Processen automatiseren met AI: regels, oordeel en de mens

Processen automatiseren met AI begint ermee dat u twee soorten werk uit elkaar haalt. Wat in een vaste regel past, doet klassieke automatisering, voorspelbaar en controleerbaar. AI zet u in waar de invoer varieert en een oordeel nodig is, en een mens tekent waar het juridisch of commercieel telt.

Klassieke automatisering en AI: wat is het verschil?

Klassieke automatisering volgt regels die iemand vooraf heeft opgeschreven. Ligt het factuurbedrag boven € 5.000, dan gaat de factuur naar de directeur. Dezelfde invoer geeft altijd dezelfde uitkomst, en u kunt precies nagaan waarom. De keerzijde: de regel werkt alleen als de invoer eruitziet zoals verwacht. Maakt een leverancier zijn factuur anders op, dan vindt de regel het bedrag niet meer.

AI, in de vorm van taalmodellen, kan omgaan met variatie. Het leest een mail die elke klant anders formuleert, haalt gegevens uit een pdf met een onbekende opmaak en herkent waar een vraag over gaat. Daar staat tegenover dat de uitkomst een inschatting is. Die kan kloppen, maar ook overtuigend fout zijn. Daarom controleert u wat AI oplevert, met regels of door een mens.

	Vaste regels	AI
Werkt met	velden, codes, bedragen	vrije tekst, wisselende documenten
Uitkomst	bij dezelfde invoer altijd dezelfde	een inschatting, soms met twijfel
Uitleg achteraf	de regel zelf	een onderbouwing die u moet nalopen
Loopt vast op	invoer die afwijkt van het verwachte	te weinig context of een vage opdracht
Voorbeeld	btw-nummer op het juiste formaat controleren	uit een mail halen welke producten de klant bedoelt

Wanneer gebruikt u regels en wanneer AI?

Een eenvoudige toets: kan de medewerker die het werk nu doet de beslissing in één zin opschrijven, en klopt die zin voor vrijwel elk geval? Dan is het een regel. Zegt hij "dat zie ik zo", of volgt er een lijst uitzonderingen, dan is het een kandidaat voor AI.

In de praktijk werken ze samen. AI zet rommelige invoer om in nette gegevens: klantnaam, artikel, aantal, gewenste leverdatum. Daarna nemen regels het over. Bestaat het klantnummer, is het artikel leverbaar, telt het totaal op? Zo vangen de regels meteen een deel van de fouten van de AI af.

Zet AI niet in voor werk dat een regel ook kan. Een regel is sneller te controleren en gedraagt zich elke dag hetzelfde.

Processen automatiseren: zo knipt u een proces in stappen

1. Schrijf elke stap op. Gebruik een werkwoord en een onderwerp: "mail openen", "klant opzoeken", "prijs controleren". Noteer per stap wat erin gaat, wat eruit komt en in welk systeem dat gebeurt. Wat in het hoofd van een collega gebeurt, is ook een stap.

2. Benoem de beslismomenten. Waar kiest iemand? Welke informatie gebruikt hij daarbij? En past die keuze in een regel, of vraagt ze een oordeel?

3. Bepaal waar een mens tekent. Dat zijn de momenten waarop het bedrijf zich vastlegt of iemand raakt: een prijs, een levertermijn, een contract, een besluit over een persoon.

Voorbeeld: een order die per mail binnenkomt

Stap	Wie of wat	Waarom
Mail herkennen als order	AI	elke klant schrijft het anders
Klant opzoeken in het klantsysteem (CRM)	regel	e-mailadres of klantnummer is eenduidig
Orderregels uitlezen uit mail of bijlage	AI	vrije tekst, pdf, Excel of een foto
Artikelen koppelen aan artikelnummers	regel, AI bij een afwijkende omschrijving	"de grijze van vorige keer" staat niet in de catalogus
Voorraad en prijs controleren	regel	de gegevens staan in het ordersysteem (ERP)
Afwijkende prijs of levertermijn beoordelen	mens	dit is een commerciële afspraak
Orderbevestiging versturen	mens geeft akkoord, systeem verstuurt	hier legt het bedrijf zich vast
Order boeken in het ERP	regel	vaste velden

In twee stappen doet AI het werk en in een derde springt het bij. Twee momenten zijn voor een mens, de rest zijn regels. In dit voorbeeld zit AI alleen op de plekken waar de variatie zit.

Human in the loop: waar een mens moet tekenen

Human in the loop betekent dat een mens de uitkomst van een AI-systeem beoordeelt voordat die gevolgen heeft. De AI doet het voorwerk: lezen, uitzoeken, een concept opstellen. Waar het juridisch of commercieel telt, geeft een medewerker akkoord. Dat is geen rem op automatisering; het bepaalt welke stappen een systeem zelfstandig mag zetten en welke niet.

Waarom de mens blijft tekenen

Een AI kan zich vergissen, en klinkt dan even zeker. De Autoriteit Consument & Markt (ACM) en de Autoriteit Persoonsgegevens (AP) schreven in oktober 2025 dat generatieve AI-modellen geneigd zijn mensen naar de mond te praten, te improviseren en schijnzekerheid te wekken, ook als het antwoord onjuist of onvolledig is.

U blijft aanspreekbaar. Een offerte, een aanmaning of een antwoord aan een klant gaat uit uw naam. ACM en AP wijzen erop dat een chatbot namens de organisatie spreekt: elke fout tast het vertrouwen van de klant in uw bedrijf aan.

Soms vraagt de wet het. Artikel 22 van de AVG geeft mensen het recht niet te worden onderworpen aan een besluit dat uitsluitend geautomatiseerd is genomen en rechtsgevolgen heeft of hen in aanmerkelijke mate treft. Er zijn uitzonderingen, bijvoorbeeld als het besluit nodig is voor een overeenkomst of berust op uitdrukkelijke toestemming. Ook dan heeft de betrokkene ten minste recht op menselijke tussenkomst, op het geven van zijn standpunt en op het aanvechten van het besluit (artikel 22, lid 3).

Voor AI-systemen met een hoog risico, bijvoorbeeld voor het selecteren van sollicitanten (bijlage III), gaat de AI-verordening verder. Zo'n systeem moet zo zijn ontworpen dat mensen er doeltreffend toezicht op kunnen houden (artikel 14). De organisatie die het systeem inzet, moet dat toezicht opdragen aan mensen met de nodige bekwaamheid, opleiding en autoriteit (artikel 26, lid 2). Vanaf wanneer die eisen gelden, staat in AI en de AVG, net als wat er met de gegevens zelf gebeurt.

Human in the loop inrichten: drie bouwstenen

1. Akkoord vóór verzending. Het systeem maakt het concept: de mail, de offerte, het afspraakvoorstel. Een medewerker leest het, past het zo nodig aan en keurt het goed; pas dan gaat het de deur uit. Leg vooraf vast wat altijd langs een mens gaat, bijvoorbeeld alles wat naar een klant gaat of een bedrag noemt.
2. Twijfelgevallen naar een medewerker. Kan het systeem een factuur niet aan een project koppelen, of valt een vraag buiten wat het kent, dan beslist het niet zelf. Het legt de vraag met een korte samenvatting voor aan een medewerker, die daardoor niet het hele dossier door hoeft.
3. Het antwoord gaat terug het systeem in. De keuze van de medewerker wordt vastgelegd: deze leverancier hoort bij dat project, deze vraag beantwoordt u zo. Bij een volgend vergelijkbaar geval gebruikt het systeem dat antwoord. Zo wordt het beter van precies de gevallen die het níet kon oplossen.

Zo bouwt Operium ook: niets gaat de deur uit zonder uw akkoord, tenzij u dat anders wilt.

Wanneer is menselijke controle echt controle?

Een akkoordknop waar niemand naar kijkt, beschermt niemand. De AP heeft in juli 2025 een hulpmiddel gepubliceerd over betekenisvolle menselijke tussenkomst. Daarin staat, met verwijzing naar de Europese richtsnoeren, dat toezicht zinvol moet zijn en geen symbolische handeling. Het hulpmiddel is geschreven voor besluiten over personen, maar de lessen zijn ook bruikbaar voor een offerte of een klantmail:

• Tijd. Hoe minder tijd een beoordelaar heeft, hoe minder betekenis zijn oordeel heeft. Een norm van een vast aantal besluiten per dag kan dat ondermijnen.
• Informatie. De beoordelaar moet de gegevens kunnen zien waarop het systeem zijn uitkomst baseert, en moet ook kunnen meewegen wat het systeem niet ziet.
• Ruimte om af te wijken. Mensen hebben de neiging de uitkomst van een systeem te veel te vertrouwen; de AP noemt dat automation bias. Tegen de uitkomst ingaan mag geen drempel zijn.
• Een weg terug. Beoordelaars moeten feedback kunnen geven, en het proces moet op die feedback kunnen worden aangepast.

Daar hoort kennis bij. Artikel 4 van de AI-verordening vraagt, in de versie die sinds 27 juli 2026 geldt, dat organisaties die AI-systemen gebruiken maatregelen nemen om de AI-geletterdheid van hun medewerkers te ondersteunen. Voor een beoordelaar betekent dat in de eerste plaats: weten wat het systeem wel en niet kan.

Wat kost human in the loop aan tijd, en wordt het minder werk?

In het begin kost het tijd. Elk concept wordt gelezen, en een nieuw systeem legt meer twijfelgevallen voor dan een systeem dat al maanden draait. Het werk verschuift van zelf schrijven, overtypen en opzoeken naar lezen, aanvullen en goedkeuren. Hoeveel dat per saldo scheelt, hangt af van het proces en van de kwaliteit van de concepten. Dat ziet u in een pilot, voordat u beslist hoe breed u uitrolt.

Het nalezen wordt sneller doordat de concepten beter worden; daarvoor dient de derde bouwsteen.

Elk twijfelgeval dat een medewerker beantwoordt, wordt een voorbeeld of een regel waar het systeem de volgende keer op terugvalt. Dezelfde vraag hoeft dan in de regel niet opnieuw op tafel te komen. Na verloop van tijd ziet u per soort geval hoe vaak een concept ongewijzigd wordt goedgekeurd. Een hoog percentage kan betekenen dat het systeem goed werkt, maar volgens de AP ook dat er niet meer kritisch wordt gekeken. Controleer daarom steekproefsgewijs of de goedgekeurde concepten ook echt klopten.

Blijkt een soort geval steeds in orde, dan kunt u daar de controle bewust verlichten: van akkoord per stuk naar een steekproef, of naar volledig automatisch. Dat besluit neemt u, op basis van wat u hebt gezien. De mens blijft dan aan het roer, alleen op een andere plek in het proces.

Wanneer volledige automatisering wél verantwoord is

Niet elke stap vraagt een handtekening. Volledig automatisch is verdedigbaar als de stap geen rechtsgevolgen heeft en niemand in aanmerkelijke mate treft. Daarnaast moet een fout klein en snel te herstellen zijn, en wordt de uitkomst later in het proces nog gecontroleerd.

Kan meestal volledig automatisch	Laat een mens tekenen
Een inkomende factuur uitlezen en in de juiste projectmap zetten	De factuur betalen of een creditnota sturen
Een mail labelen en bij de juiste medewerker neerleggen	Een antwoord aan een klant met een prijs of toezegging
Gegevens overnemen tussen twee systemen, met een controle op de uitkomst	Een offerte of aanmaning versturen
Een dagelijkse briefing voor uzelf opstellen	Een besluit over een sollicitant, huurder of klant

Voor klantcontact gelden extra aandachtspunten. Zet u een chatbot in, dan moeten klanten volgens ACM en AP altijd een medewerker kunnen bereiken. Sinds 2 augustus 2026 geldt bovendien artikel 50, lid 1, van de AI-verordening. Een AI-systeem dat rechtstreeks met mensen communiceert, moet zo zijn ontworpen dat zij weten dat ze met AI te maken hebben, tenzij dat al duidelijk is.

Waarom no-code-koppelingen breken bij echte complexiteit

Met no-code-platforms klikt u koppelingen bij elkaar: komt er een webformulier binnen, zet dan een regel in Excel. Voor zulke rechte lijnen werken ze goed. Bij een echt bedrijfsproces lopen ze tegen grenzen aan.

• Uitzonderingen stapelen zich op. Elke uitzondering wordt een extra vertakking. Na verloop van tijd is de koppeling een doolhof die niemand meer overziet.
• Fouten blijven stil. Mislukt een stap en slaat er niets alarm, dan stopt de koppeling zonder dat iemand het merkt. De order die niet in het ERP kwam, ziet u pas als de klant belt.
• Een leverancier verandert iets. Een ander systeem hernoemt een veld of wijzigt zijn API, de afgesproken manier waarop systemen gegevens uitwisselen. De koppeling breekt, terwijl u zelf niets hebt aangeraakt.
• Geen test en geen geschiedenis. Zonder aparte testomgeving en versiebeheer staat een aanpassing meteen live en is die lastig terug te draaien.
• Het hangt aan één persoon. Draait de koppeling op het persoonlijke account van degene die hem bouwde en gaat die weg, dan weet niemand meer hoe het zit.

Voor de kern van een proces, waar een fout een klant of geld kost, past een koppeling met foutafhandeling, een logboek en een melding bij een mens als iets niet lukt. Soms is dat een koppeling op de API van uw bestaande systemen, soms een klein stuk maatwerk software. Hoe zo'n koppeling in de praktijk werkt, leest u in koppelen met Exact, Salesforce en Microsoft 365. Eenvoudige stappen kunnen gerust in no-code blijven.

Waar begint u?

Knip eerst één proces in stappen, niet alle processen tegelijk. Welk proces u als eerste kiest en hoe u meet wat het nu kost, staat in AI implementeren in uw bedrijf.

Wilt u weten welke stappen in uw eigen proces een regel zijn, welke om AI vragen en waar u zelf wilt tekenen? In de gratis QuickScan kijken we in twee werkdagen samen naar uw processen en wijzen we een eerste stap aan. Het uitwerken per stap volgt daarna in de workflow-analyse. Wat Operium vervolgens bouwt, ziet u bij AI-agents en workflow-automatisering. Neem contact op.