Voorbeeldcases: wat er verandert als het knelpunt weg is
Deze zes cases zijn geanonimiseerde, realistische scenario's voor Nederlandse bedrijven van 10 tot 100 medewerkers. De bedrijven zijn beschreven, niet genoemd; de cijfers zijn illustratief en liggen binnen wat we bij scans en prototypes tegenkomen. Elke case laat dezelfde route zien: situatie, knelpunt, wat we bouwden, resultaat in uren.
Waarom voorbeeldcases
We noemen geen klanten bij naam zonder hun toestemming, en we ronden geen cijfers naar boven af om indruk te maken. Daarom staat boven elke case hetzelfde label: Voorbeeldcase · geanonimiseerd · cijfers illustratief. Wat wél echt is: de processen, de systemen, de uitzonderingen en de volgorde van het werk.
VOORBEELDCASE · GEANONIMISEERD · CIJFERS ILLUSTRATIEF
Elke case laat dezelfde route zien: situatie, knelpunt, wat we bouwden, resultaat in uren.
Filter op sector
6 cases
Technische groothandel (45 medewerkers): 33 uur per week terug op orderinvoer
SITUATIE
Circa 180 orders per dag, waarvan 60% als e-mail met PDF- of Excel-bijlage. De binnendienst typte elke regel over in Exact, met pieken op maandag.
KNELPUNT
42 uur per week overtypen, 2,6% regelfouten en orders die 2 tot 4 uur wachtten op een bevestiging.
OPLOSSING
Mailbox-listener leest orders uit PDF, Excel en mailtekst, matcht klant en artikelnummers in Exact en zet ze klaar op een controlescherm.
RESULTAAT
42 → 9
uur/week binnendienst op orderinvoer
+3 meer
Horecagroothandel (28 medewerkers): prijslijsten in 18 uur in plaats van 120
SITUATIE
Veertig leveranciers sturen elk kwartaal prijslijsten in Excel en PDF, allemaal anders opgemaakt. Eén inkoper werkte 12.000 artikelen met de hand bij.
KNELPUNT
Ongeveer 120 uur per kwartaal aan prijslijsten, prijsfouten die door klanten werden ontdekt, en 25 handgeschreven backordermails per dag.
OPLOSSING
Een lijst-normaliseerder die kolommen herkent en afwijkingen boven 15% markeert, een controlescherm en een bulk-update in het ERP.
RESULTAAT
120 → 18
uur/kwartaal prijslijstverwerking
+3 meer
Transportbedrijf (60 medewerkers): factureren 3 dagen na levering in plaats van 12
SITUATIE
Circa 350 ritten per week. Chauffeurs fotograferen de CMR of POD; de administratie zoekt per foto de bijbehorende rit op in het TMS en factureert aan het eind van de maand.
KNELPUNT
22 uur per week matchen en nabellen om ontbrekende POD's, facturen gemiddeld 12 dagen na levering, 6% van de facturen betwist wegens ontbrekend bewijs.
OPLOSSING
Foto- en PDF-intake, AI leest de CMR-velden en koppelt automatisch aan de rit. Ontbrekende POD's staan de volgende ochtend op een lijst voor de planners.
RESULTAAT
22 → 6
uur/week administratie op CMR-verwerking
+3 meer
Logistiek dienstverlener (35 medewerkers): planners 17 uur per week minder in de mail
SITUATIE
Transportaanvragen komen binnen als vrije tekst per mail en via drie klantportalen. Planners typen ze over in het TMS en beantwoorden de hele dag 'waar is mijn zending?'-vragen.
KNELPUNT
15 uur per week overtypen van aanvragen, 40 statusvragen per dag (9 uur per week), en planners die elke 10 minuten worden onderbroken.
OPLOSSING
Gedeelde planningsinbox waaruit een AI-stap de aanvraagvelden haalt en een voorgevulde TMS-order klaarzet.
RESULTAAT
24 → 7
uur/week planners op mail
+3 meer
Administratiekantoor (18 medewerkers): 91% van de klanten op tijd compleet
SITUATIE
Elk kwartaal jagen medewerkers per mail en telefoon op bankafschriften, facturen en salarisstukken. Stukken komen binnen via mail, WhatsApp en een portaal.
KNELPUNT
12 uur per week nabellen en mailen, 30% van de klanten te laat, piekdruk in de laatste week en een tracker die nooit klopt.
OPLOSSING
Herinneringen automatisch uit de openstaande posten in Exact Online en Twinfield, een intake-mailbox die bijlagen herkent en per klant archiveert, en een kleine app als tracker met escalatie naar de accountmanager.
RESULTAAT
12 → 3
uur/week stukken opvragen
+3 meer
Accountantskantoor (55 medewerkers): één veilige bedrijfs-AI in plaats van 55 privé-accounts
SITUATIE
Medewerkers gebruikten privé-ChatGPT voor conceptbrieven en fiscale vragen. De directie maakte zich zorgen over klantdata en de AI Act.
KNELPUNT
Geen beleid, geen logging, geen bronverwijzing. Ruim 20 minuten per standaardvraag van een klant, en onduidelijk of 55 mensen aan de geletterdheidsplicht voldeden.
OPLOSSING
Bedrijfs-AI-werkplek op EU-gehoste modellen, alleen-lezen gekoppeld aan SharePoint en het praktijkbeheersysteem, rollen per klantgroep, antwoorden met bron.
RESULTAAT
20 → 6 min
per standaardvraag van een klant
+3 meer
