Je vraagt je AI-assistent om de omzet per maand over het afgelopen jaar. Er komt een keurige tabel terug: twaalf maanden, twaalf bedragen, een totaal eronder. Alles klopt aan de vorm. Alleen het antwoord is fout, en er staat nergens bij dat het fout is.
Waarom lopen grote analyses vast op een AI-koppeling?
Omdat de grens niet zit in het aantal AI-verzoeken dat je per maand mag doen, maar in het aantal records dat de koppeling per vraag teruggeeft. Haalt een koppeling maximaal 60 facturen op en heb je er 400, dan rekent de AI keurig door over die 60. Het resultaat is een steekproef die als jaartotaal wordt gepresenteerd.
Waar het misgaat
Vier vragen, en waar ze op stuklopen bij een koppeling die per vraag een beperkt aantal regels ophaalt:
| Vraag | Wat er misgaat |
|---|---|
| “Toon de top 5 klanten op omzet” | Werkt, maar alleen over de eerst opgehaalde facturen - de nummer 1 kan er buiten vallen |
| “Vergelijk de omzet per maand over het hele jaar” | Onvolledig zodra je meer facturen per maand hebt dan de limiet |
| “Welke productgroep levert de hoogste marge op?” | Vereist het koppelen van factuurregels aan artikelen; onbetrouwbaar op een deelverzameling |
| “Toon het betaalgedrag per klantgroep over 2 jaar” | Te veel gegevens en te veel combinaties; loopt vast of levert een steekproef |
Het vervelende is niet dat het niet kan. Het vervelende is dat het antwoord er hetzelfde uitziet als een goed antwoord.
Twee routes naar dezelfde vraag
Er zijn twee manieren om een AI-assistent bij Exact Online te laten komen.
Rechtstreeks. Elke vraag wordt vertaald naar aanroepen op de Exact Online API. Altijd actueel, en prima voor opzoekvragen. Maar de API geeft gegevens per pagina terug, Exact hanteert een dagbudget aan aanroepen, en dus zet vrijwel elke koppeling een plafond op het aantal records per vraag. Dat plafond is precies waar je analyse op stukloopt. Exact AI Connect van iWebDevelopment zet dat plafond in het Essentials-pakket op 60 records per vraag.
Via een cache. De gegevens uit Exact Online worden bijgehouden in een eigen database per administratie. Een vraag om de omzet per maand wordt dan een optelling in die database: een enkele bewerking over alle regels, niet honderd losse ophaalacties. Zo werkt Ledger Botje.
Dat verschil is er ook in verzoeken. Wordt de optelling in de database gedaan, dan kost een jaaranalyse een enkel AI-verzoek. Moet de assistent alles pagina voor pagina binnenhalen en zelf optellen, dan kost dezelfde vraag er tientallen.
Hoeveel krijg je dan wel terug?
Bij Ledger Botje hangt het af van de tool. Een lijst met batch- of serienummerhistorie gaat tot 500 regels, een grootboekbalans tot 1.000 rekeningen, een voorraadoverzicht per locatie tot 200 regels. Maar de belangrijkste categorie is de optelling: omzet per periode, marge per productgroep, saldo per grootboekrekening. Die worden in de database over de volledige dataset berekend en niet over een opgehaalde selectie. Het aantal records dat je terugkrijgt is dan het aantal groepen in je antwoord - twaalf maanden, acht productgroepen - en niet het aantal onderliggende regels.
Blijft de cache wel actueel?
Terechte vraag, want een verkeerd antwoord uit een verouderde kopie is net zo fout als een antwoord uit een halve dataset. Drie dingen houden dat recht:
- In de avonduren worden de administraties elk kwartier bijgewerkt, met alleen de wijzigingen sinds de vorige keer.
- Vraagt een tool gegevens op die ouder zijn dan een etmaal, dan worden die eerst ververst voordat de vraag beantwoord wordt.
- Na elke schrijfactie wordt het betreffende stuk direct opnieuw ingelezen, zodat een order die je net hebt aangemaakt meteen in het volgende antwoord zit.
- En je kunt het altijd zelf afdwingen: in de app haal je de administratiegegevens met een knop opnieuw op uit Exact Online.
Voor een analyse over twee jaar maakt een paar uur niets uit. Voor de vraag welke facturen vandaag vervallen zijn wel, en daar zijn de automatische en de handmatige verversing voor.
Zelf controleren of je antwoord klopt
Je hoeft niet te weten hoe een koppeling van binnen werkt om te merken dat je een halve dataset te pakken hebt. Vraag het na:
“Over hoeveel facturen heb je dit berekend, en wat is de vroegste en laatste factuurdatum in die set?”
Komt daar een verdacht rond getal uit - 50, 60, 100 - terwijl je er meer verwacht, dan kijk je naar een afgekapte lijst. Stel dezelfde vraag daarna per maand; als er maanden ontbreken of als januari veertig facturen heeft en december vier, weet je genoeg.
Dit is dezelfde controle die je bij een collega zou doen die met een export aan komt zetten: hoeveel regels zaten erin, en van wanneer tot wanneer. Doe hem een keer bij een nieuwe koppeling en je weet waar je grens ligt.
Wat dit betekent voor je keuze
Als je de assistent gebruikt om dingen op te zoeken - deze klant, die factuur, dat artikel - is de recordlimiet niet je probleem en kun je op prijs kiezen. Zie wat kost een AI-koppeling voor Exact Online. Het aantal tools telt de losse functies die je assistent kan aanroepen. Publiceert een aanbieder dat aantal niet, dan staat er wat de koppeling dekt plus een schatting als T-shirtmaat: S is minder dan 25 tools, M is 25 tot 150 en XL is meer dan 150. Invantive en Zapier hebben geen vaste toolset - Invantive geeft SQL-toegang tot de tabellen, en bij Zapier bepaal je zelf welke Exact Online-acties je aanzet.
Wil je de assistent gebruiken om te analyseren, dan is dit de eerste vraag die je aan een aanbieder stelt: hoeveel records krijg ik per vraag terug, en worden optellingen over de volledige dataset gedaan? De volledige vergelijking op dit en andere punten staat in AI-koppelingen voor Exact Online vergeleken.