AI-automatisering vs. RPA in 2026: hoe je echt de knoop doorhakt

De meeste artikelen over AI-automatisering versus RPA beantwoorden een vraag die je niet zou moeten stellen. Ze zetten twee technologieën tegenover elkaar, sommen de verschillen op in een overzichtelijke tabel en laten jou raden welke het beste bij je bedrijf past. Dat is de omgekeerde wereld. De technologie is de laatste beslissing in een automatiseringsproject, niet de eerste. Teams die daar beginnen, zijn degenen wiens programma na ongeveer 8 maanden stilletjes tot stilstand komt, met 3 halfwerkende bots waar niemand verantwoordelijkheid voor wil nemen.

Dit artikel biedt de methode die we bij Codelevate gebruiken voordat we ook maar één regel automatiseringscode schrijven: beoordeel het proces aan de hand van 4 vragen en laat de score bepalen of je RPA, AI-automatisering, beide of geen van beide nodig hebt. Je krijgt het beoordelingskader, de bandbreedtes die een score omzetten in een beslissing, een uitgewerkt voorbeeld over leveranciersfacturen, een eerlijke blik op de operationele kosten van elke optie en de faalmodi die we in de praktijk het vaakst tegenkomen.

Het is geschreven voor oprichters, CTO's en operationeel leiders die al een proces hebben dat wekelijks uren kost en waarvoor een budget is goedgekeurd om het op te lossen. Als je op zoek bent naar een shortlist van automatiseringsleveranciers, dan is dit niet het juiste artikel. Als je probeert te achterhalen waarom je vorige automatiseringsproject niet heeft geleverd wat ervan werd verwacht, lees dan verder.

‍

Belangrijkste inzichten

• RPA en AI-automatisering zijn geen concurrenten. Ze falen op totaal verschillende vlakken, dus het proces bepaalt wat je nodig hebt.

• Beoordeel het proces op 4 punten: hoe gestructureerd de input is, hoeveel beoordelingsvermogen elk geval vereist, hoe vaak uitzonderingen voorkomen en hoe vaak het proces verandert.

• Een totaal van 4 tot 8 punten wijst op een RPA-proces. 15 tot 20 punten wijst op een AI-automatiseringsproces. De meeste echte processen vallen in het hybride middengebied.

• RPA is goedkoop per uitvoering, maar duur in onderhoud. Bij AI-automatisering is dat vrijwel omgekeerd.

• Het patroon dat in de praktijk standhoudt is hybride: AI leest en beslist, deterministische code voert uit.

• Gartner verwacht dat eind 2027 meer dan 40% van de agentic AI-projecten wordt geannuleerd, voornamelijk vanwege kosten- en scope-redenen in plaats van beperkingen in de technologie.

• Labels van leveranciers zijn sinds 2026 niet meer betrouwbaar, dus beoordeel het proces dat voor je ligt in plaats van de productpagina.

‍

Waarom AI-automatisering versus RPA in 2026 de verkeerde eerste vraag is

De vergelijking zelf is onbetrouwbaar geworden, omdat de labels de software niet langer accuraat beschrijven. Gartner gebruikt de term agent washing voor de praktijk waarbij bestaande chatbots en RPA-tools worden omgedoopt tot agentic AI zonder dat er echte agentic-functionaliteit wordt toegevoegd. Gartner schat dat van de duizenden leveranciers die dit label claimen, er slechts zo'n 130 daadwerkelijk bieden wat ze beloven. In dezelfde prognose verwacht Gartner dat eind 2027 meer dan 40% van de agentic AI-projecten wordt geannuleerd, gedreven door stijgende kosten, onduidelijke bedrijfswaarde en zwakke risicobeheersing.

Lees die lijst met redenen voor annulering nog eens door. Geen enkele daarvan is een beperking van de technologie. Het zijn allemaal problemen met de scope. Een project wordt geannuleerd omdat iemand een technologie koos en vervolgens op zoek ging naar een proces om die keuze te rechtvaardigen, in plaats van een proces te meten en de kleinst mogelijke oplossing te kiezen die het probleem zou verhelpen.

Deloitte's onderzoek naar wereldwijde intelligente automatisering kwamen tot dezelfde conclusie vanuit de andere kant. Onvolwassen, gefragmenteerde processen die zich verzetten tegen een uniforme workflow staan al vier opeenvolgende onderzoeken bovenaan de lijst met barrières voor automatisering, nog voor visie, IT-gereedheid en weerstand tegen verandering. Organisaties werden niet tegengehouden door hun tools. Ze werden tegengehouden door processen die te veel varieerden om te automatiseren zoals ze op papier stonden.

De nuttige vraag is dus niet welke technologie beter is. De vraag is: wat vereist dit specifieke proces nu echt? Beantwoord die vraag eerlijk en de technologische keuze wordt bijna mechanisch. Sla je dit over, dan ben je straks zes maanden bezig om te ontdekken dat je factuurproces 14 ongedocumenteerde varianten bevat waar niemand tijdens de kick-off iets over heeft gezegd.

‍

Wat RPA werkelijk is en waar het nog steeds wint

RPA is software die een vaste reeks interface-acties herhaalt, precies zoals je die hebt opgenomen, elke keer weer. Het klikt op knoppen, kopieert velden, navigeert tussen schermen en volgt de regels die jij hebt opgesteld. Het begrijpt niet wat het doet, en dat is een bewuste keuze. Determinisme is het product.

Dit maakt RPA uitermate geschikt voor een specifieke en waardevolle categorie werk: stabiele, repetitieve taken met een hoog volume die worden uitgevoerd in systemen zonder bruikbare API. Denk aan dat 30 jaar oude ERP-systeem met een groen scherm. De leveranciersportal die nooit een integratie zal aanbieden. Of de nachtelijke reconciliatie tussen twee systemen die niet met elkaar communiceren. Op die plekken bewijst RPA zijn waarde, draait het goedkoop en levert het een audittrail op die een compliance officer kan begrijpen zonder vertaler.

De zwakte is net zo specifiek. RPA kan niet omgaan met variatie. Verander de lay-out van een scherm, voeg een veld toe aan een formulier of ontvang dezelfde informatie als pdf in plaats van als spreadsheet, en de bot past zich niet aan. Hij faalt, of erger nog: hij werkt onjuist en schrijft twee weken lang stilletjes foutieve data weg. Elke wijziging verandert in een onderhoudsticket, en dat onderhoud stopt nooit. Teams die dit eerlijk meten, ontdekken meestal dat hun RPA-landschap in het derde jaar meer kost om in de lucht te houden dan het in het eerste jaar kostte om te bouwen.

‍

Wat AI-automatisering werkelijk is en waar het zijn kosten terugverdient

AI-automatisering gebruikt een taalmodel om input te interpreteren, een oordeel te vellen en vervolgens een actie te triggeren, meestal via API's in plaats van door op een scherm te klikken. Het belangrijke verschil is niet intelligentie in de marketingzin van het woord. Het verschil is dat de beslislogica niet vooraf door jou is geschreven. Het model leest wat er daadwerkelijk binnenkomt en bepaalt wat het betekent.

Dat ene kenmerk zorgt ervoor dat AI-automatisering werk aankan waar RPA niet bij kan. Een e-mail waarin de klant een wijziging in de bestelling in de derde alinea heeft verstopt. Een leveranciersfactuur die in 40 verschillende lay-outs binnenkomt omdat je 40 leveranciers hebt. Een supportticket dat geclassificeerd moet worden op intentie in plaats van op trefwoord. Alles waarbij de input rommelig is en een mens het momenteel leest voordat hij actie onderneemt, is het natuurlijke werkterrein.

Het kostenprofiel is het spiegelbeeld van RPA. Elke uitvoering kost echt geld in tokens, dus een proces dat 200.000 keer per maand draait, heeft operationele kosten die RPA simpelweg niet heeft. Daar staat tegenover dat wijzigingen goedkoop zijn. Wanneer het proces verandert, pas je vaak een instructie en wat voorbeelden aan in plaats van de hele automatisering opnieuw te bouwen. En de output is probabilistisch, wat betekent dat je vanaf dag één evaluatie, logging en een gedefinieerd escalatiepad nodig hebt. Sla je dat over, dan heb je geen automatisering gebouwd, maar een stagiair zonder toezicht met toegang tot de database.

‍

‍

Beoordeel het proces aan de hand van 4 vragen

Dit is het onderdeel dat de vergelijking tussen leveranciers vervangt. Pak één proces, haal de mensen erbij die het daadwerkelijk uitvoeren en geef het een score van 1 tot 5 op elk van de volgende punten. Het kost ongeveer 20 minuten per proces en het zijn de best bestede 20 minuten van het hele project.

1. Hoe gestructureerd is de input?

Geef een 1 als elk geval binnenkomt in dezelfde velden, op dezelfde plek en in hetzelfde formaat. Geef een 5 als het binnenkomt als vrije tekst, e-mailthreads, gescande documenten of bijlagen in de vorm die de afzender prettig vond. Dit is de sterkste voorspeller. Ongestructureerde input is de muur waar RPA niet overheen kan klimmen, hoeveel geld je er ook tegenaan gooit.

2. Hoeveel beoordelingsvermogen vereist één geval?

Geef een 1 als je de volledige beslisregel op een indexkaartje kunt schrijven en deze altijd correct is. Geef een 5 als degene die het werk uitvoert rekening houdt met context, historie en toon voordat er een besluit wordt genomen, en twee ervaren collega's het redelijkerwijs met elkaar oneens kunnen zijn. Wees eerlijk. Teams geven zichzelf vaak een 2, om er vervolgens achter te komen dat de regel 30 uitzonderingen bevat die alleen in iemands hoofd zitten.

3. Hoe vaak komen er uitzonderingen voor?

Geef een 1 als minder dan 5% van de gevallen buiten het standaardproces valt. Geef een 5 als dit voor meer dan 30% geldt. Dit getal bepaalt in stilte je economische resultaat. Een RPA-bot die 95% van de gevallen soepel afhandelt, is een succes. Een RPA-bot die een derde van alles stopzet en in een wachtrij voor een mens plaatst, heeft het werk alleen maar verplaatst in plaats van weggenomen, terwijl er ook nog een systeem bij is gekomen dat onderhoud vereist.

4. Hoe vaak verandert het proces?

Geef een 1 als het proces en de onderliggende systemen ongeveer één keer per jaar veranderen. Geef een 5 als er bijna elke maand iets verandert: een nieuw leveranciersformaat, een wijziging in de regelgeving, of een leverancier die zijn portaal opnieuw ontwerpt. De mate van verandering is wat een werkende RPA-implementatie verandert in een onderhouds-tredmolen, en het is de factor die het vaakst wordt weggelaten uit de businesscase.

‍

‍

Hoe je jouw score moet lezen

Tel de 4 getallen bij elkaar op. Het totaal ligt tussen de 4 en 20, en elke bandbreedte wijst op een andere aanpak.

Een score van 4 tot 8 is een RPA-proces; weersta de verleiding om er een taalmodel op los te laten. De input is gestructureerd, de regels zijn bekend, uitzonderingen zijn zeldzaam en er verandert niets. AI toevoegen levert je hier alleen extra kosten per uitvoering en onvoorspelbaarheid op, in ruil voor flexibiliteit die je nooit zult gebruiken. Als het doelsysteem een API heeft, is eenvoudige integratiecode beter dan beide opties en goedkoper dan allebei.

Een score van 15 tot 20 is een AI-automatiseringsproces. De input is rommelig, het oordeelsvermogen is essentieel en de situatie verandert continu. Op regels gebaseerde automatisering zal niet overleven bij dit proces, en elke maand die je eraan besteedt, levert slechts weer een fragiel script op. Dit is waar de operationele kosten van een model de investering direct waard zijn.

Een score van 9 tot 14, waar de meeste echte processen op uitkomen, is een hybride vorm. Splits het proces in plaats van de technologie: laat AI aan de voorkant het lezen en beoordelen afhandelen, en laat deterministische code aan de achterkant de acties uitvoeren. Meer over dat patroon hieronder.

Er is een vierde antwoord dat het raamwerk verrassend vaak oplevert, en dat is het meest waardevolle. Als het proces hoog scoort op oordeelsvermogen en verandering, maar slechts 20 keer per maand wordt uitgevoerd, automatiseer het dan voorlopig helemaal niet. Ontwerp het opnieuw, standaardiseer het of laat het met rust. Een gebrekkig proces versneld automatiseren levert alleen maar sneller gebrekkige resultaten op, en het goedkoopste automatiseringsproject is het project dat je terecht besluit niet te starten.

Als je de uitgebreidere versie van deze denkwijze wilt, inclusief hoe we AI-werk binnen een bestaand product inschatten en inplannen, dan is onze SaaS AI Blueprint behandelt de scope en het kostenmodel dieper. Het is gratis.

‍

Een praktijkvoorbeeld: leveranciersfacturen bij een logistiek bedrijf

Neem een logistiek bedrijf met 60 medewerkers dat ongeveer 3.000 leveranciersfacturen per maand verwerkt. Twee mensen op de financiële afdeling zijn hier het grootste deel van hun week mee bezig. De voor de hand liggende pitch van een RPA-leverancier is dat factuurverwerking het schoolvoorbeeld is van een RPA-usecase, en op het eerste gezicht klopt dat ook.

Geef nu een score. Inputstructuur: 4, omdat facturen als pdf's binnenkomen van 180 leveranciers, elk met hun eigen lay-out, en ongeveer 15% als foto's in een e-mailbijlage. Oordeelsvermogen per geval: 3, omdat de meeste facturen netjes overeenkomen met een inkooporder, maar deelleveringen, creditnota's en doorbelaste vrachtkosten iemand vereisen die het contract begrijpt. Uitzonderingspercentage: 4, omdat ongeveer een kwart van de facturen op de een of andere manier afwijkt van het standaardproces. Mate van verandering: 2, omdat het proces zelf stabiel is, ook al komen en gaan leveranciers.

Totaal: 13. Een echt hybride model, en totaal niet het pure RPA-verhaal dat de leverancier verkocht. In de praktijk betekent dit dat het lezen en matchen een taak is voor een model, en het boeken in het boekhoudsysteem een taak voor gewone integratiecode met strikte validatieregels. Het model extraheert factuurregels, matcht deze met een inkooporder en geeft een betrouwbaarheidsscore. Alles boven de drempelwaarde wordt automatisch verwerkt. Alles daaronder gaat naar een beoordelingswachtrij, inclusief de redenering van het model, zodat het financiële team binnen enkele seconden kan goedkeuren in plaats van minutenlang gegevens over te typen.

Het resultaat is geen 100% automatisering, en elke partner die je dat belooft bij facturen, verkoopt gebakken lucht. Het gaat om ongeveer 70% van het volume dat volledig automatisch wordt afgehandeld, terwijl de resterende 30% sneller verloopt omdat mensen het beoordelen in plaats van overtypen. Dat levert twee mensen een volledige werkweek op, en dat is haalbaar in een eerste fase. Een pure RPA-oplossing voor hetzelfde proces zou zijn vastgelopen op de 180 verschillende lay-outs, en een pure AI-oplossing zou een probabilistisch systeem verantwoordelijk hebben gemaakt voor het boeken in het grootboek, wat geen enkele CFO zou moeten accepteren.

‍

Het hybride model dat echt werkt

De architectuur die in de praktijk standhoudt, is eenvoudig: AI leest en beslist, deterministische code voert uit. Houd het model aan de interpretatiekant van de lijn, waar variatie heerst en waar 'ongeveer goed' nuttig is. Houd alles wat naar een bronsysteem schrijft in gewone code, met expliciete validatie, zodat de onomkeerbare stappen de voorspelbare stappen zijn.

Drie zaken maken het verschil tussen succes en weer een mislukt project. Ten eerste een betrouwbaarheidsdrempel met een echte beoordelingswachtrij erachter, zodat onzekere gevallen naar een persoon gaan in plaats van dat er gegokt wordt. Ten tweede het loggen van elke beslissing met de bijbehorende input en redenering; want als de financiële afdeling vraagt waarom factuur 4471 is goedgekeurd, is "het model besliste het" geen antwoord dat iemand twee keer accepteert. Ten derde een evaluatieset op basis van echte historische gevallen, zodat je de nauwkeurigheid kunt meten vóór de livegang en afwijkingen daarna kunt detecteren.

Niets daarvan is exotisch, maar het is wel het werk dat een demo onderscheidt van een systeem. Het is ook het werk dat het vaakst uit een voorstel wordt geschrapt om de prijs te drukken, wat goed is om te controleren wanneer je offertes vergelijkt. Als je beslist hoeveel autonomie je aan de AI-kant van die splitsing wilt geven, gaan we daar dieper op in onze gids over het kiezen van de juiste AI-agent voor procesautomatisering.

‍

Hoe wij dit aanpakken bij Codelevate

Wij beoordelen processen voordat we een offerte uitbrengen, en we wijzen een aanzienlijk deel van de aanvragen af, meestal omdat het proces eerst moet worden herontworpen in plaats van geautomatiseerd, of omdat het volume de investering niet rechtvaardigt. Dat is een vreemde boodschap voor een AI-automatiseringsbureau om te adverteren, maar de scoping bepaalt of deze projecten slagen of falen, en een project dat er niet zou moeten zijn, is voor iedereen duur.

In de praktijk ziet een eerste opdracht er meestal zo uit: 5 tot 10 kandidaat-processen beoordelen, de 1 of 2 kiezen met de beste verhouding tussen bespaarde uren en complexiteit, en er één daarvan correct opleveren met de juiste drempelwaarden, logging en evaluatie. Eén proces dat betrouwbaar werkt, is beter dan 6 pilots die niemand vertrouwt, en het geeft je harde cijfers om de volgende fase intern te rechtvaardigen.

‍

De beslissing in één zin

Stop met het vergelijken van AI-automatisering en RPA als producten en begin met het meten van het proces dat voor je ligt. Gestructureerde input met stabiele regels is RPA-terrein. Rommelige input met echt beoordelingsvermogen is AI-automatiserings-terrein. Bijna al het andere is een hybride vorm waarbij het model leest en de code handelt, en het eerlijke vierde antwoord is dat sommige processen beter gerepareerd dan geautomatiseerd kunnen worden.

Beoordeel deze week je top 3 processen aan de hand van de 4 bovenstaande vragen. Het kost een uur en het vertelt je meer dan welke leveranciersdemo dan ook. Als je de volledige scoping en het kostenmodel op papier wilt hebben, download dan de gratis SaaS AI Blueprint.

En als je ze liever beoordeelt met iemand die deze systemen zelf heeft gebouwd en weet waar ze vastlopen, boek dan een gratis gesprek met ons team. We lopen je processen door en geven je een eerlijk advies, ook als het antwoord is dat je voorlopig nog niets moet bouwen.

‍