Achtergrond
AfvalAlternatief is een Vlaamse specialist in de inzameling en het beheer van bedrijfsafval, met hoofdzetel in Dessel. Opgericht in 2012 door Jo Smolders en Aart Van Oekelen, vanuit de ambitie om kmo’s een persoonlijker en flexibeler alternatief te bieden voor de grote spelers in de afvalmarkt, gestart met één vrachtwagen en één chauffeur. Vandaag ondersteunt AfvalAlternatief ongeveer 15.000 kmo’s verspreid over Vlaanderen, met 110 medewerkers en een vloot van meer dan 40 vrachtwagens, en maakt het deel uit van de Bruco Group.
Uitdaging
Omdat AfvalAlternatief niet overal in Vlaanderen eigen dekking heeft met vrachtwagens, werkt het bedrijf in bepaalde regio’s samen met onderaannemers. Deze onderaannemers halen afval op namens AfvalAlternatief, maar factureren zelf, via hun eigen ERP systeem. Elke onderaannemer werkt anders: sommigen sturen één factuur per maand met alle ophaalmomenten, goed voor 40 à 50 pagina’s, anderen sturen per ophaalmoment een aparte factuur, tot enkele honderden per maand. Daarbovenop veranderen de lay-out en benamingen op deze facturen, zoals bedrijfsnaam, straatnaam, btw nummer of klantencode, regelmatig. Elke inkomende factuur moest manueel gematcht worden tegen de oorspronkelijke order in Business Central, het ERP systeem van AfvalAlternatief, bijvoorbeeld om te controleren of een klant met een contract voor 1 container, die 2 containers liet ophalen, ook effectief voor 2 containers gefactureerd werd. Deze manuele controle was arbeidsintensief, foutgevoelig, en vertraging kon zowel de cashflow als de btw administratie beïnvloeden.
Oplossing
Om dit proces te stroomlijnen ontwikkelde CROPLAND de Smart Matching Agent, die draait op het Microsoft Azure platform. De oplossing verricht 3 way matching: ze vergelijkt gegevens uit verkoopfacturen, inkoopfacturen en contractvoorwaarden, en brengt die informatie samen om de juiste match met een order te bepalen. De aanpak is bewust semi automatisch: de AI stelt matches voor, waarna medewerkers de voorgestelde verwerking kunnen controleren en zelf uitzonderingen kunnen behandelen. Een belangrijk onderdeel bij de bouw van de oplossing was het expliciet maken van de onderliggende business logica: de prijsafspraken en codes van elke individuele onderaannemer moesten in detail gedocumenteerd en begrepen worden, want die context bleek cruciaal voor een correcte matching. De resultaten worden overzichtelijk weergegeven in een Excel dashboard. Dankzij kleurcodes zijn afwijkingen tussen documenten onmiddellijk zichtbaar, wat medewerkers inzicht geeft in verschillen en in de winstgevendheid van een dossier, zonder honderden factuurregels één voor één te moeten vergelijken. CROPLAND voorzag ook een duidelijke handleiding, zodat medewerkers de toepassing zelfstandig konden gebruiken. De oplossing draait vandaag voor één onderaannemer, de uitrol naar de andere loopt momenteel. Ze werd oorspronkelijk gebouwd op een pre-trained model van Microsoft Document Intelligence; CROPLAND werkt nu aan een overstap naar een LLM gebaseerde aanpak, waardoor nieuwe onderaannemers met hun eigen factuurformaten makkelijker aan te sluiten zijn.
Voordelen
Resultaten
Sinds september 2024 verwerkte de Smart Matching Agent, verspreid over 24 meetmomenten, 82.074 orderlijnen, goed voor 18.751 unieke facturen, 874 klantlocaties en meer dan 1,4 miljoen euro aan doorgemeten inkoopbedrag. Sinds de oplossing structureel stabiel draait, bedraagt het gemiddelde aandeel correct gematchte orderlijnen 53%, met een duidelijk groeipad naar 80% of meer naarmate de brondata verder opgeschoond wordt. Voor elke 100 orders die de AI Agent succesvol kan matchen en semi automatisch kan verwerken, bespaart AfvalAlternatief naar schatting één volledige werkdag aan manueel controlewerk. Bij een typisch volume van 500 tot 1.000 orders per maand komt dat neer op een potentieel van vijf tot tien uitgespaarde werkdagen per maand. In juli 2025 konden 512 orders semi automatisch geboekt worden, goed voor een voorzichtig geraamde, gerealiseerde tijdswinst van ruim vijf werkdagen in die maand. Een eigen root cause analyse van de non matches toont bovendien nog groeipotentieel: de drie grootste foutoorzaken, adresmismatchen, hoeveelheidsverschillen en onvolledig gematchte documenten, verklaren samen 92% van de mismatches, en zijn oplosbaar door brondata op te schonen. De initiële implementatie vertegenwoordigde een investering van ongeveer 25.000 euro, naast een doorlopende maandelijkse vergoeding voor hosting en ondersteuning. Op basis van de geschatte tijdswinst is die investering intussen al terugverdiend binnen de bijna twee jaar dat de oplossing draait.
“Dankzij deze oplossing hebben we het aantal automatisch verwerkte orders verdrievoudigd. Het bespaart ons niet alleen tijd, het zorgt ook voor gemoedsrust.” — Bjorn Anthonis, CFO AfvalAlternatief
