Wat is AI-automatisering?
AI automatisering is het inzetten van taalmodellen en andere AI-technieken om werk over te nemen dat met klassieke software niet lukte, omdat de invoer te veel varieert. Een klant die zijn bestelling in vrije tekst mailt. Een leverancier die elke maand een ander factuurformaat stuurt. Een klacht die tussen honderd andere berichten in een gedeelde mailbox belandt. Voor al die varianten regels schrijven is ondoenlijk; een taalmodel leest ze wel en haalt eruit wat je nodig hebt.
Automatiseren met AI draait in de praktijk om vier basisbewerkingen: classificeren (waar gaat dit over, hoe urgent is het, bij wie hoort het), extraheren (gestructureerde velden uit ongestructureerde tekst halen), samenvatten (een lang dossier of gesprek terugbrengen tot de kern) en genereren (een conceptantwoord, offertetekst of rapportage opstellen die een mens nakijkt). Elk van die bewerkingen kost een medewerker seconden tot minuten per geval, en juist die minuten tellen op tot uren per dag.
Het verschil met klassieke automatisering op regels
Bij klassieke procesautomatisering bouwen we software die vaste regels uitvoert: als een order is betaald, maak dan een pakbon aan. Dat werkt perfect zolang de invoer gestructureerd is en de regels bekend zijn, en het is goedkoper, sneller en volledig voorspelbaar. AI voor bedrijven voegt daar een stap aan toe: het omzetten van rommelige, menselijke invoer naar iets waar die regels mee overweg kunnen. AI leest de e-mail en levert artikelnummer, aantal en leverdatum op; de klassieke automatisering neemt het van daar over.
Die volgorde is belangrijk. Wie een compleet proces aan een taalmodel overlaat, krijgt onvoorspelbare uitkomsten. Wie AI alleen inzet voor het stuk waar het beter is dan regels, krijgt een betrouwbaar proces dat je kunt meten en bijsturen. Wij ontwerpen daarom altijd eerst het proces en bepalen daarna per stap: regels, AI, of een mens.
De automatiseringsladder: vier niveaus
Processen automatiseren met AI doe je niet in één keer. We onderscheiden vier niveaus. De meeste bedrijven beginnen op niveau één of twee en klimmen pas verder als de cijfers dat rechtvaardigen.
Niveau 1: losse repetitieve taken
Eén handeling die vaak terugkomt en waarvan de invoer varieert. Je proces verandert niet; er valt alleen een stuk handwerk weg. Voorbeelden: inkomende e-mails classificeren op onderwerp en urgentie, gegevens uit pdf's halen zoals factuurnummer, bedragen en leverdatum, lange rapporten of gespreksverslagen samenvatten, en offertes voorschrijven op basis van een aanvraag en je eigen prijslijst. De medewerker houdt het laatste woord, maar begint niet meer met een leeg scherm.
Niveau 2: workflows met AI-stappen
Meerdere stappen achter elkaar in een vast pad, waarvan een of meer door AI worden gedaan. Dit bouwen we vaak in n8n of Make in combinatie met een taalmodel. Een typisch voorbeeld: een aanvraag komt binnen via het contactformulier, wordt verrijkt met bedrijfsgegevens uit je CRM en de KvK, krijgt een score op urgentie en kans, wordt toegewezen aan de juiste verkoper en krijgt een voorgesteld antwoord dat als concept in Outlook klaarstaat. Hoe we dat opzetten lees je bij workflow-automatisering met n8n.
Niveau 3: complete processen
Een heel bedrijfsproces van invoer tot boeking, met AI op de plekken waar tekst gelezen of geschreven moet worden en gewone software voor de rest. Order-to-cash: bestelling per mail binnen, orderregels herkennen, voorraad checken, orderbevestiging sturen, factureren. Purchase-to-pay: inkoopfactuur uitlezen, matchen met inkooporder en pakbon, klaarzetten ter goedkeuring, boeken. Onboarding van nieuwe klanten of medewerkers: gegevens verzamelen, accounts aanmaken, documenten klaarzetten. Klachtafhandeling: klacht herkennen, dossier ophalen, oplossing voorstellen, terugkoppelen. Bij elk van deze processen hoort een controlescherm waarin medewerkers de twijfelgevallen afhandelen en zien wat automatisch is gegaan.
Niveau 4: AI-agents
Een AI-agent krijgt een doel en gereedschap mee (koppelingen met je ERP, CRM, mailbox of planning) en bepaalt zelf welke stappen nodig zijn om dat doel te halen. Hij zoekt op, controleert, maakt aan en koppelt terug, en schakelt een mens in zodra hij twijfelt of een grens bereikt. Waar het zinvol is, werken meerdere agents samen: een die aanvragen leest, een die de planning voorstelt en een die de communicatie met de klant voorbereidt. Dit niveau vraagt om strakke rechten, logging en een goede escalatie; lees meer bij AI-agents laten bouwen en in onze uitleg over AI-agents voor het mkb.
Wat je per afdeling kunt automatiseren met AI
Bijna elke afdeling heeft werk dat bestaat uit lezen, sorteren, overtypen en beantwoorden. Hieronder per afdeling de toepassingen die we het vaakst bouwen.
Sales en offertes
- Offerteaanvragen uit mail en formulieren verrijken, scoren en toewijzen aan de juiste verkoper
- Conceptofferte voorschrijven op basis van de aanvraag, je prijslijst en eerdere offertes
- Gespreksnotities van verkopers omzetten naar een gestructureerde CRM-update
Inkoop en orders
- Bestellingen uit e-mail, pdf, Excel of foto omzetten naar orderregels met de juiste artikelnummers
- Orderbevestigingen van leveranciers vergelijken met wat je hebt besteld en afwijkingen melden
- Backorders en leverdatumwijzigingen doorgeven aan klanten met een voorgesteld bericht
Financiën en administratie
- Inkoopfacturen uitlezen, matchen met inkooporders en als conceptboeking klaarzetten in Exact of AFAS
- Betalingen koppelen aan openstaande facturen, met de twijfelgevallen apart
- Herinneringen en betalingsafspraken voorbereiden op basis van de betaalhistorie
Klantenservice
- Een gedeelde mailbox voorsorteren op onderwerp, urgentie en de juiste medewerker
- Conceptantwoorden klaarzetten met informatie uit je ordersysteem en kennisbank
- Standaardvragen over levertijd, orderstatus of retouren afhandelen via een AI-chatbot, met overdracht naar een mens
HR en onboarding
- Sollicitaties samenvatten en langs je eigen criteria leggen, zonder dat het model beslist
- Vragen van medewerkers over regelingen en procedures beantwoorden uit het personeelshandboek
- Onboardingstappen uitzetten: accounts, documenten, planning van de eerste week
Logistiek en planning
- Vrachtbrieven, pakbonnen en douanedocumenten uitlezen en controleren tegen de order
- Planningsvoorstellen voor monteurs of chauffeurs op basis van beschikbaarheid, reistijd en prioriteit
- Wijzigingen van klanten (andere leverdag, ander adres) herkennen en in de planning verwerken
Marketing en content
- Productteksten opstellen uit specificaties, in je eigen huisstijl en met controle vooraf
- Reviews en feedback samenvatten en labelen voor een wekelijks overzicht
- Nieuwsbrieven en socialmediaberichten voorschrijven op basis van je eigen bronnen
Management en rapportage
- Wekelijkse cijfers uit meerdere systemen in gewone taal toelichten voor het managementoverleg
- Vergaderingen samenvatten met actiepunten en eigenaren
- Afwijkingen in omzet, marge of doorlooptijd signaleren en toelichten
Voorbeelden per branche
Dezelfde bouwstenen leveren per branche iets anders op. Meer uitgewerkte voorbeelden staan in twaalf voorbeelden van AI-automatisering in het mkb.
- Groothandel: bestellingen uit mail en pdf automatisch naar conceptorders in het ERP, vragen over voorraad en levertijd afvangen, prijslijsten van leveranciers verwerken.
- Installatie- en servicebedrijven: storingsmeldingen classificeren en toewijzen, werkbonnen en spraakverslagen van monteurs uitwerken, inkoopfacturen matchen met projecten.
- Maakindustrie: tekeningen en specificaties uit aanvragen halen voor een eerste calculatie, kwaliteitsrapporten samenvatten, orderbevestigingen controleren.
- Logistiek: vrachtdocumenten uitlezen, ritwijzigingen uit mail verwerken in de planning, schademeldingen afhandelen met foto's en tekst.
- Zorg: gesproken rapportages uitwerken tot een concept, protocollen doorzoekbaar maken voor medewerkers, aanmeldingen voorsorteren. Altijd met een zorgverlener die controleert en beslist.
- Accountancy en administratiekantoren: documenten van klanten herkennen en op de juiste plek zetten, vragen van klanten voorbereiden voor de relatiebeheerder, dossiers samenvatten.
- Onderwijs en verenigingen: vragen van studenten of leden voorsorteren en van een conceptantwoord voorzien, inschrijvingen verwerken, ledenadministratie bijwerken uit mails.
Waar AI (nog) niet goed in is, en hoe we dat ondervangen
Een taalmodel is overtuigend, ook als het ernaast zit. Wie processen automatiseren met AI serieus neemt, kent de zwakke plekken en zet er iets tegenover.
- Hallucinaties: een model kan een plausibel klinkend antwoord verzinnen. We laten het daarom alleen antwoorden op basis van bronnen die we meegeven, met bronvermelding, en bij twijfel zegt het 'weet ik niet' in plaats van te gokken.
- Ontbrekende context: het model weet niet dat die ene klant altijd op donderdag levert of dat artikel X is uitgefaseerd. Die kennis halen we uit je systemen en geven we mee, of we leggen de beslissing bij een medewerker.
- Rekenen en harde regels: bedragen optellen, btw berekenen of kredietlimieten toetsen doen we in gewone code, nooit in het model.
- Juridische en financiële beslissingen: een prijs afgeven, een contract aangaan, een klacht toekennen of iemand afwijzen blijft mensenwerk. AI bereidt voor, een mens beslist.
Praktisch betekent dat: een mens in de lus bij elke onomkeerbare stap, een controlescherm waarin medewerkers voorstellen goedkeuren of corrigeren, een logboek dat per uitkomst vastlegt wat het model heeft gelezen en besloten, en harde regels in code die gevallen boven een grens, van nieuwe klanten of met onbekende artikelen altijd naar een mens sturen. En voordat we iets opschalen, meten we de nauwkeurigheid op jouw echte data. Bij een hoge score kijkt een medewerker alleen de gemarkeerde twijfelgevallen na, bij een lagere score alles.
Data, veiligheid en AVG
AI-automatisering raakt bijna altijd persoonsgegevens en bedrijfsgevoelige informatie. Daarom leggen we vooraf vast waar data wordt verwerkt en onder welke voorwaarden.
- EU-hosting: de software, de database en het logboek draaien op servers in de EU, bij een Nederlandse of Europese hostingpartij of in jouw eigen omgeving.
- Geen training op klantdata: we werken alleen met leveranciers en instellingen waarbij jouw data niet wordt gebruikt om modellen te trainen.
- Rechten: wie welke documenten en gegevens mag zien in je systemen, mag dat ook via de AI; we nemen de rechtenstructuur over en filteren daarop.
- Verwerkersovereenkomst: de afspraken over dataverwerking, bewaartermijnen en subverwerkers staan op papier voordat er data stroomt.
- Anonimiseren: persoonsgegevens die niet nodig zijn voor de taak halen we eruit voordat tekst naar een model gaat.
API-modellen of open-source modellen op eigen servers
Voor de meeste toepassingen gebruiken we de API's van OpenAI, Anthropic of Azure OpenAI in een EU-regio. Die modellen zijn sterk, worden snel bijgewerkt en vragen geen eigen infrastructuur. Mag data helemaal niet naar een externe dienst, bijvoorbeeld bij medische dossiers of vertrouwelijke contracten, dan draaien we open-source modellen zoals Mistral of Llama op een server in de EU of in jouw eigen omgeving. Dat vraagt meer inrichting, maar je data verlaat nooit je eigen omgeving. In beide gevallen bouwen we een tussenlaag waardoor het model verwisselbaar is; je zit niet vast aan één leverancier. Hoe we AI inbouwen in bestaande applicaties lees je bij AI-integratie in software.
Wat bepaalt de investering?
Er is geen standaardprijs voor AI-automatisering, omdat geen twee processen hetzelfde zijn. Een mailbox voorsorteren voor drie medewerkers is iets anders dan een order-to-cashproces met vijf koppelingen en duizenden orders per maand. Wat de investering bepaalt:
- Complexiteit van het proces: hoeveel stappen, hoeveel uitzonderingen, hoeveel beslismomenten.
- Aantal koppelingen: met welke systemen moet de oplossing praten (ERP, CRM, mailbox, boekhouding, planning) en hebben die een bruikbare API.
- Hoeveelheid en kwaliteit van data: zijn er voorbeelden om op te testen, zijn je stamgegevens op orde, zijn documenten getypt of handgeschreven.
- Mate van menselijke controle: mag alles automatisch of moet elke uitkomst langs een medewerker, en hoe uitgebreid moet het controlescherm zijn.
- Volume: tientallen of tienduizenden verwerkingen per maand, wat de architectuur en de gebruikskosten van het model bepaalt.
- Beveiligingseisen: volstaat een API in een EU-regio of moet het model in je eigen omgeving draaien.
Daarom werken we altijd in dezelfde volgorde. Eerst een AI-scan: we brengen je processen in kaart en bepalen per kandidaat de besparing, het risico en de haalbaarheid. Daaruit volgt een vaste prijs voor een pilot op jouw echte data. De pilot levert een gemeten nauwkeurigheid op, en op basis daarvan maken we een vaste prijs voor de bouw en het opschalen. Elke fase heeft dus een vaste prijs die vooraf op papier staat, en na elke fase beslis jij of we doorgaan. Geen open einde, geen uurtje-factuurtje.
Hoe wij AI-automatisering aanpakken
Stap één is de AI-scan: we spreken de mensen die het werk doen, volgen een paar processen van begin tot eind en beoordelen per kandidaat wat het oplevert en wat er misgaat als de AI fout zit. Stap twee is de pilot: op een paar honderd echte, geanonimiseerde e-mails, documenten of aanvragen bouwen we in Python een werkende opstelling. Stap drie is meten: het percentage correct afgehandelde gevallen bepaalt of we doorgaan en hoe zwaar de menselijke controle moet zijn. Stap vier is opschalen: we bouwen de koppelingen, het controlescherm en het logboek in sprints van twee weken, met elke sprint een werkende demo, en laten de automatisering enkele weken naast het handmatige proces draaien. Stap vijf is beheer: na livegang volgen we kwaliteit en kosten per verwerking en kiezen we samen de volgende stap op de ladder.
Technisch bouwen we eenvoudige workflows in n8n op een eigen EU-server en complexere processen als maatwerk in Python of Laravel. Koppelingen met Exact, AFAS, Microsoft 365 of je eigen software maken we via een API-koppeling. Documentstromen pakken we aan met AI-documentverwerking, en waar medewerkers vragen willen stellen aan je eigen documentatie bouwen we een kennisassistent op eigen data. Alles wat we bouwen, inclusief broncode, prompts en documentatie, is van jou.
AI-automatisering in Tilburg, Brabant en heel Nederland
SuperCoders automatiseert met AI vanuit Tilburg voor bedrijven in Brabant en heel Nederland. De AI-scan doen we het liefst op locatie, want op de werkvloer zie je waar de tijd zit; de pilot en de bouw doen we op afstand met regelmatig overleg. Wil je weten welk proces in jouw bedrijf zich het eerst leent voor AI? Bel 013 234 0782 of plan een gratis adviesgesprek van dertig minuten. Als klassieke automatisering beter en goedkoper is, zeggen we dat ook.