Stel u runt een onderhoudsbedrijf, of u beheert een vloot zware machines. Een externe werkplaats stuurt een servicebon. Wat gebeurt er meestal? Iemand opent de PDF, leest hem door, en typt de gegevens over in een spreadsheet of administratiesysteem. Datum, machine, urenstand, onderdelen, kosten. Vijf tot tien minuten per bon, soms langer als het slordig geschreven is.
Doe dat tien keer per dag, vijf dagen per week, en u bent aan een halve werkweek per maand kwijt aan iets wat geen waarde toevoegt. Sterker nog, het levert vooral risico op: getallen die verkeerd worden overgenomen, machinenummers die niet matchen, urenstanden die in de verkeerde kolom belanden.
Wat AI-document processing concreet doet
De huidige generatie AI-modellen kan een PDF, foto of scan van een servicebon lezen en daar de relevante velden uit extraheren. Niet alleen leesbare tekst, ook handgeschreven notities, en velden uit lay-outs die elke leverancier weer anders maakt. Het model herkent: dit is de datum, dit is de machine waaraan gewerkt is, dit zijn de onderdelen, dit zijn de uren.
Belangrijk: de AI doet niets zelfstandig. Wat er gebeurt is dat een mens de bon nog steeds te zien krijgt, maar nu met alle velden vooraf ingevuld. De medewerker controleert (klopt het, klopt de machine, klopt de prijs), past aan waar nodig, en bevestigt. Werk dat tien minuten kostte, kost nu hooguit twee.
De winst zit niet alleen in tijd
De tijdwinst is mooi, maar het echte verschil zit ergens anders. Doordat alle bonnen consistent en compleet in het systeem belanden, ontstaat er voor het eerst een doorzoekbaar dossier per machine. U ziet niet alleen wat een machine vorige maand kostte, u ziet de volledige historie. U kunt vergelijken, u kunt benchmarken, u kunt voorspellen.
Voorbeelden uit de praktijk: een vloot van twintig vergelijkbare machines, en plotseling valt op dat één machine structureel 30% duurder is in onderhoud dan de rest. Dat zag niemand toen alle data in losse facturen of in iemands geheugen zat. Of: u kunt voor elke machine de kosten per draai-uur uitrekenen, wat invoer geeft voor een nieuwe verkoop- of inkoopbeslissing.
Wat draait er onder de motorkap
De technologie is volwassen genoeg om in productie in te zetten. In de oplossingen die ik bouw gebruik ik de Claude-API: voor leesbare tekst is een licht model voldoende (snel en goedkoop), voor scans en foto's met handschrift gebruik ik een zwaarder model dat beelden kan interpreteren. Inkomende documenten worden in een wachtrij gezet, automatisch verwerkt en als concept-registratie aangeboden voor goedkeuring.
Belangrijke randvoorwaarde: de data hoeft de organisatie niet te verlaten. De AI-omgeving kan op uw eigen infrastructuur draaien, of in een omgeving waar u de regie over heeft. Wat naar het AI-model gaat is alleen de bon zelf, niets meer dan dat.
Niet de AI is het wonder
Het misverstand dat ik vaak hoor is dat de AI de oplossing is. Dat is niet zo. De AI doet één klein deel van de keten, namelijk lezen en velden voorstellen. Wat het verschil maakt is dat alle data daardoor compleet, gestructureerd en doorzoekbaar wordt. Dat is wat onderhoud van zwaar materieel werkelijk professionaliseert: niet meer reageren als iets stuk gaat, maar plannen en sturen op basis van wat het systeem laat zien.