Voor wie: ondernemers en directeuren die per maand tientallen tot honderden inkoopfacturen en documenten verwerken en het gevoel hebben dat daar te veel handwerk in zit.
Facturen verwerken met AI: herkennen is makkelijk, goedkeuren niet
Het uitlezen is een opgelost probleem. De weken vertraging in je administratie komen ergens anders vandaan.
Kort antwoord: Facturen verwerken met AI werkt voor het uitlezen inmiddels goed: bedrag, datum, leverancier en btw komen er in de meeste gevallen correct uit, ook uit een scheve foto van een bon. Alleen was dat overtypen bij een MKB-bedrijf zelden het probleem. Een factuur ligt niet drie weken omdat niemand hem kon lezen, maar omdat niemand weet of hij klopt met wat er besteld is en wie hem mag goedkeuren. Kies daarom niet op herkenningspercentage maar op twee andere dingen: kan het systeem een factuur naast je bestelling leggen, en stuurt het twijfelgevallen naar de juiste persoon in plaats van ze door te laten? De fouten die overblijven zijn namelijk niet willekeurig — ze zitten juist bij nieuwe leveranciers, creditnota's en afwijkende formaten, precies waar het geld en het risico zitten.
Wat inmiddels goed werkt
Eerlijk beginnen: dit is een van de weinige AI-toepassingen waar de techniek écht volwassen is. Een factuur uitlezen — leverancier, factuurnummer, datum, bedragen, btw-regels, IBAN — gaat goed, ook bij een pdf die als foto is aangeleverd of bij een lay-out die het systeem nog nooit gezien heeft. Vergeleken met de scanoplossingen van tien jaar geleden, die per leverancier een sjabloon nodig hadden, is dat een groot verschil.
Je komt op dit onderwerp dan ook vooral aanbieders tegen met indrukwekkende percentages: zoveel procent volledig automatisch, zoveel procent nauwkeurig, zoveel euro per factuur bespaard. Die cijfers komen bijna altijd van de leverancier zelf en zijn niet na te rekenen, dus we nemen ze hier niet over. De achterliggende boodschap klopt wel: het uitlezen is niet meer waar je project op stukloopt.
Dat maakt de vraag interessanter. Als het makkelijke deel is opgelost, waarom duurt het bij de meeste bedrijven dan nog steeds weken voordat een inkoopfactuur betaald wordt?
Waar de fouten zich ophopen
Bij een nauwkeurigheid van 98 of 99% denk je makkelijk: die enkele fout accepteer ik wel. Dat zou kloppen als de fouten willekeurig verdeeld waren. Dat zijn ze niet.
Wat er overblijft, is telkens hetzelfde rijtje:
- Een leverancier die je voor het eerst hebt. Onbekend format, onbekende opbouw — en meteen ook de factuur waarvan niemand kan bevestigen dat de afspraak zo was.
- Creditnota's. Een bedrag dat als positief in plaats van negatief geboekt wordt, is een fout van tweemaal het bedrag en valt zelden meteen op.
- Facturen met een afwijkende opbouw. Deelleveringen, verrekende voorschotten, een regel met een andere btw dan de rest.
- Slechte scans. Een foto met een vouw er precies doorheen doet het meestal prima — behalve op het cijfer waar het om gaat.
Dat zijn stuk voor stuk de gevallen waar het bedrag hoger is of de kans op onenigheid groter. Een systeem dat 99% goed doet, kan dus alsnog een onevenredig deel van je risico laten liggen. De relevante vraag bij een leverancier is daarom niet hoe vaak het goed gaat, maar wat er gebeurt als het systeem twijfelt: gaat die factuur dan naar een mens, of gaat hij gewoon door met een gok?
Waar de tijd echt in gaat
Kijk waar een factuur bij jou blijft liggen. In vrijwel elk MKB-bedrijf is dat niet bij het invoeren, maar hier:
- Klopt dit met wat we besteld hebben? Iemand moet de factuur naast de bestelling of de afspraak leggen. Is er geen bestelling vastgelegd, dan is er niets om mee te vergelijken en wordt het een geheugenkwestie.
- Van wie was dit? Welk project, welke kostenplaats, wie heeft dit besteld. Die vraag gaat rond via de mail en dat kost dagen, geen minuten.
- Wie mag dit goedkeuren? Bij veel bedrijven is dat impliciet: de directeur kijkt overal naar, ook naar de factuur van €40. Dat is geen controle, dat is een flessenhals die eruitziet als controle.
Hier valt de meeste tijd te winnen, en het is voor een groot deel geen AI-vraagstuk. Een AI kan wel een voorstel doen — dit lijkt bij die bestelling te horen, dit is meestal die kostenplaats, dit bedrag wijkt af van wat deze leverancier normaal rekent — maar de afspraak wie wat mag goedkeuren moet je zelf maken. Automatiseer je een goedkeuringspad dat niet klopt, dan krijg je dezelfde vertraging terug, alleen met minder zicht erop.
De afwijkingssignalering is trouwens het onderdeel dat het minst verkocht wordt en het meest oplevert: een factuur die 15% hoger is dan de vorige twaalf van dezelfde leverancier, of een factuur die in de buurt komt van een bedrag dat je vorige maand al betaald hebt. Dat is precies het soort controle dat een mens bij honderd facturen per maand niet volhoudt.
Niet alleen facturen
Facturen zijn de bekendste toepassing, maar niet altijd de waardevolste. Hetzelfde principe geldt voor elk document dat in een vast stramien binnenkomt en waar gegevens uit moeten:
- Pakbonnen en vrachtbrieven — vergelijken met de order en met de factuur.
- Contracten en offertes van leveranciers — looptijden, opzegtermijnen en prijsafspraken eruit halen, zodat je niet ontdekt dat er stilzwijgend verlengd is.
- Keurings-, meet- en werkbonnen — vaak nog op papier of als foto, en juist daar zit informatie die nergens in een systeem komt.
- Ingevulde formulieren die klanten of medewerkers aanleveren.
Kies niet op basis van welk document het vaakst binnenkomt, maar op waar de fout het duurst is of waar de informatie nu helemaal niet doorkomt. Wat je vervolgens met zo'n verzameling documenten kunt doen zodra hij digitaal is, staat in de wiki onder Cowork data mining.
Wat er aan regels aankomt
Bij dit onderwerp lees je vaak dat e-factureren binnen een jaar of twee verplicht wordt. Dat klopt niet met wat er nu vastligt, en het is de moeite waard om te weten hoeveel tijd je werkelijk hebt.
De Europese btw-regels onder ViDA (VAT in the Digital Age) vragen vanaf 2030 om e-facturen bij grensoverschrijdende transacties binnen de EU — zie de ViDA-pagina van de Europese Commissie. Nederland werkt aan wetgeving die daarop aansluit, met Peppol als beoogde standaard; in de stukken die daarover naar de Tweede Kamer zijn gegaan wordt uitgegaan van nieuwe regels uiterlijk medio 2028, met de eerste stappen richting 2030.
Wat dat praktisch betekent: er is geen deadline die je dit jaar dwingt. Wel is het een goed argument om bij het kiezen van software te vragen of die met Peppol overweg kan, zodat je die stap niet twee keer hoeft te zetten. Kies dus op wat het je nu oplevert, met dat ene randvoorwaardje erbij.
Hoe je begint
Een maand, en het meeste ervan is meten in plaats van bouwen.
- Tel eerst. Hoeveel inkoopfacturen per maand, hoeveel leveranciers, en hoeveel dagen zit er gemiddeld tussen binnenkomst en betaling. Zonder die drie getallen kun je achteraf niet zien of het iets heeft opgeleverd.
- Zoek uit waar ze blijven liggen. Bij het invoeren, bij het matchen met de bestelling, of bij het goedkeuren? Het antwoord bepaalt welke oplossing zinnig is — en soms is dat helemaal geen AI.
- Leg het goedkeuringspad vast zoals het zou moeten zijn. Wie tekent tot welk bedrag, wat gaat automatisch, wat altijd langs een mens. Dit is de stap die je hoe dan ook moet zetten.
- Draai een maand dubbel. Het systeem doet zijn werk, een mens controleert alles. Duur genoeg om de uitzonderingen tegen te komen, kort genoeg om vol te houden.
- Bepaal daarna pas wat automatisch mag. Meestal: bekende leverancier, bedrag onder een grens, matcht met een bestelling. Alle andere gaan langs een mens.
Wat zo'n traject ongeveer kost, staat in wat kost AI-implementatie. Waarom stap 1 en 2 belangrijker zijn dan de toolkeuze, staat in waarom AI-projecten mislukken. En zit je knelpunt eigenlijk aan de vragenkant in plaats van de documentenkant, kijk dan bij klantvragen automatiseren.