Elke salarisrun begint met een mutatieoverzicht: uren, verlof, ziekte, contractwijzigingen. Iemand haalt die gegevens uit verschillende systemen, controleert ze en zet ze klaar. De taak stopt bij dat complete overzicht — de run zelf is een andere stap. De vraag is of AI dit verzamelen en klaarzetten kan overnemen.
Het antwoord is deels. Niet omdat de taak te ingewikkeld is, maar omdat twee assen in het profiel zwaar tegen automatisering pleiten en dat niet wordt goedgemaakt door de rest.
De taak is behoorlijk gestructureerd: mutaties komen uit vaste systemen, volgens vaste categorieën, in een terugkerend ritme per maand of vier weken. Dat pleit vóór automatisering. Het volume is ook substantieel — bij grotere personeelsbestanden gaat het om honderden regels per run, wat een taak interessant maakt om te automatiseren.
Maar twee assen wegen zwaarder: foutkosten en compliance staan beide op het laagste niveau. Een gemiste ziekmelding, een verlopen contract dat niet is verwerkt, of een verlofdag die dubbel telt, werkt direct door in het salaris van een medewerker en in de aangifte loonheffing. Dat zijn geen fouten die je achteraf makkelijk rechttrekt — ze raken iemands inkomen en de relatie met de Belastingdienst. Oordeelsruimte is met een 2 ook laag: er is weinig ruimte voor interpretatie, mutaties zijn juist of onjuist, compleet of incompleet.
De combinatie van hoge gestructureerdheid met lage foutkosten en compliance is precies waar een agent-model past: AI verzamelt, matcht en signaleert afwijkingen, maar een mens keurt goed of af vóórdat het overzicht de deur uit gaat naar de salarisrun. Geen volledige overname, wel een verschuiving van verzamelen naar controleren.
Een bedrijf met honderdvijftig medewerkers, een hr-systeem en een los salarissysteem die niet gekoppeld zijn. Elke maand loopt een hr-medewerker de verlofkaarten, ziekmeldingen en contractwijzigingen handmatig langs en typt ze over. Hier kan een AI-agent de vergelijking maken zodra de systemen wél gekoppeld zijn: automatisch mutaties ophalen, dubbelingen signaleren, ontbrekende einddatums van contracten markeren. De agent levert een voorstel; de salarisadministrateur beoordeelt de uitzonderingen en zet het geheel definitief klaar voor de run. Het werk van doorzoeken en overtypen verdwijnt, het werk van beoordelen blijft.
Bij een bedrijf zonder koppeling tussen hr-systeem en salarissysteem is deze taak vandaag nog grotendeels mensenwerk, simpelweg omdat de agent niets heeft om uit te lezen. Bij een bedrijf met veel uitzendkrachten, variabele uren of ploegendiensten neemt de complexiteit toe — meer brongegevens, meer kans op tegenstrijdige invoer, dus meer momenten waarop een mens moet ingrijpen. En bij een bedrijf met een cao die veel bijzondere toeslagen kent, ligt de oordeelsruimte weer iets hoger dan in dit profiel, wat de balans iets meer richting mensenwerk trekt.
De voorwaarde die in alle gevallen terugkomt: koppeling van de bronsystemen en een controlemoment vóór de definitieve run. Zonder die twee blijft dit een taak die niet los te automatiseren is.
Deze taak staat niet op zichzelf. Ze hangt samen met andere hr-taken die stroomopwaarts liggen: hoe roosters worden opgesteld, hoe roosterwijzigingen worden verwerkt, hoe overuren worden berekend en hoe verzuim wordt geregistreerd. Waar die taken al deels door AI worden gedaan, komt er automatisch een schonere, meer gestructureerde brondata beschikbaar voor de salarisvoorbereiding — wat de agent-aanpak hier makkelijker maakt. Waar die taken nog volledig handmatig zijn, blijft ook de salarisvoorbereiding zwaarder op mensenwerk leunen, simpelweg omdat de input rommelig is.
Dat is de verschuiving die nu gaande is: niet één taak die ineens omvalt, maar een keten van taken die stuk voor stuk iets automatiseerbaarder wordt zodra de systemen erachter op orde zijn. Bij het ene bedrijf is die keten al voor een groot deel gekoppeld, bij het andere nog niet — en dat verschil, niet de technologie zelf, bepaalt hoeveel uren hier vandaag al vrijkomen.
Wie wil weten hoeveel uren dat concreet zijn, moet rekenen in tijd, niet in koppen — en waarom dat onderscheid ertoe doet, staat uitgewerkt op de pagina over rekenen in uren in plaats van in mensen. Belangrijk is ook wat er niet in een AI-systeem terechthoort: salarisgegevens en medische informatie over ziekte vallen onder gegevens met extra bescherming, en welke gegevens uw bedrijf daarbij niet zomaar mag laten verwerken door een AI-systeem, staat beschreven op de pagina over gegevens die uw bedrijf niet mag gebruiken.
Een laatste kanttekening: als deze analyse ergens richting een personeelsbeslissing lijkt te wijzen, geldt daarvoor een ander kader. Voor ontslag, functiewijziging of reorganisatie gelden eigen wettelijke vereisten, en deze pagina levert daarvoor geen onderbouwing.
Om te zien hoe dit profiel zich verhoudt tot de rest van uw hr- en salarisproces, kunt u de gratis quickscan invullen: twaalf vragen, zonder account, met als uitkomst een indicatie welk deel van de uren in uw situatie vandaag al door AI over te nemen is. De volledige werkscan, die het werk van uw hele bedrijf taak voor taak in kaart brengt, is nog in aanbouw — die bieden we hier bewust nog niet aan.
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.