Hoe AI-assistenten per afdeling het zoek- en administratiewerk met 1 tot 2 FTE reduceren

1-2 FTE capaciteit vrij
per afdeling
3 afdelingen live:
finance, warehouse, veiligheid
4 systemen ontsloten
via één agentframework
← Alle klantcases

De uitdaging

Afdelingen verloren veel tijd aan informatie die verspreid vindbaar was in het TMS, het WMS en losse HR- en financiële systemen.

Om één simpele vraag te beantwoorden of één rapportage te maken, zochten medewerkers dagelijks door meerdere systemen naar benodigde informatie. Deze gegevens moesten aan elkaar gekoppeld worden met elk afzonderlijke formats voor exports en eigen definities.

Dat leidde tot veel verloren tijd: dezelfde gegevens opzoeken, overtypen, naast elkaar leggen en controleren. Terugkerende rapportages werden vaak elke maand opnieuw met de hand gemaakt en de vraag is dan vooral of de informatie correct is.

Bij drukte of bij afwezigheid van collega's die de koppelingen vaak maakten duurde het lang om een vraag te beantwoorden of werden rapportages overgeslagen, waardoor de organisatie juist op de drukste momenten het minste inzicht had.

Logistieke routes als lichtlijnen over het wegennet
Om één vraag van een leidinggevende te beantwoorden waren vier systemen nodig om te zoeken:
TMS

Ritten, statussen en afwijkingen per dag.

WMS

Voorraadposities en de orders die eruit lopen.

HR

Roosters, bezetting en beschikbaarheid.

ERP

Facturen, contracten en de financiële afhandeling.

De oplossing

In plaats van een reguliere chatbot hebben we voor elke afdeling een eigen AI assistent ontwikkeld met elk haar eigen toegangsrechten.

  • Een AI-agentframework dat TMS, WMS, HR en de financiële administratie met elkaar verbindt
  • Eén assistent per afdeling: finance, warehouse en veiligheid. Zo heeft elke afdeling een eigen assistent met een eigen taak en eigen bronnen
  • Antwoorden die uit meerdere systemen worden samengebracht, met vermelding van de bron per onderdeel
  • Terugkerende analyses en rapportages die de assistent automatisch klaarzet in plaats van handmatig samen te stellen
  • Toegangsrechten die het bestaande autorisatiemodel volgen: een medewerker ziet via de assistent niets extra's

Voorbeelden van wat de assistent binnen no-time kan uitzoeken:

Finance

Welke ritten zijn nog niet gefactureerd en waarom niet?

De assistent legt de status van een rit naast de facturatie en de contractafspraken om fouten te vinden.

Zoekt in
TMSFacturatieContracten
Warehouse

Waar loopt de doorstroom vandaag vast?

Voorraadposities, inkomende ritten en de bezetting van vandaag komen samen in één antwoord in plaats van in drie systemen.

Zoekt in
WMSTMSPersoneelsplanning
Veiligheid

Welke incidenten komen dit kwartaal vaker voor?

Meldingen worden gegroepeerd naar type, locatie en tijdstip. Hier horen de onderliggende registraties ook bij zodat het controleerbaar is.

Zoekt in
MeldingenTMSHR

De assistenten zijn toegevoegd aan een proces dat draait op de systemen die er al stonden:

Microsoft Dynamics 365 Microsoft Copilot Microsoft Azure
Doorlopen fases van ons framework
  1. 01AI-strategie
  2. 02Proces- en kansenanalyse
  3. 03Use-caseportfolio
  4. 04AI-Lab
  5. 05AI-productie en procesherontwerp
  6. 06AI-verandermanagement
Bekijk het volledige framework →

Het resultaat

1-2 FTE

Komt per afdeling structureel vrij aan capaciteit doordat handmatige medewerkers geen tijd meer verliezen aan administratie en repeterend zoekwerk.

Wil je hier meer over weten?
  • Een vraag die in het verleden meerdere systemen en schermen nodig had, levert nu één antwoord met bronvermelding op
  • Terugkerende analyses en rapportages lopen geautomatiseerd door (ongeacht de drukte in een periode)
  • Medewerkers houden tijd over voor het beoordelen van uitzonderingen in plaats van het verzamelen van gegevens
  • Nieuwe medewerkers zijn sneller productief: zij hoeven niet eerst vier systemen te leren kennen om een vraag te beantwoorden

Veelgestelde vragen over AI-assistenten op je eigen data

Waarom een assistent per afdeling en niet één voor de hele organisatie?
Omdat afdelingen andere bronnen, begrippen en rechten hebben. Een assistent met een afgebakende opdracht geeft preciezere antwoorden en is eenvoudiger te controleren.
Kan een medewerker via de assistent meer zien dan normaal?
Nee. De assistent volgt het bestaande autorisatiemodel van de bronsystemen. Wie ergens geen toegang toe heeft, krijgt die informatie ook niet via de assistent.
Hoe weten we of een antwoord klopt?
Elk antwoord verwijst naar de bron waaruit het komt, zodat een medewerker het kan nakijken. Daarnaast wordt periodiek een steekproef beoordeeld.
Verdwijnen er banen door deze assistenten?
Nee. De organisatie had vooral capaciteit te kort die het via vacatures niet kon vullen. De vrijgekomen capaciteit is ingezet op werk dat bleef liggen: analyses, controles en het oplossen van uitzonderingen.
En jouw organisatie?

Ontdekken waar jouw organisatie op dit moment staat?

Iedere organisatie werkt met AI, maar iedereen doet het anders.

AI Maturity Assessment

Bepaal in dertig vragen waar je organisatie staat

In deze case zie je welke fases van het Disruptiv framework een andere organisatie doorliep. Het assessment doet dat voor die van jou: je ziet niet alleen een score, maar ook welke fase je voortgang op dit moment begrenst en wat daar als eerste te doen staat.

  • Een score per fase, met duiding van wat die score betekent
  • Je plek op ons framework en de fase die je voortgang begrenst
  • De vervolgstappen die daar het meeste effect hebben
Start de assessment
Schermopname van de uitslag met het spinnenweb en de score per fase
Onze Purpose

Reshaping Organisations
through Disruption,
together

Neem contact op