AI-powered ERP vs agentic ERP: wat is er daadwerkelijk anders

Twee demo's die er hetzelfde uitzagen

Een veelvoorkomende ervaring voor iedereen die dit jaar ERP koopt: twee leveranciers, twee demo's van een uur, beide beschrijven hun product als AI-gestuurd, agentisch, of beide. In elke demo typt een presentator een verzoek, het systeem produceert iets zinnigs, en de zaal knikt. Bij het verlaten van de ruimte kan de koper niet zeggen wat het verschil was, en de shortlist wordt bepaald op prijs en bekendheid.

Het verschil was er. Het was verborgen door de manier waarop demo's worden uitgevoerd. In de eerste demo was de presentator de hele tijd achter het scherm, en elke suggestie die het systeem deed, werd geaccepteerd met een klik. In de tweede had de presentator de kamer kunnen verlaten na het typen van het verzoek. Dat is het hele onderscheid, en zodra je weet waar je op moet letten, kun je het niet meer ontgaan.

Een copilot doet suggesties; een agent voltooit

Een copilot leeft binnen een scherm. Zijn taak is om de persoon achter dat scherm sneller te maken: deze klant samenvatten, een antwoord op die e-mail opstellen, deze drie velden invullen van de bijgevoegde offerte, me vertellen welke facturen achterstallig zijn. Het is echt nuttig en, voor een verrassend deel van het dagelijkse werk, is het wat mensen willen. De beperking is structureel. Het kan alleen de functies bereiken die de leverancier eraan heeft verbonden, het kan niet zelfstandig tussen modules bewegen, en het klikt nooit op Opslaan. De persoon doet dat.

Een agent leeft buiten het scherm. Het ontvangt een resultaat om te bereiken, ontdekt wat het mag doen, plant een volgorde, roept de tools aan, verwerkt wat terugkomt en rapporteert. Het beweegt zich door modules omdat de tools die het aanroept niet aan schermen zijn gebonden. Het voltooit het werk omdat voltooien is wat het toestemming voor heeft gekregen. Het stopt en vraagt wanneer iets onduidelijk is of boven de autoriteit van de gebruiker ligt, niet omdat het een klik nodig heeft om verder te gaan.

De test: kan het handelen zonder dat iemand achter het scherm zit?

Slides kunnen die vraag niet beantwoorden; alleen een live verzoek kan dat. Voer het volgende uit tegen elk product dat een van beide labels claimt. Het duurt een uur en vereist geen ontwikkelaar.

1. Kies één resultaatIets routinematig, cross-module en controleerbaar. Een klant factureren voor het werk van vorige maand, het verzenden en een herinnering inplannen als het onbetaald is over twee weken is een goed voorbeeld omdat het facturering, contacten, e-mail en taken raakt.
2. Breng uw eigen agent meeVerbind de agent die je al gebruikt van buiten het product van de leverancier, via MCP. Als de leverancier dat niet kan ondersteunen, noteer het en gebruik hun agent; het antwoord op de protocolvraag is al binnen.
3. Geef het resultaat één keer aanTyp het verzoek, en laat je handen dan van het toetsenbord. Geen verduidelijkende klikken tenzij het systeem een echte vraag stelt, zoals welke van de twee overeenkomende klanten je bedoelde.
4. Controleer het resultaatOpen de factuur, de verzonden e-mail en de herinnering in het systeem. Log vervolgens in als een meer beperkte gebruiker en herhaal. De agent zou moeten worden geweigerd waar die gebruiker zou worden geweigerd.
5. Lees het logboekZoek naar wie heeft gevraagd, welke agent heeft gehandeld, welke tools zijn uitgevoerd en met welke invoer. Een logboek dat zo gedetailleerd is als dat van een persoon is het teken van een systeem dat de agent als een gebruiker behandelt.

Twee resultaten zijn gebruikelijk. De copilot voltooit een deel van het verzoek en geeft de controle terug aan de persoon voor de rest, meestal op het punt waar een modulegrens of een Opslaan betrokken is. De agent voltooit het, en het enige bewijs dat een machine het werk heeft gedaan is het logboek. Er is een derde resultaat dat het waard is om te benoemen: de eigen agent van de leverancier voltooit de klus, maar niets van buitenaf kan verbinden. Dat is een agentisch product met een gesloten deur, en de deur zal belangrijk zijn wanneer de agent van jouw team degene is die ze willen gebruiken.

Wat er onderliggend waar moet zijn

Voor de agentkolom om echt te zijn in plaats van een demo-script, moeten drie dingen in het product zijn ingebouwd, en alle drie kunnen worden gecontroleerd.

• Elke actie is een hulpmiddel met een definitie. Het Model Context Protocol, de open standaard waar de belangrijkste agentklanten nu mee communiceren, definieert een hulpmiddel als een naam, een beschrijving, een JSON-schema voor de invoer en optioneel een voor de uitvoer. Een systeem dat dit werk heeft gedaan, kan een agent een machine-leesbare lijst geven van wat het kan doen. Een systeem dat dit niet heeft gedaan, kan alleen een chatbox tonen.
• De lijst wordt gefilterd op basis van wie vraagt. Het protocol staat toe dat de set van teruggegeven hulpmiddelen varieert met de gepresenteerde autorisatie, zodat een agent van een beperkte gebruiker minder hulpmiddelen wordt aangeboden. Goede implementaties controleren opnieuw wanneer elk hulpmiddel draait, omdat een gefilterde lijst een beleefdheid is en een controle op uitvoeringstijd een controle is.
• De klant kan de jouwe zijn. Claude ondersteunt aangepaste connectors naar externe MCP-servers in al zijn plannen, met een OAuth-aanmelding en goedkeuring per hulpmiddel die je kunt versoepelen voor servers die je vertrouwt. De ontwikkelaarsmodus van ChatGPT biedt volledige MCP-klantondersteuning voor lees- en schrijfhulpmiddelen op zijn betaalde webplannen, waarbij schrijfacties standaard bevestiging vereisen. Beide leveranciers vertellen gebruikers duidelijk om alleen verbinding te maken met servers die ze vertrouwen. Een systeem dat door een van die klanten kan worden bediend, heeft de protocoltest doorstaan.

Waar de copilot echt beter is

Het zou handig zijn om te zeggen dat de agent overal wint, en dat zou verkeerd zijn. Een co-piloot is het betere hulpmiddel wanneer de persoon aan het scherm wil blijven: de gegevens verkennen, beslissen wat te doen, een document regel voor regel bewerken, of werk doen dat eenmalig is en bij elke stap oordeel vereist. Een co-piloot die naast het formulier zit en vragen beantwoordt over wat erop staat, is een goed ontwerp daarvoor, en een systeem dat voor agents is gebouwd, zou er een moeten bevatten, omdat agents het kijken niet vervangen.

De co-piloot is ook beter wanneer de organisatie niet klaar is om gedelegeerde acties te vertrouwen. Sommige teams willen een periode waarin de AI voorstelt en een persoon beslist, over elk item, voordat iets onbemand draait. Dat is een redelijke houding en een co-piloot levert dat. Het punt is om te weten welke je koopt, en niet te betalen voor de agentkolom terwijl je de co-pilootkolom krijgt.

Er is ook een kostenaspect, en dat werkt in beide richtingen. Een co-piloot binnen het product van de leverancier draait op de AI van de leverancier, en je betaalt daarvoor als onderdeel van het abonnement of per gebruik. Een agentisch systeem dat je in staat stelt je eigen agent mee te nemen, kan helemaal geen AI namens jou uitvoeren: jouw agent doet de redenering, en het platform rekent alleen kosten voor wat het opslaat en doet. Voor een team dat al betaalt voor Claude of ChatGPT verandert dat de rekensom, en het is de moeite waard om dit op de vergelijkingslijst naast de licentiekosten te zetten.

Hoe het eruitziet wanneer de agentversie draait

Sois is gebouwd aan de agentzijde van deze vergelijking, dus het is de implementatie die we kunnen tonen. Een werkruimte is een MCP-server. Elke compatibele klant verbindt door het adres van de werkruimte toe te voegen en zich eenmaal aan te melden via OAuth. Hulpmiddelen worden gefilterd op basis van de rol van de gebruiker voordat ze worden aangeboden en opnieuw gecontroleerd wanneer ze draaien, en toegang faalt gesloten. Hier is de testuitkomst van de bovenstaande stroom, terwijl deze draait.

Voer dezelfde aanvraag uit als een gebruiker die geen facturen kan aanmaken en de agent wordt geweigerd bij de eerste poging, met een duidelijke uitleg, omdat een verleende verbinding nooit meer kan doen dan de persoon erachter. Beperk de uitgaven voor de integratie en de agent stopt wanneer het budget is bereikt in plaats van door te gaan. Open het logboek en elke oproep is daar met zijn invoer en resultaat. Geen van dat is speciaal voor de demo; het is hoe de permissielaag elke beller behandelt.

Wanneer je AI-gestuurde ERP vergelijkt met agentic ERP, negeer dan de labels op de dia. Vraag om het resultaat, stap achteruit van het scherm en kijk wie het werk afmaakt.

Vragen die mensen stellen

Dit artikel wordt herzien wanneer de producten die het beschrijft veranderen. Volgende geplande herziening: 4 december 2026.