Gecontroleerde autonomie in inkoop: AI die mag handelen, jij die verantwoordelijk blijft

AI in inkoop is een fase verder. Het gaat niet meer alleen om chatbots die contracten samenvatten, beleidsvragen beantwoorden of sourcingdocumenten voorbereiden. Een nieuwe generatie AI-agents kan activiteiten plannen, meerdere systemen gebruiken, aanbevelingen doen en binnen afgesproken grenzen ook inkoopacties uitvoeren. De markt is nog niet toe aan volledig autonome inkoop. Wat je nu ziet, is gecontroleerde autonomie: agents voeren steeds vaker meerstapsprocessen uit, terwijl mensen verantwoordelijk blijven voor materiële commerciële, juridische, financiële en ethische beslissingen. Voor MKB-ondernemers, CFO’s en inkoopteams is dat het relevante onderscheid. Niet “AI neemt inkoop over”, maar “AI mag meer, jij blijft eindverantwoordelijk”. Wie dat onderscheid niet hard maakt in mandaat, limieten, heldere definities, duidelijke workflows en audittrail, koopt snelheid én risico in één keer in.

Wat een AI-agent in inkoop anders maakt

Klassieke inkoopautomatisering volgt vooraf vastgelegde regels. Generatieve AI kan informatie interpreteren en tekst produceren, maar wacht meestal op jouw instructie. Een AI-agent gaat verder. Je geeft een doel, bijvoorbeeld besparingskansen vinden, een leverancier onboarden of een sourcingtraject voorbereiden. De agent bepaalt vervolgens stappen, haalt informatie op, werkt in goedgekeurde systemen, analyseert en stelt acties voor of voert ze uit. Denk aan een agent die:

• een inkoopaanvraag interpreteert

• die toetst aan inkoopbeleid

• goedgekeurde leveranciers selecteert

• offertes ophaalt

• commerciële en niet-commerciële criteria vergelijkt

• een gunningsadvies voorbereidt

• dat advies door het goedkeuringsproces stuurt

• en na goedkeuring een bestelaanvraag aanmaakt in het inkoopsysteem

Het verschil met een assistent is fundamenteel. De agent geeft niet alleen een antwoord. Hij coördineert een werkstroom en kan die deels afronden.

Wat er nu al gebeurt in de markt

Agentische AI in inkoop is voorbij de conceptfase. Grote leveranciers van eind-tot-eind inkoopen spendplatforms introduceren gespecialiseerde agents voor leveranciersbeheer, sourcing, risicomonitoring, contractanalyse en inkoopondersteuning.

De eerste toepassingen draaien al in gecontroleerde productieomgevingen. De volwassenheid verschilt sterk. Veel organisaties experimenteren nog. Een kleinere groep integreert agents in live processen. De rijpste toepassingen zijn repetitief, data-intensief en helder begrensd:

• classificatie van uitgaven en kansidentificatie

• intake en routering van aanvragen

• onboarding en documentcontroles van leveranciers

• extractie van contractdata en monitoring van verplichtingen

• voorbereiding van sourcingtrajecten

• leveranciersrisico’s volgen

• offertevergelijking

• administratie van order tot betaling

routinematige uitzonderingen. Gevoelige stappen blijven beperkt: autonome leveranciersselectie, onderhandeling, contractuele binding of strategische categoriebeslissingen. Daar ondersteunt AI vooral het oordeel van professionals. De richting is wel duidelijk. Inkooptechnologie verschuift van systemen die transacties vastleggen naar systemen die acties kunnen starten en coördineren.

Van copilot naar agent: meer waarde, meer risico

Een copilot stelt een offerteaanvraag op, vat een contract samen of markeert afwijkende uitgaven. Jij bepaalt de volgende stap. Een agent kan verder gaan. Binnen zijn rechten kan hij een sourcingtraject aanmaken, informatie opvragen, reacties volgen, biedingen beoordelen en een advies door goedkeuring sturen. Dat geeft inkoopteams ruimte. Minder tijd aan informatie verzamelen, documenten maken, goedkeuringen najagen en standaarduitzonderingen oplossen. Meer aandacht voor categoriestrategie, onderhandeling, innovatie, leveranciersrelaties en risicomanagement. Maar handelen is iets anders dan adviseren. Een chatbot met een fout antwoord zorgt voor verwarring. Een agent met transactierechten kan de verkeerde leverancier goedkeuren, vertrouwelijke informatie delen, een goedkeuringsproces omzeilen of een ongeautoriseerde verplichting creëren. Naarmate autonomie toeneemt, moeten governance-eisen meegroeien. Dat is geen rem op innovatie. Het is de voorwaarde om innovatie verantwoord te laten landen.

Waar de businesscase echt zit

De waarde gaat verder dan administratieve efficiëntie. Agents kunnen repetitieve coördinatie en analyse continu doen. Sourcingcycli worden korter, onboarding sneller, capaciteit komt vrij voor werk met meer impact. Compliance kan verbeteren omdat de agent activiteit toetst aan beleid, contracten,

drempels en regels voor voorkeursleveranciers vóór afronding. Gefragmenteerde data over contracten, orders, facturen en leveranciersrecords wordt bruikbaarder in de operationele besluitvorming. Besparingskansen, contractlekken en dubbele leveranciers komen eerder in beeld. Risicosignalen kunnen eerder escaleren. En medewerkers vragen inkoop via een gesprekskanaal in plaats van via formulieren en schermen. De grootste winst zit vaak in de combinatie over het eind-tot-eindproces. Precies daar heb je sterkere integratie, eigenaarschap en controle nodig.

Zes voorwaarden zonder welke je geen agent moet laten handelen

1. Een expliciet mandaat

Elke inkoopagent heeft een helder mandaat nodig: welk doel, welke limieten, heldere definities, welke systemen en data, welke acties, wanneer escaleren, en wie eindverantwoordelijk blijft. “Optimaliseer sourcing” is geen mandaat. Wel: bereid een offerteaanvraag voor en beoordeel de reacties op vaste criteria, maar vraag goedkeuring vóór een gunningsbeslissing naar buiten gaat.

2. Proces eerst, technologie daarna

Een agent op een inefficiënt of versnipperd proces automatiseert vooral complexiteit. Bekijk eerst welke stappen echt nodig zijn, waar professioneel oordeel hoort, welke uitzonderingen ontstaan, welke goedkeuringen waarde toevoegen en welke controles moeten blijven. Dat vraagt duidelijke definities en een duidelijke workflow. Dit is een vraag over het organisatiemodel, geen puur IT-implementatie.

3. Betrouwbare inkoopdata

Incomplete, verouderde of inconsistente data leidt tot onbetrouwbare aanbevelingen en acties. Leveranciersstamdata, contracten, classificatie van uitgaven, specificaties, orders, facturen, prestaties, risicobeoordelingen, categoriestrategieën, bevoegdheden en beleid moeten op orde zijn. Agentische AI maakt datagovernance niet overbodig. Het maakt haar urgenter.

4. Veilige integratie met minimale rechten

Waarde ontstaat als de agent met ERP, contractmanagement en risicosystemen kan werken. Toegang mag echter geen bypass creëren op goedkeuringslimieten, functiescheiding, budgetcontrole, beleid voor voorkeursleveranciers, contractuele bevoegdheden of datarestricties. Standaard: alleen de rechten die voor de taak nodig zijn.

5. Risicogebaseerd menselijk toezicht

Niet elke actie vraagt dezelfde mate van menselijke betrokkenheid. Laag risico: agent mag uitvoeren en registreren. Matig risico: handelen binnen limieten, met monitoring of steekproef. Hoog risico: agent adviseert, mens keurt goed. Kritisch: agent analyseert, maar voert de beslissing niet uit. Uitsluitingen van leveranciers, definitieve gunning, contractuele binding, materiële prijsbeslissingen en belangenconflicten horen bij betekenisvolle menselijke toetsing.

6. Audittrail en uitlegbaarheid

Inkoopbeslissingen moeten te reconstrueren zijn voor management, auditors, toezichthouders en leveranciers. Leg vast: de instructie, gebruikte informatie, toegepaste criteria, geraadpleegde systemen, overwogen alternatieven, het advies, de goedkeuring of overruling, en de uitgevoerde actie. Zonder dat pad koop je een black box in je controleraamwerk.

Wat dit juridisch en governance-matig betekent

Agentische AI raakt mandaat, aansprakelijkheid, privacy, cybersecurity, leveranciersfairness, contractuele binding en aantoonbare controle. Europese regelgeving, waaronder de AI Act en AVG, maakt die aantoonbaarheid geen luxe. Als een agent communiceert met leveranciers, data verwerkt of transacties initieert, wil je vooraf kunnen uitleggen wie waarvoor verantwoordelijk is. De kernvraag voor bestuur en CFO is eenvoudig. Kun jij uitleggen wat de agent mag, welke beslissingen bij mensen blijven, welke limieten en definities gelden, welke workflows gelden, welke data en systemen toegankelijk zijn, hoe fair en vertrouwelijk wordt omgegaan met leveranciers, of materiële acties reconstrueerbaar zijn, wie aanspreekbaar is bij fouten, en hoe je waarde, fouten en menselijke correcties meet? Zonder heldere antwoorden versnelt AI niet alleen het proces. Zij vergroot ook juridische, financiële en operationele kwetsbaarheid.

Hoe DH Legal organisaties hierin ondersteunt

DH Legal helpt organisaties om agentische AI in inkoop juridisch houdbaar en praktisch werkbaar te maken. Wij combineren juridische analyse met kennis van governance, risicomanagement, interne controle, financiële processen en assurance. Concreet kan dat betekenen:

• beoordeling van voorgestelde toepassingen

• formuleren van agentmandaten en gedelegeerde bevoegdheden

• identificeren van juridische, toezichtrechtelijke en contractuele risico’s

• ontwerp van menselijk toezicht en escalatie

• afstemming van rechten op inkoopbeleid en goedkeuringsmatrices

• governancekaders en aansprakelijkheid

• review van leverancierscontracten en contracten met technologieleveranciers

• eisen aan documentatie, definities, workflows en audittrail

• toetsing van dataprotectie, cybersecurity en vertrouwelijkheid

beleid en controleraamwerken voor implementatie en assurance. Het doel is niet innovatie tegenhouden. Het doel is agentische AI invoeren op een manier die efficiënt, transparant en aantoonbaar gecontroleerd is.

Van experiment naar gecontroleerde implementatie

Een verstandig pad is stapsgewijs. Eerst assisteren: analyseren, documenten opstellen, gebruikers ondersteunen. Dan adviseren: beslissingen voorstellen met onderbouwing. Daarna handelen na goedkeuring. Vervolgens binnen limieten zelfstandig laagrisicoactiviteiten uitvoeren. Pas daarna coördineren over een eind-tot-eindproces, terwijl management grip houdt op doelen, materiële beslissingen en uitzonderingen. Elke stap vraagt passende governance, datakwaliteit, toegangscontrole, monitoring en eigenaarschap. Begin met definities opstellen en workflows vastleggen, voordat autonomie toeneemt.

Start met een Agentic AI Procurement Review

Overweeg je een AI-inkoopagent, bouw je een proeftraject of toets je een bestaande implementatie? DH Legal kan een gerichte review doen van jouw toepassing, de belangrijkste juridische en controlerisico’s benoemen en praktische aanbevelingen geven voor verantwoorde adoptie op basis van definities, workflows, risico’s en beleid. De review kan gaan over geschiktheid van de toepassing, mandaat en autonomie, menselijk toezicht, data- en systeemtoegang, aansluiting op inkoopbeleid, juridische en contractuele eisen, het ontwerp van controles, auditbaarheid en implementatieprioriteiten. Agentische AI kan inkoop versnellen, compliance verbeteren en capaciteit vrijmaken voor strategischer werk. De waarde hangt af van één bewijsbaar punt: elke agent werkt betrouwbaar, transparant en binnen duidelijk afgebakende grenzen. AI mag meer. Jij blijft verantwoordelijk. DH Legal helpt je die verantwoordelijkheid om te zetten in heldere governance, juridische waarborgen en effectieve interne controle.