Waarom traditionele automatisering vastloopt op ongestructureerde facturen en AI juist niet

Automatisering en AI worden vaak in één adem genoemd. Begrijpelijk, want beide zorgen voor minder handmatig werk. Maar onder de motorkap zijn het fundamenteel verschillende werelden. Zeker als het gaat om documentverwerking, zoals bij inkomende facturen.

Traditionele automatisering draait op regels

De klassieke vorm van automatisering is “rule-based”. Een soort programmeertaal voor bedrijfsprocessen: als dit, dan dat.

• Als een factuur een herkenbaar PO-nummer bevat → dan matchen met de order.
• Als het bedrag boven de €5.000 is → dan moet het langs een tweede goedkeurder.
• Als het btw-nummer ontbreekt → dan markeren als fout.

Deze aanpak werkt zolang de binnenkomende informatie aan verwachtingen voldoet. Maar dat is zelden het geval. Leveranciers gebruiken uiteenlopende opmaak, sturen soms nog pdf’s met embedded afbeeldingen, of vergeten verplichte velden. Deze afwijkingen zijn  uitzonderingen op het proces – en uitzonderingen zijn uitval.
 
Kortom: traditionele automatisering floreert bij standaardisatie. Zodra een document niet aan de norm voldoet, moet een medewerker ingrijpen.

 
AI werkt juist goed als er géén standaard is

En hier komt AI om de hoek kijken. Want AI, en dan met name machine learning, werkt niet op basis van harde regels — maar op basis van patroonherkenning.

 
Waar een traditionele oplossing vastloopt op “geen PO-nummer gevonden in veld X”, kijkt een AI-model naar het hele document. Op basis van context, tekstinhoud, lay-out en ervaring met duizenden voorbeelden kan het systeem tóch het juiste veld herkennen.

Bijvoorbeeld:

• Een totaalbedrag staat niet op de gebruikelijke plek? AI herkent het alsnog door context (“incl. btw”, “betaling binnen 30 dagen”) en visuele opmaak.
• Een factuurnummer wordt fout gelabeld? AI leert wat typisch een factuurnummer is op basis van structuur, lengte, positie en combinaties.
• Velden als ‘leverdatum’ of ‘aantal’ worden op variabele plekken weergegeven? AI gebruikt relatieve positie en zinscontext om het alsnog goed te labelen.

AI is dus minder afhankelijk van standaardisatie — en juist goed in het omgaan met ongestructureerde informatie.

 
AI en automatisering: geen tegenstelling, maar aanvulling

AI is geen vervanging van automatisering, maar een krachtige uitbreiding ervan. Waar automatisering werkt binnen de lijntjes, kan AI waarde toevoegen in de grijze gebieden ertussen.

 
In de praktijk zie je dit al bij moderne oplossingen voor factuurverwerking:

• Eersteklas herkenning van PDF- en XML-facturen, ook als ze afwijken.
• Automatisch labelen en coderen van boekingsregels zonder vaste template.
• Voorspellingen over kostenplaatsen of grootboekrekeningen, op basis van historische data.

Zodra AI is geïntegreerd, wordt de keten veerkrachtiger. Minder uitval, minder uitzonderingen, minder menselijke tussenkomst.

 
Standaardisatie is voorwaarde, AI is belofte

Standaardisatie is de voorwaarde voor automatisering. Maar AI is de belofte voor alles wat daarbuiten valt.

Voor finance-afdelingen betekent dit: geen frustratie meer over afwijkende leverancierslay-outs of ontbrekende velden. Maar een robuuste, zelflerende aanpak — die wél werkt in de praktijk.