Naar de inhoud

Artikelen

AI in de crediteuren­administratie: wat Gartner zag in 2025

31 oktober 2026, Ramzy Alioui. Over het nieuws van 18 november 2025. 3 minuten lezen.

Een man wijst op een grafiek aan de wand, een collega luistert aan tafel

Op 18 november 2025 bracht Gartner een enquête uit over AI in finance. Het gebruik staat zo goed als stil, en bijna iedereen ziet in het begin weinig tot matig effect. Voor mij is vooral interessant dat de crediteurenadministratie op twee staat.

Het gebruik groeit bijna niet meer

Gartner vroeg in mei en juni 2025 aan 183 CFO's en andere leidinggevenden in finance of ze AI gebruiken. 59% zegt ja. Een jaar eerder was dat 58%, en in 2023 nog 37%. Van 2023 naar 2024 ging het dus hard, en daarna bijna niet meer. Marco Steecker, onderzoeksdirecteur bij Gartner, zegt zelf ook dat het tempo gezakt is.

Gartner noemt twee groepen die achterblijven. 16% heeft voor het komende jaar niets met AI gepland. En een kwart weet niet goed hoe je van een plan bij een eerste proef komt.

Waar finance AI voor gebruikt

Bij de teams die AI al gebruiken, staat kennisbeheer bovenaan met 49%. Dat is informatie ordenen en terugvinden. Daarna komt het automatiseren van het crediteurenproces met 37%, en het opsporen van fouten en afwijkingen met 34%.

Dat die twee zo hoog staan, verbaast me niet. In de crediteurenadministratie doe je veel hetzelfde werk steeds opnieuw: facturen uitlezen, coderen en matchen met de order. Een computer kijkt elke factuur na, ook als het druk is. Zo komen dubbele facturen en afwijkende bedragen boven.

Het meeste effect zien de leidinggevenden wel ergens anders. Met ruime afstand kozen ze daarvoor het laten schrijven van code.

In het begin weinig effect

91% ziet in het begin weinig tot matig effect. Teams die verder zijn, zien meer. Ze hebben ruim twee keer zo vaak matig effect, bijna drie keer zo vaak groot effect en half zo vaak weinig effect. Volgens Gartner komt het grootste effect pas als AI in productie draait, dus gewoon in het dagelijkse werk.

Toch is de stemming goed. 67% van de teams die AI gebruiken, is optimistischer dan een jaar eerder. Hoe verder een team is, hoe positiever. Bij de teams die het verst zijn, is 23% veel optimistischer. Bij de teams die net beginnen is dat 7%.

Wat remt

Wat het meest in de weg zit, is volgens Gartner te weinig kennis van data en techniek, en data die niet goed of niet beschikbaar is.

Dat laatste herken ik uit de crediteurenadministratie. Daar begint datakwaliteit bij de leveranciersstam. Staat een leverancier er twee keer in, of klopt een IBAN niet meer, dan werkt een AI-systeem daar gewoon mee verder, alleen sneller.

Wat ik zou doen

Ik bouw zelf aan een AI AP-medewerker. Die is nog in ontwikkeling en wordt eerst getest in een aparte testadministratie. Resultaten heb ik dus nog niet. Dit zou ik elk team wel aanraden:

  • Begin met één stap waar veel herhaling in zit, zoals facturen uitlezen en coderen, of zoeken naar dubbele facturen.
  • Ruim eerst je leveranciersstam op. Dubbele leveranciers en oude IBAN's eruit.
  • Meet vooraf hoe lang een factuur nu duurt en hoeveel fouten erin zitten. Anders weet je na de proef niet wat het oplevert.
  • Laat een mens elke betaling goedkeuren.

Denk ook vooraf na over wat je na de proef doet. Volgens Gartner zit daar het grootste effect.

Wat een factuur ongeveer kost per fase, van papier tot touchless, lees je in Wat kost een factuur?

Bronnen