Waar factuurverwerking vastloopt: de uitzonderingen

Elke leverancier van AP-automatisering belooft minder handwerk. Wie het echt op schaal heeft gedaan, weet dat de standaardfacturen het probleem niet zijn. De uitzonderingen zijn dat.

Een factuur die matcht met de inkooporder, de juiste leveranciersgegevens heeft en binnen de fiatteringsgrens valt, verwerkt elk fatsoenlijk systeem vanzelf. Dat is de makkelijke 60 tot 70% van je volume. De lastige 30 tot 40% is de stapel uitzonderingen: prijsverschillen, ontbrekende ordernummers, deelleveringen, discussies over betaaltermijnen, en de lange staart van eenmalige gevallen die niet in het sjabloon passen.

Hoe je automatisering met die uitzonderingen omgaat, bepaalt of je echt handwerk wegneemt of het alleen verplaatst.

Waarom uitzonderingen regelgebaseerde automatisering breken

RPA en AP-tools van de eerste generatie doen met uitzonderingen allemaal hetzelfde: ze zetten ze in een wachtrij voor een mens en stoppen. Dat is geen implementatiefout, maar een grens van regelgebaseerde automatisering. Een regel kan zeggen: is het bedrag binnen 2% van de order, keur automatisch goed. Een regel kan niet zeggen: deze factuur is 8% hoger door een brandstoftoeslag die vorige maand mondeling met inkoop is afgesproken, dus waarschijnlijk akkoord.

Dat tweede vraagt om context begrijpen, een afweging maken en soms een andere bron checken. Dat kunnen regels niet. Dus escaleren ze, en loopt de wachtrij vol. Bij de meeste volwassen RPA-implementaties zit daar het handwerk: de makkelijke facturen zijn geautomatiseerd, het team doet de uitzonderingen. Zijn dat er 30%, dan doet je team 30% van het werk. Groeit dat, met nieuwe leveranciers, nieuwe productgroepen, complexere contracten, dan groeit de werklast gewoon mee.

Wat AI-agents met uitzonderingen doen

Een AI-agent in de crediteurenadministratie stuurt niet elke uitzondering naar de wachtrij. Hij redeneert er eerst over. De AI leest de factuur, ziet het verschil, checkt het tegen de inkooporder, zoekt context (staat deze leverancier bekend om toeslagen? staat er een notitie over variabele prijzen op de order?), weegt het verschil tegen het beleid, en besluit: zelf goedkeuren, opheldering vragen bij de leverancier, naar de juiste fiatteur sturen, of aanbieden voor controle op hoger niveau.

Dat verschilt van een regelgebaseerd systeem, omdat de AI niet matcht op vaste voorwaarden maar redeneert over de situatie. De finance-agent van Freeday doet dit bij Woonbron voor 35.000 facturen per jaar, op zo'n 80% end-to-end. Die 80% bevat facturen die een regelsysteem als uitzondering zou wegzetten, maar die de AI aankan omdat het verschil binnen een te beredeneren marge valt.

Welke uitzonderingen de AI goed aankan

Prijsverschillen binnen een marge. Factureert een leverancier 1.050 euro op een order van 1.000, dan kan de AI checken of dat binnen het tolerantiebeleid valt, of deze leverancier vaker kleine afrondingen heeft, en of het bedrag onder de automatische fiatteringsgrens ligt. De meeste van deze gevallen kunnen zonder mens door.

Ontbrekende ordernummers. In plaats van elke factuur zonder ordernummer naar de wachtrij te sturen, probeert de AI hem te koppelen aan een openstaande order op basis van leverancier, bedrag, datumbereik en omschrijving. Bij een gedeeltelijke match legt hij de waarschijnlijke order voor met een zekerheidsscore, in plaats van hem stuurloos als "niet gematcht" weg te zetten.

Dubbele facturen. De AI vergelijkt binnenkomende facturen met de historie op bekende patronen: zelfde leverancier, zelfde bedrag, korte tijd ertussen. Mogelijke dubbelingen worden gemarkeerd met het bewijs erbij, niet stilletjes verwerkt of geweigerd.

Valuta- en btw-verschillen. Facturen van buitenlandse leveranciers hebben vaak afrondingsverschillen in de omrekening of afwijkende btw-behandeling. De AI kan afwegen of 0,50 euro verschil op een factuur van 10.000 een echt geschil is of een afrondingsartefact dat gewoon geboekt kan worden.

Welke uitzonderingen een mens houden

Eerlijk is eerlijk: sommige uitzonderingen hoort een AI niet zelf af te handelen, en goed ontwerp maakt dat expliciet.

Commerciële geschillen. Factureert een leverancier voor werk dat niet is geleverd of dat je betwist, dan is dat een relatiekwestie. De AI kan het verschil signaleren en een samenvatting klaarzetten, maar de keuze om te accepteren, te onderhandelen of te betwisten hoort bij een mens.

Contractinterpretatie. Zijn de contractvoorwaarden onduidelijk over wat binnen de scope valt, dan is juridische en commerciële input nodig die buiten de bevoegdheid van de AI ligt.

Fraudesignalen. Facturen met signalen als nieuwe bankgegevens, ongewoon leveranciersgedrag of bedragen net onder de fiatteringsgrens gaan altijd met een duidelijke markering naar een mens. De AI herkent de patronen, maar de beslissing wordt niet geautomatiseerd.

Hoge fiatteringsgrenzen. Facturen boven de afgesproken grens krijgen altijd een handtekening van een mens, of de AI ze nu zou goedkeuren of niet. Dat is een governance-eis, geen tekortkoming.

Het principe: de AI doet alles binnen een afgebakende scope en biedt alles daarbuiten mét context aan. Een goede AP-uitrol legt die grenzen vast vóór de livegang.

Wat er verandert voor je AP-team

Als de AI de automatiseerbare uitzonderingen oppakt, verandert het werk van je team. In plaats van een mix van standaardfacturen en uitzonderingen houden je mensen alleen de zaken over die echt om een oordeel vragen: commerciële geschillen, hoge fiatteringen, fraude-onderzoek, relatiegevoelige situaties. Minder volume, meer complexiteit.

Bij Pathe verwerkt de AI 50.000 facturen per jaar op 75%, wat 2,5 fte vrijspeelt. Die 2,5 fte verdwenen niet: ze gingen naar leveranciersbeheer, ondersteuning bij contractonderhandelingen en de echt complexe gevallen. Dat is de verschuiving die meer telt dan het automatiseringspercentage zelf.

Wat een uitzonderingsanalyse van 30 dagen je vertelt

Vóór je AP-automatisering inricht, is de handigste oefening een uitzonderingsanalyse over 30 dagen: rubriceer elke factuur die de afgelopen maand handmatig werk vroeg.

In een Nederlandse AP-afdeling ziet de verdeling er vaak zo uit: prijs- en tolerantieverschillen (35 tot 40% van de uitzonderingen), ontbrekende of foute ordernummers (20 tot 25%), risico op dubbele facturen (15 tot 20%), en echt complexe gevallen die een oordeel vragen (15 tot 25%).

De eerste drie categorieën zijn automatiseerbaar. De laatste niet, of in elk geval niet volledig. Valt 75 tot 85% van je uitzonderingen in de automatiseerbare categorieën, dan heb je een sterke businesscase. Zijn de complexe gevallen 40% of meer, dan bestaat de case nog steeds, maar ligt het verwachte percentage lager. Hoe die analyse de scope bepaalt, lees je op de pagina over factuurverwerking automatiseren. Waar RPA precies tegenaan loopt, staat in RPA versus AI-agents.

De meest gestelde vragen

Welk deel van de factuuruitzonderingen kan AI zelf afhandelen?

Op basis van de uitroldata en gangbare verdelingen in Nederlandse AP-afdelingen: 70 tot 80% van het uitzonderingsvolume. Prijstoleranties, ontbrekende ordernummers en dubbeldetectie zijn de grootste automatiseerbare types.

Wat gebeurt er als de AI een uitzondering fout beoordeelt?

Elke beslissing wordt vastgelegd, en je beoordeelt periodiek een steekproef van de automatische besluiten. Foute beslissingen komen aan het licht via de leverancier (bij een betwiste goedkeuring) of via die steekproef, en je scherpt de afhandeling daarop aan.

Werkt dit met elk ERP-systeem?

Freeday koppelt met de grote ERP's in de Nederlandse markt, waaronder SAP, AFAS en Microsoft Dynamics. De koppeling met je order- en contractdata maakt dat de AI accuraat kan redeneren.

Hoe voorkom je dat de AI frauduleuze facturen goedkeurt?

Fraudesignalen (nieuwe bankgegevens, bedragen net onder de grens, ongewoon leveranciersgedrag) staan ingesteld als verplichte doorzet naar een mens. De AI markeert die en gaat niet zelf verder, ongeacht het bedrag.

Welke fiatteringsgrens is juist voor automatische besluiten?

Dat is beleid, geen techniek. De meeste organisaties beginnen voorzichtig, met automatische goedkeuring tot 500 of 1.000 euro, en verhogen de grens naarmate het vertrouwen groeit.

Benieuwd wat er in jouw AP-proces te automatiseren valt? Bekijk de klantcases of plan een gesprek.