AI op een rommelige ERP faalt omdat het opschaalt wat het tegenkomt, foute antwoorden inbegrepen. Kom eerst tot één source of truth, consistente masterdata en standaardprocessen, en schakel pas dan AI in, smal, waar de data solide is.
Je schakelt de nieuwe AI-functies in Odoo 19 in. Je vraagt de assistent je topklanten op marge op te sommen, en hij antwoordt in seconden. Het getal klopt niet. Twee van die klanten zijn hetzelfde bedrijf dat twee keer is ingevoerd, één keer als "Acme BV" en één keer als "ACME b.v.". Een derde is een eenmalige die per ongeluk als key account is getagd. Je vraagt de AI bestelhoeveelheden voor te stellen, en hij stelt voor een product te bestellen dat je vorig jaar uit de verkoop haalde, omdat niemand het archiveerde. De demo zag er magisch uit. Op je eigen data maakt hij zelfverzekerde fouten.
Dit is het patroon dat bijna iedereen tegenkomt. De AI is niet kapot. Hij leest de database die je daadwerkelijk hebt, met zijn dubbele contacten, drie SKU-formaten, half gevulde velden en fases die voor verschillende teams iets anders betekenen. AI lost rommelige data niet op. Het schaalt op wat er al is, snel en met een uitgestreken gezicht. De volgorde is het hele punt: eerst de standaard, dan AI. Zorg voor één schone source of truth en consistente processen, en dezelfde AI die je in verlegenheid bracht wordt echt nuttig. Hier is wat "schone standaard" concreet betekent, waarom AI er zonder faalt, en het praktische pad om je Odoo AI-klaar te maken.
Waarom AI op rommelige data faalt
Een AI-assistent, een AI-veld of een AI-agent doet hetzelfde als wat een goede analist zou doen, behalve dat hij de bron nooit in twijfel trekt. Hij leest je records, vindt patronen en handelt. Als de records schoon zijn, is dat krachtig. Zo niet, dan erft de AI elke fout en presenteert die met dezelfde zekerheid als een correct antwoord. Er is geen waarschuwingslabel dat zegt "dit totaal klopt niet door dubbele records".
Drie problemen vergiftigen AI-output meer dan welke andere ook. Duplicaten maken elke telling en elk totaal fout, want dezelfde klant, product of leverancier zijn twee records die de AI als twee dingen behandelt. Inconsistente waarden breken groeperen en filteren: als "Netherlands", "NL" en "The Netherlands" allemaal in je landveld staan, kan geen enkel AI-rapport ze correct groeperen. Lege of verkeerd gebruikte velden laten de AI gokken: een "Ask AI"-rapport over klantbranche is waardeloos als de helft van je contacten geen branche heeft ingesteld, of als mensen de branche in de notities typten in plaats van in het veld.
Het diepere probleem is dat AI de menselijke pauze wegneemt. Wanneer iemand een rapport oproept en een getal ziet dat raar oogt, stoppen ze en controleren ze. Een AI-agent die automatisch een inkooporder aanmaakt, een antwoord opstelt of een veld vult, pauzeert niet. Hij handelt op de data zoals die er staat. Zo wordt de kosten van rommelige data, die vroeger een trage druppel van kleine fouten was die mensen met de hand opvingen, snel en automatisch. Daarom moet de standaard eerst komen. Je voedt AI niet alleen betere getallen, je verwijdert de plek waar slechte getallen veranderen in slechte acties.
Wat een schone standaard betekent
"Schone standaard" is geen vage ambitie. Het zijn drie concrete dingen, in deze volgorde.
Eén source of truth
Elk belangrijk feit leeft in precies één systeem, en al het andere leest daaruit. Je klantmaster, je productcatalogus, je voorraadniveaus, je orders: elk heeft één thuis, en dat is Odoo. De webshop houdt geen eigen aparte klantenlijst bij. De magazijnspreadsheet houdt geen tweede voorraadtelling bij. Wanneer een feit op twee plekken leeft, drijven de twee uit elkaar, en dan kan geen AI (en geen mens) je vertellen welke klopt. Eén source of truth is het fundament omdat AI ergens uit moet lezen, en dat ergens moet de éne plek zijn die klopt.
Consistente masterdata
Masterdata is de langzaam veranderende kern: klanten, leveranciers, producten, het rekeningschema, maateenheden. Consistent betekent dat hetzelfde altijd op dezelfde manier wordt geschreven en de juiste velden gevuld zijn. Eén naamgevingsconventie voor producten. Eén manier om een bedrijfsnaam te schrijven. Geen dubbele contacten. Land, valuta, klanttype en andere velden waarop AI groepeert en filtert zijn daadwerkelijk gevuld, met waarden uit een vaste lijst in plaats van vrije tekst waar het ertoe doet. Dit is het minst glamoureuze werk in elke ERP en het meest hefboomwerkende voor AI, want elke telling, elk totaal en elke groepering die de AI produceert hangt ervan af.
Standaardprocessen
Een proces is standaard wanneer dezelfde situatie elke keer op dezelfde manier wordt afgehandeld, en de stappen in het systeem zitten in plaats van in iemands hoofd. Een verkooporder doorloopt dezelfde fases met dezelfde betekenis voor iedereen. Een factuur wordt op dezelfde manier geboekt, ongeacht wie hem boekt. Een nieuw product wordt aangemaakt met de verplichte velden gevuld, elke keer, omdat het formulier je niet laat overslaan. Standaardprocessen houden de data schoon nadat je hem hebt opgeschoond, en ze geven AI een stabiel patroon om van te leren en binnen te handelen. AI is veel nuttiger binnen een voorspelbaar proces dan binnen een geïmproviseerd proces.
Let op de volgorde. Eén source of truth maakt consistente masterdata mogelijk. Consistente masterdata maakt standaardprocessen betekenisvol. De drie samen zijn de schone standaard waar AI bovenop zit. Sla de standaard over en je bouwt AI op zand.
Het praktische pad naar AI-klaar
Je hebt geen jaar durende opschoning nodig voordat je AI aanraakt. Je moet de paar dingen opschonen die AI daadwerkelijk gaat lezen, en dan AI inschakelen waar de data solide is. Werk in deze volgorde.
Kies één source of truth en zet de rivalen uit
Besluit dat Odoo de master houdt voor klanten, producten en voorraad, en stop de parallelle lijsten. De webshop, de marktplaats, het magazijn: elk leest uit of schrijft naar Odoo, niet uit zijn eigen kopie. Waar een ander systeem de data echt nodig heeft, synchroniseer je vanuit Odoo in plaats van een tweede master met de hand bij te houden. Dit is de stap die mensen overslaan en de stap die het meest uitmaakt, want elke latere opschoning is verspild als een tweede systeem de rommel blijft terug-injecteren.
Dedupliceer en standaardiseer je masterdata
Vóór elke AI: schoon de kernrecords op. Voeg dubbele contacten samen (Odoo heeft een ingebouwde samenvoeging voor dubbele contacten). Kies één naamgevingsconventie voor producten en pas die toe. Vervang vrije-tekstwaarden door echte keuzevelden waar AI erop gaat groeperen, bijvoorbeeld klanttype, branche of regio. Archiveer producten, klanten en prijslijsten die je niet meer gebruikt zodat de AI dode records niet als levend behandelt. Dit is roemloos werk en het is de taak met het hoogste rendement vóór AI. De clou is dat AI ook het beste opschoonhulpmiddel is dat je hebt. Wij gebruiken een assistent om de duplicaten op te sporen, de vreemde SKU-formaten te herkennen en de samenvoegingen voor te stellen, want patronen vinden over duizenden records is precies waar hij goed in is. Voorlopig stelt hij voor en keurt een mens goed; het toezicht blijft tot de foutmarge het vertrouwen heeft verdiend. De volgorde is dus niet "eerst opschonen, AI later" als twee aparte werelden. Het is AI op de opschoning met een mens in de loop, daarna AI op de antwoorden.
Vul de velden waarvan AI afhankelijk is
Besluit welke velden je AI-use-cases daadwerkelijk lezen, en maak die verplicht. Als je wilt dat AI marge per klantsegment rapporteert, moet het segmentveld op elke klant gevuld zijn. Als je AI-aanvulsuggesties wilt, moeten levertijden, bestelpunten en leveranciersdata ingesteld zijn. Maak de velden die ertoe doen verplicht op het formulier zodat ze bij aanmaak worden gevuld, niet "later".
Standaardiseer de processen die AI voeden
Leg de paar processen vast waarvan de AI de data gaat gebruiken. Spreek af wat elke verkoopfase betekent en gebruik die op dezelfde manier in het hele team. Definieer hoe een product wordt aangemaakt, hoe een factuur wordt geboekt, hoe een lead wordt gekwalificeerd, en zet die regels in het systeem als verplichte velden en duidelijke fases in plaats van als kennis in iemands hoofd. Een standaardproces levert standaarddata op, en dat is precies wat AI nodig heeft.
Schakel AI in waar de data solide is, smal
Schakel nu AI in, maar alleen waar je het werk hebt gedaan. Begin met één use-case op schone data: een "Ask AI"-rapport op een goed onderhouden dataset, een AI-veld dat een record verrijkt dat mensen al zorgvuldig vullen, of een AI-agent op één nette workflow. Controleer de output tegen de werkelijkheid voordat je hem vertrouwt, en voordat je een agent ooit automatisch laat handelen. Breid pas uit naar de volgende use-case wanneer de onderliggende data net zo schoon is als de eerste. Smal en geverifieerd wint van breed en hoopvol.
Het stuk waar mensen over struikelen
Een paar dingen overkomen vrijwel iedereen
Een paar dingen overkomen vrijwel iedereen.
De demodata is schoon, die van jou niet. Elke AI-demo draait op een nette voorbeelddatabase, en daarom ziet het er magisch uit. Het gat tussen de demo en jouw resultaat is bijna altijd het gat tussen de data van de demo en die van jou, niet de AI. Beoordeel AI op jouw data, niet in de showroom.
AI-zekerheid is geen AI-nauwkeurigheid. Een fout AI-antwoord ziet er precies zo zelfverzekerd uit als een goed antwoord. Er is geen ingebouwde melding voor "dit is gebaseerd op dubbele records". Tot je de onderliggende data vertrouwt, behandel je elke AI-output als een concept om te verifiëren, vooral alles wat een agent doet zonder mens in de loop.
Eén keer opschonen is niet genoeg zonder standaardprocessen. Je kunt op zaterdag dedupliceren en standaardiseren en de rommel tegen vrijdag weer zien terugsluipen, omdat de processen die het veroorzaakten ongewijzigd zijn. De opschoning houdt alleen stand als het proces dat de data voedt ook gestandaardiseerd is. Anders dweil je met de kraan open.
Meer data is geen betere data voor AI. Vijf jaar historie in Odoo importeren "zodat de AI meer heeft om mee te werken" importeert meestal vijf jaar inconsistentie. AI presteert beter op een kleinere, schone dataset dan op een grote, vervuilde. Schoon op wat je laadt, laad niet zomaar meer.
Maatwerkvelden en aanpassingen vermenigvuldigen de opschoning. Elk op maat gemaakt veld, elke vreemde workflow en elke eenmalige aanpassing is weer een plek waar data afdrijft en weer iets waar de AI wijs uit moet worden. Hoe dichter je bij standaard-Odoo blijft, hoe minder er op te schonen is en hoe voorspelbaarder de AI zich gedraagt. Zware aanpassingen vertragen niet alleen upgrades, ze maken de data ook moeilijker bruikbaar voor AI.
Snelle checklist
- Eén systeem (Odoo) houdt de master voor klanten, producten en voorraad, en andere systemen lezen daaruit in plaats van een eigen kopie bij te houden.
- Dubbele contacten, producten en leveranciers worden samengevoegd, met één naamgevingsconventie toegepast.
- Waarden waarop AI groepeert (land, klanttype, branche, regio) komen uit vaste keuzevelden, niet uit vrije tekst.
- De velden die je AI-use-cases daadwerkelijk lezen zijn gevuld, en verplicht op het formulier zodat ze gevuld blijven.
- Dode producten, klanten en prijslijsten worden gearchiveerd zodat AI ze niet als levend behandelt.
- De processen waarvan AI de data gebruikt zijn gestandaardiseerd, met duidelijke fases en verplichte velden, geen kennis die alleen in iemands hoofd zit.
- AI wordt smal ingeschakeld, op één schone dataset tegelijk, met output die wordt geverifieerd voordat je hem vertrouwt of automatisch laat handelen.
FAQ
Waarom geeft AI foute antwoorden op mijn Odoo-data?
Omdat AI de data leest die je hebt, inclusief de duplicaten, inconsistente waarden en lege velden, en erover rapporteert zonder de bron in twijfel te trekken. Als dezelfde klant twee keer bestaat, klopt elk totaal waarin die klant voorkomt niet, en de AI kan het niet zien. De oplossing is geen betere AI, het is schonere data: voeg duplicaten samen, standaardiseer waarden, vul de velden die de AI gebruikt, en verifieer AI-output tegen de werkelijkheid voordat je hem vertrouwt.
Wat betekent "AI-klare data" eigenlijk?
Het betekent drie dingen, in volgorde. Eén source of truth, zodat elk belangrijk feit in precies één systeem leeft en al het andere daaruit leest. Consistente masterdata, zodat klanten, producten en andere kernrecords op dezelfde manier worden geschreven, vrij van duplicaten, met de velden waarop AI groepeert daadwerkelijk gevuld. En standaardprocessen, zodat dezelfde situatie elke keer op dezelfde manier wordt afgehandeld en voorspelbare data oplevert. AI zit bovenop die drie. Zonder hen schaalt het de rommel op in plaats van die op te lossen.
Moet ik mijn data opschonen voordat ik Odoo AI inschakel, of erna?
Vóóraf, maar smal. Je hoeft niet eerst alles op te schonen. Schoon de specifieke data op die elke AI-use-case gaat lezen, schakel dan die ene use-case in en verifieer hem, en ga dan naar de volgende. AI proberen te gebruiken op niet-opgeschoonde data levert zelfverzekerde foute antwoorden op, en proberen alles op te schonen voordat je AI aanraakt blijft eindeloos hangen. Schoon op wat AI gaat lezen, schakel het daar in, breid uit vanaf vaste grond.
Helpt dicht bij standaard-Odoo blijven bij AI?
Ja. Elk maatwerkveld, elke op maat gemaakte workflow en elke eenmalige aanpassing is weer een plek waar data afdrijft en weer iets wat de AI moet interpreteren. Hoe dichter je bij standaard-Odoo blijft, hoe minder er op te schonen is, hoe consistenter de masterdata, en hoe voorspelbaarder de AI zich gedraagt. Zware aanpassingen maken zowel upgrades als AI moeilijker. Een schone standaard is het fundament dat AI nodig heeft.