Het bonnetje in je declaratie bewijst niets meer, de transactie wel

In maart 2025 was nul procent van de bonnen die AppZen als vervalsing markeerde met AI gemaakt. Medio mei 2026 was dat 70,8 procent. Veertien maanden, van niets naar bijna driekwart.

Dat cijfer wordt bijna overal gelezen als een detectieprobleem. De vervalsingen worden beter, dus de herkenning moet beter. Zoek in het Nederlands op het herkennen van een vervalst bonnetje en dat is precies wat je aangeboden krijgt: gelaagde controle op metadata, beeldopbouw, duplicatiepatronen, afwijkende logo’s en lettertypes.

Ik lees het cijfer anders. Een bonnetje bewijst geen uitgave. Het bewijst een document, en het enige wat dat document waarde gaf was dat het lastig genoeg te maken was om het meestal niet te proberen. Die moeilijkheid wás de controle. Nu ze weg is, blijft er precies één vraag over die een beeldgenerator niet kan beantwoorden: heeft deze betaling plaatsgevonden?

Dit is geen golf van meer fraude, het is een andere vorm

Begin met eerlijk zijn over de omvang, want die is bescheiden. Over de twaalf maanden tot 15 mei 2026 telde AppZen 1.471 met AI gemaakte bonnen, van 745 medewerkers bij 174 bedrijven, en die claimden bij elkaar 148.143 dollar, gemiddeld 101 dollar per bon met een mediaan van 32. Verdeeld over 174 bedrijven is dat ongeveer 850 dollar per bedrijf per jaar. Wie hier een schadepost in ziet, overdrijft.

Kijk naar de verdeling in plaats van naar het totaal en het beeld kantelt. Sjabloonvervalsingen uit de generatie ervoor zaten gemiddeld op 182 dollar. Het AI-bonnetje zit op de helft daarvan, met een mediaan van 32. Kunal Verma, technisch directeur van AppZen, vat de omslag samen als een spel dat is verschoven van één vervalsing die groot genoeg was om het risico waard te zijn, naar een stapel kleintjes die niemand nakijkt.

Daar zit de pijn. Goedkeuringsgrenzen, uitzonderingslijsten en steekproeven zijn allemaal gebouwd rond de aanname dat een groot bedrag aandacht trekt. Tweeëndertig dollar trekt geen aandacht, en het kost geen moeite meer om er twintig te maken in plaats van één. De controle is niet doorbroken. Ze is omzeild, aan de onderkant, waar niemand kijkt omdat kijken duurder is dan uitbetalen.

PwC Nederland beschrijft dat scenario in mei 2026 kaal en herkenbaar: een medewerker declareert een tweedaags klantbezoek dat nooit heeft plaatsgevonden, met hotel- en taxibonnen die kloppende leveranciers, prijsklassen, data en logo’s dragen, waarna de declaratie door de basiscontroles heen komt en de vergoeding wordt goedgekeurd. Geen enkel onderdeel van dat verhaal vraagt om technische vaardigheid.

De signalen waarop herkenning leunt, slijten sneller dan de herkenning verbetert

De Nederlandse aanbieders die detectie verkopen doen dat niet onzorgvuldig. Klippa somt op wat het platform bekijkt: metadata, gekopieerde pixelgroepen, ingevoegde beeldranden, hashes van kernvelden, herberekende btw en lettertypeconsistentie, plus een toets tegen het handelsregister en tegen prijscatalogi. Dat is een serieuze lijst.

Splits hem alleen even. De helft kijkt naar het plaatje. De andere helft kijkt naar de wereld buiten het plaatje. En dat zijn twee heel verschillende houdbaarheidsdata.

Wat naar het plaatje kijkt, verdwijnt onder je handen. Metadata overleeft geen screenshot, geen compressie en geen bewerking: die kan simpelweg wegvallen zodra een bestand wordt aangeraakt door software die het niet meeneemt. Copy-move en splicing zoeken naar sporen van montage, terwijl een gegenereerde bon niet gemonteerd is maar in één keer getekend. Rekenfouten en scheve lettertypes zijn de fouten van modellen van vorig jaar. AppZen beschrijft de eigen aanpak dan ook met een voorwaarde erin: bevat een gegenereerd beeld metadata, dan vangt de detectie het.

Als.

Ook de scherpte werkt tegen je. Een gegenereerde bon is recht, schoon, volledig belicht en perfect leesbaar. Een echte bon komt verkreukeld uit een broekzak, half vervaagd omdat thermisch papier na drie weken in de zon gaat. De vervalsing ziet er beter uit dan het origineel, en elke controle die op beeldkwaliteit let, beloont dat.

Chris Juneau van SAP Concur zegt tegen klanten wat hier eigenlijk de conclusie is: vertrouw je ogen niet. Dat is een opmerkelijke boodschap van een partij die haar geld verdient aan het verwerken van bonnen.

Terug naar die opsomming van Klippa. Daar staat ook dat het aandeel AI-gegenereerde frauduleuze documenten op sommige platforms binnen een jaar van niets naar 14 procent steeg. Die pagina is van november 2025. Een half jaar later staat de best gedocumenteerde teller op 70,8. Dat is geen verwijt aan wie het schreef, maar de snelheid waar een detectiemodel tegenop moet, terwijl de generator niet slimmer hoeft te worden, alleen maar gewoner.

Uitlezen is nog steeds geen verifiëren

Er zit een stap in je proces waarvan bijna iedereen aanneemt dat hij ook controleert. Dat doet hij niet.

AFAS Pocket herkent een gefotografeerde bon en kan er de datum, de omschrijving en het bedrag uit halen en die velden voor je invullen, waarbij AFAS er zelf droog bij zet dat de gebruiker verantwoordelijk blijft voor die gegevens. Scan en herken doet wat de naam belooft. Het leest. Het bevestigt niets.

Datzelfde geldt aan de zwaardere kant, waar een AI-laag documenten centraliseert en per stroom kiest tussen tekstherkenning en een e-factuur, met bronverwijzing per veld. Bronverwijzing wil zeggen: dit bedrag stond hier op het document. Niet: dit bedrag is betaald.

Dat patroon ken ik uit een andere stroom. In de crediteurenverwerking reist een rekeningnummer als herkenningssleutel door de hele keten zonder dat er ooit een vraagteken achter komt, omdat een veld dat je extraheert nog niet is gecontroleerd. Bij inkoopfacturen gaat dat over de tenaamstelling, en daar is de uitweg inmiddels uitgetekend: dubbele facturen op kenmerken herkennen en een betaalbatch blokkeren voordat hij de deur uit gaat. Bij declaraties gaat het over het bestaan van de aankoop zelf. Zelfde blinde vlek, ander gevolg.

De enige vraag die je niet kunt genereren

Een medewerker kan een bon maken. Wat hij niet kan maken is een spoor bij een derde partij.

Een kaartbetaling laat gegevens achter waar de indiener geen toegang toe heeft: de naam van de acceptant zoals de bank hem kent, het bedrag tot op de cent, het exacte tijdstip, en de merchant category code die zegt wat voor soort zaak de betaling ontving. Die vier vormen samen een toets die geen beeldmodel kan halen. Niet omdat de bon er slecht uitziet, maar omdat er geen betaling tegenover staat.

Zo wordt de controlevraag een andere. Niet: ziet dit eruit als een echte bon van een echt restaurant? Maar: staat er in mijn eigen kaartstroom een betaling van 47,50 euro bij een horecazaak op donderdag om 20.14 uur, en hoort deze bon daarbij?

Die volgorde bestaat al. Pleo laat de transactie voorop lopen: je ziet uitgaven in realtime en de medewerker wordt na de betaling eraan herinnerd het bonnetje te scannen. Het bonnetje wordt daar een bijlage bij een feit dat al vaststaat, in plaats van het feit zelf.

De crediteurenkant maakte die redenering jaren geleden al en gaf haar een naam. Een driewegcontrole legt de factuur naast de order en de ontvangst, en je bepaalt per leverancierssoort of je op drie, twee of nul documenten matcht. Niemand vindt dat overdreven. Bij declaraties doen de meeste bedrijven het equivalent van eenwegcontrole: het document tegen zichzelf.

Om eerlijk te zijn: de schade is klein en mijn toets heeft een gat

Twee bezwaren verdienen hun beste vorm, want ze zijn allebei goed.

Het eerste is de omvang. Ongeveer 850 dollar per bedrijf per jaar is minder dan een controleur kost om ernaar te zoeken. Wie zijn declaratieproces laat zoals het is, verliest een bedrag dat in de ruis van elke jaarrekening verdwijnt. Dat is een rationele keuze en ik doe er niet lacherig over.

Het tweede bezwaar snijdt dieper, want het raakt mijn eigen oplossing. De grootste declaratiestroom in Nederland loopt niet over een bedrijfspas. Die loopt via de medewerker die met zijn eigen pinpas betaalt en het achteraf indient. Daar is geen kaarttransactie aan jouw kant om iets tegenaan te leggen. En het alternatief, vragen om een privé-bankafschrift, is een privacyprobleem en een vertrouwensprobleem tegelijk: je vraagt iemand om een document waar tien andere uitgaven op staan die jou niets aangaan.

Dat gat is echt. Alleen verandert het niet mijn conclusie, het verplaatst hem. Als de enige controle die standhoudt een transactie nodig heeft, dan is de vraag welke stroom je toelaat geen gemakskwestie meer maar de controlemaatregel zelf. Een bedrijfspas of virtuele kaart uitgeven is dan geen personeelsvoordeel, maar de goedkoopste manier om bewijs te laten ontstaan op een plek waar de indiener niet bij kan.

En voor wat daarna overblijft, kilometers, kleine dagelijkse uitgaven, is de nette uitweg al lang uitgevonden: een vaste vergoeding, waarbij geen bonnetje meer hoeft. De fiscus vraagt daarvoor niet om documenten per uitgave, maar om een onderzoek vooraf naar de werkelijk gemaakte kosten over een representatieve periode van minstens drie aaneengesloten maanden. Dat is een steekproefmodel in plaats van een bewijsmodel, en het bestaat juist omdat honderd procent bewijzen nooit houdbaar was.

Daarmee houd je één categorie over, de voorgeschoten uitgave, waar je op vertrouwen en steekproef draait. Dat is geen falen. Dat is de enige eerlijke plek voor restrisico, mits je de grens ervan expliciet kiest in plaats van erin te rollen.

Wat een bonnetje nog waard is

Ik ben geen controle kwijtgeraakt aan AI. Ik ben erachter gekomen dat ik er nooit een had.

Een bonnetje was altijd al een beweerd feit op papier. Het werkte omdat vervalsen genoeg tijd, vaardigheid en lef kostte om het bij dertig euro niet te proberen. Dat evenwicht was geen ontwerp, maar een geluk dat iedereen voor een controle aanzag. Generatieve modellen hebben dat geluk opgeheven, en ze hebben daarmee zichtbaar gemaakt wat er onder lag: niets.

De verleiding is nu om dat gat te vullen met een betere detector, want die is te koop en het voelt als vooruitgang. Wie een herkenner koopt, koopt alleen een wedloop met een tegenstander die elke maand goedkoper wordt en die niets hoeft te winnen, alleen maar gewoontjes hoeft te lijken.

De andere kant is saai en duurzaam. Stop met het beoordelen van bestanden en begin met het toetsen van gebeurtenissen. Een betaling is een gebeurtenis: die laat sporen na bij een bank, een acceptant en een klok, en die sporen zijn niet te tekenen. Dat geldt vandaag voor bonnetjes, en morgen voor elk binnenkomend document waarvan je aannam dat het bewijs was omdat het er als bewijs uitzag. Vraag niet meer of iets er echt uitziet. Vraag of het is gebeurd, en waar dat dan staat.