De belofte van AI-agents is aantrekkelijk: stel een vraag in gewone taal en krijg het antwoord; vertel de agent wat er moet veranderen en hij verandert het. De demo's ogen moeiteloos omdat de demodata schoon zijn.
Echte bedrijfsdata zijn dat niet. Het CRM is half ingericht. Het factuursysteem en het CRM zijn het oneens over wat een klant betaalt. Hetzelfde account bestaat drie keer onder net iets andere namen. Verlengingsdata staan in een spreadsheet die één persoon bijhoudt. Productgebruik zit in een database die niemand heeft gekoppeld aan het account waar het bij hoort.
Zet daar een agent bovenop en hij geeft nog steeds antwoord, vol overtuiging. Alleen zit hij er dan naast op manieren die moeilijk te zien zijn.
Waarom moet het datafundament vóór AI-agents komen?
Omdat een agent alleen kan rapporteren over en handelen op wat uw systemen vastleggen. Als CRM-, facturatie- en productdata elkaar tegenspreken, zijn de antwoorden van de agent gissingen en verspreiden zijn acties de fouten. Door eerst de data te structureren, krijgt elke agent één afgestemde versie van de feiten, zodat zijn rapporten betrouwbaar zijn en zijn acties veilig.
De korte versie staat op onze homepage: geen data, geen AI. In onze ervaring is het ook waar veel AI-projecten stilletjes vastlopen. Het rapport “The GenAI Divide” van MIT NANDA uit 2025 stelde vast dat slechts ongeveer 5% van de generatieve-AI-pilots productie haalt met een meetbaar rendement. Een pilot op een opgeschoonde steekproef kan er uitstekend uitzien; hetzelfde idee op de echte, rommelige data overleeft de overstap vaak niet.
Wat er misgaat als agents op rommelige data draaien
De fouten zijn voorspelbaar, en ze worden erger zodra de agent niet alleen kan antwoorden maar ook handelen:
- Rapporten die niet overeenkomen. Vraag om de ARR en de agent telt het CRM op. Finance telt de facturen op. De directie krijgt twee getallen en vertrouwt geen van beide.
- Duplicaten die zich vermenigvuldigen. Drie records voor één klant betekenen drie healthscores, drie verlengingsherinneringen en een accountmanager die slordig overkomt.
- Acties op de verkeerde feiten. Een agent die verlengingsherinneringen moet versturen, verstuurt ze op basis van de data die in het CRM staan. Als die data verouderd zijn, zijn de herinneringen dat ook, en nu hebben ze klanten bereikt.
- Antwoorden die niemand kan controleren. Als data versnipperd zijn, kan niemand nagaan waar een cijfer vandaan komt, en dus kan niemand zeggen of het klopt.
Data ophalen uit slechte bronnen levert slechte rapporten op. Data terugschrijven naar slechte bronnen maakt ze erger. Beide helften van wat een agent doet, hangen af van het fundament eronder.
Wat een datafundament eigenlijk is
Een datafundament is geen datawarehouseprogramma of een migratie van een jaar. Voor een groeiend bedrijf, en zeker voor een SaaS-bedrijf, komt het neer op een paar dingen die goed worden gedaan:
- Een CRM dat is ingericht op hoe u verkoopt, verlengt en factureert. Pipelines, fases, objecten en velden ontworpen rond hoe het bedrijf werkelijk werkt, in plaats van rond een standaardsjabloon.
- Elk feit één keer vastgelegd. Accounts, contactpersonen en contracten zonder duplicaten; producten, prijzen en verlengingsvoorwaarden op één plek bijgehouden.
- De systemen gekoppeld. Facturen en betalingen gekoppeld aan de juiste klant, productgebruik gekoppeld aan het account waar het bij hoort, en een klant, een contract en een factuur die in elk systeem hetzelfde betekenen.
- Iets wat ze op één lijn houdt. Data lopen uit elkaar tenzij iets ze bijhoudt. In onze trajecten is dat de Processor, die de workflows tussen systemen uitvoert, opnieuw probeert wat mislukt en een volledige audittrail van elke stap bijhoudt.
De details staan op onze pagina over het datafundament.
Hoe u ziet of uw data klaar zijn
Een paar vragen geven snel een eerlijk antwoord. Als een ervan meer dan een paar minuten kost, of van twee verschillende mensen twee verschillende antwoorden krijgt, heeft het fundament werk nodig voordat er agents bovenop komen:
- Komt de ARR uit het CRM overeen met de ARR van finance?
- Bestaat elke klant precies één keer, in elk systeem?
- Staan verlengingsdata en -voorwaarden in het CRM, en kloppen ze?
- Kunt u het productgebruik per account zien, naast wat dat account betaalt?
- Als er een deal wordt gesloten, hoort de rest van het bedrijf het dan zonder dat iemand een bericht stuurt?
Dit controleren is onderdeel van ons AI Readiness Assessment: of het CRM en de financiële systemen goed genoeg overeenstemmen om AI erop te laten vertrouwen, voordat er iets wordt gebouwd.
De volgorde die werkt: data, dan de AI-laag, dan agents
Elk traject dat wij uitvoeren, bouwt dezelfde drie lagen, in dezelfde volgorde:
- 1. Het datafundament. Het CRM en de systemen eromheen ingericht, gestructureerd en op één lijn gehouden.
- 2. De AI-laag. Die data gekoppeld aan de AI-assistent die het team al gebruikt, via MCP (Model Context Protocol), de open standaard om AI aan echte systemen te koppelen. Iedereen met bevoegdheid kan in gewone taal data ophalen, data terugschrijven en acties starten.
- 3. Afdelingsagents. Speciaal gebouwde agents voor finance, sales en customer success, elk met de rapporten en acties die dat team nodig heeft, binnen de eigen bevoegdheden en met een audittrail.
De eerste laag overslaan voelt sneller. Dat is het zelden. De tijd die aan het begin wordt bespaard, gaat later op aan uitleggen waarom de cijfers van de agent niet overeenkomen met die van finance, en aan het herstellen van records die hij heeft gewijzigd. In de juiste volgorde gebouwd maakt elke laag de volgende goedkoper, en zijn de agents bovenop vanaf de eerste dag betrouwbaar.
Zo gebouwd blijft het fundament ook van u, en in Europa. De data blijven tijdens de bouw op EU-infrastructuur, het AI-model is uw keuze, en als u later van model wisselt, blijven het fundament en alles wat erop is gebouwd hetzelfde.