Welk bedrijfsproces is geschikt voor AI? 7 toetsbare kenmerken

Een bedrijfsproces is geschikt voor een eerste AI-test wanneer het vaak genoeg voorkomt, duidelijk kan worden beschreven, representatieve voorbeelden heeft en meetbare kwaliteitscriteria kent. Ook moeten uitzonderingen beheersbaar zijn en moet een medewerker de uitkomsten kunnen controleren. Ontbreken meerdere van deze voorwaarden, dan moet het proces meestal eerst worden aangepast of met gewone automatisering worden opgelost.

Dat onderscheid is belangrijk. Een terugkerende taak is niet automatisch een goede AI-toepassing. Soms is een vaste automatiseringsregel goedkoper, voorspelbaarder en eenvoudiger te onderhouden. In andere gevallen is het proces zelf nog te onduidelijk om betrouwbaar te automatiseren.

De eerste vraag is daarom niet “welke AI-tool zullen we gebruiken?”. De betere vraag is:

Welke workflow willen we verbeteren en hoe kunnen we vooraf aantonen dat AI daar werkelijk iets toevoegt?

Begin niet bij de tool, maar bij het proces

Veel AI-initiatieven beginnen met een demonstratie van wat een model technisch kan. Zo’n demonstratie kan indrukwekkend zijn, maar zegt nog weinig over de waarde binnen een echt bedrijfsproces.

Een bruikbare workflowtest begint in een andere volgorde:

1. Beschrijf de huidige workflow.
2. Benoem het concrete knelpunt.
3. Onderzoek of gewone automatisering voldoende is.
4. Bepaal waar AI eventueel waarde toevoegt.
5. Leg vast hoe kwaliteit en verbetering worden gemeten.
6. Test eerst met een kleine, veilige set voorbeelden.
7. Beslis daarna of verder bouwen gerechtvaardigd is.

Dat voorkomt dat een bedrijf investeert in een oplossing voordat duidelijk is welk probleem die oplossing moet verhelpen.

Het CBS ziet dat het gebruik van AI onder Nederlandse bedrijven groeit. Tegelijk blijft gebrek aan ervaring een belangrijke reden voor kleinere bedrijven om AI niet in te zetten (CBS, Gebruik van AI-technologie door Nederlandse microbedrijven).

Een afgebakende workflowtest kan die onzekerheid verkleinen, maar alleen wanneer het proces aan een aantal voorwaarden voldoet.

1. De workflow komt regelmatig voor

Een proces hoeft niet dagelijks honderden keren te worden uitgevoerd. Er moet wel voldoende herhaling zijn om een patroon te herkennen en verbetering te kunnen meten.

Een incidentele taak waarvoor iedere keer een volledig andere aanpak nodig is, vormt meestal geen sterke basis voor automatisering. De kosten van ontwerp, testen en controle kunnen dan hoger zijn dan de mogelijke opbrengst.

Onderzoek daarom:

• Hoe vaak wordt de workflow uitgevoerd?
• Hoeveel tijd kost één uitvoering?
• Hoeveel medewerkers zijn erbij betrokken?
• Ontstaan er wachttijden of achterstanden?
• Wat gebeurt er wanneer de workflow niet goed wordt uitgevoerd?

Kijk niet alleen naar volume. Een proces dat minder vaak voorkomt kan alsnog relevant zijn wanneer iedere uitvoering veel tijd vraagt of fouten grote gevolgen hebben. In dat laatste geval moet de veiligheidslat wel hoger liggen.

2. Het huidige proces kan duidelijk worden beschreven

AI herstelt geen onduidelijk bedrijfsproces.

Wanneer medewerkers dezelfde taak allemaal anders uitvoeren, verantwoordelijkheden ontbreken of de gewenste uitkomst voortdurend verandert, moet het proces meestal eerst worden verduidelijkt.

Een testbare workflow heeft minimaal:

• Een herkenbaar startpunt.
• Een beperkt aantal processtappen.
• Een duidelijke gewenste uitkomst.
• Een proceseigenaar.
• Bekende uitzonderingen.
• Een moment waarop het werk als afgerond wordt beschouwd.

Je hoeft niet ieder detail vooraf vast te leggen. De hoofdlijn moet wel stabiel genoeg zijn om het huidige proces met een nieuwe werkwijze te kunnen vergelijken.

Een nuttige controlevraag is:

Kunnen twee medewerkers aan de hand van dezelfde procesbeschrijving ongeveer dezelfde werkwijze volgen?

Is het antwoord nee, dan is procesverbetering waarschijnlijk de eerste stap.

3. Er zijn representatieve voorbeelden beschikbaar

Een AI-workflow moet worden getest met voorbeelden die lijken op de variatie die in de praktijk voorkomt.

Denk bij een e-mailworkflow niet alleen aan vijf netjes geschreven standaardberichten. Neem ook voorbeelden op met:

• Ontbrekende informatie.
• Spelfouten of onduidelijke formuleringen.
• Meerdere vragen in één bericht.
• Afwijkende documentformaten.
• Tegenstrijdige gegevens.
• Bijlagen die niet geopend kunnen worden.
• Verzoeken die buiten het normale proces vallen.

Voor een eerste test kunnen volledig synthetische voorbeelden worden gebruikt. Daarmee kan de technische en functionele geschiktheid worden onderzocht zonder direct echte klantgegevens of persoonsgegevens te verwerken.

De voorbeelden moeten vooraf worden samengesteld. Pas na het zien van de resultaten uitzonderingen toevoegen maakt de beoordeling minder betrouwbaar.

4. AI voegt iets toe dat vaste regels niet goed kunnen oplossen

Niet iedere automatisering heeft AI nodig.

Gewone workflowautomatisering is vaak geschikter wanneer:

• De invoer altijd dezelfde structuur heeft.
• De beslisregels volledig vaststaan.
• Iedere gelijke invoer exact dezelfde uitvoer moet opleveren.
• Er geen interpretatie van taal, documenten of context nodig is.

AI wordt relevanter wanneer een proces variatie bevat, bijvoorbeeld bij:

• E-mails classificeren op inhoud.
• Gegevens uit verschillend opgemaakte documenten halen.
• Lange teksten samenvatten.
• Ontbrekende informatie signaleren.
• Een conceptantwoord voorbereiden.
• Ongestructureerde informatie omzetten naar een vaste structuur.

Ook dan hoeft AI niet de volledige workflow over te nemen. Vaak is een combinatie beter: AI verwerkt de ongestructureerde invoer, vaste automatisering voert voorspelbare vervolgstappen uit en een medewerker beoordeelt het resultaat. Kies per processtap tussen vaste regels, AI en menselijke controle.

5. De gewenste kwaliteit kan vooraf worden beoordeeld

Een test heeft weinig betekenis wanneer achteraf op gevoel wordt bepaald of het resultaat goed genoeg is. Leg daarom vóór de test vast wat een goede uitkomst is.

Bij gegevensextractie kan dat bijvoorbeeld betekenen:

• Verplichte velden zijn correct gevuld.
• Ontbrekende informatie wordt herkend.
• Het systeem verzint geen informatie.
• Twijfelgevallen worden zichtbaar gemarkeerd.
• Afwijkende documenten worden niet stilzwijgend verwerkt.

Bij een conceptantwoord kunnen andere criteria gelden:

• De inhoud sluit aan op de vraag.
• Verplichte informatie is opgenomen.
• Niet-bekende feiten worden niet ingevuld.
• De toon past bij de organisatie.
• Een medewerker kan het concept snel beoordelen.

Bepaal ook welke fouten kritiek, groot of klein zijn. Een tikfout heeft een andere impact dan een verkeerd bedrag, een onjuiste toezegging of een gemiste uitzondering.

6. Uitzonderingen en menselijke controle zijn in te bouwen

Een goede AI-workflow hoeft niet alles zelfstandig af te handelen. Het is vaak verstandiger om te bepalen:

• Welke gevallen automatisch mogen worden voorbereid.
• Welke gevallen altijd door een medewerker worden beoordeeld.
• Wanneer het systeem moet stoppen.
• Wanneer aanvullende informatie nodig is.
• Wie verantwoordelijk blijft voor de uiteindelijke beslissing.

Menselijke controle moet een echte functie hebben. Alleen een goedkeuringsknop toevoegen is niet voldoende wanneer de medewerker geen tijd, context of duidelijke criteria heeft om het resultaat te beoordelen.

Vragen die daarbij helpen:

• Kan een medewerker een fout herkennen?
• Is er voldoende tijd om het resultaat te controleren?
• Kan een fout worden teruggedraaid?
• Wat is de impact wanneer een fout niet wordt gezien?
• Kan de workflow veilig stoppen bij twijfel?

Processen met autonome medische, juridische, financiële of personele beslissingen zijn geen geschikte eerste toepassing binnen de standaardaanpak van PuraFact.

7. De mogelijke verbetering kan worden gemeten

Een werkende demonstratie bewijst dat iets technisch mogelijk is. Ze bewijst nog niet dat het bedrijfsproces verbetert. Daarvoor is een nulmeting nodig.

Afhankelijk van de workflow kun je meten:

• Gemiddelde verwerkingstijd.
• Totale doorlooptijd.
• Aantal handmatige handelingen.
• Aantal correcties.
• Percentage incomplete gevallen.
• Aantal gemiste uitzonderingen.
• Tijd die nodig is voor menselijke controle.
• Hoe vaak werk opnieuw moet worden uitgevoerd.

Meet niet alleen hoeveel tijd de AI-stap bespaart. Een nieuwe workflow kan elders extra controlewerk, correcties of vertraging veroorzaken.

Zonder nulmeting kun je achteraf moeilijk bepalen of de verandering werkelijk waarde heeft toegevoegd. Lees daarover ook: waarom een AI-demo nog geen tijdwinst bewijst. Is het proces geschikt? Bekijk dan hoe je de workflow eerlijk test.

Een fictief voorbeeld: offerteaanvragen uit een gedeelde inbox

Een zakelijke dienstverlener ontvangt wekelijks tientallen offerteaanvragen via een gedeelde inbox. De e-mails hebben geen vaste opmaak: sommige aanvragen zijn volledig, andere bevatten meerdere vragen of missen belangrijke informatie.

Ter illustratie — geen bestaande klant.

Voor iedere aanvraag doorloopt een medewerker hetzelfde patroon:

Wat is al bekend?

• De workflow komt regelmatig terug.
• De gewenste gegevensvelden kunnen worden benoemd.
• Een medewerker blijft beschikbaar voor controle.
• De e-mails bevatten variatie waarbij tekstinterpretatie nodig is.

Wat moet nog worden getoetst?

• Herkent AI alle verplichte gegevens?
• Wordt ontbrekende informatie correct gesignaleerd?
• Kan het systeem twijfel zichtbaar maken?
• Worden uitzonderingen niet als standaardaanvraag verwerkt?
• Kost het controleren van de uitvoer minder tijd dan de huidige verwerking?

Wat kan een blokkade vormen?

• Er bestaan geen duidelijke acceptatiecriteria.
• Medewerkers beoordelen aanvragen onderling heel verschillend.
• Een fout kan direct tot een onjuiste externe toezegging leiden.
• Het conceptantwoord wordt zonder menselijke goedkeuring verzonden.
• Er zijn onvoldoende veilige voorbeelden voor een representatieve test.

Het voorlopige oordeel voor dit fictieve scenario is niet “bouwen”. Het is:

Doorgaan met een afgebakende test, mits de kwaliteitscriteria, uitzonderingen en menselijke controle vooraf worden vastgelegd.

Wanneer moet je eerst aanpassen of stoppen?

Een workflow moet meestal eerst worden aangepast wanneer:

• Het proces niet eenduidig wordt uitgevoerd.
• De gewenste uitkomst niet duidelijk is.
• Voorbeelden onvoldoende representatief zijn.
• Er geen proceseigenaar beschikbaar is.
• Meetcriteria ontbreken.
• Menselijke controle nog niet praktisch is ingericht.

Stoppen is verstandiger wanneer:

• Gewone automatisering het probleem eenvoudiger oplost.
• Het proces te weinig voorkomt om de investering te rechtvaardigen.
• De benodigde gegevens niet veilig of rechtmatig kunnen worden gebruikt.
• Fouten niet tijdig kunnen worden ontdekt.
• De foutimpact niet acceptabel kan worden begrensd.
• Niemand verantwoordelijk kan blijven voor beoordeling en opvolging.

Stoppen betekent niet dat het idee mislukt is. Het voorkomt dat tijd en geld worden besteed aan een workflow die niet verantwoord of meetbaar kan worden verbeterd. Lees ook wanneer je een proces beter niet automatiseert.

De PuraFact-verkenningskaart

Gebruik bij een eerste beoordeling drie labels.

1. Bekend

   Welke voorwaarden zijn aantoonbaar aanwezig? Denk aan een beschreven workflow, beschikbare voorbeelden, een proceseigenaar en een herkenbaar knelpunt.

2. Te toetsen

   Welke aannames moeten met een kleine test worden onderzocht? Denk aan herkenningskwaliteit, foutcategorieën, correctietijd en omgang met uitzonderingen.

3. Blokkade

   Welke voorwaarde verhindert een zinvolle of veilige test? Denk aan ontbrekende beoordelingscriteria, onbeheersbare foutimpact of het ontbreken van menselijke controle.

Maak hier geen simpele totaalscore van. Eén belangrijke blokkade kan zwaarder wegen dan meerdere positieve kenmerken.

Conclusie

Een geschikt AI-proces is niet simpelweg een taak die vaak wordt herhaald. De sterkste kandidaat heeft:

1. Voldoende herhaling of impact.
2. Een duidelijk huidig proces.
3. Representatieve voorbeelden.
4. Variatie waarbij AI iets toevoegt boven vaste regels.
5. Toetsbare kwaliteitscriteria.
6. Beheersbare uitzonderingen en menselijke controle.
7. Een meetbare nulmeting en gewenste verbetering.

Zoek je een concrete kandidaat om mee te beginnen? Bekijk twaalf voorbeelden van administratie automatiseren, met per proces de rol van regels, AI en een mens.

Heb je één terugkerende workflow in gedachten? Doe de Workflow Check en ontdek welke vragen je moet beantwoorden voordat je investeert in een AI-oplossing.