De klassieke start van een storingsdag: om 07:45 zit er een mail in de service-inbox, ligt er een voicemail van een klant en zijn er twee meldingen via het formulier op de website binnengekomen. Iemand moet uitzoeken wat urgent is, bij welke installatie het hoort en wie ermee aan de slag moet. Bij veel installatiebedrijven gebeurt dat nog handmatig, en elke handmatige stap kost tijd die de klant voelt.
De intake van meldingen is daardoor een logische eerste stap in AI-automatisering voor installatiebedrijven: de informatie is herkenbaar, de regels verschillen per bedrijf en de gevolgen van een fout zijn groot genoeg om menselijke controle te houden. Dit artikel gaat over de keten van binnenkomende melding naar werkbon. Een breder overzicht van wat AI kan betekenen voor de mensen die het werk uitvoeren, staat in AI voor monteurs: 7 praktische toepassingen in de installatiebranche.
Wat er in een melding zit
Een storingsmelding is zelden één net bericht. Soms staat alles erin: klant, adres, installatie, storing en gewenst tijdstip. Vaker moet je puzzelen. Een mail met alleen "cv doet het niet, morgen vroeg weg" bevat geen adres, geen contractnummer en geen telefoonnummer. Een bericht met "zie foto" levert een foto op waarop vooral de vloerbedekking staat.
Wat er in een melding kan zitten, en wat er vaak ontbreekt:
- klant en locatie, soms alleen een straatnaam of postcode
- de installatie: cv-ketel, warmtepomp, ventilatiesysteem of meterkast
- het type: storing, onderhoudsbeurt, oplevering of garantie
- gewenst tijdstip en contactgegevens
- contract- of ordergegevens, of juist het ontbreken daarvan
Die variatie is waar vaste e-mailregels stoppen. Een regel herkent het woord "storing" in de onderwerpregel, maar niet of het om een spoedgeval gaat of om een aanvraag die volgende week ook kan. Voor het prioriteren van een gedeelde mailbox met spoed en SLA geldt een vergelijkbare aanpak; zie Gedeelde mailbox prioriteren met AI.
Urgentie, locatie en contract uit elkaar trekken
De eerste stap in de verwerking is niet lezen, maar splitsen. De AI haalt uit de melding de losse gegevens: adres, installatietype, storingsomschrijving, gewenst tijdstip en contactgegevens. Daarna volgen controles tegen de eigen administratie:
- bestaat de locatie, en hoort daar een installatie bij?
- is er een onderhoudscontract, en dekt dat dit type werk?
- wijkt het adres in de melding af van het adres op het contract? Dat gebeurt vaker dan je denkt, zeker na een verhuizing.
- is de omschrijving concreet genoeg om een monteur op uit te sturen?
De controle op contract en locatie is voor installatiebedrijven belangrijker dan de tekstherkenning zelf. Een melding voor een locatie zonder contract kan direct naar de commerciële afdeling; een melding binnen een contract naar de planner. Zonder die scheiding is routeren gokken. De koppeling met de contractadministratie is daarbij gewone systeemlogica: de AI levert de gegevens, de match doet de software.
Sommige meldingen redden het niet. Een foto van een display waarop alleen het serienummer scherp is, of een bericht dat alleen uit een telefoonnummer bestaat: die gaan naar een medewerker, punt.
Waar de melding naartoe gaat
Waar gaat zo'n melding dan naartoe? Het antwoord is regels plus context, niet één vaste regel. De slimme inbox herkent het type melding en zet hem met de uitgelezen gegevens klaar bij de juiste bestemming:
- spoed binnen een contract: direct zichtbaar voor de planner of de storingsdienst
- gepland onderhoud: een taak in de planning met het contract eraan gekoppeld
- onduidelijk of buiten contract: naar de backoffice voor een snelle check
- garantie of oplevering: naar de afdeling die daarover gaat
In algemene zin is dit dezelfde logica als het triageren van service tickets, alleen draait het hier om locaties, installaties en contracten in plaats van ticketcategorieën.
Van melding naar werkbon
Het resultaat van een goed gerouteerde melding is dat de ontvanger geen uitzoekwerk meer heeft. Bij een spoedmelding zet de workflow een concept-werkbon klaar met klant, locatie, installatie en storingsomschrijving er al in; de planner vult alleen de monteur en het tijdstip in. Bij een onderhoudsaanvraag ontstaat een opvolgtaak die aan het contract hangt, zodat er niets tussen wal en schip valt.
De stap daarna, van ingevulde werkbon naar planning en factuur, is een eigen proces. Hoe installatiebedrijven werkbonnen digitaliseren van foto naar planning en factuur, staat in een apart artikel.
Begin klein: kies één type melding, bijvoorbeeld de storingsdienst, en laat de workflow voor dat type draaien voordat je onderhoudscontracten en garantie erbij pakt.
Controle, communicatie en cijfers
De AI beoordeelt, de mens beslist. Dat klinkt als een slagzin, maar het is de praktische grens: geen enkele automatische routering stuurt zelf een monteur de deur uit. De planner beslist wie er gaat, en bij twijfel gaat een melding terug naar een medewerker in plaats van door. Hoe je die menselijke controle in AI-workflows inricht, bepaalt het vertrouwen van je team.
Er is ook een grens die niets met vertrouwen te maken heeft. Meldingen met een veiligheidscomponent, denk aan een gaslucht of een lekkage bij een elektra-installatie, horen niet in een routeringsworkflow thuis. De workflow signaleert ze en zet ze direct bij het noodprotocol van het bedrijf. De AI herkent het signaal; de procedure blijft van mensen.
Als de intake eenmaal loopt, wordt de kwaliteit meetbaar: tijd van binnenkomst tot werkbon, aantal meldingen dat teruggaat naar de backoffice en het percentage dat zonder handmatige correctie de planning haalt. Die cijfers laten zich via werkstroomorkestratie periodiek samenstellen.
Veelgestelde vragen
Kan AI zelf een monteur inplannen?
Nee. De AI levert de input: een gerouteerde melding met een concept-werkbon. Het plannen zelf gebeurt in de planningssoftware, waar routes, werktijden, certificeringen en beschikbaarheid samenkomen. Die regels verschillen per bedrijf en veranderen wekelijks; daarvoor is een vast regelsysteem geschikter dan een taalmodel.
Wat gebeurt er met een melding die niet te herkennen is?
Die krijgt het label "onbekend" en blijft bovenaan de wachtrij van de backoffice staan, met een teller die oploopt. Zo wordt een onherkenbare melding geen zwart gat maar een expliciet aandachtspunt. Het aantal "onbekend"-meldingen is meteen een bruikbare eerste KPI: zolang dat aantal niet daalt, mist je intake structureel informatie.
Gaat dit ook buiten kantooruren door?
De intake draait 24/7. Ook om 23:58 kan een klant melden dat de cv het niet doet en dat het gezin morgen vroeg vertrekt. De workflow leest de melding uit en zet hem klaar voor de eerstvolgende werkdag, tenzij het bedrijf een storingsdienst heeft die buiten kantooruren meekijkt. Meldingen met een veiligheidssignaal worden ook 's nachts gemarkeerd; de beslissing over een spoedrit blijft bij de dienstdoende persoon.
Hoe weet je of de routering goed werkt?
Houd drie cijfers bij: de tijd van binnenkomst tot een goedgekeurde werkbon, het percentage meldingen dat alsnog handmatig wordt gecorrigeerd en het aantal klachten over reactietijd. Dalen de eerste twee en blijft het derde laag, dan doet de routing wat hij moet doen. Stijgt het correctiepercentage, dan zit de fout vrijwel altijd in de regels, niet in de software.