OpenAI laat zien hoe het bedrijf zijn eigen technologie inzet om financiële processen te transformeren. Hun interne 'DocuGPT'-agent verwerkt nu meer dan duizend contracten per maand — zonder dat het team evenredig hoefde te groeien. Van honderden naar duizenden contracten per maand. In minder dan zes maanden tijd. Met slechts één extra medewerker. Dat is de realiteit waar het finance team van OpenAI mee te maken kreeg. De oplossing? Niet meer mensen inhuren, maar een AI agent bouwen.
Elk enterprise-contract dat OpenAI afsluit bevat cruciale informatie: startdata, factuurvoorwaarden, verlengingsclausules. In het begin was het proces overzichtelijk: regel voor regel doorlezen, handmatig overtikken naar een spreadsheet, door naar de volgende.
Maar toen het volume verdubbelde (en nog een keer verdubbelde) brak dit handmatige proces. Wei An Lee, AI Engineer bij OpenAI, beschrijft het probleem: het team ging van honderden naar meer dan duizend contracten per maand, terwijl er maar één persoon bij kwam. Het was duidelijk dat deze aanpak niet houdbaar was.
In plaats van het probleem op te lossen met meer mensen, bouwden de finance- en engineering-teams samen een 'contract data agent'. Het ontwerpprincipe was simpel maar doordacht: haal de herhaling uit contractbeoordeling, maar houd experts stevig aan het stuur.
De agent werkt in drie stappen:
1. Data verzamelenPDF's, gescande kopieën, zelfs foto's met handgeschreven aantekeningen — wat voorheen tientallen inconsistente bestanden waren, stroomt nu door één pipeline.
2. Inference met promptingVia retrieval-augmented prompting (RAG) parseert het systeem contracten naar gestructureerde data. Belangrijk: het dumpt niet duizend pagina's in de context. Het haalt alleen relevante informatie op, redeneert erover, en laat zien hoe het tot conclusies komt.
3. Review door expertsFinance-experts beoordelen de gestructureerde output, compleet met annotaties en referenties voor afwijkende voorwaarden. De agent markeert wat ongebruikelijk is; mensen worden ingeschakeld om te reviewen.
Wat deze aanpak onderscheidt van eenvoudige data-extractie is de redeneercomponent. Het systeem laat zien waarom een bepaalde term als non-standaard wordt beschouwd, citeert het referentiemateriaal, en laat de reviewer de ASC 606-classificatie bevestigen.
Het resultaat? Data die 's nachts klaarstaat voor validatie de volgende ochtend. Wat voorheen uren kostte, arriveert nu geannoteerd en klaar voor review.
De voordelen zijn concreet meetbaar:
Elke cyclus van menselijke feedback maakt de agent scherper, waardoor elke volgende review sneller en nauwkeuriger wordt.
Wei An Lee vat het samen: "Dit is de enige manier waarop we kunnen schalen zoals OpenAI schaalt. Zonder dit zou je je team lineair moeten laten groeien met het contractvolume. Dit laat ons lean blijven terwijl we hypergrowth doormaken."
Deze architectuur ondersteunt inmiddels ook procurement, compliance, en zelfs de maandafsluiting. Hetzelfde principe geldt: automatiseer het routinematige werk, houd mensen verantwoordelijk voor het oordeel.
Engineers beschrijven het als "handmatig werk dat al gedaan is" — niet beslissingen die vervangen zijn. Finance teams schrijven nog steeds het verhaal van de cijfers; de agent zorgt ervoor dat ze hun dag niet besteden aan saaie handmatige invoer.
Wat begon als een fix voor contracten is uitgegroeid tot een nieuwe manier van werken binnen finance. Data parsing draait 's nachts. Professionals focussen op analyse en strategie. Leiders schalen met vertrouwen mee met de groei, zonder teams in lockstep te laten groeien.
De contract data agent is volgens OpenAI een blauwdruk voor hoe AI gereguleerd, high-stakes werk verantwoord kan transformeren.
Dit voorbeeld van OpenAI illustreert een patroon dat we bij steeds meer organisaties zien: AI agents die niet in plaats van experts werken, maar voor experts — door het saaie, repetitieve werk weg te nemen zodat professionals zich kunnen richten op waar ze echt waarde toevoegen.
De les is niet dat je morgen een complexe agent moet bouwen. De les is dat de combinatie van menselijke expertise en AI-automatisering schaalvoordelen oplevert die met puur menselijke capaciteit onmogelijk zijn.
Voor finance teams, legal afdelingen, en andere kenniswerkers die met grote volumes documenten werken: dit is waar de toekomst van werk naartoe beweegt. Niet vervanging, maar versterking. Niet minder mensen, maar mensen die zich bezighouden met werk dat ertoe doet.
Wil je weten hoe jouw organisatie AI agents kan inzetten om te schalen zonder lineair te groeien? Neem contact met ons op voor een vrijblijvend gesprek over de mogelijkheden.
.svg)
