Agriware Assistants: De verborgen businesscase van AI

Agriware Assistants → van experiment naar bedrijfswaarde

Een aantal maanden geleden schreef ik mijn eerste bericht over Agriware Assistants. Destijds draaide het vooral om de vraag: wat als AI niet alleen vragen beantwoordt, maar ook daadwerkelijk werk uitvoert binnen bedrijfsprocessen?

In de afgelopen periode hebben we veel geleerd en passen we deze technologie inmiddels concreet toe bij onze klanten. Er zijn tientallen scenario's uitgewerkt, projecten samen met klanten uitgevoerd en verschillende bedrijfsprocessen ondersteund met onze AI-assistenten. De Agriware Assistants bieden praktische ondersteuning bij tal van processen die vandaag al plaatsvinden binnen tuinbouwbedrijven die werken met Agriware Business Central.

In vrijwel alle gesprekken viel mij steeds vaker op dat de discussie over AI bij veel tuinbouwbedrijven al snel niet meer draait om de technologie zelf, maar om de waarde die

Het draait om wat AI kan toevoegen aan een bedrijf, proces of functie.

Welke bedrijfswaarde levert het concreet op?

Een assistent die een vraag beantwoordt is handig. Een assistent die dagelijks honderden controles uitvoert, documenten verwerkt, afwijkingen signaleert of administratieve taken voorbereidt, wordt ineens veel interessanter. Dan ontstaat er echte bedrijfswaarde.

Juist binnen operationele processen van tuinbouwbedrijven ontstaan hierdoor mogelijkheden die voorheen economisch niet haalbaar waren. Veel controles worden vandaag niet uitgevoerd omdat de tijd ontbreekt of omdat de verwachte opbrengst niet opweegt tegen de benodigde inspanning. Niet omdat ze geen waarde hebben. Wij hebben het afgelopen kwartaal samen met onze klanten ervaren dat AI deze rekensom verandert.

Waar een medewerker misschien 30 seconden tot enkele minuten nodig heeft voor een controle, kan een AI-assistent dezelfde controle uitvoeren voor een fractie van de tijd en kosten.

Een andere manier van kijken naar ROI

Bij AI-projecten zien we regelmatig dezelfde valkuil. Bedrijven proberen direct een businesscase van honderdduizenden euro's te vinden. Daardoor lijkt een kleinere AI-casus, met bijvoorbeeld een besparing van €5.000 per jaar door enkele controles of handmatige berekeningen te automatiseren, al snel niet relevant genoeg.

Klanten die Agriware Assistants gebruiken, zien echter vaak het tegenovergestelde gebeuren. In de praktijk ontstaat de meeste waarde uit meerdere kleine verbeteringen die gezamenlijk een aanzienlijk effect hebben. Bovendien zouden deze processen vaak nooit zijn geautomatiseerd vanwege de hoge investeringen die daarvoor nodig waren.

Door bedrijfsprocessen op te delen in afzonderlijke stappen en deze te meten op KPI's zoals doorlooptijd, kwaliteit en directe uren, wordt veel verborgen waarde zichtbaar.

Een controle die normaal gesproken 30 seconden per inspectie kost. Een document dat gemiddeld drie minuten verwerking vraagt. Een werkorder die dagelijks handmatig moet worden beoordeeld.

Individueel lijken deze taken beperkt. Vermenigvuldig ze echter met duizenden transacties per jaar en het beeld verandert snel.

Wij zien dat ROI-berekeningen voor AI Agents binnen bedrijfsprocessen vaak bestaan uit:

• De huidige verwerkingstijd per processtap
• De interne arbeidskosten per minuut
• De AI-verbruikskosten per verwerking
• Het maandelijkse of jaarlijkse volume
• De waarde van foutreductie en procesverbetering

Duizenden transacties per jaar en het beeld verandert snel en positief

Wanneer is AI goedkoper dan menselijke arbeid?

Ter indicatie hebben we daarom een aantal voorbeelden opgesteld. Iedere organisatie heeft uiteraard andere volumes, processen en kostprijzen, maar het geeft alvast aan hoe eenvoudig directe AI-kosten kunnen opwegen tegen directe menselijke arbeid.

Voorbeeld 1: PDF naar verkooporder

Een veelvoorkomende situatie (en wens) is het verwerken van een klantorder uit een PDF-document.

Vandaag kost dit vaak tussen de twee en vier minuten per order. Bij sommige bedrijven zelfs tot 30 minuten vanwege de vele details.

Bij een interne kostprijs van €0,30 tot €0,60 per minuut aan arbeid komt dat neer op:

• Huidige kosten: €0,60 tot €2,40 per order
• AI-verbruikskosten: €0,06 tot €0,12 per order
• Directe besparing: €0,48 tot €2,34 per order

Bij 10.000 verkooporders per jaar ontstaat een indicatieve directe besparing van:

€4.800 tot €23.400 per jaar

Maar eerlijk gezegd zit de grootste waarde vaak niet eens in die directe besparing.

De echte winst zit veelal in de indirecte opbrengst:

1. minder invoerfouten
2. kortere orderdoorlooptijden
3. snellere klantreacties
4. hogere leverbetrouwbaarheid

Voorbeeld 2: controle op verkooporders

Veel bedrijven voeren controles uit op de ingevoerde data op verkooporders op verschillende momenten. Nadat de orderinvoer is uitgevoerd, net voordat een orderbevestiging verstuurd wordt, na het rapen van de planten, maar nog wel net vóór het verzenden.

Typische vragen zijn dan:

• klopt het afleveradres?
• is de leverdatum nog oké?
• zijn verpakkingen correct?
• ontbreken verplichte gegevens?
• zijn alle klantopmerkingen verwerkt op de order?

Deze controle kost vaak 30 seconden tot één minuut (en soms nog veel langer).

Bij 10.000 orders per jaar levert dit indicatief een directe besparing van:

€1.400 tot €5.800 per jaar

Daarnaast voorkomt het fouten die later veel duurder blijken dan de oorspronkelijke controle.

Denk aan creditnota's, klantvragen of herstelwerk in logistieke processen. Ik blijf even weg van het kwantificeren van deze indirecte kosten, maar het zal een veelvoud zijn van de directe besparing.

Een AI-assistent die dagelijks duizenden controles uitvoert

Voorbeeld 3: werkorders controleren en plannen

Binnen productieomgevingen zien we veel terugkerende controles op werkorders voor geplande werkzaamheden, zoals de activiteiten oppotten, zaaien, verplaatsen, steken en oogsten. Deze controles zijn zeer uiteenlopend van aard en vergen bovendien specifieke kennis van iemand die de business rules uit het hoofd toepast op het Agriware-systeem.

Bijvoorbeeld:

• ontbrekende gegevens signaleren
• afwijkende planningen opsporen
• werkorders automatisch toewijzen
• achterstallige of vervuilde werkorders opruimen
• gepland maar niet uitgevoerd werk automatisch doorschuiven naar een volgende werkdag

Per werkorder gaat het vaak om enkele seconden tot enkele minuten.

Bij volumes van 10.000 werkorders per jaar lopen directe besparingen uiteen van:

Enkele honderden tot meer dan €10.000 per activiteit.

Ook hierbij is het belangrijk om te benoemen dat problemen eerder zichtbaar worden. Dat voorkomt ad-hoc herplanning, spoedacties en verstoringen verderop in het proces. De waarde hiervan is ook hier erg hoog.

Voorbeeld 4: urencontroles

Een andere casus die veel kwekerijen direct herkennen, is de controle van dag- en weekuren.

Controle op ontbrekende uren, afwijkingen of onlogische registraties kost voor leidinggevenden en administratie vaak meer tijd dan men denkt.

Bij 100 medewerkers en wekelijkse controles ontstaat al snel:

€1.500 tot ruim €6.000 directe jaarlijkse besparing

Daarnaast ontstaat betere stuurinformatie doordat afwijkingen sneller zichtbaar worden. En laten we eerlijk zijn: het controleren van uren is voor niemand leuk, maar wel een noodzakelijk ‘saaie’ weektaak.

Voorbeeld 5: kwaliteitscontroles en inspecties

Ook inspectieprocessen lenen zich goed voor AI-ondersteuning. Een AI-assistent van Agriware kan bijvoorbeeld:

• geregistreerde inspectiewaarden beoordelen en eventueel het proces blokkeren
• afwijkingen classificeren en de gebruiker tijdig informeren
• trends signaleren en hierover alarmeren
• vervolgacties voorstellen

De directe besparing per inspectie lijkt erg klein en typisch iets wat het niet waard lijkt om te automatiseren en aan de mens over te laten op het moment dat het uitkomt. Bij inspecties is tijdig handelen en geïnformeerd worden echter cruciaal. Een besparing zit hierbij vooral in de indirecte waarde. Deze kan heel groot zijn doordat kwaliteitsproblemen eerder worden ontdekt voordat ze uitgroeien tot afkeur, klantklachten of correcties verderop in het proces.

Wanneer 1 op de 100 inspecties kan leiden tot cruciale problemen, met een totaal van 20.000 inspecties per jaar, zijn er dus 200 kritieke momenten per jaar (3 à 4 keer per week) waarop direct actie nodig is. Laten we zeggen dat hiervan één keer per maand een menselijke fout optreedt, waardoor bijvoorbeeld een geïnspecteerd lot niet op tijd wordt geblokkeerd en toch wordt uitgeleverd, of het proces opnieuw moet worden uitgevoerd. De indirecte besparing hiervan:

12 reclamaties per jaar kosten minimaal het gemiddelde orderbedrag (maar meestal veel meer).

Niet alles hoeft volledig geautomatiseerd te worden

Een misverstand dat ik overigens ook regelmatig tegenkom, is dat AI alleen interessant is wanneer een proces volledig automatisch verloopt en bepaalde rollen vervangt. Dat klopt niet helemaal.

Veel van de waarde ontstaat juist wanneer medewerkers ondersteund worden door AI bij:

1. signaleren
2. controleren
3. samenvatten
4. classificeren
5. voorbereiden

In bijna alle situaties blijft de medewerker de eindverantwoordelijke, maar wordt deze domweg geholpen door een onuitputtelijke assistent. Dit geldt zeker voor processen met financiële impact, compliance-eisen of externe communicatie. Daar blijft menselijke controle echter noodzakelijk.

Je blijft de eindverantwoordelijke, maar je wordt simpelweg geholpen door een onuitputtelijke assistent.

Waar Agriware Assistants het beste werken

Onze ervaring tot nu toe is dat AI het meest succesvol is wanneer:

1. de casus duidelijk afgebakend is
2. de invoer herkenbaar en consistent is
3. de gewenste output helder gedefinieerd is
4. uitzonderingen goed zijn ingericht
5. de brondata voldoende kwaliteit heeft

AI is dus zeker geen vervanging van een proces of rol. Sterker nog: hoe beter een proces is ingericht en verantwoordelijkheden bij rollen zijn belegd, hoe groter de waarde die een AI-assistent kan toevoegen.

De volgende stap

Wat mij persoonlijk het meest inspireert, is niet de technologie zelf. Het is het besef dat we steeds meer processen kunnen ondersteunen die voorheen simpelweg te arbeidsintensief waren of waarbij de investering het niet waard was om er structureel aandacht aan te geven binnen tuinbouwbedrijven.

Niet omdat medewerkers hun werk niet goed doen, maar omdat er onvoldoende tijd is om alles te controleren, analyseren en op te volgen. AI maakt het mogelijk om duizenden kleine controles, beoordelingen en analyses continu uit te voeren tegen zeer lage kosten.

De vraag wordt daardoor niet langer:

"Kan AI dit?"

De interessantere vraag is:

"Welke processen voeren we vandaag niet uit of voeren we met fouten uit omdat ze te veel tijd kosten, terwijl ze wel bedrijfswaarde opleveren?"

Juist daar liggen naar mijn mening veel interessante kansen voor de komende jaren.

Arno Hogervorst

AI & Innovation Director at Mprise Agriware, Senior Software Strategist for over 20 years.

‍