Document Intelligence: hoe Nederlandse productiebedrijven hun papierstroom omdraaien

In veel Nederlandse productiebedrijven besteedt de administratie een groot deel van haar tijd aan documentverwerking. Facturen komen binnen als PDF in de mailbox. Pakbonnen worden bij ontvangst gescand of ingevoerd. Kwaliteitscertificaten van leveranciers worden geprint en gearchiveerd, of belanden in een gedeelde map waar niemand ze terugvindt. Vrachtbrieven gaan tussen logistieke partners heen en weer in vijf verschillende formaten. Het is werk dat moet, het is werk dat niemand wil doen, en het is werk dat al jaren niet wezenlijk verbeterd is.

De afgelopen achttien maanden is daar iets veranderd. Niet door één doorbraak, maar door een combinatie van OCR die fundamenteel betrouwbaarder is geworden en LLMs die documentcontext begrijpen op een manier die regelgebaseerde software nooit kon. Voor mkb-productie en logistiek betekent dat: een grote categorie werk die routeerbaar wordt naar AI, met menselijke controle alleen op de uitzonderingen.

Wat Document Intelligence concreet is

De term wordt slordig gebruikt. Wat wij ermee bedoelen, en wat in productie-omgevingen werkt, is een pipeline van drie stappen.

Eerst wordt het document gelezen met behoud van structuur. Tabellen blijven tabellen. Adressen, bedragen, datums, ordernummers en leveranciersgegevens worden herkend. Ook scans en minder nette PDF’s kunnen vaak worden verwerkt, al blijft documentkwaliteit bepalend voor de betrouwbaarheid.

Daarna worden de velden geïnterpreteerd. Een systeem moet begrijpen dat “subtotaal excl. btw”, “nettobedrag” en “bedrag voor btw” in de praktijk hetzelfde veld kunnen zijn. Dat lukt beter wanneer het model wordt gevalideerd op uw eigen documenttypen en leveranciers.

Tot slot wordt de uitkomst gekoppeld aan uw proces. Een PO-nummer wordt vergeleken met een openstaande order. Hoeveelheden worden gecontroleerd. Btw-totalen worden nagerekend. Bij twijfel gaat het document naar een uitzonderingenwachtrij. Bij voldoende zekerheid wordt het klaargezet voor verwerking in uw systeem.

Wat het oplevert in de praktijk

Voor de bedrijven waar dit goed werkt, zit de winst vooral in minder handmatige data-invoer, kortere doorlooptijd en betere controle op uitzonderingen. Facturen, pakbonnen en CMR-documenten hoeven dan niet meer regel voor regel te worden overgetypt, maar worden voorbereid voor controle en verwerking.

De exacte opbrengst verschilt sterk per situatie. Documentkwaliteit, leveranciersvariatie, ERP-inrichting, volume en gewenste controle bepalen hoeveel straight-through processing verantwoord is. Wij geven daarom geen algemene percentages, maar geven een inschatting op uw eigen cijfers.

Op een administratief team betekent dit meestal geen “mensen eruit”, maar capaciteit terug naar werk dat meer aandacht verdient en waarde oplevert: leverancieronderhoud, klantvragen, uitzonderingen en procesverbetering. Dat is het scenario dat realistisch werkt in het Nederlandse mkb, waar krapte op de arbeidsmarkt vaak het probleem is, niet overcapaciteit.

Waar het niet werkt

Document Intelligence is geen wondermiddel, en de eerlijke beoordeling is essentieel om realistische verwachtingen te zetten.

Documenten die slecht gescand zijn, blijven moeilijk. Een verkreukelde pakbon met vervaagde tekst krijgt u nooit volledig automatisch verwerkt. Daar moet een mens naar kijken, en dat moet u ontwerpen in uw proces in plaats van ertegen te vechten.

Sterk afwijkende documentstructuren in nichesectoren vereisen extra inrichting en validatie. Standaard inkoopfacturen werken vaak sneller dan een specifiek certificaat voor levensmiddelenveiligheid van een leverancier met een eigen lay-out die nergens anders voorkomt. Zulke documenten kunnen alsnog geschikt zijn, maar vragen meer voorbeelden, scherpere controles en soms een langere pilot.

Compliance-gevoelige documenten vereisen een audit trail. Niet “zo doen we dat ongeveer”, maar daadwerkelijk een gedocumenteerde keten waarin elke automatische beslissing teruggevoerd kan worden naar de input. Wij bouwen die trail standaard mee, maar het verhoogt de implementatiecomplexiteit, vooral bij farma, food en financiële sectoren.

Hoe een implementatie er realistisch uitziet

Bij een typisch project van zes tot acht weken zien we ongeveer dit ritme.

Week één en twee zijn discovery. We mappen uw documentstroom: welke types komen binnen, in welke volumes, van welke leveranciers, naar welke ERP-velden. We pakken de top zeven leveranciers op factuurvolume omdat die meestal 70 tot 80 procent van het totaal vertegenwoordigen.

Week drie tot vijf is modelopbouw en integratie. We trainen het extractiemodel op uw historische data, bouwen de API-koppeling met uw ERP, en zetten een staging-omgeving op waarin we parallel runnen naast uw huidige proces. Dat parallelle draaien is cruciaal: u ziet de vergelijking tussen menselijke verwerking en het model, op uw eigen data, voordat u commit.

Week zes en zeven zijn UAT en write-back. Uw team valideert de uitzonderingenflow, we finetunen op de patronen die we zien in productie-achtige load, en we activeren de write-back naar het ERP voor de high-confidence categorieën.

Week acht is go-live, met menselijke supervisie op elke automatische boeking voor de eerste twee weken. Daarna wordt dat een steekproef.

Wat we zelf zouden doen als startpunt

Als wij in uw schoenen stonden en wilden testen of dit werkt voor uw bedrijf, zouden we niet beginnen met een grote ERP-vervanging of een platform-keuze. We zouden beginnen met de AI Readiness Scan, die in 10 minuten in kaart brengt welke documentstromen bij u het meeste opleveren als ze geautomatiseerd worden, en welke realistische ROI u mag verwachten op uw specifieke schaal en sector.

Daarna zouden we klein beginnen, maximaal twee documenttypes en de top vijf leveranciers, en pas opschalen als die werken. Het mooie van documentverwerking is dat u per use case kunt bewijzen of de businesscase klopt voordat u de volgende live zet.

Voor productie- en logistieke mkb-bedrijven is dit op dit moment de duidelijkste route naar concrete AI-impact. Niet generatieve magie, geen demoware. Praktisch werk dat gewoon gedaan wordt, en daardoor uw team toelaat aan iets nuttigers te besteden.

Lees meer over hoe wij Back Office & Operaties aanpakken of bekijk de bredere Productie & Logistiek sectorpagina voor de volledige context.