Automatisering, workflows en agents worden door elkaar gebruikt. Wat het verschil is, waarom je in een boekhouding niet zoveel mogelijk agent wilt, en welke aanbieders welke taak echt overnemen.
Iedere leverancier zegt inmiddels AI-agent. Het woord is in twee jaar van technische term naar verkoopargument gegaan.
Om te begrijpen wat een agent is, en vooral wat het niet is, moet je eerst drie woorden uit elkaar halen die door elkaar worden gebruikt: automatisering, workflow en agent. Ze overlappen, maar het onderscheid doet ertoe, en het gaat over één ding: hoeveel vrijheid heeft het systeem om zelf te bepalen wat het doet?
Drie soorten, oplopend in vrijheid
Regelgebaseerde automatisering. Als dit, dan dat. Jij bepaalt vooraf precies wat er in elke situatie moet gebeuren: als leverancier X, dan grootboek Y. Staat er "restaurant" op de factuur, dan kostenplaats representatie.
Dat werkt nauwkeurig en volledig voorspelbaar, tot er iets langskomt wat je niet had bedacht. Een nieuwe leverancier. Een bestelling in een vorm die er nog niet was. Dan doet de automatisering niets, en zit er weer iemand van je team naar te kijken.
Workflows, al dan niet intelligent. Hier ligt nog steeds vast welke stappen er zijn en in welke volgorde ze komen: lees de factuur, leg hem naast de order, wijkt hij af, zet hem in de wachtrij. Wat AI toevoegt, is dat afzonderlijke stappen beter worden opgelost, ook als de invoer net iets afwijkt van wat het systeem eerder zag.
Het pad door het systeem blijft hetzelfde. Alleen de stappen erop worden slimmer.
AI-agents, al dan niet autonoom. De naam zegt het: er is handelingsvermogen. Gekoppeld aan context en uitgerust met een set instructies, vaak skills genoemd, bepaalt een agent binnen bandbreedtes zelf hoe hij een probleem aanpakt. Eerst de order erbij, dan de ontvangst, dan de mail van vorige week waarin een toeslag werd aangekondigd. Bij de volgende factuur kan die route er anders uitzien, omdat de situatie anders is.
Waarom dit commercieel uitmaakt
De verhouding die dit gesprek beslecht is niet hoeveel facturen er automatisch doorgaan, maar hoe de tijd verdeeld is.
In de praktijk zien wij bij Claridy het steeds hetzelfde: de twintig procent van de facturen die niet in de regels past, kost meer dan tachtig procent van de tijd. Precies de gevallen die je niet had voorzien, zijn de gevallen waar iemand een half uur aan kwijt is.
Daarom is regelgebaseerde automatisering niet genoeg. Niet omdat hij slecht werkt op de tachtig procent, want daar werkt hij uitstekend, maar omdat die tachtig procent nooit het probleem was.
Meer handelingsvermogen is niet altijd beter
Het is verleidelijk om te denken dat je zoveel mogelijk agent wilt. Er kunnen immers meer dingen worden opgelost.
Maar hoe meer vrijheid, hoe minder voorspelbaar, en in finance is dat niet altijd wat je wilt. Een administratie heeft één eigenschap nodig die de meeste andere systemen niet nodig hebben: dezelfde invoer moet dezelfde uitkomst geven. Elke keer, ook over een jaar, ook als iemand het naloopt.
Een systeem dat deze factuur vandaag op grootboek 4300 boekt en volgende maand op 4310 omdat het de situatie anders inschatte, is onbruikbaar. Hoe redelijk die inschatting ook is, en hoe vaak hij ook goed uitpakt. Je accountant vraagt waarom deze boeking zo is gemaakt, en "het model vond van wel" is geen antwoord.
Het gaat er dus om te weten wat je wanneer inzet. En als je dat goed doet, hoeft het geen keuze te zijn tussen een systeem dat altijd hetzelfde doet en een systeem dat meedenkt.
De vuistregel: standaardiseer terugkerende processen zo ver als je kunt in workflows, maar zet er genoeg intelligentie op dat niet elke afwijking bij een medewerker terechtkomt. Een nieuwe leverancier, een nieuw artikel, een ontbrekend PO-nummer: dat zijn precies de gevallen waarvoor je handelingsvermogen inschakelt.
In de praktijk maak je die afweging per stap:
Deterministisch, altijd. De boeking zelf. Op welk grootboek, welke kostenplaats, welk project, welke btw-code. Welke drempel er geldt en wat er boven die drempel gebeurt. Dat is code die jij hebt vastgelegd en die elke keer identiek draait.
Handelingsvermogen, waar het nodig is. Uitzoeken wáárom een factuur niet matcht. De context erbij halen die een mens erbij zou halen. Een antwoord schrijven op een mail van een leverancier, passend bij wat die leverancier feitelijk vroeg. Dat zijn taken waarbij een sjabloon altijd tekortschiet, omdat de situaties niet op elkaar lijken.
De korte versie, en het is de zin die je aan een leverancier voorlegt: de AI leest en zoekt uit, de regel beslist.
AI-first, AI-native en agent zijn niet hetzelfde
Drie termen die door elkaar worden gebruikt terwijl ze over verschillende dingen gaan.
AI-first en AI-native gaan over hoe iets gebouwd is. Een AI-native product is vanaf de eerste regel code rond AI ontworpen, zonder sjablonen of vooraf bedachte regels als fundament. Een product met AI erbovenop is een bestaand systeem waar later een AI-laag aan is toegevoegd.
Agent gaat over wat iets kan. Namelijk: heeft het handelingsvermogen of niet.
Die twee assen staan los van elkaar. Je kunt AI-native zijn en toch een workflow draaien met nul handelingsvermogen. En je kunt een agent bouwen bovenop een systeem van twintig jaar oud. "AI-first" zegt dus iets over de bouwgeschiedenis en niets over wat er gebeurt met jouw factuur die niet matcht.
Dat is ook de reden dat het label je weinig helpt bij het kiezen. De vraag die wel helpt staat onderaan dit artikel.
Wat "AI in de leesstap" precies betekent
Bijna alle bestaande factuurverwerking heeft AI, en die zit vrijwel altijd op dezelfde plek. Het loont om precies te zijn over welke plek dat is.
Een factuur komt binnen als PDF of als afbeelding. Voordat er iets mee kan gebeuren, moet dat document worden omgezet in velden: welke leverancier, welk factuurnummer, welk bedrag, welk btw-tarief, en bij regelherkenning ook welke artikelen, in welke aantallen, tegen welke prijs.
Dat omzetten is de leesstap. AI maakt die aantoonbaar beter. Je hebt geen sjabloon per leverancier meer nodig, een nieuwe lay-out werkt meteen, en de regels op de factuur worden herkend in plaats van alleen de kopvelden. Basecone schrijft op hun eigen pagina dat ze AI inzetten op het totaalbedrag, het subtotaal en het btw-percentage. Zenvoices doet herkenning op factuurregelniveau. TriFact365 claimt dat het systeem leert van elke verwerkte factuur.
Wat de leesstap niet doet, is beslissen.
Dat er € 12,96 per stuk op de factuur staat, is een leesresultaat. Of dat klopt tegenover de bestelling, of een verschil van € 22,47 een afrondingsverschil is of een prijsfout, op welk grootboek het moet, wat je met het verschil doet en wie je erover mailt: dat zijn allemaal beslissingen. Bij trede 1 en 2 volgen die uit regels die jij vooraf hebt ingesteld, en waar geen regel past, gaat het naar een mens.
Waar het werk zit
Dat de agents er zijn, komt door waar de automatisering ophield.
In de analyse die Claridy maakte van 21.642 Nederlandse finance-vacatures is per genoemde taak bekeken of die direct te automatiseren is. Bij het inlezen en invoeren van facturen is dat 72,8 procent. Bij het matchen tegen inkooporders zakt het naar 47,2 procent, en bij fiatteren naar 22,1 procent.
Die aflopende reeks is precies waarom een vast pad niet genoeg is. Hoe verder je van het lezen af komt, hoe minder er met vooraf bedachte regels op te lossen valt.
De vier taken waar agents nu echt werk overnemen
Inkoopfacturen matchen en boeken. De factuur tegen de inkooporder en de goederenontvangst leggen, verschillen uitzoeken, coderen op je eigen assen, boeken. Het volwassenste gebied.
De facturenmailbox. Vragen van leveranciers over betaalstatus, aangekondigde creditnota's, uitgelegde prijsverschillen. Hier is nauwelijks software voor gekocht en gaat veel tijd in zitten. Dit is ook de taak waar handelingsvermogen het hardst nodig is, want geen twee mails zijn hetzelfde.
Bankmutaties toewijzen. Eén ontvangst koppelen aan tientallen openstaande facturen op basis van een betaalspecificatie die als PDF in een aparte mail zit.
Debiteurenbeheer. Aanmaningen, disputen, betaalafspraken.
De aanbieders, op de treden geplaatst
Basecone en ScanSys. Vastgelegde posities per leverancier, een Systeemakkoord voor de volledig matchende factuur, en AI in de herkenning. De verwerking volgt regels.
Zenvoices, TriFact365, Blue10, Klippa (nu Doxis SpendControl). Herkenning op factuurregelniveau, en bij Zenvoices een uitgebreide bibliotheek automatiseringsregels over meerdere administraties. Waar het stopt: het pad ligt vast, en de afwijking wordt gesignaleerd en doorgezet in plaats van uitgezocht. Dat is de grens van de categorie, geen gebrek, en onder de circa honderd facturen per maand is het precies wat je nodig hebt.
HighRadius, Esker, Serrala, Quadient. Volwassen producten met echte agents voor cash application en collections. Waar het stopt: prijs en implementatie horen bij een organisatie met een eigen shared service center. Voor honderd tot vijfhonderd medewerkers is dit te zwaar.
Claridy. Draait op Exact Online, NetSuite en Microsoft Dynamics 365, leest daaruit en schrijft ernaartoe, en houdt geen eigen administratie bij. De afwijking gaat eerst naar de agent, die narekent en de order, de ontvangst en de mail erbij haalt; de boeking die daaruit volgt is deterministische code die jij in gewone taal hebt beschreven. Voor crediteuren, debiteuren en het afletteren van de bank. Prijs: € 499 per maand vast, 3-way matching € 250 extra, maandelijks opzegbaar.[^bron1] Waar het stopt: onder de circa honderd facturen per maand is er te weinig herhaling om iets te leren.
Amerikaanse AP-platforms als Tipalti, Stampli, Ramp en Bill zijn sterk in goedkeuringsflows, kaarten en betalingen, en snel met agentfuncties. Ze staan hier niet als optie omdat Nederlandse boekhoudconventies, btw-codes en koppelingen op Exact of AFAS niet hun uitgangspunt zijn. Draai je internationaal met een Amerikaanse entiteit erbij, dan is dat een ander gesprek.
De valkuil: 95 procent is niet goed genoeg
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, en die allemaal terugvinden kost meer tijd dan ze zelf boeken had gekost.
Erger nog: een systeem dat meestal klopt, leert je team om te stoppen met controleren. Dan zijn die honderd fouten onzichtbaar tot de accountant erover valt.
Dit is ook precies waarom alleen handelingsvermogen niet werkt. Hoe minder vrijheid er in de daadwerkelijke uitvoering zit, hoe voorspelbaarder het resultaat.
Hoe je begint
Niet met alles tegelijk, en niet zelfstandig op dag één. Een leverancier die dat voorstelt, moet je wantrouwen.
De volgorde die werkt: het systeem stelt elke actie voor en je team keurt goed. Je ziet waar het klopt en waar niet. Daarna zet jij een drempel waarboven het zelf uitvoert, en die drempel schuif jij op op basis van wat je hebt zien gebeuren.
Het risico van proberen is laag omdat je geen migratie ingaat. Je zet er iets naast dat één klus overneemt. Werkt het niet, dan zet je het uit en staat je administratie er precies zo bij als ervoor.
Veelgestelde vragen
Software met handelingsvermogen: hij bepaalt zelf welke stappen nodig zijn om een financiële taak af te maken, in plaats van een vooraf uitgetekend pad te volgen. Hij begrijpt documenten, haalt de context erbij en handelt binnen vastgelegde regels in je bestaande systemen, met elke actie in een audit trail.
Regelgebaseerde automatisering voert vooraf bedachte als-dit-dan-dat-regels uit en stopt zodra er iets langskomt wat je niet had bedacht. Een workflow legt vast welke stappen er zijn en in welke volgorde; AI maakt de losse stappen beter, maar het pad blijft hetzelfde. Een agent heeft handelingsvermogen en bepaalt binnen bandbreedtes zelf hoe hij een probleem aanpakt.
Nee, en in finance zeker niet. Meer vrijheid betekent minder voorspelbaarheid, en een boekhouding vraagt dat dezelfde invoer dezelfde uitkomst geeft. Voor de boeking zelf wil je deterministische code. Handelingsvermogen zet je in bij het uitzoeken van verschillen en bij het beantwoorden van berichten.
AI-first en AI-native gaan over hoe een product gebouwd is, agent gaat over wat het kan. Je kunt AI-native zijn en toch een workflow draaien zonder enig handelingsvermogen. Het label zegt dus niets over wat er gebeurt met je factuur die niet matcht.
De plek. Bijna alle bestaande factuurverwerking heeft AI in de leesstap: het omzetten van een PDF naar velden, en bij regelherkenning naar artikelen, aantallen en prijzen. Een agent begint waar dat ophoudt, namelijk bij de vraag wat er met die velden moet gebeuren als ze niet kloppen.
Dat hoeft niet eens de vraag te zijn. Al het werk vóór de boeking kan de agent wel doen: uitzoeken waarom een factuur afwijkt, het PO-nummer opsporen dat de leverancier verkeerd heeft genoteerd, een oplossing voorstellen, en de mail naar de leverancier of de klant klaarzetten op basis van alles wat hij erbij heeft gehaald. Een mens in de lus is belangrijk, maar op de juiste plek. De data beoordelen vlak voordat er naar het ERP wordt geschreven is vaak een goede laatste controle. Dat is iets heel anders dan zelf het ordernummer opzoeken, zelf de grootboekafwijking opsporen en zelf de correctie invoeren. In het eerste geval controleer je werk dat af is. In het tweede geval doe je het werk.
Nee. Een chatvenster beantwoordt vragen, een agent voert werk uit in je systemen. De test: kan het ding iets veranderen in je ERP, of kan het er alleen over praten?
Stel één vraag: wat gebeurt er met de factuur die niet matcht? Verschijnt hij in een lijst, of probeert het systeem eerst zelf uit te zoeken waarom, en komt hij pas bij je team als dat niet lukt?
Dat hangt af van de taak en de omvang. Cash application en collections bij een grote organisatie: HighRadius of Esker. Zit je op Exact Online, NetSuite of Microsoft Dynamics 365 en kosten je crediteuren, je debiteuren of het afletteren van de bank structureel te veel tijd: Claridy. Gaat het je alleen om het lezen van facturen, dan heb je geen agent nodig maar scan-en-herkensoftware, en dan zijn Zenvoices, TriFact365 en Blue10 goedkoper.
Meer over de architectuur hierachter: wat is een system of action voor finance. Over wat AI wel en niet automatiseert aan factuurverwerking: automatische factuurverwerking. Alle leveranciers naast elkaar: de vergelijkingsgids.
Bron vacature-analyse: Claridy, 21.642 Nederlandse finance-vacatures, 2026. Laatst gecontroleerd: 2026-08.