hoopte.
Twijfel je welke vorm past?
Leg je vraag voor aan iemand die dit vaker heeft gebouwd. We zeggen het eerlijk als de standaard het al doet of als het te weinig oplevert.
Odoo Gold Partner · Amsterdam · we bouwen dit zelf, geen doorverkoop