Wat zijn de echte toepassingen van AI in inkoop?

De geteste toepassingen zijn de papierwerk-intensieve klussen die de middag van een inkoopanalist vullen. In de PAIR-20-run van juli 2026 werden zes van deze klussen als oefeningen uitgevoerd op ChatGPT, Claude, Gemini en Copilot: leveranciersoffertes vergelijken, contracten beoordelen, kostenopbouwen (landed cost breakdowns) reconstrueren, risicoregisters opstellen, adviesoffertes scoren en onderdelencatalogi opschonen. Elk platform leverde een bruikbaar eerste concept op. Elk platform liet ook minstens één fout staan die een beslissing had veranderd als niemand die had opgemerkt. De eerlijke toepassing is een sneller eerste concept, geen definitief antwoord.

De beste toepassingen zijn die waarbij u de output kunt controleren aan de hand van de bron. Als AI een tabel met prijzen produceert, kunt u elk getal vergelijken met de originele offerte. Als het systeem een oordeel in een zin verwoordt, is de fout moeilijker te herkennen. Dat onderscheid tussen een controleerbare tabel en een zelfverzekerde zin liep als rode draad door alle zes taken in de run van juli 2026.

• Leveranciersoffertes vergelijken. AI zet prijzen van verschillende leveranciers naast elkaar in één tabel. Het risico: een eenheidsmismatch (unit-of-measure mismatch) kan er doorheen glippen. In T01 glipte een prijs die per 100 licenties was genoteerd erdoor. Lees Kan AI leveranciersoffertes betrouwbaar vergelijken? en Kan AI een eenheidsfout herkennen?.
• Contracten en raamovereenkomsten (MSA's) beoordelen. AI vertaalt een lang contract naar een lijst met aandachtspunten. Het werkelijke risico zijn vaak twee clausules die pas een probleem vormen als u ze samen leest. In T02 hadden de meeste platforms sturing nodig voordat ze het verband legden. Lees Kan AI een inkoopcontract beoordelen? en Kan AI een contract controleren vóór uw vergadering?.
• Landed cost reconstrueren. Landed cost is de totale kostprijs van een aankoop: basisprijs plus vracht, invoerrechten en bijkomende kosten. AI bouwt de kostenopbouw zodat u kunt zien of de goedkoopst ogende offerte werkelijk de goedkoopste is. In T03 misten alle vier platforms het casetotaal. Lees Kan AI landed cost correct berekenen?.
• Leveranciersrisicoregisters opstellen. Een risicoregister is een tabel met leveranciersrisico's, verantwoordelijken en deadlines. AI stelt een leesbaar register op, maar lege velden vormen het risico. In T04 werd een vervaldatum van een reservecontract verzonnen die nergens in het bronbestand stond. Lees Kan AI een leveranciersrisicoregister opbouwen?.
• Adviesoffertes scoren. AI verwerkt de rekensom, maar kan het resultaat nog steeds verkeerd interpreteren. In T05 klopte de berekening, maar plaatste de ranking de duurste offerte bovenaan, en een fee die buiten de prijstabel stond werd gemist. Lees Kan AI biedingen correct rangschikken? en Kan AI verborgen kosten in een offerte vinden?.
• Onderdelencatalogi opschonen. AI voegt een rommelige onderdelenlijst samen tot één schone catalogus. Het risico is een "valse tweeling" (false twin): twee items die er vergelijkbaar uitzien maar feitelijk verschillende onderdelen zijn. AI raadt de verpakkingshoeveelheid en voegt ze samen tot één regel. In T06 was dit type fout eenvoudig goed te keuren zonder het op te merken. Lees Kan AI een onderdelencatalogus samenvoegen en ontdubbelen? en Kan AI echte duplicaten onderscheiden van valse tweelingen?.

Elk resultaat hier komt uit één gedateerde run. Lees ze als "dit gebeurde in de run van juli 2026," niet als "dit gebeurt altijd." Over alle zes taken hield hetzelfde patroon stand: het concept was bruikbaar, en er was nog steeds een mens nodig om de paar velden te controleren die de beslissing bepalen.

Begin bij de klus, kies dan het gereedschap. Voor de methode die bij al deze taken werkt, zie hoe u AI inzet in inkoop; voor hoe de platforms zich onderling verhielden, zie welk AI-platform is het beste voor inkoopwerk.