Automatische factuurverwerking met AI: hoe het echt werkt (2026)

Elk systeem zegt dat het facturen automatisch verwerkt. Wat er de afgelopen twintig jaar werkelijk is geautomatiseerd, waar het ophoudt, en wat er nodig is om een factuur van begin tot eind door te laten lopen.

De verwachting van finance-teams is de afgelopen jaren gestaag omhooggegaan, en dat is niet gekomen door factuursoftware.

Tien jaar geleden was de vraag of je nog gegevens moest overtypen. Dat is opgelost, en het is inmiddels de minimumverwachting. Al wordt zelfs die niet altijd gehaald: zodra een factuur afwijkt van wat het systeem kent, of van een leverancier komt die er nog niet in staat, zit er alsnog iemand te corrigeren.

Claridy in het kort

De lat ligt inmiddels ergens anders. Iedereen op de afdeling heeft ChatGPT of Claude op zijn telefoon, plakt daar een contract of een factuur in en krijgt een antwoord dat de context begrijpt, verbanden legt en doorvraagt. Dat verandert wat je van je eigen systemen verwacht, en die verwachting stijgt elk kwartaal een stukje.

Wat een team nu verwacht, is een systeem dat meedenkt. Dat de huurfactuur die in mei binnenkomt maar over juni gaat, ook in juni boekt. Dat ziet dat deze factuur bij die inkooporder hoort, ook al staat het ordernummer er niet op. Dat onthoudt op welke kostenplaats de vorige elf facturen van deze leverancier zijn geboekt, en de twaalfde net zo behandelt. Dat de mail erbij pakt waarin de leverancier heeft uitgelegd waarom er minder is geleverd dan besteld.

Scan-en-herkensoftware is daar niet op gebouwd. Niet omdat het slecht gemaakt is, maar omdat het een ander probleem oploste.

Wat er wél is geautomatiseerd

Het lezen van een factuur is opgelost, en dat is het al een tijd. Sinds OCR rond de eeuwwisseling betaalbaar werd, hoeft niemand meer een factuurnummer over te typen. Bedrag, datum, btw, leverancier: dat haalt elk systeem eruit. En bij een UBL- of Peppol-factuur valt er niet eens iets te lezen, want die komt al als gestructureerde velden binnen.

Wat er daarna komt, is grotendeels blijven liggen. Dat is te zien aan waar bedrijven nog steeds mensen voor aannemen.

Wij hebben 21.642 Nederlandse finance-vacatures doorgenomen en per genoemde taak bekeken of die direct te automatiseren is.

Die aflopende reeks is het hele verhaal. Hoe verder je van het lezen af komt, hoe minder er automatisch gaat, en dat is precies het werk waarvoor bedrijven nog steeds vacatures uitzetten.

Dat zie je terug bij bedrijven die hun boel netjes op orde hebben. Een internationale hardware-reseller met 500 tot 800 facturen per maand, scan-en-herkensoftware volledig ingericht, vertelde ons dat er geen factuur doorheen gaat zonder handmatige tussenkomst. Niet omdat de herkenning faalt, maar omdat er na de herkenning nog steeds iemand moet beslissen.

Er kwam AI bij, en die is in de leesstap gaan zitten

De bestaande software heeft de laatste jaren AI toegevoegd, en dat heeft echt geholpen. Herkenning op regelniveau werd beter, boekingssuggesties werden beter, en het aantal sjablonen dat je moet onderhouden werd kleiner.

Maar kijk waar die AI terechtkwam. In het lezen. Wat daaronder gebeurt, bleef wat het was: regels die jij van tevoren hebt ingesteld. Als dit leverancier X is, dan grootboek Y. Staat er "restaurant" op de factuur, dan kostenplaats representatie.

Dat is het verschil tussen twee heel verschillende dingen. Wat je nodig hebt is een systeem dat leest, redeneert, de context erbij haalt en op basis van jouw instructies een oplossing zoekt. Wat je krijgt is een systeem dat leest, en daarna een regel volgt die jij hebt bedacht.

De CFO van een onderhoudsbedrijf in de luchtvaart vatte het samen als: het systeem is oké, maar het maakt geen stappen. Wat hij bedoelde is dat het niet leert. Elke aanpassing die je aanbrengt, moet je de maand daarna opnieuw aanbrengen.

Daardoor gaan er drie dingen structureel mis

Het systeem leert niet van je correcties. Dit is de klacht die in vrijwel elk gesprek terugkomt. Bij een reisdienstverlener op NetSuite leest de scanmodule regels, vervaldata en btw-codes structureel verkeerd. Hun controller rekende voor dat de eerste verwerking van één factuur ongeveer een half uur kost, en dat het systeem daar niets van meeneemt. Dezelfde leverancier, dezelfde fout, elke maand opnieuw. Bij een distributeur op NetSuite OneWorld hetzelfde beeld met de ingebouwde scanfunctie: één leverancier met facturen over meerdere regels blijft maand na maand fout terugkomen.

Een systeem dat elke maand dezelfde correctie vraagt, automatiseert niet. Het verplaatst het werk van typen naar controleren, en controleren is niet sneller.

Eén factuur die bij meerdere orders of dimensies hoort. Bij datzelfde onderhoudsbedrijf in de luchtvaart struikelt de software op facturen met meerdere PO-nummers erop. Elke factuur moet daar bovendien op drie assen gecodeerd worden, grootboek, kostendrager en kostenplaats, verspreid over vier locaties. De software doet de eerste as, de andere twee blijven mensenwerk. Bij de distributeur komt één leveranciersfactuur binnen die in het ERP over vier tot zeven orderregels is verdeeld, en telt iemand die regels met de hand bij elkaar op om te kunnen matchen.

Dit is geen randgeval. Dit is wat er gebeurt zodra je inkoop en logistiek serieus neemt.

Het verschil wordt gesignaleerd, niet opgelost. Matcht een factuur niet, dan gaat hij terug de wachtrij in. Wat er daarna moet gebeuren, uitzoeken waarom, de leverancier mailen, de creditnota opvragen, zit in geen enkel scan-en-herkenpakket. Dat is precies waar de uren zitten. Bij dezelfde reisdienstverlener wordt één verzamelde uitbetaling handmatig aan honderden losse ritten gekoppeld, stuk voor stuk aangeklikt.

Waar die 80 procent over gaat

Elke leverancier belooft ongeveer hetzelfde percentage, en dat getal is niet gelogen. Het is alleen gemeten op de standaardgevallen, met de regels die standaard in het pakket zitten. De eigenaar van een accountantskantoor met ruim honderd administraties zei het zo:

"Er wordt altijd heel populair gedaan over: wij kunnen 80 procent automatisch verwerken. Alleen, als je iets dieper gaat, dan verschuift het werk. Je had iemand die invoer deed en daar goed in was, en dat verschuift naar een ander takenpakket, want je moet opeens settings gaan bijhouden. Het verschuift van uitvoer naar beheer. En als dat beheer niet goed gaat, moet je strakker op je controles zitten, en dat zijn net de mensen die het al te druk hebben."

Wat er buiten die 80 procent valt, is alles wat specifiek is voor jou. Staat de factuur op de juiste entiteit? Staan de betaalcondities erop? Voldoet hij aan de btw-eisen die de Belastingdienst stelt? Een scanstraat kijkt daar niet naar, want die controles zitten niet in de doos en laten zich ook niet als sjabloon instellen.

En al helemaal niet valt eronder wat er daarna zou moeten gebeuren. Constateren dat de tenaamstelling niet klopt is één ding. De mail terugsturen naar de leverancier met de vraag om een correcte factuur is het werk. Dat zit in geen enkel scan-en-herkenpakket, en het is precies de reden dat de uren blijven staan terwijl de boekingsgraad omhoog gaat.

Controle aan de voorkant, of een maand later

Bij hetzelfde kantoor bestaat er een tienpuntenlijst waarop elke binnenkomende factuur gecontroleerd hoort te worden, plus per klant de afwijkingen daarop in de klantnotitie. Die kennis is dus opgeschreven. Alleen wordt hij nergens afgedwongen, want het pakket kent hem niet.

Dat laat twee mogelijkheden over, en allebei kosten ze. Je controleert achteraf, integraal, over alle administraties. Dan doe je hetzelfde werk alsnog en heeft de automatisering weinig opgeleverd. Of je controleert aan de voorkant, op het moment dat de factuur binnenkomt, en dan kun je de leverancier er nog op aanspreken terwijl het uitmaakt. Kom je er een maand later mee, bij de afsluiting, dan is het een correctieboeking geworden.

Zijn voorbeeld: komt er een factuur van tienduizend euro binnen die op de verkeerde rechtspersoon staat, dan moet daar meteen iets gebeuren. Niet omdat het niet geboekt kan worden, maar omdat de btw er niet op teruggevraagd kan worden en je het achteraf bij de leverancier moet rechtzetten.

Dat verplaatst de vraag. Niet hoeveel procent gaat automatisch, maar: welke controles kan ik afdwingen op het moment dat het document binnenkomt, en wat gebeurt er automatisch als eentje faalt.

Zonder je leveranciers en klanten lastig te vallen

Er zit nog een prijskaartje aan dat zelden in een demo langskomt. De meeste oplossingen beginnen ermee dat je iedereen die je facturen stuurt een nieuw e-mailadres moet geven, of dat je klanten een nieuwe app moeten installeren. Dat is geen instelling maar een coördinatieproject, en bij honderd relaties loopt het maandenlang door.

De vraag om aan een leverancier te stellen is dus of je documenten kunt blijven ontvangen waar ze nu al binnenkomen. Verandert er niets aan de kant van je leveranciers en je klanten, dan is de invoering een technische stap. Moet iedereen om, dan is het een verandertraject en hoort dat in je businesscase.

Hoe het wel werkt

Er zijn drie dingen nodig, en ze bouwen op elkaar.

Lezen zonder sjablonen. AI heeft geen voorbeeld nodig om te zien dat dit een factuurregel is. Nieuwe leverancier, andere lay-out, factuur in het Duits: er valt niets aan te leren. Dat is geen efficiëntiewinst maar het verdwijnen van een hele beheertaak.

Begrijpen met de context erbij. De vraag is zelden wat er op de factuur staat, maar of het klopt. Daarvoor moet een systeem erbij kunnen halen wat een mens erbij zou halen: de order, de ontvangst, de vorige factuur van dezelfde leverancier, de mail waarin een toeslag werd aangekondigd, het contract. "Laptop Stand" op de factuur is hetzelfde artikel als "Notebook Riser" op de order, en dat is een taalvraag, geen zoekvraag.

Handelen binnen jouw regels. Begrijpen is nog geen automatisering. Er moet geboekt worden, gesplitst over orderregels, gecodeerd op alle assen die jij gebruikt, gemaild naar de leverancier met het verschil erbij, en klaargezet voor betaling.

De manier om erover na te denken is niet die van software inrichten, maar die van iemand inwerken. Je geeft instructies zoals je die aan een collega geeft. Of preciezer: zoals je ze aan een goede stagiair geeft. Iemand die in het begin veel uitleg nodig heeft, aan wie je de eerste weken alles moet voordoen, maar die het daarna kan én onthoudt. Je legt één keer uit dat de facturen van deze verhuurder altijd over de volgende maand gaan, en daarna hoef je dat niet meer te zeggen.

De grens: AI leest, de regel beslist

En hier zit het deel dat een leverancier je zelden vertelt. AI mag die laatste stap niet zelf beslissen.

Een systeem dat in 95 procent van de gevallen gelijk heeft klinkt uitstekend en is in een boekhouding onbruikbaar. Vijf procent van tweeduizend facturen is honderd foute boekingen per maand die iemand moet terugvinden. Erger nog, een systeem dat meestal klopt leert je team om te stoppen met controleren.

De bouwvorm die wél werkt is een scheiding: het model leest en begrijpt, de regel beslist. Je beschrijft in gewone taal hoe er verwerkt moet worden, inclusief je uitzonderingen, en dat wordt deterministische logica die elke keer identiek draait. Corrigeert je team een boeking, dan wordt die correctie zelf een regel. Je onderhoudt geen sjablonen en geen regels, je werkt iemand in.

Die scheiding is ook wat een audit trail bruikbaar maakt. Bij een systeem dat per factuur opnieuw een inschatting maakt, kun je achteraf hooguit vaststellen dát er iets besloten is. Bij een systeem waarin het oordeel als regel is vastgelegd, staat er waaróm: welke regel raakte, welke context werd erbij gehaald, en wat er zou zijn gebeurd als het net anders was gelopen. Voor je accountant is dat het verschil tussen een logregel en een onderbouwing.

Zet het ook niet op dag één zelfstandig aan, en wantrouw een leverancier die dat voorstelt. Eerst stelt het systeem elke actie voor en keurt je team goed. Je ziet waar het klopt. Daarna zet jij een drempel: daarboven voert het systeem uit, daaronder gaat het naar je team, met het voorwerk gedaan.

Wat je ervan mag verwachten

Na een paar maanden inwerken gaat bij onze klanten ongeveer 80 procent van de facturen automatisch door. De rest is de uitzondering die echt een beslissing vraagt, en die hoort bij een mens. Onder de circa honderd facturen per maand is er te weinig herhaling om iets te leren, en dan ben je met scan-en-herkensoftware goedkoper uit.

Past dit bij jou?

Een eerlijk antwoord scheelt je een demo. Dit werkt goed, en dit niet.

Veelgestelde vragen

Meer context over de generaties techniek en alle leveranciers: de vergelijkingsgids factuurverwerkingssoftware. Over waarom "scan en herken" een verouderde term is: scan en herken. Over matchen tegen order en ontvangst: 3-way matching automatiseren.

Bron vacature-analyse: Claridy, 21.642 Nederlandse finance-vacatures, 2026. Laatst gecontroleerd: 2026-08.