Waarom processen automatiseren met AI en niet met klassieke automatisering?
Klassieke automatisering bestaat al tientallen jaren. Waarom kiest een groeiend aantal bedrijven nu specifiek voor AI-automatisering? Het antwoord zit in de beperkingen van klassieke automatisering. Een klassiek geautomatiseerd systeem werkt op basis van vaste regels. Als een factuur binnenkomt in een exact verwacht formaat, verwerkt het systeem hem correct. Maar als het formaat iets afwijkt, als er een ongebruikelijke formulering in staat of als er context nodig is om de juiste actie te bepalen, loopt het systeem vast.
De realiteit van bedrijfsprocessen is dat situaties zelden identiek zijn. E-mails worden anders geformuleerd. Klanten stellen vragen op manieren die je niet van tevoren kunt voorspellen. Facturen komen in verschillende formaten. Leads gedragen zich anders dan het gemiddelde patroon.
AI-automatisering kan hiermee omgaan. Een AI-systeem begrijpt context, herkent patronen ook als ze niet exact overeenkomen met het verwachte patroon en neemt beslissingen op basis van wat er in een specifieke situatie het meest passend is. Dat maakt een veel groter deel van de bedrijfsprocessen automatiseerbaar dan met klassieke automatisering mogelijk was.
Welke processen zijn het meest geschikt voor AI-automatisering?
Een proces is geschikt voor automatisering met AI als het aan drie basisvoorwaarden voldoet: het komt regelmatig terug, het heeft herkenbare patronen en het kost nu merkbare tijd. Een eenmalige taak automatiseren is zelden rendabel, maar een dagelijks, wekelijks of maandelijks terugkerend proces wel. De input mag variëren zolang er onderliggende patronen zijn die een AI-systeem kan leren herkennen. En als medewerkers significant veel tijd kwijt zijn aan een proces dat geautomatiseerd kan worden, is de businesscase direct zichtbaar.
Dit zijn de meest voorkomende processen die we automatiseren voor Nederlandse MKB-bedrijven.
- Factuurverwerking: inkomende facturen worden automatisch herkend, vergeleken met bestellingen en goedgekeurd of gemarkeerd voor review als er een afwijking is. Medewerkers hoeven alleen nog te handelen als er iets niet klopt.
- Leadopvolging: nieuwe leads worden automatisch gescoord op basis van gedrag en data, gepersonaliseerde opvolgberichten worden verstuurd op het juiste moment en CRM-records worden bijgewerkt na elk contactmoment.
- Klantenservice: inkomende berichten worden gecategoriseerd, veelgestelde vragen worden zelfstandig beantwoord en complexe vragen worden met volledige context doorgezet naar de juiste medewerker.
- Rapportage: maandelijkse en wekelijkse rapportages worden automatisch samengesteld uit data uit meerdere systemen en klaargezet voor review zonder dat iemand urenlang data heeft staan kopiëren.
- Sollicitatiescreening: inkomende sollicitaties worden automatisch gescoord op basis van vastgestelde criteria en gesorteerd op relevantie zodat recruiters hun tijd besteden aan de meest kansrijke kandidaten.
- Voorraadbewaking: voorraadniveaus worden continu bewaakt en een inkooporder wordt automatisch gegenereerd als een drempelwaarde wordt bereikt.
- Contractverwerking: inkomende contracten worden automatisch geanalyseerd op sleutelbepalingen, afwijkingen van standaardvoorwaarden worden gemarkeerd en relevante data wordt teruggezet naar het juiste systeem.
De drie methoden voor het automatiseren van processen met AI
Er zijn drie technische methoden voor het automatiseren van processen met AI. De juiste methode hangt af van de complexiteit van het proces en de gewenste mate van autonomie.
AI-workflow
Een AI-workflow is een vaste reeks stappen die automatisch worden uitgevoerd als een trigger afgaat. AI wordt ingezet voor de stappen waarbij begrip van tekst of context nodig is maar de volgorde van stappen ligt vast. Geschikt voor processen met een duidelijke structuur en beperkte variatie in de beslissingen die genomen moeten worden.
AI-agent
Een AI-agent gaat verder dan een workflow. Een agent kan zelfstandig beslissingen nemen, heeft toegang tot meerdere systemen en past zijn gedrag aan op basis van de specifieke situatie. Geschikt voor processen waarbij niet elke situatie hetzelfde is en waarbij flexibiliteit in de beslissingen waardevol is.
Multi-agent systeem
Meerdere gespecialiseerde agents werken samen aan een complex proces. Elke agent is verantwoordelijk voor een deelproces en geeft het resultaat door aan de volgende agent. Geschikt voor complexe end-to-end processen waarbij samenwerking tussen meerdere specialisaties meer oplevert dan een generalist.
Stap voor stap processen automatiseren met AI
We werken in een gestructureerd proces waarbij elke stap voortbouwt op de vorige.
Stap 1: Procesidentificatie
We brengen samen in kaart welke processen de meeste tijdwinst opleveren als ze geautomatiseerd worden. We kijken naar frequentie, tijdsinvestering per uitvoering, complexiteit en de beschikbaarheid van data. Uit deze analyse komt een prioriteitenlijst.
Stap 2: Procesanalyse
Het hoogstgeprioriteerde proces wordt volledig in kaart gebracht. Elke stap, elke uitzondering, elk betrokken systeem en elke persoon die ermee werkt. We spreken altijd met de medewerkers die het proces dagelijks uitvoeren omdat zij de randgevallen kennen die niet in de procesbeschrijving staan.
Stap 3: Methode en ontwerp
Op basis van de procesanalyse bepalen we welke methode het beste past: workflow, agent of multi-agent. We ontwerpen de automatisering en leggen dit vast in een ontwerpdocument dat je team reviewt.
Stap 4: Bouw en integratie
We bouwen de automatisering en koppelen haar aan de relevante systemen zoals HubSpot, Salesforce, Microsoft 365, Google Workspace, Exact en Afas. We werken modulair zodat de automatisering later eenvoudig uitgebreid kan worden.
Stap 5: Testing
We testen op echte data en echte scenario's inclusief uitzonderingen en randgevallen. Pas als de uitkomsten consistent correct zijn gaan we live.
Stap 6: Livegang en adoptie
We gaan gefaseerd live en begeleiden de betrokken medewerkers. Ze begrijpen wat het systeem doet, wat het niet doet en hoe ze het kunnen corrigeren.
Stap 7: Monitoring en uitbreiding
Na livegang monitoren we actief en optimaliseren waar nodig. Als de eerste automatisering goed werkt kijken we samen welke processen als volgende aangepakt worden.
Wat levert processen automatiseren met AI op?
De opbrengst is altijd specifiek voor het proces en de organisatie maar vier categorieën van waarde komen consistent terug.
- Tijdsbesparing: een proces dat medewerkers dagelijks een uur kost en geautomatiseerd wordt levert op jaarbasis ruim 200 uur per medewerker terug. Vermenigvuldig dat met het aantal medewerkers dat het proces uitvoert en de tijdsbesparing wordt snel significant.
- Foutreductie: handmatige processen leiden tot fouten door vermoeidheid, haast of afleiding. Een geautomatiseerd systeem werkt consistent en maakt die fouten niet. In processen zoals factuurverwerking of contractbeheer kan een voorkomen fout de volledige investering in automatisering al terugverdienen.
- Schaalbaarheid: een handmatig proces schaalt lineair met capaciteit. Een geautomatiseerd proces schaalt vrijwel onbeperkt. Als het bedrijf groeit of het volume toeneemt, verwerkt het systeem meer zonder extra kosten.
- Snelheid: een geautomatiseerd proces werkt 24 uur per dag en reageert direct. Klanten krijgen sneller antwoord, leads worden sneller opgevolgd en facturen worden sneller verwerkt. Dat heeft directe impact op klanttevredenheid en cashflow.
Veelgemaakte fouten bij het automatiseren van processen
We zien in de praktijk een aantal fouten die steeds terugkomen bij bedrijven die zelf proberen processen te automatiseren of die kiezen voor een aanpak zonder grondige analyse.
- Beginnen met de technologie in plaats van het proces: de meest voorkomende fout. Bedrijven kiezen een tool of platform en proberen daar hun processen in te passen in plaats van andersom. Het resultaat is een automatisering die werkt in de demo maar niet aansluit op hoe het proces in de praktijk verloopt.
- Onvoldoende aandacht voor uitzonderingen: elk proces heeft uitzonderingen. Als die niet zijn meegenomen in het ontwerp van de automatisering, loopt het systeem vast zodra zo'n uitzondering zich voordoet. En uitzonderingen doen zich altijd voor.
- Medewerkers niet betrekken: een automatisering die is ontworpen zonder input van de mensen die het proces dagelijks uitvoeren, mist de praktijkkennis die essentieel is. Medewerkers kennen de informele regels, de randgevallen en de nuances die niet in de procesbeschrijving staan.
- Geen escalatiemechanisme inbouwen: een systeem dat altijd probeert zelf een beslissing te nemen ook als de situatie dat niet toelaat, maakt fouten. Een goede automatisering weet wanneer ze moet stoppen en een mens moet inschakelen.
- Geen plan voor onderhoud: processen veranderen, systemen worden geupdatet en de realiteit van een bedrijf evolueert. Een automatisering die na livegang niet meer wordt bijgehouden veroudert en sluit na verloop van tijd niet meer aan op de werkelijkheid.
Processen automatiseren met AI voor het MKB
Grote bedrijven hebben eigen AI-teams en IT-afdelingen die automatiseringstrajecten begeleiden. Het MKB heeft dat niet maar de kansen zijn minstens even groot.
Bij MKB-bedrijven hebben repetitieve processen relatief een groter deel van de totale capaciteit. Een medewerker bij een bedrijf van 20 personen die dagelijks twee uur kwijt is aan handmatig werk vertegenwoordigt tien procent van de totale beschikbare tijd. Diezelfde tijdsbesparing bij een groot bedrijf valt weg in het geheel.
The AI Agency werkt uitsluitend met Nederlandse bedrijven tussen de 10 en 200 medewerkers. We kennen de uitdagingen van het MKB: beperkte IT-capaciteit, medewerkers die meerdere rollen vervullen en de noodzaak dat een oplossing snel en betrouwbaar werkt zonder een langdurig implementatietraject.