Moet ik administratieve processen automatiseren met AI of met traditionele software?

Je kiest niet tussen AI en traditionele software, je verdeelt de stappen: regels en klassieke software voor alles met een vaste structuur en nul fouttolerantie (boeken, rekenen, betalen), AI voor de stappen waar de invoer wisselt (een pdf in een vreemde lay-out, een mail in gewone taal, een uitzondering), en daartussen een mens die goedkeurt.

Deze pagina laat zien hoe je die grens per stap trekt. Eerst wat je boekhoudpakket al doet zonder dat je iets koopt, dan waar regels winnen en waar AI wint, wat beide per factuur kosten (met een eigen rekensom), hoe betrouwbaar AI in de administratie nu is, en wat de bewaarplicht en de AI-verordening aan de keuze veranderen. Voor het begripsverschil tussen een agent en een vaste workflow is er een aparte pagina: wat is het verschil tussen een AI-agent en workflow automation.

Het korte antwoord

• Kun je een stap volledig beschrijven in als-dan-zinnen, dan is een regel goedkoper, sneller en voorspelbaarder dan AI.
• Een regelautomatisering kost volgens Ortem $0,001 tot $0,01 per uitvoering, een AI-agent $0,05 tot $0,50; het lezen van één factuur met een taalmodel kost in onze eigen rekensom ongeveer een cent.
• Een taalmodel is niet deterministisch: bij Thinking Machines gaven 1.000 identieke verzoeken op temperatuur 0 toch 80 verschillende antwoorden. Rekenen, btw en betalen horen daarom bij regels.
• AI wint waar sjablonen breken: facturen in wisselende lay-outs, mail in gewone taal, een nieuwe leverancier zonder boekingsregel.
• Je pakket doet al veel: Moneybird koppelt banktransacties alleen bij 100 procent zekerheid, en Exact noemt voor zijn Purchase Agent een eigen accuraatheid van 98 procent, met automatische factuurverwerking standaard inbegrepen.
• De echte kosten van AI zitten niet in de rekenkracht maar in het nakijken: 10 tot 15 seconden controle per document kost meer dan tien keer zoveel als de AI zelf.
• Je administratie moet 7 jaar bewaard blijven en de AI-verordening vraagt aantoonbaarheid, dus leg vast wat de AI voorstelde en wie akkoord gaf.

Wat doet je boekhoudpakket al zonder AI van buiten?

Begin niet met de vraag “AI of software”, maar met de vraag wat je pakket al standaard doet. Bij de drie grote Nederlandse pakketten is dat meer dan veel ondernemers denken, en een deel ervan is al AI.

Moneybird verwerkt banktransacties automatisch, maar alleen onder een harde voorwaarde: “We doen dit alleen als we 100% zeker weten dat de koppeling goed is” (Moneybird helpcenter, gelezen 30 september 2026). Is het systeem niet zeker, dan kies je zelf. Dat is precies hoe een goede regel werkt: hij doet niets als hij het niet weet. Voor inkomende facturen zegt Moneybird eerlijk: “Automatische herkenning is niet altijd 100% perfect” en “Controleer daarom altijd even de herkende gegevens”. Het advies is om leveranciers om UBL-facturen te vragen, want “In een UBL-bestand staan alle factuurgegevens op een vaste, gestructureerde manier” (Moneybird helpcenter).

Exact zegt over zijn Purchase Agent: “Herkent afwijkingen in inkoopfacturen en doet slimme suggesties om transacties op de juiste grootboekrekening te plaatsen. En dat alles met een accuraatheid van 98%” (Exact, gelezen 30 september 2026). Dat getal komt van Exact zelf, zonder meetmethode. Automatische factuurverwerking is volgens Exact standaard inbegrepen in de edities van Exact Online Boekhouden en beschikbaar in al zijn oplossingen; Exact belooft facturen en betalingen “tot wel 7 keer sneller” te verwerken (Exact Scan & Herken).

De les uit deze tabel: het lezen van een factuur is bij Exact en Moneybird al pakketwerk. Wat je daarbovenop koopt, moet iets doen wat het pakket niet doet. Hoe de AI in je pakket zich verhoudt tot een AI-agent ernaast staat uitgewerkt in de AI die al in AFAS of Exact zit, of een AI-agent ernaast, en wat AI met je bestaande software kan in hoe werkt AI met de software die je al hebt.

Wanneer is traditionele software beter dan AI in de administratie?

Traditionele software, met regels, is beter voor elke stap met een vaste structuur, een hoog volume en nul fouttolerantie. DIDEV geeft de bruikbaarste vuistregel: “Kun je de taak volledig beschrijven in als-dan-zinnen, kies dan traditionele automatisering” (DIDEV, geen datum). Een bankregel met de omschrijving “Belastingdienst” gaat naar de btw-rekening. Een factuur van leverancier X gaat naar grootboekrekening Y. Daar is geen begrip voor nodig.

Drie makers van automatiseringssoftware die zelf ook AI verkopen, zeggen hetzelfde. Make: “RPA works best when your source system, target system, and business rules remain stable” en “It is built for stability, not flexibility. It does not make judgments. It follows instructions exactly” (Make, 20 april 2026). Zapier: “Use RPA for predictable, high-volume tasks that don’t change often and require absolute consistency, especially when you’re working with legacy systems or software that doesn’t offer APIs” (Zapier, januari 2026, bijgewerkt juli 2026). En Anthropic, dat zelf taalmodellen verkoopt, adviseert om “find the simplest solution possible, and only increasing complexity when needed” (Anthropic, 19 december 2024). RPA staat voor robotic process automation: software die vaste handelingen in schermen naspeelt; het verschil met AI-orchestratie staat op AI orchestration platform versus RPA.

De hardste reden is determinisme. Een regel geeft bij dezelfde invoer altijd dezelfde uitkomst. Een taalmodel niet, ook niet op temperatuur 0, de stand die “zo min mogelijk variatie” moet geven. Thinking Machines liet een model 1.000 keer hetzelfde verzoek op temperatuur 0 beantwoorden en kreeg 80 verschillende uitkomsten, omdat bij gehoste modellen “the load (and thus batch-size) nondeterministically varies” (Thinking Machines, 2025). Met aangepaste rekenkernels werden alle 1.000 gelijk, maar dat kostte 42 in plaats van 26 seconden, en die keuze heb je als klant van een gehost model niet. Voor een btw-bedrag, een optelling of een dubbele-factuurcontrole wil je dus code, geen model.

Wanneer is AI beter dan traditionele software?

AI is beter bij elke stap waar de invoer wisselt en waar je betekenis nodig hebt in plaats van structuur. Make vat het samen in twee zinnen: “If it depends on structure, RPA works. If it depends on meaning, you need agentic AI” (Make, 20 april 2026).

In de administratie zijn dat drie soorten stappen. Ten eerste documenten in wisselende vorm. Klassieke tekstherkenning (OCR) haalt volgens Vellum 99 procent op gestandaardiseerde documenten, maar vraagt “template creation and rule definition” per documenttype (Vellum, 3 december 2025). Met honderd leveranciers betekent dat honderd sjablonen, en elk nieuw factuurontwerp breekt er een. Een taalmodel leest de factuur zoals een collega dat doet. Ten tweede taal: een mail met “hetzelfde als vorige keer, maar dan naar het nieuwe adres” is voor een regel onleesbaar. Ten derde uitzonderingen: een nieuwe leverancier waarvoor nog geen boekingsregel bestaat, of een bedrag dat afwijkt van de bestelling.

Vellum adviseert daarom per documentsoort: standaardformulieren met OCR, bonnen en contracten met een taalmodel, en een hybride aanpak voor facturen, jaarrekeningen en cv’s. Dat is de kern: zelfs bij één documentsoort, de factuur, is het antwoord een combinatie.

Welk gereedschap past bij welke stap in de administratie?

Trek de grens per stap, niet per proces. Een inkoopfactuur verwerken is geen stap maar een keten, en elke schakel heeft een ander beste gereedschap. Deze tabel is onze eigen samenstelling op basis van de bronnen onderaan.

Twee regels in deze tabel verdienen nadruk. Een correctie die je op een AI-voorstel doet, kan daarna een gewone regel worden: de nieuwe leverancier van vandaag is de bekende leverancier van volgende maand. En de laatste stap voor geld of een klant is nooit het model alleen. Welke stappen je als eerste aanpakt, staat op welke administratieve processen kan ik het beste als eerste automatiseren.

Waarom is “AI of traditionele software” de verkeerde vraag?

Omdat de grens niet tussen twee soorten software ligt, maar tussen twee soorten stappen. Stappen waar de invoer varieert (lezen, begrijpen, opzoeken) en stappen waar de uitvoer geen fout mag hebben (boeken, rekenen, betalen, versturen). Voor het tweede gebruik je regels, voor het eerste AI, en aan de grens zit een mens die goedkeurt.

Leg drie feiten naast elkaar die op geen enkele andere pagina samen staan. Eén: het lezen van een factuur kost met een taalmodel ongeveer een cent (rekensom hieronder). Twee: een model geeft op dezelfde vraag niet altijd hetzelfde antwoord (Thinking Machines, 80 van de 1.000). Drie: het lezen van facturen zit bij Exact al standaard in het pakket. Samen betekent dat: de dure fout voor een mkb-bedrijf is niet dat je de verkeerde software kiest. De dure fout is AI inzetten op een stap die een regel had kunnen doen, want dan betaal je voor nakijken op werk dat nooit fout had hoeven gaan. En omgekeerd: sjablonen onderhouden voor honderd leveranciers is handwerk dat je met AI niet meer hoeft te doen.

Wat er voor zo’n bedrijf overblijft als de moeilijkste vraag, is niet de techniek maar de grens: welke stap mag zonder mens, en welke niet.

Wat kost AI per factuur vergeleken met traditionele software?

Per handeling is AI duurder dan een regel, maar het verschil in rekenkracht is klein; het grote verschil zit in bouwen, testen en nakijken. Eerst de prijzen van regelgereedschap, van de prijspagina’s zelf:

Bron: Zapier, Make en n8n, gelezen 30 september 2026.

Let op hoe er geteld wordt. Bij Zapier geldt: “Each successful step in a Zap workflow and each programmatic call consumes tasks”. Een factuurstroom van vijf stappen bij 500 facturen per maand is dus 2.500 taken, ruim boven de 750 van het instapplan, dus je betaalt voor een hoger taakpakket. n8n rekent in uitvoeringen van een workflow. De prijsstructuur bepaalt welk gereedschap goedkoper is, niet het abonnementsbedrag.

Dan de AI. Wij rekenden met de openbare prijzen van Anthropic (claude.com/pricing, gelezen 30 september 2026) en de aanname dat een factuur ongeveer 2.000 tokens invoer en 500 tokens uitvoer vraagt. Een token is een stukje tekst van ongeveer een lettergreep.

Zet daar het handwerk naast. Autoboeker, dat zelf AI-boekhouding verkoopt, noemt “Een ervaren boekhouder heeft gemiddeld 2 tot 3 minuten per document nodig voor handmatige verwerking. Met AI-ondersteuning daalt dit naar slechts 10 tot 15 seconden” (Autoboeker, 14 februari 2026). Bij een aangenomen 40 euro per uur kost overtikken 1,33 tot 2,00 euro per document. De AI-rekening is daar ongeveer een half procent van. Maar ook de 10 tot 15 seconden controle kost bij 40 euro per uur 0,11 tot 0,17 euro: meer dan tien keer zoveel als het model zelf. De rekening van AI is nakijktijd, geen rekenkracht.

Daarom kloppen de kostentabellen van verkopers vaak niet. Ortem, dat agents bouwt, noemt $0,001 tot $0,01 per uitvoering voor traditionele automatisering en $0,05 tot $0,50 voor een AI-agent, “50-500x more per transaction” (Ortem, 2026). Uit hun eigen bereiken volgt 5 tot 500 keer. Hun maandbedrag voor inferentie (“$800-$2,500” bij 500 documenten per dag) is bij onze rekensom ongeveer $95: 500 documenten maal 21 werkdagen maal $0,009. Het verschil is agent-overhead of een ruwe schatting. Hun bouwkosten, $25.000 tot $50.000 voor RPA tegen $60.000 tot $120.000 voor een agent, gaan over een groot bedrijf en hebben geen bron. Wat automatisering voor een mkb-bedrijf kost, staat op wat kost het om administratieve processen met AI te automatiseren.

Hoe betrouwbaar is AI in de administratie?

Betrouwbaar genoeg om voor te bereiden, niet om zonder vangnet te boeken. De getallen die er zijn, komen vooral van verkopers, en ze meten verschillende dingen.

Exact noemt 98 procent voor voorstellen op de juiste grootboekrekening, zonder meetmethode. Moneybird zegt over het uitlezen van facturen “niet altijd 100% perfect”. Beide kunnen waar zijn, want een rekening voorstellen is iets anders dan velden uitlezen. Bij 500 facturen per maand betekent 98 procent nog altijd ongeveer tien foute voorstellen per maand, en je weet niet welke tien.

Werk met meerdere stappen is zwakker. In de CRMArena-Pro-test van Salesforce haalden de beste agents ongeveer 58 procent succes bij één beurt en ongeveer 35 procent bij gesprekken over meerdere beurten, maar “over 83%” bij het uitvoeren van een vaste workflow (Salesforce, arXiv, 24 mei 2025). De test is ouder en gebruikte oudere modellen, maar het patroon is bruikbaar: werk met een vast pad gaat veel beter dan open werk. Dat pleit weer voor de combinatie, met regels als geraamte.

Het soort fout telt ook. Een regel faalt zichtbaar: geen match, dan stopt hij. Een taalmodel kan volgens Vellum “plausible but incorrect information” geven, een antwoord dat er goed uitziet. De Britse toezichthouder FRC noemt “onjuiste of vertekende output, zogenoemde hallucinaties” als risico en zegt: “Je kunt het niet op de technologie afschuiven” (Accountancy Vanmorgen, 7 april 2026). Nederlandse accountants zien dat ook: 44 procent van 100 ondervraagde professionals noemt nauwkeurigheid, betrouwbaarheid en kwaliteitscontrole als drempel voor AI, tegen 33 procent kosten (Accountancy Vanmorgen, 15 september 2026; onderzoek in opdracht van Silverfin, dat zelf software verkoopt). Hoe je fouten opvangt, staat op fouten en controle.

Hoe combineer je AI en regels zonder dat het misgaat?

Laat regels het geraamte zijn en AI de gaten vullen, met een akkoord op elke stap die geld of een klant raakt. In vier lagen:

1. Regels eerst. Alles wat je pakket of een eenvoudige regel met zekerheid kan, laat je daar. UBL-facturen, bekende leveranciers, vaste bankregels.
2. AI voor de rest. Het model leest wat de regels niet kunnen lezen en doet een voorstel, met de bron erbij: welke mail, welke factuur, welke eerdere boeking.
3. Een regelcontrole achter het model. Klopt het totaal met de regels van de factuur, klopt de btw, bestaat deze factuur al? Dat controleert code, niet het model zelf.
4. Een mens bij het onomkeerbare. Boeken, betalen en versturen pas na akkoord. Een correctie van die mens wordt een nieuwe regel, zodat laag 1 groeit.

Het verschil met een pure regelstraat is dat laag 2 de uitzonderingen opvangt die nu op iemands bureau blijven liggen. Het verschil met een pure AI-agent is dat laag 1 en 3 het model beschermen tegen zijn eigen variatie. Een uitgebreidere vergelijking tussen agents en vaste workflows staat op AI agents versus traditionele workflow automation.

Wat betekenen de bewaarplicht en de AI-verordening voor deze keuze?

Allebei duwen ze richting de combinatie, omdat ze vastlegging vragen. De Belastingdienst: “U bent verplicht uw administratie 7 jaar te bewaren”, voor vastgoedgegevens 10 jaar (Belastingdienst, gelezen 30 september 2026). Boekt een AI mee, dan wil je over zeven jaar nog kunnen laten zien waarom een factuur op een rekening kwam.

De AI-verordening is in mei 2026 aangepast. De verplichtingen voor hoogrisico-systemen uit bijlage III gelden vanaf 2 december 2027, die uit bijlage I vanaf 2 augustus 2028; de transparantieplicht van artikel 50 bleef op 2 augustus 2026 staan (Gibson Dunn, mei 2026). Of een boekingsvoorstel onder die bijlagen valt, is een vraag voor je jurist, maar de richting is duidelijk: kunnen aantonen wat een systeem deed en wie besliste. Dat is met vaste regels als geraamte en een logboek van voorstel en akkoord eenvoudig; met een agent die zelf boekt veel minder.

Voor koppelingen van buitenaf is er nog een pakketkant. AFAS schreef in juni 2026 dat er nog geen enkele AI-koppeling gecertificeerd was, dat niet-gecertificeerde koppelingen zoals MCP-servers volledig ongecontroleerd en met grote risico’s werken, en adviseert de rechten van zulke koppelingen te beperken (AFAS klantportal, juni 2026). Moneybird laat de keuze juist aan de klant: “jij bepaalt zelf hoe je jouw AI-tool gebruikt” (Moneybird, 16 september 2025). Wat dat betekent voor een assistent die je pakket bedient, staat in kan ChatGPT je boekhoudpakket bedienen.

Waar gaat dit naartoe?

Het onderscheid tussen “AI” en “gewone software” verdwijnt uit de administratie, omdat de pakketten zelf AI worden. Het gemeten tempo: volgens het CBS gebruikte in 2025 27 procent van de bedrijven met 10 tot 49 werknemers AI, tegen 11 procent in 2023, en 32 procent van de AI-gebruikers zet het in voor bedrijfsadministratie of bestuurstaken (CBS, december 2025). Trek je die 8 procentpunt per jaar recht door, dan zit je in 2027 rond 43 procent. Dat is onze eigen lineaire schatting, geen CBS-cijfer.

Aan de aanbodkant gaat het sneller. Exact heeft zeven agents en lanceerde op 3 september 2026 een Financial Agent voor het mkb: “We bouwen geen dashboard of chatbot, maar een oplossing die financiële context begrijpt en erover kan redeneren”, voor een klantenbestand van ongeveer 675.000 (ICT Magazine, 3 september 2026). Moneybird opende een AI-koppeling, AFAS heeft Jonas. En de invoer wordt structureler: het kabinet koos voor verplichte e-facturatie tussen bedrijven via Peppol, gefaseerd tussen 2030 en 2032, met de wet naar verwachting halverwege 2028 definitief (Peppol.nu, 26 juni 2026). Een gestructureerde factuur heeft geen AI nodig om gelezen te worden.

Onze verwachting: eind 2027 leest elk groot Nederlands boekhoudpakket facturen en mail standaard zelf uit met ingebouwde AI, en is “AI of traditionele software” voor een mkb-bedrijf geen keuze meer. Wat overblijft zijn twee vragen: waar geeft een mens akkoord, en wie doet het werk dat tussen de pakketten in loopt, van de mail naar het dossier naar de boeking. De redenering: Exact levert het lezen nu al standaard mee, de adoptie bij kleine bedrijven verdubbelde in twee jaar ruim, en Peppol haalt vanaf 2030 het leeswerk bij inkoopfacturen grotendeels weg.

Wat deze verwachting zou breken: een incident waarbij een pakket-AI op grote schaal foute boekingen maakt en makers de AI terugschroeven; een strengere uitleg van de AI-verordening voor financiële administratie; of pakketten die hun AI dicht houden, zoals AFAS nu, waardoor bedrijven juist naar AI ernaast grijpen. Tegen die tijd regelt Bombos voor je dat het werk tussen je pakketten doorloopt, met jouw akkoord op de plekken die jij kiest.

Wat kan AI in de administratie (nog) niet?

• Zelfde invoer, zelfde uitvoer garanderen. Via een gehost model niet, ook niet op temperatuur 0. Voor rekenen en controleren blijft code nodig.
• Foutloos lezen. Ook 98 procent betekent bij 500 facturen per maand ongeveer tien fouten, en ze zien er plausibel uit. Nakijken blijft werk, en die tijd bepaalt de rekening.
• Onafhankelijk gemeten worden. Er is geen onafhankelijke meting van foutpercentages voor Nederlandse boekhoudpakketten. De 98 procent van Exact, de 99 procent van Vellum en de tijdwinst van Autoboeker komen allemaal van verkopers.
• Een bewezen terugverdientijd laten zien. Pegamento noemt 12 tot 24 maanden terugverdientijd voor AI (Pegamento, geen datum); andere verkopers noemen minder dan zes weken. Geen van beide geeft een bron.
• De verantwoordelijkheid overnemen. Die blijft bij jou of je accountant, zegt ook de FRC.
• Goedkoper zijn dan een regel die al werkt. Als je pakket een stap met zekerheid doet, voegt AI daar alleen kosten en nakijkwerk toe.

Regels hebben ook hun grens: ze breken zodra een leverancier zijn factuur of een bank haar omschrijving verandert, en iemand moet ze onderhouden.

Hoe pakt Bombos dit aan?

Bombos laat staan wat al werkt en neemt de stappen over die tussen je regels en je pakketten blijven liggen. Het doel is dat je met hetzelfde team meer werk doet, van een hogere kwaliteit.

Concreet: Scan & Herken in Exact leest de leverancier en het bedrag, en dat hoeft niemand opnieuw te doen. Op de factuur staat alleen niet bij welke klus het werk hoort; daarvoor is de mail nodig, met de afspraak of de bon erbij. Dat uitzoekwerk bereidt Bombos voor, zoals op facturen aan het juiste project staat uitgewerkt. Kan een regel in je pakket een stap met zekerheid doen, dan blijft die stap daar.

Bombos werkt met meerdere agents. Chef kijkt wat er binnenkomt en geeft de klus aan de juiste specialist; Wegwijzer legt uit en helpt je grenzen instellen. Een specialist leest de mail of het document, zoekt in Exact, AFAS, Moneybird of je andere pakket de klant en het dossier erbij, en legt een voorstel klaar met de bron erbij. Je keurt goed, past aan of wijst af, in Bombos. Pas daarna schrijft Bombos het resultaat in je pakket. Een correctie geldt daarna als regel, ook voor je collega’s: precies de beweging van “AI voor de uitzondering” naar “regel voor de volgende keer”.

Een betaling, een bericht aan een klant en een contract wachten standaard op jouw akkoord. Die grens staat standaard aan; wil je hem er voor een soort werk af, dan zet Bombos hem op jouw verzoek uit, op eigen risico. Wat alleen in iemands hoofd zit, zoals welke klant altijd een afwijkende termijn krijgt, kan Bombos niet vinden. Daarom interviewt Bombos je om die kennis vast te leggen, zodat hij er de volgende keer wel bij staat.

Deze eerste taak is het begin. Daarna leert je eigen team Bombos de volgende, zonder technisch te zijn. Wij nemen je mee, daarna kun je het zelf.

Bronnen

Elke bron is op 30 september 2026 geopend en elk citaat staat er letterlijk in.

Pakketten

• Moneybird helpcenter, Automatisch je banktransacties verwerken. Levend document. Verkoopt zelf.
• Moneybird helpcenter, Scan en herken voor inkomende documenten. Levend document. Verkoopt zelf.
• Moneybird, AI-koppeling via MCP. 16 september 2025. Verkoopt zelf.
• Exact, Artificial intelligence. Levend document. Verkoopt zelf.
• Exact, Scan & Herken. Levend document. Verkoopt zelf.
• ICT Magazine, Exact lanceert Financial Agent voor mkb. 3 september 2026.
• AFAS klantportal, AI-integratie. Juni 2026. Verkoopt zelf.

Regels, AI en kosten

• Make, RPA vs agentic AI. 20 april 2026. Verkoopt zelf.
• Zapier, Agentic AI vs RPA. Januari 2026, bijgewerkt juli 2026. Verkoopt zelf.
• Anthropic, Building effective agents. 19 december 2024. Verkoopt zelf modellen.
• Thinking Machines, Defeating Nondeterminism in LLM Inference. 2025.
• Vellum, Document Data Extraction: LLMs vs OCRs. 3 december 2025. Verkoopt zelf.
• DIDEV, AI vs. traditionele automatisering. Geen datum. Verkoopt zelf.
• Autoboeker, AI-proof inrichting van administraties. 14 februari 2026. Verkoopt zelf.
• Ortem Technologies, AI Agents vs Traditional Automation 2026. 2026. Verkoopt zelf.
• Pegamento, Wat is het verschil tussen RPA en AI. Geen datum. Verkoopt zelf.
• Zapier, prijzen, Make, prijzen, n8n, prijzen, Anthropic, prijzen. Levende prijspagina’s.

Betrouwbaarheid, adoptie en regelgeving

• Salesforce, CRMArena-Pro (arXiv 2505.18878). 24 mei 2025. Salesforce verkoopt zelf agents.
• Accountancy Vanmorgen, Britse toezichthouder: accountant blijft verantwoordelijk bij inzet AI. 7 april 2026.
• Accountancy Vanmorgen, AI bovenaan bij verwachte veranderingen in accountancy. 15 september 2026. Onderzoek in opdracht van Silverfin, dat zelf software verkoopt.
• CBS, Bedrijven gebruiken AI vaakst voor marketing of verkoop. December 2025.
• Belastingdienst, Administratie bewaren. Levend document.
• Gibson Dunn, EU AI Act Omnibus Agreement. Mei 2026.
• Peppol.nu, E-facturatie B2B verplichting Nederland: richting Peppol 2030. 26 juni 2026.

Eigen rekensommen (kosten per factuur, nakijktijd, Ortem-controle, CBS-doortrekking) staan in de tekst met hun aannames.