De laatste meter van het factuurproces blijft handwerk. Dat is geen toeval. 

Een AI-agent leest de factuur uit, herkent het bedrag en de leverancier, en controleert die tegen de inkooporder. Vervolgens: kopieert een medewerker de uitkomst handmatig naar het ERP-systeem. Dit is een van de meest voorkomende patronen die we in Finance-processen zien — een agent versnelt precies één stap, maar het proces zelf verandert daardoor nog niet wezenlijk. 

Voor een CFO of controller is dat een onbevredigende uitkomst. Er is geïnvesteerd in AI, de individuele stap is aantoonbaar sneller, en toch verandert er weinig aan de doorlooptijd of de foutmarge van het volledige proces. De winst blijft steken in een geïsoleerde verbetering. 

Niet elke stap is hetzelfde — en dat is precies het aanknopingspunt 

De sleutel zit in het onderscheid tussen deterministische en agentische stappen. Een inkooporder aanmaken na goedkeuring heeft een vast pad en een voorspelbare uitkomst: dat automatiseer je met reguliere workflow-automatisering of ERP-functionaliteit. Maar het beoordelen van een leverancier op basis van eerdere prestaties, risico-informatie en contractvoorwaarden vraagt om interpretatie en het combineren van meerdere bronnen — precies waar een AI-agent tot zijn recht komt. 

Finance is bij uitstek een domein waar deze twee typen stappen door elkaar lopen: veel volume, vaste regels, én terugkerende afwijkingen die beoordeling vragen. Denk aan facturen controleren, ontbrekende informatie opvragen en afwijkingen voorbereiden voor review. Zodra je deze stappen los van elkaar automatiseert, blijft de overdracht ertussen — de laatste meter — mensenwerk. Zodra je ze via een orchestrator aan elkaar verbindt, stroomt de data automatisch door van de ene stap naar de volgende. 

De business case die een CFO wél overtuigt 

Orchestratie klinkt al snel als een technisch vraagstuk. Voor een directie is dat te abstract om een investering op te baseren. Vertaald naar tastbare opbrengsten wordt het concreter: 

• Grip — centraal zicht op welke agents draaien, wie eigenaar is en welke data ze gebruiken. 

• Snelheid — nieuwe use cases hergebruiken bestaande agents en componenten, in plaats van telkens opnieuw te bouwen. 

• Kostenbeheersing — kosten per agent, proces of aanroep worden zichtbaar, wat schaduw-IT en dubbele investeringen beperkt. 

• Kwaliteit — data stroomt automatisch en consistent door, met minder fouten door handmatige overdracht. 

• Risicobeheersing — beslissingen, input en acties worden herleidbaar — cruciaal voor audits en compliance in Finance. 

Voor een controller is dat laatste punt misschien wel het belangrijkste: als niet zichtbaar is welke agent welke stap heeft gezet, wordt auditeerbaarheid lastig. Een orchestratielaag die dit wél vastlegt, maakt AI in Finance niet alleen sneller, maar ook aantoonbaar in control. 

Begin klein, begin beheersbaar 

De verleiding is groot om meteen het hele reporting- of P2P-proces aan te pakken. Beter is het te starten met één afgebakend proces met voldoende volume, bekende uitzonderingen en een duidelijke proceseigenaar — en van daaruit te bewijzen dat het werkt, voordat je opschaalt.