Scan en herken: de uitzonderingen die je kantoor nog handmatig doet

Bijna elk accountants- en administratiekantoor heeft de factuurstroom inmiddels geregeld. Er staat een scanservice voor, de post en de mailbox lopen erin leeg, en het gros van de documenten rolt er aan de andere kant geboekt weer uit. Toch blijft er elke week een stapel over waar niemand het over heeft. Niet de facturen die goed gingen, maar de rest: het document dat de herkenning niet plaatste, de creditnota die aan iets ouders vastzit, de bankmutatie die op twee facturen tegelijk slaat.

/ 01De laatste meter

De laatste meter van de factuurstroom

Dat restant is geen softwareprobleem. Het is de laatste meter van je factuurstroom, en die is bij de meeste kantoren van niemand. Erger nog: hij landt precies bij je schaarste. Uit onderzoek van NOAB onder negentig administratie- en belastingadvieskantoren blijkt dat personeelstekort veruit de belangrijkste reden is om werk uit te besteden, terwijl kostenbesparing een beperkte rol speelt.¹ Opvallend is vooral wat er niet in staat: automatiseren komt als alternatief niet voor. Terwijl juist het repeterende uitzoekwerk dat kantoren uitbesteden zich het beste laat automatiseren. Dat is de blinde vlek, en de reden dat onze Quickstart altijd op een afgebakend werkproces begint in plaats van op een heel pakket.

Leveranciers verkopen de meters die wel vanzelf gaan, en terecht, want daar zit de meeste winst. Exact presenteert Scan en Herken zelf met de belofte van een tijdsbesparing tot 73 procent.² Neem die claim voor wat hij is: een cijfer van de leverancier over de tijd die je bespaart. Hij zegt niets over wat er met het restant gebeurt, en dat is nou net de vraag waar je assistent-accountants elke week op vastlopen.

/ 02De restpost

Wat er precies blijft liggen

Vraag een assistent-accountant welke documenten blijven staan en je krijgt geen willekeurige lijst, maar steeds dezelfde zes categorieen. Dat is geen fout in de software. Herkenning leert per leverancier, en afwijkingen worden gesignaleerd, niet opgelost. Dat is een ontwerpkeuze van optische herkenning met leerregels erbovenop.

• Nieuwe of eenmalige leveranciers. Zonder leerpatroon belandt het document in de wachtrij. Bij een eenmalige leverancier haalt dat patroon zichzelf nooit in: je corrigeert een keer en ziet die partij daarna niet terug.
• Verzamelfacturen over meerdere rekeningen. Tientallen regels die over grootboekrekeningen, kostenplaatsen of projecten verdeeld moeten worden. Totaalbedrag en btw worden feilloos gelezen, maar de splitsing is een beslissing, geen aflezing.
• Creditnota's die aan een eerdere factuur horen. Een creditnota is pas juist geboekt als hij aan de oorspronkelijke factuur hangt. Koppelen vraagt een zoekactie in de openstaande posten.
• Gemengde btw-tarieven en verlegde btw. Een document met 21 en 9 procent door elkaar, of met verlegde btw op een deel van de regels, dwingt tot verwerking op regelniveau. Bij bouw- en installatieklanten is dat dagelijkse kost.
• Bonnen met slechte beeldkwaliteit. Een vervaagde kassabon, een ontbrekende btw-specificatie, een schaduw over de foto. De herkenning geeft eerlijk aan dat ze het niet zeker weet, en dat levert een wachtrij op.
• Documenten die geen factuur zijn. Aanmaningen, rekeningafschriften, contracten en polissen komen via dezelfde mailbox binnen. Ze moeten eruit, gearchiveerd of doorgestuurd. Sorteerwerk, en toch werk.

Wat die zes gemeen hebben: er is een beslissing nodig waarvoor context vereist is die niet op het document staat. Welke projecten lopen er, welke factuur hoort hierbij, wat deed deze leverancier vorige maand. Een herkenningslaag kijkt naar een document; deze beslissingen vragen om de administratie eromheen.

/ 03De rekensom

Wat die naloop per week kost

Bijna geen kantoor weet wat die naloop kost, want de uren verdwijnen in de verzamelpost administratie. Ze staan zelden apart op een urenbriefje.

Een richtpunt geeft een partnerbijdrage van Combidesk op Accountancy Vanmorgen van 16 juni 2026. Die rekent met 30 tot 45 minuten per klant per week aan controleren, splitsen en afletteren, en komt bij tien klanten uit op ongeveer zes uur per week. De bron presenteert dat zelf expliciet als schatting, en het is bovendien een leverancier die er een oplossing bij verkoopt.³ Gebruik het om je eigen gevoel aan te toetsen, niet als meetwaarde voor jouw kantoor.

Je eigen getal reken je in vijf minuten uit: aantal administraties maal minuten naloop per week maal het uurtarief van de medewerker die het daadwerkelijk doet. Reken met het tarief van je assistent-accountant, want dat is de capaciteit die je kwijt bent. Het bedrag is per klant zelden schokkend, en precies daarom blijft het liggen. Maar het herhaalt zich elke week, en bij een groeiend kantoor groeit deze post evenredig mee terwijl de opbrengst per administratie gelijk blijft.

/ 04De bank

Afletteren: het tweede uitzonderingenlijstje

Naast de factuurstroom loopt een tweede stroom met een eigen uitzonderingenlijst: de bankmutaties. Automatisch afletteren werkt op een exacte match: het bedrag klopt op de cent, of er staat een betalingskenmerk of factuurnummer in de omschrijving. Zolang een klant per factuur betaalt, gaat dat vanzelf goed. Wat blijft liggen is opnieuw voorspelbaar:

• Deelbetalingen. De helft nu en de rest later, waardoor geen van beide mutaties op een openstaande post past.
• Samengevoegde betalingen. Vier facturen in een bedrag, zonder specificatie. Iemand moet de combinatie zoeken die optelt.
• Betalingsverschillen. Een creditnota of een betalingskorting eraf, waardoor het bedrag net niet klopt.
• Uitbetalingen van betaaldienstverleners. Een bulkbedrag waar transactiekosten van af zijn, die naar een eigen grootboekrekening moeten.
• Buitenlandse valuta. Koersverschil en bankkosten maken van een kloppende factuur een afwijkende mutatie.
• Incasso-storneringen. De incasso mislukt, de mutatie komt terug, de oorspronkelijke boeking moet weer open.

Juist dit werk leent zich voor een agent, om drie redenen. Het is regelmatig: dezelfde types komen elke week terug. Het is contextrijk maar niet vaag, want de openstaande posten en de factuurhistorie staan in het systeem. En er is altijd een controleerbaar spoor terug: elk voorstel wijst naar een concrete factuur, een bedrag en een verklaarbaar verschil. Die toetsbaarheid is de voorwaarde om dit uit handen te durven geven.

/ 05Het werkproces

Hoe je de naloop wel automatiseert

De interessante vraag is niet welk model je gebruikt, maar hoe het werkproces eruitziet. Een naloop-laag die werkt doorloopt vier stappen, en die volgorde is belangrijker dan de techniek eronder.

Signaleren: per type, niet per document

De grootste tijdwinst zit in het bundelen. Twintig losse documenten kosten twintig keer inlezen. Dezelfde twintig, gesorteerd in vier stapels van hetzelfde type, kosten vier keer nadenken en zestien keer bevestigen. En je ziet meteen welk uitzonderingstype je week opvreet.

Verrijken: de administratie erbij halen

Hier komt een scanservice per definitie niet aan toe, want die kijkt naar een document. Een naloop-agent kijkt naar de administratie eromheen: hoe is deze leverancier de vorige zes keer geboekt, welke posten staan open, welke projecten liepen er. Hoe zo'n laag antwoorden uit je eigen bronnen haalt in plaats van uit algemene modelkennis, staat in RAG uitgelegd in plain Nederlands.

Voorstellen: met redenering en bron

Een voorstel zonder onderbouwing is waardeloos: de assistent loopt het dan alsnog zelf na. Met redenering en bronverwijzing erbij is het in seconden te beoordelen. Hier ligt ook het onderscheid met een chatbot: een agent heeft een taak, een trigger en een resultaat in plaats van een gesprek, zoals uitgewerkt in het verschil tussen een AI-agent en een chatbot.

Voorleggen: de mens klikt af

De laatste stap is bewust geen automatische boeking. De assistent keurt goed, corrigeert of stuurt terug met een reden. Die reden laat zien waar het voorstel structureel misgaat.

Dat dit geen schets op een whiteboard is, weten we omdat we het zelf draaien: 57 agents over 5 servers, lokaal en cloud, volledig automatisch, over de administraties van onze eigen bedrijven. Het patroon hierboven is de vorm die overbleef nadat we onze eigen uitzonderingen lang op de moeilijke manier hadden gedaan. Wat dat breder betekent voor een werkplek staat in de gids AI voor het MKB.

/ 06Cliëntdata

Waarom dit niet in een generieke tool kan

Aan die verrijkingsstap zit een consequentie die je niet kunt omzeilen. Een naloop-agent redeneert per administratie met eerdere boekingen erbij, dus hij raakt cliëntdata. Niet incidenteel, maar bij elk voorstel dat hij doet. Daarmee is een generieke chat-tool waar je een factuur in plakt geen lichtere variant van dezelfde oplossing, maar een andere categorie met een ander risico.

De eisen die daaruit volgen zijn geen luxe: scheidbare tenants per administratie zodat data van de ene cliënt nooit in de context van de andere terechtkomt, EU-data waar mogelijk, een verwerkersovereenkomst en een log met welk voorstel op welke bron rust. Wij werken AVG-bewust en beloven geen absolute garanties, wel een opzet die je zelf kunt controleren.

De volledige uitwerking daarvan, inclusief de geheimhoudingsplicht en de verwerkersovereenkomst-keten, staat in private AI voor accountants: AVG-bewuste documentverwerking. Dat artikel doet die kant volledig; hier volstaat dat cliëntscheiding een ontwerpeis is, geen instelling die je achteraf aanzet.

/ 07De grens

Wat je juist niet moet automatiseren

Een naloop-laag wordt geloofwaardig zodra je benoemt waar hij ophoudt. Drie dingen laat je bewust met rust, ook als de techniek ze zou kunnen.

1. De goedkeuring zelf. De accountant blijft eindverantwoordelijk en tekent. Een voorstel blijft een voorstel, ook als het honderd keer achter elkaar klopte. Haal je het afklikken weg, dan verlies je het enige controlepunt dat je hebt.
2. Alles waar de agent geen bron bij kan tonen. Geen bron betekent geen voorstel, maar een vraag. Een boeking die alleen op waarschijnlijkheid rust is voor een controlepraktijk niet bruikbaar, hoe plausibel de uitkomst ook oogt.
3. Fiscale keuzes met een beoordelingsmarge. Of iets investering of kosten is, of hoe je een gemengde uitgave behandelt, is een oordeel met gevolgen. Daar hoort een mens bij die het kan uitleggen aan de cliënt en aan de Belastingdienst.

En een vierde, van een andere orde: automatiseer de uitzondering niet die drie keer per jaar voorkomt. Inrichting, test en onderhoud verdienen zich daar niet terug, en je houdt een regel over die niemand meer begrijpt als hij over een half jaar misgaat.

/ 08Beginnen

Welke uitzondering je als eerste pakt

Begin nooit met de moeilijkste. Het selectiecriterium is een vermenigvuldiging van drie dingen: hoogste frequentie, meest voorspelbare oplossing, volledig controleerbaar spoor. Scoort een type laag op een van die drie, dan is het de verkeerde starter, hoe irritant hij ook is.

Bij de meeste kantoren komt dat uit op de verzamelfactuur van een vaste leverancier of op het afletteren van deelbetalingen. Beide komen elke week terug, beide hebben een oplossing die zich in een regel laat uitleggen, en bij beide wijst het voorstel naar een factuur die je in twee seconden natrekt. Daarmee bouw je het vertrouwen op voor het volgende type.

Concreet is dat bij ons een Quickstart: een vaste prijs van 750 tot 1.500 euro, een afgebakend werkproces, werkend binnen zeven werkdagen. Geen platform, maar een uitzonderingstype dat na die week voorstellen aanlevert die je assistent kan beoordelen. Wat erin zit en wat buiten scope blijft, staat op de Quickstart-pagina.

Drie stappen die je deze week kunt zetten:

1. Tel een week lang je uitzonderingen. Laat bij elk document en elke mutatie die blijft staan het type noteren. Na een week weet je welke twee categorieen je naloop bepalen, en dat is waardevoller dan elk benchmarkcijfer.
2. Zet het naast de bredere kantoorcontext. De spoke AI-werkplek voor accountantskantoren behandelt vier andere scenario's, van dossiervragen tot cliëntmail, plus de valkuilen rond beroepsethiek en aansprakelijkheid.
3. Leg je telling naast een werkproces. Plan een gesprek via de agenda en neem je lijstje mee. Dan gaat het over jouw twee zwaarste uitzonderingstypes, niet over AI in het algemeen.

De scanservice die je hebt blijft gewoon staan. Wat je toevoegt is de laag die oppakt wat erna overblijft, en dat is precies het werk waarvoor je nu geen mensen kunt vinden.