Drie technieken, drie problemen
De drie worden vaak als concurrenten gepresenteerd. Dat zijn ze niet. Ze lossen verschillende problemen op, en de meeste werkende workflows gebruiken er twee of drie tegelijk.
- Vaste regels (if-then, beslistabellen, validaties) zetten kennis om die je al expliciet kunt opschrijven. Ze zijn snel, gratis in gebruik, volledig voorspelbaar en volledig te testen.
- RPA bedient een systeem alsof het een mens is: schermen, knoppen, velden. Het bestaat omdat sommige systemen geen bruikbare koppeling hebben.
- AI maakt een oordeel over invoer die je niet vooraf kunt vastleggen: vrije tekst, een document met een onbekende indeling, een gesprek.
Criterium 1 — Hoe variabel is de invoer?
Dit is het scherpste criterium. Als je de invoer in een schema kunt vangen — vaste velden, vaste waarden, vaste volgorde — dan hoort de verwerking bij regels. Een model dat een vast formulier leest, voegt niets toe en introduceert een foutkans die je niet had.
Wordt de invoer vrije tekst, of een document waarvan de indeling per leverancier verschilt, dan houden regels op. Je kunt dertig regels schrijven voor dertig lay-outs, en bij de eenendertigste begint het opnieuw. Dat is het moment waarop een model goedkoper wordt dan regelonderhoud.
Criterium 2 — Bestaat er een koppeling?
RPA is geen techniekkeuze maar een noodgreep, en dat is geen verwijt: soms is het de enige route. Heeft het systeem een API of een bestaande koppeling, gebruik die. Werkt het alleen via het scherm, dan is RPA de lijm.
Reken daarbij op de bekende kosten: een RPA-script breekt bij elke interfacewijziging, het draait onder iemands account, en het laat zich moeilijk testen. Behandel het als tijdelijke infrastructuur met een eigenaar, niet als een oplossing die af is.
Criterium 3 — Wie moet de uitkomst kunnen uitleggen?
Als een toezichthouder, accountant of klant moet kunnen volgen waarom een uitkomst is zoals hij is, geef dan de voorkeur aan regels op de plekken waar dat kan. Een regel is de uitleg. Een model geeft een uitkomst die je achteraf moet onderbouwen.
Dat pleit niet tegen AI, maar wel voor een taakverdeling: laat het model de ongestructureerde invoer omzetten naar velden, en laat de beslissing over die velden door een regel nemen. Dan is het oordeel uitlegbaar en de invoer toch flexibel.
De combinatie die meestal wint
Een werkende workflow ziet er vaak zo uit:
- Een model leest de ongestructureerde invoer en levert velden op, met een expliciete twijfelscore.
- Regels valideren die velden: bestaat de leverancier, klopt het totaal, valt het bedrag binnen de bevoegdheid?
- Een mens keurt goed waar de regels twijfel of een afwijking melden.
- Een koppeling of RPA-stap voert de goedgekeurde uitkomst uit in het doelsysteem, met een logboek van elke stap.
Wie deze vier lagen door elkaar haalt, krijgt een model dat drempelbedragen moet onthouden en een RPA-script dat vrije tekst moet interpreteren. Beide falen op de manier die het duurst is: stil.
Wanneer je geen van drieën moet inzetten
Als het proces zelf de fout is. Als de invoer betrouwbaar wordt zodra iemand het bronformulier aanpast, is een aangepast formulier goedkoper dan elke techniek hierboven. En als het proces een paar keer per jaar voorkomt, is handmatig werk gewoon de goedkoopste oplossing — dat mag je hardop zeggen.