Een nieuwe leverancier meldt zich; je Aivell stuurt het leverancierspakket, leest elk terugkomend document aan boord — bedrijfsgegevens, btw-nummer, verzekering, bankgegevens — controleert de set op volledigheid en consistentie, jaagt na wat ontbreekt en registreert de goedgekeurde leverancier in je database. Bankgegevens passeren altijd een mens voordat er iets wordt opgeslagen.
start wanneer: Een nieuwe leverancier stuurt zijn gegevens naar inkoop@
Een leverancier onboarden klinkt als één taak en is er in werkelijkheid elf. Documenten opvragen. Vier van de zes ontvangen. Opmerken dat het verzekeringscertificaat in maart is verlopen. Opnieuw vragen. Een foto van een formulier ontvangen, gekanteld. Het IBAN controleren tegen het briefpapier. Alles overtikken in het leveranciersbestand. Er verstrijken weken tussen “we willen graag met jullie werken” en de eerste order — en inkoop deed in die tijd niets anders dan administratief doorgeefluik spelen.
Er staat meer op het spel dan verveling. Het leveranciersbestand is waar betalingsfraude binnenwandelt: een verkeerd getypt of kwaadwillig “bijgewerkt” IBAN stuurt echt geld naar de verkeerde rekening, en het gat wordt meestal pas ontdekt wanneer de echte leverancier vraagt waar zijn betaling blijft.
De guardrails doen het stille beveiligingswerk: de AI kan leveranciers aanmaken maar nooit de bankgegevens van een bestaande bewerken, en zijn uitgaande mail is beperkt tot de aanmelder en je inkoopteam. Jouw onboardingprocedure — documenten, geduld, drempels — is de chore, opgeschreven zoals je het een nieuwe inkoper op zijn eerste dag zou uitleggen.
Geen flowcharts, geen code — een chore is gewoon een bericht aan je Aivell, in je eigen woorden. Hij maakt er een degelijke, bewaakte procedure van en volgt die naar de letter. Deze:
meldt een nieuwe leverancier zich, stuur het leverancierspakket — alles wat we nodig hebben, in één lijst
lees elk document zodra het binnenkomt — bedrijfsgegevens, btw-nummer, verzekering, iban
controleer of de set compleet is en de bedrijfsnaam op alle papieren overeenkomt
ontbrekende of verlopen documenten — antwoord met een lijst van precies wat er nog openstaat
na een week nog incompleet, herinner één keer; na drie weken, meld het bij inkoop
bankgegevens gaan er nooit ongecontroleerd in — Nadia bevestigt elk iban vóór registratie
registreer de goedgekeurde leverancier in de database en bevestig aan de leverancier
noteer vastgelopen of afgewezen aanmeldingen voor de maandelijkse inkoopreview
Gekoppeld met passkeys met één klik — geen gekopieerde tokens, geen OAuth-gedoe.
Elke tool kan worden beperkt tot precies wat deze chore nodig heeft. Voor deze zou je kunnen instellen:
Op twee manieren tegelijk. De chore dwingt een pauze af — Nadia ziet het aangeleverde document en het geëxtraheerde IBAN naast elkaar en bevestigt met één tik vóór registratie. En een guardrail maakt de bankgegevens van bestaande leveranciers voor de AI volledig onbeschrijfbaar, zodat een vervalste "we zijn van bank veranderd"-e-mail geen enkele hendel heeft om aan te trekken.
Ja — de vision draait aan boord van de box, dus een telefoonfoto van een verzekeringscertificaat wordt net zo makkelijk gelezen als een strakke PDF, en met dezelfde privacy. Is iets echt onleesbaar, dan wordt de leverancier gevraagd het opnieuw te sturen — er wordt niet gegokt.
Binnen je kantoor. Bedrijfsregistraties, btw-nummers en bankdocumenten worden gelezen en gecontroleerd op je eigen hardware — precies de privacy-by-design-houding [waar AVG artikel 25 om vraagt](https://seresa.io/blog/eu-ai-act-for-marketers/gdpr-article-25-and-local-ai-why-on-premise-llm-inference-is-privacy-by-design).
De chore houdt het dossier open, herinnert volgens jouw schema, en zodra het geduld dat jij hebt gedefinieerd op is, landt de aanmelding met haar hele historie op de maandelijkse reviewlijst. Half-geonboarde leveranciers spoken niet langer door de inkoopinbox.
Een on-premise AI-collega vraagt klantcertificaten op, volgt ze en jaagt erachteraan vóór de deadline — elke verzending gelogd, niets verwerkt in de cloud.
Leveranciersfacturen gematcht tegen inkooporders achter je firewall. Schone matches keuren zichzelf goed voor betaling; alleen de afwijkingen bereiken een mens.
Een on-premise AI-collega leest elk binnenkomend contract, registreert partijen, waarde en verlengingsvoorwaarden — en zet de deadlines op tijd in je agenda.
Een on-premise AI-collega voor de backoffice van fabrikanten: zet ordermails om in systeeminvoer, bedient leveranciersportalen, bewaakt voorraad, leest werkvloerfoto's.
Zendingstatus beantwoord, POD's gelezen en gearchiveerd, vervoerdersportalen 's nachts afgewerkt — een AI-collega die je tarieven achter je firewall houdt.
Offerteaanvragen gelogd, werffoto's omgezet in rapporten, certificaten van onderaannemers nagejaagd — een AI-collega die je calculaties binnenshuis houdt.
Een Aivell is een on-premise AI-collega: een kleine box die je op je netwerk aansluit, zijn eigen AI aan boord draait en het repetitieve werk van je bureau haalt. Prompts, documenten, data — er verlaat nooit iets je kantoor. Trek de internetkabel eruit: hij werkt gewoon door.
Je beschrijft elke taak als een chore, in gewone taal. Je Aivell maakt er een degelijke, bewaakte procedure van en voert die op de achtergrond uit — met guardrails op elke tool, een volledige audit trail en goedkeuringen binnen handbereik wanneer jij dat wilt. Eenmalige installatie, vast maandbedrag. Geen tokens, geen meerkosten.
inferentie aan boord · air-gapped · vast maandbedrag