ERP met kunstmatige intelligentie: wat het echt betekent in 2026

In 2026 zeggen bijna alle ERP›s op de markt dat ze AI hebben. Het probleem is dat ‹AI hebben› heel verschillende dingen kan betekenen, met radicaal uiteenlopende operationele gevolgen.

Er zijn ERP›s die in november 2023, toen iedereen het deed, een chatbot lanceerden en deze ‹AI› noemen. De chatbot stelt je in staat vragen te stellen zoals ‹hoeveel heb ik vorige maand gefactureerd?› en geeft je het antwoord door de gegevens uit je database te halen. Het is nuttig. Het is niet transformatief.

En er zijn ERP›s waar kunstmatige intelligentie vanaf de eerste dag deel uitmaakt van de architectuur: waar AI niet bovenop het systeem gegevens bekijkt, maar binnenin het systeem operaties verwerkt.

Het verschil tussen de twee benaderingen is geen marketing. Het gaat erom hoeveel uren je elke week terugwint.

Het probleem met het «toevoegen van AI» aan een bestaand ERP

Stel je voor dat je een gebouw uit de jaren 90 hebt en zonnepanelen wilt toevoegen. Dat kan. De panelen werken. Ze genereren energie. Maar de structuur van het gebouw is er niet voor ontworpen: je moet kabels bovenop de muren aanleggen, het originele elektrische systeem is niet geïntegreerd met de panelen, en de prestaties zullen nooit die zijn van een gebouw dat vanaf de fundering met zonne-energie is ontworpen.

De ERP›s die «AI toevoegden» werken zo. De AI kan gegevens uit de database lezen. Het kan vragen beantwoorden. Het kan samenvattingen genereren. Maar het kan geen operaties anticiperen, het kan niet handelen op lopende stromen, en het heeft geen diepgaande bedrijfscontext omdat die context niet voor haar ontworpen was.

Een AI-native ERP bouwt de data-architectuur vanaf de eerste dag met het oog op wat de AI nodig heeft om nuttig te zijn: welke context elke operatie nodig heeft, hoe gegevens worden gemodelleerd zodat de AI erover kan redeneren, hoe AI-tools worden verbonden met de echte bedrijfsprocessen.

Wat zijn function tools en waarom zijn ze belangrijk

Wanneer we spreken over 55+ function tools in Frihet, hebben we het niet over 55 vragen die je aan een chatbot kunt stellen. We hebben het over 55 specifieke operaties die de AI kan uitvoeren op jouw echte gegevens.

Een function tool is een concrete mogelijkheid: «haal de fiscale gegevens uit dit document», «classificeer deze uitgave in de juiste boekhoudcategorie», «bereken het IVA-bedrag van het huidige kwartaal», «detecteer of er duplicaten zijn in de facturen van deze leverancier», «projecteer de cashflow van de komende 6 weken op basis van de geschiedenis».

Het verschil met een generieke chatbot is fundamenteel: de function tool heeft toegang tot de echte bedrijfscontext en kan daarop handelen. Het genereert geen tekst. Het voert operaties uit.

In de praktijk uit dit zich in functionaliteiten zoals:

get_invoices, get_expenses, get_clients — De AI kan de werkelijke status van jouw facturen, uitgaven en klanten lezen om vragen te beantwoorden met actuele gegevens, niet met schattingen.

create_invoice, update_expense — De AI kan documenten direct aanmaken of wijzigen vanuit een instructie in natuurlijke taal. «Maak een factuur van 1.200 EUR voor Acme S.L. met 15% inhouding» werkt.

calculate_tax_summary, get_vat_report — Fiscale berekeningen op jouw echte gegevens, niet op generieke voorbeelden.

detect_anomalies, predict_cashflow — Voorspellende analyse die werkt op jouw specifieke geschiedenis, niet op sectorgemiddelden.

Wanneer een AI-assistent toegang heeft tot function tools, verandert het gesprek van «vertel me hoeveel ik gefactureerd heb» naar «vertel me wat ik deze week moet doen om de maand af te sluiten zonder kasstroomproblemen». De tweede vraag vereist diepgaande context, echte berekeningen en handelingsbekwaamheid. Een chatbot zonder tools kan die niet goed beantwoorden.

OCR: het verschil tussen digitaliseren en begrijpen

OCR (Optical Character Recognition) bestaat al sinds de jaren 90. Wat is veranderd met AI is niet dat tekst gelezen kan worden — dat gebeurde al — maar dat het systeem de structuur van het document kan begrijpen.

Traditionele OCR leest: «FACTUUR — Bedrijf XYZ — Belastbare grondslag: 1.000,00 — IVA 21%: 210,00 — Totaal: 1.210,00».

OCR met AI begrijpt: die tekst is een leveranciersfactuur, de basis is 1.000 EUR, de IVA is 21%, het totaal te betalen is 1.210 EUR, het concept is «ontwerpdiensten» volgens de inhoud van het document, en volgens het NIF van de afzender kan de IVA worden teruggevorderd.

Het operationele verschil: met traditionele OCR moet je nog steeds handmatig velden controleren en invullen. Met OCR met AI verandert het vastleggen van uitgaven van een taak in een verificatie.

Frihet haalt automatisch uit tickets en facturen: leverancier, datum, NIF van de afzender, concept, belastbare grondslag, type IVA, bedrag, totaal, betaalmethode en voorgestelde boekhoudcategorie. Voor uitgaven in meer dan 50 talen en met factuurformaten uit 71 landen.

Voor een zelfstandige die 40-60 uitgaven per maand beheert, betekent dit tussen 1,5 en 3 uur per maand die alleen al aan gegevensinvoer wordt teruggewonnen. Het is geen theoretisch getal: het is wat het kost om te scannen, controleren en bevestigen versus wat het kostte om elk veld handmatig in te vullen.

Automatische categorisatie: hoe jouw bedrijf leert

De categorisatie van uitgaven heeft een complexiteit die pas zichtbaar wordt als je het handmatig doet: dezelfde leverancier kan je concepten factureren die tot verschillende categorieën behoren. Amazon kan «kantoormateriaal» zijn op de ene factuur en «IT-apparatuur» op de volgende. Het tankstation kan «transport» of «representatiekosten» zijn, afhankelijk van de context.

Frihet›s AI past geen vaste regels toe. Het leert de patronen van jouw specifieke bedrijf. Na enkele weken gebruik begrijpt het systeem dat jouw aankopen bij El Corte Inglés meestal naar kantoormateriaal gaan, dat het restaurant bij jouw kantoor representatiekosten zijn, en dat het maandelijkse abonnement op Adobe aftrekbare «digitale diensten» is.

Wanneer een categorisatie wordt gecorrigeerd, voedt die correctie het model. Niet op globale wijze — jouw correcties zijn van jou, ze worden niet gedeeld met andere gebruikers — maar op het niveau van jouw workspace.

Het succespercentage met voldoende geschiedenis overschrijdt 95%. Maar Frihet presenteert de categorisaties niet als definitief: het toont ze als suggesties ter controle. De AI stelt voor, de gebruiker keurt goed. Het uiteindelijke oordeel is aan jou.

Fiscale autopiloot: AI die fiscale regelgeving begrijpt

Dit is de functionaliteit waar het verschil tussen toegevoegde AI en native AI het meest zichtbaar wordt.

Een chatbot kan je vertellen «de kwartaal IVA in Spanje is 21% van de belastbare grondslag». Dat is generieke informatie die je op Google zou kunnen vinden.

De Fiscale Autopiloot van Frihet doet iets anders: analyseert jouw specifieke activiteit, past de fiscale regels van jouw land en belastingregime toe, identificeert de aftrekposten waar je recht op hebt, detecteert inconsistenties tussen wat je aangeeft en wat jouw gegevens tonen, en waarschuwt je tijdig voor naderende verplichtingen zodat je je kunt voorbereiden.

Voor een zelfstandige in het vereenvoudigde regime van directe schatting in Spanje betekent dit: automatische berekening van deelbetalingen (modelo 130), identificatie van niet-geregistreerde aftrekbare uitgaven, waarschuwing voor ontvangen inhoudingen die in de aangifte moeten verschijnen, en schatting van het fiscale resultaat voordat het kwartaal eindigt.

Het systeem omvat de fiscale posities van 71 landen. Een Duitse freelancer, een Franse consultant en een zelfstandige op de Canarische Eilanden (met IGIC in plaats van IVA) ontvangen hetzelfde niveau van fiscale automatisering, aangepast aan hun specifieke regime.

Voorspellende waarschuwingen: eerder weten

De tesorería is het probleem dat de meeste onaangename verrassingen veroorzaakt in kleine bedrijven. Niet omdat de cijfers slecht zijn — soms zijn ze perfect beheersbaar — maar omdat niemand op tijd keek.

De voorspellende waarschuwingen van Frihet analyseren drie informatielagen:

Historie van ontvangsten en betalingen. Welke klanten betalen gewoonlijk te laat? Hoe laat, gemiddeld? Welke leveranciers innen op tijd en welke hebben flexibiliteit?

Bekende toekomstige verplichtingen. Uitgestelde facturen die nog moeten worden geïnd, geplande leveranciersbetalingen, eigen bijdragen van zelfstandigen of Seguridad Social, belastingaflossingen.

Seizoenspatronen. Als er in januari altijd een daling van de inkomsten is omdat klanten de facturering eind december afsluiten, weet het systeem dit en neemt het dit op in de projectie.

Het resultaat: een cashflowprojectie voor 6-8 weken die scenario›s omvat (als klant A op tijd betaalt, als klant B vertraging oploopt zoals gewoonlijk) en specifieke waarschuwingen wanneer er risico op spanning is.

Het is geen magie. Het is patroonherkenning op gegevens die al in jouw boekhouding bestaan, maar die niemand de tijd had om handmatig te analyseren.

De assistent in natuurlijke taal: van vraag naar actie

De conversationele assistent van Frihet is geen chatbot die vragen beantwoordt. Het is een agent die operaties kan uitvoeren op jouw bedrijf.

Het praktische verschil:

Chatbot: «Hoeveel heb ik in januari gefactureerd?» → Antwoordt: «1.340 EUR»

Agent met function tools: «Bereid de samenvatting van januari voor om naar mijn adviseur te sturen» → Voert uit: berekent facturering, uitgaven, marge, IVA repercutido en soportado, genereert de samenvatting in het formaat dat jouw adviseur gebruikt, en vraagt je of je het wilt verzenden.

De assistent van Frihet heeft toegang tot 55+ function tools, wat betekent dat het complexe stromen kan uitvoeren op basis van eenvoudige instructies in natuurlijke taal. Je hoeft niet te weten welke tool je moet gebruiken — het systeem kiest de juiste om jouw vraag te beantwoorden of jouw instructie uit te voeren.

Het werkt in 17 talen. Een Japanse gebruiker, een Duitse gebruiker en een Spaanse gebruiker gebruiken dezelfde assistent in hun moedertaal, met dezelfde operationele capaciteiten.

De MCP server: wanneer de AI jouw ERP al geïntegreerd heeft

Voor ontwikkelaars en technische gebruikers biedt Frihet iets wat geen enkel ander Spaans ERP heeft: een MCP (Model Context Protocol) server met MIT-licentie en 52 beschikbare tools.

MCP is het standaardprotocol dat AI-assistenten zoals Claude in staat stelt direct verbinding te maken met externe systemen. Met de geïnstalleerde Frihet MCP kan Claude jouw facturen lezen, documenten aanmaken, belastingen berekenen, jouw cashflow analyseren en operaties uitvoeren in Frihet direct vanuit het gesprek.

Het is geen API die je moet programmeren. Het is een directe verbinding tussen de AI-assistent en jouw ERP, met de tools al gedefinieerd en de context al geconfigureerd. Een developer kan binnen enkele minuten een automatiseringsstroom bouwen.

De MCP-server is gratis en open source. Het vereist geen betaald abonnement of aanvullende module. Het is een investering in het AI-ecosysteem: hoe makkelijker het voor anderen is om op Frihet te bouwen, hoe meer waarde het genereert voor alle gebruikers.

Wat AI niet doet in Frihet

Eerlijkheid is onderdeel van het ontwerp. Er zijn dingen die Frihet›s AI bewust niet doet:

Het neemt geen beslissingen voor jou. Het kan de cashflow projecteren, maar de beslissing om een uitgave uit te stellen of een betaling te vervroegen is aan jou. Het kan een afwijking detecteren, maar de beslissing wat ermee te doen is aan jou.

Het vervangt de belastingadviseur niet. Het kan gegevensinvoer automatiseren en schattingen berekenen. Strategische fiscale planning, interpretatie van complexe regelgeving en beslissingen met juridische implicaties vereisen een professional die daarvoor verantwoordelijk is.

Het werkt niet met gegevens van slechte kwaliteit. Als de documenten die de gebruiker uploadt onleesbaar zijn, zullen de categorisaties onjuist zijn. De AI is zo goed als de gegevens die het ontvangt.

Het consolideert geen gegevens zonder menselijke controle. De categorisatiesuggesties en door AI gegenereerde concepten zijn als zodanig gemarkeerd. De gebruiker controleert en keurt goed voordat ze in de boekhouding worden geconsolideerd.

Dit zijn geen beschamende beperkingen. Het zijn ontwerpprincipes. Een ERP dat kritieke beslissingen automatiseert zonder menselijk toezicht is geen goed ERP — het is een probleemgenerator met een mooie interface.

Hoe de AI van een ERP te evalueren voordat je het koopt

Als je een ERP met AI evalueert, zijn dit de vragen die echte AI scheiden van marketing-AI:

Heeft de AI toegang tot mijn echte gegevens of geeft het alleen generieke antwoorden? Vraag naar een specifiek geval in jouw bedrijf. Als het antwoord generiek is, heeft de AI geen context van jouw gegevens.

Hoeveel function tools heeft het systeem? Een chatbot zonder tools kan vragen beantwoorden, maar geen operaties uitvoeren. De handelingsbekwaamheid is het verschil.

Kan de AI handelen of kan het alleen informeren? Een factuur aanmaken vanuit een instructie in natuurlijke taal is anders dan je vertellen hoe je een factuur moet aanmaken.

Is er menselijk toezicht in de stroom? Een systeem dat automatisch consolideert zonder controle is een systeem dat fouten kan maken in jouw boekhouding zonder dat je het merkt.

Legt de leverancier uit wat de AI met jouw gegevens doet? Lokale verwerking, naleving van de AVG en het niet gebruiken voor modeltraining moeten in de voorwaarden staan, niet in kleine lettertjes.

Frihet doorstaat deze vragen. Als je concrete twijfels hebt over een specifieke functionaliteit, kan de support je dit in een demo laten zien voordat je iets afsluit.