Kan AI zien dat CRM en facturatie niet overeenkomen?

Ja, AI kan zien dat CRM en facturatie niet overeenkomen, op voorwaarde dat het beide systemen kan lezen en de records aan elkaar kan koppelen. Het vindt dan gewonnen deals zonder factuur, facturen zonder deal, bedragen die afwijken en verschillen in looptijd of aantallen. Het koppelen is het moeilijkste deel: CRM en boekhouding gebruiken zelden dezelfde klantnummers, en daar helpt AI juist, door records te matchen op naam, adres, bedrag en datum waar een harde sleutel ontbreekt.

Waarom CRM en facturatie uit elkaar lopen

Het CRM en het facturatiesysteem worden door verschillende mensen gevuld, met verschillende doelen, op verschillende momenten. Sales zet een deal op gewonnen in Salesforce, HubSpot of Pipedrive zodra de klant akkoord geeft. Finance maakt een factuur in Exact, AFAS, Twinfield of Moneybird zodra er geleverd is, of zodra de eerste termijn ingaat. Tussen die twee momenten gebeurt van alles:

• De scope wordt aangepast, het bedrag verandert.
• De levering wordt uitgesteld of opgesplitst.
• De klant wordt als andere entiteit gefactureerd dan in het CRM staat.
• Een deel van de deal wordt nooit uitgevoerd, of juist meer dan verkocht.
• Niemand geeft door dat de deal gewonnen is.

Elk van die verschillen is op zich verklaarbaar. Samen zorgen ze ervoor dat sales en finance in dezelfde vergadering andere cijfers noemen, en dat niemand zonder handmatige export kan zeggen wie gelijk heeft. De oorzaken en gevolgen lees je in revenue leakage tussen CRM en facturatie.

Wat AI hier toevoegt

De vergelijking zelf is geen AI-probleem. Als elke deal een klantnummer en een projectnummer had dat ook op de factuur stond, kon een simpele query alles naast elkaar leggen. Hoe je dat handmatig aanpakt, staat in hoe je CRM tegen facturatie controleert.

In de praktijk ontbreekt die sleutel. De deal heet "Uitbreiding kantoor Utrecht" en de factuur "Project 24-118". De klant heet in het CRM "Van Dijk Logistiek" en in de boekhouding "Van Dijk Transport en Logistiek B.V.". De deal is EUR 48.000, en er zijn drie facturen van EUR 16.000 over drie maanden. AI helpt op drie punten:

1. Entiteiten matchen. Een model herkent dat twee verschillend geschreven namen, met hetzelfde adres of KvK-nummer, dezelfde klant zijn. Het geeft er een zekerheid bij, zodat twijfelgevallen naar een mens gaan.
2. Deals aan facturen koppelen. Op basis van klant, bedrag, datum, omschrijving en productregels zoekt het welke facturen bij welke deal horen, ook als een deal in termijnen wordt gefactureerd of als meerdere deals op één factuur staan.
3. Afwijkingen beoordelen. Het markeert niet alleen dat een bedrag afwijkt, maar kijkt of de afwijking een patroon volgt: een aanbetaling van 30 procent, een deal die nog niet volledig is geleverd, een kortingsregel. Zo scheidt het verwachte verschillen van echte.

Belangrijk daarbij: elke koppeling die de AI maakt, moet herleidbaar zijn. Je wilt kunnen zien op welke velden twee records zijn gematcht en met welke zekerheid. Een koppeling die niemand kan uitleggen, levert een verschil op dat niemand durft op te lossen. Laat koppelingen onder een zekerheidsdrempel daarom altijd eerst door een mens bevestigen, en bewaar die bevestiging, zodat dezelfde vraag niet elke week terugkomt.

Welke verschillen het vindt

Niet elk verschil is een lek. Een factuur zonder deal is vaak gewoon meerwerk dat nooit in het CRM kwam, en dan is het CRM onvolledig, niet de facturatie. Voor omzetlekkage zijn vooral de eerste en de derde rij interessant: daar is werk verkocht of geleverd dat niet volledig is gefactureerd.

Waar AI struikelt

• Deals die nooit echt gewonnen waren. Een deal staat op gewonnen omdat een verkoper zijn kwartaal wilde halen, maar de klant heeft nooit getekend. De AI ziet een gewonnen deal zonder factuur en meldt een lek. Het echte probleem is datakwaliteit in het CRM.
• Termijnen en voorschotten. Een deal van EUR 120.000 over twaalf maanden heeft na vier maanden EUR 40.000 aan facturen. Dat is correct. Zonder de betalingsafspraak te kennen, lijkt het een tekort.
• Bundels en splitsingen. Een factuur met regels uit drie deals, of een deal die over vier facturen aan twee entiteiten is verdeeld. Koppelen kan, maar met minder zekerheid.
• Historie. Oude deals uit een tijd dat het CRM anders werd gebruikt. Die kun je beter apart beoordelen dan meenemen in de automatische vergelijking.

Het antwoord op deze problemen is niet een slimmer model, maar betere afspraken: welke dealstatus betekent "factureren", waar staat het betalingsschema, en welke velden moeten gevuld zijn voordat een deal op gewonnen mag. Die afspraken maken ook de AI beter.

Rekenvoorbeeld

Rekenvoorbeeld: stel je sluit 600 deals per jaar met een gemiddelde waarde van EUR 15.000, samen EUR 9 miljoen. Een vergelijking tussen CRM en facturatie over het afgelopen jaar levert 90 gemarkeerde deals op. Na beoordeling:

• 50 zijn verklaarbaar: termijnen die nog lopen, of deals die ten onrechte op gewonnen stonden.
• 25 zijn gedeeltelijk gefactureerd zonder reden: gemiddeld EUR 3.000 te weinig, samen EUR 75.000.
• 15 zijn helemaal niet gefactureerd: samen EUR 225.000, waarvan een deel nog te factureren is.

Hoeveel van die EUR 300.000 je nog kunt innen, hangt af van hoe oud de verschillen zijn en hoe goed de levering is vastgelegd. Hoe eerder je het ziet, hoe groter het deel. Dit zijn voorbeeldgetallen, geen gemiddelden.

Eenmalig of elke nacht

Een eenmalige vergelijking laat zien wat er het afgelopen jaar is misgegaan. Nuttig, maar het meeste geld is dan al verloren. Het echte verschil maakt een vergelijking die elke nacht draait: een gewonnen deal zonder factuur na dertig dagen wordt een taak bij een eigenaar, niet een ontdekking bij de jaarafsluiting.

Dat is de kern van CRM-to-billing reconciliation: niet één keer uitzoeken, maar doorlopend afstemmen. Op de pagina use cases staat dit patroon, deals op gewonnen die nooit een factuur worden, uitgewerkt met wat het kost en hoe het wordt gevonden.

Wat je nodig hebt voordat het werkt

1. Leestoegang tot beide systemen. Alleen lezen is genoeg voor de vergelijking.
2. Een definitie van gewonnen. Welke dealfase betekent dat er gefactureerd moet worden?
3. Een verwachte factuurdatum per deal. Of een vaste regel, zoals binnen dertig dagen na gewonnen.
4. Een eigenaar voor verschillen. Iemand die de gemarkeerde deals beoordeelt en oplost.
5. Een plek om de uitkomst vast te leggen. Zodat een verklaard verschil de volgende nacht niet opnieuw wordt gemeld.

Met die vijf punten werkt ook een eenvoudige vergelijking goed. AI maakt het vooral beter waar de sleutels ontbreken. Het is een van de toepassingen uit kan AI omzetlekkage detecteren en een vast onderdeel van omzetlekkage vinden.

Veelgestelde vragen

Moet het CRM daarvoor perfect zijn?

Nee. Een vergelijking laat juist zien waar het CRM niet klopt. Wel geldt: hoe rommeliger het CRM, hoe meer meldingen die geen lek zijn. De eerste rondes zijn vooral opschonen.

Kan AI zelf de ontbrekende factuur aanmaken?

Het kan een concept klaarzetten met de gegevens uit de deal. Aanmaken en versturen hoort een mens te doen, omdat alleen iemand die de klant kent weet of er echt geleverd is.

Werkt dit met elk CRM en elke boekhouding?

Met systemen die een API of een betrouwbare export hebben, ja. Dat geldt voor de gangbare CRM's en boekhoudpakketten. Oudere of zelfgebouwde systemen vragen soms een tussenstap.

Hoe vaak geeft zo'n vergelijking valse meldingen?

In het begin relatief vaak, omdat termijnen, voorschotten en uitzonderingen nog niet zijn vastgelegd. Naarmate je die afspraken vastlegt, daalt het aantal meldingen dat geen lek is.