Wat AI wel én niet kan

AI is inmiddels zo ver ontwikkeld dat het concrete processtappen binnen Source to Pay merkbaar kan versterken, aldus Paul. “In spendanalyses kan AI bijvoorbeeld patronen herkennen en categorieën voorstellen. Bij contractbeheer zie je oplossingen die afwijkende voorwaarden automatisch signaleren. En bij leveranciersmanagement kunnen modellen risicoprofielen opstellen op basis van externe data, zoals nieuws, ESG-ratings of leverbetrouwbaarheid. Dat versnelt de besluitvorming, maakt inzichten scherper en voorkomt fouten.”

Maar AI kan geen wonderen verrichten, benadrukt hij. “We zien regelmatig dat organisaties verwachten dat AI hele processen overneemt. Dat is niet realistisch. AI is heel goed in het herkennen van patronen, maar niet in het begrijpen van context. Het kan geen belangen afwegen, geen nuance aanvoelen, geen organisatiecultuur lezen. En juist dat is wat Source to Pay complex maakt.”

De rol van de mens blijft cruciaal
Paul noemt als voorbeeld het selecteren van leveranciers. “Een AI-model kan op basis van data aanbevelingen doen: deze leverancier presteert het best, deze voldoet aan je criteria. Maar de afweging of die leverancier past binnen je sourcingstrategie, je duurzaamheidsbeleid of de gevoeligheden in je organisatie, dat blijft mensenwerk. Je hebt daar ervaring, gevoel en afstemming voor nodig.”

Ook in het opstellen en managen van contracten blijft menselijke regie onmisbaar. “AI kan afwijkingen signaleren, versies vergelijken of standaardclausules aandragen. Maar de interpretatie van wat strategisch belangrijk is, of het voeren van onderhandelingen, dat wordt nooit overgenomen door een algoritme. En terecht.”

Datakwaliteit als fundament
Daarnaast wijst Paul op een belangrijk fundament: datakwaliteit. “AI is zo goed als de data die je erin stopt. En laten we eerlijk zijn: in veel organisaties zijn leveranciersdata, inkoopcategorieën en contractregistraties niet optimaal gestructureerd. Je kunt dan wel AI inzetten, maar als de basis niet op orde is, dan krijg je rommelige resultaten. Dan blijft menselijke correctie nodig.”

AI ondersteunt maar vervangt niet
Paul ziet in de praktijk dat AI vooral helpt bij het ondersteunen van processen, niet bij het vervangen ervan. “Wij helpen klanten om realistisch te kijken naar waar automatisering waarde toevoegt,” legt Paul uit. “Bijvoorbeeld in het genereren van bestelsuggesties op basis van verbruik en contractafspraken. Of in het automatisch genereren van rapportages met afwijkingen of risico’s. Dat helpt de inkoper of contractmanager, maar neemt het werk niet over.”

Houd de regie
Belangrijk daarbij is dat organisaties de regie houden. “We horen vaak: ‘de leverancier biedt AI standaard aan in het platform’. Dat is op zich positief, maar het betekent ook dat je als organisatie moet begrijpen hoe het model werkt, waar het op gebaseerd is en wat het doet met je beslisinformatie. Zeker als het gaat om compliance of audits”, zegt Paul.

Nieuwe wetgeving onderstreept dat. “De AI Act gaat eisen stellen aan transparantie, uitlegbaarheid en risicobeheersing. Binnen Source to Pay raakt dat bijvoorbeeld het gebruik van AI in leveranciersselectie, contractbeoordeling of factuurgoedkeuring. Je moet straks kunnen aantonen waarom een beslissing genomen is. En dat kan alleen als je het proces nog begrijpt.”

Autorisatie, toezicht en verantwoording
Ook governance, security en privacy blijven belangrijke thema’s. “AI-modellen verwerken vaak gevoelige informatie: prijsafspraken, leveranciersvoorwaarden, contractteksten, financiële verplichtingen. Dat vraagt om sterke autorisatie, toezicht en verantwoording. Niet alleen technisch, maar ook organisatorisch”, vervolgt Paul. “Je moet weten wie verantwoordelijk is voor het monitoren van uitkomsten, het trainen van modellen, het bijsturen bij afwijkingen.”

AI onderdeel van brede Source to Pay-strategie
Volgens Paul is het grootste risico dat AI als vanzelfsprekende oplossing wordt gezien. “Maar zonder de juiste inrichting, processen en mensen krijg je geen resultaat. Sterker nog, je loopt risico’s. Als een model iets suggereert dat niet klopt - en niemand controleert het - dan maak je fouten die serieuze impact kunnen hebben. En in het Source to Pay-domein kan dat leiden tot verkeerde leverancierskeuzes, contractbreuken of ongewenste verplichtingen.”

Daarom adviseert hij om AI niet los te zien van het grotere geheel. “AI moet onderdeel zijn van een bredere Source to Pay-strategie. Het moet passen binnen je governance, je processen, je architectuur. En vooral: het moet je mensen versterken, niet vervangen.”

Échte waarde zit in de balans
De kracht zit volgens Paul in de balans. “Laat AI de data doorkammen, signalen geven en suggesties doen. Maar gebruik menselijke expertise om keuzes te maken, belangen af te wegen en processen aan te passen. Dat is waar de échte waarde zit.”

Spendlinq begeleidt organisaties precies bij die afweging. “Wij kijken samen met klanten naar waar AI wél werkt, waar het niet werkt, en hoe je het verantwoord inricht. Daarbij letten we niet alleen op technologie, maar juist ook op processen, mensen en data. Want dát is wat nodig is voor een duurzame digitale transformatie van Source to Pay.”