Voorbeelden: GPT's verbonden met een CRM, agenda en database
Op deze pagina
Status per 5 november 2026: GPT’s bevinden zich in hun laatste weken. OpenAI stopt op 11 december 2026 met aangepaste GPT’s (voor bepaalde Enterprise-workspaces met een vrijstelling is dit 11 februari 2027). Persoonlijke accounts (Free, Go, Plus en Pro) kunnen geen nieuwe GPT’s meer maken of publiceren; in Business-, Enterprise- en Edu-workspaces hangt het maken af van de instellingen, en het stopte op 26 oktober 2026 in getroffen Enterprise-workspaces. Bestaande GPT’s blijven bruikbaar en bewerkbaar zolang uw abonnement dat toelaat tot aan de stopzetting; uw gesprekken ermee blijven daarna toegankelijk. De migratie (Migreren naar plug-in, in Mijn GPT’s) zet instructies om in een vaardigheid, de kennisbank in referentiebestanden en verbonden applicaties in apps; aangepaste acties worden niet overgezet. Deze les legt uit hoe GPT’s werken om u te helpen ze te onderhouden, te migreren en hun principes toe te passen op een plug-in (lessen 15–17).
Van theorie naar praktijk
U weet nu wat een Actie is en hoe u de authenticatie ervan beveiligt. Het is tijd om te zien hoe een verbonden GPT er buiten het laboratorium uitziet. Deze les ontleedt drie reële voorbeelden—een CRM, een agenda en een database—en gaat in op de initiële behoefte, de gekozen configuratie en wat de gebruiker dagelijks krijgt. U zult zien dat, afgezien van de verschillen in tools, alle drie de opstellingen dezelfde ontwerpprincipes volgen, die we aan het einde van de les zullen schetsen.
Casus 1: Uw CRM bevragen in natuurlijke taal (HubSpot)
Stel u een salesdirector voor die zijn dagen doorbrengt met van vergadering naar vergadering hollen. Elke keer dat hij de status van een kans wil controleren, moet hij HubSpot openen, door filters navigeren en de juiste weergave zoeken. Zijn behoefte is simpel: vragen stellen alsof hij tegen een menselijke assistent praat en een antwoord krijgen zonder de chat te verlaten.
De configuratie is bewust minimaal: het OpenAPI-schema exposeert slechts drie eindpunten—GET /contacts om contacten te zoeken op naam, bedrijf of status; GET /deals om kansen weer te geven met filters (bedrag, fase, datum); en POST /notes om een notitie aan een contact toe te voegen. Authenticatie verloopt via de access token van een private HubSpot-app, doorgegeven als Bearer-token, met rechten beperkt tot lezen en notities toevoegen. Deze keuze is niet willekeurig: zelfs als een kwaadwillende gebruiker de GPT zou manipuleren, kan deze geen deal wijzigen of contactgegevens aanpassen omdat de API dit zelf verbiedt. De instructies van de GPT beperken het bereik een tweede keer: ze specificeren dat het een salesassistent is verbonden met de HubSpot-CRM, dat deze de API moet gebruiken wanneer er naar een contact of kans wordt gevraagd, dat elke notitie moet worden herformuleerd en om bevestiging moet worden gevraagd voordat deze wordt toegevoegd, en dat de status van een deal of contactgegevens nooit mogen worden gewijzigd.
In de praktijk verandert dit de dagelijkse routine van de salesdirector. Hij typt “Wat zijn mijn deals in onderhandeling boven de €50.000?” en krijgt een opgemaakte lijst. Hij vraagt “Toon me contacten van het bedrijf Durand & Fils” of dicteert “Voeg een notitie toe aan contact Marie Leroy: gebeld op 15 maart, geïnteresseerd in het Premium-aanbod”—de GPT herformuleert, wacht op groen licht en schrijft vervolgens naar HubSpot.
Casus 2: Een agenda beheren via chat (Google Agenda)
Tweede scenario: een executive assistant jongleert met de agenda van zijn manager, waarbij hij vergaderingen aanmaakt, last-minute verplaatsingen regelt en beschikbaarheid controleert. Hier staat, in tegenstelling tot de CRM, schrijven centraal in de behoefte—u moet evenementen kunnen aanmaken, verplaatsen en annuleren. Het OpenAPI-schema dekt daarom vier eindpunten: GET /events om evenementen voor een periode weer te geven, POST /events om een evenement aan te maken, PUT /events/{id} om een bestaand evenement aan te passen en DELETE /events/{id} om er een te annuleren.
Omdat de GPT persoonlijke Google-gegevens aanraakt, gebruikt authenticatie OAuth 2.0 met alleen het calendar.events-bereik: de GPT kan evenementen lezen en schrijven maar kan geen agendainstellingen aanraken. Hoe groter de schrijfrechten, hoe kritieker de bewakingsrails in de instructies worden. Deze vereisen dat de GPT elke aanmaak of wijziging samenvat en om bevestiging vraagt voordat hij handelt, dubbele bevestiging eist voor elke verwijdering, en instrueren om systematisch op planningsconflicten te controleren voordat een tijdslot wordt voorgesteld.
In de praktijk vraagt de assistent “Wat heb ik morgenmiddag?”, “Plan een vergadering met het marketingteam dinsdag om 14.00 uur voor 1 uur” of “Verplaats de check-in met Pierre van 10.00 naar 11.00 uur.” De GPT controleert de beschikbaarheid, kondigt aan wat hij gaat doen en voert pas uit na validatie. De wrijving die door bevestiging wordt toegevoegd, is de bescheiden prijs voor een agenda die nooit door een misverstand in de war wordt gestuurd.
Casus 3: Een feedbackdatabase verkennen (Airtable)
Derde casus: een productteam centraliseert tickets en klantfeedback in Airtable, maar niet iedereen beheerst de filtersyntaxis. In plaats van iedereen op de tool te trainen, brengt het team de database in gesprek. Twee eindpunten volstaan: GET /records om records weer te geven met filters en sortering, en POST /records om een nieuwe record aan te maken. Authenticatie gebruikt een Airtable personal access token, doorgegeven als Bearer-token, met toegang beperkt tot alleen de base “Product Feedback”—andere bases in de workspace blijven onzichtbaar.
De instructies geven de GPT zijn rol als productassistent verbonden met de feedbackdatabase, vertellen hem de base met passende filters te bevragen wanneer een vraag over klantfeedback gaat, en leggen een responsformaat op: een tabel met kolommen voor datum, klant, categorie en samenvatting. Het allerbelangrijkste is dat ze een duidelijke limiet stellen: de GPT kan nieuwe tickets aanmaken maar mag nooit bestaande wijzigen of verwijderen. Elk teamlid kan dan vragen “Hoeveel bugs zijn deze maand gemeld?”, “Wat zijn de meest recente feedbackitems over de factureringsfunctie?” of dicteren “Maak een ticket aan: weergavebug op de betalingspagina, gemeld door klant Dupont op 28 maart.”
Wat deze drie casussen gemeen hebben
Als we afstand nemen, lopen er drie patronen door deze verschillende opstellingen heen. Het eerste is de gouden regel van verbonden GPT’s: vrij lezen, gecontroleerd schrijven. Alle drie de GPT’s raadplegen hun gegevens zonder wrijving, maar geen enkele schrijft zonder expliciete gebruikersbevestiging. Het tweede patroon betreft instructies: een GPT raadt niet wanneer hij een Actie moet activeren. In alle drie de gevallen stellen de instructies expliciet “wanneer de gebruiker om X vraagt, gebruik actie Y”—zonder deze richtlijn riskeert het model om vanuit het geheugen te antwoorden in plaats van de bron te bevragen. Het derde patroon is bereiksobriëteit: geen van de drie GPT’s exposeert de volledige API van zijn tool. Slechts twee tot vier eindpunten, gekozen voor de use case, niets meer.
Om deze aanpassing voor uw eigen behoeften toe te passen, volgt u de bouwvolgorde die deze drie voorbeelden illustreren:
- Identificeer een tool die u dagelijks gebruikt en die een API heeft, en definieer twee of drie concrete use cases—de vragen die u het vaakst stelt
- Maak een minimaal OpenAPI-schema met alleen de noodzakelijke eindpunten
- Configureer de juiste authenticatie (API-sleutel of OAuth)
- Voeg bewakingsrails toe in de instructies voor schrijfbewerkingen
- Test met echte query’s voordat u toegang geeft aan anderen
Een woord over valkuilen die bij beginnende makers zijn waargenomen. De meest frequente is het verbinden van een API “voor het geval dat”, zonder specifieke use case: u eindigt met een GPT die theoretisch alles kan maar in de praktijk niets goed doet. De gevaarlijkste is het toestaan van schrijven zonder bevestiging—een GPT die gegevens aanmaakt of wijzigt zonder validatie kan echte schade aanrichten in een CRM of gedeelde agenda. Houd ook rekening met API-fouten: als de service niet beschikbaar is of een fout retourneert, moet uw GPT weten wat hij de gebruiker moet vertellen in plaats van een antwoord te verzinnen. Verzet u ten slotte tegen de verleiding om te veel eindpunten bloot te leggen: elk verbruikt context, en vanaf vijf verslechtert de precisie van de GPT.
Aan de slag
Actie of app? Zoek voor een van de drie casussen, of voor een tool in uw bedrijf, eerst in de Plug-ins-map van ChatGPT of er al een app voor die service bestaat. Zo ja, noteer dan wat het mogelijk maakt en wat er ontbreekt; zo nee, stel dan het actieplan op: schema-operaties, authenticatiemodus, minimale rechten en bewakingsrails in de instructies. Bewaar dit plan: het is de basis voor een plug-in-integratie, aangezien acties niet worden gemigreerd.
Officiële bronnen: Configuring actions in GPTs (OpenAI Help Center: authenticatie, OpenAPI-schema, testen, limieten) · Plugins in ChatGPT (map en apps) · Authentication (Airtable: access tokens) · Private apps (HubSpot: access token)
Belangrijkste punten
- GPT’s verbonden met echte tools (CRM, agenda, database) lossen concrete dagelijkse problemen op
- Pas de gouden regel “vrij lezen, gecontroleerd schrijven” toe: bevestig altijd voordat u wijzigt
- Vermeld Acties expliciet in de instructies zodat de GPT weet wanneer hij ze moet activeren
- Beperk eindpunten tot het strikte minimum (2 tot 5) en plan afhandeling van API-fouten in
- Begin simpel—één tool, twee eindpunten—en breid geleidelijk uit