Financiën automatiseren: factuurverwerking en herinneringen

Waar de tijd in gaat

Documentverwerking klinkt als één handeling, maar het zijn er vier: het document vinden, de gegevens eruit halen, controleren of ze kloppen, en ze in het juiste systeem zetten. Alleen de tweede stap is echt geschikt voor AI. De andere drie zijn gewone, saaie automatisering — en juist daar zit het meeste tijdverlies.

Een typisch MKB-bedrijf met 300 tot 500 inkomende facturen per maand is hier 15 tot 25 uur per maand mee kwijt. Dat is geen schatting die ik overneem uit een whitepaper; dat is wat eruit komt als je iemand een week laat bijhouden hoe lang het duurt.

Hoe de keten eruitziet

Een werkende factuurstraat bestaat uit vijf schakels. De AI zit alleen in schakel twee.

1. Binnenhalen

Facturen komen binnen via een aparte mailbox, een leveranciersportaal of op papier. Eén ingang aanwijzen is de belangrijkste voorbereiding die je kunt doen — en meteen de stap die het vaakst wordt overgeslagen.

2. Uitlezen

Hier doet het model het werk: leverancier, factuurnummer, datum, factuurbedrag, btw-bedrag en btw-tarief, en de losse regels. Dit is waar het verschil zit met klassieke OCR, die alleen tekens herkent maar niet begrijpt welk bedrag het totaal is.

3. Controleren

Vaste regels, geen AI. Klopt het btw-bedrag met het percentage? Bestaat dit factuurnummer al? Hoort het bedrag bij een bekende bestelling? Is de leverancier bekend? Elke controle die je hier toevoegt, scheelt later een correctieboeking.

4. Inboeken

Naar Exact Online, Moneybird of wat je ook gebruikt, via hun API. Grootboek en kostenplaats afleiden uit de leverancier: als die altijd hetzelfde is, hoeft er niets slims aan te pas te komen.

5. Twijfelgevallen tonen

Alles wat door de controles valt, komt op één scherm terecht waar iemand het in tien seconden afhandelt. Dit is de schakel waar goedkope oplossingen op bezuinigen, en precies de schakel die bepaalt of het in de praktijk werkt.

Wat je realistisch overhoudt

Reken niet op nul handwerk. Een goed ingeregelde straat verwerkt 80 tot 90 procent volledig zelfstandig. De rest zijn creditnota's, facturen in vreemde valuta, bonnetjes van een tankstation en dat ene bedrijf dat zijn factuur nog steeds als foto in de mail plakt.

Op 400 facturen per maand betekent dat: van ongeveer 20 uur naar 2 à 3 uur. Hoe die som verder loopt inclusief bouw- en gebruikskosten, staat uitgerekend in het kostenoverzicht — dit is precies het rekenvoorbeeld dat daar staat.

Herinneringen aan de andere kant

Debiteurenbeheer is de spiegel hiervan en vaak nog eenvoudiger, omdat je hier zelf de data in handen hebt. Een factuur die 14 dagen openstaat krijgt een vriendelijke herinnering, na 30 dagen een stevigere, na 45 dagen een seintje aan jou in plaats van aan de klant.

Hier is nauwelijks AI voor nodig — het is een reeks regels op een datum. Waar een taalmodel wél helpt: de toon van de herinnering aanpassen aan de relatie, zodat je vaste klant van tien jaar niet dezelfde kille standaardtekst krijgt als een eenmalige afnemer.

Eén regel die je hard moet inbouwen: nooit automatisch escaleren naar een incassotraject. Dat is een beslissing met financiële en juridische gevolgen, en die hoort bij een mens te liggen — zie ook wat de AI Act daarover zegt.

Waar het misgaat

Beginnen zonder één ingang. Als facturen op vier plekken binnenkomen, automatiseer je vier keer. Regel eerst dat alles via één mailbox gaat; dat kost een middag en scheelt de helft van het project.

De controlestap te zwaar maken. Als iemand elke uitgelezen factuur alsnog volledig moet nakijken, heb je niets bespaard. Controleer steekproefsgewijs zodra het aantoonbaar goed gaat, en laat de automatisering alleen de gevallen tonen waar hij zelf niet uitkwam.

Denken dat dit AI-werk is. Grofweg 80 procent van dit project is gewone code: koppelingen, controles, foutafhandeling. Dat is ook precies waarom het zo betrouwbaar te maken is — zie het verschil tussen beide vormen.