Het controleren van zakelijke declaraties is voor veel financiële afdelingen een tijdrovend proces. Bonnetjes verzamelen, uitgaven vergelijken met bedrijfsbeleid, ontbrekende informatie opvragen en uitzonderingen beoordelen. Het zijn werkzaamheden die noodzakelijk zijn voor een goede administratie, maar relatief weinig directe waarde toevoegen.

AI-agents maken het mogelijk om een belangrijk deel van dit proces te automatiseren.

AG Connect beschrijft hoe het Deense uitgavenplatform Pleo AI-agents inzet om zakelijke uitgaven te beoordelen. Volgens het bedrijf melden klanten dat administratief werk dat eerder twee uur kostte, nu in vijf minuten kan worden afgerond.

De ontwikkeling laat zien hoe Agentic AI steeds concreter wordt binnen de financiële functie.

Van handmatige controles naar automatische beoordeling

Bij Pleo worden zakelijke uitgaven automatisch geregistreerd via betaalkaarten en gekoppeld aan de administratie. De organisatie bepaalt zelf welke uitgaven zijn toegestaan, welke automatisch kunnen worden goedgekeurd en welke nader onderzocht moeten worden.

AI-agents gebruiken deze regels en context om transacties te beoordelen. Ze controleren bijvoorbeeld of bonnetjes aansluiten op de boekhouding, signaleren ontbrekende informatie en herkennen uitgaven die afwijken van het bedrijfsbeleid.

Een ontbijt tijdens een zakenreis kan binnen de afgesproken kaders vallen, terwijl andere uitgaven worden gemarkeerd voor aanvullende controle.

Daarnaast kunnen agents budgetten bewaken en tijdig signaleren wanneer een afdeling of project het beschikbare budget dreigt te overschrijden.

Het resultaat is dat medewerkers minder tijd besteden aan routinematige controles en zich kunnen concentreren op transacties die daadwerkelijk aandacht vereisen.

De echte verandering zit in het controlemodel

De belangrijkste ontwikkeling is wat ons betreft niet dat een declaratie sneller wordt verwerkt. Het is dat de rol van Finance verandert.

Traditioneel controleren medewerkers grote aantallen transacties om afwijkingen te ontdekken. Met Agentic AI kan een systeem routinematige beoordelingen uitvoeren en alleen uitzonderingen voorleggen aan medewerkers.

Daarmee verschuift het werk van individuele transacties controleren naar het ontwerpen, bewaken en verbeteren van het totale controleproces.

Dat vraagt om andere vaardigheden en verantwoordelijkheden. Finance moet niet alleen begrijpen welke uitgaven zijn toegestaan, maar ook hoe die regels zijn vertaald naar de werking van AI-agents.

Bovendien moeten organisaties vaststellen hoe zij kunnen aantonen dat het systeem betrouwbaar functioneert.

Menselijke verantwoordelijkheid vraagt om meer dan een goedkeuringsknop

In het artikel benadrukt Pleo dat de verantwoordelijkheid uiteindelijk bij mensen blijft. De agents tonen bij hun beoordelingen de context en onderbouwing, waarna medewerkers goedkeuringen kunnen verwerken.

Dat is een belangrijk uitgangspunt. Maar menselijke verantwoordelijkheid moet ook daadwerkelijk kunnen worden uitgeoefend.

Wanneer medewerkers grote aantallen automatisch beoordeelde transacties met één handeling goedkeuren, bestaat het risico dat menselijke controle vooral een formaliteit wordt.

Daarom zijn duidelijke afspraken nodig over welke beslissingen agents zelfstandig mogen nemen, welke transacties verplicht moeten worden beoordeeld en wanneer een afwijking moet worden geëscaleerd.

Ook logging, autorisaties, toetsbare beslisregels en periodieke evaluaties zijn essentieel. Niet alleen om fouten te ontdekken, maar ook om aan accountants en toezichthouders te kunnen uitleggen hoe besluiten tot stand zijn gekomen.

Een gezamenlijke verantwoordelijkheid voor CFO en CIO

De inzet van AI-agents raakt zowel de financiële organisatie als de IT-architectuur.

Voor de CFO draait het om betrouwbare financiële informatie, interne beheersing, compliance en een efficiënte inzet van medewerkers.

Voor de CIO spelen daarnaast datakwaliteit, systeemintegratie, informatiebeveiliging en de autorisaties van AI-agents een belangrijke rol.

De samenwerking tussen Finance en IT wordt daarmee nog belangrijker. Een AI-agent kan alleen betrouwbaar functioneren wanneer het bedrijfsbeleid duidelijk is, de gebruikte data correct zijn en de bevoegdheden goed zijn ingericht.

Daarbij is het verstandig om te beginnen met afgebakende processen en gespecialiseerde agents. Pleo volgt zelf ook deze aanpak. Het bedrijf werkt aan een toekomstige situatie waarin meerdere gespecialiseerde agents gezamenlijk complexere werkzaamheden uitvoeren.

Hoe zulke agents omgaan met uitzonderingen en onderlinge afhankelijkheden, zal in de praktijk verder moeten blijken.

Van tijdsbesparing naar businesswaarde

Bij Caronne kijken we naar Agentic AI vanuit de bredere ontwikkeling van Finance. Automatisering moet niet alleen leiden tot lagere verwerkingskosten, maar ook tot betere informatie, sterkere interne beheersing en meer ruimte voor werkzaamheden die daadwerkelijk waarde toevoegen.

Dat sluit aan bij onze visie Mens in plaats van massa. Door repetitief administratief werk te verminderen, kunnen medewerkers zich meer richten op analyse, advisering, uitzonderingen en het verbeteren van bedrijfsprocessen.

Maar die waarde ontstaat niet vanzelf. Organisaties moeten bewust bepalen hoe processen veranderen, welke verantwoordelijkheden blijven bestaan en hoe medewerkers worden voorbereid op hun nieuwe rol.

Ook de businesscase moet daarom verder gaan dan alleen het aantal bespaarde uren. Betere naleving van beleid, minder fouten, snellere signalering van budgetoverschrijdingen en een hogere kwaliteit van financiële informatie zijn minstens zo relevant.

De toekomst van Finance draait niet om het volledig loslaten van menselijke controle, maar om het organiseren van betere controle met minder handmatig werk.

AI-agents kunnen daarin een belangrijke rol spelen, mits governance, datakwaliteit en verantwoordelijkheid vanaf het begin onderdeel zijn van het ontwerp.


(AG Connect, artikel, 2026-10-20)