De groothandel draait op stromen: goederen, orders, facturen en informatie die tussen leveranciers en afnemers heen en weer bewegen. Een groot deel van de kantooruren gaat naar werk dat zich herhaalt binnen die stroom — orders invoeren en controleren, voorraad afstemmen tegen inkoop en verkoop, prijsafspraken bijhouden, facturen matchen met pakbonnen, klantvragen over levertijden en beschikbaarheid beantwoorden. Ernaast staat werk dat minder herhaalt: onderhandelen met leveranciers, een assortiment samenstellen, een klant met een lastige situatie te woord staan, beslissen wat er gebeurt als een levering vastloopt.
Die twee soorten werk sturen een andere uitkomst als een ambitie AI-werk veronderstelt. Herhalend werk met vaste regels laat zich makkelijker overnemen dan werk waarin iemand steeds opnieuw afweegt wat in deze situatie klopt. De omstandigheden die de uitkomst sturen zijn niet alleen de aard van het werk, maar ook hoe schoon en gestructureerd de onderliggende data is — een orderregel die in vijf systemen anders wordt genoteerd, is voor een systeem moeilijker te lezen dan voor een mens die de context kent.
Bij een deel van de groothandelsbedrijven wordt vandaag al werk overgenomen: ordercontrole tegen inkoopvoorwaarden, het samenvatten van leveranciersmail tot een actie, het vullen van een voorraadprognose op basis van historische patronen. Bij een ander deel van de bedrijven ligt exact hetzelfde werk nog volledig bij mensen. Het verschil zit zelden in de wil om te veranderen. Het zit in of de data op orde is, of er iemand is die de uitkomst van een systeem mag goedkeuren of afkeuren met reden, en of de organisatie heeft vastgelegd wie waarover beslist als het misgaat.
Drie categorieën lopen door bijna elk proces in de groothandel. Er is werk dat een systeem zonder tussenkomst kan overnemen, zoals het overzetten van een orderregel in het juiste format. Er is werk waarbij AI een voorstel doet en een mens dat voorstel beoordeelt — een creditnota die wordt voorgesteld, maar door een medewerker wordt goedgekeurd of teruggestuurd met reden. En er is werk dat mensenwerk blijft, zoals het gesprek met een leverancier die zijn levertijd niet haalt. Welke taak in welke categorie valt, verschilt per bedrijf en per systeem, en verandert mee zodra data of proces verandert.
Een ambitie als "onze klantenservice werkt straks grotendeels geautomatiseerd" veronderstelt dat het bedrijf klantvragen kan categoriseren, dat de kennis achter een antwoord ergens gestructureerd staat, en dat er een afspraak is over wanneer een vraag naar een mens gaat. Zonder die drie is de ambitie een zin, geen plan. Datzelfde geldt voor een ambitie rond voorraadsturing: die vraagt dat inkoop-, verkoop- en logistieke data op elkaar aansluiten, en dat iemand bevoegd is om een door AI voorgestelde besteladvies te corrigeren.
De ambitietoets legt zulke ambities vast in vier lagen — visie, vision state, target, target state — en toetst ze op acht dimensies van gereedheid, met vijf confidence gates die aangeven waar het plan nog op vertrouwen rust in plaats van op bewijs. Diezelfde toets vertaalt de uitkomst terug naar capabilities: welke rol moet iets kunnen, en wie krijgt het besluitrecht als een systeem een uitkomst aandraagt. Voor groothandelsbedrijven die ook nadenken over hoeveel van de winst opgaat aan het vasthouden van marktaandeel, is het de moeite waard om te lezen hoe u groei tegen marge afweegt in een strategie, omdat een AI-ambitie zonder die afweging al snel een aanname wordt in plaats van een keuze.
De groothandel deelt veel met de logistieke schakels erna en ervoor. Wie de vergelijking wil maken met een sector waar het fysieke goederenwerk nog dichter bij het proces zit, vindt dat in welke AI-ambities er spelen in de transportsector, en wie wil zien hoe eenzelfde ambitie zich vertaalt in een productieomgeving, leest welke AI-ambities er spelen in de maakindustrie. Het patroon herhaalt zich: dezelfde ambitiewoorden, andere gereedheid, andere uitkomst.
Waar het bij personeel raakt — welke functies veranderen als werk verschuift — gelden daarvoor eigen wettelijke vereisten die buiten deze toets vallen. Wat de ambitietoets wel doet, is helder maken welke capaciteit vrijkomt als bepaald werk verschuift, in uren en fte, zodat een directieteam weet waar het over spreekt voordat het over mensen spreekt.
De onderliggende vraag — welk werk in dit bedrijf werkelijk door AI is over te nemen — wordt met de werkscan van FTE TO AI per taak beantwoord, in plaats van per functie of per aanname. Voor een directieteam dat eerst wil weten of de eigen visie meetbaar genoeg is om daarop te toetsen, is er hoe u een visie meetbaar maakt.
Wie wil weten waar de eigen organisatie staat, kan de gratis gereedheidscheck doen: acht korte vragen, één per dimensie, met als resultaat een beeld van waar u het verst en waar u het minst ver bent. De volledige ambitietoets, met de vier lagen en de vijf confidence gates, is in aanbouw.
Vertel wat u wilt bereiken, dan kijken we samen wat daarvoor moet staan.
Antwoorden komen uit de kennisbank van deze site. Geen advies op maat, en geen scan van uw bedrijf.