Ons adviesbureau met zes medewerkers wilde voorspellen welke klanten op tijd zouden betalen. We kozen voor een AI-systeem dat betalingspatronen zou analyseren.
Onverwachte inzichten uit betalingsdata
Het systeem identificeerde dat klanten uit de bouwsector gemiddeld 68 dagen nodig hadden voor betaling, terwijl retailers binnen 31 dagen betaalden. Deze informatie stond nergens in mijn eigen administratie zo helder vermeld. Het hielp me beslissen welke projecten ik kon aannemen zonder liquiditeitsproblemen. Drie aanvragen van bouwbedrijven wees ik af omdat de voorspelde betalingstermijn niet paste bij mijn cashflowbehoefte.
Projectomzetvoorspellingen bleven onbetrouwbaar
De software probeerde ook te voorspellen hoeveel omzet elk project zou genereren op basis van eerdere vergelijkbare opdrachten. Deze voorspellingen klopten slechts in 43 procent van de gevallen. Elk adviesproject is te uniek in scope en duur om zinvol te vergelijken. Ik stopte na zes weken met deze functie omdat het meer verwarring dan duidelijkheid creëerde.
Wat de investering opleverde
De software kostte 4.200 euro per jaar. Het bespaarde me ongeveer acht uur per maand aan handmatige analyse van openstaande facturen. Belangrijker was dat ik twee keer een betalingsprobleem voorkwam door vooraf strengere betalingsvoorwaarden af te spreken met risicoklanten. De terugverdientijd werd ongeveer 16 maanden, acceptabel maar niet spectaculair.
Voor dienstverleners werkt AI het best bij repeterende patronen, niet bij maatwerk.