Je sms't "diner met klant 85,50" vanaf de parkeerplaats, en tegen de tijd dat je je auto bereikt is de onkost gecategoriseerd, gekoppeld aan je kaart, ingediend en goedgekeurd. Geen app om te openen, geen formulier om in te vullen, geen bonfoto om later achterna te jagen. Dat is wat Expensify in juli 2026 aanzette: onkostenbeheer via een gewoon sms-bericht in natuurlijke taal, e-mail of in-app chat, plus AI-agenten die zelfstandig meerstapsgoedkeuringsworkflows uitvoeren. Als je een klein bedrijf runt, is de vraag niet of de demo indrukwekkend is. Het is hoeveel handmatige invoer er werkelijk overblijft, wat de IRS nog van je verlangt, en hoe je je boeken controleerbaar houdt wanneer een chatbot het typwerk doet.
Wat Expensify daadwerkelijk heeft uitgebracht
Op 1 juli 2026 breidde Expensify Concierge AI uit van een ondersteuningsassistent naar een automatiseringslaag die actie onderneemt binnen het product. Je communiceert er in natuurlijke taal mee via e-mail, sms of de Expensify-app, en het voltooit het werk in plaats van alleen vragen te beantwoorden.
De nieuwe mogelijkheden vallen uiteen in vijf onderdelen:
Conversationele analyses. Vraag naar uitgaven per medewerker, categorie, leverancier, workspace of rapportageperiode, en krijg visuele grafieken met toelichting terug. In plaats van een CSV te exporteren en een draaitabel te bouwen, vraag je "wat hebben we vorige maand aan reizen uitgegeven" en zie je de uitsplitsing.
Op chat gebaseerd onkostenbeheer. Onkosten en rapporten aanmaken, bewerken, categoriseren, taggen, indienen, goedkeuren en afwijzen door erom te vragen. Concierge kan onkosten ook als contant markeren en categorielimieten uitleggen wanneer iets buiten het beleid lijkt te vallen.
Workspace-beheer. Beleid configureren, onkostenregels aanmaken en beheren, leden toevoegen of verwijderen, accountproblemen oplossen en instellingen bijwerken door erom te vragen. Voor een klein team zonder dedicated beheerder scheelt dit een zoektocht door instellingenpanelen.
Toegang via meerdere kanalen. Dezelfde assistent werkt via e-mail naar een Concierge-adres, via sms naar een shortcode voor Amerikaanse nummers, en direct in de app. Het kanaal is jouw keuze; het onderliggende onkostenrecord is hetzelfde.
Autonome workflow-agenten in bèta. Definieer aangepaste instructies voor AI-agenten die routinematige onkostentaken zelfstandig uitvoeren, met een volledig auditspoor van ondernomen acties. Een agent kan rapporten indienen, goedkeuren, afwijzen, vasthouden en omleiden, en de rol van goedkeurder overnemen wanneer hem workspace-beheerdersrechten worden gegeven. Elke agent krijgt een eigen account en wordt toegevoegd als copiloot met volledige toegang op het account van zijn maker, zodat zijn acties toerekenbaar zijn in plaats van anoniem.
Daaronder zit SmartScan, de bonnenscantechnologie van Expensify, die leverancier, datum, totaal, valuta en btw-bedrag extraheert, de onkost codeert, deze koppelt aan de bijbehorende kaarttransactie wanneer die bestaat, en verboden aankopen op regelniveau markeert. Een aparte integratie die in juni 2026 werd gelanceerd, verbindt Expensify-gegevens via OAuth met externe AI-assistenten, zodat je kunt vragen welke rapporten goedkeuring nodig hebben zonder iets te exporteren.
De framing van het bedrijf is bot: AI moet werk wegnemen, niet een nieuwe interface creëren om te leren. Voor een klein team valt de onkostenworkflow terug tot een zin die je toch al van plan was te typen.
Hoeveel handmatige invoer er werkelijk overblijft
Het eerlijke antwoord is 70 tot 90 procent weg, waarbij 10 tot 30 procent nog menselijke ogen nodig heeft. Dat bereik komt uit realistische implementaties bij kleine teams, waar de resterende transacties degene zijn die de AI verkeerd categoriseert: ongebruikelijke leveranciers, gesplitste privé-en-zakelijke kosten, en beleidsrandgevallen die het nooit heeft gezien. Automatisering versterkt alles wat je bij de installatie aan categorietoewijzing en uitgavenbeleid configureert, dus een slordig rekeningschema levert op schaal vol vertrouwen verkeerde codering op.
De tijdsbesparing achter dat bereik is aanzienlijk. Handmatige onkostentracking kost ongeveer 10 uur per maand per medewerker. Voor een team dat 500 bonnen per maand verwerkt, snijden AI-tools de verwerking terug van ruwweg 16,7 uur naar ongeveer 1,5 uur. Kleine bedrijven met AI-onkostenworkflows melden een besparing van ongeveer 4,3 uur per week en 12 tot 18 procent meer aftrekbare kosten dan bij handmatige methoden, grotendeels omdat er minder bonnen zoekraken. Een casestudy uit 2025 vond een vermindering van 90 procent in fouten, een daling van 40 procent in goedkeuringstijden en een daling van 25 procent in onkostengerelateerde kosten. Leveranciers publiceren benchmarks waaruit blijkt dat vergoedingscycli dalen van 10 tot 14 dagen naar 24 tot 48 uur na de overstap naar geautomatiseerde workflows. Financeteams die de overstap maken, winnen doorgaans 60 tot 80 procent van de uren terug die eerder aan gegevensinvoer werden besteed, terwijl foutpercentages dalen van een handmatig gemiddelde van 1 tot 4 procent naar minder dan 0,5 procent.
Wat overblijft is beoordelingswerk, geen typwerk. Voer een wekelijkse uitzonderingenronde uit over items met lage betrouwbaarheid of ongebruikelijke leveranciers, plus een maandelijkse beleidscontrole op uitgaven buiten het beleid, duplicaten en privékosten die als zakelijk zijn gecodeerd. En houd je categoriekaart strak. Elke vage categorie die je toestaat ("diversen," "algemene kosten," "overig") wordt een emmer die de AI enthousiast vult en die je accountant aan het eind van het jaar moet legen.
Een veelgemaakte fout is de eerste maand van de AI als representatief te beschouwen. De nauwkeurigheid stijgt naarmate het je leveranciers en je correcties leert. Reserveer 30 minuten per week voor beoordeling in maand één, 15 in maand twee, en minder dan 10 zodra de toewijzing stabiliseert. Als de nauwkeurigheid niet verbetert, is het probleem meestal je beleid, niet het model: overlappende categorieën, ongeschreven uitzonderingen, en goedkeurders die alles afstempelen leren de agent dat alles mag.
Wat de IRS nog van je verlangt, zelfs wanneer de AI het typwerk doet
Automatisering verandert wie typt, niet wat als bewijs telt. De geldende norm is "adequate substantiation" (toereikende onderbouwing), de uitdrukking die door IRS-publicatie 463 loopt. Voor elke onkost moet je het bedrag, de datum, de plaats of omschrijving van de aankoop en het zakelijke doel kunnen aantonen. Voor maaltijden voeg je de zakelijke relatie van de betrokkenen toe. Een leveranciersbon alleen dekt dit zelden volledig, omdat er niet in staat waarom de onkost zakelijk was. Dat "waarom" is het veld dat de AI het slechtst verzint en waar auditors het meest om geven.
Twee drempels zijn van belang. Je hebt doorgaans bewijsstukken zoals een bon nodig voor elke onkost van $75 of meer. Onder $75 vereist de IRS geen bon, maar je bent nog steeds wettelijk verplicht om bedrag, datum, plaats en zakelijk doel uit je administratie te bewijzen. Logies is de uitzondering: hotel- en logieskosten vereisen altijd een bon, hoe klein ook. Vervoerskosten en incidentele kosten onder $75 zijn de klassieke gevallen zonder bon, maar "geen bon" betekent nooit "geen administratie."
Timing is ook van belang. Onder een accountable plan moet je onkosten binnen een redelijke termijn onderbouwen, wat de regelgeving behandelt als 60 dagen om bewijsstukken te leveren en 120 dagen om een eventueel te veel betaald voorschot terug te betalen. Vastleggen via sms helpt hier, omdat het bericht zelf wordt voorzien van een tijdstempel op of nabij het moment van de onkost. Een schoenendoos met bonnen die in april wordt gereconstrueerd is het tegenovergestelde: bedragen zonder data, data zonder doelen, en doelen die je je niet meer herinnert.
De praktische implicatie voor AI-workflows is om het zakelijke doel bij het vastleggen te vereisen, niet bij de beoordeling. Configureer je tool zo dat een sms als "diner 85,50" terugvraagt "wie waren erbij en voor welk project was het" voordat het indient. Die ene vervolgvraag is het verschil tussen een toereikend record en een gok van $85,50. Sla het antwoord op bij de onkost, niet in een aparte chatthread die je nooit meer terugvindt. En bewaar de onderliggende bonafbeelding, zelfs wanneer de AI alles correct heeft geëxtraheerd: extractie is gemak, de bon is bewijs.
Als je medewerkers vergoedt, gelden dezelfde regels via je accountable plan. De medewerker verantwoordt elke onkost met bonnen en een administratie van waar het voor was, jij vergoedt het onderbouwde bedrag, en alles wat niet onderbouwd is wordt loon. Een agent die goedkeurt zonder het zakelijke doel te controleren maakt de vergoeding niet compliant; het maakt non-compliance sneller.
Het probleem van AI-bonfraude, en hoe je jezelf beschermt
Dezelfde modellen die bonnen lezen, kunnen nu in seconden overtuigende vervalsingen genereren. AI-gegenereerde bonnen vormden in 2025 ongeveer 14 procent van de ingediende frauduleuze documenten, tegenover vrijwel niets het jaar daarvoor. Ongeveer 70 procent van de financieel directeuren gelooft dat medewerkers AI gebruiken om reiskosten en bonnen te proberen te vervalsen, en zoekopdrachten naar AI-bonnengeneratoren piekten met 340 procent in één kwartaal van 2025. De meeste slechte onkostenrapporten zijn nog steeds eerlijke fouten en geen fraude: branchegegevens stellen niet-compliant uitgaven op 15 tot 20 procent van de rapporten, gedreven door duplicaten, bonnen zonder gespecificeerde posten en uitgaven buiten het beleid. Maar de fraudedrempel is gestegen, en je controles moeten ervan uitgaan dat een nepbon er perfect uit kan zien.
Structurele verdedigingen verslaan detectieve. De meest effectieve aanpak is minder gelegenheden te creëren waarop een frauduleuze bon de workflow überhaupt kan binnenkomen:
Betaal waar mogelijk met een zakelijke kaart, en kruisverwijs. Wanneer de kaartfeed en de ingediende bon het niet eens zijn over bedrag, datum of leverancier, houd het rapport dan vast. Een nepbon voor een echte kaarttransactie moet nog steeds overeenkomen met de versie van de waarheid van de bank.
Vereis bonnen met gespecificeerde posten, niet alleen totalen. Een strookje met alleen een totaal is triviaal te vervalsen en nutteloos voor beleidscontroles. Specificatie dwingt de vervalser een plausibel mandje goederen te verzinnen en geeft je beoordelaar iets om tegen de locatie te controleren.
Gebruik voorafgaande uitgavenverzoeken voor grote of ongebruikelijke aankopen. Goedkeuring voordat het geld eruit gaat verandert "vergoed deze verrassende $2.400" in "hier is de $2.400 die je al had goedgekeurd." Agenten kunnen dit automatisch afdwingen door elk rapport boven een drempel vast te houden zonder bijbehorende voorafgaande goedkeuring.
Schrijf het beleid specifiek op. "Redelijke maaltijden" is niet afdwingbaar; "klantmaaltijden tot $75 per persoon, geen alcohol zonder goedkeuring van de partner" is iets wat zowel een agent als een auditor kan toepassen. Goed gedefinieerd beleid met controles vóór uitgaven is de meest genoemde preventiemaatregel in de huidige frauderichtlijnen.
Ga end-to-end digitaal. Papieren bonnen die één keer worden gescand en weggegooid zijn het gemakkelijkst te verwisselen. Een keten van vastlegging tot grootboek waarin de telefoonfoto, de AI-extractie, de kaartkoppeling en de goedkeuring in één record leven, laat veel minder ruimte om later een bestand te vervangen.
Voor kleine teams is de 80/20-versie zakelijke kaarten plus bonnen met gespecificeerde posten plus een wekelijkse beoordeling van alles wat de AI markeerde of alles boven je drempel. Je hebt geen forensische beeldanalyse nodig; je hebt een tweede paar ogen op de uitzonderingen nodig en een beleid dat duidelijk genoeg is dat de AI het twee keer op dezelfde manier kan afdwingen.
Hoe je sms-onkosten in je grootboek boekt
Of de onkost nu via sms, e-mail of app binnenkomt, hij belandt nog steeds op dezelfde plekken: een onkostenrekening voor wat je hebt gekocht, en ofwel een contantrekening ofwel een verplichting voor personeelsvergoedingen voor hoe het is betaald. De categorie van de AI is een suggestie; je rekeningschema is de beslissing. Wijs elke app-categorie toe aan precies één grootboekrekening voordat je automatisering inschakelt, en weersta de neiging om per leverancier een nieuwe rekening aan te maken. Tien stabiele onkostenrekeningen die je maandelijks afstemt verslaan vijftig precieze die je nooit beoordeelt.
Een typische toewijzing voor een klein bedrijf ziet reismaaltijden naar de ene rekening gaan, kantoorbenodigdheden naar een andere, en vergoedingen via een verplichting die wordt afgewikkeld wanneer je de medewerker betaalt. De Beancount-documentatie doorloopt deze rekeningstructuur in detail, en een dashboard zoals Fava verandert de resulterende boekingen in dezelfde grafieken per categorie die de chatassistent toont, behalve berekend uit je gecontroleerde grootboek in plaats van de feed van de app.
Hier is hoe een via sms ingediend klantdiner eruitziet zodra het is geboekt, gevolgd door de vergoeding die het afwikkelt:
2026-01-01 open Expenses:Travel:Meals USD
2026-01-01 open Assets:Bank:Checking USD
2026-01-01 open Liabilities:Reimbursements:Employees USD
2026-07-02 * "Client dinner" "Text-submitted, agent-approved"
Expenses:Travel:Meals 85.50 USD
Liabilities:Reimbursements:Employees
2026-07-05 * "Employee reimbursement"
Liabilities:Reimbursements:Employees 85.50 USD
Assets:Bank:CheckingDe eerste transactie boekt de onkost wanneer deze wordt gemaakt en houdt het bedrag dat je verschuldigd bent in een vergoedingsverplichting. De tweede wikkelt die verplichting af wanneer het geld de bank verlaat. Als het diner in plaats daarvan op een bedrijfskaart ging, wordt de tegenboeking direct op de kaartverplichting geboekt in plaats van via vergoedingen, en wordt de afstemming van je kaartafschrift je kruiscontrole tegen de extractie van de AI. Hoe dan ook, het zakelijke doel uit de sms-thread hoort in de omschrijving of een metadataveld op de boeking, want dat is het stuk dat de IRS vraagt en dat de bon niet bevat.
Eén toewijzingsbeslissing verdient zorg: dagvergoedingen en kilometers. Dit zijn geen op bonnen gebaseerde kosten; het zijn berekende vergoedingen. Boek ze op hun eigen rekeningen in plaats van ze te mengen met maaltijden en brandstof met bonnen, zodat een beoordelaar in één oogopslag kan zien welke regels een bijgevoegde bon zouden moeten hebben en welke in plaats daarvan een kilometeradministratie of reisdatums zouden moeten hebben. Wanneer de AI-agent kilometers verwerkt uit een sms als "120 mijl gereden naar klantlocatie", is de logboekvermelding die het aanmaakt de onderbouwing, dus bevestig dat het herkomst, bestemming en zakelijk doel vastlegt en niet alleen de afstand.
Van inbox-chaos naar controleerbaar
Als je begint met een stapel kaarttransacties en een camerarol vol bonnen, zet de dingen dan in deze volgorde op:
1. Zet eerst je categorieën vast
Schrijf je tien of zo onkostenrekeningen op, definieer wat er in elk gaat met twee voorbeelden en één uitsluiting, en wijs elke app-categorie toe aan één rekening. Verwijder of schakel de standaardcategorieën van de app uit die je niet gebruikt. Deze oefening van een uur voorkomt een jaar van verkeerde codering.
2. Vereis doel bij vastlegging
Schakel de vervolgvraag in voor zakelijk doel en, voor maaltijden, deelnemers. Maak het verplicht vóór indiening, niet optioneel bij beoordeling. Je toekomstige zelf, die in april een diner van februari reconstrueert, zal je dankbaar zijn.
3. Stel agentregels eerst smal in, verbreed dan
Begin workflow-agenten met de veiligste taken: automatisch goedkeuren van terugkerende software onder een vast bedrag van bekende leveranciers, alles boven de drempel naar jou omleiden, en rapporten vasthouden die bonnen of doel missen. Beoordeel elke agentactie wekelijks in de eerste maand. Laat agenten pas daarna bredere categorieën goedkeuren, en houd een harde regel dat geen agent de onkosten van zijn eigen maker boven een nominaal bedrag goedkeurt.
4. Stem maandelijks af, niet jaarlijks
Vergelijk de ingediende totalen van de app elke maand met de kaartafschriften en de bankfeed, en bevestig dat het grootboek dezelfde onkosten met dezelfde doelen bevat. Maandelijkse afstemming vangt een verkeerd gecodeerde leverancier terwijl je de reis nog herinnert; jaarlijkse afstemming vangt het terwijl je accountant je factureert om het te onderzoeken.
5. Houd het auditspoor leesbaar
Het volledige actielogboek van de agent is alleen nuttig als een mens het kan volgen. Open periodiek een willekeurig goedgekeurd rapport en controleer of je kunt beantwoorden wie heeft uitgegeven, waarvoor, wie het heeft goedgekeurd en waar de bon is, zonder een tweede systeem te openen. Als dat niet lukt, verscherp dan de omschrijvingssjabloon voordat je de automatisering verbreedt.
De rode draad is dat sms-onkosten en workflow-agenten typwerk wegnemen, niet verantwoordelijkheid. Je beleid bepaalt wat is toegestaan, je categoriekaart bepaalt waar het wordt geboekt, je doelvraag bepaalt of het is onderbouwd, en je maandelijkse beoordeling bepaalt of iets ervan heeft gewerkt. Doe die vier goed en de AI regelt de rest. Je volgende nuttige stap is de eerste: schrijf je tien rekeningen en hun definities op voordat je iets aansluit, want alles wat de agent daarna leert begint vanaf die pagina.
