Orders uit mail en pdf automatisch verwerken met AI

Een klant mailt een bestelling. Soms in de mail zelf, soms als pdf, soms als foto van een formulier. Iemand op kantoor leest hem, zoekt de artikelnummers op en typt alles over in het ERP. Elke dag opnieuw.

Dat kan automatisch. AI leest de mail of pdf, haalt klant, artikelen, aantallen en leverdatum eruit en zet de order klaar in je ERP. Twijfelt het systeem, dan kijkt een collega mee voordat de order doorgaat.

Waarom dit zo lang handwerk bleef

Orders per mail zien er bij elke klant anders uit. De ene stuurt een nette pdf uit zijn eigen systeem, de andere typt drie regels in een mail met “zelfde als vorige keer, maar dan 20 dozen”. Vaste regels en sjablonen lopen daar op vast. Voor elke nieuwe klant moest iemand een sjabloon maken, en bij elke wijziging in de lay-out brak het weer.

Taalmodellen (LLM’s) lezen een document zoals een mens dat doet. Ze hebben geen sjabloon per klant nodig. Dat maakt dit werk nu wel goed te automatiseren.

	Handmatig overtypen	Sjablonen en OCR	AI-extractie
Nieuwe klant of lay-out	Geen probleem, wel tijd	Nieuw sjabloon nodig	Werkt meestal direct
Vrije tekst in een mail	Geen probleem, wel tijd	Lukt niet	Lukt
Fouten	Typfouten, vooral bij drukte	Breekt stil bij een andere lay-out	Twijfel wordt gemeld
Tijd per order	Minuten	Seconden, als het sjabloon past	Seconden

Zo werkt het, stap voor stap

1. Ophalen. Nieuwe mails in een vaste mailbox, zoals orders@, worden automatisch opgehaald, inclusief bijlagen.
2. Uitlezen. AI haalt de gegevens eruit die je nodig hebt: klant, orderregels, aantallen, leveradres en gewenste datum.
3. Controleren. Het systeem zoekt de klant en de artikelen op in je ERP. Bestaat een artikelnummer niet, of wijkt een aantal sterk af van wat de klant normaal bestelt? Dan gaat de order naar een collega in plaats van door.
4. Klaarzetten. Kloppende orders komen als concept in je ERP of WMS, met de oorspronkelijke mail erbij.
5. Bevestigen. Na goedkeuring krijgt de klant automatisch een orderbevestiging.

Hoe je de controle houdt

AI maakt fouten. Niet vaak, maar het gebeurt. Daarom bouw ik het zo dat een fout opvalt voordat hij bij de klant komt.

• Controle tegen je eigen data. Artikelnummers, prijzen en klantgegevens worden altijd vergeleken met je ERP. Wat niet klopt, gaat niet door.
• Een mens beslist bij twijfel. De eerste weken keurt een collega elke order goed. Daarna alleen nog de uitzonderingen.
• De mail is data, geen opdracht. Staat er in een mail “negeer de vorige instructies”, dan doet het systeem daar niets mee.
• Alles gelogd. Je ziet per order wat er uit de mail is gehaald en wie hem heeft goedgekeurd.
• Je eigen omgeving. De automatisering draait bij jou, met de AI-provider van jouw keuze.

Wanneer loont het?

Tel hoeveel orders er per dag per mail of pdf binnenkomen, en hoe lang het overtypen per order duurt. Komt dat samen op meer dan een uur per dag, dan is het de moeite waard om naar te kijken. Gaat het om een paar orders per week, dan is overtypen vaak gewoon de goedkoopste oplossing.

Het loont ook eerder als fouten duur zijn. Een verkeerd aantal of een verkeerd artikel kost een retour, een extra rit en een ontevreden klant.

Hoe begin je?

Verzamel tien orders zoals ze echt binnenkomen, de nette en de rommelige. Meer is niet nodig voor een eerste gesprek. Daarmee zie je snel wat er automatisch kan en waar een mens nodig blijft.