Agentic OCR: documentherkenning die zichzelf controleert

TL;DR

• Wat: Agentic OCR voegt een AI-controlelaag toe aan tekstherkenning, waardoor documenten in meerdere rondes worden gelezen, gecontroleerd en gecorrigeerd.
• Waarom relevant: Als ondernemer verwerk je facturen, contracten en rapporten — fouten in die verwerking kosten tijd en geld.
• Wat je ermee kunt: Inventariseer hoeveel handmatige correcties je team nu doet na het scannen van documenten. Dat is de ruimte waar agentic OCR waarde kan toevoegen.

Ik kwam een bericht tegen van LlamaIndex op X waarin vrij stellig wordt beweerd: "OCR is dead." Dat klinkt dramatisch, maar het achterliggende verhaal is genuanceerder — en voor ondernemers die dagelijks met documenten werken, best interessant. Logan Markewich, Head of Open Source bij LlamaIndex, beschrijft een verschuiving van klassieke OCR naar wat hij "agentic OCR" noemt. Ik wilde uitzoeken wat dat in de praktijk betekent.

Wat is er mis met gewone OCR?

OCR — Optical Character Recognition — bestaat al tientallen jaren. Het principe is simpel: je scant een document, de software herkent letters en cijfers, en je krijgt tekst terug. Voor een standaardfactuur met één kolom werkt dat redelijk. Maar zodra het ingewikkelder wordt, loopt het spaak.

Denk aan een financieel rapport met meerdere kolommen, tabellen en een grafiek. Klassieke OCR leest dat document in één keer, van links naar rechts, van boven naar beneden. Het resultaat? Kolommen die door elkaar lopen, tabellen die hun structuur verliezen, en grafieken die volledig verdwijnen. Wat mij opvalt: er zit geen controle op de uitvoer. De software levert het resultaat op en het is aan jou om te checken of het klopt.

Voor veel Nederlandse MKB-bedrijven is dit herkenbaar. Je scant een factuur, het OCR-systeem haalt er een bedrag uit, en vervolgens moet iemand op kantoor handmatig controleren of dat bedrag ook daadwerkelijk overeenkomt met wat er op de factuur staat. Volgens bronnen in de Nederlandse markt kan automatisering van factuurverwerking 70 tot 90 procent aan kosten besparen — maar dan moet de herkenning wél kloppen.

Wat doet agentic OCR anders?

Het woord "agentic" komt van "agent" — een AI-systeem dat zelfstandig beslissingen neemt. Bij agentic OCR zit er, simpel gezegd, een AI-agent tussen de scanner en het eindresultaat. Die agent doet iets dat klassieke OCR niet doet: terugkijken en zichzelf corrigeren.

Concreet werkt het in een aantal stappen:

Lay-outbewuste leesrichting

In plaats van blindelings van links naar rechts te lezen, analyseert het systeem eerst de lay-out van het document. Waar staan de kolommen? Waar begint een tabel? Wat is een koptekst en wat is voetnoot? Dit klinkt basaal, maar het is precies waar traditionele OCR op stukloopt bij complexere documenten.

Slim doorsturen van lastige elementen

Niet elk onderdeel van een document is even makkelijk te verwerken. Een grafiek vereist een ander model dan een tabel met cijfers. Agentic OCR stuurt elk element naar het model dat er het beste mee overweg kan. Een vergelijking: stel dat je een verhuizing organiseert. Je laat de fragiele glazen niet door dezelfde persoon dragen die de zware kasten tilt. Elk type lading krijgt de juiste behandeling.

Meerdere rondes van controle

Dit is wat mij het meest aanspreekt. Na de eerste leesronde controleert het systeem zijn eigen resultaat. Klopt de structuur van deze tabel? Zijn de cijfers logisch? Is er tekst die niet gelezen is? Bij twijfel wordt er opnieuw gelezen. Dit is vergelijkbaar met hoe een mens een belangrijk document zou controleren — je leest het niet één keer, je checkt het.

Multimodaal verwerken

Moderne documenten bevatten niet alleen tekst. Er staan grafieken in, afbeeldingen, handtekeningen, logo's. Agentic OCR kan die verschillende typen informatie herkennen en verwerken, waar klassieke OCR alleen tekst ziet en de rest negeert.

Wat betekent dit voor een ondernemer?

Stel dat je als ondernemer maandelijks tientallen of honderden facturen verwerkt. Of dat je juridische contracten digitaliseert. Of dat je een webshop runt en productspecificaties uit leveranciersdocumenten moet halen.

In al die gevallen is de kwaliteit van documentherkenning direct gekoppeld aan hoeveel handmatig nawerk er nodig is. Elke fout die het systeem maakt, moet iemand in je team corrigeren. Dat is niet alleen een kwestie van tijd — het is ook een risico. Een verkeerd gelezen bedrag op een factuur kan leiden tot een verkeerde betaling.

Wat ik interessant vind aan de agentic benadering: het verschuift een deel van die controle van mens naar systeem. Niet volledig — daar kom ik zo op terug — maar het verkleint de foutmarge voordat een mens het document te zien krijgt.

In Nederland zijn er al diverse OCR-oplossingen beschikbaar voor het MKB, van boekhoudpakketten met ingebouwde scanfuncties tot gespecialiseerde diensten. De vraag is in hoeverre die al agentic werken — met meerdere controlerondes en zelfcorrectie — of dat ze nog op de klassieke één-keer-lezen-methode draaien.

Waar het nog wringt

Ik wil eerlijk zijn: agentic OCR is geen wondermiddel. Er zitten concrete beperkingen aan.

Kosten. Meerdere rondes van verwerking met AI-modellen kosten meer rekenkracht. Volgens analyses kan de verwerking van complexe documenten drie tot vijf keer duurder uitvallen dan bij een enkele OCR-pass. Voor een groot bedrijf met duizenden documenten per dag is dat een serieuze overweging.

Snelheid. Meer controlerondes betekent meer verwerkingstijd. Als je systemen hebt die real-time moeten draaien — bijvoorbeeld bij het scannen van identiteitsbewijzen aan een balie — kan die vertraging een probleem zijn.

Bronkwaliteit. Ook agentic OCR heeft moeite met slecht leesbare scans. Een gekreukelde bon die met een telefoon is gefotografeerd in slecht licht blijft lastig, hoeveel controlerondes je er ook tegenaan gooit.

Complexiteit. De opzet vereist meerdere componenten die samenwerken: een OCR-engine, een AI-model, een correctiepijplijn. Dat is ingewikkelder dan een enkel OCR-systeem installeren.

Kun je je voorstellen wat dit betekent als je nu net je administratie aan het digitaliseren bent? Je wilt niet meteen het duurste en meest complexe systeem. Maar je wilt ook niet investeren in technologie die over twee jaar alweer achterhaald is.

Wat ik hieruit meeneem

De stelling "OCR is dead" van LlamaIndex is wat mij betreft te stellig. Klassieke OCR werkt prima voor eenvoudige documenten en zal niet van de ene op de andere dag verdwijnen. Maar de richting is helder: documentverwerking wordt slimmer, met meer controle en minder handmatig nawerk.

Voor mij is dit vooral een signaal om als ondernemer goed te kijken naar waar je nu tijd verliest aan het corrigeren van gescande documenten. Dát is de plek waar deze ontwikkeling het eerst waarde gaat opleveren — niet als vervanging van alles wat er is, maar als verbetering op de plekken waar het nu het vaakst misgaat.