Traditionele Artificiële Intelligentie (AI)-analyse en generatieve AI zorgen voor een revolutie in accounts receivable solutions. Ze automatiseren alles, van facturering tot incasso, en bieden tegelijkertijd nieuwe inzichten en mogelijkheden voor klantbetrokkenheid. Maar hoe scheidt u de hype van de werkelijke impact? Hoe gaat u bovendien om met de implementatie van Artificiële Intelligentie (AI) terwijl u risico's beheert en transparantie waarborgt?
Ontvang deze antwoorden en meer van AI-financieel expert en auteur van het boek AI Mastery for Finance Professionals, Glenn Hopper. Glenn is de gastspreker in een recent webinar dat ik, Bob Purcell, CFO bij Billtrust, heb georganiseerd. Indien u het evenement heeft gemist, volgt hier een korte samenvatting van onze discussie en de belangrijkste leerpunten.
2025: Het jaar van agentische AI
Een van de belangrijkste conclusies was deze gewaagde uitspraak: 2025 wordt het jaar van Agentic AI. "Iedereen wil het hebben over autonome agents", aldus Glenn, die uitlegt dat virtuele assistenten steeds krachtiger worden en steeds beter in staat zijn om zelfstandig te handelen. Agentische AI is de nieuwste ontwikkeling op het gebied van AI. Autonome virtuele assistenten of 'agents' zorgen voor een revolutie in een groot aantal traditioneel handmatige accounts receivable-taken en workflows.
In voorgaande jaren ontving Glenn meer verzoeken voor AI-training. Dit jaar, krijgt hij echter meer aanvragen voor advieswerk voor AI implementaties. "Ik hoor zelfs over meer financiële bonussen gebaseerd op AI implementatieprojecten. Tegen 2026 zullen we een veel groter gebruik van AI in accounts receivable zien. in accounts receivable," zei hij, eraan toevoegend dat alle automatiseringsmogelijkheden die in het webinar vandaag al op de markt beschikbaar zijn.
"Accounts receivable is een gebied dat rijp is voor AI," zei hij. Dat komt omdat accounts receivable activiteiten eenvoudige op regels gebaseerde systemen kunnen volgen - denk aan betalingsbeleid en voorwaarden of afstemming van de rekeningen die gelijke waarden zoeken en overeenkomen. Deze regels zijn vooraf gedefinieerde vangrails die AI-systemen gemakkelijk kunnen volgen.
Maar ondanks alle voordelen van innovatie, had Glenn ook een duidelijke waarschuwing over AI.
Niet alle automatisering is Agentic AI. Leveranciers willen elke automatiseringstool een agent noemen die wordt aangedreven door Agentic AI. Maar dat is het niet. Om als agent te kunnen fungeren, moet het AI-model in staat zijn om een uitdaging te analyseren en een oplossing te bedenken.
Glenn Hopper, hoofd AI-onderzoek & Ontwikkeling, Eventus Advisory Group
Lees meer in deze gids over Agentic AI
AI in accounts receivable: uitdagingen en gebruikscases
Onze discussie ging dieper in op de veelvoorkomende uitdagingen in traditionele accounts receivable workflows, zoals handmatige processen, inefficiënte incasso's, beperkte zichtbaarheid van de cashflow en onpersoonlijke interacties met klanten. Uit een korte enquête bleek dat handmatige processen momenteel de grootste uitdaging vormen voor accounts receivable onder de deelnemers.
Glenn legde uit hoe AI deze problemen aanpakt door taken te automatiseren, incasso's te optimaliseren, betalingstermijnen te voorspellen en de communicatie met klanten te personaliseren.
Handmatige processen missen zichtbaarheid. Zodra u deze processen automatiseert, breekt u silo's en barrières voor transparantie af. Dan kunnen de gegevens gaan stromen.
Glenn Hopper, hoofd AI-onderzoek & Ontwikkeling, Eventus Advisory Group
AI kan vervolgens patronen en nuances ontdekken die diep verborgen liggen in uitgebreide datasets en geavanceerde analyses veel sneller en beter uitvoeren dan het menselijk brein. "Mensen hebben grafieken nodig om verbanden tussen datasets te begrijpen, maar AI heeft dat niet nodig", voegde hij eraan toe. Nu hoeven mensen het moeilijke mentale werk niet meer te doen. In plaats daarvan krijgen ze een lijst met geprioriteerde acties die ze moeten ondernemen. "Het resultaat is een voorspellende en strategische operatie."
We onderzochten gedetailleerde voorbeelden van AI-toepassingen in AR, waaronder:
- Automatisering van facturering & -facturering: Artificiële Intelligentie (AI) stroomlijnt het aanmaken en verzenden van facturen, vult automatisch gegevens in, signaleert fouten en koppelt documenten voor afstemming, waardoor handmatige fouten aanzienlijk worden verminderd en factureringscycli worden versneld. "Een van de beste manieren om de days sales outstanding te verminderen, is door nauwkeurig te zijn bij het factureren", legt Glenn uit.
- Artificiële Intelligentie (AI)-gestuurde cash forecasting: automatisering verbetert het inzicht in de kaspositie en Artificiële Intelligentie (AI) verhoogt de nauwkeurigheid van prognoses, waarbij betalingstermijnen met een nauwkeurigheid van meer dan 90% worden voorspeld en risicovolle accounts worden geïdentificeerd. "Maar als u jouw gegevens
niet kunt volgen [door handmatige taken], dan mist u de
voordelen van AI," legde hij uit. "Alle AI begint met gegevens, en het
systeem voedt zich voortdurend met nieuwe gegevens. Het is allemaal dynamisch." - Klantensegmentatiestrategieën: Artificiële Intelligentie (AI) segmenteert klanten op basis van hun betaalgedrag, geeft prioriteit aan risicovolle accounts en past communicatiekanalen en -tonen aan voor verbeterde incasso's en klantrelaties. Gemeenschappelijke segmenten worden georganiseerd op basis van gedrag (zoals
betalingspatronen), risicobeoordelingen (inclusief betalings- en kredietrisico), communicatiebenaderingen
(zoals kanaalvoorkeuren en de te gebruiken toon in
incassoherinneringen), evenals prioriteitsscores voor
klanten met een hoog risico of hoge waarde. - AI in geschillenbeslechting: Artificiële Intelligentie (AI) automatiseert routinematige taken voor geschillenbeslechting, stelt gepersonaliseerde reacties op en stelt slimme chatbots in staat om vragen van klanten te behandelen. AI kan
disputenanalyse, antwoordgeneratie en autonome triage uitvoeren om verzoeken te interpreteren
en oplossingen te initiëren, en complexe zaken te escaleren indien
nodig.
Voordelen en overwegingen voor invoering van AI
Onze discussie benadrukte ook de voordelen van het implementeren van
AI in accounts receivable solutions, zoals verhoogde efficiëntie, minder fouten, snellere responstijden en
verbeterde klantervaring. Glenn wees op belangrijke overwegingen voor
voor de invoering van AI, waaronder het opbouwen van vertrouwen in AI-besluitvorming, het waarborgen van gegevens
kwaliteit van gegevens, integratie met bestaande systemen en behoud van menselijk toezicht.
Intelligente documentverwerking is volgens Glenn een belangrijk voordeel. Hij voegt hieraan toe dat optische tekenherkenning (OCR) en machine learning (ML) samenwerken om:
- Extraheer ongestructureerde gegevens nauwkeurig in een zee van verschillende formaten,
- het afstemmen van informatie voor het aanvragen van contant geld,
- en tegelijkertijd afwijkingen identificeren voor het opsporen van anomalieën.
"Er is veel onbegeleide training met ML", zei hij, wat verklaart waarom AI tegenwoordig in een sneller tempo vordert. Generatieve AI biedt eveneens voordelen. "GenAI is enorm efficiënt. U hoeft zich nu geen zorgen meer te maken over het juiste zoektype – je stelt gewoon je vragen in gewone taal.
Efficiëntie is niet de enige drijvende kracht achter AI. De ROI gaat niet over het verwijderen van personeel, maar over het nemen van datagestuurde beslissingen.
Routekaart voor de implementatie van op AI gebaseerde oplossingen voor debiteurenadministratie
Om organisaties op weg te helpen met AI in
accounts receivable solutions, schetste Glenn vier praktische stappen voor invoering die kunnen helpen zorgen voor een
sterk rendement op investering:
- Bereid uw data-infrastructuur voor: reinig en uniformiseer accounts receivable-data, stel databeheer in en zorg ervoor dat de data gereed is voor gebruik.
- Kies de juiste technologie & partners: selecteer AI-tools die kunnen worden geïntegreerd met bestaande systemen en werk samen met ervaren leveranciers.
- Vermijd veelvoorkomende valkuilen: Begin met use cases met een hoge impact, hanteer een gefaseerde aanpak, investeer in training en behoud menselijk toezicht.
- Mogelijkheden voor continue verbetering: Glenn stimuleerde continue verbetering en innovatie door AI-modellen te monitoren, klantgedrag te analyseren, Artificiële Intelligentie (AI) te onderzoeken voor fraudedetectie en het kredietbeleid te optimaliseren. Er kan modelafwijking optreden. Het feit dat AI-modellen vandaag de dag functioneren, betekent niet dat zij op continue basis nauwkeurige voorspellingen zullen doen. AI is niet iets dat u instelt en vervolgens kunt vergeten," zei hij.
AI is niet iets dat u eenmalig instelt en vervolgens kunt negeren. U dient voortdurend te evalueren.
Mis deze kans niet om te luisteren naar een vooraanstaande AI-expert in de financiële sector. Luister hier naar het webinar.
De volgende golf in AI-automatisering voorblijven
AI verandert oplossingen en activiteiten voor accounts receivable en biedt
financiële professionals praktische begeleiding om efficiëntie, nauwkeurigheid en
klanttevredenheid te verbeteren. Maar leiders moeten blijven leren om de
Snelle vooruitgang in financiële automatisering.
