Capaciteit, geen personeelsreductie

Op de vierde slide van de stuurgroeppresentatie stond één getal: 3,5 fte. Het project was de automatisering van de orderdesk bij een groothandel, en de financieel verantwoordelijke had uitgerekend dat het lezen, controleren en invoeren van orders de tijd van drie en een halve persoon kostte. De eerste vraag aan tafel was een gebruikelijke in eerste gesprekken: hoeveel fte levert dit op?

De nuttigere vraag was een andere. Hoeveel offertes gingen er vorig kwartaal te laat de deur uit, en hoeveel van die klanten bestelden ergens anders? Dat cijfer stond in geen enkel rapport. Iedereen kende wel de twee mensen die sales belde als een klant iets buiten de catalogus wilde. Die twee bepaalden het tempo van het bedrijf, en op de slide stond voor hen geen regel.

De businesscase op fte is het makkelijkste getal

Een besparing op personeel is zeker, direct en past op één slide. Salaris maal koppen is een getal dat finance al vertrouwt. Erik Brynjolfsson verklaarde die aantrekkingskracht in "The Turing Trap" (Dædalus, 2022): personeel is de grootste zichtbare kostenpost, en wie een taak vervangt, hoeft niet het lastigere werk te doen van opnieuw inrichten hoe de operatie loopt. De andere kant van de rekening is van nature onzichtbaar. Een offerte die te laat de deur uitging, laat in geen enkel rapport een regel achter. De klant bestelt gewoon ergens anders. Is ze eenmaal geboekt, dan is de operatie ingericht op de vraag die er was op de dag dat u sneed.

Voor een bedrijf dat even groot wil blijven, klopt dat. Veel bedrijven die in automatisering investeren willen dat niet. Er komen meer orders, er gaat een nieuwe markt open, een grote klant vraagt om snellere levering. Voor hen is de vraag hoeveel meer vraag dezelfde operatie aankan en hoe snel die kan reageren. Een project dat is opgezet om twee functies te schrappen, antwoordt daarop met een kleiner team en een systeem dat niet meer bijleert.

Goedkope antwoorden maken context schaars

Een factuur lezen, een e-mail indelen, een antwoord opstellen: dat kost nu heel weinig, en elke concurrent kan dezelfde modellen tegen dezelfde voorwaarden kopen. Wat de ene groothandel van de andere onderscheidt, zit ergens anders.

Bij de orderdesk zat het bij twee mensen. De een wist welke vervangende artikelen elke grote klant zonder overleg accepteert. De ander zag aan de formulering van een e-mail dat een inkoper offertes aan het vergelijken was en diezelfde middag een antwoord nodig had, niet pas donderdag. Niets daarvan stond op papier, en allebei bepaalden ze of orders binnenkwamen. Een model dat de order-e-mails leest, had tot geen van beide toegang.

We beginnen bij de stap die de vraag begrenst

We beginnen bij de stap die begrenst hoeveel vraag u bedient, niet bij het grootste blok werk: de wachtrij waardoor klanten wachten, de controle die maar één persoon kan doen, het rapport dat te laat komt om er nog iets mee te doen.

Om die stap te vinden, halen we tijdstempels uit het order- of ticketsysteem en kijken we waar werk wacht, niet waar eraan gewerkt wordt. Daarna stellen we het team één vraag: als er iets ongewoons binnenkomt, welke naam valt er dan? Waar wachttijd en steeds dezelfde twee namen samenkomen, zit meestal het knelpunt.

Bij de orderdesk was het knelpunt niet de orderinvoer. Het waren de gevallen buiten de catalogus en met afwijkende voorwaarden, die op een van twee mensen wachtten en het tempo bepaalden voor alles daarachter. Dus leest het systeem elke order, controleert die tegen de catalogus, de prijsafspraak en de voorraad, en laat de routinegevallen door. De lastige gevallen komen bij de twee experts binnen met het voorwerk al gedaan: de klanthistorie, de mogelijke vervangende artikelen, de marge die op het spel staat. Zij beslissen. Hun dag verschuift van het invoeren van makkelijke orders naar de gevallen die alleen zij kunnen afhandelen.

Wat de experts bij die gevallen te zien krijgen, telt net zo zwaar als welke gevallen ze krijgen. Een veldexperiment met 758 consultants van BCG (Dell'Acqua en collega's, Harvard Business School, 2023) liet zien dat consultants die het model gebruikten bij een taak net buiten wat het model goed kon, 19 procentpunten minder vaak tot het juiste antwoord kwamen dan consultants die zonder het model werkten. De gevallen die wij naar experts sturen, liggen meestal buiten die grens. Bij die gevallen brengt het systeem daarom het bewijs aan en stelt het geen antwoord voor. De expert leest de historie en de marge, geen voorstel om mee in te stemmen.

De valkuil in dit ontwerp is alles wat onduidelijk is naar de experts sturen. Dan is het knelpunt alleen verplaatst. We beperken wat bij hen binnenkomt tot gevallen waarin hun kennis het antwoord verandert, en we volgen de leeftijd van hun wachtrij als aparte meetwaarde.

Het systeem is gebouwd om het oordeel van experts te verspreiden

Uitzonderingen worden verdeeld op context, niet op wie er tijd heeft: een vraag over vervangende artikelen gaat naar degene die de productlijn van die klant kent, een vraag over voorwaarden naar degene die de afspraak heeft onderhandeld. Elke beslissing wordt opgeslagen als een klein record: wat het systeem voorstelde, wat de expert deed, een redencode en één regel vrije tekst. Elke week sorteren we die records op reden. Een reden die terugkomt, wordt een regel. Een geval waarin de expert anders besliste dan het systeem, wordt een testcase, en het systeem moet die halen voordat er een wijziging live gaat.

Met onderbuikgevoel gaan we net zo om. Als een expert een order tegenhoudt omdat die niet goed voelt, vragen we om één regel over wat hem of haar opviel. Vaak is het een patroon dat nog niemand had benoemd: een nieuw afleveradres bij een grote eerste order, een prijsaanvraag die onder elke eerdere zit. Eenmaal benoemd, wordt het bij elke order gecontroleerd, niet alleen bij de orders die die expert toevallig ziet.

Na verloop van tijd kan ook een nieuwere collega bij elk geval hetzelfde bewijs, dezelfde historie en de eerdere redenering zien. Brynjolfsson, Li en Raymond onderzochten een generatieve AI-assistent in een klantenserviceteam ("Generative AI at Work", NBER, 2023) en vonden de grootste winst bij minder ervaren medewerkers. Hun gegevens wijzen erop dat het hulpmiddel de werkwijze van de beste medewerkers naar alle anderen bracht. Verdelen op context en beslissingen omzetten in regels mikt op hetzelfde effect.

Dit kost tijd van de experts, en die nemen we op in het plan in plaats van erop te hopen: in de eerste maanden ongeveer een uur per week per expert voor het doornemen van de redenen, minder naarmate de regels vastliggen. Een project dat de bouw begroot en de uren weglaat van de mensen van wie het systeem leert, krijgt meestal een systeem dat al vroeg ophoudt met beter worden.

Wat we zeggen tegen de CFO die om de fte-case vraagt

De waardeverklaring die voor de bouw wordt afgesproken, bevat drie of vier van deze meetwaarden:

• Bediende vraag. Orders, offertes of cases die op de piek binnen de streeftijd zijn afgehandeld, met hetzelfde team.
• Reactietijd. Van klantvraag tot bruikbaar antwoord, gemeten aan de hand van systeemtijdstempels.
• Afgewezen of vertraagd werk. Offertes na de toegezegde termijn, verloren orders met "geen reactie" als reden in het CRM, cases die zijn geëscaleerd omdat het team vol zat.
• Ruimte voor de volgende stap. Of een nieuwe markt, klant of productlijn erbij kan zonder een nieuw team om die te draaien.

Waar het volume niet groeit, zit dezelfde capaciteit in mensen die u bij stijgend volume niet hoeft aan te nemen. Wat u daarmee doet, is een beslissing van het bedrijf.

Wat we afwijzen

We wijzen werk af waarvan het enige uitgesproken doel een kleiner team is, omdat het systeem de correcties nodig heeft van de mensen die dat plan schrapt.

We wijzen ook een stillere variant daarvan af: een systeem bouwen op correcties van experts die al weten dat ze vervangen worden. Hun correcties worden meestal schaarser, de randgevallen blijven onbenoemd, en het systeem leert vooral de makkelijke gevallen.

En we rapporteren bespaarde fte niet als hoofdcijfer, ook niet als erom gevraagd wordt. Bespaarde tijd kan in de details staan.

Een besparing wordt één keer geboekt

Twee bespaarde salarissen zijn een getal dat niet meer beweegt vanaf de dag dat het geboekt is. Twee experts die hun week besteden aan de gevallen die hen nodig hebben, kunnen het volgende knelpunt vinden.