Wat automatisering van de boekhouding met AI in 2026 concreet betekent
„Automatisering met AI” in de boekhouding betekent niet een systeem dat helemaal zelfstandig de administratie van een bedrijf bijhoudt. Het betekent een paar repetitieve, duidelijk afgebakende workflows, waarin een model of een set regels een eerste ronde over de gegevens doet — en een mens controleert, corrigeert en keurt goed. McKinsey schat, op het niveau van een algemene financiële functie, dat de reeds bestaande technologieën bijna de helft van de activiteiten (42%) volledig kunnen automatiseren en nog eens bijna een kwart (19%) gedeeltelijk — maar dat cijfer is een wereldwijd gemiddelde over financiële activiteiten in het algemeen, geen specifieke belofte voor een klein Roemeens bedrijf op SAGA.
Wat in de praktijk telt, is de granulariteit: je „automatiseert niet de boekhouding”, je automatiseert het inlezen van een factuur, het matchen van een betaling of een formaatcontrole vóór indiening — elk met een eigen risiconiveau als het misgaat.
Het inlezen van facturen uit e-Factura/SPV: wat kan worden geautomatiseerd
Vanaf 1 januari 2024 waren bedrijven verplicht om B2B-facturen te rapporteren via het systeem RO e-Factura, en vanaf 1 juli 2024 werd verzending via het systeem volledig verplicht, met sancties bij niet-naleving. Het systeem is gebaseerd op dezelfde Europese standaard voor elektronische facturering, vastgelegd in Richtlijn 2014/55/EU — oorspronkelijk bedoeld voor overheidsopdrachten, later door Roemenië ook uitgebreid naar B2B-transacties. Facturen circuleren zo als gestructureerde XML-bestanden via SPV, niet als losse pdf's, en precies die gestandaardiseerde structuur maakt automatisering mogelijk: een workflow kan automatisch nieuwe facturen uit SPV downloaden, de leverancier, het bedrag, de btw-tarieven en de productregels eruit halen, en ze matchen met de leveranciers die al in de administratie staan.
Het nuttige voor een klein bedrijf is dat niemand meer elke factuur handmatig hoeft te lezen om ze in te voeren — maar er moet nog steeds iemand de uitzonderingen valideren: een nieuwe leverancier die nog niet geregistreerd is, een factuur met een discrepantie tussen SPV en de oorspronkelijke bestelling, of een regel die met geen enkele bestaande rekening overeenkomt. Automatisering vermindert het volume aan handmatige invoer, niet de noodzaak van controle.
Automatisch matchen van bankafschriften met facturen en betalingen
Bankreconciliatie — het matchen van elke regel uit een afschrift met de bijbehorende factuur of betaling — is een goede kandidaat voor automatisering omdat de regels in de meeste gevallen voorspelbaar zijn: het bedrag, de datum en de naam van de betaler komen vaak genoeg overeen om een systeem een eerste automatische ronde te laten doen. Wat overblijft voor de mens zijn de uitzonderingen — deelbetalingen, een betaler met een andere naam dan het gefactureerde bedrijf, een dubbele betaling of een wisselkoersverschil bij betalingen in een andere munt.
Een goed gebouwde workflow verbergt uitzonderingen niet, hij zet ze juist in de schijnwerpers: de regel die niet automatisch is gematcht, moet duidelijk verschijnen, met de reden waarom hij niet matchte, niet alleen als „onopgelost” ergens in een lange lijst.
Automatische classificatie van uitgaven op rekeningen en fiscale categorieën
Op basis van de boekhoudkundige geschiedenis van het bedrijf kan een model het patroon „deze leverancier komt meestal op deze rekening” leren en de classificatie voorstellen voor soortgelijke nieuwe facturen. Dat is vooral nuttig bij bedrijven met een groot volume aan terugkerende uitgaven — brandstof, nutsvoorzieningen, software-abonnementen — waar het patroon van maand tot maand stabiel is.
Het echte risico is geen geïsoleerde fout, het is de stille drift: een model dat op een oud patroon is getraind, blijft „correct” classificeren volgens de regels, zelfs nadat het bedrijf van leveranciers verandert of zijn uitgavenstructuur wijzigt, en niemand merkt het tot een controle of de jaarafsluiting. Daarom heeft automatische classificatie een steekproef nodig die periodiek door een boekhouder wordt gecontroleerd, niet alleen een eerste configuratie die vervolgens alleen blijft draaien.
Automatische voorcontroles vóór de indiening van SAF-T (D406)
ANAF publiceert zijn eigen schema's (XSD) en een validatietool voor het SAF-T-bestand, en met de uitbreiding van de D406-rapportageverplichting naar kleine bedrijven, micro-ondernemingen en bedrijven zonder werknemers, is het aantal bedrijven dat dit periodieke proces doorloopt sterk gestegen. Een automatische controle, uitgevoerd vóór de indiening, kan de typische formaatproblemen tijdig opsporen — bijvoorbeeld een synthetische rekening op het verkeerde niveau, of een foutief ingevuld IBAN — met behulp van de officiële validator zelf of gelijkwaardige regels.
Nuttige automatisering vervangt hier de indiening niet, maar bereidt ze voor: ze voert de validatie uit, somt precies op wat niet slaagt, en laat de uiteindelijke beslissing over correctie en indiening bij de boekhouder die verantwoordelijk is voor het bestand.
Wat eigenlijk een menselijke beslissing blijft
Een recent onderzoek van ICAS (het Schotse Instituut van Registeraccountants) onder professionals in het vakgebied toont een consistent patroon: 74% zegt dat AI hun taken versnelt, maar slechts 22% voelde een echte toename in het volume afgerond werk — dat verschil toont dat versnelling op het niveau van een individuele taak zich niet automatisch vertaalt naar extra capaciteit op het niveau van de hele workflow. In hetzelfde onderzoek maakt 72% van de respondenten zich zorgen dat generatieve AI fouten kan produceren of tot verkeerde beslissingen kan komen, en de meest voorkomende toepassingen blijven routinetaken — tekst opstellen, samenvatten, werken in spreadsheets — geen beslissingen met fiscale inzet.
De maandafsluiting, de keuze van een fiscale behandeling in onduidelijke zones, de voorzieningen en elke interpretatie waarbij je verantwoordelijkheid opneemt tegenover een controle, blijven structureel menselijke beslissingen. Een model kan de informatie voorbereiden en inconsistenties signaleren; het kan niet de professionele verantwoordelijkheid van de handtekening dragen.
Hoe een automatiseringsworkflow bovenop SAGA C er in de praktijk uitziet
SAGA C heeft geen publieke API waarmee andere systemen rechtstreeks in de database kunnen lezen of schrijven. In de praktijk betekent dit dat elke automatisering op drie onderdelen wordt gebouwd: geplande exports en imports (de native bestanden die SAGA accepteert), RPA-automatisering voor de repetitieve stappen in de interface die niet door een bestand vervangen kunnen worden, en een document-AI-laag (optische herkenning plus een taalmodel) die gescande facturen, afschriften of andere ongestructureerde documenten leest en omzet naar het formaat dat SAGA kan importeren.
Studio's zoals The Niche Society bouwen dit soort workflows bovenop de native exports van SAGA, juist omdat er geen directere weg bestaat — elke „instant” integratie die voor SAGA wordt beloofd, zonder deze export/import-stap, verdient het om zorgvuldig gecontroleerd te worden voordat je erop vertrouwt.
Controles, auditlogboek en de grenzen die de context oplegt
Elke geautomatiseerde stap die iets in de boekhouding schrijft, zou een controleerbaar spoor moeten achterlaten: wat er is gewijzigd, op basis van welk brondocument, op welk tijdstip en met welk resultaat. Zonder dit logboek wordt een fout die pas laat wordt ontdekt — een dubbel geboekte factuur, een verkeerde classificatie die vijf maanden lang wordt herhaald — bijna onmogelijk om tot de oorsprong te herleiden. Hier horen ook nuttige automatische herinneringen bij, niet alleen voor indieningen: een melding wanneer een bankregel te veel dagen niet-gematcht blijft, of wanneer een rapportagetermijn nadert, voorkomt dat uitzonderingen ongezien blijven opstapelen.
Net zo belangrijk zijn de goedkeuringspunten: niets zou rechtstreeks vanuit een geautomatiseerde flow bij de ANAF ingediend mogen worden, zonder een expliciete stap van menselijke bevestiging vóór verzending. En omdat de verwerkte data financiële gegevens van het bedrijf zijn — soms ook persoonsgegevens, bij salarissen of CNP-nummers op aangiftes —, geldt dezelfde zorg voor vertrouwelijkheid die het ICAS-onderzoek signaleert (52% van de respondenten noemde zorgen over de vertrouwelijkheid van klantgegevens) hier rechtstreeks: waar het model draait en wie toegang heeft tot de gegevens die ernaartoe worden gestuurd, telt net zo zwaar als de nauwkeurigheid van het resultaat. Hoe dat er in SAGA uitziet, zonder het programma te wijzigen, beschrijven we op de pagina over automatisering van de boekhouding.
Een goede boekhoudautomatisering is niet degene die het meest autonoom lijkt, het is degene waarin je op elk moment, stap voor stap, kunt naspeuren waarom een cijfer geworden is wat het is.
Bronnen en verder lezen.
Veelgestelde vragen
Heeft SAGA een API voor automatisering?
Nee, SAGA C biedt geen publieke API aan. De automatisering wordt gebouwd bovenop export en import van bestanden, RPA-automatisering voor de stappen in de interface, en, waar ongestructureerde documenten gelezen moeten worden, een document-AI-laag die de gegevens voorbereidt in het formaat dat SAGA accepteert.
Kan AI de SAF-T-aangifte (D406) zelfstandig bij ANAF indienen?
Dat zou niet moeten. AI kan formaat-voorcontroles uitvoeren en fouten signaleren vóór indiening, maar de uiteindelijke beslissing over correctie en de effectieve verzending naar ANAF moet een stap blijven die handmatig wordt bevestigd door de verantwoordelijke boekhouder.
Is het, wat vertrouwelijkheid betreft, veilig om boekhoudkundige gegevens via AI te verwerken?
Dat hangt af van waar het model draait en wat er gebeurt met de gegevens die ernaartoe worden gestuurd. Het is een reële bezorgdheid, ook onder professionals in het vakgebied — een ICAS-onderzoek toont dat meer dan de helft van de respondenten de vertrouwelijkheid van klantgegevens als risico noemde. Toegangscontrole en een duidelijk auditlogboek zijn minimale voorwaarden, geen optie.
Hoeveel tijd kun je realistisch besparen met boekhoudautomatisering?
Er bestaat geen universeel percentage dat voor elk bedrijf geldt. Wereldwijd schat McKinsey dat bijna de helft van de activiteiten van een financiële functie volledig geautomatiseerd kan worden, en nog eens bijna een kwart gedeeltelijk, met de reeds bestaande technologieën — maar de werkelijk bespaarde tijd bij een klein bedrijf in Roemenië hangt af van het documentvolume en van hoe schoon de gegevens zijn waarmee je start.
Laten we kijken wat we bij jou kunnen automatiseren.
Een gratis sessie van 30 minuten: we vertellen je wat er te automatiseren valt, hoe lang het duurt en wat het kost, met een vaste prijs na de discovery.