Waarom templates het paklijsten-probleem niet oplossen
Klassieke OCR werkt met een sjabloon per leverancier: hier staat het artikelnummer, daar het aantal colli, hier de herkomst. Dat werkt zolang de layout niet verandert. Maar in een AGF-keten met honderden aanvoerders verandert er voortdurend iets. Een teler past zijn factuurstijl aan, een nieuwe aanvoerder levert in een onbekend formaat, het seizoen wisselt van herkomstland en daarmee de papieren. Het onderhoud van die sjablonen is een baan op zich. En in het hoogseizoen, precies als de volumes pieken en het systeem door moet, is het sjabloon van de nieuwe Spaanse tomatenexporteur nog niet ingevoerd.
Hoe paklijsten automatiseren wél werkt: lezen zonder sjabloon
Contextuele document-AI werkt zonder sjablonen. Het model kijkt naar wat er staat en herkent de betekenis van velden, ongeacht waar ze staan of hoe ze heten. Producten, aantallen, partijnummers, herkomstland, gewicht: het wordt herkend en gestructureerd, ook bij een paklijst die het systeem nog nooit eerder heeft gezien. Het model beslist niet zelf bij twijfel. Een veld met lage zekerheid wordt voorgelegd aan een medewerker, die het in een paar seconden accordeert. De mens beslist, de AI doet het tikwerk.
Traceability: de onverwachte opbrengst van gestructureerde paklijsten
Elke paklijst die gestructureerd binnenkomt, is batchdata die je niet meer hoeft te reconstrueren bij een uitvraag of recall. Eén-stap-terug, één-stap-vooruit is in veel sectoren een harde eis die binnen uren beantwoord moet worden. Dat lukt alleen als partij-informatie al als data in je systeem leeft, niet als PDF in een mailbox die je handmatig moet doorzoeken. Wanneer je de verwerking aan de poort automatiseert, wordt een traceability-uitvraag een database-query in plaats van een zoektocht door de inbox. Dat is een bijvangst die in het begin zelden het eerste verkoopargument is, maar in de praktijk al snel de meest tastbare opbrengst blijkt.
Meeschalen met het seizoen zonder extra mensen
Het verschil tussen een handmatig proces en een geautomatiseerde pipeline wordt het scherpst in de piek. Handwerk schaalt met mensen, en die zijn er in het hoogseizoen niet bij te krijgen. Een documentverwerkingspipeline verwerkt tien of tienduizend documenten per dag door dezelfde infrastructuur. Je team behandelt alleen de uitzonderingen, niet de doorsnee paklijst. We bouwen dit soort pipelines voor food-bedrijven die op jaarbasis richting de honderdduizenden paklijsten verwerken. De schaalsprong zit niet in het aannemen van extra invoerders, maar in de infrastructuur.
Wanneer is automatiseren niet de juiste stap?
Automatisering van paklijsten loont als het volume hoog genoeg is en de documentstroom divers genoeg om het sjabloon-onderhoud kostbaar te maken. Heeft een bedrijf vijf vaste leveranciers met stabiele formats en geen seizoenspiek, dan is handmatige invoer of een simpele Excel-koppeling soms efficiënter. Het loont ook om eerst te inventariseren wat er precies binnenkomt: hoeveel unieke formats, hoeveel uitzonderingen per week, hoeveel tijd gaat er nu in handmatige verwerking en correctie zitten. Die meting bepaalt of de investering in een pipeline terugverdiend wordt, en hoe snel.