.jpg)
De ondersteunende diensten van Isabel Group wisten dat AI iets kon betekenen voor hun dagelijks werk. Maar waar begin je als je vier afdelingen hebt, tientallen processen, en geen enkel concreet startpunt? Ixor begeleidde hen via het StartAI-traject van een open vraag naar een geprioriteerde AI-roadmap met twee use cases in uitvoering.
De context
Isabel Group verwerkt dagelijks miljoenen financiële transacties voor duizenden bedrijven in België en Europa. Achter die dienstverlening zitten ondersteunende afdelingen die het hele bedrijf draaiende houden: Customer Service, Finance en Procurement, HR, en een Digital Workspace team. Elk van die teams werkt met eigen tools, eigen processen en eigen databronnen.
De AI-golf raakte ook deze afdelingen. Niet via een directieve top-down strategie, maar via een groeiend besef op de werkvloer. De afdelingshoofden zagen de mogelijkheden, lazen de cases, hoorden de beloftes. Maar de vertaling naar hun eigen context ontbrak. Welk proces leent zich voor automatisering? Waar is de data beschikbaar? Wat levert echt iets op, en wat is een dure pilot die in een la belandt?
Zonder een gestructureerde aanpak riskeert een organisatie versnipperde initiatieven: een chatbot hier, een dashboard daar, zonder samenhang en zonder meetbaar resultaat. Isabel Group koos ervoor om het anders te doen. Niet starten met technologie, maar met begrip.
De menselijke kant
De afdelingshoofden van HR, Finance en Customer Service kennen hun processen door en door. Ze weten waar tijd verloren gaat, waar informatie ontbreekt, waar handmatig werk de doorlooptijd verlengt. Maar die kennis zit grotendeels in hoofden, niet in systemen. Elke afdeling heeft eigen workarounds, eigen Excel-bestanden, eigen informele overlegmomenten die het proces laten functioneren.
Bij Procurement doorloopt een aankoopverzoek meerdere goedkeuringsstappen, van Power App naar bestelbon, van leverancierscreening naar contractbeheer via Legal en DPO, tot tijdsregistratie en budgetcontrole. Bij HR is het classificatieproces net zo complex: functiebeschrijvingen worden verzameld uit Word-bestanden en Excel-sheets, handmatig getoetst aan het Hudson-framework, voorgelegd aan het management, besproken met de vakbonden, en uiteindelijk manueel ingevoerd in het HR-systeem.
De frustratie was niet het werk zelf. De frustratie was het gevoel dat het beter kon, gecombineerd met het ontbreken van een concreet startpunt. Iedereen voelde de urgentie, niemand had een plan.
De aanpak
Ixor startte met het StartAI-traject: een gestructureerde methode in drie stappen om van een brede AI-ambitie naar een concreet actieplan te komen.
Stap 1: het landschap in kaart brengen. In open gesprekken met de afdelingshoofden brachten we het technologische en procesmatige landschap in kaart. Welke tools worden gebruikt? Waar zitten de databronnen? Welke stappen zijn manueel, welke geautomatiseerd? Waar gaat tijd verloren? Op basis van die gesprekken en onze eigen expertise identificeerden we 18 AI-opportuniteiten, verdeeld over vier domeinen: Customer Service, Purchasing & Controlling, Human Resources, en Digital Workspace & IT. Van een Agentic Genesys-link en een Personal Assistant voor klantenservice, tot een Procurement Agent, een Job Classification Agent, en een AI Forecasting Tool voor Finance.
Stap 2: de juiste keuzes maken. Niet elke opportuniteit is even waardevol. We filterden op drie criteria: business impact, technische haalbaarheid, en organisatorische bereidheid. Customer Service viel af als eerste prioriteit omdat Isabel Group al bezig was met een Genesys-implementatie die een groot deel van hun AI-behoeften zou dekken. De focus verschoof naar twee use cases met directe waarde voor de bredere organisatie: een Procurement Agent en een Job Classification Agent.
Stap 3: diepgaande analyse via brown paper sessies. Hier maakten we het verschil. Voor elk van de twee geselecteerde use cases organiseerden we een brown paper sessie met alle betrokkenen: niet een presentatie, maar een werksessie. De processtappen werden fysiek op de muur geplakt. Elke handeling, elke beslissing, elk pijnpunt, elke databron werd zichtbaar gemaakt. Wie doet wat? Waar wacht men? Waar wordt informatie dubbel ingevoerd? Waar zit impliciete kennis die nergens gedocumenteerd is?
● Procurement: van aankoopverzoek via Power App, door goedkeuringsflows, leverancierscreening, PO-aanmaak, contractbeheer via Legal/DPO/Risk, tot budgetcheck en rapportering. Het hele traject werd stap voor stap ontleed.
● HR Job Classification: van het moment dat een manager iemand nodig heeft, via functiebeschrijving, toetsing aan het Hudson-framework, weging en classificatie, salarisrooster, tot validatie door management en vakbonden. Zes stappen, elk met eigen databronnen, actoren en knelpunten.
Het resultaat
De brown paper sessies leverden meer op dan een procesoverzicht. Ze creëerden draagvlak. Door iedereen samen rond het proces te brengen, werd duidelijk waar de echte knelpunten zitten, niet waar iedereen dácht dat ze zaten. Die gedeelde waarheid is essentieel. Want AI-implementatie die niet gedragen wordt door de mensen op de werkvloer, strandt.
De analyse resulteerde in een complete AI-roadmap voor 2026 en verder. De 18 geïdentificeerde opportuniteiten werden geprioriteerd en op een tijdlijn gezet. De twee geselecteerde use cases kregen een gedetailleerd actieplan: architectuurkeuzes, databehoefte, integratiepunten, risico-inschatting, en een concreet stappenplan voor implementatie.
Voor de Procurement Agent resulteerde dat in een multi-agent architectuur: een Intake Agent voor het capteren van requirements, een Classification Agent voor categorisering, een Cover Sheet Agent voor juridische screening, en een Legal Agent voor diepere contractanalyse. Allemaal geïntegreerd met Power Apps en Dynamics, in de bestaande omgeving van Isabel Group.
Voor de Job Classification Agent: een AI-systeem dat functiebeschrijvingen analyseert, matcht met Hudson-criteria, salarisklassen koppelt, en materiaal voorbereidt voor vakbondsgesprekken. Van gefragmenteerde Word- en Excel-bestanden naar een gestructureerde, doorzoekbare en auditeerbare dataset.
● 18 AI-opportuniteiten geïdentificeerd over vier domeinen, elk met een beschrijving van doel, werking en verwachte impact.
● 2 use cases geselecteerd en uitgewerkt tot een implementeerbaar actieplan, op basis van business value, haalbaarheid en organisatorische bereidheid.
● Breed draagvlak gecreëerd via brown paper sessies die het impliciete expliciet maakten en alle betrokkenen meenamen in de verandering.
● Een concrete AI-roadmap die niet alleen de eerste stappen definieert, maar ook de vervolgopportuniteiten in volgorde van prioriteit plaatst.
Waarom Ixor?
Het StartAI-traject bij Isabel Group illustreert onze kernovertuiging: voordat agents kunnen handelen, moeten ze begrijpen. En voordat je AI inzet, moet je weten hoe het proces écht werkt.
De brown paper sessies brengen de onzichtbare kennis naar boven, de dingen die niet in de data zitten maar die het proces wel bepalen. De strategische prioritering voorkomt dat een organisatie investeert in technologie die mooi klinkt maar weinig oplevert. En het iteratieve actieplan zorgt ervoor dat elke stap meetbaar en bijstuurbaar is.
Isabel Group startte met een brede vraag: waar kan AI ons helpen? Ze eindigden met een concrete roadmap, twee use cases in uitvoering, en een organisatie die niet alleen weet wát er gaat veranderen, maar ook waarom.
Herken je dit? Het StartAI-traject is beschikbaar voor Belgische KMO's, vaak met overheidssubsidie via VLAIO, Innoviris of Digital Wallonia. Neem contact op, dan bekijken we samen of jouw organisatie in aanmerking komt.
