AI-implementatie bij een dakwerkbedrijf

In het kort

Een bedrijf dat actief is in platte en hellende daken vroeg mij om AI-ondersteuning te bouwen voor drie terugkerende stappen in het calculatie- en verkoopproces. De oplossing helpt het team om binnenkomende aanvragen te beoordelen, offertes vóór verzending te controleren en gedetailleerde prijsaanvragen voor leveranciers op te stellen. De oplossing is opgebouwd rond de eigen regels, documenten en terminologie van het bedrijf.

De uitdaging

De calculatiedienst ontvangt voortdurend documenten om te beoordelen, waaronder lastenboeken, meetstaten, offertes en e-mails van leveranciers. Drie momenten in dat proces namen bijzonder veel tijd in beslag en lieten ruimte voor fouten: bepalen of een prijsvraag de moeite waard was om te behandelen, controleren of een offerte volledig was voordat ze werd verstuurd en prijsaanvragen voor leveranciers opstellen, post per post.

De aanpak

Het traject begon met een dag ter plaatse en niet met een vooraf uitgeschreven projectplan. Samen met het interne team bekeken we tientallen mogelijke toepassingen en deelden we die op in drie groepen: wat meteen gebouwd kon worden, wat een koppeling met andere systemen vereiste en wat buiten de scope van een kort traject viel. Vervolgens selecteerden we drie concrete cases uit de eerste groep.

De oplossing werd opgebouwd met de eigen documenten van het bedrijf, waaronder dossiers, historische e-mails, offertes en referentielijsten. We gebruikten daarvoor geen generieke voorbeelden. Deze informatie hielp om de oplossing tijdens het project verder te verfijnen, onder meer om ook een minder vaak voorkomend type dossier te ondersteunen dat pas later in beeld kwam.

We testten de oplossing met een brede reeks dossiers van het bedrijf waarvan de uitkomst al bekend was. Zo konden we elk resultaat vergelijken met een echte menselijke beslissing en nagaan of de gedefinieerde regels correct werden toegepast.

Het resultaat

In slechts drie werkdagen werd een werkende oplossing opgeleverd.

De drie geselecteerde use-cases werden omgezet in praktische toepassingen die het team kan gebruiken zonder een specifieke opdracht te moeten kennen of een technische prompt te moeten formuleren. Elk resultaat blijft herleidbaar tot de bron, met duidelijke documentatie over wat al is aangetoond en wat nog niet is bewezen.

De regels en kennis die de drie toepassingen gebruiken, worden één keer vastgelegd en gedeeld over de drie toepassingen heen. Zo vermijden we dat dezelfde bedrijfslogica op verschillende plaatsen opnieuw wordt opgebouwd en na verloop van tijd uiteen gaat lopen.

Deze eerste opdracht legde ook de basis voor de volgende fase. Dezelfde aanpak, bedrijfsregels en technische fundamenten kunnen opnieuw worden gebruikt terwijl ik verdere AI-use-cases voor het bedrijf ontwikkel.

Wat dit illustreert

Deze opdracht illustreert een bepaalde manier van werken. We vertrekken vanuit het echte werk en niet vanuit de technologie. We bouwen voort op de eigen documenten en processen van de klant en niet op generieke voorbeelden. We testen de oplossing aan de hand van beslissingen waarvan de uitkomst al bekend is en maken duidelijk wat die tests werkelijk aantonen.

Ook de scope bleef bewust beperkt. Daardoor konden we binnen de opdracht iets bruikbaars opleveren en tegelijk een duidelijke basis leggen voor een volgende fase, in plaats van alles in één keer te willen bouwen.