Dat vraagt om nuance. Want hoewel AI steeds meer mogelijkheden biedt - van slimme sourcing tot voorspellende spendanalyse - zijn er ook valkuilen. “Veel organisaties willen iets met AI, maar hebben te weinig inzicht in de randvoorwaarden”, stelt Paul. “Je kunt nog zo’n vernieuwend model bouwen, maar als de onderliggende data incompleet of onbetrouwbaar is, blijft het bij een proefballon.” Toch is het momentum om nu te starten met AI in Source to Pay groot. De technologie is volwassen genoeg voor praktische toepassingen, en de potentie om processen efficiënter, transparanter en veiliger te maken is evident.

Praktische toepassingen
Neem als voorbeeld de leveranciersselectie. Waar in het verleden handmatig werd gezocht naar de juiste partij, kan een AI-model nu automatisch voorstellen doen op basis van performance data, ESG-criteria en risicoprofielen. “We zien dat AI in staat is om tientallen variabelen tegelijk mee te nemen – zoals prijs, leverbetrouwbaarheid en contractuele verplichtingen – en daarmee aanbevelingen te doen die onderbouwd en uitlegbaar zijn”, legt Paul uit. “Geen black box, maar gewoon inzicht in waarom een bepaalde leverancier als beste uit de bus komt.”

Ook op het gebied van contractanalyse en risicobeheersing is de impact groot. Door Natural Language Processing (NLP) kunnen AI-oplossingen juridische documenten scannen op afwijkende voorwaarden, ontbrekende clausules of verborgen risico’s. “We hebben een case gezien waarbij AI een boetebeding ontdekte in een bestaand contract dat volledig over het hoofd was gezien. Dat soort inzichten kun je met de hand bijna niet boven tafel krijgen.” Volgens Paul maakt dit het mogelijk om contractmanagement veel proactiever en consistenter in te richten.

Binnen het operationele bestelproces maken digital assistants steeds vaker het verschil. Denk aan AI-gestuurde inkoopassistenten die automatisch conceptbestellingen opstellen zodra voorraadniveaus onder een drempel zakken, of die alternatieve artikelen voorstellen bij leveringsproblemen. Ook zijn er toepassingen waarbij medewerkers via een chatinterface eenvoudig een bestelling kunnen plaatsen, waarna de assistent automatisch de juiste leverancier, contractvoorwaarden en bestelregels toepast. “Dit verlaagt niet alleen de werkdruk, maar zorgt ook voor veel consistentere bestelpatronen”, zegt Paul. "Zulke toepassingen helpen organisaties om sneller, slimmer en vooral foutlozer te bestellen – met behoud van centrale regie en compliance."

Kansen voor Accounts Payable
Paul ziet ook grote kansen voor automatisering met AI binnen Accounts Payable (AP). "Denk aan het automatisch herkennen, classificeren en matchen van inkomende facturen, inclusief afwijkingsdetectie bij bijvoorbeeld prijsverschillen of ontbrekende orderreferenties. AI kan leren van eerdere correcties en daardoor steeds beter voorspellen wat de juiste verwerking is”, legt Paul uit. Ook worden steeds vaker self-learning workflows gebruikt die facturen automatisch routeren naar de juiste budgethouder of afdeling. Hierdoor dalen de verwerkingstijden drastisch en neemt het aantal handmatige handelingen sterk af – met als resultaat meer controle, snellere betalingen en een sterkere grip op het werkkapitaal.

Valkuilen
Maar er zijn ook zorgen, en terecht. AI is niet neutraal, en werkt alleen zo goed als de data die je erin stopt. Paul is daar helder over: “De grootste valkuil is denken dat AI het werk voor je gaat doen. In werkelijkheid moet je je datalandschap op orde hebben, governance inrichten, en zorgen dat je modellen uitlegbaar zijn. Je moet het als team kunnen begrijpen én erop kunnen vertrouwen.” Transparantie en uitlegbaarheid zijn dan ook geen nice-to-haves, maar randvoorwaarden. Zeker in een inkoopcontext waar compliance, controleerbaarheid en contractuele verplichtingen centraal staan.

Een ander aandachtspunt is adoptie. AI verandert niet alleen processen, maar ook rollen in de organisatie. “Wij merken dat medewerkers terughoudend kunnen zijn. Daarom starten we vaak bij klanten met kleine, overzichtelijke toepassingen, zoals automatische factuurherkenning of contractvalidatie. Wanneer mensen zien dat het werkt, groeit het vertrouwen vanzelf.” Volgens Paul zit de grootste kracht van AI in het ondersteunen van de gebruiker, niet in het vervangen ervan. “Wij geloven niet in autonome besluitvorming zonder menselijk toezicht. AI moet inzichten geven, maar de uiteindelijke keuze blijft aan de professional.”

Veranderende markt
De opkomst van AI heeft ook gevolgen voor de markt van (Source to Pay) aanbieders. Waar jarenlang gevestigde spelers konden bouwen op een grote klantenbasis en robuuste maar logge platforms, ontstaat nu ruimte voor nieuwe toetreders met moderne, modulaire technologie. “We zien dat AI het speelveld gelijker maakt”, stelt Paul. “Een innovatieve speler met een beperkt budget kan ineens functies ontwikkelen die voorheen alleen bereikbaar waren voor grote softwarehuizen.” Legacy-systemen blijken vaak minder wendbaar: hun architectuur laat zich moeilijk aanpassen aan datagedreven of lerende modellen. Daardoor dreigen ze technologisch ingehaald te worden – niet ondanks, maar dankzij hun verleden. Voor klanten betekent dit dat een heroriëntatie op de technologische fundamenten van hun Source to Pay-omgeving steeds relevanter wordt. “De vraag is niet alleen wat een systeem vandaag kan, maar of het zich kan aanpassen aan morgen”, aldus Paul. "Spendlinq volgt deze marktverschuivingen op de voet en ziet het als haar rol om organisaties onafhankelijk en met kennis van zaken te adviseren in deze keuzes."

Toekomstvisie
De toekomst ziet hij als veelbelovend, mits realistisch aangepakt. “AI gaat het Source to Pay- landschap fundamenteel veranderen. Denk aan zelflerende processen die continu optimaliseren, of intelligente assistenten die onderhandelingen voorbereiden op basis van marktdynamiek. Maar dat is niet van vandaag op morgen.” Om daar te komen, is volgens Paul meer nodig dan alleen technologie. Denk aan een robuuste data-architectuur, duidelijke rollen en verantwoordelijkheden. Maar bovenal: een visie op hoe inkoop waarde toevoegt aan de organisatie.

Helder doel
Spendlinq speelt hierin een begeleidende rol. Niet als leverancier van kant-en-klare AI-producten, maar als inhoudelijke sparringpartner die helpt om technologie zó in te zetten dat het past bij de context van de organisatie. “We kijken samen met klanten naar de volwassenheid van hun processen, de kwaliteit van hun data, en op welke punten AI echt iets kan bijdragen. Soms is dat een AI-oplossing, soms juist het opruimen van de basis. Wij geloven in kleine stappen, maar met een helder doel.”

Het doel is een Source to Pay-omgeving waarin technologie niet alleen zorgt voor snelheid en efficiëntie, maar ook voor inzicht, grip en strategisch voordeel. “Als je AI op de juiste manier inzet, dan kun je van inkoop een proactieve, datagedreven discipline maken, die niet achteraf registreert, maar vooruitkijkt en waarde creëert."

Paul besluit: “AI in Source to Pay is geen revolutie, maar een evolutie. En zoals bij elke evolutie geldt: het zijn niet de grootste of snelste organisaties die overleven, maar degene die zich het best weten aan te passen. En dat begint bij inzicht, niet bij de tools.”