Technische groothandel (45 medewerkers): 33 uur per week terug op orderinvoer

Voorbeeldcase · geanonimiseerd · cijfers illustratief

De situatie

Een technische groothandel in bevestigingsmaterialen in Zuid-Holland. 45 medewerkers, waarvan zes op de binnendienst. Ongeveer 180 orders per dag. Een deel komt binnen via de webshop en EDI, maar 60% komt nog steeds per e-mail: een PDF uit het inkoopsysteem van de klant, een Excel-lijstje, of gewoon een paar regels in de mail zelf.

Het bedrijf draait goed. De klanten zijn trouw, de marges zijn gezond, het magazijn is op orde. Het ERP is Exact en dat werkt prima. Het probleem zit niet in de systemen, maar in het stuk ertussen.

Het proces vóór Optimi

Zo ging het elke ochtend:

1. Een binnendienstmedewerker opent de gedeelde inbox en sorteert de orders op klant.
2. Per order opent hij de bijlage, zoekt de klant op in Exact en maakt een nieuwe verkooporder aan.
3. Elke orderregel wordt overgetypt: artikelnummer, aantal, gewenste leverdatum. Bij een klant die eigen artikelcodes gebruikt, moet hij die eerst vertalen via een oude vertaallijst in Excel.
4. Na het invoeren stuurt hij handmatig een bevestiging.
5. Op maandag staan er 300 orders, en dan schuift alles door tot in de middag.

Drie medewerkers waren hier samen ongeveer 42 uur per week mee bezig. Dat is meer dan één volledige fte die niets anders doet dan overtypen wat de klant al had ingetypt.

Waar het brak

Tijdens de scan telden we het na. Overtypen kostte niet alleen tijd, het was ook de belangrijkste bron van fouten: 2,6% van de orderregels bevatte een typefout in artikelnummer of aantal. Elke fout betekende een verkeerde levering, een retourzending en een ontevreden klant. Daar kwam bij dat een order gemiddeld drie uur wachtte op een bevestiging, en op maandag langer. Klanten belden om te vragen of hun order was aangekomen, en dat belletje kostte opnieuw tijd.

Het knelpunt zat dus op één plek: tussen de inbox en Exact.

Wat Optimi deed

Scan. In twee weken brachten we de processen van de binnendienst in kaart en maten we de uren per stap. Orderintake stond met afstand bovenaan de lijst: veel uren, veel herhaling, gestructureerde bron.

Prototype in 10 werkdagen. We bouwden een werkend prototype voor één klantgroep van 15 vaste klanten. Dag 1 en 2 gingen op aan scope en toegang; dag 3 tot 8 aan bouwen; dag 9 testten we op 400 historische orders; dag 10 ging het live voor die groep.

Wat er nu staat, in gewone taal:

• Een mailbox-listener in Microsoft 365 die elke binnenkomende order oppikt.
• Een AI-stap die de orderregels uit de PDF, Excel of mailtekst haalt, ongeacht de opmaak.
• Een koppeling met Exact die de klant en de artikelnummers matcht, inclusief de vertaallijst van klant-eigen codes.
• Een controlescherm voor de binnendienst. Groen: alles herkend, order gaat door. Oranje: onduidelijke regel, iemand kijkt mee.
• Na goedkeuring wordt de order in Exact aangemaakt en gaat de bevestiging automatisch naar de klant.

Mens blijft in de lus bij: elke oranje order, elke nieuwe klant en elke orderregel met een afwijkende prijs.

Build. Na het prototype breidden we de oplossing via Workflow-automatisering uit naar alle mailklanten, met logging en foutmeldingen.

Managed. De groothandel koos daarna voor Managed AI: wij bewaken de flow, vangen nieuwe bijlagen-opmaak op en sturen elke maand een rapport in gewone taal.

Het resultaat

De cijfers hieronder zijn een indicatie op basis van dit scenario, na drie maanden live.

• Binnendienst op orderinvoer: van 42 naar 9 uur per week. De overgebleven uren zitten in het controleren van oranje orders en uitzonderingen.
• Van ontvangst tot bevestiging: van gemiddeld 3 uur naar 12 minuten. Ook op maandag.
• Regelfouten: van 2,6% naar 0,4%. De resterende fouten zaten in de bron, bij de klant.
• 78% van de mailorders gaat zonder handmatige correctie door.

Belangrijker dan de cijfers: de binnendienst belt klanten nu om te verkopen, niet om te vragen of de order klopt.