Gesteuerte KI-Worker in NetSuite, mit menschlicher Freigabe bei jedem Schreibvorgang

Das Problem

Die Führungskräfte aus Finanzen und Betrieb hatten bereits generative KI ausprobiert und konnten Chatbot-Prototypen vorweisen. Keiner erreichte den Produktivbetrieb, aus gut dokumentierten Gründen. Ein Sprachmodell darf keinen Kontostand, keinen Steuercode und keine Bestandsbewertung raten. Tausende Buchungszeilen in ein Kontextfenster zu laden, erschöpft das Budget und führt zu Abweichungen. Und kein Prüfungsausschuss gewährt einem unkontrollierten Agenten Schreibzugriff auf das Hauptbuch. Benötigt wurde kein klügeres Modell, sondern ein kontrollierter Rahmen, in dem jedes Modell arbeiten kann.

Was wir getan haben

Wir haben Aissistor, das agentische ERP-Framework von DataOngoing, in einem zweiwöchigen Sprint auf den bestehenden NetSuite-Rollen eingeführt. Ein zentraler Router verteilt die Arbeit an spezialisierte Worker: einen AP-Abgleicher, einen Margenverlust-Detektor im Hauptbuch, einen Prüfer für gespeicherte Suchen und einen Vertragsprüfer. Jeder Worker handelt ausschließlich über formale Model-Context-Protocol-Tools: execute_suiteql für parametrisierte, schreibgeschützte Abfragen, get_record_schema für die Struktur und propose_transaction_draft für alles, was das Hauptbuch verändern würde. Lesezugriffe gehen direkt an NetSuite. Schreibvorgänge stoppen bei einer gestuften Prüfung, in der der Supervisor der Kreditorenbuchhaltung die hervorgehobene Abweichung sieht und auf „Freigeben“ klickt, bevor der Datensatz übernommen wird.

Dieses Diagramm ist eines der Workflow-Designs mit seinen Kontrollpunkten und zugehörigen Nachweisen.

Wie der Mechanismus funktioniert

1. Tool-Aufrufe statt Freitext

   Um einen Kundensaldo zu prüfen, ruft der Worker execute_suiteql mit einer parametrisierten Abfrage auf und erhält strukturierte Zeilen aus den NetSuite-Tabellen. Das Modell fasst zusammen und markiert Auffälligkeiten in Daten, die es nicht selbst erzeugt hat, und jede Zahl in seiner Antwort lässt sich auf eine Zeile zurückführen.

2. Die finanzielle Schutzvorkehrung mit Mensch im Prozess

   Ein Worker kann 5.000 Bestellungen prüfen und 14 doppelte Lieferantenrechnungen finden oder aus einem OCR-Scan einen Vorschlag für eine Lieferantenrechnung zusammenstellen. Keines von beidem kann er festschreiben. Der Entwurf landet in einem Prüfdialog mit hervorgehobener Abweichung; der Vorgesetzte gibt frei, und NetSuite schreibt den Datensatz unter der Rolle dieser Person.

3. Zerlegung in Subagenten

   Ein einzelner Prompt löst kein ERP-Problem. Ein Recherche-Agent holt Buchungsnotizen, Lieferantenverträge und Zahlungshistorie; ein forensischer Agent analysiert Hauptbuchverteilungen und Margenprozente; ein Dokumentations-Agent erstellt die Vorlage für das Board mit Prüfverweisen zurück auf die Datensätze.

Ergebnisse

Was Sie daraus mitnehmen

1. KI ohne kontrollierte Werkzeuge ist ein Risiko

   Lassen Sie ein Modell nie über Scraper oder nicht autorisierte Datenbanktreiber auf das ERP zugreifen. Verlangen Sie formale MCP-Schnittstellen mit rollenbasierten Tokens und einer prüfbaren Grenze zwischen Lese- und Schreibzugriff.

2. Das Ziel ist, administrativen Aufwand abzubauen, nicht Personal

   Senior Accountants sollten die Liquiditätsstrategie analysieren, statt zwölfstellige Rechnungsnummern aus gescannten PDFs abzutippen. Der Worker übernimmt das Erfassen; der Mensch das Urteil.

3. Deterministische Architektur schlägt Modellgröße

   Ein diszipliniertes Modell mit präzisen SuiteQL-Werkzeugen übertrifft ein weitaus größeres allgemeines Modell, das rät. Governance ist das Leistungsmerkmal.

Zusammengesetzte Rückschau; der Kunde ist als Archetyp dargestellt, die Zahlen veranschaulichen den Mechanismus. Siehe auch: Floor-to-Ledger: Geräte- und Dokumentenautomatisierung