AI maakt inkoop pas strategisch als source-to-pay een beslismotor wordt

Inleiding

Veel organisaties praten over AI alsof de belangrijkste winst zit in sneller schrijven, samenvatten of analyseren. Dat is zichtbaar, maar het is zelden waar de hardste economische waarde zit. Voor directies ligt een interessantere kans op een plek die vaak minder sexy oogt: inkoop.

Juist daar komen kosten, contracten, leveranciersrisico, cash, servicelevels en operationele continuïteit samen. Wie AI in inkoop alleen inzet als handige assistent voor offertes, contractsamenvattingen of spend-rapportages, pakt een deel van de winst. Wie de volledige source-to-pay-keten opnieuw ontwerpt rond AI-gestuurde besluitvorming, maakt van inkoop iets anders: een bestuurbare beslismotor voor marge, snelheid en weerbaarheid.

De recente signalen zijn opvallend concreet

Boston Consulting Group publiceerde op 7 augustus 2026 een scherp signaal: volgens BCG ontstaat de echte waarde niet door AI op bestaande inkoopprocessen te plakken, maar door het hele source-to-pay-proces opnieuw te ontwerpen voor een hybride mens-en-agentmodel. BCG koppelt daar stevige effecten aan, waaronder 8% tot 15% kostenbesparing, 5 tot 15 procentpunt verbetering in tijdige en volledige leveringen en 30% tot 60% kortere sourcingcycli. Daarnaast zou tot 60% van de capaciteit van inkopers kunnen vrijkomen voor strategischer werk.

Dat zijn forse claims, en ze komen uit consultancyonderzoek en modellering, niet uit een universele natuurwet. Toch zijn ze bestuurlijk relevant, juist omdat ze wijzen op een patroon dat ook andere bronnen laten zien: de bottleneck zit steeds minder in de vraag of AI iets kan, en steeds meer in de vraag of organisaties hun besluitprocessen durven herontwerpen.

PwC trekt een vergelijkbare lijn. In hun stuk over agentic AI in procurement stellen zij dat ten minste 75% van de procurementactiviteiten op korte termijn kan veranderen en dat de productiviteit in procurement met ten minste 30% kan stijgen, oplopend tot maximaal 70% bij agentgedreven taken. Hun onderliggende boodschap is nog belangrijker dan de percentages: inkoop is een van de weinige functies waar veel ongestructureerde data, herhaalbaar kenniswerk en directe bedrijfsimpact bij elkaar komen. Daardoor kan AI er sneller economische waarde laten zien dan in veel andere domeinen.

Waarom deze verschuiving groter is dan een inkoopverbetering

Wie alleen naar de inkoopafdeling kijkt, mist de werkelijke betekenis. Inkoop raakt vrijwel alles: grondstofkosten, softwarecontracten, externe inhuur, transport, leverancierskwaliteit, compliance, cashpositie en soms zelfs productbeschikbaarheid. Dat maakt source-to-pay geen ondersteunend proces aan de rand, maar een knooppunt waar strategische keuzes dagelijks worden omgezet in economische uitkomsten.

McKinsey beschreef dat op 5 februari 2026 in bredere termen. Hun punt is dat agentic AI procurement niet alleen efficiënter maakt, maar de functie opnieuw positioneert als concurrentiehefboom voor groei, veerkracht en ESG-doelen. Dat is een nuttige correctie op het oude beeld van inkoop als kostenpolitie. Als AI helpt om sneller betere leverancierskeuzes te maken, contractvoorwaarden strakker te bewaken, risico's eerder te signaleren en kapitaal slimmer in te zetten, dan verschuift de functie richting directiewaarde.

Accenture komt op dezelfde datum vanuit een andere route tot een vergelijkbare conclusie. Hun analyse noemt inkoop een van de grootste bestuurbare kostenpools in de onderneming en ziet in een mix van augmented en autonome sourcing 1% tot 2% extra besparing plus 40% tot 60% productiviteitswinst. Ook daar zit de essentie niet in een los tooltje, maar in continue waardebescherming: lekkage voorkomen, kansen sneller zien en middelen vrijspelen voor bredere transformatie.

De echte fout is denken in use cases in plaats van in ketens

Hier gaan veel organisaties de mist in. Ze starten met een contractassistent, een spendbot of een samenvattingsfunctie voor offertes. Dat kan nuttig zijn, maar vaak blijft de rest van de keten intact. Daardoor wordt werk lokaal sneller, terwijl het systeem als geheel nauwelijks verandert.

De sterkere benadering is end-to-end denken. Niet: "waar kunnen we AI toevoegen?" Maar: "welke beslissingen in de source-to-pay-keten zijn nu te traag, te gefragmenteerd of te foutgevoelig, en hoe ontwerpen we die opnieuw?" Dan verschuift de focus van losse productiviteit naar samenhang: leveranciersselectie, vraagbundeling, intake, contractbeheer, compliance, risico-alerting, performancebewaking en uitzonderingsafhandeling moeten op elkaar aansluiten.

BCG benadrukt dat die herontwerpvraag niet bij procurement alleen kan blijven liggen. Zodra AI ingrijpt in sourcing, risicoafwegingen, contractkeuzes en escalaties, raakt dat ook finance, operations, IT en enterprise-architectuur. Daarom is dit geen project voor alleen een CPO of procurementmanager. Het vraagt actieve sturing van CEO, COO en CFO, juist omdat de opbrengst pas groot wordt wanneer de keten als geheel verandert.

Organisatieontwerp wordt belangrijker dan modelkeuze

Een tweede misvatting is dat succes vooral afhangt van het slimste model of de beste leverancier. Een aanvullende BCG-publicatie van 21 juli 2026 over tech procurement legt een andere pijn bloot. Organisaties lopen niet primair vast op ambitie, maar op heterogene data, verouderde systemen, governance en het onvermogen om verandering naast de dagelijkse operatie uit te voeren.

Dat is een belangrijk managementsignaal. De eerste voordelen van AI in procurement verschijnen vaak intern: minder handwerk, snellere cycli, betere discipline en minder frictie. De zwaardere externe voordelen, zoals betere leveranciersdeals, minder lock-in of meer veerkracht in de keten, volgen meestal pas nadat processen, rollen en besturing zijn aangepast. Anders gezegd: productiviteit komt eerder dan strategisch voordeel.

Dat maakt de directievraag ook nuchterder. Niet: "hebben wij al AI in procurement?" Maar: "welke inkoopbeslissingen willen wij sneller, consistenter en economisch slimmer laten verlopen, en welke governance hoort daarbij?" Pas dan ontstaat een realistisch pad van pilot naar schaal.

Wat dit betekent voor directie en MT

Voor veel organisaties is dit een kans om AI eindelijk te koppelen aan een taal die bestuurders direct begrijpen: brutomarge, kostenbasis, werkkapitaal, leverbetrouwbaarheid en risicoblootstelling. Inkoop is immers een van de plaatsen waar een betere beslissing vrijwel direct zichtbaar kan worden in de cijfers.

Dat vraagt wel om een andere prioriteitsvolgorde dan veel organisaties hanteren. Begin niet met de makkelijkste demo, maar met de workflows waar vertraging, slechte informatie of versnipperde besluitvorming nu het duurst zijn. Denk aan strategische sourcing, leveranciersrisico, contractverlengingen, software- en cloudinkoop, of indirect spend waar veel geld weglekt zonder dat iemand het volledig ziet.

Koppel daar vervolgens echte KPI's aan. Niet alleen gebruik, maar uitkomsten: kortere cyclustijd, minder contractlekkage, betere naleving, snellere risicosignalering, lager werkkapitaalbeslag of betere onderhandelingsresultaten. Als die metrics niet veranderen, is er meestal nog geen nieuw operating model, maar alleen een snellere oude routine.

Een praktisch startpunt zonder AI-theater

De verstandigste eerste stap is meestal geen groot transformatieprogramma, maar een scherp gekozen waardestroom. Kies een inkoopdomein met duidelijke economische druk, voldoende data en veel herhaalbaar kenniswerk. Breng vervolgens in kaart welke beslissingen daar nu handmatig, versnipperd of reactief verlopen.

Ontwerp daarna het gewenste mens-en-agentritme. Welke taken mogen agents voorbereiden, welke mogen zij uitvoeren, wanneer is menselijke goedkeuring verplicht, en welke uitzonderingen moeten direct escaleren? Zorg er ook voor dat juridische, financiële, operationele en IT-randvoorwaarden vanaf het begin worden meegenomen. Anders verschuift het knelpunt alleen maar.

Meet ten slotte of mensen echt strategischer werk gaan doen met de vrijgespeelde capaciteit. Dat is de lastigste test van allemaal. Als AI vooral meer transacties door een oud systeem jaagt, dan is er efficiëntie, maar nog geen strategische sprong. Als teams tijd terugkrijgen voor leveranciersstrategie, scenario's, risicobespreking en waardesturing, dan begint inkoop werkelijk een directiefunctie te worden.

De volgende AI-voorsprong kan stiller zijn dan verwacht

De komende AI-winnaars zijn waarschijnlijk niet alleen de organisaties met de luidste copilots of de meeste pilots. Het kunnen juist bedrijven zijn die een minder zichtbare maar veel hardere stap zetten: ze maken van source-to-pay een continue beslislaag die sneller, nauwkeuriger en consistenter stuurt op economische uitkomsten.

Voor ondernemers en bestuurders is dat een relevante verschuiving. AI wordt pas echt strategisch wanneer het niet alleen kenniswerk versnelt, maar een van de grootste kosten- en risicoketens van de onderneming beter bestuurbaar maakt. Wie dat goed aanpakt, moderniseert niet alleen de inkoopafdeling, maar vergroot het aanpassingsvermogen van het hele bedrijf.