Een administratief medewerker of management assistent die dagelijks verklaringen, contracten en brieven invult op basis van een vast sjabloon, doet werk dat er op het eerste gezicht heel geschikt uitziet voor AI. Het is herhalend, het volgt een vast stramien, en de invoer komt meestal al uit een systeem. Toch is het antwoord niet simpelweg ja. Het is deels, en welk deel hangt af van hoe het sjabloon en de brondata in een specifiek bedrijf zijn ingericht.
Drie assen bepalen hier de uitkomst: gestructureerdheid, volume en foutkosten.
De gestructureerdheid is hoog. Een sjabloon voor een arbeidsverklaring of een standaardcontract heeft vaste velden op vaste plekken: naam, datum, bedrag, functie. Dat is precies het soort tekstwerk dat AI vandaag goed aankan, omdat de structuur van het document al is vastgelegd en de taak neerkomt op het correct invullen van velden op basis van beschikbare gegevens.
Het volume is eveneens gunstig. Bedrijven die veel van dezelfde documenten produceren, een uitzendbureau dat honderden arbeidsovereenkomsten per maand opstelt, een gemeente die eenzelfde verklaring keer op keer verstrekt, hebben er meer aan om dit proces te stroomlijnen dan een bedrijf dat een handvol keer per jaar zo'n document opstelt. Bij laag volume is de tijd die het kost om het proces in te richten vaak niet in verhouding tot de tijd die het uiteindelijk bespaart.
De foutkosten liggen in het midden en zijn precies de reden waarom dit geen volledige overname is, maar een taak met menselijk toezicht. Een verkeerd ingevuld bedrag in een contract, een verwisselde naam in een verklaring, een onjuiste datum, dat zijn geen kosmetische fouten. Ze kunnen leiden tot juridische onduidelijkheid of tot een document dat opnieuw moet. Daarom blijft een controlemoment nodig: AI vult in, een medewerker keurt goed of af, met reden.
De oordeelsruimte is laag, wat de taak juist geschikter maakt voor automatisering: er is weinig interpretatie nodig over wat er in het document moet staan, dat ligt al vast in het sjabloon en de brongegevens. De creativiteit is vrijwel afwezig, en ook dat werkt in het voordeel van AI: er wordt niets bedacht, er wordt ingevuld. Compliance speelt een rol zodra het om contracten of officiële verklaringen gaat, wat betekent dat vastgelegde goedkeuringsstappen relevant blijven, los van wie het document opstelt.
Een management assistent stelt maandelijks tien tot twintig standaardbrieven op: bevestigingen, verklaringen, korte contractaanpassingen. De gegevens staan al in het personeelssysteem. Hier is de stap van gegevens naar document goed te automatiseren: AI kan de brief opstellen op basis van het sjabloon en de brondata, waarna de assistent leest, controleert en verstuurt. De tijd die overblijft, gaat niet naar het tikken van tekst maar naar het beoordelen ervan.
Bij een ander bedrijf, waar elk contract op maat wordt onderhandeld en elke brief net iets anders van toon en inhoud moet zijn, ligt dit anders. Daar is de gestructureerdheid lager, de oordeelsruimte hoger, en verschuift de taak richting mensenwerk. Hetzelfde soort document, arbeidsovereenkomst, brief, verklaring, kan dus in het ene bedrijf grotendeels automatiseerbaar zijn en in het andere vooral handwerk blijven. Het verschil zit niet in het documenttype maar in hoe gestandaardiseerd het sjabloon is en of de brondata al ergens in een systeem staat, of nog moet worden opgezocht of nagevraagd.
De verschuiving zit niet in een toekomstig moment waarop dit "klaar" is. Ze zit nu al in de vraag of een organisatie haar sjablonen heeft gestandaardiseerd en haar brondata op orde heeft. Een bedrijf waar elke medewerker zijn eigen versie van een contract bijhoudt, met eigen opmaak en eigen varianten, kan dit proces niet zomaar aan AI overlaten, ook niet deels. Een bedrijf met één vastgesteld sjabloon per documenttype en gegevens die al gestructureerd worden bijgehouden, staat er anders voor.
Dit document-invulwerk hangt vaak samen met andere administratieve taken die in hetzelfde kantoor gebeuren. Wie kijkt naar hoe inkomend papieren archief wordt gedigitaliseerd en doorzoekbaar gemaakt, ziet vaak dezelfde vraag terugkomen: staat de data al gestructureerd, of moet ze eerst uit papier gehaald worden. Ook het sorteren en verdelen van inkomende post raakt dit onderwerp, omdat veel standaardbrieven een reactie zijn op iets dat binnenkomt. En de manier waarop een algemeen e-mailpostvak wordt getrieerd bepaalt vaak welke documenten er überhaupt opgesteld moeten worden, en op basis van welke gegevens.
Over personeelsgevolgen van deze verschuiving doen wij geen uitspraak: als vrijgekomen uren aanleiding zijn tot een besluit over personeel, gelden daarvoor eigen wettelijke vereisten, los van deze analyse.
Of dit voor uw organisatie een klein of een substantieel deel van de administratieve uren raakt, hangt af van hoeveel van uw documenten al op vaste sjablonen draaien en hoeveel van de brondata al in een systeem staat in plaats van op papier of verspreid over losse bestanden. Dat is per bedrijf anders, en dat is precies waarom een generieke uitspraak hier niet volstaat.
De gratis quickscan van twaalf vragen, zonder account, geeft een indicatie van welk deel van de uren in dit soort documentwerk vandaag door AI over te nemen is. De volledige werkscan, die het werk van een heel bedrijf uiteenlegt in taken en per taak doorrekent naar fte-capaciteit, 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.