OCR-oplossingen voor factuurverwerking bestaan al 20+ jaar en zijn nog steeds de standaard bij veel finance-afdelingen. Maar sinds Generative AI kan lezen én begrijpen, verschuift de vergelijking. In dit artikel zetten we OCR (Klippa, Rossum, Basware, Scan Sys) en GenAI (ENTR) naast elkaar op de aspecten die er in de praktijk toe doen — en laten we zien hoe De Mors en NMQ Digital er concreet mee scoren.
Waarom OCR-tools nog steeds populair zijn
Traditionele OCR (Optical Character Recognition) is uitgegroeid tot een volwassen markt. De grote spelers bieden nette dashboards, koppelingen met de bekende ERP's en jaren aan feature-verfijning. Voor teams die grote hoeveelheden factuurbeeld willen omzetten naar tekst is dat aantrekkelijk.
De schaduwzijde: OCR blijft technisch patroonherkenning. Het herkent karakters en zones, niet betekenis. Elke leverancier met een andere lay-out is in feite een nieuw sjabloon — expliciet of "auto-getraind". Dat werkt bij grote, stabiele leveranciersbestanden, maar loopt vast bij variatie, nieuwe leveranciers en talen.
Wat GenAI verandert aan factuurverwerking
Generatieve AI leest een factuur zoals een mens dat doet: vanuit context. Waar OCR zoekt naar "totaalbedrag in de rechteronderhoek", begrijpt een LLM dat "Te voldoen voor 30/08" hetzelfde is als "Amount due". Dat maakt sjablonen overbodig en zorgt ervoor dat nieuwe leveranciers vanaf dag één op hoge nauwkeurigheid worden verwerkt.
Belangrijker nog: GenAI kan bedrijfsregels in natuurlijke taal toepassen. "Boek facturen van leverancier X standaard op grootboek 4210 tenzij er een projectcode in de referentie staat" — dat is een instructie in mensentaal, geen script.
| Aspect | Traditionele OCR | Met ENTR (GenAI) |
|---|---|---|
| Sjablonen per leverancier | Ja, per lay-out trainen of mappen | Nee, sjabloonvrij vanaf factuur 1 |
| Nauwkeurigheid nieuwe leveranciers | Laag — vaak <70% zonder training | Hoog — direct 90%+ op headervelden |
| Regelverwerking (line items) | Broos bij afwijkende tabellen | Robuust, ook bij samengevoegde regels of pagina-breaks |
| Bedrijfsregels | Rule-engine met technische configuratie | Natuurlijke taal: "als …, boek dan op …" |
| Talen & formats | Per taal apart trainen | Multi-taal en multi-format out-of-the-box |
| Time-to-value | 3–6 maanden implementatie | 2–4 weken live per stroom |
| Prijsmodel | Licentie + implementatie + per document | Pay-per-use, geen setup fee |
De 5 grootste voordelen van GenAI-factuurverwerking
- Geen sjablonen meer. Nieuwe leveranciers werken vanaf de eerste factuur — geen wachttijd voor training of mapping.
- Hogere first-time-right ratio. Doordat context wordt begrepen, hoeven minder facturen naar review.
- Beleid in gewone taal. Finance zet zelf de regels: geen ticket bij IT nodig voor een uitzondering.
- Snelle time-to-value. Live binnen weken in plaats van maanden, met pay-per-use in plaats van een groot licentiecontract.
- Meebewegen met je organisatie. Nieuwe grootboeken, kostenplaatsen of leveranciers vragen alleen een tekstuele update van de regels.
Case: De Mors — inkoopfacturen richting ECI Proteus
De Mors is een gerenommeerd bouwbedrijf en onderdeel van VolkerWessels. De financiële administratie verwerkt dagelijks grote volumes inkoopfacturen die foutloos in ECI Proteus moeten landen. Met OCR bleef het team veel handmatig corrigeren omdat elke aannemer of leverancier zijn eigen lay-out gebruikt. Met ENTR zijn de headervelden vanaf dag één betrouwbaar geëxtraheerd, inclusief confidence-scores. De volgende stap is uitsplitsen op factuurregelniveau voor scherper projectinzicht.
"De GenAI-tool die wij via ENTR afnemen sluit perfect aan op onze ambities en helpt ons echt vooruit." — Jacco Kettelarij, IT Manager, De Mors
Lees de volledige case study van De Mors →
Case: NMQ Digital — facturen over meerdere continenten
NMQ Digital is een digitaal marketingbureau met klanten als Philips, Rituals en Sony en teams verspreid over Europa, Zuid-Amerika en Azië. Facturen komen in verschillende talen, valuta en lay-outs binnen. Met een traditionele OCR-flow was dat een sjablonenhel. ENTR verwerkt de volledige stroom sjabloonvrij, met bedrijfsregels per entiteit en directe boeking richting het finance-systeem.
Lees de volledige case study van NMQ Digital →
Wanneer is OCR nog goed genoeg?
Als je 5 vaste leveranciers hebt met identieke lay-outs, weinig regelverwerking nodig hebt en al een OCR-licentie hebt liggen, is de business case voor overstappen klein. Zodra je te maken hebt met variatie in leveranciers, meerdere talen, projectcodering of regel-splitsingen begint OCR echter geld te kosten in de vorm van rework en trage doorlooptijden.
Hoe ENTR bij factuurverwerking te werk gaat
- Ontvangst in een centrale mailbox of via API.
- Extractie van header- en regelvelden met GenAI, inclusief confidence per veld.
- Validatie tegen bedrijfsregels in natuurlijke taal (leverancier → grootboek, project, BTW).
- Boeking in Proteus, Exact, SAP, Dynamics of Business Central via de standaard koppeling.
- Review alleen op afwijkingen — de rest verwerkt zichzelf.
Veelgestelde vragen
Is GenAI niet duurder dan OCR?
Per document zit ENTR in dezelfde range als moderne OCR-oplossingen. Er is een eenmalige implementatiefee voor het inrichten van de stroom en integraties, maar doordat er geen sjablonenbeheer nodig is en je snel live bent, ligt de totale TCO in de praktijk lager.
Werkt dit ook voor grote volumes?
Ja. Zowel De Mors als NMQ verwerken duizenden facturen per maand via ENTR.
Wat als de AI het mis heeft?
Elke boeking heeft een confidence-score. Onder een drempel gaat het document naar een reviewqueue met het brondocument ernaast — pas na akkoord wordt geboekt.
