RoboRana, de Intelligent Process Automation-specialist, introduceerde in samenwerking met AI-speler Brainjar een sterke combinatie van artificiële intelligentie en RPA (robotic process automation) die ongestructureerde data uit orderbevestigingen interpreteert en automatisch ingeeft in het systeem van Van Marcke. De distributeur van sanitair en verwarming investeert zo in het welzijn van zijn medewerkers. De oplossing van RoboRana creëert niet alleen een enorme tijdswinst, de medewerkster die dit vroeger manueel moest doen, kan haar functie nu beter invullen, terwijl de eindklant geniet van meer transparantie en snellere communicatie rond de levering van producten.
Als grootste Belgische distributeur van oplossingen voor sanitair en centrale verwarming stromen bij Van Marcke dagelijks honderden e‑mails binnen van leveranciers met orderbevestigingen. Die informatie zit meestal in een pdf en moet vervolgens worden overgenomen in het mainframe van Van Marcke. Tot voor kort gebeurde dit volledig manueel, een bijzonder tijdrovende taak die zelfs een voltijds medewerkster niet kon bolwerken. Door de achterstand die toenam, was dringend nood aan een oplossing.
Combinatie AI en RPA
Van Marcke schakelde daarom RoboRana in, dat de distributeur reeds ondersteunde op het vlak van robotic process automation (RPA). RoboRana combineerde samen met AI-specialist Brainjar artificiële intelligentie en RPA in één oplossing. Thomas Verhoef, product owner bij Brainjar: “Onze AI-tool Klassif.ai, die het brein vormt van de oplossing, haalt eerst de tekst rechtstreeks uit de tekstlaag van de pdf. Voor gescande documenten wordt hier OCR-technologie (optical character recognition) voor gebruikt. Nadien detecteert het AI-model dat getraind is door erkende Natural Language Processing (NLP) frameworks de benodigde entiteiten zoals productnamen, aantallen en bedragen. Deze ongestructureerde gegevens worden dan omgezet in gestructureerde data, die een RPA-robot vervolgens ingeeft in het mainframe. Dit alles gebeurt volautomatisch.”
Om de ongestructureerde data te herkennen werd de AI-tool grondig getraind. “In een vroeg stadium kon de tool nog niet alle entiteiten interpreteren. Hier komt de medewerker nog manueel tussen door bijvoorbeeld de robot te tonen waar het bedrag op de pdf te vinden is of het onderscheid aan te geven tussen een facturatie- en leverdatum. Van Marcke werkt bovendien met verschillende leveranciers, waardoor de structuur van een order kan variëren van pdf tot pdf. Door te trainen wordt het systeem alsmaar slimmer en krijgt het inzicht in wat gebruikelijk is in de opmaak van orders”, vertelt Steffen De Geyter, business unit manager bij RoboRana.
Van efficiëntie tot klantenervaring
De tijds- en efficiëntiewinst door deze automatisering zijn enorm. “In de eerste maand werden bijna 7.000 pdf’s verwerkt. Als je weet dat een medewerkster normaal 1 à 2 minuten nodig heeft per document, is dit een immense besparing. Bovendien daalt ook de foutenmarge die bij het manueel verwerken kwam kijken. Zowel bij de interpretatie door Klassif.ai als de ingave in het systeem door de RPA-robot zijn fouten uit den boze. De automatisering leidt ook tot een betere klantenervaring. We krijgen nu veel sneller zicht op de levertermijnen van onze leveranciers en die kunnen we nu dus ook veel sneller en transparant delen met de klant”, vertelt Stijn Hoegaerts, IT-verantwoordelijke bij Van Marcke.
Een andere zeer belangrijke meerwaarde rust bij het personeel. Stijn Hoegaerts: “Bij Van Marcke zijn we bijzonder people-minded en stellen we het welzijn van onze medewerkers centraal. We zien automatisering dan ook als een krachtige aanvulling die hen in staat stelt om hun functie voor zichzelf optimaal in te vullen.”
Volgende stap
Van Marcke neemt na deze positieve ervaring ook andere bedrijfsprocessen onder de loep waarin RPA en AI een meerwaarde kunnen bieden. “De Klassif.ai-tool focust nu vooral op de producttitels en leveringsdata. Een volgende stap is meer focus op de prijs. Sommige producten houden we niet op stock. Door de AI-oplossing prijzen uit orders te laten achterhalen en deze up-to-date te houden in het systeem, kunnen we onze rendementen beter bepalen en tijdswinst boeken in het matchen van facturen. Zo bouwen we voort op de stappen die we nu hebben gezet”, besluit Stijn Hoegaerts
