In deze serie praktijkverhalen kijken we niet naar wat AI allemaal zou kunnen, maar naar wat het concreet doet in één soort bedrijf. Vandaag: de groothandel. Vooraf voor de duidelijkheid: het bedrijf in dit verhaal is fictief — een samengesteld voorbeeld, opgebouwd uit situaties die wij bij dit soort bedrijven tegenkomen. De knelpunten, de aanpak en de ordegrootte van de bedragen zijn realistisch; de naam en de details zijn dat bewust niet.
Het bedrijf: twaalf man, duizenden artikelen en een binnendienst die overtypt
Neem een technische groothandel in bevestigingsmaterialen en gereedschap: twaalf medewerkers, een magazijn, twee vertegenwoordigers op de weg en een binnendienst van vier mensen die orders invoert, vragen beantwoordt en offertes maakt. Zo'n bedrijf is geen uitzondering: Nederland telt ruim 80.000 groothandels, en de sector is met ruim een half miljoen banen goed voor zo'n vijf procent van alle werkgelegenheid. Het is ook een sector die al jaren tegen hetzelfde probleem aanloopt: mensen vinden. In een peiling van het UWV gaf 37 procent van de werkgevers in de groothandel aan in hoge of zeer hoge mate last te hebben van personeelskrapte, en commercieel medewerker binnendienst staat steevast in de top van openstaande vacatures. Ook breder in het bedrijfsleven is het tekort aan arbeidskrachten volgens het CBS nog altijd de meest genoemde belemmering: ruim 30 procent van de ondernemers noemt het als grootste knelpunt.
Voor deze groothandel betekende dat heel praktisch: de vacature voor een vijfde binnendienstmedewerker stond al acht maanden open, terwijl het werk gewoon doorging. En wie keek wáár de uren van de binnendienst heengingen, zag iets opvallends: het minste deel ging naar verkopen. Het meeste ging naar overtypen, opzoeken en terugbellen.
Bij een groothandel lekt de tijd zelden weg in het magazijn. Hij lekt weg in de order die als PDF binnenkomt en met de hand wordt overgetypt, de twintigste vraag of iets op voorraad is, en de prijslijst van een leverancier die al drie weken op verwerking wacht.
Knelpunt één: orders die binnenkomen zoals de klant het uitkomt
Bestellen deed elke klant op zijn eigen manier. De ene installateur stuurde een nette PDF uit zijn inkooppakket, de ander een e-mail met 'doe er maar weer 10 dozen van die M8'tjes van vorige keer bij', een derde een foto van een briefje uit de bus. De binnendienst vertaalde dat allemaal met de hand naar orderregels in het ERP-systeem: artikelnummer opzoeken, aantallen overnemen, klantkorting checken. Per order zomaar vijf tot vijftien minuten werk, tientallen keren per dag. En overtypen gaat een keer mis: een 10 die een 100 wordt, een M8 die een M6 wordt. Elke fout betekende een retour, een creditnota en een geïrriteerde klant — en kostte een veelvoud van die vijftien minuten.
Nu leest een AI-assistent de binnenkomende bestellingen mee. Die herkent in de PDF, de mail of de foto wat er besteld wordt, zoekt de artikelen op in het eigen assortiment — ook als de klant 'die M8'tjes van vorige keer' schrijft, want de assistent kijkt in de orderhistorie — en zet een complete conceptorder klaar in het ERP-systeem, met de juiste klantprijzen erbij. De binnendienst controleert het voorstel, past zo nodig een regel aan en bevestigt. Twijfelt de assistent, bijvoorbeeld omdat een omschrijving op meerdere artikelen past, dan markeert hij precies die regel in plaats van te gokken. Het overtypen is daarmee vrijwel verdwenen: een order staat in een minuut in het systeem in plaats van in tien, en het aantal invoerfouten — en dus retouren — is zichtbaar gedaald.
Knelpunt twee: de telefoon die steeds dezelfde vraag stelt
Het tweede lek was de vragenstroom. Is dit op voorraad? Wanneer komt mijn bestelling? Wat is mijn prijs voor dit artikel? Kan ik de pakbon van vorige week nog eens krijgen? Stuk voor stuk vragen waarvan het antwoord gewoon in het systeem stond — maar de klant kon er niet bij, dus belde of mailde hij de binnendienst. Die zocht het op, mailde terug, en werd een uur later door de volgende klant met dezelfde soort vraag gebeld. Op drukke ochtenden stond de telefoon roodgloeiend en bleven juist de waardevolle gesprekken — een klant die een groter project wilde doorrekenen — in de wacht staan.
Nu vangt een AI-assistent die vragen af. Klanten die mailen, krijgen binnen enkele minuten een antwoordvoorstel dat de binnendienst alleen nog controleert: actuele voorraad, verwachte leverdatum uit de inkooporders, de eigen nettoprijs van die klant, de pakbon als bijlage. Veelgestelde vragen over lopende orders beantwoordt het systeem op basis van de orderstatus, en bij elke verzonden order gaat automatisch een bericht met track-and-trace de deur uit — waarmee de vraag 'waar blijft mijn spul?' grotendeels verdampt vóórdat hij gesteld wordt. Wat niet in het systeem staat of commercieel gevoelig ligt, gaat zonder omwegen naar een mens. De binnendienst is per dag uren minder kwijt aan opzoekwerk en heeft — voor het eerst in jaren — weer tijd om uit zichzelf klanten te bellen.
Knelpunt drie: de prijslijst die drie weken blijft liggen
Het derde knelpunt zat aan de inkoopkant. Leveranciers sturen een paar keer per jaar nieuwe prijslijsten: Excel-bestanden en PDF's met duizenden regels, elk in een eigen opmaak. Die verwerken — nieuwe inkoopprijzen invoeren, verkoopprijzen en marges herrekenen, gewijzigde artikelnummers koppelen — was een klus van dagen die er altijd bij inschoot. Het gevolg: het bedrijf verkocht soms wekenlang tegen oude prijzen terwijl de inkoop al duurder was geworden. Niemand zag precies hoeveel marge daardoor wegliep, en dat was misschien maar goed ook.
Nu leest de AI-assistent zo'n prijslijst in, welke opmaak de leverancier ook hanteert, en legt hem naast het eigen artikelbestand. Het resultaat is geen automatische prijswijziging, maar een overzicht: deze 340 artikelen worden gemiddeld 4 procent duurder, bij deze 12 artikelen zakt je marge onder de afgesproken ondergrens, en deze artikelnummers lijken gewijzigd of vervallen. De inkoper beoordeelt dat overzicht, besluit wat er met de verkoopprijzen gebeurt en keurt de wijziging goed — waarna alles in één keer wordt doorgevoerd. Een klus van dagen is een beoordeling van een uur geworden, en prijsverhogingen van leveranciers werken binnen een week door in plaats van na een kwartaal.
- Orderinvoer: bestellingen uit PDF, mail en foto's worden conceptorders in het ERP — controleren in plaats van overtypen.
- Klantvragen: voorraad, levertijd, prijzen en orderstatus als antwoordvoorstel klaargezet, met automatische verzendberichten per order.
- Inkoop: leveranciersprijslijsten ingelezen en vertaald naar een margeoverzicht dat de inkoper beoordeelt en in één keer doorvoert.
Wat kost zoiets — en wat levert het op?
Ook hier geldt: je zet dit niet in één keer als groot systeem neer, je begint bij het knelpunt dat het meeste pijn doet. Een afgebakend eerste traject — bijvoorbeeld alleen de orderinvoer uit e-mail en PDF — begint bij ons vanaf zo'n €1.500. De drie oplossingen uit dit voorbeeld samen, gekoppeld aan het bestaande ERP-pakket en de mailbox, zijn een traject vanaf zo'n €5.000, plus daarna enkele tientjes per maand aan lopende API-kosten. Zet dat af tegen wat het vervangt: een vacature van ruim boven de €40.000 per jaar die toch niet vervuld raakt, retouren door overtypfouten, en marge die weglekt omdat prijslijsten blijven liggen. Voor deze groothandel was alleen al het sneller doorvoeren van leveranciersprijzen genoeg om het traject terug te verdienen.
De vacature die je niet vervuld krijgt, is soms geen wervingsprobleem maar een werkprobleem: haal het overtypen en opzoeken uit de functie, en het team dat je al hebt blijkt groot genoeg.
De lessen voor jouw bedrijf
Geen groothandel? De patronen zijn breder dan de handel. Informatie die in het ene systeem of formaat binnenkomt en met de hand naar het andere wordt overgetypt, bestaat bij vrijwel elk bedrijf — van werkbonnen tot declaraties. De telkens terugkerende vraag waarvan het antwoord al in je systeem staat, kent elke klantenservice. En documenten van derden die je periodiek moet verwerken — prijslijsten, tarieven, voorwaarden — heeft iedere ondernemer wel ergens liggen.
De aanpak blijft overal hetzelfde: kies één knelpunt waar structureel tijd of omzet weglekt, los dat goed op, en bouw daarna pas verder. En houd een mens aan de knop voor alles wat ertoe doet — in dit voorbeeld gaat er geen order het systeem in, geen prijs omhoog en geen antwoord naar een klant zonder dat iemand ernaar keek. AI doet het voorwerk; de verantwoordelijkheid blijft waar hij hoort.
Benieuwd waar in jouw bedrijf de meeste tijd of omzet weglekt? Doe de gratis AI-check — die geeft je in een paar minuten een eerste beeld van waar automatisering bij jou het snelst loont.
Liever direct sparren over een concreet knelpunt, zoals je orderinvoer of je mailbox? Kijk dan bij onze automatiseringsoplossingen of vraag vrijblijvend een offerte aan — dan rekenen we samen door wat het in jouw situatie kost en oplevert.