AI integreren in bestaande software: een laag erop of ombouw eronder

AI integreren in bestaande software kan op twee manieren: je hangt een AI-laag bóvenop het pakket dat je al draait en communiceert via de API, of je bouwt de AI ín software die van jou is. De eerste route staat in twee tot vier weken live en laat je pakket met rust; de tweede kost meer en duurt langer, maar geeft je de broncode, de prompts en de vrijheid om het proces zelf te veranderen.

Dit artikel is een verdieping van de gids Software met AI laten maken. De zusterartikelen Software laten ontwikkelen met AI en AI-agent laten maken behandelen het bouwproces en de agent-vorm; hier gaat het om de laag óp je bestaande software.

Wat de keuze beslist is bijna nooit het model. Het is de vraag of jouw pakket data terugschrijft via zijn API — en of jij of je leverancier bepaalt welk AI-model je data te zien krijgt.

Die tweede vraag is sinds artikel 28 lid 2 AVG scherper dan de meeste integratieverhalen doen vermoeden.

Twee routes, en wat je van elk overhoudt#

De routes verschillen niet in techniek maar in eigendom. Bij een laag blijft het pakket de baas over je data; bij ombouw word jij dat.

De bedragen komen uit onze eigen dienstpagina's: de laag staat op AI-oplossingen en integratie, de ombouw op AI-software laten maken.

Onder de €8.500 verdient een ingebouwde feature zich zelden terug. Dat is het omslagpunt waarop wij in een intake bijna altijd naar de laag adviseren.

De vraag die de keuze beslist: schrijft je pakket terug?#

Lezen kan bijna elk pakket. Terugschrijven is waar integraties sneuvelen, want een AI die alleen leest levert een advies dat iemand alsnog overtypt.

Vier koppelvlakken komen in de praktijk voor, op volgorde van wat ze aankunnen:

• Webhook: het pakket duwt een gebeurtenis naar jou, je reageert direct — de zuinigste route.
• REST-API met polling: jij vraagt periodiek om wijzigingen, wat calls kost en vertraging geeft.
• Middleware: een tussenlaag die meerdere systemen synchroniseert, met retry-logica en monitoring.
• Export of databaseview: alleen lezen, geen terugschrijven — hier stopt automatisering.

Exact Online is het nuttigste voorbeeld omdat het alle vier laat zien. De REST-API leest en schrijft en biedt webhooks voor een reeks resources, al heeft niet elke resource die ondersteuning — zie Exact Online API uitgelegd.

Daarbovenop gelden limieten per administratie over twee vensters. Exact publiceert ze zelf: 60 calls per minuut en 5.000 per dag, per app per administratie (Exact, API limits).

Overschrijding levert een HTTP 429 op. Je koppeling leest de tellers per call terug uit de X-RateLimit-headers en knijpt af voordat het zover komt.

Hoe het model verder werkt — divisions, tokenrotatie, het ontbreken van $expand — staat in diezelfde uitleg. Die limieten bepalen of jouw AI-laag het volume aankan dat je erop zet.

Welke data de AI ziet, en welke rechten hij daarmee erft#

Een AI-laag heeft minder data nodig dan mensen denken en meer rechten dan ze doorhebben. Voor documentclassificatie volstaat het document plus een handvol referentievelden; voor een assistent op je eigen kennis is RAG op je eigen data de route, waarbij het model bij elke vraag de actuele bron opzoekt.

Het risico zit in de autorisatie. Een integratiegebruiker krijgt doorgaans brede rechten omdat dat het snelst werkt, en de AI-laag erft die rechten één op één.

Leg daarom per koppeling vast welke velden gelezen mogen worden, welke geschreven, en welke stap een mens bevestigt. Dat is geen compliance-ritueel: het is het verschil tussen een foutje en een foutieve boeking die door de keten schuift.

Data-eigendom: de AI-knop van je leverancier is niet jouw keuze#

Hier zit het argument dat in vrijwel geen enkel integratieverhaal staat. Als je pakketleverancier zelf AI aanzet, voegt hij een subverwerker toe aan jouw verwerking — en de AVG geeft jou daar minder macht over dan je verwacht.

Artikel 28 lid 2 AVG verplicht de verwerker alleen om je te informeren over een voorgenomen nieuwe subverwerker en je de gelegenheid te geven bezwaar te maken. Over wat er ná dat bezwaar gebeurt zegt de verordening niets: geen vetorecht, geen opschortende werking, geen ontbindingsrecht (Mauritz Kop, Juridisch Advies voor Bedrijven, 27 augustus 2026).

Wat je overhoudt, staat in je eigen contract — niet in de wet.

Bouw je de laag zelf, dan kies jij het model, de regio en de bewaartermijn. Dat is het werkelijke verschil tussen meedeinen met de roadmap van je leverancier en zelf aan de knoppen zitten.

Het maakt ook de keuze in ERP-pakket of maatwerk scherper: hoe dichter je bedrijfslogica bij het pakket zit, hoe minder je zelf beslist.

Wat het kost: bouwen is de post, tokens zijn het wisselgeld#

De meeste kostenoverzichten zetten de modelprijs voorop. Dat is precies verkeerd om.

Neem 1.200 inkoopfacturen per maand die een AI-laag classificeert en als boekingsvoorstel terugschrijft. Reken per factuur met ongeveer 2.200 inputtokens (documenttekst plus instructie) en 300 outputtokens; dat is 2,64 miljoen input- en 0,36 miljoen outputtokens per maand.

Prijzen: Anthropic, september 2026. Het is een rekenvoorbeeld, geen klantcijfer — jouw documentlengte verschuift de uitkomst.

De conclusie is hardnekkiger dan de getallen: de modelkosten van een serieuze verwerkingsstroom zijn tientallen euro's per maand, terwijl de koppeling €5.000 tot €15.000 kost en het beheer €150 tot €500 per maand. Wie op modelkosten optimaliseert, optimaliseert op de kleinste post.

Twee dingen die de rekening wél veranderen: batchverwerking geeft 50% korting op werk dat niet direct terug hoeft, en promptcaching verlaagt de inputprijs — maar alleen als het gedeelde deel van je prompt groot genoeg is. Bij een korte instructie levert caching niets op.

Voor de koppeling zelf staan de bandbreedtes bij het laten maken van een API-koppeling; wil je eerst weten of je proces geschikt is, doe dan de gratis AI-scan.

Waar het in productie misgaat#

Vier dingen breken, en geen ervan is het model.

Rate limits bij bulk. Een dagelijkse stroom van zestig facturen past binnen vrijwel elk dagbudget. Een eenmalige hersynchronisatie van twintigduizend relaties niet — die legt de koppeling een dag plat.

Stille fouten. Een model dat bij een onleesbare bron tóch een waarde produceert, schuift die fout ongemerkt door. In onze meterstanden-case lost een betrouwbaarheidsscore dat op: standen onder de drempel of met een onwaarschijnlijke sprong gaan naar een alert in plaats van naar de afrekening.

Latency op de verkeerde plek. Een model dat seconden nadenkt hoort niet in een schermflow waar iemand op Opslaan drukt. Zet het in een wachtrij en laat het resultaat terugkomen.

Rechten die te ruim staan. Een integratiegebruiker met schrijfrechten op alles is de enige van de vier die pas zichtbaar wordt nadat er iets fout is geboekt.

In het huurdersportaal bestaan beide routes naast elkaar: AI-triage op onderhoudsmeldingen zit ín de applicatie, terwijl de boekhouding via een zelfgebouwde Yuki-koppeling erbuiten blijft. Dat is geen compromis maar de normale uitkomst — per proces valt de afweging anders uit.

Wanneer welke route, en wanneer geen van beide#

Kies de laag wanneer je pakket via zijn API terugschrijft, het proces erin mag blijven zoals het is, en je binnen een maand resultaat wilt. Dat geldt voor verreweg de meeste MKB-situaties.

Kies ombouw wanneer het proces zelf moet veranderen, wanneer je pakket alleen leesbaar is, of wanneer de AI-functie je product raakt in plaats van je administratie. Dan koop je met €8.500 of meer ook de vrijheid om het volgend jaar anders te doen.

Doe geen van beide onder de twintig documenten of tien klantvragen per dag: de terugverdientijd loopt dan buiten elk redelijk venster. Ontbreekt een CRM of ERP volledig, dan is er nog geen gestructureerde data om op te bouwen en is maatwerk software de eerste stap, niet AI.

Dat laatste verklaart ook waarom adoptie zo scheef ligt. In 2025 gebruikte 13,8% van de Nederlandse microbedrijven een of meer AI-technologieën, tegenover 29,8% van het MKB met 10 tot 249 werkzame personen en 66,2% van het grootbedrijf (voorlopige cijfers, CBS, 2026).

Het verschil zit niet in de ambitie maar in de digitale fundering die er al lag.

De bredere context — wat maatwerk kost, hoe koppelingen technisch werken en wanneer een pakket volstaat — staat in onze gids over maatwerk software en API-koppelingen. Wil je weten wat een koppeling in jouw situatie kost, lees dan API-koppeling laten maken of plan een intake.