Als organisaties een proces gaan automatiseren, vragen ze meestal welke technologie ze daarvoor moeten gebruiken: RPA, AI of een koppeling tussen systemen. Voor een heel proces is die vraag lastig te beantwoorden, omdat een proces bestaat uit losse handelingen. Het afhandelen van een reparatieverzoek of het controleren van een inkoopfactuur omvat er al snel tien, en een e-mail lezen vraagt iets heel anders dan een werkorder aanmaken.
Wij stellen de vraag daarom per handeling. In dit artikel lees je waar elk van de vier technologieën goed in is en hoe wij bepalen welke technologie een stap nodig heeft. Overweeg je een AI-agent die het hele proces zelfstandig uitvoert? Lees dan eerst AI-agenten in bedrijfsprocessen: wanneer wel en wanneer niet?
Waar AI, API's, RPA en regels elk goed in zijn
Bijna elk administratief proces is te automatiseren met een combinatie van vier technologieën. Elke technologie is sterk in een ander soort werk en heeft een zwakke plek waar je rekening mee moet houden.

AI leest input zonder vaste vorm en haalt eruit wat er staat, bijvoorbeeld uit een e-mail, een pdf of een foto. Een API is een directe verbinding met een systeem, waarmee de automatisering gegevens kan lezen en schrijven zonder een scherm te openen. RPA is een softwarerobot die in een applicatie werkt zoals een medewerker dat doet, met muis en toetsenbord. Een regel is een beslissing die vooraf is vastgelegd, zoals "een lekkende cv-ketel is voor rekening van de woningcorporatie".
De meeste processen hebben er twee of drie van nodig en veel processen alle vier.
Zo kies je de technologie voor elke stap
Om een technologie te kiezen, bekijken we elke handeling in het proces afzonderlijk en stellen we twee vragen.
De eerste vraag is wat de handeling doet. Sommige handelingen moeten iets begrijpen of beslissen, zoals uitzoeken wat een huurder vraagt. Andere moeten iets doen in een systeem, zoals een werkorder aanmaken.
De tweede vraag hangt af van het antwoord op de eerste. Bij een handeling die iets begrijpt of beslist, vragen we of een vaste regel de uitkomst kan vastleggen. Als dat kan, gebruiken we een regel. Als de input vrije tekst, een document, een foto of een telefoongesprek is, of als de beslissing context vraagt, gebruiken we AI. Bij een handeling die iets doet in een systeem, vragen we of dat systeem een bruikbare API heeft. Als dat zo is, is de API onze eerste keus, omdat die snel en stabiel is. Als dat niet zo is, doet een RPA-robot het werk op het scherm.
Daar komen twee aanpassingen bij. In processen met grote volumes of strenge auditeisen houden we de AI-stap zo klein mogelijk. En als een handeling actuele gegevens nodig heeft, is een API bijna altijd beter dan die gegevens van een scherm aflezen.

Wanneer een vaste regel genoeg is en wanneer je AI nodig hebt
Veel beslissingen in administratieve processen lijken een afweging, maar als je opschrijft hoe het team ze echt neemt, blijken ze vaste regels te volgen. Wie een reparatie betaalt, welke goedkeuringsroute een factuur volgt en welk team een ticket oppakt: het zijn allemaal beslissingen die de organisatie al heeft genomen voor elke situatie die ze herkent. Die kennis staat meestal in een beleidsdocument, een prijslijst of in het hoofd van een ervaren medewerker.
Een regel kan een beslissing overnemen als twee dingen kloppen: de mogelijke uitkomsten zijn vooraf bekend en de informatie om daartussen te kiezen is al als data beschikbaar. De regel geeft dan elke keer hetzelfde antwoord, en elke uitkomst is terug te voeren op de regel erachter. Dat helpt zodra een auditor of klant vraagt hoe een beslissing tot stand kwam.
AI is nodig als een van die twee ontbreekt. Soms is de informatie er wel, maar niet als data, omdat die in de tekst van een e-mail staat, op een gescand formulier of op een foto van een lekkende leiding. Soms hangt de uitkomst af van context die geen lijst kan vastleggen, zoals hoe dringend een klacht klinkt. In beide gevallen doet AI het lezen of het afwegen, en het loont om te kijken of een regel het direct daarna kan overnemen.
Die combinatie komt vaak voor. Bij het reparatieverzoek uit ons artikel over AI-agenten herkent AI een lekkende cv-ketel in de e-mail van de huurder, en daarna bepalen de onderhoudsregels dat de woningcorporatie betaalt.

Houd er rekening mee dat beide kanten af en toe misgaan. Als AI niet zeker weet waar een verzoek over gaat, moet de route het naar een medewerker sturen in plaats van te gokken. En als het beleid achter een regel verandert, moet de regel mee veranderen. Het helpt dus als de regels op één plek staan waar het team ze kan zien.
Wanneer gebruik je een API en wanneer RPA?
Zodra de automatisering weet wat er moet gebeuren, moet ze dat in een systeem doen: een werkorder aanmaken, een order bijwerken of een bevestiging sturen. Daar komen API's en RPA in beeld, en de keuze tussen die twee hangt vooral af van het systeem.
Een API is de eerste keus zodra het systeem er een heeft die de handeling ondersteunt. Een API is snel, kan grote volumes zonder moeite aan en is niet afhankelijk van hoe het scherm eruitziet, dus een nieuwe versie van de applicatie maakt hem zelden kapot. Hij levert ook actuele gegevens rechtstreeks uit de bron, en dat telt als de volgende stap van die gegevens afhangt.
Het nadeel is dat veel systemen geen bruikbare API hebben. Oudere applicaties hebben er vaak helemaal geen. Bij nieuwere is de API soms alleen geschikt om gegevens te lezen en niet voor die ene handeling die je nodig hebt, of rekent de leverancier extra kosten om hem aan te zetten. Een koppeling bouwen en testen kost ook tijd.
RPA werkt met elke applicatie die een medewerker kan gebruiken, ook met oudere systemen en de portalen van andere organisaties, en je kunt het meestal inrichten zonder op de leverancier te wachten. De zwakke plek is het scherm zelf. Als een knop verschuift of een veld na een update een nieuwe naam krijgt, moet de robot worden aangepast. RPA is ook trager dan een API, en dat gaat meetellen bij grote volumes.
In de praktijk werken de twee vaak naast elkaar in één proces. De automatisering leest gegevens via een API en gebruikt RPA voor die ene handeling die de API niet ondersteunt.
Praktijkvoorbeeld: facturen koppelen met vaste regels
Vijfhart leidt IT-professionals op, en elke cursusboeking komt uiteindelijk bij hen terug als inkoopfactuur. Voordat de medewerker die deze facturen goedkeurt er een kan aftekenen, moet die controleren of de oorspronkelijke order bestaat, of de referentie op de factuur klopt, of er precies één cursusaanvraag bij past en of het bedrag overeenkomt met de geregistreerde prijs van die cursus. Vier controles in totaal en geen ervan is op zich moeilijk. Het probleem is het volume: er komen honderden facturen per maand binnen en bijna allemaal blijken ze in orde, dus een groot deel van het werk bestaat uit facturen openen om te bevestigen dat er niets mis mee is. En als je dezelfde vier controles voor de tweehonderdste keer die maand uitvoert, zie je een klein prijsverschil of de verkeerde order makkelijk over het hoofd.
Waar komt dit proces dan uit bij de twee vragen? Elke controle vergelijkt iets op de factuur met iets wat al voor de order is geregistreerd, en het antwoord is altijd ja of nee. Daarmee zijn alle vier de controles regels en heeft het proces helemaal geen AI nodig. In de praktijk wordt een factuur die alle controles doorstaat goedgekeurd en wordt de order bijgewerkt. Een factuur die op een controle afvalt, gaat naar de juiste medewerker voor beoordeling. Na elke run krijgt het team ook een e-mail met wat er is verwerkt en wat nog aandacht nodig heeft, zodat ze alleen de facturen openen die dat echt nodig hebben.
Signalen dat je proces klaar is voor automatisering
Sommige processen zijn het automatiseren waard en andere niet, en de processen die het wel waard zijn, hebben niet allemaal dezelfde technologieën nodig. Drie signalen helpen je bij allebei: of een proces een goede kandidaat is en waar elke technologie thuishoort.
- Het proces komt vaak voor en verloopt meestal hetzelfde. Een proces automatiseren kost vooraf werk, omdat elke stap en elke uitzondering in kaart moet worden gebracht en getest. Dat werk verdient zich terug als het proces honderden of duizenden keren per maand draait en de meeste gevallen hetzelfde pad volgen, zoals de reparatieverzoeken bij een woningcorporatie of de cursusfacturen bij Vijfhart. Een proces dat twee keer per jaar draait of elke keer anders verloopt, verdient die investering zelden terug.
- Werk komt binnen zonder vaste vorm. Kijk hoe werk het proces binnenkomt. Begint het met een e-mail, een pdf-bijlage, een gescand formulier of een telefoontje, dan moet de informatie eerst gelezen en begrepen worden voordat er iets anders kan gebeuren. In die leesstap hoort AI thuis, en vaak is dat de enige plek in het proces waar AI nodig is. Komt de input al binnen als gestructureerde data, zoals een webformulier of een export uit een ander systeem, dan heb je misschien helemaal geen AI nodig.
- Medewerkers typen gegevens over van het ene scherm naar het andere. Let op de momenten waarop een medewerker een klantnummer uit de ene applicatie kopieert naar een andere, of een bedrag in het ene systeem leest en in een tweede systeem intypt. Dat is het werk waar API's en RPA het best in zijn. Heeft het systeem een API, dan gaan de gegevens op de achtergrond over. Is die er niet, dan doet een RPA-robot het kopiëren op het scherm, op dezelfde manier als de medewerker.
Een proces dat alle drie de signalen laat zien, is meestal een sterke kandidaat, en de signalen vertellen je meteen welke technologie waar thuishoort.

Conclusie
De vraag "welke technologie moeten we gebruiken?" krijgt een beter antwoord als je hem per stap stelt in plaats van voor het hele proces. Begin met een lijst van de handelingen waaruit het proces bestaat. Bepaal per handeling of die iets moet begrijpen of iets moet doen in een systeem, en kijk dan of een regel de uitkomst kan vastleggen of dat het systeem een bruikbare API heeft. Meestal blijkt dan dat AI maar op een of twee plekken nodig is.
Het meeste werk zit in die eerste lijst. Uit welke handelingen een proces echt bestaat en welke van je systemen een API hebben, weten vooral de mensen die het werk elke dag doen, en het staat zelden op papier.
Hier kunnen wij helpen. Bij Yarado brengen we processen in kaart samen met de mensen die ze uitvoeren, delen we ze op in handelingen en bepalen we welke technologie bij elke handeling past, nog voordat er iets wordt gebouwd. Zo zie je vooraf waar AI de kosten waard is en waar een regel of een systeemkoppeling het werk goedkoper doet. YaraBuilder zet dat plan daarna om in een werkende automatisering, en jij of onze engineers keuren elke stap goed voordat die draait.

