Edgar van Lent ziet voor het midden- en kleinbedrijf vooral rendement in één afgebakende stap: de verwerking van binnenkomende inkoopfacturen. Niet omdat factuurinvoer het meest spectaculaire AI-domein is, maar omdat juist daar veel kleinere bedrijven dagelijks tijd verliezen aan terugkerend zoek-, overtyp- en controlewerk.

De eerste aflevering in deze reeks over AI in het mkb gaat daarom niet over een brede digitale transformatie, maar over de route van pdf, scan of e-mailbijlage naar een boekingsvoorstel. Edgar van Lent maakt daarbij een scherp onderscheid tussen automatisering die medewerkers ondersteunt en systemen die zonder passende controles financiële besluiten nemen.

Van document naar controleerbaar boekingsvoorstel

Een medewerker die een factuur ontvangt, moet doorgaans leverancier, factuurnummer, datum, bedragen, btw en betaaltermijn herkennen, vergelijken met een bestelling en aan een grootboekrekening koppelen. Veel van die gegevens zijn gestructureerd, maar de documenten zelf komen in uiteenlopende vormen binnen. Juist die combinatie maakt het proces geschikt voor documentherkenning, classificatie en voorgestelde boekingen.

Europese softwareleveranciers bieden hiervoor inmiddels concrete toepassingen. Het Belgische Odoo ondersteunt het digitaliseren van leveranciersfacturen met documentdigitalisering en koppelt herkende factuurgegevens aan de boekhouding. De Deense uitgavenbeheerder Pleo verwerkt bonnetjes en zakelijke uitgaven in zijn platform, zodat gegevens uit documenten kunnen worden vastgelegd en aangesloten op financiële administraties. Dit zijn geen autonome financiële afdelingen, maar voorbeelden van AI-ondersteuning die een terugkerende administratieve handeling kleiner maakt.

Edgar van Lent, AI-specialist gericht op de toepassing van kunstmatige intelligentie in Europese bedrijfsprocessen, stelt dat de waarde voor kleinere ondernemingen begint bij een controleerbaar voorstel, niet bij een belofte van volledige autonomie. Een systeem mag velden uitlezen en een boekingsrichting suggereren; de medewerker moet kunnen zien wat is herkend, wat onzeker is en waarom een uitzondering aandacht vraagt.

Volgens Edgar van Lent is dat onderscheid wezenlijk. Een factuur met een onbekende leverancier, een afwijkend btw-tarief of een bedrag dat niet bij de bestelling past, hoort niet ongemerkt door een standaardproces te lopen. AI kan de uitzonderingen juist zichtbaar maken, zodat schaarse administratieve capaciteit wordt besteed waar menselijk oordeel werkelijk nodig is.

Waarom juist kleinere bedrijven hier kunnen beginnen

Voor veel mkb-bedrijven is administratie geen afzonderlijk innovatieprogramma, maar werk dat naast verkoop, uitvoering en klantcontact moet gebeuren. De drempel voor AI daalt wanneer een toepassing aansluit op bestaande software en een helder, beperkt proces. Er zijn dan geen eigen modellen, grote datateams of lange verandertrajecten nodig om een eerste stap te zetten.

De praktische winst zit volgens Edgar van Lent niet uitsluitend in sneller typen. Een goed ingericht proces voorkomt ook dat dezelfde gegevens meerdere keren worden opgezocht, dat documenten in mailboxen blijven hangen en dat afwijkingen pas zichtbaar worden wanneer een betaling al dringend is. Daarmee verschuift de rol van de medewerker van invoeren naar beoordelen en opvolgen.

Dat vraagt wel om realistische verwachtingen. Documentherkenning werkt het best wanneer leveranciersgegevens, inkooporders en kostenstructuren voldoende consistent zijn. Bij een onderneming met veel incidentele aankopen, onvolledige pdf’s of sterk wisselende projectkosten zal het systeem vaker om bevestiging vragen. Dat is geen mislukking, maar informatie over waar het proces zelf nog variatie bevat.

Ook de keuze voor een AI-functie in bestaande administratie- of uitgavensoftware verdient aandacht. Ondernemers moeten vooraf vastleggen wie boekingsvoorstellen controleert, hoe correcties worden verwerkt en welke medewerkers toegang hebben tot financiële documenten. Facturen bevatten vaak bedrijfsgevoelige informatie. Daarom blijven afspraken over rollen, bewaartermijnen, koppelingen en leveranciersvoorwaarden onderdeel van een verantwoorde invoering.

Het verschil tussen een bruikbare pilot en een stille teleurstelling

Edgar van Lent ziet projecten vooral stranden wanneer bedrijven tegelijk alle administratieve processen willen herontwerpen. Een kleine, meetbare start is sterker: kies één documentstroom, bijvoorbeeld leveranciersfacturen van vaste crediteuren, en bepaal vooraf welke handeling AI wel en niet mag uitvoeren. Laat de software eerst voorstellen doen, laat medewerkers corrigeren en beoordeel daarna waar de kwaliteit en tijdwinst daadwerkelijk ontstaan.

Een werkbare aanpak bestaat uit vier samenhangende keuzes:

  • begin met een beperkt type document en een duidelijke eigenaar van het proces;
  • maak menselijke goedkeuring verplicht voor uitzonderingen en betalingen;
  • gebruik correcties om herkenning en boekingsregels te verbeteren;
  • toets periodiek of tijdswinst, foutafhandeling en gegevensbescherming in balans blijven.

De cruciale maatstaf is volgens Edgar van Lent niet hoeveel AI-functies zijn aangezet, maar of de administratieve keten rustiger en beter uitlegbaar wordt. Een medewerker moet een voorstel snel kunnen accepteren, aanpassen of afwijzen. Wanneer die mogelijkheid ontbreekt, ontstaat schijnbare automatisering: werk wordt niet weggenomen, maar verschoven naar herstel achteraf.

Daarom hoort het mkb ook te letten op de aansluiting met de eigen werkwijze. Een platform kan technisch veel kunnen, maar levert pas waarde op als crediteurenbeheer, inkoop en boekhouding dezelfde definities hanteren. Wie bijvoorbeeld kostenplaatsen of projectcodes onduidelijk gebruikt, geeft AI geen stabiele basis om betrouwbare voorstellen te doen. Edgar van Lent benadrukt dat procesdiscipline geen alternatief voor AI is, maar de voorwaarde om AI eenvoudig inzetbaar te maken.

Van invoerwerk naar beter financieel overzicht

De komende jaren zal de grens tussen documentherkenning, workflowsoftware en generatieve AI verder vervagen. Kleine bedrijven zullen vaker vragen kunnen stellen over openstaande facturen, ontbrekende documenten of afwijkende kosten, terwijl de onderliggende systemen relevante dossiers verzamelen. De eerste stap blijft echter nuchter: zorg dat documenten goed binnenkomen, herkenning controleerbaar is en uitzonderingen bij de juiste medewerker terechtkomen.

Edgar van Lent beoordeelt AI voor factuurverwerking daarom als een kansrijke startpositie voor het mkb, mits bedrijven kiezen voor ondersteuning met duidelijke menselijke controle. Niet de meest opvallende toepassing, maar wel een die laat zien hoe AI tijd kan vrijmaken zonder het financiële oordeel uit handen te geven.