Sinds 1 januari 2026 moeten btw-plichtige bedrijven in België hun B2B-facturen gestructureerd uitwisselen, met Peppol als uitgangspunt, en je OCR- of capture-software doet waarvoor ze gebouwd is. Toch blijft na het lezen het nakijken over: doet je team het matchen en uitzoeken nog met de hand, dan is dat het werk dat overblijft. In aflevering 2 van de JUVO Podcast praat Lode met Bart Nulens, Head of AI bij JUVO, over wat generatieve AI (GenAI) vandaag in finance doet.
Deze pagina zet het gesprek op een rij: wat GenAI leest, waar het meedenkt, wat het schrijft en waar het stopt. Een nuance vooraf: generatieve AI neemt het repetitieve werk over, niet de controle. Wil je eerst het bredere kader, lees dan hoe wij processen automatiseren.
We beginnen bij het lezen. Wat doet GenAI anders wanneer het een factuur leest?
GenAI leest: het begrijpt je factuur in plaats van een sjabloon te herkennen
Je OCR- of capture-software doet waarvoor ze gebouwd is: een document herkennen op een sjabloon of op regels. Daar verschilt GenAI van. In onze ervaring begrijpt generatieve AI de context van een document of e-mail en haalt ze de gegevens er nauwkeuriger uit dan OCR die op sjablonen of regels werkt.
Dat verschil zie je wanneer een leverancier iets verandert. Wijzigt hij zijn layout, dan herkent OCR die op sjablonen of regels werkt het document minder goed. Generatieve AI heeft daar veel minder last van.
Bij generatieve AI boekhouding komt in de aflevering ook Peppol ter sprake. De verplichting hangt aan de gestructureerde uitwisseling, niet aan Peppol: sinds 1 januari 2026 moeten btw-plichtige bedrijven in België hun B2B-facturen gestructureerd uitwisselen. Peppol is daarbij het uitgangspunt: een ander formaat kan alleen als beide partijen daarmee instemmen.
Een factuur die via Peppol binnenkomt, levert de gegevens gestructureerd aan. Het matchen met de bestelbon en het boeken van kostenfacturen op de juiste rekening en kostenplaats doet die factuur niet zelf. Wat dat voor jou betekent, lees je in wat Peppol wel en niet oplost voor je factuurverwerking.
Lezen blijft ook nodig voor wat niet via Peppol binnenkomt. Denk aan e-mails, bijlagen en facturen van leveranciers die niet in België gevestigd zijn en er geen vaste inrichting hebben.
Voor jou als CFO komt het hierop neer: na het lezen blijft het nakijken over. Doet je team het matchen en uitzoeken nog met de hand, dan is dat het werk dat overblijft. Wat gebeurt er dan als iemand die factuur moet nakijken?
GenAI denkt mee: elke regel nakijken en zoeken waarom hij afwijkt
In onze ervaring matchen veel bedrijven op headerniveau: ze zetten het totaalbedrag tegen het bestelbonnummer. Klopt dat, dan gaat de factuur door. Generatieve AI leest een factuur op lijnniveau en ziet hoeveelheids- en prijsverschillen, zoals een boekhouder dat doet. Meer daarover lees je in waarom matchen op het totaal verschillen mist.
Neem een factuur die afwijkt van de bestelbon en die je team terugstuurt naar inkoop. Een agent kan de mogelijke oorzaak van die afwijking zoeken, bijvoorbeeld een vroegbetaalkorting of een prijsstijging, en die voorstellen. Hij beslist niet. Hij zegt niet dat de factuur klopt, maar wat er afwijkt en wat de mogelijke oorzaak is.
Ook voor wie de uitzonderingen afhandelt, verandert er iets. Wie uitzonderingen afhandelt, beoordeelt een voorstel in plaats van zelf te zoeken waar het misliep. De uitzondering blijft bij je team. Wat zo’n uitzondering vandaag vraagt, lees je in wat een uitzondering je werkelijk kost.
Tot hier ging het over facturen die binnenkomen en die iemand nakijkt. Bij de maandafsluiting schrijft je team zelf een tekst.
GenAI schrijft: een eerste versie van je toelichting bij de maandafsluiting
Richting de maandafsluiting vertrekt iemand van je team van een export van de financiële data. Hij zoekt de afwijkingen tegenover het budget en hun oorzaken, en schrijft daarna de toelichting zelf.
Bij de maandafsluiting kan GenAI een eerste aanzet geven voor de toelichting bij afwijkingen tegenover het budget. De validatie blijft bij de juiste mensen. Voor jou als CFO betekent dat: je controller begint bij een tekst om na te kijken, niet bij een leeg blad.
Als GenAI een eerste aanzet schrijft, kun je dan ook gewoon je cijfers aan AI vragen?
Wat GenAI niet doet: zelf beslissen, je cijfers presenteren of je cashflow voorspellen
Dan de grenzen, want die verwacht je ook. De eerste staat er al: bij een afwijking stelt een agent een oorzaak voor, en hij beslist niet. Dat is de beginstand. Hoe dat later kan veranderen, lees je verderop.
De tweede grens gaat over je cijfers. Je kunt niet gewoon je cijfers aan AI vragen. Van financiële data naar een versie die je kunt presenteren, vraagt eerst huiswerk, en de finale controle blijft bij mensen.
De derde grens gaat over forecasting, en die zeggen we uitdrukkelijk. Om je cashflow te voorspellen is klassieke machine learning geschikter dan generatieve AI. Wij werken al jaren met klassieke machine learning.
Het woord agent viel al enkele keren op deze pagina. Wat is een agent eigenlijk?
Wat is een AI-agent, en wat doet hij anders dan een chatbot?
Een chatbot beantwoordt een vraag. Een agent krijgt een taak of een reeks taken mee, voert die zelfstandig uit binnen afgesproken grenzen en legt het resultaat voor. Bij de factuur van daarnet is die taak: de afwijking zoeken en een mogelijke oorzaak voorstellen.
Voor AI agents finance betekent dat concreet: een agent neemt het repetitieve werk over, niet je hele boekhouding, en maakt tijd vrij voor de uitzonderingen.
Wat een agent zelf mag afhandelen, bepaal jij met de grenzen die je afspreekt, niet de technologie. Wie zet die grenzen dan, en op welke data werkt de agent?
De rode draad is niet de technologie, maar wie controleert en op welke data
Wij zetten twee voorwaarden voorop: wie controleert, en op welke data de agent werkt.
Eerst de controle. In al onze AI-oplossingen bouwen wij een zekerheidsdrempel in. In het begin doet de agent alleen voorstellen en betrekt hij de boekhouder. Hij krijgt pas meer autonomie als de business dat beslist, tot een drempel die de business zelf kiest.
Dan de data. Een agent loopt vast op dezelfde masterdataproblemen als een mens, zoals dubbele klanten of dubbele leveranciers met verschillende rekeningnummers. Daarom moet je financiële data eerst op orde zijn. Hoe je dat aanpakt, lees je bij je data op orde brengen voor AI.
Hoe begin je dan, zonder er een project van een jaar van te maken?
Zo begin je: een quick win, geen project van een jaar
Generatieve AI is volwassen genoeg om in finance continu bij te dragen. Begin daarom met quick wins, niet met een groot project. Voor AI in de financiële afdeling ziet zo’n begin er in vier stappen uit:
- Breng met je teamlead finance en je AP-medewerkers in kaart waar het repetitieve werk zit.
- Maak een shortlist van de processen of deelprocessen die in aanmerking komen.
- Bouw er een business case rond: waar draagt generatieve AI wel bij, en waar niet?
- Kijk ondertussen naar je masterdata.
Zo werken wij ook. Wij beginnen met een discovery-sessie met je finance-team: waar zit het repetitieve werk, welke processen of deelprocessen komen op een shortlist, en samen maken we een business case voor waar generatieve AI wel en niet bijdraagt.
In onze inschatting duurde een klassiek AI-traject vroeger gemakkelijk een jaar. Met agentic development leveren wij een werkend, productieklaar prototype in enkele weken.
Stap 1 en stap 4 kun je morgen zelf doen, zonder ons. Welke vragen blijven er na het lezen nog over?
Veelgestelde vragen over generatieve AI in finance
Dit zijn vier vragen die na het lezen overblijven, met een kort antwoord.
Neemt generatieve AI jobs weg in finance?
Niet noodzakelijk. CFO’s zeggen ons steeds vaker dat het moeilijk is om gekwalificeerde mensen te vinden voor dit werk. Een agent neemt het repetitieve werk over, niet je hele boekhouding, en maakt tijd vrij voor de uitzonderingen.
Is Peppol niet genoeg om mijn facturen te automatiseren?
Sinds 1 januari 2026 moeten btw-plichtige bedrijven in België hun B2B-facturen gestructureerd uitwisselen, met Peppol als uitgangspunt. Een factuur die via Peppol binnenkomt, levert de gegevens gestructureerd aan, maar het matchen met de bestelbon en het boeken van kostenfacturen op de juiste rekening en kostenplaats doet die factuur niet zelf.
Mag een AI-agent zelf facturen boeken?
In het begin niet. In al onze AI-oplossingen bouwen wij een zekerheidsdrempel in: in het begin doet de agent alleen voorstellen en betrekt hij de boekhouder. Hij krijgt pas meer autonomie als de business dat beslist, tot een drempel die de business zelf kiest.
Hoe snel zie je resultaat?
Wij beginnen met een discovery-sessie met je finance-team, waarin we samen een business case maken voor waar generatieve AI wel en niet bijdraagt. In onze inschatting duurde een klassiek AI-traject vroeger gemakkelijk een jaar. Met agentic development leveren wij daarna een werkend, productieklaar prototype in enkele weken. Wat er dan klaar is, is een prototype, nog geen resultaat of rendement.
Hoor je het liever uit de eerste hand? Het hele gesprek staat hieronder.
Deze aflevering, en wat er nog komt
Liever kijken dan lezen? Aflevering 2 van de JUVO Podcast duurt ongeveer elf minuten, met Bart Nulens (Head of AI bij JUVO) als gast en Lode als host. We namen de aflevering op 30 september 2026 op, en ze is in het Nederlands.
Waarom AI-projecten mislukken, bespraken we in aflevering 1 van de JUVO Podcast: aflevering 1: waarom AI-projecten mislukken. Er volgen nog afleveringen van de JUVO Podcast. Intussen kun je dichter bij huis kijken: waar kosten je facturen vandaag tijd?
Wil je weten waar je facturen vandaag tijd kosten?
Wij bekijken samen met je finance-team waar het repetitieve werk zit, en waar generatieve AI wel en niet helpt.