Industrie
IT-diensten en advies
Bedrijfstype
Middelgroot softwarebedrijf (150–500 medewerkers)
Team
Pre-sales, oplossingsarchitecten, accountmanagers
Resultaatperiode
90 dagen na de inzet
De uitdaging
Pre-sales-teams bij softwarebedrijven besteden een onevenredig groot deel van hun productieve uren aan het opstellen van offertes — een proces dat grotendeels handmatig verloopt, niet consistent is gestructureerd en moeilijk op te schalen is. Uit branchegegevens blijkt dit duidelijk:
| Benchmark voor de IT-sector | Typische waarde |
|---|---|
| Gemiddelde tijd die nodig is om één technisch voorstel op te stellen | 12–18 uur |
| Tijd tot verzending vanaf het eerste gesprek met de klant | 4–7 werkdagen |
| Succespercentage bij offertes (IT-diensten, wereldwijd gemiddelde) | 22–28% |
| Kosten per voorstel (SA-tijd + coördinatie) | $800–$2.200 |
| Aantal voorstellen dat een solutions architect per maand kan afhandelen | 4–6 |
| Percentage herwerkingen als gevolg van inschattingsfouten | 35–45% |
| Afstemmingscycli met belanghebbenden per voorstel | 2–4 rondes |
Het pre-sales-team van het bedrijf presteerde op of onder deze benchmarks. Belangrijkste knelpunten:
- Geen gestandaardiseerde structuur — elke architect werkte zijn ontwerpen op een andere manier uit, wat leidde tot wisselende kwaliteit en ontbrekende onderdelen
- Schattingen op basis van giswerk — de uren werden op informele wijze geschat zonder gestructureerde complexiteitsanalyse, wat ertoe leidde dat de omvang van het project vaak te laag werd ingeschat
- Trage doorlooptijd — het duurde 5 tot 7 dagen vanaf het eerste gesprek tot de oplevering van de documenten die klaar waren voor de klant, waardoor we vaak opdrachten misliepen aan snellere concurrenten
- Herhaalde inspanning — veelgebruikte documenten (stakeholderoverzichten, module-indelingen, user stories, kostenmodellen) werden voor elk project helemaal opnieuw opgesteld
- Geen institutioneel geheugen — bij het vaststellen van de omvang van nieuwe opdrachten werd niet systematisch verwezen naar eerdere projecten
Kenmerken:
- Plak een transcriptie van een gesprek — het platform haalt automatisch de vereisten, het budget, de tijdlijn, de tech stack en de nalevingsvereisten eruit
- Maakt handmatige documentatie van vereisten volledig overbodig in de workflow
Â
- Elk van de 8 fasen van de workflow zet een speciaal daarvoor ontwikkelde AI-generatie in gang voor de bijbehorende artefacten
- Oplossingsonderdelen, user stories, gebruikersstromen, schermspecificaties, teamsamenstelling, kostenstrategie
- Architecten beoordelen en verfijnen door AI gegenereerde inhoud — ze beginnen nooit met een leeg blad
Â
- Complexiteitsfactoren, risicobuffers en het aantal screens, afgeleid uit de eigen module- en storygegevens van het project
- Geen algemene vuistregels — een schattingsmethode die is afgestemd op de specifieke kenmerken van elke opdracht
- Het percentage herbewerkingen is gedaald van ~40% naar ~12%
Â
- Tijdens de beoordeling kwamen vergelijkbare eerdere opdrachten aan het licht
- Architecten krijgen inzicht in prijsindicaties, tijdschema’s en risico’s zonder op gedeelde schijven te hoeven zoeken
Â
- Volledig gestructureerd voorstel dat rechtstreeks uit workflowgegevens is gegenereerd: samenvatting, reikwijdte, tijdschema, kostenoverzicht, commerciële voorwaarden
- De klant ontvangt per e-mail een beveiligde goedkeuringslink; de goedkeuring of afwijzing wordt geregistreerd en vastgelegd
Â
- Elke sessie wordt geregistreerd: totaal aantal sessies, gemiddelde sessieduur, langste sessie
- Volledig audittraject van de tijd die per opdracht aan pre-sales is besteed
Technologie
De oplossing:
Het bedrijf heeft een door AI ondersteund platform voor offertebeheer geïmplementeerd, dat is opgebouwd rond een 8-stappenplan voor de pre-sales-workflow — vanaf het eerste gesprek met de klant tot en met de digitale goedkeuring.
Het platform fungeert niet als vervanging van de architect, maar als een soort copiloot: het legt de context van de klant vast in fase 1, genereert de oplossingsarchitectuur en de module-indeling in fase 3, stelt de berekeningslogica op in fase 6 en stelt in fase 7 een voor de klant klaar te gebruiken PDF samen — en dat alles binnen één enkele, gestructureerde omgeving.
Belangrijkste functies:
- Van transcript naar voorstel in één stap — plak een transcriptie van een gesprek en het platform haalt daar automatisch de vereisten, het budget, de tijdlijn, de tech stack en de nalevingsvereisten uit
- Gestructureerde AI-generatie — elke fase zet een speciaal daarvoor ontwikkelde AI-generator in om de bijbehorende output te genereren: oplossingscomponenten, user stories, gebruikersstromen, schermspecificaties, teamsamenstelling en kostenstrategie
- Intelligente schatting — complexiteitsfactoren, risicobuffers en het aantal screens worden afgeleid uit de module- en storygegevens van het project zelf, en niet uit algemene vuistregels
- Vergelijking van gelijkaardige eerdere projecten — het platform toont tijdens de beoordeling vergelijkbare eerdere opdrachten, waardoor architecten aanknopingspunten krijgen voor het vaststellen van prijzen en het afbakenen van de opdrachtomvang
- Tijdregistratie per offerte, per fase — elke sessie wordt geregistreerd; het platform geeft het totale aantal uren weer dat het pre-sales-team per opdracht heeft besteed
- PDF-uitvoer met één muisklik — er wordt rechtstreeks op basis van de workflowgegevens een volledig gestructureerd voorstel opgesteld, inclusief samenvatting, reikwijdte, tijdschema, kostenoverzicht en commerciële voorwaarden
- Workflow voor digitale goedkeuring — klanten ontvangen per e-mail een beveiligde goedkeuringslink; of ze deze accepteren of afwijzen, wordt geregistreerd en vastgelegd
Aangeboden diensten
- AI-productontwerp en workflowarchitectuur
- Transcript-parsing en NLP-pijplijn
- Ontwikkeling van een pre-salesplatform in 8 fasen
- Ontwikkeling van een schattingsengine
- PDF-generatie en digitale ondertekening
- Vergelijking van gelijkenissen tussen eerdere projecten
- Voortdurende optimalisatie van AI-modellen
Resultaten na 90 dagen
Tijdsefficiëntie (werkuren pre-sales-team)
| Metrisch | Vóór (op basis van eigen aangifte) | Na (door het systeem bijgehouden) | Wijzigen |
|---|---|---|---|
| Gemiddeld aantal uren per voorstel | 14,2 uur | 3,8 uur | −73% |
| Verzendtermijn (dagen) | 5,4 dagen | 1,6 dag | −70% |
| Aantal voorstellen per SA per maand | 4–5 | 12–15 | +3x doorvoercapaciteit |
| Percentage herbewerkingen | ~40% | ~12% | −70% |
| Betrouwbaarheid van de schatting (beoordeeld door de architect) | Laag / Gemiddeld | Gemiddeld / Hoog | Aanzienlijke stijging |
Opmerking over het bijhouden van werktijden: Het platform registreert de totale tijd die per voorstel is besteed in seconden, uitgesplitst per sessie — totaal aantal sessies, gemiddelde sessieduur, langste sessie. De bovenstaande cijfers zijn afgeleid uit deze gegevens, die voor het hele team over de meetperiode zijn samengevoegd.
Kwaliteitsverbeteringen
- Volledigheid: De via het platform gegenereerde voorstellen voldeden aan alle vereiste onderdelen (100%), terwijl handmatig opgestelde documenten slechts aan ~55% voldeden
- Nauwkeurigheid van de schatting: projecten waarvan de omvang via de gestructureerde schattingsprocedure van het platform werd bepaald, kwamen in 7 van de 10 gevallen binnen ±15% van de daadwerkelijke leveringsuren (tegenover ±40% in het verleden)
- Dekking van belanghebbenden: Door AI gegenereerde stakeholderkaarten brachten per opdracht 3 tot 6 verschillende bedrijfsrollen in kaart, waardoor werd gewaarborgd dat voorstellen gericht waren op het volledige inkoopcomité en niet alleen op de technische contactpersoon
- Consistentie: De indeling, de terminologie en de financiële presentatie waren in alle voorstellen uniform, ongeacht welke architect ze had opgesteld
Gevolgen voor het bedrijf
| KPI | Voor | Na | Wijzigen |
|---|---|---|---|
| Succespercentage van voorstellen | 24% | 38% | +14 punten |
| Gemiddelde omvang van de transactie (afgeronde voorstellen) | $185K | $240K | +30% |
| Tijd die SA besteedt aan administratieve taken versus werk voor klanten | 60% / 40% | 25% / 75% | Omgekeerd |
| Aantal verzonden voorstellen per maand (totaal per team) | 18 | 52 | +189% |
Benchmarks in de IT-sector: referentiepunten voor efficiëntie
| Benchmark | Sectorgemiddelde | Een doel van wereldklasse | Resultaat van het platform |
|---|---|---|---|
| Uren per voorstel | 12–18 uur | < 4 uur | 3,8 uur |
| Verzendtijd | 4–7 dagen | < 2 dagen | 1,6 dag |
| Aantal voorstellen per SA per maand | 4–6 | 12+ | 12–15 |
| Winstpercentage | 22–28% | 35%+ | 38% |
| Foutmarge bij schattingen | ±35–45% | ±15% | ±15% |
| Percentage herbewerkingen | 35–45% | < 15% | ~12% |
Tijdsbesteding van de Solutions Architect
Vóór de uitzending (door de deelnemers zelf opgegeven gemiddelden):
Onderzoek en inventarisatie van behoeften
3,5 uur
Beschrijving van de oplossing en modules opstellen
4,0 uur
Raming en teamsamenstelling
3,0 uur
Kostenberekening en commerciële voorwaarden
2,0 uur
Documentopmaak en PDF-samenstelling
1,7 uur
Totaal
14,2 uur
Na implementatie (door het systeem bijgehouden gemiddelden):
Intake van cliënten (Fase 1 — Analyse van AI-transcript)
0,5 uur
Beoordeling en bewerking van de oplossing (Fase 3 — door AI gegenereerde basis)
1,0 uur
Beoordeling van de schatting (Fase 6 — door AI gegenereerde basis)
0,6 uur
Kosten en voorwaarden (Fase 7 — door AI gegenereerde basis)
0,5 uur
Eindcontrole, aanmaken van PDF-bestanden, voorbereiding van de ondertekening
0,4 uur
Coördinatie / overhead tussen fasen
0,8 uur
Totaal
3,8 uur
Vrijgekomen tijd per voorstel: ~10,4 uur — gericht op het opbouwen van een band met klanten, verkennende gesprekken en het uitbreiden van de pijplijn.
Tijdsbesteding van de Solutions Architect
01
Beginnen vanuit een gestructureerde basis, niet vanaf een leeg blad
In plaats van een ontwerp helemaal vanaf nul op te bouwen, hebben architecten door AI gegenereerde inhoud beoordeeld en verfijnd. De cognitieve belasting verschoof van het creëren naar het valideren — een werkwijze die fundamenteel sneller is.
02
Schatting op basis van daadwerkelijke projectgegevens
De schattingsengine berekent het aantal uren op basis van de module-indeling van het project zelf, het aantal stories en complexiteitsfactoren — niet op basis van een onderbuikgevoel of algemene tabellen. Architecten gaven aan vanaf dag één meer vertrouwen te hebben in hun cijfers.
03
Het institutionele geheugen kwam vanzelf naar boven
Tijdens de beoordelingsfase kwamen soortgelijke eerdere projecten naar voren, waardoor architecten referentiepunten kregen voor prijsstelling, tijdschema en risico’s — zonder dat ze daarvoor op gedeelde schijven hoefden te zoeken of collega’s hoefden te raadplegen.
Wat dit zegt over onze AI-ontwikkeling
In dit geval ging het om een 8-fasige pre-sales-workflow. De onderliggende mogelijkheden — het omzetten van transcripties naar gestructureerde gegevens, speciaal ontwikkelde AI-generatie in elke fase van de workflow, schattingslogica op basis van echte projectgegevens en een volledig traceerbaar, controleerbaar systeem — zijn niet alleen toepasbaar op offertes. We passen dezelfde aanpak toe op:
- Operationele werkprocessen die verborgen zitten in handmatige, repetitieve werkzaamheden met documenten of gegevens
- Processen waarbij institutionele kennis in de hoofden van mensen zit in plaats van in systemen
- Teams die AI nodig hebben om het menselijk oordeel te versterken, niet om het te vervangen
- Organisaties die een productiesysteem nodig hebben, en geen proof of concept
We hebben dit soort AI-implementaties toegepast in projecten op het gebied van fintech, edtech, IT in de gezondheidszorg, logistiek en SaaS voor bedrijven — van offertes en werving tot veel meer dan dat.
Wat dit aantoont
Deze casestudy is geen verkoopargument dat we u willen opdringen — het is een voorbeeld van hoe wij AI-gestuurde applicaties bouwen: een gestructureerde workflow in acht fasen met transcriptanalyse, gestructureerde AI-generatie en schattingslogica die is gebaseerd op echte projectgegevens en gevalideerd is aan de hand van 90 dagen productiegebruik. Als u een AI-partner evalueert voor een heel ander probleem – niet voor pre-sales, niet voor offertes – dan is dit het niveau van technische expertise en AI-implementatie waarmee u te maken zou krijgen.
Boek een evaluatie van 30 minuten over digitale transformatie en de productroadmap met het team van Carmatec om te bespreken hoe een op AI gebaseerde toepassing er voor uw eigen bedrijfsvoering uit zou kunnen zien. We ontwikkelen al 23 jaar software en AI-systemen, met teams in Bangalore, Doha, Dubai, New York en Londen.
English 
Spanish (Mexico) 
Italian 
French 
German 
Japanese 
Dutch 
Swedish 
Finnish 
Spanish (Spain) 