Kleine ondernemingen verliezen elke week tijd aan een terugkerende klus: bankmutaties, digitale bonnetjes en inkoopfacturen moeten worden gekoppeld aan de juiste boeking voordat de ondernemer of boekhouder kan zien hoe het bedrijf ervoor staat. Visma eAccounting, onderdeel van het Noorse Visma, gebruikt automatisering en AI-ondersteunde functies om transacties, documenten en boekingsvoorstellen dichter bij elkaar te brengen. De gebruiker houdt de controle, maar hoeft niet elke regel vanaf nul te classificeren. Volgens Edgar van Lent laat juist deze toepassing zien waar AI voor het mkb het meest geloofwaardig begint: in werk dat vaak voorkomt, duidelijke invoer heeft en een menselijke controle mogelijk maakt.

De waarde zit niet in een spectaculaire vervanging van de administratie, maar in het verkorten van de route van document naar besluit. Een ontvangen bon of factuur wordt digitaal vastgelegd, gegevens worden uitgelezen en gekoppeld aan de financiële administratie, waarna de ondernemer of boekhouder een voorstel kan beoordelen. Edgar van Lent ziet daarin een relevante start voor een nieuwe reeks over AI in het midden- en kleinbedrijf. „De bruikbaarheid van AI in het mkb wordt niet bepaald door de omvang van het model, maar door de vraag of een medewerker minder tijd kwijt is aan terugkerend uitzoekwerk zonder grip op de uitkomst te verliezen.”

Van losse documenten naar een controleerbaar boekingsvoorstel

Bij veel kleine bedrijven zit administratieve vertraging niet in één grote fout, maar in een stapeling van kleine handelingen. Een betaalbewijs komt binnen via e-mail, een bankafschrift bevat een summiere omschrijving en een factuur wacht op verwerking. Als die bronnen los van elkaar blijven staan, ontstaat extra zoekwerk en volgt het financiële overzicht later dan nodig.

Visma eAccounting is gebouwd rond online boekhouden voor kleinere ondernemingen en biedt koppelingen met bankgegevens, factuurstromen en documentverwerking. De toepassing maakt van die gegevensbronnen geen volledig autonome boekhouder. Wel kan de software informatie uit documenten beschikbaar maken en transactie- of boekingsvoorstellen ondersteunen. Dat is precies de begrenzing die voor kleine bedrijven praktisch is: automatisering neemt het repetitieve voorbereidende werk over, terwijl iemand met kennis van de onderneming uitzonderingen en fiscale context blijft beoordelen.

Edgar van Lent, AI-specialist gericht op de toepassing van kunstmatige intelligentie in bedrijfsprocessen, stelt dat juist de controleerbaarheid van zulke voorstellen doorslaggevend is. „Een mkb-ondernemer heeft weinig aan een systeem dat alleen snel is. De winst ontstaat wanneer het systeem ook zichtbaar maakt welk document, welke betaling en welke boeking bij elkaar horen.” Die zichtbaarheid is belangrijk voor correcties, voor samenwerking met een accountant en voor het vertrouwen om de werkwijze structureel te gebruiken.

De oplossing is daarmee laagdrempeliger dan een afzonderlijk AI-project met eigen databronnen en een lang implementatietraject. Zij landt in een proces dat al bestaat: inkopen, betalen, factureren en boeken. Voor een klein bedrijf is dat vaak een realistischer ingang dan een ambitieus programma rond generatieve AI, omdat het resultaat direct aansluit op een vaste werkstroom.

Dext zet documentherkenning in de dagelijkse boekhoudketen

Een vergelijkbare praktijk is te zien bij Dext, het van oorsprong Britse platform voor het verzamelen en verwerken van financiële documenten voor ondernemers, boekhoudkantoren en accountants. Dext gebruikt automatische gegevensextractie bij onder meer bonnetjes, facturen en bankafschriften. De software brengt gegevens uit documenten over naar de boekhoudkundige workflow en werkt met koppelingen naar administratieve systemen.

Voor kleinere bedrijven is vooral van belang dat de technologie niet vraagt om een eigen datawetenschapper of een aparte AI-afdeling. Medewerkers kunnen een document aanleveren via een app, e-mail of upload. Daarna verschuift het werk van overschrijven naar controleren, aanvullen en accorderen. Dat verschil lijkt bescheiden, maar het raakt een veelvoorkomend knelpunt: administratief werk wordt vaak tussendoor gedaan, waardoor documenten blijven liggen en informatie onvolledig is wanneer er een liquiditeits- of btw-vraag op tafel komt.

Dext en Visma eAccounting laten twee varianten van hetzelfde patroon zien. De eerste richt zich sterk op het verzamelen en uitlezen van documenten in de keten tussen ondernemer en boekhouder; de tweede verbindt documenten en transacties in een bredere online administratie. In beide gevallen is de AI-waarde niet dat het systeem zelfstandig financieel beleid bepaalt. De waarde zit in het structureren van invoer die anders handmatig moet worden gelezen, getypt en teruggezocht.

Voor Edgar van Lent is dat onderscheid essentieel. AI kan de administratieve voorbereiding versnellen, maar mag de professionele beoordeling niet onzichtbaar maken. Een factuur kan bijvoorbeeld onvolledig zijn, een kostenpost kan een specifieke fiscale behandeling vragen of een bankbetaling kan betrekking hebben op meerdere documenten. Daarom blijft een duidelijke uitzonderingsroute nodig: medewerkers moeten afwijkingen kunnen herkennen, corrigeren en uitleggen.

Klein beginnen vraagt om heldere werkafspraken

De praktijkcase leert dat de invoering niet primair een technische aankoop is. Kleine bedrijven moeten vooraf bepalen welke documentsoorten als eerste worden verwerkt, wie boekingsvoorstellen controleert en wat er gebeurt bij twijfel. Ook moeten zij letten op toegangsrechten, de bewaartermijnen van documenten en de gegevens die via koppelingen met bank- en boekhoudsystemen worden uitgewisseld.

Een werkbare eerste stap bestaat uit drie afspraken:

  • begin met één afgebakende stroom, zoals inkoopbonnen of leveranciersfacturen;
  • leg vast welke voorstellen altijd menselijke goedkeuring vereisen;
  • meet niet alleen de verwerkingssnelheid, maar ook het aantal correcties en de actualiteit van het financiële overzicht.

Die aanpak voorkomt dat een hulpmiddel voor tijdwinst uitgroeit tot een ondoorzichtig proces. Zij helpt bovendien om te onderscheiden welke fouten uit de technologie komen en welke voortkomen uit gebrekkige broninformatie. Een onscherpe foto van een bon of een leverancier zonder duidelijk factuurnummer blijft ook met goede herkenningstechnologie een bron van onzekerheid.

Vooruitkijkend verwacht Edgar van Lent dat juist dit type administratieve AI verder zal doordringen in het Europese mkb: niet als los experiment, maar als functie binnen software die ondernemers al dagelijks gebruiken. Zijn beoordeling is positief, met een duidelijke voorwaarde. „De volgende stap is niet dat kleine bedrijven de controle uit handen geven, maar dat zij routinewerk slimmer organiseren en de vrijgekomen tijd gebruiken voor klanten, cashflow en bedrijfsvoering.” Daarmee vormen document- en transactievoorstellen een concrete, beheersbare eerste praktijkcase voor AI in het mkb.