AI use case Alpine Hearing Protection
Van 30 AI-ideeën naar één concreet implementatieplan: AI use case Alpine Hearing Protection
Iedereen heeft ideeën over wat AI kan betekenen, maar welke ideeën leveren echt iets op? En waar begin je? Bij Alpine Hearing Protection waren de mogelijkheden van AI niet onbekend. Binnen het finance team werd al met Claude gewerkt en er waren volop ideeën om processen slimmer in te richten. Maar hoe maak je de stap van individueel experimenteren met AI naar een gezamenlijke, gestructureerde aanpak waarbij je als team de juiste prioriteiten stelt en AI écht waarde toevoegt aan je organisatie?
Samen met Data Kingdom ging Alpine daarom op zoek naar de grootste kansen. Het resultaat? In één interactieve AI Scan van circa 30 ideeën naar 15 concrete use cases, twee prioriteiten en één uitgewerkte toepassing. Inclusief een implementatie roadmap voor ongeveer 90 dagen.
Van AI-inspiratie naar concrete kansen
Hoe zorg je ervoor dat medewerkers verder kijken dan ChatGPT of Claude gebruiken om een vraag te stellen?
Data Kingdom liet het finance team zien hoe generatieve AI, skills en AI-agents ingezet kunnen worden in dagelijkse bedrijfsprocessen. Niet met abstracte toekomstbeelden, maar met herkenbare voorbeelden uit de praktijk. Denk aan forecasting, maandafsluitingen, Excel-processen en financiële rapportages. Tijdens live demo’s zagen de deelnemers bijvoorbeeld hoe een terugkerende maandrapportage met behulp van AI-skills grotendeels geautomatiseerd kan worden, en welke verschillende Claude modellen waarvoor het beste kunnen worden ingezet.
Werk dat iedere maand opnieuw moet gebeuren, kan AI volgens een vaste werkwijze uitvoeren.
Albert Heijn stond voor een uitdaging: het reduceren van inkoop gerelateerde prijsverschillen tussen interne administratie en leveranciers. Het aantal en de waarde van deze verschillen namen toe, wat leidde tot extra werk, margeverlies & ontevredenheid bij leveranciers en medewerkers. Inzicht in en bewustzijn van de financiële impact ontbraken waardoor realtime sturing onmogelijk was.
Daarnaast was er behoefte aan een meer gestructureerde aanpak voor het signaleren en opvolgen van prijsverschillen. De bestaande werkwijze – losse Excel-bestanden die werden rondgemaild – bood onvoldoende inzicht en was onvoldoende ‘actionable’. Albert Heijn zocht een oplossing die niet alleen operationele awareness creëerde, maar ook concrete inzichten bood om processen te verbeteren en acties te ondernemen.
30 ideeën op tafel, maar welke verdienen prioriteit?
Met die nieuwe inzichten ging het team van Alpine zelf aan de slag. Iedere deelnemer bracht werkzaamheden en processen in kaart die sneller, slimmer of deels geautomatiseerd konden worden. Dat leverde ongeveer 30 ideeën op, zoals terugkerende administratieve handelingen tot processen waarbij medewerkers telkens dezelfde gegevens moeten controleren of verwerken, maar niet ieder AI-idee is automatisch een goed AI-project.
Daarom werden de ideeën gezamenlijk besproken, geclusterd en beoordeeld op impact en moeite.
- Impact: hoeveel waarde levert het verbeteren van dit proces op?
- Moeite: hoeveel tijd en inspanning kost het huidige proces?
Door de ideeën in een prioriteringsmatrix te plaatsen, werd duidelijk welke kansen verder onderzocht moesten worden. De lange lijst werd teruggebracht tot 15 concrete use cases.
Twee processen sprongen eruit:
- Inkoopfacturen automatiseren
- Accruals vormen
Beide processen bevatten veel handmatige, repeterende werkzaamheden en boden daardoor interessante mogelijkheden voor automatisering. Voor beide toepassingen werd gekeken naar het huidige proces, de beschikbare systemen en data, het gewenste resultaat en mogelijke risico’s. Zo bleef het niet bij inspirerende ideeën, maar ontstond een onderbouwde keuze voor waar Alpine het beste kon beginnen.
Van handmatig facturen verwerken naar AI die het voorbereidende werk doet
Uiteindelijk koos Alpine voor het automatiseren van de verwerking van inkoopfacturen en juist deze use case laat zien hoe concreet AI kan worden. In de bestaande situatie werden facturen vanuit een mailbox handmatig doorgestuurd naar een scan- en herkenningssysteem voor inkoopfacturen. Vervolgens moesten gegevens zoals de grootboekrekening, btw, het bedrag, de valuta en de datum worden ingevuld of gecontroleerd. Daar kwamen ook nog leverancier specifieke regels en uitzonderingen bij. Allemaal handelingen die aandacht en tijd vragen.
Dat werd het uitgangspunt van de gekozen oplossing. In het voorgestelde toekomstige proces kunnen AI-agents:
- Binnenkomende facturen uitlezen en relevante gegevens herkennen.
- Gegevens vergelijken met het grootboekschema en leveranciersregels.
- De juiste boeking voorbereiden en een voorstel doen.
- Het proces ondersteunen richting verwerking in het boekhoudsysteem.
De medewerker blijft verantwoordelijk voor de controle en goedkeuring. Zo wordt AI geen vervanging van het finance team, maar een manier om repetitief werk te verminderen en tijd vrij te maken voor werkzaamheden die meer waarde toevoegen. Wat begon als het algemene idee ‘iets met AI en facturen’ werd een concreet automatiseringsvoorstel.
Twee weken later lag er een plan om verder te kunnen
Een inspirerende workshop is leuk. Maar wat gebeurt er daarna? Bij Alpine bleef het niet bij een lijst met ideeën op een whiteboard. Binnen twee weken werkte Data Kingdom de uitkomsten van de AI Scan uit tot een concreet adviesrapport. Daarin stonden onder andere:
- Een managementsamenvatting met de belangrijkste inzichten.
- Een overzicht van de 15 geprioriteerde use cases.
- Een verdieping van de meest kansrijke toepassingen.
- Een oplossingsrichting voor de automatisering van inkoopfacturen.
- De verwachte waarde en benodigde techniek.
- De relevante systemen, databronnen en koppelingen.
- Een concrete implementatie roadmap van ongeveer 90 dagen.
Het verschil? Alpine hoefde niet meer zelf uit te zoeken waar te beginnen. De eerste stap was helder en de route ernaartoe lag op tafel.
Eén AI-oplossing. Meer mogelijkheden voor de toekomst.
Tijdens de uitwerking kwam nog een interessant inzicht naar voren. De technische basis voor het automatiseren van inkoopfacturen kan ook waardevol zijn voor andere processen. Denk bijvoorbeeld aan de koppeling met het boekhoudsysteem. Die kan in de toekomst opnieuw worden gebruikt voor andere finance-toepassingen, zoals het vormen van accruals.
Dat betekent dat Alpine niet voor iedere nieuwe AI-toepassing helemaal opnieuw hoeft te beginnen. Eén goed gekozen use case kan dus de basis vormen voor veel meer automatisering. En precies daarin zit het verschil tussen losse AI-experimenten en een aanpak waarmee je structureel waarde kunt creëren.
Het resultaat: van ideeën verzamelen naar weten wat je moet doen
In één interactieve AI Scan ging Alpine Hearing Protection van een breed scala aan mogelijkheden naar een duidelijke richting.
30 AI-ideeën → 15 concrete use cases → 2 prioriteiten → 1 uitgewerkte oplossing → een roadmap van circa 90 dagen.
Maar de grootste winst zit niet alleen in die aantallen. Alpine heeft nu:
- Focus: duidelijkheid over welke AI-toepassingen de meeste potentie hebben.
- Inzicht: een concreet beeld van wat automatisering kan betekenen voor bestaande processen.
- Een plan: zicht op de benodigde stappen, systemen en koppelingen.
- Een schaalbare basis: mogelijkheden om toekomstige AI-toepassingen op dezelfde technische basis te ontwikkelen.
- Regie: de vrijheid om de implementatie zelf op te pakken of samen met Data Kingdom verder te gaan.
Geen eindeloze brainstorm of verzameling losse experimenten, maar een concreet vertrekpunt om AI binnen de organisatie effectief in te zetten.
Hoeveel AI-kansen laat jouw organisatie nog liggen?
Misschien herken je het wel. Medewerkers experimenteren met AI, proberen verschillende tools uit en ontdekken ieder voor zich nieuwe mogelijkheden. Maar iedereen doet dit op zijn eigen manier, zonder duidelijke gezamenlijke richting. Zonder een gezamenlijke aanpak blijven AI-initiatieven vaak beperkt tot losse experimenten. Terwijl de grootste kansen juist ontstaan wanneer je als organisatie samen bepaalt waar je AI voor wilt inzetten en hoe je dit aanpakt
Met de AI Scan van Data Kingdom brengen we deze losse initiatieven samen. We ontdekken waar AI de meeste waarde kan toevoegen, bepalen gezamenlijk welke toepassingen prioriteit verdienen en vertalen dit naar een concreet plan met duidelijke vervolgstappen. Zo gaat niet iedereen afzonderlijk aan de slag met AI, maar werk je als organisatie vanuit één gezamenlijke richting aan toepassingen die écht waarde toevoegen.
Klaar om van losse AI-experimenten naar één gezamenlijk AI-plan te gaan?