Op de klantenservice van Aevitae komen elke dag honderden, soms wel duizenden e-mails binnen. Tot voor kort werd elke nieuwe e-mail door een medewerker gelezen en doorgestuurd naar de juiste afdeling. Dit is tijdrovend en tevens zeer kostbaar. De vraag was: kunnen we dit niet slimmer en efficiënter aanpakken? Binnen zes weken heeft ons Data Science team een machine learning model ontwikkeld waarmee we 90% van alle binnenkomende e-mails automatisch kunnen doorsturen naar de juiste afdeling. De AI-tool bespaart Aevitae maar liefst 2 FTE’s werk op jaarbasis. Tijdens dit project hebben we Aevitae ondersteund met:

Elke dag komen er tot maar liefst duizenden e-mails binnen die handmatig doorgestuurd worden naar de juiste afdeling. Een AI-tool kan deze repeterende handeling automatiseren door te leren van de e-mails die Aevitae het afgelopen jaar gefilterd en gecategoriseerd heeft. Aan de hand van historische labeling data en machine learning technieken voorspelt de AI-tool welke afdeling de e-mail moet oppakken.

Ons team heeft ook een Power BI dashboard ontworpen waarop je kunt zien hoeveel e-mails naar elke afdeling worden doorgestuurd door de AI-tool. Het dashboard laat ook zien hoe vaak dit goed gaat en wanneer een email handmatig wordt gecorrigeerd door een medewerker. Dit geeft Aevitae niet alleen de mogelijkheid om te monitoren of alles goed gaat, maar verschaft ook nieuwe inzichten over de vragen die hun klanten hebben.