Een crediteurenmedewerker of boekhouder houdt in het boekhoudsysteem bij wanneer een inkoopfactuur vervalt, of er betalingskorting te benutten is bij vroeg betalen, en of een betaling dreigt te laat te komen. Dat is bewaking: een lijst met data vergelijken met de kalender en actie ondernemen als een termijn dichterbij komt. De vraag is of AI dat overnemen kan.
Deze taak scoort op vrijwel alle assen aan de gunstige kant. De gestructureerdheid is hoog: een vervaldatum is een vaste waarde in een vaste plek in het systeem, geen interpretatie nodig. Het volume is hoog: bij een bedrijf met een gestage stroom inkoopfacturen zijn het er honderden tot duizenden per jaar, allemaal volgens hetzelfde stramien. Klantcontact, fysieke handelingen en creativiteit spelen geen rol; dit is puur intern, digitaal, herhalend werk. Precies het soort taak waarvoor software al lang bestaat, en waar nu ook AI-achtige signalering bovenop past.
De uitzondering is foutkosten, en die trekt het beeld iets bij. Een gemiste vervaldatum kost geld: de betalingskorting vervalt, of er komt een aanmaning en mogelijk een boete of een geschaad contact met de leverancier. Oordeelsruimte en compliance scoren op een middenpositie, niet omdat er veel te interpreteren is, maar omdat een afwijking — een factuur die niet matcht met de order, een betaaltermijn die net gewijzigd is, een leverancier die om een andere reden een betaling opschort — wel beoordeling vraagt. Dat is geen creatief werk, maar het is ook niet volledig te automatiseren zonder iemand die de uitzondering ziet en beslist.
De drie assen die hier de doorslag geven zijn gestructureerdheid, volume en foutkosten. De eerste twee pleiten sterk voor automatisering: het werk is regelmatig genoeg en eenvoudig genoeg om aan software over te laten. De derde as remt dat af: omdat een fout geld kost, moet het systeem niet alleen signaleren maar ook betrouwbaar zijn, en moet er iemand zijn die een waarschuwing kan beoordelen voordat er daadwerkelijk betaald wordt.
Daarom is de technologie die hier vandaag past rpa: software die vervaldatums uitleest, vergelijkt met de betaalkalender en meldingen genereert of zelfs betaalvoorstellen klaarzet. Geen zelfstandig oordelende AI die zonder toezicht betaalt, maar geautomatiseerde bewaking met een mens die de uitzonderingen afhandelt. Dat is een verschuiving die nu al plaatsvindt in veel financiële afdelingen: het overzicht bijhouden is werk dat verdwijnt uit de dagelijkse taak van de crediteurenmedewerker, het beslissen over afwijkingen blijft.
Twee randvoorwaarden bepalen of dit in een specifiek bedrijf werkt. De eerste is betrouwbare planningsdata: als vervaldatums, betaaltermijnen en kortingsafspraken correct en actueel in het systeem staan, kan automatische bewaking daarop bouwen. Staan die gegevens verspreid over e-mails, losse afspraken met leveranciers of een systeem dat niet aansluit op de boekhouding, dan is er eerst opschoonwerk nodig voordat automatisering zin heeft. De tweede is signalering bij afwijkingen: het systeem moet niet alleen de standaardgevallen afhandelen maar ook duidelijk maken wanneer iets buiten het patroon valt, zodat een mens dat kan beoordelen.
Bij een bedrijf met een klein aantal vaste leveranciers en simpele betaaltermijnen is de bewaking bijna volledig te automatiseren: weinig uitzonderingen, voorspelbare patronen. Bij een bedrijf met veel leveranciers, wisselende contractvoorwaarden, internationale betalingen met verschillende valuta's of frequente disputen over facturen, ligt het anders: daar is de kans op afwijkingen groter en blijft er structureel meer beoordelingswerk over. Ook de kwaliteit van de brondata maakt verschil: een boekhoudsysteem dat goed is ingericht, geeft automatisering meer houvast dan een systeem met handmatige invoer en losse Excel-lijsten naast de boekhouding.
Deze taak staat niet op zichzelf. Ze hangt samen met het bredere overzicht van openstaande posten bij debiteuren en crediteuren, met het inlezen en matchen van bankafschriften waarmee betalingen worden afgeboekt, en met het reconciliëren van transacties van betaalproviders. Samen vormen die taken een groot deel van het administratieve verkeer rond geld dat in of uit een bedrijf gaat, en in al die gevallen geldt hetzelfde patroon: structuur en volume maken automatisering mogelijk, foutkosten en uitzonderingen houden een vorm van toezicht in stand.
Dit is geen personeelsadvies en geen argument voor het inkrimpen van een crediteurenafdeling. Het is een beschrijving van welk deel van een taak volgens de acht assen geschikt is voor overname door software, en welk deel mensenwerk blijft. Als een verschuiving in taken gevolgen heeft voor functies, gelden daarvoor eigen wettelijke vereisten; zie ook de toelichting over wanneer de ondernemingsraad hierover moet meepraten. Niets hier garandeert dat een taak daadwerkelijk wordt overgenomen; het hangt af van de datakwaliteit, de systemen en de bereidheid om uitzonderingen goed te laten signaleren.
Om te zien hoe dit voor uw eigen crediteurenproces uitvalt, is het nuttig om te kijken naar de omvang van de facturenstroom, het aantal leveranciers en de mate waarin betaaltermijnen en kortingsafspraken al gestructureerd vastliggen. De gratis quickscan van FTE TO AI geeft daarvoor een eerste richting: twaalf vragen, zonder account, met een indicatie welk deel van de uren in uw profiel vandaag door AI over te nemen is. De volledige werkscan, die het werk van een heel bedrijf tot op taakniveau uiteenlegt, 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.