Een AI-assistent leest cijfers verkeerd wanneer de data zelf onduidelijk is: een veld heet alleen 'bedrag', het is niet te zien of btw erin zit, de periode is niet afgebakend of de herkomst ontbreekt. Het taalmodel vult die gaten met aannames en geeft toch een stellig antwoord. Je voorkomt het door duidelijke veldnamen en omschrijvingen, door vragen af te bakenen en door antwoorden te laten onderbouwen met de bron.
Je stelt een AI-assistent een vraag over je omzet en krijgt een helder bedrag terug. Toch kan dat bedrag niet kloppen, zonder dat de assistent dat zelf aangeeft. Dat komt zelden doordat het model niet kan rekenen. Meestal kan de AI cijfers verkeerd lezen doordat de data waarop hij draait niet duidelijk zegt wat een getal betekent.
Waarom een AI-assistent cijfers verkeerd kan lezen
Een taalmodel genereert tekst op basis van de vraag en de data die het te zien krijgt. Anthropic schrijft in de documentatie over het beperken van hallucinaties dat zelfs geavanceerde taalmodellen, zoals Claude, soms tekst genereren die feitelijk onjuist is of niet past bij de gegeven context. Dat heet hallucinatie. Het gevaarlijke is dat een fout cijfer er precies zo uitziet als een goed cijfer. Ontbreekt er context in de data, dan vult het model die aan met een aanname en rapporteert het die als feit.
Waar het in de praktijk misgaat
Vier situaties komen steeds terug, en ze lijken sterk op wat we in datakwaliteit als basis onder AI beschrijven.
- Onduidelijke veldnamen. Een kolom die alleen “bedrag” of “status” heet, zegt niets over wat erin zit. De assistent gokt.
- Incl. of excl. btw. Staat het verschil niet in de veldnaam, dan telt de AI mogelijk bedragen op die niet vergelijkbaar zijn. Bij e-Boekhouden heeft de tabel Facturen bijvoorbeeld aparte velden voor Bedrag excl. btw en Bedrag incl. btw.
- Periodes. “Dit kwartaal”, “vorige maand” of “dit jaar” kan op meer dan één manier worden uitgelegd, zeker als je boekjaar niet gelijk loopt met het kalenderjaar. Een vraag zonder duidelijke begin- en einddatum geeft een antwoord over een periode die jij misschien niet bedoelde.
- Ontbrekende herkomst en dubbele records. Worden gegevens uit meerdere systemen of administraties gecombineerd, dan moet zichtbaar zijn uit welk account een regel komt. Anders kan dezelfde klant of factuur twee keer meetellen zonder dat iemand het ziet.
Hoe je het voorkomt in je data
De kern is: maak de data zelfverklarend, zodat de AI niets hoeft te raden. Geef velden namen die zeggen wat ze bevatten, en voeg waar het kan een omschrijving en het type toe (tekst, getal, datum). Houd bedragen met en zonder btw als aparte velden. Zorg dat bij elke rij te zien is uit welke bron en welk account hij komt, en dat zichtbaar is wanneer de bron voor het laatst is ververst. Dat past bij het principe van een betrouwbare centrale databron: eerst de basis op orde, daarna de AI.
Hoe je het voorkomt in je vraag en je controle
Ook jij kunt het risico verkleinen. Bakent je vraag af: noem de periode met data, zeg of je bedragen incl. of excl. btw bedoelt en welk systeem je wilt gebruiken. Anthropic noemt in dezelfde documentatie een paar technieken die ook voor gewone gebruikers werken: geef de AI uitdrukkelijk toestemming om te zeggen dat hij het niet weet, laat hem beweringen onderbouwen met een bron en beperk hem tot de aangeleverde data in plaats van zijn algemene kennis. Anthropic voegt eraan toe dat deze technieken hallucinaties sterk verminderen maar niet helemaal uitsluiten, en dat je belangrijke informatie altijd moet valideren.
Zo pakt APIboard dit aan in de AI-koppeling
Via de AI-koppeling kan je AI je gekoppelde bronnen raadplegen. Volgens het helpcentrum beschrijft het hulpmiddel describe_table eerst elke tabel: de kolommen met Nederlandse uitleg en type, het aantal rijen en het datumbereik. De assistent ziet dus wat een kolom betekent voordat hij rekent. Totalen laat de AI door het hulpmiddel aggregate berekenen, per periode en met filters, in plaats van zelf op te tellen. In elk antwoord staat bovendien in bron_ververst_op wanneer een bron voor het laatst is ververst. In de publieke API heeft elke rij connection_id en connection_label, zodat je ziet uit welk account de rij komt, bijvoorbeeld bij een boekhoudkoppeling zoals e-Boekhouden of Moneybird.
De koppeling is alleen-lezen en toont alleen de gegevens van je eigen organisatie, dus een misverstand van de AI wijzigt niets in je data. De AI-koppeling zit in het Pro-pakket, zie prijzen, en past bij analyseren in APIboard. Ook dan blijft controleren verstandig: de koppeling geeft de AI betere context, maar zegt niet dat elk antwoord juist is.
Onze tip: stel een nieuwe AI-assistent eerst een vraag waarvan je het antwoord uit je boekhouding al kent, bijvoorbeeld de omzet van een afgesloten maand excl. btw. Klopt het cijfer, dan weet je dat hij de velden goed leest. Klopt het niet, vraag dan welke kolom hij gebruikte.
