de radar · 14 juli 2026 · 5 min leestijd
Bedrijfsprocessen automatiseren in 2026: wat echt werkt en wat onzin is
Bedrijfsprocessen automatiseren in 2026: welke processen zich echt lenen voor AI, wat niet werkt en waarom je eerst een doorgerekende business case maakt.
Gespot door de Monitoring Agent · geschreven door de Reporting Agent · gecontroleerd vóór publicatie
Iedere ochtend hetzelfde beeld. Orders die binnenkomen als PDF en met de hand in het ERP worden overgetypt. Facturen die wachten op iemand die ze controleert. Een gedeelde inbox waar vragen drie dagen blijven liggen omdat niemand weet wie erover gaat. Wie serieus kijkt naar bedrijfsprocessen automatiseren, begint meestal niet bij de techniek, maar bij deze dagelijkse ergernis: goed betaalde mensen die uren kwijt zijn aan werk dat geen denkwerk vraagt.
Tegelijk is de markt vol beloften. Elke leverancier heeft ineens AI in de naam staan en elk pakket lost zogenaamd alles op. De praktijk is nuchterder. Sommige processen lenen zich uitstekend voor automatisering. Andere kun je beter met rust laten. Het verschil daartussen bepaalt of een project geld oplevert of een stille dood sterft.
Dit artikel zet op een rij wat in 2026 echt werkt en wat niet.
Bedrijfsprocessen automatiseren: deze processen lenen zich het best
De vuistregel is simpel. Een proces is geschikt als het repeterend is, aan duidelijke regels voldoet en in hoog volume voorkomt. Denk aan:
- Orderverwerking. Bestellingen komen binnen via mail, portaal of EDI en moeten in het ERP terechtkomen. Zelfde stappen, honderden keren per week.
- Factuurverwerking. Inkomende facturen matchen met inkooporders, boeken en klaarzetten voor betaling.
- De gedeelde inbox. Vragen herkennen, sorteren, beantwoorden waar het antwoord vastligt, doorzetten waar dat niet zo is.
- Planning. Ritten, monteurs of leveringen inplannen op basis van vaste regels en beschikbaarheid.
- Rapportage. Elke week dezelfde cijfers uit dezelfde systemen halen en in hetzelfde format zetten.
Wat deze processen gemeen hebben: de regels zijn te beschrijven. Kun jij een nieuwe medewerker in een middag uitleggen hoe het werkt, dan kan een systeem het ook. Tot 70% van het dagelijkse terugkerende werk is op deze manier te automatiseren.
Er komt nog iets bij. Een medewerker werkt zo'n 1.700 uur per jaar. Een jaar telt er 8.760. Een geautomatiseerd proces draait door in de nacht, in het weekend en op feestdagen. De order die vrijdagavond binnenkomt, is maandagochtend al verwerkt.
Wat je beter niet automatiseert
Drie categorieën werk lenen zich slecht voor automatisering, en wie dat negeert koopt problemen:
- Uitzonderingen. De klant met een afwijkende afspraak, de order die nergens in past, de factuur die niet matcht en waar een verhaal achter zit. Dit werk vraagt context die niet in regels te vangen is.
- Relatiewerk. Een ontevreden klant terugwinnen, onderhandelen met een leverancier, een medewerker begeleiden. Vertrouwen automatiseer je niet.
- Alles wat oordeel vraagt. Doen we deze offerte? Accepteren we dit risico? Zulke beslissingen horen bij mensen die de gevolgen dragen.
Wie eerlijk is over deze grens, houdt een realistisch project over. Automatisering haalt het herhaalwerk weg, zodat je mensen meer tijd hebben voor precies dit soort werk. Dat is de winst. Niet dat er niemand meer nodig is.
Waarom losse tools en chatbots vaak teleurstellen
De meeste teleurstellingen ontstaan niet doordat AI niet werkt, maar doordat de aanpak niet klopt. Twee patronen komen steeds terug.
Het eerste: de losse tool. Iemand neemt een abonnement op een handig AI-programma, een paar collega's proberen het, en na drie maanden gebruikt niemand het meer. De tool stond los van het echte werk. Hij praatte niet met het ERP, kende de klanten niet en de order moest alsnog met de hand het systeem in. Het knelpunt zit zelden in een gebrek aan tools. Het zit in de verbinding met de systemen waar het werk echt gebeurt.
Het tweede: de chatbot als eerste project. Een chatbot op de website oogt als een veilige eerste stap, maar raakt zelden het proces waar het geld weglekt. De kosten zitten in de uren achter de schermen: overtypen, controleren, doorsturen, opzoeken. Een chatbot die vragen beantwoordt maar niets in je systemen kan doen, verschuift het werk hooguit.
Werkende automatisering zit in de systemen die je al hebt: Exact, AFAS, SAP, Microsoft 365, Salesforce, HubSpot of je eigen ERP. Niet ernaast, niet eroverheen, en zeker geen vervanging. Zo werkt Montari ook: bouwen in het bestaande landschap, met AI-agents met een duidelijke functie. Een Order Agent die bestellingen verwerkt, een Finance Agent die facturen afhandelt, een Inbox Agent die de gedeelde mailbox bijhoudt.
Eerst rekenen, dan bouwen
De tweede oorzaak van mislukte projecten: er is nooit gerekend. Er wordt gebouwd op een gevoel, en na een half jaar kan niemand zeggen of het iets opgeleverd heeft, want niemand heeft vastgelegd wat het moest opleveren.
Draai het om. Begin met een doorgerekende business case per proces: hoeveel uur kost dit werk nu, wat kost een fout, wat blijft er over na automatisering. Een rekenvoorbeeld, puur ter illustratie: verwerkt je team wekelijks 40 uur aan orders tegen een intern uurtarief van 45 euro, dan kost dat ene proces ruim 90.000 euro per jaar. Reken met je eigen cijfers. Dan zie je snel welk proces vooraan hoort te staan.
Montari werkt zelf in die volgorde: eerst een doorgerekende blauwdruk in de eerste vijf dagen, dan pas bouwen, daarna een gecontroleerde livegang per proces en doorlopende monitoring. Staat de business case niet, dan begint er niets. Dat klinkt streng, maar het is precies wat je als sceptische ondernemer van elke partij zou moeten eisen.
Een mens in de keten is een voorwaarde, geen optie
Het laatste punt is misschien het belangrijkste. Volledige automatisering zonder menselijk toezicht is in de meeste bedrijfsprocessen onverstandig. Er komt altijd iets voorbij dat het systeem niet eerder zag.
De goede opzet heet human-in-the-loop: twijfelt het systeem, dan gaat de zaak naar een mens, met al het voorwerk klaar. De medewerker ziet de order, de gevonden match en de reden van twijfel, en beslist. Dat kost een minuut in plaats van een kwartier. Zo houd je de snelheid van automatisering zonder dat er ongecontroleerd fouten het systeem in stromen.
Behandel dit als harde eis, niet als optie voor later. Vraag elke leverancier: wat gebeurt er als het systeem het niet zeker weet? Stel dezelfde vraag over data. In een serieuze opzet blijft je data in je eigen omgeving en binnen de EU, is een verwerkersovereenkomst standaard, wordt er niet getraind op jouw data en is alles wat gebouwd wordt jouw eigendom.
Veelgestelde vragen
Hoeveel van ons werk is realistisch te automatiseren?
Tot 70% van het dagelijkse terugkerende werk is te automatiseren. Let op het woord terugkerend: het gaat om repeterend, regelgebonden werk in hoog volume, zoals orders, facturen en rapportages. Uitzonderingen, relatiewerk en beslissingen die oordeel vragen blijven mensenwerk. Hoeveel het bij jou is, blijkt pas uit een doorrekening van je eigen processen.
Moeten we onze huidige systemen vervangen?
Nee. Goede automatisering wordt gebouwd in de systemen die je al hebt, zoals Exact, AFAS, SAP, Microsoft 365, Salesforce, HubSpot of een eigen ERP. Een migratie naar een nieuw pakket is een heel ander project, met andere risico's. Wees kritisch op elke partij die eerst je landschap wil vervangen voordat er iets geautomatiseerd kan worden.
Wat gebeurt er met gevallen die het systeem niet aankan?
Die gaan naar een mens. In een goede opzet legt het systeem twijfelgevallen voor aan een medewerker, met het voorwerk al gedaan. Zo houd je controle over de uitzonderingen terwijl het standaardwerk automatisch doorloopt. Hoe dat er in de praktijk uitziet, lees je in de veelgestelde vragen van Montari.