Verschil tussen automatisering en AI: wat past bij welk proces?

Vaste regels doen wat vastligt: dezelfde stap, dezelfde uitkomst, elke keer. AI is voor het deel waar het per geval verschilt en waar nu iemand een oordeel velt. Welke van de twee je nodig hebt volgt niet uit de taak, maar uit de reden dat het werk blijft liggen. Er zijn vier van die redenen, en bij twee ervan is AI niet het antwoord.

Vaste regels en AI doen niet hetzelfde werk

Vaste regels zijn afspraken die je in software vastlegt. Komt er een factuur binnen van deze leverancier, boek hem dan op die post. Staat een offerte een week open zonder reactie, stuur dan een herinnering. De uitkomst ligt van tevoren vast, want jij hebt hem bepaald.

AI is voor het deel waar dat niet kan. Waar de vorm per keer anders is. Waar iemand eerst moet lezen wat er staat voordat duidelijk is wat er moet gebeuren. Waar nu een mens per geval bekijkt wat het is. Software bereidt dat voor, iemand geeft akkoord.

Er is een toets die in de praktijk bijna altijd werkt. Kun je de afspraak opschrijven in één zin, met een "als" en een "dan", zonder dat je er "het hangt ervan af" bij nodig hebt? Dan heb je een vaste regel te pakken, en dat is ook meteen de goedkoopste en meest voorspelbare oplossing. Moet je halverwege die zin gaan uitleggen waar je op let en waarom het per keer anders uitpakt, dan beschrijf je geen regel maar een oordeel.

Dat is het verschil tussen automatisering en AI in gewone taal. De vraag is alleen zelden welke van de twee slimmer is. De vraag is welke van de twee jouw probleem oplost.

De keuze volgt uit de oorzaak, niet uit de taak

Twee bedrijven kunnen precies hetzelfde werk met de hand doen en toch een ander antwoord nodig hebben. Bij het ene loopt het vast omdat de gegevens in drie systemen staan. Bij het andere loopt het vast omdat niemand weet wie er moet beslissen. Dezelfde taak, andere oorzaak, andere oplossing.

Daarom is "automatisering of AI" de tweede vraag. De eerste is waarom dit werk blijft liggen. Zolang je dat niet weet, koop je een oplossing voor een probleem dat je niet hebt gesteld.

Er zijn vier oorzaken die steeds terugkomen in het werk naast het werk: het voorbereiden, opvolgen en afhandelen rond de dingen waar je klanten voor betalen. Elke oorzaak wijst een andere kant op.

Oorzaak 1: de gegevens staan op meerdere plekken

Het werk blijft liggen omdat iemand eerst dingen bij elkaar moet halen. Een deel staat in het ene systeem, een deel in het andere, en een deel staat in een mailbox. Voordat het echte werk kan beginnen, is er al een half uur voorbij aan zoeken en overtypen.

Hier is het antwoord meestal een koppeling plus vaste regels. Geen AI. Als de gegevens op één plek terechtkomen en de vervolgstap vastligt, is het probleem weg.

AI komt er pas bij kijken als wat binnenkomt per geval van vorm verschilt. Een cv bijvoorbeeld. Er zit geen e-mailadres in, het zijn drie losse documenten, of de opmaak is er een die het systeem niet herkent. Iemand zet het met de hand over naar het eigen sjabloon. Daar helpt een koppeling niet, want er valt niets te koppelen. Het is elke keer net anders.

Oorzaak 2: er is geen vast besluit

Het werk blijft liggen omdat nooit is afgesproken wie beslist, wanneer dat gebeurt, en wat er gebeurt als het niet gebeurt.

Denk aan reacties op een concept. Ze komen binnen via de mail, via de app en in een gesprek dat iemand heeft doorgegeven. Wie er bij de klant uiteindelijk over gaat, staat nergens vast. Dus wordt er een ronde extra gedaan, en nog een, en niemand kan aanwijzen waar het misging.

Hier is het antwoord geen van beide. Software legt vast wat je al hebt besloten. Heb je niets besloten, dan legt software de onduidelijkheid vast in plaats van hem op te lossen, en dan heb je hem er voortaan zwart op wit bij.

Dit is de oorzaak waar het vaakst geld aan verloren gaat, omdat het zo makkelijk voor een softwareprobleem wordt aangezien. Een afspraak over rondes en beslissers kost een gesprek en lost het wel op. Zo'n afspraak is klein: wie beslist, binnen hoeveel dagen dat gebeurt, en wat er gebeurt als die termijn voorbijgaat.

Oorzaak 3: niemand is eigenaar van het wachten

Het werk ligt niet stil bij iemand. Het ligt stil tussen twee mensen in.

Een aangifte staat klaar maar is nog niet ter accordering verstuurd, en niemand houdt bij dat dat nog moet gebeuren. Het valt pas op als er naar gevraagd wordt, of als de termijn in zicht komt. Er is niets stuk, er is alleen niemand die het merkt.

Hier is het antwoord vaste regels. Een vast moment, een vaste verantwoordelijke, en een herinnering die vanzelf komt in plaats van als iemand eraan denkt. Daar is geen AI voor nodig, en AI zou het ook niet beter doen.

Oorzaak 4: het invoeren is opgelost, het controleren niet

Dit is de oorzaak waar de meeste bedrijven inmiddels staan. Het invoeren gaat grotendeels vanzelf. Wat overblijft is het nakijken.

Facturen zijn het duidelijkste voorbeeld. Het inboeken gebeurt automatisch, maar de voorstellen moeten worden nagelopen, de uitzonderingen beoordeeld, en de posten zonder onderliggend stuk uitgezocht. Automatisch boeken werkt bovendien alleen binnen regels die je per leverancier zelf instelt, en wat onvolledig binnenkomt gaat sowieso langs een mens.

Hier hoort AI. Niet om het oordeel over te nemen, maar om het voor te bereiden: de uitzonderingen eruit halen, erbij zetten wat er mis lijkt te zijn, en het zo neerleggen dat iemand er in één keer ja of nee op kan zeggen. Hoe zo'n reeks stappen eruitziet staat in wat een AI-workflow is.

In de praktijk is het meestal allebei

Eén proces valt zelden helemaal in één oorzaak. Het gebruikelijke beeld is vaste regels voor het deel dat altijd hetzelfde loopt, en AI voor het stuk waar het per geval verschilt.

Neem een offerte. De opbouw, de standaardteksten, de voorwaarden en het opmaken liggen vast; dat hoeft niemand elke keer opnieuw te bedenken. Wat erin komt te staan en wat het kost, hangt af van wat de klant heeft gevraagd en van wat jij ervan vindt. Het eerste deel is een vaste regel. Het tweede wordt voorbereid en door iemand afgemaakt.

Dat maakt de vraag niet overbodig, het verplaatst hem. Je kiest niet één keer voor het hele proces, je kiest per stap. En die grens schuift op: hoe meer je vastlegt over hoe je werkt, hoe meer stappen er aan de kant van de vaste regels komen te staan.

Hoe je vaststelt welke oorzaak bij jou speelt

Neem één ding dat elke week terugkomt en waarvan je weet dat het te lang duurt. Niet het hele bedrijf, één proces.

Kijk dan waar het stilstaat, en stel vier vragen. Moet iemand eerst gegevens uit verschillende systemen bij elkaar halen? Staat vast wie beslist en wanneer? Is er iemand die het merkt als het blijft liggen? En gaat het invoeren goed maar blijft het nakijken hangen?

Het antwoord op die vragen bepaalt de kant die je opgaat, en meestal is er één dat er meteen uitspringt. Welk proces je daarvoor het beste kunt pakken staat in welk proces je als eerste automatiseert. Wil je eerst zien wat er in jouw sector doorgaans nog met de hand gaat, dan staat dat per sector op een rij.

Merk je dat je er intern niet uitkomt, dan is dat op zichzelf al een antwoord. Het betekent meestal dat de oorzaak niet in de techniek zit. Een AI-nulmeting brengt dat in kaart: waar in je bedrijf tijd en geld weglopen, waardoor dat komt, en in welke volgorde je het aanpakt. Wat daaruit komt is een plan, geen werkend systeem, en dat plan zegt per proces of je een vaste regel nodig hebt of iets dat met variatie om kan gaan.