Waar hoort AI eigenlijk thuis in een verkoopproces voor de maakindustrie?

Een van de gemakkelijkste fouten is beginnen bij de technologie. Een bedrijf ziet een indrukwekkende AI-demo en vraagt zich af: “Hoe kunnen wij dit gebruiken?” Een betere vraag is: “Wat verandert dit nu écht aan onze manier van werken?”

Een demo is geen use case.

Kijk naar wat er gebeurt als een klant om een offerte vraagt. Iemand moet de wensen begrijpen. Iemand moet het juiste product identificeren. Iemand moet het misschien configureren. Engineering moet mogelijk de oplossing controleren. De prijs moet worden berekend. Informatie moet mogelijk worden opgehaald uit een ERP of een ander intern systeem. Daarna moet de offerte worden opgesteld en verzonden.

AI kan bij meerdere van deze stappen nuttig zijn. Maar het is niet per se de beste oplossing voor allemaal.

Klantwensen komen vaak binnen in een vorm die niet is afgestemd op je interne systemen. Een e-mail kan afmetingen, belastingseisen, productvoorkeuren, speciale wensen en informatie over de toepassing bevatten — allemaal door elkaar in natuurlijke taal.

AI is bijzonder goed in het werken met dit soort informatie. Het kan helpen om een e-mail, aanvraag of gesprek om te zetten in gestructureerde informatie die de volgende stap in het proces daadwerkelijk kan gebruiken.

Het belangrijke onderscheid is dat AI niet per se de uiteindelijke beslissing hoeft te nemen. Het kan de informatie voorbereiden zodat de juiste persoon of het juiste systeem dat wel kan.

Complexe fabrikanten hebben vaak een uitgebreid productassortiment, en de juiste combinatie vinden vraagt om flinke productkennis. Een traditionele zoekfunctie gaat ervan uit dat iemand het productnummer of de specificatie al kent.

AI creëert een andere mogelijkheid. In plaats van te vragen “Welk productnummer heb je nodig?”, kan een klant of verkoper beschrijven wat hij wil bereiken. Het systeem helpt vervolgens de relevante producten, opties en vragen te bepalen.

Dit wordt vooral interessant in combinatie met een productconfigurator. AI kan helpen begrijpen wat de klant wil. De configurator bepaalt vervolgens wat daadwerkelijk mogelijk is. Dat onderscheid is belangrijk.

Hier worden AI en CPQ of productconfiguratie bijzonder interessant. Een fabrikant kan honderden of duizenden mogelijke productcombinaties hebben. Sommige zijn geldig. Andere niet. Sommige opties beïnvloeden afmetingen. Andere beïnvloeden draagvermogen, prijs, onderdelen of productie-eisen.

AI kan een gebruiker helpen door deze complexiteit heen te navigeren. Maar wij vinden niet dat AI zomaar zelf een configuratie mag verzinnen. Productregels hebben een betrouwbare bron van waarheid nodig — en daar blijven traditionele configuratielogica, CPQ-systemen en gestructureerde productdata enorm belangrijk.

AI kan de wensen van de klant interpreteren en de interactie begeleiden. De configuratie-engine bepaalt of het resulterende product daadwerkelijk geldig is. De configuratie kan vervolgens worden vertaald naar geometrie en engineeringdata, zodat het juiste engineeringproces het resultaat kan valideren.

Die vertaling — van configuratie naar geometrie naar gevalideerde data — is precies het soort engineering-automatisering dat wij voor fabrikanten bouwen

AI hoeft productconfiguratie niet te vervangen. Het kan productconfiguratie juist makkelijker maken in gebruik.

Offertes maken is een ander gebied waar AI nuttig kan zijn. Niet per se omdat AI de uiteindelijke prijs moet bepalen — maar omdat er vaak veel werk rond de offerte zit.

Het automatiseren van deze kleinere taken kan een groot verschil maken in de doorlooptijd van offertes. En bij de verkoop van complexe producten telt snelheid.

Een snellere offerte is niet zomaar een administratieve verbetering. Het kan betekenen dat een verkoper op meer kansen kan reageren zonder evenveel extra handwerk. Het betekent ook minder offertes die in de wachtrij staan — het patroon waarover we schreven in waarom je engineers niet elke offerte hoeven goed te keuren.

Een AI-model is alleen zo nuttig als de informatie waarmee het betrouwbaar kan werken. Fabrikanten hebben vaak al enorme hoeveelheden productkennis.

De kans zit niet per se in het vervangen van dit alles. Het gaat erom het toegankelijker en bruikbaarder te maken. AI kan een nieuwe interface worden voor informatie die al bestaat binnen de organisatie.

AI lost slechte productdata niet op. Het maakt de gevolgen alleen sneller zichtbaar.

Maar dit is ook waarom gestructureerde productdata en gekoppelde systemen belangrijk zijn. AI wordt veel krachtiger wanneer het niet op zichzelf staat.

Dit is misschien wel het belangrijkste punt. Niet elk proces in de maakindustrie heeft AI nodig.

Soms is een eenvoudige automatisering beter. Soms is een productconfigurator beter. Soms lost een ERP-integratie het probleem op. Soms moet het proces zelf veranderen voordat er überhaupt technologie wordt toegevoegd.

En soms is de beste oplossing een combinatie: AI plus productconfiguratie plus automatisering plus integraties. Het doel moet niet zijn om ergens AI toe te passen omdat AI beschikbaar is. Het doel moet zijn om wrijving uit het proces te halen. De goedkoopste automatisering is het proces dat je niet meer nodig hebt.

En tot slot: is AI eigenlijk wel het juiste middel voor dit probleem?

Die laatste vraag is belangrijk. Want het doel is niet om een AI-gedreven verkoopproces te bouwen. Het doel is om een beter verkoopproces te bouwen. AI is een van de middelen die daarbij kan helpen.

De echte kans zit niet in een van deze technologieën apart. Het zit in de koppeling ertussen. Dat is waar de verkoop van complexe producten heel anders kan gaan aanvoelen.

De technologie is het makkelijke deel. Ontdekken waar het echte waarde creëert, is het interessante deel.