Kun je revenue leakage volledig automatiseren?

Nee, niet volledig, en dat is ook niet wenselijk. Het vinden, controleren en prijzen van afwijkingen tussen CRM, contracten, facturatie en betalingen kun je grotendeels automatiseren. Het oplossen deels: een ontbrekende factuur klaarzetten of een taak aanmaken kan automatisch. Maar beslissen of je een klant met terugwerkende kracht factureert, een korting terugdraait bij een strategisch account of een contract openbreekt, zijn commerciële keuzes die een mens hoort te maken.

De keten van lek tot oplossing

Om te zien wat je kunt automatiseren, helpt het om het werk op te knippen. Het aanpakken van omzetlekkage bestaat uit zes stappen.

1. Detecteren. Er is een afwijking: een deal zonder factuur, een prijs die niet klopt met het contract, gebruik boven wat er wordt gefactureerd.
2. Valideren. Is het echt een fout, of is er een verklaring? Misschien is de korting wel afgesproken, maar staat het alleen in een mail.
3. Prijzen. Wat is de afwijking waard, per jaar en in totaal?
4. Beslissen. Wat doen we eraan? Corrigeren voor de toekomst, terugvorderen, laten zitten, eerst met de klant bespreken?
5. Uitvoeren. De factuur maken, de prijs aanpassen, het abonnement corrigeren, de klant informeren.
6. Controleren. Is de correctie goed doorgevoerd en komt het geld binnen?

Elke stap heeft een andere mate van automatiseerbaarheid.

Wat je goed kunt automatiseren

Detecteren

Dit is de stap waar automatisering het meeste oplevert. Een systeem dat CRM, facturatie, contracten en gebruiksdata doorlopend naast elkaar legt, vindt afwijkingen die een mens pas na maanden of nooit ziet. Het doet dat elke dag, voor elke klant, zonder moe te worden of een maand over te slaan.

Detectie werkt met twee soorten logica. Regels: een gewonnen deal moet binnen dertig dagen een factuur hebben, een contract met indexatieclausule moet op de indexatiedatum een nieuwe prijs krijgen. En patronen: deze klant betaalt structureel minder dan vergelijkbare klanten, dit account laat een daling zien die bij eerdere opzeggers ook voorkwam. Het eerste is klassieke automatisering, het tweede is waar AI een rol speelt. Hoe dat werkt, staat in hoe je revenue leakage automatisch detecteert en of AI omzetlekkage kan detecteren.

Prijzen

Als de afwijking bekend is, is het bedrag meestal een rekensom: het verschil tussen contractprijs en factuurprijs, vermenigvuldigd met de periode. Dat kan volledig automatisch, mits de contractgegevens beschikbaar zijn.

Controleren

Na een correctie kan een systeem controleren of de nieuwe factuur is verstuurd, of het bedrag klopt en of er is betaald. Ook dat is goed te automatiseren.

Wat je deels kunt automatiseren

Valideren

Een deel van de validatie kan automatisch. Een systeem kan bijvoorbeeld controleren of er een creditnota is die het verschil verklaart, of de deal later is geannuleerd, of er een tweede factuur is onder een andere klantnaam. Dat filtert een groot deel van de valse meldingen.

Maar een deel van de validatie vraagt kennis die niet in systemen staat. De verkoper heeft mondeling een extra korting gegeven. De klant heeft een ander bedrag afgesproken met de directeur. Het contract is bij verlenging aangepast maar de PDF staat nog niet in het systeem. Dat weet alleen een mens.

Uitvoeren

Een deel van de uitvoering kan automatisch, zeker als het om eenduidige correcties gaat:

• Een conceptfactuur klaarzetten voor een gewonnen deal zonder factuur.
• Een taak aanmaken bij de accountmanager met het bewijs en het bedrag.
• Een herinnering sturen voor een openstaande factuur.
• Een voorstel voor een nieuwe prijs klaarzetten na een indexatiedatum.

Wat je beter niet automatisch doet: een factuur direct versturen, een prijs direct aanpassen in de billing of een klant direct mailen over een fout. Niet omdat het technisch niet kan, maar omdat een fout daar direct bij de klant terechtkomt.

Wat een mens moet blijven doen

Beslissen

Dit is de kern. Stel, het systeem vindt dat een klant al twee jaar een korting van 15 procent krijgt die na een jaar had moeten aflopen. Wat doe je?

• Je kunt de korting per direct stoppen en de klant informeren.
• Je kunt het verschil over het afgelopen jaar terugvorderen.
• Je kunt de korting laten doorlopen tot de volgende verlenging en het dan bespreken.
• Je kunt de korting laten staan omdat de klant strategisch belangrijk is en een verlenging onderhandelt.

Alle vier zijn verdedigbaar. Welke de goede is, hangt af van de relatie, de omvang van het account, de onderhandelingspositie en de strategie. Dat is geen rekensom. Het verschil tussen een systeem dat aanbeveelt en een systeem dat beslist, staat uitgewerkt in AI recommendations vs AI decisions.

Het overzicht

Dit model heet ook wel human-in-the-loop: het systeem doet het werk dat schaalbaar en herhaalbaar is, de mens keurt goed op de momenten waar een fout duur of zichtbaar is. Meer hierover in human-in-the-loop AI.

Waarom volledige automatisering een risico is

Stel dat je het toch volledig automatiseert. Wat kan er misgaan?

Valse meldingen worden acties. Een systeem ziet een afwijking die er geen is, omdat een afspraak buiten het systeem is gemaakt. Zonder menselijke validatie krijgt de klant een correctiefactuur voor iets wat terecht was. Dat kost meer vertrouwen dan het oplevert.

Fouten schalen. Een verkeerde regel in een geautomatiseerd proces maakt niet één fout, maar honderd. Als de regel "indexeer alle contracten met 3 procent" per ongeluk ook contracten raakt zonder indexatieclausule, gaan er honderd onterechte prijsverhogingen de deur uit.

Commerciële context ontbreekt. Een systeem weet niet dat de klant volgende maand een groot contract gaat tekenen, of dat de directeur een persoonlijke afspraak heeft gemaakt. Een actie die rekenkundig klopt, kan commercieel schadelijk zijn.

Niemand begrijpt meer wat er gebeurt. Als alles automatisch gaat, weet na een jaar niemand meer waarom een bepaalde correctie is gedaan. Als er dan iets misgaat, is het moeilijk te herstellen.

Rekenvoorbeeld: stel wat één verkeerde automatische actie kost

Stel, een systeem stuurt automatisch correctiefacturen voor gemiste indexaties. Door een fout in de koppeling met het contractbeheer worden 40 klanten geraakt die geen indexatieclausule hebben. Gemiddeld €1.800 per factuur. Dit is een voorbeeld.

• €72.000 aan onterechte facturen.
• 40 klanten die bellen, klagen of stilletjes gaan twijfelen.
• Creditnota's, excuses en uitleg: ongeveer 2 uur per klant voor accountmanagement en finance, samen 80 uur.
• Als 2 van die klanten bij de volgende verlenging vertrekken, met een contract van €30.000 per jaar, kost dat €60.000 per jaar.

Eén goedkeuringsstap had dit voorkomen. De tijd die dat kost, is een fractie van de schade.

Hoe je de grens verstandig trekt

1. Automatiseer detectie volledig. Hier zit de grootste winst en het kleinste risico, omdat er niets de deur uitgaat.
2. Automatiseer prijzen en controleren. Ook laag risico, hoge winst in tijd.
3. Automatiseer validatie waar het kan. Filter de valse meldingen die met data te verklaren zijn. Leg de rest bij een mens.
4. Laat uitvoering klaarzetten, niet versturen. Concepten, taken, voorstellen. Een mens drukt op de knop.
5. Laat beslissingen bij mensen, met goede informatie. Het systeem levert bewijs, bedrag en een voorstel. De eigenaar beslist.
6. Verruim de automatisering stap voor stap. Als een bepaald type correctie honderd keer foutloos is goedgekeurd, kun je overwegen dat type automatisch te laten lopen. Niet eerder.

Die laatste stap is belangrijk. Automatisering hoeft niet statisch te zijn. Begin voorzichtig en breid uit waar het bewijs er is. Wat dat in bredere zin oplevert, staat in wat Revenue Intelligence oplevert.

Veelgestelde vragen

Kan AI omzetlekkage zelfstandig oplossen?

AI kan afwijkingen vinden, prijzen en een oplossing voorstellen. Het kan ook een taak of concept klaarzetten. Zelfstandig een factuur versturen of een prijs aanpassen kan technisch, maar is voor de meeste bedrijven niet verstandig zonder menselijke goedkeuring.

Welk deel van het werk kun je realistisch automatiseren?

Het grootste deel van het zoekwerk en het rekenwerk. Dat is ook het deel dat nu de meeste tijd kost of niet gebeurt. De beslissing en de communicatie met de klant blijven mensenwerk, maar met veel betere informatie dan zonder automatisering.

Wordt het in de toekomst wel volledig automatisch?

Voor eenduidige, veelvoorkomende correcties met weinig risico waarschijnlijk steeds meer. Voor beslissingen die de klantrelatie raken, blijft menselijke afweging zinvol. De vraag is niet of het technisch kan, maar of je wilt dat een systeem namens jou met je klanten onderhandelt.

Wat heb je nodig om detectie te automatiseren?

Toegang tot de systemen waar omzet doorheen gaat, een manier om klanten tussen die systemen te koppelen, en regels of modellen die bepalen wat een afwijking is. Plus iemand die de bevindingen oppakt, anders is automatische detectie een automatische lijst die niemand leest.