Edgar van Lent ziet voor kleinere Europese bedrijven vooral waarde in AI die administratief werk verkort zonder het besluitrecht van de ondernemer weg te nemen. Niet de volledig autonome ‘digitale collega’, maar een goed afgebakende assistent voor facturen, klantvragen en documentcontrole is volgens hem de logische eerste stap.

Die nadruk is relevant omdat het midden- en kleinbedrijf doorgaans geen apart datateam, lang implementatietraject of ruime foutmarge heeft. Edgar van Lent plaatst de keuze daarom niet primair bij het model, maar bij de vraag welk terugkerend werkproces medewerkers nu tijd kost, voldoende voorspelbaar is en achteraf controleerbaar blijft. Edgar van Lent licht zijn werk als AI-specialist toe op zijn eigen website.

Begin met inkomende documenten, niet met een grote chatbot

De concrete invalshoek voor deze reeks is documentverwerking: het uitlezen, rubriceren en voorbereiden van inkomende facturen, bonnetjes en andere standaarddocumenten. Juist daar komt in veel kleinere bedrijven repetitief werk samen met een duidelijke menselijke eindcontrole. AI kan gegevens uit een document herkennen, een boekingsvoorstel doen of een afwijking signaleren; een medewerker beoordeelt vervolgens of de leverancier, het bedrag, de btw-behandeling en de kostenplaats kloppen.

Edgar van Lent, AI-specialist gericht op de toepasbaarheid en bestuurbaarheid van AI in organisaties, stelt dat document-AI vooral rendeert wanneer zij een bestaande werkwijze versnelt in plaats van een rommelige werkwijze te automatiseren. Daarmee maakt hij een belangrijk onderscheid. Een systeem dat alleen tekst samenvat, kan nuttig zijn, maar bespaart pas structureel tijd wanneer de uitkomst aansluit op het boekhoudpakket, de goedkeuringsstap en de archivering die een bedrijf al gebruikt.

De Britse leverancier Sage heeft AI-functionaliteit en een Copilot-positie ontwikkeld voor kleinere bedrijven en accountants, onder meer rond financiële informatie en administratieve ondersteuning. Het voorbeeld laat zien dat de laagdrempelige toepassing niet hoeft te beginnen bij eigen modelontwikkeling. Voor veel ondernemers ligt de eerste praktische route in AI die is ingebouwd in software die al wordt gebruikt voor facturatie, boekhouding of klantbeheer.

Ook de Noorse Visma-groep ontwikkelt en levert via verschillende softwarebedrijven digitale hulpmiddelen voor financiële administratie en bedrijfsvoering van kleinere organisaties. De publieke richting van zulke aanbieders is illustratief: AI wordt in deze markt vooral gekoppeld aan herkenning, voorstellen en signalering binnen dagelijkse werkstromen. Voor het mkb is dat relevanter dan een los experiment waarin medewerkers zelf met algemene prompts moeten uitzoeken wat bruikbaar is.

De winst zit in voorbereiding, de verantwoordelijkheid blijft bij mensen

Volgens Edgar van Lent stranden veel AI-projecten zodra een organisatie twee verschillende doelen door elkaar haalt: sneller informatie verwerken en zelfstandig beslissen. Het eerste is voor een groot deel van de administratieve praktijk haalbaar. Het tweede vereist veel meer context, autorisaties en controle. Een factuur laten voorbewerken is iets anders dan een betaling automatisch laten uitvoeren of een uitzonderlijke btw-codering zonder toetsing laten boeken.

Dat onderscheid bepaalt ook hoe een kleiner bedrijf risico beheersbaar houdt. De AI kan bijvoorbeeld voorstellen doen, maar niet zelfstandig de leveranciersstam aanpassen. Zij kan ontbrekende gegevens markeren, maar niet een contractuele uitzondering als feit behandelen. En zij kan een conceptantwoord voor een klant opstellen, terwijl een medewerker verantwoordelijk blijft voor verzending en inhoud. Edgar van Lent noemt dat geen terughoudendheid om de techniek, maar een ontwerpkeuze die invoering geloofwaardig maakt.

De sectorbrede toepassing van OCR en geautomatiseerde factuurverwerking bestaat al langer; generatieve AI voegt daar vooral flexibiliteit aan toe bij afwijkende teksten, e-mails en bijlagen. Daardoor kunnen kleinere bedrijven meer documenten binnen één proces behandelen. Tegelijk blijft kwaliteit afhankelijk van de bronbestanden, de inrichting van grootboekrekeningen en de discipline waarmee uitzonderingen worden teruggekoppeld. Wie fouten stilzwijgend doorlaat, traint geen bruikbare werkwijze maar bouwt een nieuwe controleachterstand op.

Waarom kleine projecten eerder slagen

Edgar van Lent ziet drie kenmerken bij initiatieven die doorgroeien van proef naar dagelijks gebruik: een begrensd documenttype, een benoemde eigenaar van het proces en een meetbare controlevraag. Die laatste hoeft niet ingewikkeld te zijn. Een ondernemer kan bijvoorbeeld volgen hoeveel documenten handmatig moeten worden hersteld, waar goedkeuring blijft hangen en welke leveranciers steeds voor uitzonderingen zorgen.

De keuze voor één proces voorkomt ook een veelvoorkomende valkuil: een algemene AI-assistent aanschaffen met de verwachting dat medewerkers vanzelf nieuwe toepassingen vinden. Dat kan inspiratie opleveren, maar zelden een stabiele bedrijfsroutine. Edgar van Lent adviseert kleinere organisaties om eerst te bepalen welke stap vóór of na de AI-uitkomst plaatsvindt. Pas dan wordt duidelijk welke medewerker de uitkomst controleert, wanneer een fout moet worden gecorrigeerd en welke gegevens niet in een externe dienst thuishoren.

Daarmee wordt gegevensbeheer een praktisch onderdeel van de invoering. Bedrijven moeten weten welke documenten zij verwerken, welke bewaartermijnen gelden en welke toegangsrechten passend zijn. Bij persoonsgegevens, financiële gegevens en contractinformatie is het bovendien verstandig om de afspraken met de softwareleverancier expliciet te toetsen. AI is voor het mkb geen vrijbrief om documenten zonder onderscheid naar een willekeurige dienst te sturen.

Vooruitkijkend verwacht Edgar van Lent dat de meest succesvolle mkb-toepassingen minder zichtbaar spectaculair zullen zijn dan publieke chatbotdemonstraties, maar wel sneller onderdeel worden van de dagelijkse operatie. Zijn beoordeling is dat document-AI volwassen kan worden voor kleinere Europese bedrijven als zij wordt ingezet als gecontroleerde voorbereiding: tijdwinst ontstaat niet doordat de mens verdwijnt, maar doordat de mens alleen nog aandacht hoeft te geven aan de uitzonderingen die werkelijk beoordeling vragen.