De grootste drempel bij het opbouwen van een contractregister is niet de software. Het is de stapel PDF's die iemand moet doorlezen om er looptijden, tegenpartijen en opzegtermijnen uit te halen.
Bij tweehonderd contracten van elk een kwartier ben je vijftig uur verder. Dat is precies het werk waar AI goed in is: veel documenten, herkenbare patronen, en een mens die het resultaat controleert.
Wat AI uit een contract haalt
De gegevens die je nodig hebt om een contract te kunnen bewaken, zijn er meestal maar een handvol:
| Gegeven | Hoe goed gaat dit | Waarom |
|---|---|---|
| Tegenpartij | Goed | Staat meestal bovenaan, in vaste bewoordingen |
| Startdatum | Goed | Expliciet genoemd of af te leiden uit de ondertekening |
| Einddatum | Redelijk | Soms een datum, soms "twaalf maanden na aanvang" |
| Opzegtermijn | Wisselend | Staat vaak in de algemene voorwaarden, niet in het contract |
| Contractwaarde | Wisselend | Soms per maand, soms per jaar, soms per eenheid |
| Verlengingsclausule | Lastig | Verscholen in lopende tekst |
De eerste drie zijn betrouwbaar genoeg om voor te stellen. De onderste drie vragen altijd om een controle door een mens.
Wees voorzichtig met leveranciers die beloven dat hun AI contracten "volledig automatisch" verwerkt. Bij de gegevens die er het meest toe doen (opzegtermijn en verlenging) zit de informatie vaak niet in het contract zelf maar in een apart document waar alleen naar verwezen wordt.
Waarom een voorstel iets anders is dan een invulling
Het verschil tussen bruikbare en riskante AI in contractbeheer zit in één keuze: vult het systeem de velden in, of stelt het ze voor?
Vullen gaat sneller, maar je weet niet wat er is overgenomen. Blijkt er later een verkeerde einddatum in te staan, dan heb je geen idee waar die vandaan kwam.
Voorstellen met een bronvermelding is trager voor de gebruiker, maar controleerbaar: je ziet welk voorstel bij welke passage in het document hoort en kunt het in één blik accepteren of afwijzen.
In Looop werkt NORA op die tweede manier. Bij het uploaden van een contract leest NORA het document, herkent de wederpartij en stelt de start-, eind- en opzegdata voor, telkens met een citaat uit het document erbij. Twijfelt het model, dan krijg je meerdere kandidaten voorgelegd in plaats van één gok.
Waar het misgaat, en hoe je dat opvangt
Gescande documenten. Een ingescande PDF zonder tekstlaag is voor een model een plaatje. Tekstherkenning helpt, maar levert bij slechte scans fouten op in juist de getallen en datums die je nodig hebt.
Verwijzingen naar andere documenten. "Op deze overeenkomst zijn onze algemene voorwaarden van toepassing." De opzegtermijn staat dan elders. Geen enkel model kan een document lezen dat het niet heeft.
Je eigen organisatie als tegenpartij. Een naïef model stelt soms jouw eigen bedrijfsnaam voor als wederpartij, omdat die ook bovenaan het contract staat. Een systeem dat weet voor welke organisatie het werkt, sluit die uit.
Bedragen zonder eenheid. "€ 2.500" kan per maand, per kwartaal of per jaar zijn. Dat onderscheid maakt een factor twaalf verschil in je rapportage.
Een werkbare aanpak bij het opbouwen van je register
- Begin met je grootste of meest risicovolle contracten, niet met de oudste
- Laat AI de voorzet doen en controleer per contract de voorgestelde data
- Controleer altijd de opzegtermijn handmatig, ook als er een voorstel staat
- Zoek bij een verwijzing naar algemene voorwaarden dat document erbij
- Leg de contractwaarde vast met de eenheid: per maand of per jaar
- Wijs meteen een eigenaar aan, want dat kan geen enkel model voor je bepalen
Dat laatste punt is het belangrijkste. AI haalt gegevens uit een document. Wie er verantwoordelijk is voor dat contract staat er niet in, en is juist de informatie waar je bewaking op leunt.
Wat het oplevert
Realistisch gezien haal je met AI het grootste deel van het invoerwerk weg, niet alles. Reken op een controle van twee tot drie minuten per contract in plaats van een kwartier lezen. Bij tweehonderd contracten scheelt dat nog steeds ruim veertig uur.
Belangrijker dan de tijdwinst is dat de drempel verdwijnt. Een register dat vijftig uur handwerk kost, wordt niet gebouwd. Een register dat tien uur kost, wel.
Wil je uitrekenen wat betere grip op je contracten voor jouw organisatie oplevert, gebruik dan de ROI-calculator.
AI daarna: vragen stellen over je portefeuille
Zodra het register er staat, verschuift het nut van AI. Dan gaat het niet meer om uitlezen, maar om terugvinden: "welke contracten verlopen het komende kwartaal", "bij welke leveranciers zitten we boven de honderdduizend euro".
Dat werkt alleen betrouwbaar als de onderliggende gegevens kloppen. Een model dat zelf gaat rekenen op onvolledige data geeft met veel overtuiging een verkeerd antwoord. Daarom haalt NORA zulke getallen uit vaste, controleerbare zoekopdrachten en gebruikt het taalmodel alleen om het antwoord te formuleren.
Verder lezen
Veelgestelde vragen
- Welke gegevens kan AI uit een contract halen?
- Tegenpartij, startdatum en einddatum lukken meestal goed. Opzegtermijn, contractwaarde en verlengingsclausules zijn wisselender, omdat ze vaak in de algemene voorwaarden staan of zonder eenheid worden genoemd. Die controleer je altijd zelf.
- Moet AI contractgegevens invullen of voorstellen?
- Voorstellen, met een bronvermelding. Dan zie je op welke passage een voorstel is gebaseerd en accepteer of corrigeer je het in één blik. Een systeem dat stilzwijgend invult is sneller, maar je weet later niet waar een verkeerde datum vandaan kwam.
- Hoeveel tijd scheelt AI bij het opbouwen van een contractregister?
- Reken op twee tot drie minuten controle per contract in plaats van een kwartier lezen. Bij tweehonderd contracten scheelt dat ruim veertig uur.
