Lucanet introduceert eerste AI Tagger Agent voor financiële (XBRL) rapportages

Lucanet kondigt de marktintroductie aan van de eerste Tagger Agent voor Extensible Business Reporting Language (XBRL) rapportages. De tool is klaar voor het komende rapportageseizoen.

De Tagger Agent is een AI-tool die het ingewikkelde werk van het labelen en structureren van financiële rapportages automatiseert. Met een multi-agent AI-architectuur voert de oplossing taken parallel uit. Hierdoor duurt een proces dat normaal dagen duurt, enkele minuten of uren terwijl menselijke controle behouden blijft voor de eindvalidatie.

Deze automatisering is vooral belangrijk in het kader van XBRL, de wereldwijde standaard voor digitale financiële en duurzaamheidsrapportages. De oplossing maakt het mogelijk financiële en bedrijfsgegevens automatisch verwerkbaar te taggen, wat geautomatiseerde validatie, betere vergelijkbaarheid en snellere indiening bij toezichthouders mogelijk maakt. Daarmee ondersteunt het de vereisten van het European Single Electronic Format (ESEF). Voor boekjaren vanaf 1 januari 2022 geldt verplichte block tagging voor de toelichtingen in financiële overzichten. Begin 2025 werden de nieuwste updates doorgevoerd, waaronder een nieuwe ESEF-taxonomie, nog fijnmaziger block tagging, strengere validatieregels en bijgewerkte anchoring-eisen. Hierdoor wordt het geautomatiseerde XBRL-rapportageproces steeds relevanter voor finance-teams, vooral in de aanloop naar het rapportageseizoen.

Volledige automatisering van XBRL-rapportages
De Lucanet XBRL Tagger-oplossing automatiseert en stroomlijnt het taggen van jaarrekeningen en toelichtingen. Dit vermindert handmatig werk en fouten, waarborgt naleving van steeds veranderende taxonomieën en regelgeving en versnelt het rapportageproces. Dankzij intuïtieve tagging, ingebouwde validatie en directe export naar XBRL/iXBRL-formaten kunnen finance-teams sneller betrouwbare, auditklare rapportages opstellen. Tegelijkertijd wordt de transparantie en vergelijkbaarheid voor investeerders, auditors en toezichthouders verbeterd.

Verder garandeert de multi-agent AI-architectuur van de Tagger Agent een nauwkeurigheid van meer dan 80%, waardoor finance-teams kunnen vertrouwen op volledig geautomatiseerde, narratieve tagging op grote schaal. Dit zorgt voor zeer betrouwbare automatisering, terwijl menselijke controle nog steeds mogelijk blijft wanneer dat nodig is. In tegenstelling tot oplossingen die slechts als copiloot fungeren of veel handmatige input vereisen, is de Tagger Agent speciaal ontwikkeld om narratieve tagging op grote schaal volledig te automatiseren. Dit elimineert repetitieve taken en versnelt het rapportageproces, zonder dat de kwaliteit in het gedrang komt.

“Als ’s werelds eerste volledige agent voor narratieve tagging pakt de Tagger Agent de grootste knelpunten van XBRL aan. Het gaat hierbij om het handmatig, pagina voor pagina taggen van de toelichtingen in financiële overzichten,” aldus Janis Steinmann, Head of XBRL bij Lucanet. “Door diepgaand inzicht in de context van financiële teksten te combineren met een multi-agentbenadering, bieden we finance-teams een tool die tagging nauwkeuriger maakt, repetitief werk vermindert en experts in staat stelt zich te richten op validatie en controles in plaats van tijdrovend taggen. Dit betekent een grote verbetering in zowel de efficiëntie als de kwaliteit van rapportages.”

De lancering van de Tagger Agent bouwt voort op de vorig jaar geïntroduceerde GenAI-mogelijkheden van Lucanet en is een volgende stap in het versterken van het CFO Solution Platform met slimme technologie. Geavanceerde agent-gebaseerde automatisering wordt geïntegreerd in planning, consolidatie en rapportage. Door AI te verankeren in de compliance-workflow stelt Lucanet CFO’s en finance-teams in staat handmatig werk te verminderen. Zo werkt Lucanet toe naar een volledig verbonden, intelligent rapportage-ecosysteem dat snelheid, nauwkeurigheid en vertrouwen bij iedere indiening biedt. De oplossing is geoptimaliseerd voor alle Europese rapportageverplichtingen en meerdere talen, waaronder Engels, Duits, Zweeds, Italiaans en Spaans.