Orderinvoer automatiseren in AFAS

Het orderproces in AFAS vandaag

Bij veel bedrijven die AFAS gebruiken, komt een groot deel van de klantopdrachten binnen via e-mail. Een bijlage in PDF, een ingescande inkooporder, soms een bericht in de body van de mail. Iemand op de binnendienst opent het bericht, leest de regels, zoekt de klant op in AFAS en begint met overtypen: debiteur, artikelcodes, aantallen, prijzen, gewenste leverdatum.

Dat werkt, maar het schaalt slecht. Elke order kost een paar minuten aandacht, en die minuten lopen op naarmate het ordervolume groeit. Tijdens piekmomenten ontstaat er een wachtrij en wordt de doorlooptijd langer. En omdat het handwerk is, sluipen er fouten in: een verkeerde artikelcode, een aantal dat net verkeerd is overgenomen, een leverdatum die niet klopt. Die fouten komen vaak pas later aan het licht, in de logistiek of op de factuur.

Verkooporders in AFAS automatiseren begint daarom niet bij de software, maar bij de vraag: welk deel van dit werk is eigenlijk routine? Voor de meeste orders is het antwoord: bijna alles.

Wat een AI-collega overneemt

Een AI-collega is een AI-agent die de orderverwerking zelfstandig uitvoert, van binnenkomende e-mail tot geboekte verkooporder in AFAS. De mens blijft in de loop bij uitzonderingen, maar de routine gaat vanzelf.

Concreet neemt de AI-collega deze stappen over:

• De inkomende mailbox bewaken en nieuwe orders herkennen, ook als ze als bijlage binnenkomen.
• De PDF of het bericht uitlezen: klantgegevens, artikelregels, aantallen, prijzen en gewenste leverdatum.
• De klant matchen aan de juiste debiteur in AFAS en de artikelen koppelen aan de juiste artikelcodes.
• De verkooporder opstellen en, na controle, boeken in AFAS.
• Twijfelgevallen markeren en doorzetten naar een medewerker in plaats van te gokken.

Het verschil met klassieke OCR of een vast importsjabloon is dat de AI-collega met variatie omgaat. Klanten sturen orders in verschillende formaten, met eigen artikelbenamingen en eigen indelingen. De AI-collega leest de bedoeling, niet alleen de tekst op vaste posities.

Hoe de koppeling met AFAS werkt (GetConnectors en UpdateConnectors)

AFAS biedt een nette manier om gegevens uit te wisselen via de AFAS Profit API, met GetConnectors om te lezen en UpdateConnectors om te schrijven. De AI-collega werkt precies binnen die structuur, dus er is geen omweg buiten AFAS om nodig.

Bij het lezen gebruikt de AI-collega GetConnectors om de stamgegevens op te halen die nodig zijn om een order betrouwbaar te boeken:

• De debiteurenlijst, om de klant uit de e-mail te matchen aan het juiste debiteurnummer.
• De artikelstam, om de aangeleverde artikelbenamingen te koppelen aan de juiste artikelcodes en eenheden.
• Eventuele prijsafspraken en kortingen, zodat de geboekte regels overeenkomen met wat in AFAS is afgesproken.

Bij het boeken gebruikt de AI-collega een UpdateConnector, doorgaans de connector voor verkooporders. De order wordt als nette dataset aangeboden aan AFAS: debiteur, orderregels, aantallen, prijzen en leverdatum. AFAS verwerkt dat zoals bij elke andere geautomatiseerde invoer, inclusief de eigen validaties. Wijst AFAS de boeking af, bijvoorbeeld omdat een veld ontbreekt, dan vangt de AI-collega die melding op en zet de order door naar een mens in plaats van het stilletjes te negeren.

Controle en workflow

Automatiseren betekent niet dat de controle verdwijnt. Het betekent dat de controle verschuift van overtypen naar nakijken. De AI-collega werkt binnen dezelfde AFAS-autorisaties als een medewerker en respecteert de bestaande workflow.

Je bepaalt zelf hoeveel vertrouwen je de AI-collega geeft. In het begin kun je elke order eerst laten voorstellen, zodat een medewerker met een blik akkoord geeft voordat er geboekt wordt. Naarmate het vertrouwen groeit, kun je het volledig laten boeken voor orders die aan duidelijke criteria voldoen, en alleen de twijfelgevallen laten voorleggen. Elke handeling is herleidbaar, zodat je achteraf precies ziet welke order door wie of wat is verwerkt.

Uitzonderingen en escalatie naar je team

Niet elke order is routine, en dat hoeft ook niet. De kracht zit juist in het scheiden van het eenvoudige van het lastige. De AI-collega boekt wat helder is en escaleert wat dat niet is.

Een order wordt doorgezet naar een medewerker als bijvoorbeeld de klant niet eenduidig te matchen is, een artikel niet in de stam voorkomt, een prijs sterk afwijkt van de afspraak, of de gevraagde leverdatum onrealistisch is. De medewerker ziet dan precies waar de twijfel zit en kan in een paar seconden beslissen, in plaats van de hele order na te lopen.

Zo houdt je team de regie op de gevallen die er echt toe doen, terwijl de stroom standaardorders gewoon doorloopt. Het werk wordt rustiger en de aandacht gaat naar uitzonderingen in plaats van naar invoer.

Resultaten

De resultaten van geautomatiseerde AFAS-orderverwerking zijn in de praktijk goed te voorspellen, omdat het proces zo herhaalbaar is. We zien doorgaans dit patroon:

• De doorlooptijd per order gaat van minuten naar seconden, omdat lezen, matchen en boeken niet langer handwerk zijn.
• Het aandeel orders dat als uitzondering moet worden behandeld, blijft onder de vijf procent.
• De menselijke interventie zakt naar minder dan tien procent van het volume: de rest gaat gecontroleerd vanzelf.
• De foutmarge daalt, doordat er geen overtypwerk meer is en alle boekingen tegen de actuele stamgegevens worden gecontroleerd.

Even belangrijk is het effect op de mensen. De binnendienst houdt tijd over voor klantcontact en uitzonderingen, en piekmomenten leiden niet langer tot een oplopende wachtrij.

Starten

Orderinvoer automatiseren in AFAS hoeft geen groot project te zijn. De beste manier om te beginnen is klein en concreet: een afgebakende orderstroom, een vast aantal klanten of een specifieke mailbox, met de mens nog volledig in de loop.

Wil je weten of dit bij jouw orderstroom past? Plan een Quick Scan. We kijken samen naar een paar echte orders en je AFAS-inrichting, en laten zien hoe een AI-collega die verwerking zou overnemen. Daarna kun je gericht een eerste stroom live zetten en je go-live plannen.