Een ondernemer vroeg me laatst of hij "die robot" eindelijk kon vervangen door AI. Hij doelde op een RPA-bot die elke nacht facturen uit zijn mailbox haalde en in zijn boekhoudpakket zette. De bot deed jarenlang netjes zijn werk, totdat een leverancier de opmaak van zijn factuur veranderde en alles stilviel. Drie dagen handwerk voordat iemand doorhad waarom.
Dat is precies de plek waar de keuze tussen RPA en een AI-agent begint. Het zijn geen synoniemen, en het is ook geen kwestie van oud versus nieuw. Het zijn twee gereedschappen voor twee soorten werk. Wie ze door elkaar haalt, bouwt een dure oplossing voor het verkeerde probleem.
Wat is RPA eigenlijk?
RPA staat voor Robotic Process Automation. De naam klinkt indrukwekkender dan de techniek is: een RPA-bot bootst de handelingen na die een medewerker met muis en toetsenbord doet. Inloggen, een veld kopiëren, plakken in een ander scherm, op opslaan klikken, door naar de volgende regel. Geen fysieke robot, geen kunstmatige intelligentie, maar software die een vast klikpad afspeelt dat jij van tevoren hebt vastgelegd.
Dat is meteen de kern van RPA, en de reden dat het bestaat. Veel bedrijfssoftware praat niet met elkaar. Je salarispakket kent je CRM niet, je webshop kent je boekhouding niet. In plaats van een dure koppeling te bouwen, zet je een bot voor het scherm die de gegevens overtikt zoals een mens dat zou doen. Goedkoper dan een integratie, sneller op te zetten, en je raakt de onderliggende systemen niet aan.
In de praktijk hoor je RPA onder verschillende namen: een "bot", een "digitale medewerker", soms "workflow-automatisering". De betekenis blijft steeds gelijk: regelgebaseerde automatisering van repetitieve, voorspelbare handelingen.
Waar RPA sterk in is
RPA is op zijn best als het werk aan drie voorwaarden voldoet: het is repetitief, de input is gestructureerd, en de stappen veranderen niet. Denk aan:
- Gegevens overzetten tussen twee systemen die geen koppeling hebben.
- Standaardrapporten samenstellen uit vaste bronnen.
- Facturen verwerken die altijd hetzelfde format hebben.
- Bulkhandelingen: honderden records aanmaken, statussen bijwerken, bestanden hernoemen.
Voor dit soort werk is RPA betrouwbaar en snel. Een bot wordt niet moe, maakt geen tikfouten en draait 's nachts door. Is het volume hoog en het pad stabiel, dan verdient een goed gebouwde bot zichzelf in maanden terug.
Concrete voorbeelden van RPA in het MKB
Even concreet, want abstract blijft het lastig. Een administratiekantoor dat elke ochtend bankmutaties uit het ene systeem haalt en in de boekhouding van tientallen klanten zet. Een webshop die bestellingen uit een verouderd kassasysteem overzet naar de verzendsoftware. Een HR-afdeling die een nieuwe medewerker in vijf systemen tegelijk moet aanmaken. Stuk voor stuk repetitief, gestructureerd en stabiel: precies het werk waar een bot niet op afhaakt en waar de tijdwinst direct telt.
Waar RPA breekt
Het probleem zit in dat woord "stabiel". Een RPA-bot begrijpt niets. Hij weet niet wat een factuur is, hij herkent een patroon van velden op een vaste plek. Verandert die plek, dan struikelt hij.
En in de praktijk verandert er voortdurend iets. Een leverancier past zijn factuuropmaak aan. Een softwareleverancier verschuift een knop na een update. Een veld dat altijd gevuld was, is een keer leeg. De bot merkt het niet, hij doet gewoon het verkeerde of valt stil. Dat heet brosheid, en het is de grootste verborgen kostenpost van RPA: niet de bouw, maar het onderhoud.
Daar komt bij dat RPA niet kan oordelen. Zodra een stap interpretatie vraagt, "op welke grootboekrekening hoort deze post", "wat bedoelt deze klant in deze mail", "is dit een uitzondering", houdt RPA op. Je kunt regels blijven stapelen voor de gevallen die je kent, maar de uitzondering die je niet voorzag, glipt er altijd doorheen.
De verborgen kosten van een bot
De bouwprijs van een RPA-bot is zelden het probleem. Het onderhoud is dat wel. Elke bot is gekoppeld aan een scherm dat hij niet beheert. Elke update van dat scherm is een kans dat de bot breekt. Bij één bot is dat te overzien. Bij dertig bots die over tien systemen heen werken, krijg je wat in het vak "bot-spaghetti" heet: een web van automatiseringen waarvan niemand nog precies weet wat ze doen, dat bij elke softwarewijziging ergens een storing oplevert.
De echte vraag bij RPA is daarom niet "kan ik dit automatiseren", want vaak kan dat. De vraag is: hoe vaak verandert de omgeving eronder, en wie repareert de bot als hij valt. Onderschat je dat, dan bespaar je drie uur per week en betaal je dat terug in onverwachte storingen.
Wat een AI-agent anders doet
Hier verschilt een AI-agent fundamenteel. Waar RPA een vast pad afspeelt, werkt een agent vanuit een doel. Je zegt niet "klik hier, kopieer dat", je zegt "verwerk deze factuur correct" en de agent bepaalt zelf de stappen, leest ongestructureerde tekst, weegt af, en corrigeert zichzelf als er iets niet klopt.
Een agent kan dus omgaan met variatie waar een bot op vastloopt: een factuur in een onbekend format, een mail met een net iets andere vraag, een uitzondering die in geen enkele regel stond. Dat maakt hem krachtiger, maar ook minder voorspelbaar, en dat is precies waarom je hem niet overal op moet zetten. Wat een AI-agent precies is en hoe hij werkt, schreef ik uit in wat is een AI-agent. Hier gaat het om de keuze ertussen.
De markt verschuift, en waarom
De cijfers laten zien waar het heen gaat. De wereldwijde RPA-markt groeide in 2024 naar zo'n 3,6 miljard dollar, met een groei rond de 14 procent: gezond, maar duidelijk afvlakkend. De markt voor AI-agents zat in 2025 op ongeveer 7,6 miljard dollar en gaat volgens marktonderzoek richting 11 miljard in 2026, een groei van meer dan 45 procent per jaar.
Analistenbureaus verwachten dat tegen eind 2026 ongeveer 40 procent van de bedrijfsapplicaties taakspecifieke AI-agents bevat, tegen minder dan 5 procent een jaar eerder. De budgetten verschuiven zichtbaar van regelgebaseerde bots naar systemen die kunnen redeneren.
Belangrijk: dit betekent niet dat RPA verdwijnt. Het betekent dat de grens verschuift. Werk dat voorheen met steeds ingewikkeldere RPA-regels werd dichtgetimmerd, gaat nu naar agents die de variatie aankunnen. Het saaie, stabiele middenstuk blijft prima botwerk.
RPA of AI-agent: een beslistabel
Twijfel je waar jouw werk valt, loop dan deze vragen langs.
| Vraag | Wijst naar RPA | Wijst naar AI-agent |
|---|---|---|
| Is de input altijd hetzelfde format? | Ja | Nee, vaak ongestructureerd |
| Verandert het scherm of de bron vaak? | Zelden | Regelmatig |
| Is interpretatie of een oordeel nodig? | Nee | Ja |
| Zijn er veel uitzonderingen? | Weinig | Veel |
| Is volume of snelheid het hoofddoel? | Ja | Niet per se |
| Moet het systeem zich aanpassen aan nieuwe situaties? | Nee | Ja |
Hoe meer antwoorden in de rechterkolom, hoe sterker het argument voor een agent. Staat alles links, dan is een AI-agent overkill: duurder, trager en minder voorspelbaar dan een simpele bot.
Bijna altijd: een hybride
In de praktijk is de vraag zelden RPA óf AI. De beste oplossing combineert beide. De bot doet de stabiele, gestructureerde stappen, het zogenaamde happy path. De agent springt in waar het pad afwijkt: een onbekend format, een uitzondering, een stap die een oordeel vraagt.
Een concreet voorbeeld. Bij factuurverwerking haalt de bot de facturen op en boekt hij de bekende, vaste leveranciers automatisch in. Komt er een factuur binnen die niet in het stramien past, dan geeft de bot hem door aan de agent, die de tekst leest, de juiste grootboekrekening voorstelt en bij twijfel een mens om akkoord vraagt. Zo combineer je de betrouwbaarheid van RPA met de flexibiliteit van AI, zonder een van beide te overvragen.
Wat dit voor jouw bedrijf betekent
Voor het Nederlandse MKB is dit relevanter dan het lijkt. Volgens het CBS gebruikte in 2025 bijna 30 procent van het MKB met tien tot 249 werknemers minstens één AI-technologie, en Nederlandse MKB-bedrijven lopen in Europa voorop in hun investeringsplannen: ruim acht op de tien wil de komende jaren meer in AI investeren. De grootste rem is niet geld of techniek, maar gebrek aan kennis: niet weten wat waar past.
Precies daar gaat deze keuze over. Een bedrijf dat een AI-agent loslaat op werk dat eigenlijk simpel regelwerk is, betaalt te veel en krijgt een onvoorspelbaar resultaat. Een bedrijf dat alles in RPA-regels probeert te vangen, bouwt een kaartenhuis dat omvalt bij de eerste opmaakwijziging. De winst zit in de juiste tool op de juiste stap.
Hoe begin je?
Niet met de techniek, maar met het proces. Pak één proces dat nu te veel tijd kost en kijk per stap: is dit stabiel regelwerk of vraagt het een oordeel? Dat onderscheid bepaalt of je een bot, een agent of een combinatie nodig hebt.
Over de praktische kant van regelgebaseerde automatisering en waar het in de Nederlandse praktijk loont, lees je meer op de pagina over RPA en procesautomatisering. Wil je weten hoe agents werk overnemen dat te variabel is voor een bot, kijk dan bij AI-agents en automatisering. En wil je gewoon weten waar bij jou de meeste tijd in handwerk verdwijnt, dan geeft de gratis AI-scan een eerste analyse op basis van je eigen situatie.
De vraag is nooit "RPA of AI". De vraag is welk stuk werk welke aanpak verdient.
Benieuwd wat AI voor jouw bedrijf kan betekenen?
Doe de gratis AI Scan en ontdek het in 1 minuut.