Waarom leveranciersverklaringen lastig te automatiseren zijn
Een leveranciersverklaring (LVO) bewijst de preferentiële of niet-preferentiële oorsprong van goederen. Je hebt hem nodig voor een EUR.1-certificaat of een oorsprongsverklaring op de factuur. Het probleem: elke leverancier maakt zijn eigen versie. De ene levert een Duits Word-document, de andere een Engelse PDF op eigen briefhoofd, een derde stuurt een Excel-tabel met goederencodes verspreid over drie tabbladen. De velden die je nodig hebt, staan steeds op een andere plek, in een andere taal, met een andere omschrijving van het product. Bovendien veranderen formats als een leverancier zijn huisstijl aanpast of overstapt op een nieuw ERP. Dat maakt het klassieke 'sjabloon per afzender'-model kwetsbaar.
Aanpak 1: handmatig verwerken
De meest gebruikte aanpak is nog steeds de medewerker die de verklaring opent, de relevante velden leest en ze overneemt in het douanesysteem of ERP. Dat werkt prima bij tien verklaringen per maand. Maar bij honderd of meer documenten per maand stapelt het tikwerk zich op, sluipen er fouten in de goederenomschrijvingen en loopt de doorlooptijd op. Een fout in de oorsprongscode of een ontbrekende factuurverwijzing kan leiden tot correcties bij de douane of verlies van tariefvoordeel. Handmatig is goedkoop bij laag volume, duur bij hoog volume.
Aanpak 2: OCR met templates
Klassieke OCR-tools (scan-en-herken) werken met vaste sjablonen: je definieert per afzender de coördinaten van elk veld op de pagina. Dat is betrouwbaar zolang de lay-out niet verandert. Voor leveranciersverklaringen is dat een probleem: je hebt al snel tientallen leveranciers met elk hun eigen format. Elke nieuwe leverancier of lay-outwijziging vereist een nieuw sjabloon. De beheerinspanning groeit mee met je leveranciersbestand. Template-OCR past alleen als je een klein, stabiel aantal vaste leveranciers hebt die nooit van format wisselen.
Aanpak 3: RPA (Robotic Process Automation)
RPA-bots kunnen schermen uitlezen en data kopiëren tussen systemen. Ze zijn sterk in herhaalbare, strak gestructureerde processen. Maar RPA leest geen ongestructureerde PDF's of wisselende lay-outs zonder een onderliggende extractiestap. In de praktijk combineren bedrijven RPA met OCR-templates: de bot pakt de geëxtraheerde data op en zet ze weg in het doelsysteem. Dat werkt, maar je hebt dan nog steeds het template-probleem voor de extractie zelf. Bovendien zijn RPA-bots fragiel bij schermwijzigingen of documentvariatie. De instap- en beheerkosten zijn navenant.
Aanpak 4: document-AI met human-in-the-loop
Document-AI leest documenten zonder vaste sjablonen. De tool begrijpt de context van een veld, ook als dat veld op een andere positie staat dan vorige keer of in het Duits is omschreven in plaats van het Nederlands. Voor leveranciersverklaringen betekent dat: de tool herkent de goederenomschrijving, de oorsprongscode, de factuurverwijzing en de geldigheidsdatum, ongeacht welke leverancier het document heeft opgemaakt. Wat document-AI niet doet: zelfstandig beslissen. Afwijkingen, lage betrouwbaarheidsscores of ontbrekende velden worden gemarkeerd voor menselijke controle. De medewerker accordeert, corrigeert waar nodig en stuurt het document door. Zo blijft de juridische verantwoordelijkheid waar die hoort: bij de persoon die de verklaring afgeeft.
Wanneer past welke aanpak?
Laag volume, vaste leveranciers, stabiele formats: handmatig of template-OCR is afdoende. De beheerinspanning van een geavanceerder systeem weegt niet op tegen de tijdwinst. Hoog volume, veel verschillende leveranciers, wisselende talen en formats: document-AI loont. De drempelwaarde ligt ruwweg bij een paar honderd verklaringen per jaar waarbij je al meerdere formats hebt. Zit je daartussenin, dan is het eerlijke advies: breng eerst je huidige foutpercentage en doorlooptijd in kaart. Als fouten in oorsprongscodes je al geld kosten bij de douane, is dat een sterkere reden om te automatiseren dan het pure tijdargument.
Wat je moet regelen naast de tool
Geen enkel systeem vervangt het kennen van de preferentiële oorsprongsregels. Welke goederencode valt onder welk handelsverdrag? Klopt de omschrijving in de verklaring met de omschrijving op de factuur en de paklijst? Dat zijn inhoudelijke vragen die een medewerker moet kunnen beantwoorden. Een goede tool neemt het lees- en tikwerk weg, maar de douane-expertise blijft onmisbaar. Dat is ook precies waarom het human-in-the-loop model hier goed past: de tool doet het extractiewerk, de medewerker doet de inhoudelijke accordering.