Hoe Woodvision zijn order intake slimmer maakte met agentic AI

200 orders per dag, negen stappen per stuk 

Woodvision is een Nederlandse groothandel in tuinhout en zodra het voorjaar begint, loopt hun orderafdeling op volle toeren. Op de drukste dagen stromen er tot maar liefst 200 orders per dag binnen. En die 200 bestellingen kwamen op verschillende manieren binnen: per mail met een pdf, via WhatsApp, telefonisch of via de buitendienstmedewerker. 

Elke order doorliep gemiddeld zo’n negen stappen voordat deze in het ERP-systeem stond. Dat kostte een medewerker zo'n vier minuten per keer en bij gemiddeld vier orderregels was dat heel erg veel inklopwerk. Weinig variatie, weinig uitdaging en genoeg ruimte voor fouten. Een fout in een order betekende direct een retourvracht: duur, tijdrovend en heel goed te voorkomen. 

Het portaal loste het niet op 

Woodvision had al geïnvesteerd in een dealerportaal, zodat klanten zelf orders konden plaatsen. De ambitie was om meer dan 80% van de bestellingen digitaal binnen te laten komen. Spoiler alert: dat lukte niet. Veel klanten bleven liever werken zoals ze dat gewend waren, met hun eigen systemen en gewoontes. En sommigen hadden simpelweg niet de IT-kennis of het budget om anders te gaan werken.  

Dat percentage verder omhoogtrekken bleek een doodlopende weg. De bottleneck lag niet bij het portaal, maar bij de enorme diversiteit in hoe klanten wilden communiceren. De oplossing moest aan de kant van Woodvision komen, niet aan de kant van hun klanten. Dus de zoektocht naar een betere oplossing ging verder. 

Waarom klassieke IDP hier geen optie was 

Traditionele Intelligent Document Processing, afgekort IDP, werkt op basis van mappings. Voor elk documenttype van elke klant bouw je een template die het systeem vertelt waar de relevante informatie staat. Heb je honderden klanten met elk hun eigen opmaak? Dan heeft je developmentteam honderden mappings te onderhouden. En op het moment dat een klant zijn format aanpast zonder dat te melden (en dat doen ze), gaat de mapping stuk en ligt het proces stil. 

Daar komt nog iets bij: klanten communiceren niet altijd in de taal van het systeem. Ze sturen omschrijvingen mee die niet exact overeenkomen met de artikelnummers in het assortiment. "Gene balk 4 m" begrijpt een ervaren backoffice-medewerker direct, maar een traditioneel IDP-systeem heeft er geen antwoord op. Die menselijke kennis valt nu eenmaal niet zomaar in een mapping te vatten. Deze aanpak ging ‘t dus zeker niet worden. 

Interpreteren in plaats van mappen 

Samen met Incentro koos Woodvision voor een andere oplossing: een Order Intake Agent die inkomende mails met bijlagen automatisch uitleest, ongeacht het formaat of de structuur van het document. Er is geen mapping per klant nodig, omdat de agent informatie begrijpt en interpreteert - in plaats van het te vergelijken met een vooraf ingesteld patroon. 

Technisch gezien ziet de keten er zo uit:  

• Een mail met bijlage komt binnen 
• De agent haalt de pdf op en zet die via Amazon Textract om naar leesbare, gestructureerde data 
• Een LLM analyseert vervolgens welke informatie er relevant is: productnummers, hoeveelheden en leverdata 
• Via een directe match op productnummer of via semantisch zoeken wordt het gevraagde artikel gekoppeld aan het assortiment van Woodvision 
• Order staat klaar voor review of gaat direct door naar SAP 

 Velden waar de agent minder zeker over is, worden op de reviewpagina visueel gemarkeerd. Zo weet de medewerker precies waar aandacht nodig is en kan de rest worden overgeslagen. Geen negen stappen meer, maar drie. 

Minder dan een minuut per order 

De verwerkingstijd per order daalde van ongeveer vier minuten per stuk naar minder dan een minuut. Het aantal foute orders nam met ongeveer 35% af, wat betekent: minder retourritten, minder verspilling en minder frustratie aan beide kanten. Voor vaste klanten van wie de bestellingen structureel foutloos binnenkomen, is de reviewstap inmiddels al optioneel. 

Antoine de Kleine, e-commerce manager bij Woodvision, is duidelijk over wat hem het meest verrast: "Het enige wat we doen als een order niet goed verwerkt wordt, is dat melden bij Incentro. Zij passen het prompt aan en de eerstvolgende keer gaat het goed. Ik hoef aan mijn kant heel weinig aan te passen." Weinig beheer en meer schaalbaarheid: project geslaagd.  

What’s next? 

De volgende stap in dit project is het uitbreiden van de agent naar mailberichten zonder bijlage: gewoon bestellingen die klanten in de tekst van een mail typen. Daarnaast wil Woodvision de agent leren rekenen met houtspecifieke eenheden. Als een klant bijvoorbeeld 21 meter balk bestelt in stukken van 3 meter, moet de agent zelf kunnen uitrekenen dat het dan dus om zeven stuks gaat. 

Ook wordt onderzocht of gesaneerde artikelen automatisch een vervangend product krijgen voorgesteld, zodat een medewerker niet meer handmatig hoeft te zoeken. De agent wordt slimmer naarmate hij meer orders verwerkt en Woodvision groeit gewoon mee.