Facturen en documenten verwerken
Binnenkomende facturen, bestelbonnen en contracten worden uitgelezen en in de juiste velden van je boekhouding of dossier gezet. Een medewerker kijkt enkel de twijfelgevallen na.
AI-workflows
Minder knip-en-plakwerk rond je platform.
AI-automatisering voor repetitieve taken rond je bestaande platform. Met logging, en je team houdt de controle.
AI is waardevol als het digitaal handwerk overneemt dat mensen elke week herhalen. Niet omdat het goed klinkt in een presentatie.
We beginnen met één proces en gaan alleen verder als dat tijd bespaart of de kwaliteit verbetert.
Wat is AI-automatisering?
AI-automatisering betekent bij ons: één repetitieve taak rond een bestaand systeem laten overnemen, zoals mailboxen, formulieren, documenten, spreadsheets of rapportering. Zenjoy werkt voor kmo's en organisaties in België en begint met een afgebakende pilot, met menselijke controle, logging en een meetbaar resultaat. Geen autonome black box, grote transformatiebelofte of een chatbot waar niemand verantwoordelijk voor is.
Wanneer AI-automatisering tijd bespaart, en wanneer niet
We typen formulieren over in het systeem.
AI zet de inhoud van documenten zelfstandig om in gestructureerde velden. Een medewerker controleert alleen de twijfelgevallen.
De inbox slorpt onze dag op.
AI klasseert berichten, stelt een antwoord voor en koppelt het juiste dossier. Een medewerker verstuurt het antwoord.
Rapporten maken is knippen en plakken.
AI maakt een eerste versie op basis van jullie ruwe data. Een medewerker controleert en publiceert. Zo wordt rapporteren betrouwbaar en herhaalbaar.
We willen AI, maar geen black box.
Begin dan bij één workflow, niet bij de keuze van een model.
Elke taak lijkt klein, maar samen houden ze mensen weg van vlotte opvolging, grondig onderzoek en goede dienstverlening.
Eén workflow met menselijke controle. Pas daarna schalen we op.
Het verschil tussen los een chattool gebruiken en AI in je werkproces inbouwen:
| Losse chat | Gekoppelde workflow | |
|---|---|---|
| Waar het werk gebeurt | De gebruiker brengt informatie en resultaat handmatig over | Gegevens en acties zijn gekoppeld aan het werkproces |
| Welke gegevens AI ziet | Afhankelijk van de gekozen tool, bronnen en instellingen | Afgesproken databronnen, rechten en controlepunten |
| Wie fouten opvangt | De gebruiker controleert het antwoord vóór gebruik | Validatie, menselijke controle en logging in het proces |
| Wat je daarna beheert | Beheer van accounts, bronnen en gebruiksafspraken | Beheer van koppelingen, modelgedrag en product; ook mogelijk met Copilot Studio |
Goede eerste workflows
- Mailbox automatisch triëren voor ledenwerking of klantenondersteuning
- Ongestructureerde informatie uit documenten overnemen in de juiste velden
- Gegevens structureren voor rapportering en analyse
- Patronen en fouten opsporen in grote datastromen en verbeteringen voorstellen
Wat we niet doen
- Autonome klinische diagnose, triage of welzijnsbeslissingen
- “AI vervangt je team”
- Generieke chatbot zonder kennisbasis of verantwoordelijke
- Een proef zonder plan voor invoering en onderhoud
Een workflow werkt pas goed als ze deel uitmaakt van een platform dat we kunnen bouwen en onderhouden. Daarin verschillen we van een zuivere AI-specialist. Webplatformen · Ethic voor beleid en governance.
Welke bedrijfsprocessen automatiseren we met AI?
De grootste tijdswinst zit in het werk dat elke week terugkomt en dat niemand graag doet. Dit zijn de bedrijfsprocessen waarrond we AI-automatisering het vaakst opzetten.
De mailbox triëren en beantwoorden
Berichten worden geklasseerd, aan het juiste dossier gekoppeld en voorzien van een voorstel van antwoord. Wie het dossier opvolgt, verstuurt.
Gegevens uit formulieren halen
Wat mensen op papier of in een webformulier invullen, komt gestructureerd in je systeem terecht, zonder overtypen.
Rapportering voorbereiden
Cijfers uit verschillende bronnen worden samengebracht tot een eerste versie van je rapport of dashboard. Jij controleert en publiceert.
Chatbots met bronvermelding
Een assistent die antwoordt op basis van je eigen handleidingen en dossiers, en telkens toont waar het antwoord vandaan komt.
Staat je eigen proces er niet tussen? De vraag is niet uit welk vakgebied de taak komt, maar of ze vaak genoeg terugkeert, duidelijke regels volgt en controleerbaar blijft. Dat bekijken we in een korte audit van je werkproces, waarna we kiezen tussen bestaande tools zoals n8n en een koppeling op maat.
AI-automatisering voor kmo's: wat mag je verwachten?
Een kmo heeft geen team datamensen en geen jaar de tijd. Daarom houden we de eerste stap klein en meten we wat ze opbrengt. Twijfel je nog welke taak eerst aan de beurt is? Begin dan met een AI Pitstop: één uur voor één vraag.
Tijdswinst
De winst tellen we in uren per week, niet in een percentage op een slide. We schatten vooraf hoeveel tijd het proces nu kost en meten na de pilot opnieuw. Levert het te weinig op, dan zeggen we dat.
Foutmarge
Geen enkel model zit er altijd juist. We spreken vooraf af hoe vaak het mis mag gaan en wat er dan gebeurt: welke resultaten automatisch doorgaan, welke iemand nakijkt en wat er in de logging terechtkomt.
Training van je medewerkers
De collega's die het werk vandaag doen, worden de mensen die de automatisering opvolgen en bijsturen. We leiden hen op tijdens de pilot en leggen vast hoe ze een fout melden. Zo blijft de efficiëntie overeind wanneer wij weer weg zijn. Wil je dat het hele team breder met AI leert werken? Dat kan in een AI-opleiding op maat.
Wat het kost
Wat een pilot rond één workflow kost, hangt af van het aantal bronsystemen, de staat van je data, hoe streng de controle moet zijn en of er een koppeling met je platform bij komt. We starten met een verkennend gesprek en gieten de pilot daarna in een offerte met een vaste scope. Na de pilot weet je wat de uitrol kost en wat ze opbrengt, vóór je verder beslist.
Wat we al bouwden rond modellen en data
Een bestaand insectenmodel bruikbaar maken in het veld
We bouwden een platform rond het onderzoeksmodel: mobiele uploads, verwerking, controle, correcties en export. De AI kwam uit het onderzoek; Zenjoy maakte er een bruikbaar product rond.
Spraakdata verzamelen voor onderzoek naar AI
Een citizen-science-app voor Vlaamse spraakgegevens. Bewijs van toegankelijke dataverzameling, niet van een geautomatiseerde workflow of gemeten tijdswinst.
Van papier en Excel naar bruikbare data
Digitalisering van de metingen rond voedselverspilling. Een voorbeeld van het gegevensfundament dat automatisering nodig heeft; geen AI-case.
Pilot voor één AI-workflow
We nemen één proces en testen het met echte historische voorbeelden uit jullie werking.
Het proces in kaart brengen
Wie doet wat, met welke documenten en systemen, en waar de tijd naartoe gaat.
Voorbeeldgegevens bekijken
Echte dossiers of mails uit het verleden, met de gevallen die lastig zijn.
Privacy en risico’s beoordelen
Welke gegevens naar een AI-model mogen en wat er misgaat als het fout zit.
Een prototype met controle door je team
Een werkende eerste versie waarin een collega elk resultaat nakijkt en corrigeert.
Fouten analyseren en de tijdswinst inschatten
We meten hoe vaak het misgaat, hoe erg dat is en hoeveel tijd het echt bespaart.
Adviseren om in te voeren of te stoppen
Een eerlijk advies met cijfers. Soms is stoppen het beste resultaat.
Vragen die we vaak krijgen
Niet zonder uitdrukkelijke afspraak. We kiezen het model, de hosting en de gegevensverwerking op basis van de gevoeligheid. Geen slogan over GDPR, wel een duidelijke gegevensstroom.
Gewone automatisering volgt vaste regels: als dit gebeurt, doe dan dat. Dat werkt zolang alles voorspelbaar is, maar loopt vast op een factuur met een afwijkende lay-out of een mail die twee vragen tegelijk stelt.
AI-automatisering vult net dat gat op. Een model leest, klasseert of vat samen wat niet in een vaste regel past en geeft het resultaat door aan je bestaande proces: mail sorteren, documenten uitlezen, gegevens controleren of een rapport voorbereiden. De software doet het voorbereidende werk. Iemand van jullie kijkt het na.
We beginnen met één workflow. Bespaart die tijd, dan gaan we pas verder.
Ja. Daarom voorzien we drempels, controle door een medewerker en logging, met een duidelijke grens voor wat de workflow nooit autonoom mag doen.
Soms volstaat Microsoft Copilot. Copilot Studio kan ook gegevensbronnen en acties koppelen. Wij bekijken wat al beschikbaar is en wat ontbreekt: integraties, toegangsregels, controle en beheer. Maatwerk is zinvol als die combinatie niet goed past in de bestaande tools.
Dat kan perfect volstaan. Voor een koppeling tussen twee tools met een duidelijke aanleiding zijn n8n of Zapier vaak sneller en goedkoper dan maatwerk, en dan zeggen we dat ook.
Maatwerk wordt interessant zodra je rechten per gebruiker nodig hebt, resultaten wil laten nakijken vóór ze doorgaan, alles wil kunnen terugvinden in logging, of de automatisering deel wordt van het platform dat je klanten en medewerkers elke dag gebruiken. Dan wil je geen losse flow die niemand beheert, maar software met een eigenaar.
Nee. Begin bij de workflow. Het model volgt uit wat die workflow nodig heeft.
Nee. We onderzoeken de mogelijkheden van AI, maar dringen ze niet op. Soms zijn een goed datamodel of een gewone integratie de betere oplossing.
Welke repetitieve workflow kost jullie elke week tijd?
Eén zin volstaat. We zeggen eerlijk of een pilot zin heeft.
Plan een gesprek
Je spreekt met iemand die inhoudelijk meedenkt. Geen verplichting, geen standaardpitch.
Nog niet klaar voor een gesprek? Bekijk wat we zoal gebouwd hebben