Een officemanager of juridisch medewerker maakt documenten gereed voor digitale ondertekening, wijst de juiste ondertekenaars aan, verstuurt het document via een e-signing platform en slaat het getekende resultaat op in het documentmanagementsysteem. Op het eerste gezicht is dit een repetitieve, goed te volgen reeks stappen. Toch is het antwoord op de vraag of AI dit kan overnemen: deels, en alleen onder voorwaarden.
De gestructureerdheid scoort met een 4 hoog: bij een vast documenttype, bijvoorbeeld een standaardcontract of een leveringsovereenkomst, is precies bekend welke velden ingevuld moeten worden, waar de handtekeningvakken staan en in welke volgorde ondertekenaars aan de beurt zijn. Dat is een taak die zich goed laat vastleggen in regels, en dus geschikt voor geautomatiseerde verwerking. Het volume (4) versterkt dat beeld: bedrijven die veel gelijksoortige documenten laten ondertekenen, hebben baat bij een systeem dat het herhalende werk uit handen neemt.
Maar gestructureerdheid geldt alleen zolang het documenttype vast staat. Zodra een organisatie met wisselende contractvormen werkt, met onderhandelde bijlagen of met documenten waarin de ondertekenaar per geval verschilt, valt de basis onder de automatisering weg. Dan moet iemand eerst bepalen welk sjabloon en welk proces van toepassing is, en dat is precies het onderdeel dat zich niet laat vastleggen in een vaste route.
De twee assen die dit oordeel echt bepalen zijn foutkosten (2) en compliance (2), en die liggen ongunstig. Een ondertekeningsproces raakt aan de rechtsgeldigheid van een document. Als het systeem de verkeerde persoon aanwijst als ondertekenaar, als een handtekening op de foute versie van een contract belandt, of als een getekend document niet correct wordt gearchiveerd, ontstaan er problemen die niet met een simpele correctie zijn op te lossen. Een verkeerd getekend arbeidscontract of een leveringsovereenkomst met de foute tekenbevoegde kan juridische gevolgen hebben die ver uitstijgen boven de tijd die met automatisering wordt bespaard.
Daarom is de rol van AI hier beperkt tot ondersteuning: het klaarzetten van het document, het invullen van standaardvelden en het versturen via het e-signing platform kan met regels en robotic process automation (RPA) worden gedaan. Maar het aanwijzen van de juiste ondertekenaar, vooral wanneer tekenbevoegdheid, functie of mandaat een rol spelen, vraagt om een beoordeling die niet zomaar aan een systeem wordt overgelaten. Dat is precies het onderdeel waar categorie twee uit de taxonomie in beeld komt: AI kan een voorstel doen, maar een mens moet dat voorstel goedkeuren of afkeuren, met reden.
Of automatisering hier werkt, hangt af van twee dingen. Ten eerste: is er een vast ondertekeningsproces per documenttype? Bij een standaardovereenkomst met een vaste structuur is dat te automatiseren; bij documenten die per geval worden samengesteld, niet. Ten tweede: is de juiste ondertekenaar correct te identificeren op basis van vaste gegevens, zoals functie of rol in een systeem? Als die identificatie eenvoudig en eenduidig is, kan een systeem die stap ondersteunen. Zodra tekenbevoegdheid afhangt van context, zoals de hoogte van een contractbedrag of een specifieke volmacht, is menselijke beoordeling nodig.
Dit verklaart ook waarom de uitkomst per organisatie verschilt. Een bedrijf dat honderden gelijksoortige leverancierscontracten per maand laat ondertekenen, met een vaste tekenbevoegde per contracttype, kan een groot deel van het proces automatiseren en de menselijke rol beperken tot steekproefcontrole. Een organisatie die vooral maatwerkovereenkomsten, fusiedocumenten of contracten met wisselende volmachten verwerkt, heeft juist weinig aan automatisering: daar is elke stap uniek en de kans op een dure fout te groot om aan een systeem over te laten.
De vergelijking met andere controlerende taken is hier verhelderend. Net zoals bij het screenen van klanten en partners op sanctielijsten geldt: AI kan een voorstel of signaal genereren, maar de uiteindelijke beoordeling en verantwoordelijkheid blijven bij een mens liggen zodra de gevolgen van een fout ernstig zijn. Het ondertekeningsproces heeft diezelfde eigenschap: de kosten van een fout zijn hoog genoeg om volledige automatisering af te raden, ook al is de taak op papier goed gestructureerd.
Gaat het om archivering van al getekende documenten, dan verandert het beeld overigens wel. Het opslaan en terugvindbaar maken van getekende stukken lijkt sterk op de taak die wordt behandeld op de pagina over het digitaliseren en ontsluiten van een papieren archief, en daar liggen de kansen voor automatisering aanzienlijk gunstiger dan bij het aanwijzen van ondertekenaars.
Let op: als deze taak samenhangt met functieveranderingen of personeelsinzet, gelden daarvoor eigen wettelijke vereisten; deze pagina gaat alleen over de taak zelf, niet over de gevolgen voor medewerkers.
De conclusie is dat het klaarzetten en versturen van standaarddocumenten voor ondertekening met regels of RPA te ondersteunen is, maar dat het aanwijzen van de juiste ondertekenaar en het toezicht op het resultaat mensenwerk blijven zolang de foutkosten en compliance-risico's hoog zijn. Wilt u weten hoe dit uitpakt voor uw eigen organisatie, inclusief andere taken van officemanagers of juridisch medewerkers? De gratis quickscan van ftetoai.com geeft in twaalf vragen, zonder account, een indicatie van welk deel van de uren in uw profiel vandaag door AI is over te nemen. De volledige werkscan, met een verdiepende analyse per taak, 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.