P PowerLabExact → workflow → AI → conceptjaarrekening
Betrouwbaarheid · oefening 7 van 10

AI-uitvoer valideren en storingen afhandelen

Parseer het AI-antwoord, controleer het schema en voorkom dat verzonnen bedragen of tijdelijke storingen doorstromen.

Waarom dit nodig is

Een taalmodel kan ongeldige JSON, ontbrekende velden of overtuigend klinkende onjuiste bedragen teruggeven.

Plaats in de eindoplossing

Wat draagt deze oefening bij?

Een ontvangen AI-antwoord is nog geen betrouwbaar resultaat. Deze oefening behandelt het model als een externe, feilbare service waarvan vorm én inhoud gecontroleerd moeten worden.

Wat gebeurt er technisch?

  • Schema-validatie controleert structuur en verplichte velden.
  • Bronvergelijking controleert bedragen tegen deterministische workflowdata.
  • Retries zijn geschikt voor tijdelijke storingen, niet voor inhoudelijke fouten.
  • Een Error Workflow verzamelt uniforme incidentinformatie.
Doen én begrijpen

Bouwstappen met uitleg

Open workflow-editor
1

Controleer het responseschema.

Waarom?
Een model kan tekst, markdown of onvolledige JSON teruggeven terwijl de volgende node vaste velden verwacht.
Wat moet dit opleveren?
Alle verplichte velden bestaan met het juiste type.
2

Vergelijk teruggegeven cijfers met brondata.

Waarom?
Een taalmodel kan bedragen afronden, verwisselen of verzinnen. De workflow kent de gecontroleerde waarheid al.
Wat moet dit opleveren?
returnedResult is exact gelijk aan sourceResult.
3

Test hallucination en invalid-json.

Waarom?
Je wilt aantonen dat inhoudelijke en technische AI-fouten veilig worden geblokkeerd.
Wat moet dit opleveren?
Beide scenario's stoppen zichtbaar en produceren geen document.
4

Configureer retries voor flaky fouten.

Waarom?
HTTP 429, time-outs en tijdelijke 5xx-fouten kunnen vanzelf herstellen; direct opgeven is dan onnodig.
Wat moet dit opleveren?
De flow probeert begrensd opnieuw en faalt daarna gecontroleerd.
5

Maak centrale foutregistratie.

Waarom?
Zonder runLabel, node en foutcontext kost incidentonderzoek veel tijd en ontbreekt een auditspoor.
Wat moet dit opleveren?
Iedere blijvende fout levert dezelfde bruikbare foutstructuur op.

Wat gaat er mis als je dit overslaat?

Een technisch ontvangen antwoord kan inhoudelijk fout zijn. Zonder validatie kan overtuigend geformuleerde onzin direct in een jaarrekeningdocument terechtkomen.

POST

PowerLab-endpoint

Dit endpoint bootst het deel na dat later door Exact Online, een AI-provider of de documentservice wordt geleverd. Test het eerst los, zodat je begrijpt welke invoer en uitvoer de workflow verwerkt.

https://powerlab.rmeijer.eu/api/ai/v1/annual-report?scenario=hallucination
De sleutel wordt alleen in localStorage van deze browser gezet. In n8n gebruik je de vooraf ingestelde credential PowerLab API.

Voorbeeldbody

{
  "administration": {
    "id": "demo-bv",
    "name": "Demo Handelsbedrijf BV"
  },
  "currency": "EUR",
  "financialYear": 2025,
  "provider": "openai",
  "sourceChecks": {
    "balanced": true,
    "difference": 0,
    "sourceResult": 25000
  },
  "statements": {
    "profitAndLoss": {
      "expenses": 70000,
      "result": 25000,
      "revenue": 95000
    }
  }
}

Extra endpoints en scenario’s

  • https://powerlab.rmeijer.eu/api/ai/v1/annual-report?scenario=invalid-json
  • https://powerlab.rmeijer.eu/api/failures/flaky?scenario=jaarrekening-7&failures=2
  • https://powerlab.rmeijer.eu/api/failures/timeout?seconds=10

Kun je uitleggen waarom?

Beantwoord deze vragen in je eigen woorden voordat je de oefening afrondt. Het doel is niet alleen de juiste nodes plaatsen, maar de ontwerpkeuzes kunnen verdedigen.

  1. Welke fouten zijn retrybaar en welke niet?
  2. Waarom is schema-validatie niet genoeg om hallucinaties te vinden?
  3. Welke gegevens heb je nodig om een mislukte run later te reproduceren?

Klaar wanneer

Normale output wordt verwerkt; hallucinaties, ongeldige JSON en blijvende storingen worden zichtbaar geblokkeerd.