Gebruik Zapier, Make of RPA zoals UiPath als de regels vastliggen, de input gestructureerd is en de schermen niet veranderen. Voeg een AI-stap toe, met een mens die de uitkomst goedkeurt, als de input ongestructureerd is: e-mails, gescande documenten, Arabische facturen, verzoeken in vrije tekst. De meeste backofficeprocessen hebben beide nodig, samengebracht in één workflow die je kunt inzien en vastleggen.
#Belangrijkste punten
- Vaste regels en stabiele schermen zijn waar RPA en no-codetools het best in zijn, en ze doen dat voorspelbaar.
- Ongestructureerde input zoals e-mails, scans en Arabische documenten is waar een AI-stap zijn plek verdient.
- Het meeste backofficewerk is een mix: een AI-stap leest en classificeert, een regelstap verplaatst de data.
- Je hebt een engineer nodig als het werk oordeelsvermogen vraagt, een systeem zonder API raakt, of moet worden vastgelegd en goedgekeurd.
- Begin met de eenvoudigste aanpak die werkt en voeg alleen een agent toe waar regels tekortschieten.
#Waar zijn Zapier, Make en RPA goed in?
Ze volgen regels betrouwbaar. Zapier beschrijft een Zap als een workflow die je apps verbindt: een trigger start hem en een of meer acties volgen (Zapier Help Center, geraadpleegd november 2026). Make biedt een visueel canvas voor workflows en AI-agents, met handmatige goedkeuringsmomenten die je aan een agent kunt toevoegen (Make, geraadpleegd november 2026). Met beide kan een operationsteam bouwen zonder code te schrijven.
RPA werkt via het scherm zoals een mens dat zou doen, wat helpt bij oudere systemen zonder API. UiPath zegt zelf dat RPA bij voorspelbare, regelgebaseerde taken met weinig complexiteit en variatie veel efficiënter, betrouwbaarder en nauwkeuriger werkt dan agentic automation (UiPath, geraadpleegd november 2026). Dat is een eerlijke en nuttige uitspraak.
#Waar schieten regelgebaseerde automatiseringen tekort?
Als de input de regels niet volgt. Een leverancier stuurt een factuur als foto van een telefoon. Een klant schrijft een klacht in Golfdialect die eigenlijk een terugbetalingsverzoek is. Een contract komt binnen in het Arabisch, met de belangrijkste clausule op pagina negen. Geen vaste regel leest dit betrouwbaar, dus de automatisering stopt of geeft foute data door.
Kopers beschrijven ook een stillere mislukking: de automatisering werkt tot degene die hem bouwde vertrekt, en daarna wil niemand er nog aankomen. Dat risico geldt voor elke optie hier, en daarom zijn eigenaarschap en documentatie belangrijk.
#Wat is het verschil tussen een workflow en een AI-agent?
Anthropic trekt de grens duidelijk. Workflows zijn systemen waarin modellen en tools vooraf bepaalde codepaden volgen. Agents zijn systemen waarin het model zijn eigen proces en toolgebruik stuurt. Het advies is om de eenvoudigste aanpak te zoeken die werkt en pas complexiteit toe te voegen als dat nodig is (Anthropic, december 2024).
Voor backofficewerk betekent dit meestal een workflow met een AI-stap erin, geen vrij opererende agent. De AI leest de e-mail of de scan en stelt velden voor, een mens keurt goed, en regels zetten de data in het ERP.
#Wanneer heb je een engineer nodig in plaats van een no-codetool?
- De input is ongestructureerd en de nauwkeurigheid moet worden gemeten op je eigen documenten, inclusief Arabische.
- De workflow raakt een systeem zonder bruikbare API, of een oud ERP dat echt integratiewerk vraagt.
- Een mens moet de uitkomst goedkeuren en elke actie heeft een logboek nodig dat je kunt auditen.
- Hostingregels bepalen waar data wordt verwerkt, wat een gehoste no-codetool kan uitsluiten of een zelf gehoste variant kan vereisen.
- Het volume of de kosten van een fout zijn zo hoog dat foutafhandeling en bewaking geen bijzaak kunnen zijn.
We are
Stennir bouwt backofficeworkflows die regels en een AI-stap combineren, met een mens aan jouw kant die de uitkomst goedkeurt en elke actie vastgelegd, en laat je bestaande Zapier-, Make- of RPA-automatiseringen staan waar ze al werken.
We aren't
Stennir vervangt een werkende regelgebaseerde automatisering niet zomaar door een agent, en laat geen agents draaien zonder menselijke goedkeuringsstap.
#Wat doet een hoofd operations nu?
Maak een lijst van je backofficeprocessen en markeer per proces of de input gestructureerd of ongestructureerd is. Laat de gestructureerde aan je huidige tools over. Kies de lastigste ongestructureerde voor een AI-stap. Bekijk hoe AI-implementatie bij Stennir werkt, lees AI voor operations en AI voor data-invoer, en boek dan een gesprek van 30 minuten.
#Veelgestelde vragen
Kan een AI-stap aansluiten op onze bestaande Zapier-, Make- of UiPath-automatiseringen?
Meestal wel. De AI-stap leest en classificeert de ongestructureerde input, een mens keurt goed, en je bestaande automatisering neemt het gestructureerde resultaat vanaf daar over. Zo blijft wat al werkt behouden en komt AI alleen waar de regels het niet aankonden. We controleren elke koppeling voordat we die toezeggen.
Werkt het op Arabische documenten?
Stennir bouwt in het Arabisch en Engels en test op je eigen documenten: gescande facturen, tweetalige contracten en berichten in Golfdialect. We meten de nauwkeurigheid per veld ten opzichte van een menselijke controleur, en de goedkeuringsstap blijft staan totdat de cijfers op je input minder toezicht rechtvaardigen.
Wat blijft bij ons?
De code van de workflow in je repository, de accounts op naam van je bedrijf, de data, de logboeken, de gedocumenteerde regels en prompts, en de uitknop. Je bestaande automatiseringen blijven ook van jou. Met een geschreven runbook kan je team of een ander bureau het onderhouden.
Wat kan er misgaan met een AI-stap?
Hij kan een document verkeerd lezen, misleid worden door instructies die in een e-mail zijn verstopt, of stellig ongelijk hebben. Daarom keurt een mens de uitkomst goed, wordt elke actie vastgelegd en wordt de stap getest op echte voorbeelden. De OWASP Top 10 voor LLM-toepassingen zet prompt injection op de eerste plaats.
