Het verwerken van verlofaanvragen is niet één taak maar een reeks stappen, en die stappen verschuiven niet allemaal in hetzelfde tempo. Het controleren van saldo en het wegzetten van een aanvraag in het systeem is inmiddels vaak volledig geautomatiseerd. Het beoordelen van een aanvraag die tegen de bezetting aanloopt — twee mensen uit hetzelfde team die dezelfde week vrij willen — blijft een afweging die bij een leidinggevende ligt, eventueel met een systeem dat het conflict signaleert maar niet oplost. En de uitzonderingen, zoals verlof rond een reorganisatie of een medewerker met een lopend verzuimtraject, blijven mensenwerk zonder discussie. Deze pagina legt uit waarom de taak op dit moment overwegend in het middelste blok valt: rpa die het merendeel van de aanvragen afhandelt, met een mens die de rest beoordeelt.
Een verlofaanvraag heeft een vaste vorm: een medewerker, een periode, een saldo, een bezettingsnorm. Dat maakt de taak op de as gestructureerdheid hoog scoren. Een systeem kan de aanvraag toetsen aan het saldo en aan vooraf ingestelde bezettingsregels, en op basis daarvan een aanvraag goedkeuren of doorzetten naar een mens. Dat is ook precies waarom rpa hier vandaag al werk doet: de regels zijn te vangen in logica, en het volume van aanvragen is doorgaans hoog genoeg om automatisering de moeite waard te maken. Bij een bedrijf met vaste diensten en een eenvoudig verlofbeleid ligt dit aandeel hoger dan bij een bedrijf met veel maatwerkafspraken per medewerker, waar de regels minder eenduidig zijn vastgelegd.
De reden dat deze taak niet volledig overgaat naar AI, zit in de oordeelsruimte. Zodra een aanvraag conflicteert met de bezetting van een team, is er geen vast antwoord meer. Wie krijgt voorrang: de medewerker die het eerst vroeg, degene met de langste diensttijd, of degene met een medische reden? Dat is een afweging die een systeem kan signaleren maar niet kan maken zonder dat iemand de reden achter een keuze kan uitleggen. Dat is ook de kern van goedkeuring met toezicht: het systeem draagt de aanvraag aan, een leidinggevende keurt goed of af en kan dat besluit motiveren. Bij een bedrijf met krappe bezetting en veel seizoensverlof — denk aan de zorg of de horeca — ligt dit aandeel hoger dan bij een kantooromgeving met ruime personele marges.
Het volume van verlofaanvragen is vaak hoog: elke medewerker doet dit meerdere keren per jaar, en bij grotere teams loopt dat op tot een aanzienlijke stroom aanvragen per maand. Die herhaling maakt automatisering aantrekkelijk, ook al is de individuele aanvraag niet complex. Hetzelfde patroon zien we bij andere taken met veel herhaling en vaste regels, zoals het berekenen van overuren op basis van gewerkte tijd of het verwerken van roosterwijzigingen na ziekmeldingen of ruilverzoeken. In al deze gevallen is niet de complexiteit van één geval de reden om te automatiseren, maar de optelsom van vele gelijksoortige gevallen.
Een foutieve verlofgoedkeuring is meestal terug te draaien en leidt niet tot direct financieel verlies, wat de foutkosten gematigd houdt. Toch raakt de taak wel aan compliance: verlofsaldo hangt samen met arbeidsvoorwaarden, en bij structurele afwijzing van aanvragen kunnen medewerkers dat aanvechten. Daarom blijft een menselijke stap nodig bij afwijkingen, niet omdat het systeem de rekenkundige kant niet aankan, maar omdat de gevolgen van een verkeerd besluit een uitlegbare afweging vragen. Voor besluiten die verder gaan dan een verlofaanvraag — bijvoorbeeld wanneer verlofpatronen worden meegenomen in personeelsbeslissingen — gelden eigen wettelijke vereisten waar deze pagina geen uitspraak over doet.
De verdeling die hier geschetst is, geldt niet overal gelijk. Een organisatie met heldere, uniforme goedkeuringsregels per team en een verlofsysteem met actueel, gekoppeld saldo, kan een groter deel van de aanvragen zonder tussenkomst laten verlopen. Een organisatie met veel uitzonderingen, handmatige saldoregistratie of onderling afwijkende afspraken per team zal een groter deel bij een mens houden, simpelweg omdat de basisvoorwaarden voor automatisering — vaste regels en actuele data — er niet staan. Dat is dezelfde afhankelijkheid die je terugziet bij het voorbereiden van salarisverwerking op basis van vaste posten en bij het opstellen van roosters binnen bezettingsnormen: hoe strakker de regels vooraf zijn vastgelegd, hoe groter het deel dat automatisch kan verlopen.
AI kan verlofaanvragen niet zelfstandig en volledig verwerken. Het grootste deel van de routinematige aanvragen — saldo op orde, geen bezettingsconflict — kan door een systeem worden afgehandeld. Aanvragen die tegen de bezetting aanlopen of afwijken van de norm, vragen een leidinggevende die goedkeurt of afkeurt met reden. Dat is geen tussentijdse fase op weg naar volledige automatisering, maar een verdeling die samenhangt met de aard van de uitzonderingen: zolang die een afweging vragen die uitgelegd moet kunnen worden, blijft dat deel mensenwerk.
Om te zien hoe deze verdeling voor uw eigen organisatie ligt, is het nuttig om naar de onderliggende regels en systemen te kijken: zijn de goedkeuringsregels per team vastgelegd, en is het verlofsaldo actueel beschikbaar in het systeem. De gratis quickscan van FTE TO AI bestaat uit twaalf vragen, is zonder account te doorlopen en geeft een indicatie van welk deel van de uren in dit soort profielen vandaag door AI over te nemen is. De volledige werkscan, die het werk van een bedrijf taak voor taak uiteenlegt en naar fte-capaciteit vertaalt, is nog in aanbouw.
Vraag maar. Ik ken de kennisbank van deze site; wat ik niet weet, zeg ik erbij.
Antwoorden komen uit de kennisbank van deze site. Geen advies op maat, en geen scan van uw bedrijf.