Kan AI een kredietcheck bij nieuwe klanten overnemen?
Stap voor stap: welke delen van een kredietcheck bij nieuwe zakelijke klanten AI kan overnemen, wat gewone automatisering is, waar een mens beslist en hoe je een veilige pilot doet.
6 stappenTypische mix: Eerst automatiserenIllustratieve analyseBijgewerkt
Gedeeltelijk. Regelgestuurde automatisering moet de aanvraag verzamelen, het kredietrapport ophalen en je schriftelijke beleid toepassen op duidelijke gevallen, AI kan jaarrekeningen samenvatten en afwijkende signalen voor de analist markeren, en een mens moet bij twijfelgevallen het kredietlimiet en de betalingsvoorwaarden bepalen. Hoe groter het bedrag en hoe dunner de gegevens, hoe meer de beslissing bij iemand met verantwoordelijkheid moet blijven. Hieronder zie je de verdeling per stap, de voorwaarden en een kleine pilot voor je volgende tien nieuwe klanten.
Wat elke stap nodig heeft
01● Bij mensen houden
Het kredietbeleid vastleggen: scorebanden, limietregels en wie wat goedkeurt
Elke geautomatiseerde check rust op een beleid dat iemand met bevoegdheid heeft opgeschreven: welke score of rating automatisch wordt goedgekeurd, welk bereik naar beoordeling gaat, met welk limiet een nieuwe klant mag beginnen, welke betaaltermijnen zijn toegestaan en wie boven een bepaald bedrag tekent. Dat zijn keuzes over hoeveel onbetaalde omzet het bedrijf kan dragen, dus ze horen bij de financiële leiding. AI kan helpen je concept te vergelijken met hoe andere bedrijven hun beleid beschrijven of de regels om te zetten in een checklist, maar hoort de drempels niet te bepalen of te kiezen hoeveel risico acceptabel is.
⛨Geldt voordat je iets automatiseert. Beoordeel het beleid minstens één keer per jaar en na een periode met opvallend veel oninbare vorderingen of een andere klantmix.
02● Standaardautomatisering
De aanvraag verzamelen en controleren wie de klant echt is
Een kredietcheck begint met consistente invoer: statutaire naam, KvK-nummer, adres, factuurcontact, verwacht maandvolume en de referenties of bankgegevens die je beleid vraagt. Een webformulier of verplichte velden in het CRM kunnen die ophalen en controleren of het KvK-nummer bestaat, of de naam overeenkomt met het Handelsregister en of het adres klopt. Dat is deterministisch vergelijken, waar regels goed in zijn en wat ze netjes vastleggen. Afwijkingen, zoals een handelsnaam die verschilt van de ingeschreven naam, gaan naar een mens in plaats van dat een model ze invult.
⛨Werkt als sales geen klant kan aanmaken zonder de verplichte velden. Bewaar wat is ingediend en wanneer, want je moet het later kunnen aantonen.
03● Standaardautomatisering
Het kredietrapport ophalen en het beleid toepassen op duidelijke gevallen
Zijn de gegevens schoon, dan haalt een koppeling met je gekozen kredietinformatiebureau het rapport op en vergelijkt een regelmotor score, betaalgedrag, publicaties en eventuele faillissements- of surseancesignalen met het beleid. Een duidelijk geval, bijvoorbeeld een gevestigd bedrijf met een sterke rating dat om een klein limiet vraagt, kan automatisch worden goedgekeurd met de onderbouwing in het logboek. Een duidelijke afwijzing kan ter bevestiging bij een mens komen. Houd dit deterministisch: dezelfde invoer geeft altijd dezelfde uitkomst, en dat verwachten accountants en klanten die vragen waarom een limiet is gesteld.
⛨Vraagt om een contract met een databron en een afgesproken lijst van velden die meetellen. Test de regels eerst op oude klanten, ook op klanten die later te laat betaalden.
04● Geschikt voor AI
Jaarrekeningen samenvatten en afwijkende signalen voor de analist markeren
Hier is AI echt nuttig. Jaarrekeningen, bestuursverslagen, bureaunotities en nieuwsberichten zijn lang en ongelijk, en een analist verliest tijd met het zoeken naar de relevante regels. Een model kan omzettrend, schuldenlast, liquiditeit, opmerkingen van de accountant en recente gebeurtenissen zoals een eigenaarswissel of een juridisch geschil uitlichten in een korte notitie met bij elk punt de bron. De analist controleert die notitie aan de hand van de stukken. Cijfers moeten uit de bron komen en worden gecontroleerd, want een model kan een tabel verkeerd lezen of valuta en periodes door elkaar halen.
⛨Werkt het best bij standaard jaarstukken in talen die het model goed beheerst. Bij kleine bedrijven met weinig openbare gegevens blijft de notitie dun en moet de analist om stukken vragen.
05● Menselijke controle
Het limiet en de voorwaarden bepalen bij twijfelgevallen, grote bedragen of ongewone klanten
Zijn de gegevens gemengd, dan beslist een mens. Een groeiend bedrijf met één late betaling, een nieuwe dochter zonder historie, een klant die een limiet vraagt dat ver boven zijn omvang ligt of een sector onder druk vragen om oordeel over de relatie, de verkoopkans en het risico dat het bedrijf wil dragen. De kredietanalist kan vragen om een aanbetaling, borgstelling, kortere termijn of lager startlimiet en kan met de klant praten. AI kan de opties uitschrijven en laten zien wat vergelijkbare eerdere gevallen deden, maar de beslissing en de verantwoording blijven bij een persoon met naam.
⛨Altijd boven een vastgesteld bedrag en bij elk geval dat de regels doorsturen voor beoordeling. Leg de reden van elke uitzondering vast zodat het beleid ervan kan leren.
06● Standaardautomatisering
De klant blijven volgen en limieten volgens schema herbeoordelen
Een kredietbeslissing veroudert. Regels horen accounts op een vast moment en bij triggers opnieuw te controleren: een factuur die een bepaald aantal dagen te laat is, een melding van het bureau, een ratingwijziging, een limiet dat bijna vol zit. Het systeem markeert de klant, zet nieuwe orders zo nodig stil als het beleid dat zegt en stuurt het geval naar de juiste persoon. AI kan daarna een korte klantsamenvatting voor de beoordeling opstellen, maar de triggerlogica en de leveringsstop moeten expliciete regels zijn die finance kan lezen en aanpassen.
⛨Vraagt om een koppeling tussen grootboek, ordersysteem en bureaumeldingen. Zonder die koppeling blijft de herbeoordeling handwerk en blijven oude limieten stilletjes staan.
Een verstandige eerste proef
Neem je volgende tien nieuwe zakelijke klanten en laat ze door de nieuwe werkwijze lopen terwijl je huidige proces als vangnet blijft. Laat regels de gegevens verzamelen, het rapport ophalen en bij duidelijke gevallen een besluit voorstellen, laat AI voor de rest de financiële samenvatting opstellen en laat je analist beide nakijken. Meet drie dingen: hoe lang het duurde van aanvraag tot besluit, hoe vaak de analist de voorgestelde uitkomst veranderde en hoeveel klanten later te laat betaalden vergeleken met vergelijkbare eerdere klanten. Past de analist meer dan een paar gevallen aan, verbeter dan eerst de regels of de data voordat je meer klanten toevoegt.
De valkuil die je wilt vermijden
De grootste valkuil is een model een score of limiet laten geven die niemand kan uitleggen. Een getal uit een black box is moeilijk te verdedigen tegenover een afgewezen klant en kan vooringenomenheid of een verkeerd gelezen jaarrekening verbergen. Houd de beslislogica in regels die je kunt lezen, gebruik AI om samen te vatten en te signaleren en zorg dat een mens eigenaar is van elke uitzondering. Let ook op de gegevens die je invoert: bij eenmanszaken en borgstellers gaat een kredietcheck over persoonsgegevens, en geautomatiseerde besluiten over personen kennen onder de AVG eigen regels.
Vragen die teams stellen
Kan AI zelf een kredietlimiet vaststellen?
Niet voor meer dan kleine, duidelijke gevallen. Regels kunnen een laag limiet goedkeuren voor een klant met een goede rating als je beleid dat zegt. Voor grotere of twijfelachtige klanten hoort een persoon met naam te beslissen, omdat het gaat om risicobereidheid en de klantrelatie, en iemand er verantwoordelijk voor moet zijn.
Mag je een kredietcheck automatiseren volgens de AVG?
Vaak wel, maar het hangt af van wie je controleert. Een bv of nv controleren is vooral een kwestie van contract en datakwaliteit. Bij een eenmanszaak of een directeur die borg staat gaat het om persoonsgegevens, en de AVG beperkt uitsluitend geautomatiseerde besluiten met aanzienlijke gevolgen voor personen. Vraag eerst je privacyfunctionaris of jurist en houd bij afwijzingen een mens betrokken.
Welke gegevens heeft een kredietcheck met AI nodig?
Grotendeels dezelfde als een handmatige check: de gegevens van de rechtspersoon, een kredietrapport, gedeponeerde jaarrekeningen, je eigen betaalervaring en eventuele referenties. AI voegt waarde toe bij het lezen van lange stukken. Geef het alleen de bronnen die je beleid toestaat en bewaar de originele stukken zodat een mens elk cijfer kan controleren.
Hoe vaak moet je kredietlimieten herbeoordelen?
Minstens jaarlijks voor actieve klanten en eerder bij triggers zoals achterstallige facturen, meldingen van het bureau of een verzoek om een hoger limiet. Automatische bewaking past hier goed omdat de triggers duidelijke regels zijn, en de herbeoordeling zelf kan beginnen met een door AI opgestelde samenvatting.
Workflowadvies van Arcgent ter illustratie. Elk bedrijf heeft een eigen beoordeling nodig. Claims over integraties of besparingen zijn niet voor jouw systemen geverifieerd.