Waarom uw volgende offerte uw vorige projecten moet kennen

Veel bedrijven maken offertes op basis van ervaring, eerdere calculaties en de kennis van een paar medewerkers. Wat als u daarbij automatisch uw historische projectgegevens, actuele kosten en verwachte marktontwikkelingen kunt meenemen? Met moderne AI-technieken is dat inmiddels mogelijk.

Bij veel bedrijven begint het maken van een offerte met het terugzoeken van een vergelijkbaar project. Wat hebben we destijds aangeboden? Welke materialen waren nodig? Hoeveel uren hadden we begroot? En wat zou een redelijke prijs zijn voor de nieuwe opdracht?

Daar komt vaak behoorlijk wat ervaring bij kijken. Ervaren medewerkers weten welke projecten vergelijkbaar zijn, welke risico’s ze moeten meenemen en waar ruimte zit in de prijs.

Die kennis is lang niet altijd goed toegankelijk voor anderen. Tegelijk is veel van de informatie waarop eerdere beslissingen zijn gebaseerd gewoon binnen de organisatie aanwezig: in offertes, projectadministraties, urenregistraties, inkoopfacturen en financiële systemen.

De interessante vraag is hoeveel van die informatie we daadwerkelijk gebruiken wanneer we een nieuwe offerte maken.

Wat hebben eerdere projecten ons geleerd?

Een historische offerte laat zien wat een bedrijf ooit van plan was te leveren en tegen welke prijs. Minstens zo interessant is wat er daarna werkelijk gebeurde.

Werd het project binnen het budget uitgevoerd? Hoeveel uren zijn er daadwerkelijk besteed? Welke materialen vielen duurder uit? Waren er onverwachte werkzaamheden? En wat bleef er uiteindelijk over van de begrote marge?

Dat soort informatie is vaak verspreid over verschillende systemen en documenten. Moderne AI-technieken maken het mogelijk om die gegevens bij elkaar te brengen en relevante patronen zichtbaar te maken.

Bij een nieuwe aanvraag kan een systeem bijvoorbeeld vergelijkbare projecten terugvinden, oorspronkelijke begrotingen vergelijken met werkelijke kosten en aangeven welke onderdelen structureel worden onderschat. Daarmee ontstaat een betere basis voor de volgende offerte.

Van historische kosten naar actuele prijzen en prognoses

Het wordt interessanter wanneer we historische gegevens combineren met de situatie van vandaag.

Een project dat vorig jaar € 100.000 kostte, hoeft vandaag niet hetzelfde te kosten. Materiaalprijzen veranderen, personeelskosten stijgen en de beschikbaarheid van leveranciers kan verschillen. Daar komt bij dat sommige projecten pas maanden na het uitbrengen van de offerte worden uitgevoerd.

Met een combinatie van actuele prijsinformatie, historische ontwikkelingen en voorspelmodellen kunnen bedrijven verschillende kostenscenario’s doorrekenen. Wat gebeurt er met de marge wanneer grondstoffen duurder worden? Welke kostenposten vormen het grootste financiële risico? Wat betekent een langere levertijd voor de planning?

AI kan helpen om deze vragen te beantwoorden, mits de onderliggende gegevens betrouwbaar zijn. Een prognose blijft uiteraard een inschatting. Het doel is dat een bedrijf bewuster kan kiezen welke aannames en risico’s het in een offerte verwerkt.

Hoe werkt dat technisch?

Hiervoor hoeft een bedrijf niet al zijn bestaande systemen te vervangen.

Met technieken zoals Retrieval-Augmented Generation (RAG) kunnen AI-systemen relevante informatie terugvinden in documenten en bedrijfsgegevens. Denk aan oude offertes, technische specificaties en projectverslagen.

Via koppelingen met bestaande administratieve systemen kunnen werkelijke projectkosten, actuele leveranciersprijzen en beschikbare capaciteit worden toegevoegd.

Rekenmodellen verzorgen de financiële calculaties en scenarioanalyses. Generatieve AI helpt vervolgens om alle informatie samen te brengen in een begrijpelijk voorstel, inclusief een conceptofferte en de bijbehorende onderbouwing.

Zo ontstaat een systeem dat naast tekst ook laat zien welke informatie en berekeningen aan een voorstel ten grondslag liggen.

Daarbij hoort wel een duidelijke scheiding tussen feiten, aannames en voorspellingen. Een taalmodel mag ontbrekende kostprijzen niet zelf verzinnen en financiële berekeningen moeten controleerbaar blijven.

De kennis van de organisatie beter gebruiken

Stel dat een medewerker een nieuwe offerteaanvraag ontvangt. In plaats van zelf tientallen oude documenten te doorzoeken, kan diegene het systeem vragen naar vergelijkbare projecten.

Het systeem laat zien hoe die projecten destijds zijn begroot, wat de werkelijke kosten waren en welke afwijkingen relevant zijn voor de nieuwe aanvraag.

Vervolgens kunnen actuele prijzen en verschillende uitvoeringsscenario’s worden meegenomen. Het resultaat is een conceptofferte waarin bedragen, aannames en risico’s controleerbaar zijn onderbouwd.

De medewerker beoordeelt de uitkomst, past zaken aan waar nodig en bepaalt uiteindelijk wat er naar de klant gaat.

Dezelfde aanpak kan ook worden toegepast op projectplannen, capaciteitsplanning, inkoop en financiële prognoses.

Begin met de data die er al is

De grootste belemmering zit meestal in de beschikbaarheid en kwaliteit van de gegevens. Wanneer historische offertes niet te koppelen zijn aan de werkelijke projectkosten, is het bijvoorbeeld lastig om betrouwbare conclusies te trekken over winstgevendheid.

Daarom hoeft een eerste stap helemaal niet groot te zijn.

Neem tien of twintig afgeronde projecten. Verzamel de oorspronkelijke offertes, begrotingen, nacalculaties en urenregistraties. Onderzoek welke gegevens beschikbaar zijn, welke verschillen zichtbaar worden en waar informatie ontbreekt.

Vervolgens kunt u beoordelen of AI daadwerkelijk helpt om nieuwe offertes sneller of beter onderbouwd op te stellen.

Bij Twentynext kijken we vanuit die gedachte naar de mogelijkheden van AI. We beginnen bij het bedrijfsproces en de beslissingen die daarin worden genomen. Daarna onderzoeken we welke data beschikbaar zijn en welke techniek helpt om die informatie bruikbaar te maken. Meer daarover leest u bij AI-consultancy.

Met hun eerdere projecten hebben bedrijven vaak al een schat aan ervaring opgebouwd. De volgende stap is om die ervaring systematisch beschikbaar te maken wanneer nieuwe beslissingen worden genomen.

Wilt u weten wat uw eigen projectgegevens al kunnen vertellen? Plan een kennismaking, dan kijken we samen naar een eerste selectie projecten. We reageren binnen één werkdag.

Over dit artikel. We controleren feiten en bronnen zorgvuldig, maar kunnen juistheid en volledigheid niet garanderen. Zie onze disclaimer.