Inleiding
In mijn vorige post heb ik geschreven over het gebruik van een MCP server om gegevens uit Exact Synergy beschikbaar te maken aan een LLM zoals OpenAI dat heeft.
In deze post vertel ik je hoe ik een workflow heb gemaakt waarbij ik met behulp van AI agents bestellingen via e-mail verwerk.
De uitdaging
Zoveel klanten, zoveel aanvragen. Als organisatie wil je het liefst dat je klanten alles op dezelfde manier aanleveren. Eenvoudig via bijvoorbeeld een portal of webshop, want dan kan het in veel gevallen al direct (automatisch) verwerkt worden. Maar wat als je klanten via e-mail bestellen? Waarbij de bestelling uit de tekst moet worden opgemaakt? Dan heb je toch iemand nodig om de mail te lezen, te bepalen wat en hoeveel er besteld wordt en vervolgens moet deze persoon de bestelling aanmaken in het ERP systeem. Met AI kun je dit oplossen.
De oplossing
Om de e-mail-besteloplossing te maken, moeten we eerst kijken naar het proces. Welke stappen worden er doorlopen:
- Een e-mail wordt ontvangen
- E-mail beoordelen
- Artikelen en aantallen bepalen uit de tekst
- Voorraad controleren in het ERP
- Bestelling maken in het systeem
- Bevestiging naar de klant sturen
Voor het maken van deze oplossing heb ik gebruik gemaakt van n8n. Dit is een geweldige tool voor workflow automatisering.
Bij iedere ontvangen e-mail wordt het proces gestart. Dit is de trigger van de workflow. Om te voorkomen dat een e-mail nogmaals wordt ingelezen, wordt in de volgend stap de e-mail direct op de status gelezen gezet.
Vervolgens controleert een AI agent of de e-mail een bestelling is. Hierbij laat ik de AI agent een score genereren tussen 0 en 1. Wanneer de score groter of gelijk is aan 0.8, dan nemen we in de flow aan dat het om een bestelling gaat. Bij een lagere score gaat de e-mail naar een medewerker om verder te beoordelen.
Als dus duidelijk is dat het gaat om een bestelling, dan gaat een tweede AI agent de e-mail verder verwerken. Deze kijkt om welke artikelen het gaat en wat de gevraagde hoeveelheden zijn. Vervolgens toetst de AI agent of de artikelen in het ERP systeem (in dit geval Exact Globe) bestaan en wat de huidige voorraad is.
Daarna wordt de bestelling in Exact Globe klaargezet en wordt er een concept e-mail gemaakt ter bevestiging.
Overwegingen
In mijn workflow heb ik ervoor gekozen om meerdere AI agents te gebruiken. Op die manier beperk je het risico dat een AI agent te veel instructies krijgt en niet “weet” wat het moet doen en sneller fouten maakt. Uiteraard is het maken van de instructies (de prompts) ook erg belangrijk. Voor deze oplossing heb ik de API’s van OpenAI gebruikt, maar ik heb ook getest met lokale LLM’s. Ik heb gemerkt dat ik de prompts dan iets moest aanpassen, afhankelijk van het gebruikte model.
Net als ik in mijn vorige post heb aangegeven, blijft het ook hier belangrijk om te zorgen dat je medewerkers “AI ready” zijn, dat je weet waar je data heen gaat (en wat ermee wordt gedaan) en dat je voldoet aan wet en regelgeving (denk aan de EU AI Act en GDPR).
Daarnaast zijn er meerdere wegen naar Rome. Op verschillende punten kun je “human in the loop” acties zetten. Bijvoorbeeld een extra goedkeur-stap voordat de bestelling in het ERP systeem komt. Dit kan bijvoorbeeld door een medewerker een werkstroom verzoek in Exact Synergy goed te keuren, maar je kunt ook denken aan een flow waarbij je bijvoorbeeld moet reageren op een Microsoft Teams-, Slack-, Notion-, etc. bericht.
In mijn volgende post blijf ik nog even bij het verwerken van e-mail en laat ik een voorbeeld zijn hoe je AI agents kunt inzetten om veel van de (klant)vragen door AI agents kunt laten afhandelen.
Welk proces zou jij door AI agents willen laten afhandelen? Laat het me weten in de comments, stuur me een DM of mail me.
