Een administratief of financieel medewerker legt een hotelfactuur, een vliegticket of een taxibon naast de geboekte reis, controleert of bedrag en periode kloppen, en keurt goed voor betaling. Op zichzelf een kleine handeling. Bij honderden of duizenden reizen per jaar wordt het een substantiële post in de administratieve capaciteit. De vraag is niet of dit werk bestaat, maar of AI het matchen en goedkeuren kan overnemen.
Drie assen geven hier de doorslag: gestructureerdheid, volume en foutkosten.
De gestructureerdheid scoort met een 4 hoog. Een factuur van een hotel of luchtvaartmaatschappij heeft vaste velden: datum, bedrag, naam van de reiziger, referentienummer. Een boeking in het boekingsplatform heeft dezelfde velden. Matchen is in de kern een kwestie van velden naast elkaar leggen en een regel toepassen: klopt het bedrag binnen een marge, klopt de periode, klopt de naam. Dat is precies het soort werk waar regelgebaseerde automatisering, RPA, goed in is.
Het volume scoort een 4. Reisdeclaraties komen niet incidenteel, ze komen structureel binnen, vaak in pieken rond conferenties, kwartaalafsluitingen of seizoensgebonden reizen. Een taak die vaak voorkomt en weinig varieert, is precies waar automatisering het meeste tijd vrijspeelt, omdat de opzet van de regels zich over veel gevallen terugbetaalt.
De foutkosten krijgen een 3: gemiddeld. Een foutieve match leidt tot een verkeerde betaling of een dubbele boeking, vervelend maar meestal herstelbaar en financieel beperkt van omvang. Dat is anders dan bijvoorbeeld een medische of juridische fout, en het is precies waarom hier een tussenvorm past: AI doet het matchen, een mens beoordeelt de uitzonderingen.
Oordeelsruimte (3) en compliance (3) zorgen ervoor dat niet elke match zonder toezicht door kan. Een factuur die net buiten de gestelde marge valt, een taxikosten die niet in het reisbeleid past, of een boeking die is gewijzigd na vertrek: dat zijn gevallen waarin een regel niet automatisch een antwoord geeft. Iemand moet dan beoordelen of de afwijking te verklaren is en de match goedkeuren of afkeuren, met reden. Dat is de tweede categorie uit de trend: AI doet het merendeel, een mens houdt toezicht op de rest.
Klantcontact (5) en fysiek (5) scoren beide hoog gunstig, simpelweg omdat deze taak geen van beide kent: er is geen klant om te bedienen en geen fysieke handeling te verrichten. Dat maakt de taak op die twee assen geen belemmering, wat de weg vrijmaakt voor de andere assen om te bepalen hoe het uitpakt.
Creativiteit (1) is hier feitelijk irrelevant in negatieve zin: er is geen creatieve inbreng nodig, en dat is precies waarom deze taak zich niet verzet tegen automatisering op die grond.
Het antwoord is: deels, en onder voorwaarden. RPA kan het overgrote deel van de matches afhandelen wanneer een digitale koppeling bestaat tussen het boekingsplatform en het boekhoudsysteem, en wanneer de matchregels vooraf zijn vastgelegd: welke marge geldt voor bedragsverschillen, welke referentievelden moeten overeenkomen, wat een acceptabele periode-afwijking is. Zonder die twee randvoorwaarden blijft het mensenwerk, simpelweg omdat er niets is om tegen te matchen of geen regel om op te varen.
Bij een bedrijf waar reizen worden geboekt via losse, niet-gekoppelde kanalen, of waar geen vast reisbeleid bestaat, ligt dit dus anders. Dan is de eerste stap niet automatisering maar het inrichten van een gestructureerd boekingsproces. Bij een bedrijf met een vast reisbureau en één boekingsplatform waar alle reizen doorheen lopen, is de aansluiting vaak al aanwezig.
In organisaties waar dit al is ingericht, is het patroon steeds hetzelfde: AI doet de eerste matchronde, de uitzonderingen gaan naar een medewerker die goedkeurt of afkeurt met reden. Dat is geen toekomstbeeld, dat draait vandaag al in bedrijven met een gekoppeld boekingsplatform. Elders, waar de systemen los van elkaar staan of de regels nooit zijn vastgelegd, gebeurt hetzelfde matchen nog volledig handmatig. Het verschil zit niet in de technologie maar in de inrichting.
Dat patroon van gestructureerd, herhalend werk met tussenvorm-toezicht komt breder terug in administratieve functies. Zo is ook te zien bij het opmaken van standaardbrieven en formulieren, waar structuur en volume eveneens de doorslag geven, en bij het sorteren en verdelen van inkomende post, een taak met vergelijkbare herhaling maar lagere foutkosten. Waar oordeelsruimte een grotere rol speelt, zoals bij het beantwoorden van hr-vragen van medewerkers, ligt de verhouding tussen automatisch en toezicht anders.
Wat dit voor de eigen personeelsinzet betekent, is aan het bedrijf zelf; daarvoor gelden eigen wettelijke vereisten en dat is geen onderwerp waarover deze pagina uitspraken doet. Wat wel te zeggen is: als facturen matchen aan boekingen een substantieel deel van iemands werk vormt, is de vrijgespeelde capaciteit reëel zodra de systemen zijn gekoppeld en de regels zijn vastgelegd.
Wie wil weten wat AI-geletterdheid binnen het eigen team betekent voordat dit soort taken wordt ingericht, vindt achtergrond in wat AI-geletterdheid als verplichting inhoudt. Voor een eerste inschatting van het eigen bedrijf is er de gratis quickscan: twaalf vragen, zonder account, met een indicatie welk deel van de uren in dit soort profiel vandaag door AI over te nemen is. De volledige werkscan, die het werk van een bedrijf per taak op alle acht assen beoordeelt, 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.