Minder handwerk, meer grip op de operatie; dat is AI in de maakindustrie

In het webinar over AI in de maakindustrie lieten Ruud Scheepens (business consultant manufacturing) en Erwin Berends (innovation director) zien hoe AI-agents als digitale collega’s juist dát werk kunnen overnemen. Zo kunnen vakmensen zich weer richten op waar ze onmiskenbaar waarde toevoegen: planning, kwaliteit, klantafspraken en continue verbetering. In deze blog presenteren we de meest waardevolle agents in de maakindustrie: wat ze opleveren en wat daar in de praktijk voor nodig is.

Wat is een AI-agent (en waarom is dit anders dan ‘chatten met AI’)?

Veel organisaties starten met AI via een Copilot-chatscenario: je stelt een vraag en krijgt een antwoord. Een agent gaat een stap verder. Die herkent gebeurtenissen in je proces (bijvoorbeeld: een mail met een order, een ontbrekend veld in masterdata, een leverancier die later levert) en kan dan proactief een advies geven of zelfs een actie voorbereiden of uitvoeren in je applicaties. Dit bouw je stapje voor stapje uit: support, accord, orchestrate.

• Support: je krijgt sneller informatie en antwoorden, de agent doet het zoekwerk.
• Accord: je hanteert het ‘human-in-the-loop’ principe: de agent doet een voorstel en jij accordeert (minder fouten, wel controle). Dit doe je met name in het begin, zo bouw je vertrouwen in AI op, want het leert van wat jij verbetert.
• Orchestrate: je orchestreert meerdere agents die over systemen heen samenwerken (bijv. mailbox → ERP-update → impactanalyse → notificatie).

Hoe agents werkdruk verlagen en effectiviteit verhogen

In het webinar kwamen steeds dezelfde patronen terug. Agents leveren waarde door werk weg te nemen op drie plekken:

1. Informatie verzamelen (zoeken in meerdere systemen zoals (CRM/ERP/Sharepoint/mailboxen etc.).
2. Administratieve verwerking (data invoer, controle en doorboeken).
3. Beslisondersteuning (wat is de beste keuze gezien KPI’s en risico’s).

Dat vertaalt zich in meetbare effecten:

• Minder handwerk: minder handmatige data entry, minder ‘lijstjeswerk’, minder herstelcorrecties.
• Minder fouten: Data wordt niet meer handmatig overgetypt. De agent haalt data uit de bron (ERP) en volgt vaste regels; jij keurt uitzonderingen goed.
• Hogere snelheid: events worden direct verwerkt (bijv. order of leveringsmelding), waardoor planning en supply chain eerder kunnen reageren. En minder fouten aan de voorkant betekent ook minder vertragingen en correcties verderop in de operatie. Hierdoor gaat de kwaliteit in hele operatie omhoog.
• Risico-mitigatie en compliance: actuele certificaten, juiste documenten bij shipment, minder last-minute stress en ‘shortcuts’.
• Betere beslissingen: data driven beslissen verhogen snelheid en kwaliteit van beslissing.

Dit zijn de top 3 agents voor de maakindustrie 

1. Sales order agent (orderverwerking vanuit e-mail naar ERP)

Veel handels- en toeleveringsbedrijven verwerken herhaalbestellingen via e-mail. Dat betekent: mail lezen, klant zoeken, regels overtypen, prijzen controleren en vervolgens pas kan supply chain reageren. De sales order agent leest de mailbox uit, haalt orderregels uit de mail en zet een conceptorder klaar in Dynamics - met prijzen uit je ERP. Desgewenst blijft er een controlevraag: de medewerker accordeert en zet de order definitief door.

• Opbrengst: minder arbeidsintensief ‘inklop werk’, hogere verwerkingssnelheid, minder typefouten.
• Wat is nodig: toegang tot mailbox(en), mapping naar klant/artikelen in ERP, afspraken over uitzonderingen (onbekend artikel, afwijkende prijs, ontbrekende leverdatum) en een accordeerflow voor risicovolle orders.

VEBE, producent van textiele vloeroplossingen, test samen met Fellowmind een AI-gedreven Sales Order Agent die e-mail inkomende orderaanvragen automatisch verwerkt en voorbereidt in het ERP-systeem. Medewerkers blijven verantwoordelijk voor de controle, maar repetitieve handelingen worden grotendeels overgenomen. De eerste demo’s laten zien dat AI direct tijd vrijmaakt en processen schaalbaarder kan maken. Voor VEBE betekent dit een verschuiving van inzicht naar actie: het draagt direct bij aan slimmer werken.

2. Inbound load agent (ontvangsten automatiseren bij leveranciers zonder ASN/EDI)

In veel logistieke teams kost het aanmaken van ‘ladingen’ (inbound loads) in Dynamics dagelijks uren: e-mails met pakbonnen lezen, switchen naar ERP, daar handmatig ladingen aanmaken en vervolgens handmatig alle verschillende inkooporders en -regels bij elkaar zoeken. Zeker als het leveringen zijn uit allemaal verschillende inkooporders. De inbound load agent leest pakbonnen en PDF’s uit e-mails, herkent leverancier, artikelen en aantallen, en stelt vervolgens de lading samen. Een medewerker kan het resultaat bekijken en accorderen, waarna de agent de load aanmaakt in ERP.

• Opbrengst: grote tijdwinst op logistieke administratie, minder foutgevoelig, minder correcties bij ontvangst.
• Wat is nodig: toegang tot mailbox en bijlagen, herkenningsregels voor documenten (sjablonen/velden), en toegang tot ERP om daar alle data aan te maken, zodat een medewerker deze kan accorderen.

3. Accounts Payable Responder Agent

De Accounts Payable Responder Agent automatiseert het beantwoorden van leveranciersvragen over facturen en betalingen. In veel organisaties komen continu die vragen binnen via een gedeelde mailbox, waardoor medewerkers telkens mails moeten openen, facturen in het ERP opzoeken, de status controleren en handmatig antwoorden schrijven. Dat kost tijd, vergroot de kans op fouten en veroorzaakt juist tijdens pieken, zoals maandafsluitingen, vertraging en inconsistentie.

De agent monitort de crediteuren administratie mailbox, herkent vragen over facturen of betalingen, haalt realtime informatie op uit Dynamics 365 Finance & Operations en verstuurt direct een correct, professioneel antwoord naar de leverancier. De controle blijft bij finance: bij uitzonderingen, zoals een betwiste factuur, maakt de agent een conceptmail voor het team. Zo automatiseer je standaardwerk zonder grip te verliezen op complexe situaties en houdt het team meer tijd over voor analyse, uitzonderingen en strategischer werk.

• Opbrengst: minder handmatige factuurverwerking, snellere doorlooptijd, minder fouten bij matching.
• Wat is nodig: toegang tot de gedeelde AP-mailbox, real-time koppeling met D365 F&O voor factuur- en betaalstatus, en een accordeerflow voor uitzonderingen, zoals betwiste facturen of afwijkende situaties die menselijk oordeel vragen.

Wat heb je nodig om agents succesvol in te zetten?

Een agent kun je het beste zien als een digitale medewerker. Die zet je ook niet “zomaar” in productie zonder onboarding, afspraken en toegangsrechten. Succesvolle inzet vraagt daarom om meer dan alleen technologie: het vraagt om data-afspraken, proceskeuzes en governance (inclusief ‘human-in-the-loop’ waar dat nodig is). Er zijn een aantal voorwaarden en randzaken waar je rekening mee wilt houden.

• Datakwaliteit: agents zijn zo betrouwbaar als de data die ze gebruiken. Begin bij bronnen die al beheerst zijn (ERP), en verbeter stap voor stap.
• Toegang & autorisatie: bepaal precies welke systemen en data de agent mag lezen/schrijven - en welke rollen dat mogen aansturen.
• Procesregels: definieer uitzonderingen. Wanneer moet een mens beslissen, bijvoorbeeld? En grenswaarden, zoals een orderbedrag.
• Human-in-the-loop: laat de agent voorstellen doen en laat accorderen waar risico of impact hoog is.
• Monitoring & onderhoud: net als een medewerker vraagt een agent om bijsturen. Houd logs bij, plan evaluatiemomenten en doe gecontroleerde updates van regels en instructies (“prompts”).
• Security & compliance: Geef geen “toegang tot de hele wereld”, maar gecontroleerde bronnen.

Een pragmatische aanpak: denk groot, begin klein, schaal snel

Veel organisaties twijfelen: waar begin je, hoe voorkom je mislukkingen en hoe hou je controle? Ruud en Erwin stellen duidelijk: “Zoek een quick win. Pak een concrete businesscase vanuit een direct herkenbare procespijn”. In het webinar deelden zij een aanpak in vier fases die helpt om risico te beperken en toch tempo te maken:

1. Voorbereiden: organiseer een korte vision workshop en prioriteer 3–5 use-cases op impact versus inspanning. Zorg ook voor een duidelijke business case waar je de agent voor wilt inzetten.
2. Ontwikkelen: start met een afgebakende agent (bijv. order entry of inbound loads), met duidelijke regels en een accordeerstap.
3. In gebruik nemen: testen met echte gebruikers, finetunen op uitzonderingen, en pas dan breder uitrollen.
4. Schalen: koppel agents aan elkaar (orkestratie) en breid stap voor stap uit naar nieuwe processen.

De hybride samenwerking is al hier

AI-agents worden in rap tempo een vast onderdeel van de organisaties zoals die straks samenwerken. Namelijk op een hybride manier; menselijke collega’s met digitale collega’s. Juist in de maakindustrie ligt de winst vaak niet in één groot AI-project, maar in een reeks gerichte agents die repetitief werk wegneemt, fouten reduceert en beslissingen versnelt. Altijd met de juiste governance en controle.