Hoe implementeer je een AI-agent voor administratieve processen?

Een AI-agent voor een administratief proces implementeer je in vijf fasen die samen 12 tot 20 weken duren: één taak kiezen met één eigenaar, de agent smalle toegang geven tot mail en pakket, de regels uit de hoofden van je mensen vastleggen, de agent in schaduwmodus laten meedraaien tot zijn voorstellen een afgesproken drempel halen, en daarna per soort werk bepalen wat hij zelf mag; de techniek is het kleinste deel, het meeste werk zit in toegang, AVG-afspraken, je medewerkers en het beheer na de livegang.

Deze pagina is het implementatieplan voor een bedrijf zonder IT-afdeling; of een AI-agent voor jouw bedrijf interessant is, staat op wanneer is een AI-agent interessant. Je leest hoe lang elke fase duurt volgens de bronnen die er cijfers over geven, welke rechten een agent nodig heeft in AFAS en Exact Online, wat de AVG en de AI-verordening van je vragen, hoe je je medewerkers meeneemt, wat er het vaakst misgaat en wie de agent na de livegang beheert. Het testprotocol zelf staat uitgewerkt op hoe je een AI-agent test voordat je automatiseert, de keuze van de eerste taak op welke administratieve processen je het beste als eerste automatiseert. Alle bronnen zijn geopend op 30 september 2026. Waar een bron zelf een traject of product verkoopt, staat dat erbij.

Het korte antwoord

• Een Nederlandse aanbieder rekent 12 weken voor een enkelvoudige agent en 16 tot 20 weken inclusief de stabilisatie na livegang (aiagency.nl, 2 april 2026); een Brits bureau hanteert 6 tot 8 weken (helium42.com, datum niet vermeld).
• De kloof zit tussen pilot en productie: volgens Forrester zegt driekwart van de leiders in ondernemingen agentic AI in te voeren, maar draait het bij “a small minority” echt in productie (Forrester, 3 juni 2026).
• De grootste blokkade is niet de techniek maar het meten: 64 procent van de leiders noemt gebrek aan evaluatie, 57 procent governance en 51 procent betrouwbaarheid van het model (Digital Applied, datum niet vermeld, toegeschreven aan Forrester en Anaconda).
• In AFAS roept een koppeling alleen de connectoren aan die je er expliciet aan hangt, en een toegangssleutel is maar 1 uur geldig (AFAS Help Center). Exact Online staat per administratie 60 aanroepen per minuut en 5.000 per dag toe (OrderChief).
• Een DPIA is “niet automatisch verplicht bij elke inzet van AI-agents”; een verwerkersovereenkomst en logging waarmee je besluiten kunt reconstrueren wel nodig (SenS juristen, 24 februari 2026).
• De AI-verordening vraagt sinds februari 2025 dat je je personeel AI-geletterd maakt; de regels voor hoog risico schuiven op naar 2 december 2027, maar de transparantieplicht geldt sinds 2 augustus 2026 (AIComplianceHub, mei 2026).
• Wat de agent boekt en waarom, moet je 7 jaar kunnen terugvinden, want zo lang geldt de bewaarplicht voor je administratie (Belastingdienst).
• Onze stelling: implementeren is geen bouwproject maar inwerken. De checklist van projecten die slagen is dezelfde volgorde waarin je een nieuwe collega zelfstandigheid geeft.

Hoe lang duurt het om een AI-agent voor administratie te implementeren?

Reken op 12 tot 20 weken van eerste gesprek tot een agent die een soort werk zelfstandig doet, en op enkele weken tot hij zijn eerste voorstellen maakt. Die twee getallen worden vaak door elkaar gehaald, en daar komen de grote verschillen tussen aanbieders vandaan.

aiagency.nl schrijft: het totale traject duurt “12 weken voor een enkelvoudige agent”, maar reken op 16 tot 20 weken “inclusief de stabilisatieperiode na livegang” (aiagency.nl, 2 april 2026). helium42 plant 6 tot 8 weken van verkenning tot opschalen (helium42.com, datum niet vermeld). Safebooks noemt voor een agent op inkoopfacturen 8 tot 12 weken bij schone data, met 3 tot 6 maanden werk aan de data ervoor als die niet schoon is (Safebooks, datum niet vermeld). Een Nederlands bureau schrijft dat “een eerste, beperkte koppeling” met Exact Online “vaak binnen enkele weken” staat (theaiagency.nl, datum niet vermeld). Alle vier verkopen zelf een traject.

Bronnen: aiagency.nl, 2 april 2026, helium42.com, datum niet vermeld. De rechterkolom is onze vertaling naar administratief werk.

Het verschil tussen “enkele weken” en “20 weken” is geen tegenspraak. Het eerste getal meet wanneer de koppeling werkt, het tweede wanneer je de agent iets toevertrouwt. Vraag een aanbieder dus altijd welk van de twee hij bedoelt. aiagency.nl waarschuwt bovendien dat wie het traject naar zes weken perst, juist de verkenning en de evaluatie schrapt, en daarmee de fasen die bepalen of de agent in productie komt.

Welke fasen doorloop je bij het implementeren van een AI-agent?

Je doorloopt vijf fasen, en in een mkb-bedrijf zijn de eerste vijf weken nauwelijks technisch werk. De tijd gaat naar kiezen, toegang regelen en opschrijven wat nergens staat.

1. Eén taak en één eigenaar (week 1-2). Kies een taak die elke week terugkomt en nu met de hand van de mail in een pakket gaat: inkoopfacturen overtikken, verlofaanvragen, bewonersmeldingen. Noem één persoon die eigenaar is van de agent op die taak. Digital Applied noemt “one accountable owner per agent” als kenmerk van projecten die niet worden stopgezet (Digital Applied, 11 juli 2026). In een bedrijf van jouw grootte is dat geen IT-er maar de officemanager of de controller.

2. Smalle toegang (week 2-3). De agent krijgt een eigen account in de mailbox en het pakket, met rechten op precies het deel dat de taak raakt. Hoe dat per pakket werkt, staat in de volgende sectie.

3. Kennis vastleggen (week 2-4). Veel van hoe een taak gaat, staat nergens: welke leverancier altijd op project X boekt, wie welk soort mail oppakt. Die regels haal je uit de hoofden van wie het werk nu doet, door die persoon te interviewen en de antwoorden vast te leggen. Wat daarna nog ontbreekt, komt boven in de volgende fase.

4. Schaduwmodus en evaluatie (week 4-10). De agent maakt voorstellen, de medewerker doet het werk zoals altijd en vergelijkt. Je telt de afwijkingen en stelt de regels bij tot de afwijkingen uitdoven. Zie de sectie over testen.

5. Zelfstandigheid per soort werk en overdracht (week 8-20). Pas als een soort werk een tijd foutloos gaat, laat je de agent dat werk zelf afronden. Onomkeerbare handelingen, zoals een betaling of een bericht aan een klant, blijven wachten op een mens. Digital Applied beschrijft dezelfde volgorde als “augmentation → automation → autonomy”, met poorten waar “irreversible, customer-facing, or spend-bearing actions route through a human” (Digital Applied, 11 juli 2026, toegeschreven aan Deloitte Tech Trends 2026).

Hoe je de eerste drie maanden als afgebakende proef organiseert, staat op een pilot starten voor administratieve automatisering.

Welke rechten heeft een AI-agent nodig in AFAS en Exact Online?

Een AI-agent heeft precies de rechten nodig die de taak raakt, en in AFAS en Exact Online kun je dat ook zo inrichten. Least privilege, het principe van zo weinig mogelijk rechten, is daar een instelling en geen extra project. De OWASP-lijst voor agents zegt het zo: “Enforce least privilege so agents only get the goals, tools, and data they actually need” (Teleport over OWASP Top 10 for Agentic Applications, 15 december 2025; Teleport verkoopt toegangsbeheer).

OrderChief en Peliqan verkopen zelf koppelingen; de officiële limietpagina van Exact laadde bij ons niet, dus de getallen komen uit een doorgeefbron en kunnen per contract verschillen.

Reken de Exact-limiet even door. 5.000 aanroepen per dag gedeeld door 60 per minuut is 83 minuten onafgebroken volle belasting. Met 60 regels per pagina haal je maximaal 300.000 regels per dag op, met de bulk- en sync-routes maximaal 5 miljoen. Een administratie van een bedrijf met twintig mensen komt daar niet bij in de buurt. De limiet gaat pas knellen als een koppeling slordig is gebouwd en steeds volledige lijsten opnieuw ophaalt in plaats van alleen wat er veranderd is. Vraag een aanbieder dus niet of hij de limiet haalt, maar of hij alleen wijzigingen ophaalt.

Het tweede punt is onderhoud. Een AFAS-sleutel verloopt na een uur en een Exact-sleutel roteert. Dat vernieuwen gaat automatisch zolang niemand het wachtwoord van het koppelaccount wijzigt of het account uitzet. Gebeurt dat wel, dan valt de agent stil zonder dat iemand het merkt. Zet in je beheerafspraken wie een melding krijgt als de koppeling faalt. Meer over hoe een AI-agent in bestaande pakketten werkt, lees je in AI laten werken met de software die je al hebt en op de pagina’s over de koppeling met AFAS en Exact Online.

Wat moet je regelen voor de AVG en de AI-verordening?

Voor de AVG regel je een verwerkersovereenkomst die het zelfstandige werk van de agent dekt, logging waarmee je elk besluit kunt terugvinden, en menselijke controle die echt iets toevoegt; een DPIA is niet automatisch verplicht. Voor de AI-verordening moet je vooral aantonen dat je je mensen hebt geleerd met AI te werken.

De sterkste Nederlandse bron hierover is een jurist. “Een DPIA is overigens niet automatisch verplicht bij elke inzet van AI-agents. Of artikel 35 AVG van toepassing is, hangt af van de concrete verwerking.” Over logging: “Zorg voor logging die reconstructie van besluitvorming mogelijk maakt.” En over de mens in de lus: “De vraag is niet alleen of er menselijke tussenkomst is, maar ook of die tussenkomst betekenisvol is.” (SenS juristen, mr. Lucia Spaans, 24 februari 2026; SenS verkoopt juridisch advies.)

AIComplianceHub verkoopt een compliance-platform. Het wijst op een veelgemaakte fout: wie leest dat de AI-verordening is uitgesteld, denkt dat er in 2026 niets geldt. Alleen hoog risico schuift op. De transparantieplicht “schuift NIET op”, en de plicht tot AI-geletterdheid geldt al anderhalf jaar.

Leg twee dingen naast elkaar die zelden samen genoemd worden. De AVG vraagt logging waarmee je een besluit kunt reconstrueren. De Belastingdienst vraagt dat je de administratie 7 jaar bewaart. Samen betekent dat: bij elke boeking die een agent voorstelt, moet ook de reden 7 jaar terug te vinden zijn, langer dan de meeste contracten met een leverancier lopen en langer dan welk taalmodel dan ook in gebruik blijft. Vraag daarom vooraf waar die redenen staan, en hoe je ze meeneemt als je van leverancier wisselt. Een factuur in Exact zonder de mail en de afweging erachter is voor een controleur minder waard dan dezelfde factuur met.

Voor accountantskantoren komt er een beroepslaag bij. NBA en NOREA schrijven in hun leidraad van juni 2026: “Validatie en menselijk oordeel moeten de basis blijven van publiek vertrouwen” (Accountant.nl, 5 juni 2026).

Hoe test je een AI-agent voordat hij zelf in je administratie boekt?

Je test een AI-agent door hem weken in schaduwmodus te laten meedraaien: hij maakt bij elk echt stuk een voorstel, de medewerker doet het werk zoals altijd, en je telt waar ze verschillen. Pas als dat verschil onder een drempel blijft die je vooraf hebt opgeschreven, mag de agent dat soort werk zelf afronden.

Dat klinkt als een formaliteit, maar het is de fase die het vaakst ontbreekt. Van de blokkades die leiders noemen staat “evaluation gaps” bovenaan, met 64 procent (Digital Applied, datum niet vermeld, toegeschreven aan Forrester en Anaconda 2026; secundaire bron). Anthropic, dat de modellen maakt, adviseert: “Start with simple prompts, optimize them with comprehensive evaluation, and add multi-step agentic systems only when simpler solutions fall short” (Anthropic, 19 december 2024). Die tekst is ouder dan de rest, maar het principe is sindsdien door Forrester en Gartner herhaald.

Drie dingen maken een schaduwtest bruikbaar. Test op echte stukken van de afgelopen weken, niet op een verzonnen voorbeeld. Tel per soort werk apart, want een agent die standaardfacturen goed doet, doet creditnota’s niet vanzelf goed. En schrijf de drempel op voordat je begint, anders schuift hij mee met het enthousiasme. Het volledige protocol, met hoeveel stukken je nodig hebt en hoe je telt, staat op hoe je een AI-agent test voordat je bedrijfsprocessen ermee automatiseert.

Hoe krijg je medewerkers mee bij het implementeren van een AI-agent?

Je krijgt medewerkers mee door de persoon die het werk nu doet de rol te geven van bron en beoordelaar: zij leggen uit hoe het gaat, zij keuren de voorstellen, en hun correcties worden de regels van de agent. Wie het werk nu doet, weet het meest en heeft het meest te verliezen; die persoon aan de kant zetten is de snelste weg naar een agent die niemand gebruikt.

Opleider AOG schrijft: “AI implementeren is daarmee niet alleen technisch vraagstuk, maar een verandervraagstuk” (AOG, 30 april, jaar niet vermeld; AOG verkoopt een leergang verandermanagement). ai-agents.nl noemt adoptie het lastigste stuk van een traject (ai-agents.nl, datum niet vermeld). helium42 mikt op meer dan 70 procent gebruik onder de beoogde medewerkers als doel van een implementatie (helium42.com, datum niet vermeld).

Wat dat in de praktijk vraagt:

• Zeg vooraf wat er met het vrijgekomen werk gebeurt. Een officemanager die ziet dat de facturen verdwijnen, wil weten wat ervoor in de plaats komt. In een groeiend bedrijf is het antwoord meestal: het werk dat nu blijft liggen.
• Laat de medewerker de agent inwerken, niet de leverancier. Het interview, de correcties en de drempel komen van haar. Daarmee wordt zij eigenaar in plaats van onderwerp.
• Maak zichtbaar wat de agent deed en waarom. Een voorstel zonder reden moet je geloven; een voorstel met de bron erbij kun je controleren. Dat is ook wat de AVG vraagt.
• Tel dit als je AI-geletterdheid. De verplichting uit artikel 4 van de AI-verordening vul je het beste in met werken aan echte voorstellen, niet met een losse cursus.

Of medewerkers daarna zelf nieuwe taken kunnen inrichten, zonder developer, staat op kunnen medewerkers zelf AI workflows aanpassen.

Wat gaat er mis bij het implementeren van een AI-agent?

Het meeste gaat mis vóór de techniek: een vage taak, te veel tegelijk, geen eigenaar en geen meetlat. De bronnen noemen grote faalpercentages, maar lees ze met hun noemer erbij, want ze meten drie verschillende dingen.

Tel deze cijfers niet bij elkaar op en zet ze niet in een reeks. Wat ze gemeen hebben, is de richting: projecten sneuvelen op voorbereiding en bestuur, niet op wat het model kan. Gartner-analist Anushree Verma: “Most agentic AI projects right now are early stage experiments or proof of concepts that are mostly driven by hype and are often misapplied.”

De vijf fouten die we in de bronnen het vaakst terugzien, in volgorde van hoe vroeg ze toeslaan:

1. Geen scherpe taak. “Administratie automatiseren” is geen taak; “inkoopfacturen van vaste leveranciers aan het juiste project boeken” wel. Welke taak zich leent, lees je in welke taken AI kan overnemen.
2. Te veel tegelijk. ai-agents.nl beschrijft een traject met te grote scope waar “na drie weken stond alles stil” (ai-agents.nl, datum niet vermeld).
3. Geen eigenaar. Zonder één naam per agent weet niemand wie de drempel bewaakt of wie belt als de koppeling faalt.
4. Geen meetlat. Zonder vooraf opgeschreven drempel blijft de pilot eeuwig een pilot, of gaat hij te vroeg live.
5. Een agent waar een regel volstaat. Is de taak volledig voorspelbaar, dan is een vaste regel in je pakket goedkoper en betrouwbaarder. Het verschil staat op AI agents versus traditionele workflow automation.

Wat gebeurt er na de livegang van een AI-agent?

Na de livegang begint het beheer: iemand bewaakt de koppelingen, verwerkt wijzigingen in de regels, doet steekproeven en beslist over de volgende taak. Bijna geen implementatieplan dat we lazen, besteedt hier een aparte fase aan, terwijl dit het deel is dat jaren duurt.

Vier afspraken maken het verschil:

• Stille uitval opvangen. Sleutels verlopen (AFAS na een uur, Exact roteert) en worden automatisch vernieuwd, tot iemand het koppelaccount wijzigt. Spreek af wie een melding krijgt.
• Wijzigingen in het werk doorgeven. Een nieuwe leverancier, een ander btw-tarief, een nieuwe collega op de postbus: de agent weet het pas als iemand het zegt. De goedkoopste route is dat een correctie op een voorstel meteen de nieuwe regel wordt.
• Terugdraaien zoals een accountant het doet. Een foute boeking verwijder je niet, je corrigeert haar met een tegenboeking, zodat het spoor in je administratie klopt. Leg vast wie dat mag en hoe de reden wordt bewaard.
• Rendement per fase toetsen. Digital Applied noemt als kenmerk “finance sign-off before each expansion”, naar een advies van Deloitte dat de financiële partners en de business-eigenaren tekenen voor uitbreiding (Digital Applied, 11 juli 2026). Voor jou: pas een tweede taak als de eerste aantoonbaar werk scheelt.

Reken het rendement niet te vroeg uit. Volgens cijfers die aan BCG en Forrester worden toegeschreven duurt het bij agents voor finance en operations mediaan 8,9 maanden voor ze zich terugverdienen; 41 procent is binnen 12 maanden terugverdiend en 22 procent heeft na 12 maanden een negatief rendement (Digital Applied, datum niet vermeld). Een aanbieder als Currentic schrijft dat “de meeste AI agents verdienen zichzelf terug in drie tot zes maanden” (Currentic, datum niet vermeld). Dat verschil is een factor 1,5 tot 3, en de kortere belofte komt van de partij die het traject verkoopt. Hoe fouten zichtbaar blijven na de livegang, staat in de gids over fouten en controle.

Wat kost het implementeren van een AI-agent voor administratie?

Een maatwerkagent kost bij Nederlandse bureaus 2.500 tot 8.000 euro om te bouwen, plus maandelijkse kosten voor gebruik, hosting en monitoring. Vergelijk aanbieders per jaar, niet op de startprijs.

Tel de maandkosten van Currentic op en een eenvoudige agent kost na de bouw 350 tot 2.000 euro per maand, dus 4.200 tot 24.000 euro per jaar. De volledige kostenvergelijking staat op wat het kost om administratieve processen met AI te automatiseren; welke begeleiding je bij een implementatie hoort te krijgen, op een AI-platform inclusief implementatie en begeleiding.

Waarom slagen de implementaties die wel slagen?

Ze slagen omdat ze een agent inwerken zoals je een nieuwe collega inwerkt, en niet opleveren zoals je software oplevert. Dat is onze stelling, en de bronnen ondersteunen hem als je ze naast elkaar legt.

Zet de vier kenmerken van projecten die niet worden stopgezet (Digital Applied, 11 juli 2026) naast hoe je een nieuwe administratief medewerker inwerkt:

Het is dezelfde volgorde. De faalcijfers uit de vorige secties gaan over projecten die het andersom deden: scope en zelfstandigheid vooraf vastleggen, bouwen, opleveren en dan hopen. De grootste blokkades, evaluatie (64 procent) en governance (57 procent), zijn precies de dingen die bij een nieuwe collega vanzelf gebeuren omdat een leidinggevende meekijkt.

Voor een mkb-bedrijf heeft dat twee gevolgen. Ten eerste heb je geen IT-afdeling nodig, want inwerken kan iedereen die het werk kent. Ten tweede zit de waarde van een implementatie niet in het model of de koppeling, want die worden elk jaar goedkoper, maar in de vastgelegde regels en correcties. Die moeten van jou blijven en 7 jaar terug te vinden zijn. Wie een agent laat bouwen waarvan de regels in de code van een bureau zitten, heeft een collega ingewerkt die bij een ander bedrijf in dienst is.

Waar gaat dit naartoe?

Het tempo is hoog. Volgens het CBS gebruikt een op de zes Nederlandse bedrijven in 2025 AI, een verdubbeling in twee jaar; bij kleine bedrijven is het 27 procent, bij middelgrote bedrijven (50 tot 250 mensen) 45 procent, en 32 procent van de gebruikers zet AI in voor administratie en management (CBS, 12 december 2025). Tegelijk draait volgens Forrester bij ondernemingen maar een kleine minderheid agents echt in productie. Het gebruik groeit dus veel sneller dan het vermogen om agents in te werken.

Onze verwachting: eind 2027 is “een AI-agent implementeren” voor een Nederlands administratieproces geen project van 12 tot 20 weken meer, maar een inwerkperiode die je team zelf doorloopt, met per taak een paar weken schaduwmodus. De vraag verschuift van “hoe lang duurt de bouw” naar “hoe snel leert mijn team een nieuwe taak aan”.

De redenering: wat nu tijd en geld kost, zijn koppelingen en modelgebruik, en die worden goedkoper; Currentic noemt nu al 50 tot 500 euro per maand voor het taalmodel. De blokkades die blijven, evaluatie en governance, zijn werk voor mensen die het vak kennen, niet voor bouwers. Wie dat werk in een vaste vorm giet (interview, schaduwmodus, drempel, eigenaar), maakt het herhaalbaar.

Wat de verwachting zou breken: een strengere uitleg van artikel 22 AVG door de Autoriteit Persoonsgegevens, waardoor elke boeking een zwaardere menselijke toets vraagt. Of een grote, publieke fout van een agent in een administratie, waardoor bedrijven geen enkel soort werk meer uit handen durven te geven.

Bombos regelt dat voor je: de eerste taak richten we samen in, en de volgende leert je eigen team Bombos aan in diezelfde vorm, zodat een nieuwe taak geen nieuw project wordt.

Wat kan deze aanpak (nog) niet?

Deze aanpak heeft grenzen, en die gelden voor elke aanbieder.

• Schaduwmodus kost tijd van je beste medewerker. Weken voorstellen vergelijken gaat bovenop het gewone werk. Wie die tijd niet vrijmaakt, krijgt een agent die niemand heeft getoetst.
• Rommelige data vertraagt alles. Safebooks rekent 3 tot 6 maanden extra als de gegevens niet schoon zijn. Een agent maakt een slordige relatielijst niet vanzelf netjes.
• Wat alleen in iemands hoofd zit, vindt geen agent. Die kennis moet eerst worden vastgelegd, met een interview van wie het werk doet. Zonder dat interview blijft de agent op die punten vragen stellen.
• Onder de vijf mensen is er vaak te weinig terugkerend werk om de inwerktijd terug te verdienen.
• De cijfers zijn dun. De meeste bronnen over doorlooptijd en falen verkopen zelf een traject, meten grote bedrijven of geven een cijfer door zonder de studie te noemen. Onafhankelijk Nederlands onderzoek naar implementaties in het mkb vonden we niet. Wat gebruikers zelf vertellen, staat op ervaringen met AI-agents voor administratieve automatisering.
• Limieten en regels veranderen. De Exact-limiet komt uit een doorgeefbron en kan per contract verschillen; de AI-verordening is in 2026 al eens bijgesteld.

Hoe pakt Bombos dit aan?

Bombos loopt dezelfde vijf fasen, maar als inwerken en niet als bouwproject. Het doel is dat je met hetzelfde team meer werk doet, van een hogere kwaliteit, zonder in mensen te groeien.

Je begint met twee vaste werkers. Chef kijkt wat er binnenkomt en geeft elke klus aan de juiste specialist. Wegwijzer maakt je wegwijs, helpt je grenzen instellen en stelt voor wat Bombos kan overnemen. De specialisten eromheen bouwen we rond jouw eerste taak, in jouw systemen, met jouw regels. Koppelingen met Exact, AFAS, Visma, Twinfield, Moneybird, SnelStart, Nmbrs, Syntess en Microsoft 365 zijn routinewerk: Bombos leest en schrijft in die pakketten, na jouw akkoord.

Wat alleen in hoofden zit, haalt Bombos op door je mensen te interviewen en de antwoorden vast te leggen. Daarna legt Bombos bij elk binnenkomend stuk een voorstel klaar met de reden en de bron erbij. Je keurt goed, past aan of wijst af in Bombos; in Exact of AFAS staat alleen het resultaat na je akkoord. Een correctie geldt daarna als regel, ook voor je collega’s. Zo zit wat Bombos leert in jouw goedkeuringen en correcties, niet in een model.

Een betaling, een bericht aan een klant en een contract wachten standaard op jouw akkoord. Die grens is technisch afgedwongen. Wil je hem voor een soort werk toch weg, dan haalt Bombos hem op jouw verzoek weg, op eigen risico.

De pilot kost 2.000 euro voor drie maanden, ongeveer 13 weken, en valt daarmee in de 12 tot 20 weken die de bronnen voor een implementatie noemen. Daarna kost het 1.000 euro per maand. In die drie maanden begeleiden de makers je bij de eerste taak. Die taak is het begin: daarna leert je eigen team Bombos de volgende, zonder technisch te zijn en zonder dat je bij ons terug hoeft te komen.

Bronnen

Elke bron is op 30 september 2026 geopend en elk citaat staat er letterlijk in.

• AI Agents Implementeren: Stappenplan van Pilot naar Productie, aiagency.nl, 2 april 2026 (verkoopt begeleiding)
• AI implementeren: zo pak je het stap voor stap aan, ai-agents.nl, datum niet vermeld (verkoopt trajecten)
• AI Implementation Roadmap: Week-by-Week Timeline, helium42.com, datum niet vermeld (verkoopt een programma)
• Exact Online koppelen aan AI: hoe werkt dat?, theaiagency.nl, datum niet vermeld (verkoopt consultancy)
• AI Agents for Accounts Payable: the controller’s guide, Safebooks, datum niet vermeld (verkoopt een dataplatform)
• The State Of Agentic AI In 2026, Forrester, 3 juni 2026
• AI Agent Adoption 2026: 120+ Enterprise Data Points, Digital Applied, datum niet vermeld (verkoopt consultancy; geeft cijfers van Forrester, Anaconda en BCG door)
• Why Agentic AI Projects Get Canceled, Digital Applied, 11 juli 2026 (verkoopt consultancy; geeft Gartner en Deloitte door)
• AI-agents en de AVG, SenS juristen, 24 februari 2026 (verkoopt juridisch advies)
• Digital Omnibus: wat er verschuift, AIComplianceHub, mei 2026 (verkoopt een compliance-platform)
• Uw administratie bewaren, Belastingdienst, datum niet vermeld
• Eigen app connector inrichten (OAuth-token), AFAS Help Center, datum niet vermeld
• Dealing with Exact Online rate limits, OrderChief, datum niet vermeld (verkoopt integraties)
• Exact Online API, Peliqan, datum niet vermeld (verkoopt een dataplatform)
• Exact Online REST API resources, datum niet vermeld
• Bedrijven gebruiken AI vaakst voor marketing of verkoop, CBS, 12 december 2025
• Building Effective Agents, Anthropic, 19 december 2024 (verkoopt modellen)
• OWASP Top 10 for Agentic Applications, Teleport, 15 december 2025 (verkoopt toegangsbeheer)
• NBA en NOREA publiceren nieuwe leidraad voor AI-toepassing, Accountant.nl, 5 juni 2026
• Wat kost een AI-agent?, Currentic, datum niet vermeld (verkoopt AI-implementatie)
• Waarom AI implementeren vraagt om verandermanagement, AOG, 30 april, jaar niet vermeld (verkoopt een leergang)