Gecontroleerde AI-workers binnen NetSuite, met een menselijke goedkeuringspoort bij elke schrijfactie

Het probleem

De leiders van finance en operations hadden al generatieve AI geprobeerd en hadden de chatbotprototypes om dat te laten zien. Geen enkele haalde productie, om goed gedocumenteerde redenen. Een taalmodel mag geen rekeningsaldo, belastingcode of voorraadwaardering raden. Duizenden transactieregels in een contextvenster stoppen put het budget uit en leidt tot afwijkingen. En geen auditcommissie geeft een onbeheerde agent schrijfrechten op het grootboek. Wat zij nodig hadden was geen slimmer model, maar een beheerde manier waarop elk model kan werken.

Wat wij deden

Wij hebben Aissistor, het agentische ERP-framework van DataOngoing, in een sprint van twee weken uitgerold op de bestaande NetSuite-rollen. Een centrale router verdeelt het werk over gespecialiseerde workers: een AP-matcher, een detector voor margelekken in het grootboek, een auditor voor opgeslagen zoekopdrachten en een contractinspecteur. Elke worker handelt uitsluitend via formele Model Context Protocol-tools: execute_suiteql voor geparametriseerde, alleen-lezen query's, get_record_schema voor de structuur en propose_transaction_draft voor alles wat het grootboek zou wijzigen. Leesacties gaan rechtstreeks naar NetSuite. Schrijfacties stoppen bij een gefaseerde review waarin de supervisor crediteurenadministratie de gemarkeerde afwijking ziet en op goedkeuren klikt voordat het record wordt vastgelegd.

Dit diagram is een van de workflowontwerpen, met de bijbehorende beheersmaatregelen en bewijs.

Hoe het mechanisme werkt

1. Toolaanroepen, geen vrije tekst

   Om een klantsaldo te controleren roept de medewerker execute_suiteql aan met een geparametriseerde query en ontvangt gestructureerde rijen uit de NetSuite-tabellen. Het model vat samen en markeert afwijkingen in gegevens die het niet zelf heeft gegenereerd, en elk cijfer in het antwoord is terug te voeren op een rij.

2. De financiële vangrail met een mens in de lus

   Een medewerker kan 5,000 inkooporders controleren en 14 dubbele leveranciersfacturen vinden, of op basis van een OCR-scan een voorgestelde inkoopfactuur samenstellen. Geen van beide kan zij vastleggen. Het concept komt in een reviewvenster met de afwijking gemarkeerd; de supervisor keurt goed en NetSuite schrijft het record onder de rol van die persoon.

3. Opsplitsing in subagenten

   Eén prompt lost geen ERP-probleem op. Een onderzoeksagent haalt transactienotities, leverancierscontracten en betalingshistorie op; een forensische agent analyseert grootboekverdelingen en margepercentages; een documenter stelt de samenvatting voor de raad samen, met auditlinks naar de onderliggende records.

Resultaten

Wat u hieruit meeneemt

1. AI zonder gecontroleerde tools is een risico

   Laat een model nooit via scrapers of niet-geautoriseerde databasedrivers bij het ERP komen. Eis formele MCP-interfaces met rolgebonden tokens en een lees-/schrijfgrens die u kunt auditen.

2. Het doel is administratieve ballast te verwijderen, geen mensen

   Senior accountants moeten cashstrategie analyseren, geen twaalfcijferige factuurnummers uit gescande pdf's overtypen. De digitale medewerker doet het typewerk; de mens doet het oordeel.

3. Een deterministische architectuur presteert beter dan modelgrootte

   Een gedisciplineerd model met nauwkeurige SuiteQL-tools verslaat een veel groter algemeen model dat gokt. Governance is de functie.

Samengestelde terugblik; de klant is weergegeven als archetype en de cijfers illustreren het mechanisme. Gerelateerd: Automatisering van apparaten en documenten van werkvloer tot grootboek