UiPath Communications Mining brengt overzicht en versnelling in de Purchase to Pay-mailbox
Binnen de afdeling Purchase to Pay (P2P) van Espria komen grote aantallen e-mails binnen van leveranciers, crediteuren en interne medewerkers zoals inkopers. Deze e-mails zijn essentieel voor een soepel inkoop- en betalingsproces, maar zorgen ook voor een aanzienlijke administratieve last omdat ze ongestructureerd zijn en in één centrale mailbox terechtkomen.
Samen met Tacstone Technology is daarom een project gestart om de P2P-mailbox slimmer te organiseren met UiPath Communications Mining (ook UiPath IXP genoemd). In plaats van handmatig sorteren en categoriseren, biedt deze technologie inzicht in het e-mailverkeer en wordt een groot deel van de e-mails automatisch afgehandeld.
Waarom er behoefte was aan inzet van AI voor e-mail automatisering:
- ±150.000 e-mails per jaar met uiteenlopende onderwerpen .
- Veel tijd kwijt aan aan het handmatig sorteren, prioriteren en doorsturen van e-mails
- Lange reactietijden, met name bij ziekte/verzuim of vakantieperiode
- Werkzaamheden worden gezien als saai en repetitief
Technologieën:
UiPath Communications Mining / IXP (AI-classificatie)
Volume mailbox:
±150.000 e-mails per jaar
Resultaat van de oplossing:
Inzicht in e-mailverkeer, minder handmatig werk, kortere reactietijden
Aanleiding
Bij Espria kwamen binnen de Purchase to Pay-mailbox alle typen berichten samen: leveranciersvragen, bestelbevestigingen, facturen, specificaties en meldingen over vertragingen. Deze berichten varieerden sterk in intentie en vereisten verschillende acties of doorsturing. Omdat alles op één plek binnenkwam, moesten medewerkers dagelijks veel tijd besteden aan sorteren, verslepen, prioriteren en categoriseren — handelingen die repetitief en inefficiënt zijn. En dat terwijl de opvolging van e-mails vaak regelgebaseerd was, en dus goed te automatiseren.
Aanpak
De implementatie bestond uit de volgende stappen:
- Inzicht creëren in e-mailstromen: Medewerkers labelden honderden e-mails zodat het AI-model kon leren wat verschillende typen berichten betekenen. Dit ontkoppelt ongestructureerde tekst uit e-mails en maakt intenties en categorieën zichtbaar.
- Trainingsproces AI-model: Het trainen van het NLP-model was de grootste inspanning — medewerkers hebben gedurende meerdere weken dagelijks e-mails gelabeld om het model te laten leren wat relevante categorieën zijn en wanneer een e-mail geclassificeerd kan worden.
- Vastleggen van mailboxlogica: Door categoriestructuren, labels en workflows vast te stellen, werd inzichtelijk wat de belangrijkste typen e-mails zijn en hoe deze geprioriteerd kunnen worden.
- Inzicht leidt tot optimalisatie: Tijdens het labelproces ontstond ook procesinzicht: het werd duidelijk waar veel overlap zat in mappen, welke communicatiepatronen terugkomen en hoe processen structureel kunnen worden verbeterd.
Deze aanpak vormt een basis waarop vervolgautomatiseringen kunnen worden gebouwd, zoals automatische toewijzing, notificaties of integratie met RPA-robots voor vervolgacties.
Hoe werkt het?
Functioneel werkt de oplossing als volgt:
- Inkomende e-mails uit de P2P-mailbox worden automatisch geanalyseerd door UiPath Communications Mining.
- Classificatie en categorisatie op basis van intentie, onderwerp en kenmerken.
- Dashboards en inzichten tonen welke categorieën en communicatiestromen de mailbox domineren.
- Labels en patronen worden gebruikt om te prioriteren en handmatig sorteerwerk te verminderen.
- Basis voor automatisering: zodra de classificatie betrouwbaar is, kunnen vervolgacties worden geautomatiseerd met RPA-robots of andere integraties
Het proces
Resultaten van de oplossing
Hoewel de oplossing in eerste instantie vooral inzicht en structuur bracht, zijn de eerste verbeteringen duidelijk merkbaar:
- Minder handmatig sorteerwerk: medewerkers besteden aanzienlijk minder tijd aan het handmatig verwerken van e-mails.
- Meer inzicht: door automatische classificatie ontstaat duidelijk inzicht in communicatiestromen en prioriteiten.
- Fundament voor automatisering: met heldere categorieën en intent-labels kunnen toekomstige RPA-robots en workflows veel preciezer worden ingezet.
- Procesverbetering: analyses lieten zien dat bijvoorbeeld betaalspecificaties vaak onnodig als mail worden opgevraagd en dat hier efficiëntere oplossingen mogelijk zijn.
Medewerkers ervaren de technologie positief en zien de voordelen van zowel de inzichten als de mogelijkheid om op termijn nog meer stappen te automatiseren.
Hoe kun je dit in jouw organisatie toepassen?
Wil je net als Espria inzicht en grip krijgen op een drukke mailbox binnen jouw organisatie? Neem contact op met Tacstone Technology voor een kennismaking of demo en ontdek hoe UiPath Communications Mining de eerste stap kan zijn richting slimme automatisering, minder werkdruk en meer structuur in je Purchase to Pay-proces.
