Bij itsme komen dagelijks grote aantallen klantmails binnen op de debiteurenadministratie. Toezeggingen, kopiefactuurverzoeken, klachten, meldingen dat een factuur “allang betaald is”. Het loopt allemaal door elkaar.

Sinds itsme werkt met de automatische mailinterpretatie van CreditDevice is dat dagelijkse proces ingrijpend veranderd. We spraken met Hilde, Credit Controller bij itsme, over hoe dat er in de praktijk uitziet.

Hilde, hoe zag jullie werkdag er vóór de AI uit?

“Eerlijk gezegd was een groot deel van onze dag puur leeswerk. Mails openen, beoordelen wat het was, het juiste vinkje zetten, de bijbehorende actie loggen. Niet moeilijk, maar wel enorm tijdrovend. In piekperiodes liepen we achter de feiten aan. Dan bleven mails dagenlang liggen, terwijl een klant misschien al een toezegging had gedaan die we niet hadden vastgelegd.”

Hoe werkt het nu?

“Inkomende mails worden automatisch gelezen. Het systeem bepaalt wat voor type bericht het is en welke gegevens erin staan: datums, factuurnummers, bedragen. Die staan direct klaar als voorstel in debiteurenbeheer. In plaats van een mail vanaf nul te verwerken, bevestigen we nu een voorstel dat al is klaargezet. Dat scheelt enorm veel tijd.”

Die tijdsbesparing is inmiddels ook concreet gemeten. Binnen een Lean Green Belt-casus analyseerde itsme het mailproces van voor tot na de implementatie. Uitkomst: 32 uur per week minder handmatig mailverkeer. Tijd die nu gaat naar dossiers die dat verdienen.

Is alles wat het systeem voorstelt altijd correct?

“Nee, en daar wil ik eerlijk over zijn. Een klant die in dezelfde mail én een klacht heeft én een betaling toezegt: dan moet je soms zelf bijsturen. Heel af en toe wordt een datum verkeerd geïnterpreteerd bij vage formuleringen als ‘eind van de maand’. Maar de overgrote meerderheid van de voorstellen klopt gewoon. En de fouten die er zijn, zie je vrijwel direct: het voorstel staat naast de oorspronkelijke mail.”

Hoe was dat in het begin?

“In het begin ging er meer fout, dat klopt. Het systeem moest wennen aan ons klantenbestand, onze manier van factureren, de formuleringen die onze klanten gebruiken. Wij waren in die fase ook kritisch. Soms terecht, soms ook omdat we zelf nog moesten leren hoe we ermee om moesten gaan. Naarmate we het meer gebruikten en feedback teruggaven, werd het beter. Inmiddels is het een gigantische hulp geworden.”

Hoe heeft het team het opgepakt?

“Een deel van de groep vond het in het begin echt lastig. Mensen die al jaren op een bepaalde manier werkten, zagen de AI eerst als een soort controleur. Of ze waren bang dat ze fouten over het hoofd zouden zien als ze ‘blind’ op het systeem zouden vertrouwen.”

Wat heeft geholpen: klein beginnen. Eerst alleen voorstellen die je met één klik bevestigt, niets automatisch. Daardoor bleef het gevoel van controle bestaan. Toen ze zagen dat het systeem zelden grote missers maakte, groeide het vertrouwen vanzelf.

“Immiddels zien juist de collega’s die het in het begin spannend vonden, de waarde er het sterkst van in. Niemand wil meer terug naar handmatig alles uitpluizen.”

Wat heeft het jullie concreet opgeleverd?

“De doorlooptijd op inkomende mails is enorm gedaald, achterstanden zijn vrijwel verdwenen. Het belangrijkste: we houden tijd over voor de zaken waar menselijke aandacht en oordeelsvermogen nodig zijn. Een lastig gesprek met een grote klant, een dispuut dat aandacht verdient, een betalingsregeling die maatwerk is. Daar zit onze toegevoegde waarde. En daar hebben we nu eindelijk de ruimte voor.”

Wat zou je andere organisaties meegeven?

“Wees niet bang dat het in het begin niet meteen perfect is. Dat is het ook niet. Maar het wordt snel beter, zeker als je het team meeneemt in het proces. Begin met voorstellen die je bevestigt, bouw vertrouwen op, en geef het de tijd. De winst die je er uiteindelijk uit haalt, is groter dan je vooraf denkt.”