Inkoop bestaat uit een lange keten van taken: van signaleren dat er iets nodig is, tot onderhandelen, bestellen, ontvangen en factureren. Sommige van die taken zijn grotendeels administratief en volgen een vast patroon. Andere vragen inschatting, relatiegevoel of een afweging die niet in regels te vangen is. Onze taxonomie telt 62 taken binnen dit domein, verdeeld over drie categorieën. Dit artikel laat het patroon zien: welk soort werk waar valt, en waarom.
Taken die AI in de praktijk zelfstandig kan uitvoeren, hebben doorgaans twee kenmerken: de invoer is gestructureerd en er is een duidelijk, toetsbaar juist antwoord. Denk aan orderbevestiging controleren. Prijs, aantal en levertijd op de bevestiging worden vergeleken met wat er besteld is, en een afwijking is objectief vast te stellen. Er is geen interpretatieruimte nodig.
Hetzelfde geldt voor bestelling plaatsen bij leverancier zodra een inkoopaanvraag is goedgekeurd. Het omzetten van een goedgekeurde aanvraag naar een officiële order is een kwestie van gegevens correct overnemen in het juiste systeem en formaat, niet van beoordeling.
Ook inkoopfacturen verwerken valt hier grotendeels onder: het matchen van factuur, bestelling en ontvangstbon is een drieweg-vergelijking met vaste criteria. Zolang de documenten digitaal en leesbaar zijn, is dit een taak waarbij een systeem sneller en consistenter matcht dan een mens dat handmatig doet. Wat deze taken gemeen hebben, is dat de bron van waarheid al vastligt in andere systemen: de order, de aanvraag, het contract. AI vergelijkt en verwerkt, het verzint niets.
De grootste groep taken op de inkoopafdeling combineert een AI-voorstel met een menselijke beoordeling die goedkeurt of afkeurt, met reden. Dat is een andere werkverdeling dan volledige overname: het systeem doet de eerste slag, de mens draagt de verantwoordelijkheid voor het besluit.
Offertes opvragen en vergelijken is hier een goed voorbeeld. Een systeem kan moeiteloos offertes naast elkaar leggen op prijs, voorwaarden en levertijd, en dat overzicht is waardevol. Maar welke leverancier het beste past bij de situatie, hangt ook af van zaken die niet altijd in de offerte staan: eerdere ervaringen, strategisch belang, risicobereidheid. Die afweging vraagt een mens die de uitkomst kan goedkeuren of afkeuren.
Prijsafwijkingen onderzoeken valt eveneens in deze categorie. Een systeem kan signaleren dat een factuurprijs afwijkt van de afgesproken prijs en zelfs een vermoedelijke oorzaak aandragen. Maar het daadwerkelijk oplossen met de leverancier, en de vraag of de afwijking acceptabel is, blijft een beoordeling die iemand met kennis van de relatie en het contract moet maken.
Ook leveranciersprestaties beoordelen hoort hier. Data over levertijd, kwaliteit en klachten is goed te verzamelen en samen te vatten, maar het oordeel over wat dat betekent voor het vervolg van de relatie is een beslissing met gevolgen die een mens moet kunnen onderbouwen. Deze categorie is in de praktijk de grootste, omdat inkoop bij uitstek een vakgebied is waar cijfers een aanwijzing geven, maar niet het hele verhaal.
Een derde groep taken leent zich niet voor overname, ook niet met toezicht, omdat de kern van het werk draait om overtuigen, vertrouwen opbouwen of een besluit met langetermijngevolgen nemen dat niet uit data alleen volgt.
Inkoopprijzen onderhandelen is het duidelijkste voorbeeld. Onderhandelen is een dynamisch, sociaal proces waarin toon, timing en wederzijds vertrouwen minstens zo belangrijk zijn als de cijfers. Een AI-systeem kan input leveren, maar het gesprek zelf voeren is iets anders.
Leverancier selecteren voor een belangrijk of langlopend contract blijft eveneens mensenwerk, zeker wanneer de keuze verder gaat dan prijs en levertijd. Strategische afhankelijkheid, reputatierisico en de kwaliteit van de samenwerking op lange termijn zijn factoren die zich moeilijk laten kwantificeren.
Daarnaast blijft leverancier onboarden een taak waar menselijke controle nodig is op de compliance- en betaalgegevens, juist omdat fouten hier financieel risico opleveren. Dit sluit aan bij een breder thema: wanneer AI-gebruik raakt aan besluiten over wie werk uitvoert of hoe een organisatie is ingericht, gelden daarvoor eigen wettelijke vereisten, zoals ook te lezen is in de AI-verordening en uw werknemers.
Wat de drie categorieën scheidt, is niet de complexiteit van de taak op zichzelf, maar de aard van de beslissing die erin schuilt. Vergelijken, matchen en overnemen van reeds vastgelegde gegevens is geschikt voor volledige automatisering. Beoordelen op basis van meerdere, deels zachte criteria vraagt toezicht. Overtuigen, onderhandelen en strategisch kiezen blijft mensenwerk. Dit patroon is niet uniek voor inkoop: bij welk werk kan AI overnemen op de logistiek en bij HR-taken, zoals beschreven in welk werk kan AI overnemen op de HR-afdeling, keert dezelfde driedeling terug: gestructureerd werk naar categorie 1, beoordelingswerk naar categorie 2, relatie- en besluitwerk naar categorie 3.
Hoeveel uren dit concreet vrijspeelt, hangt sterk af van de omvang van de inkoopafdeling, de systemen die al gekoppeld zijn en het aantal leveranciers en contracten. Daar is geen algemeen percentage voor te geven zonder de eigen situatie te kennen.
De indeling in dit artikel geeft het patroon, niet de precieze situatie op uw eigen inkoopafdeling. Voor een eerste indicatie is er de gratis quickscan van ftetoai: twaalf vragen, zonder account, met een indicatie welk deel van de uren in uw profiel vandaag door AI is over te nemen. De volledige werkscan, die dieper ingaat op specifieke taken en processen, is nog in aanbouw; die kunnen we hier nog niet aanbieden, maar wel aankondigen zodra hij beschikbaar is.
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.