Waarom facturatie-automatisering vaak halverwege stopt
De meeste factuurstromen zijn niet chaotisch omdat mensen slordig zijn. Ze zijn chaotisch omdat leveranciers ieder hun eigen opmaak hanteren, referentienummers niet consistent zijn, en de interne administratie met de jaren is meegegroeid met uitzonderingen die nooit zijn opgeschreven. Als je daar een AI-laag overheen legt zonder die basis aan te pakken, automatiseer je het chaos-beheer. De AI verwerkt netjes wat netjes binnenkomt, maar de uitzonderingen, en dat zijn er altijd meer dan verwacht, belanden alsnog bij een medewerker. Het resultaat: het systeem werkt voor zeventig procent van de gevallen, de rest kost evenveel tijd als voorheen. Dat is geen geslaagde automatisering.
Wat werkt wel: eerst de stroom in kaart, dan automatiseren
De aanpak die wél werkt, begint niet met techniek maar met een eerlijke inventarisatie van de factuurstroom. Hoeveel facturen komen er per week binnen? Van hoeveel verschillende leveranciers? Welke opmaakvormen zijn er, PDF, e-mail met bijlage, EDI, portaal? En wat zijn de meest voorkomende redenen dat een factuur nu handmatig wordt aangepast? Die laatste vraag is de meest waardevolle. Als je tien medewerkers vraagt waarom ze een factuur aanpassen, krijg je tien antwoorden, maar de helft ervan gaat over drie of vier structurele problemen. Die los je op voordat je automatiseert. Dan is de AI-stap klein, snel en betrouwbaar.
Hoe ziet facturatie automatiseren met AI er concreet uit?
In de praktijk werkt het zo: inkomende documenten, of dat nu PDF-facturen, e-mails of andere formaten zijn, worden door een document-AI gelezen en omgezet naar gestructureerde velden: leverancier, factuurdatum, factuurnummer, regels, bedragen, btw. Die velden worden getoetst aan de inkooporder of het contract in het ERP-systeem. Matcht alles binnen de marges? Dan boekt het systeem automatisch en gaat de factuur akkoord zonder dat iemand er naar kijkt. Matcht iets niet? Dan krijgt de medewerker een melding met precies het veld dat afwijkt, niet de hele factuur. De mens beslist op het afwijkende punt, niet op de hele factuur. Dat is waar de tijdwinst zit: niet het lezen elimineren, maar het uitzoeken terugbrengen tot het essentiële.
Wanneer is AI hier juist niet de oplossing?
Als het facturatieproces nog niet vastligt, is AI het verkeerde startpunt. Als goedkeuringsroutes per afdeling anders zijn en niemand weet precies wie waarvoor tekent, als inkooporders niet consequent worden aangemaakt of als de ERP-stamdata vol staat met dubbele leveranciersnummers, dan los je die problemen niet op met automatisering. Je maakt ze onzichtbaar totdat ze groot genoeg zijn om te crashen. Dan is het eerlijkere advies: regel eerst het proces, dan het systeem. Automatisering maakt een goed proces sneller. Een slecht proces maakt het sneller slecht.
Wat neem je mee uit dit leermoment?
Facturatie automatiseren met AI is haalbaar, ook zonder een volledig nieuw ERP-systeem. Maar het vraagt om eerlijkheid over de huidige staat van de data en het proces. De bedrijven waar het goed werkt, hebben één ding gemeen: ze hebben de uitzonderingen geïnventariseerd en de helft daarvan opgelost voordat er een regel code is geschreven. De techniek, het uitlezen van documenten, het matchen op orders, het routeren van afwijkingen, is al bewezen. De voorbereiding is het werk. En die voorbereiding kost minder tijd dan een jaar lang dezelfde handmatige controles blijven uitvoeren.