/// PIJLER 01 · AI VOOR HET MKB

Wat is AI-automatisering en wat kan het MKB ermee?

AI-automatisering is software die werk overneemt waarvoor je tot voor kort een mens nodig had, omdat er een oordeel bij kwam kijken. Niet omdat het slim klinkt, maar omdat het goedkoper is dan iemand die het elke dag opnieuw doet.

Geschreven door Jayson Futselaar · Technical Marketeer & Growth Partner

Ik bouw de automatiseringen in dit artikel zelf, met Python en API-koppelingen, voor MKB-bedrijven in Nijmegen, Arnhem en de rest van Gelderland. De voorbeelden komen uit werk dat draait — niet uit een brochure. Zie de cases voor wat er in productie staat.

· LinkedIn · KvK 98846841

Het verschil met gewone automatisering

Gewone automatisering volgt regels die jij opschrijft. Als er een bestelling binnenkomt, maak dan een pakbon aan. Dat werkt uitstekend, zolang elke situatie op voorhand te beschrijven is.

Het loopt vast zodra er variatie in zit. Een leverancier stuurt zijn facturen als PDF, de volgende als scan, de derde in de body van een e-mail. Een regel die alle drie afvangt is niet te schrijven — en dus doet iemand het met de hand.

AI-automatisering vult precies dat gat. Het model leest de factuur zoals een mens dat doet: het herkent dat dit bedrag het totaal is, ook al staat het ergens anders dan de vorige keer.

Die uitkomst gaat vervolgens een gewone, voorspelbare workflow in. Het verschil tussen beide vormen werk ik verderop in dit cluster uitgebreider uit, inclusief wanneer je juist gewone automatisering moet kiezen.

De vuistregel

Kun je het proces uitschrijven als een reeks als-dan-regels zonder dat je halverwege "ja, maar dat hangt ervan af" denkt? Dan heb je geen AI nodig. Zodra dat "het hangt ervan af" verschijnt, begint het terrein van AI-automatisering.

Waar het in de praktijk zit

In vrijwel elk MKB-bedrijf dat ik binnenkom, zitten de uren op dezelfde vier plekken.

1. Documenten die iemand overtypt

Facturen, pakbonnen, urenbriefjes, offerteaanvragen. Iemand opent een PDF en tikt de gegevens over in een ander systeem. Dit is de meest voorkomende en tegelijk best oplosbare vorm van verspilling.

2. E-mail die gesorteerd en beantwoord moet worden

De helft van de inbox is terugkerend: statusvragen, prijsvragen, aanvragen die naar de juiste persoon moeten. Een model kan classificeren waar iets over gaat en een concept klaarzetten. Let op het woord concept — zie de laatste sectie.

3. Gegevens die tussen systemen heen en weer moeten

De webshop weet iets wat de boekhouding niet weet, en het CRM weet weer iets anders. Hier is vaak helemaal geen AI nodig, alleen een fatsoenlijke koppeling. Bij Fayters & HighTech-SS synchroniseren duizenden producten elke nacht automatisch met de leverancier — dat is gewoon Python en een API, geen AI. Het scheelt alleen wel een dagtaak.

4. Terugkerend schrijfwerk

Offertes, productteksten, gespreksverslagen, rapportages. Werk met een vaste vorm en een wisselende inhoud. Dit is waar taalmodellen het sterkst zijn.

Wat het oplevert, eerlijk gerekend

Het getal dat je overal leest is "20 uur per week besparen". Dat komt voor, maar zelden bij het eerste project. Realistischer beeld uit de praktijk:

  • Een eerste, goed gekozen automatisering neemt meestal 2 tot 6 uur per week handwerk over.
  • De bouwtijd verdien je terug in 3 tot 9 maanden, afhankelijk van of het om één proces gaat of om een koppeling tussen meerdere systemen.
  • De grootste winst is vaak niet tijd maar doorlooptijd: een offerte die binnen een uur de deur uit gaat in plaats van na drie dagen, wint opdrachten die je anders misliep.

Dat laatste punt wordt structureel onderschat. Wie als eerste reageert, wint onevenredig vaak. Hoe je die rekensom voor je eigen situatie maakt, staat in het overzicht van kosten en ROI.

Waar het misgaat

Drie faalpatronen kom ik telkens opnieuw tegen.

Beginnen bij de techniek in plaats van bij het proces. Iemand koopt een tool en zoekt er een probleem bij. Omgekeerd werkt het: pak het proces waar je het vaakst over klaagt, en kijk dan pas welke techniek daarbij past.

Automatiseren wat niet klopt. Als je offerteproces rammelt, levert automatisering je alleen sneller rammelende offertes op. Eerst opruimen, dan automatiseren — dezelfde volgorde die ik bij SEO aanhoud.

Geen mens meer in de lus. Een model dat facturen uitleest, zit er soms naast. Zonder controlestap boek je fouten rechtstreeks je administratie in. Iedere automatisering die ik oplever heeft een plek waar een mens kan ingrijpen, en een logboek dat laat zien wat er is gebeurd.

Wat je níet moet automatiseren

Er is werk waar automatisering meer kapotmaakt dan oplost.

  • Het eerste contact met een klant die klaagt. Een boze klant die een bot krijgt, wordt bozer. Laat de AI het gesprek samenvatten en voorbereiden, en laat een mens antwoorden.
  • Beslissingen met juridische of financiële gevolgen. Een definitieve offerte, een ontslag, een betaling. Voorbereiden mag, versturen niet.
  • Werk dat je twee keer per jaar doet. De bouwtijd verdien je nooit terug. Doe het met de hand.

Waar precies de grens ligt tussen voorbereiden en beslissen, is deels een juridische vraag geworden. De EU AI Act stelt eisen aan systemen die zonder menselijke tussenkomst besluiten nemen over mensen; wat dat voor een MKB-bedrijf betekent, staat in het cluster over privacy en wetgeving.

Waar dit bij mij vandaan komt

Ik schrijf dit niet als toeschouwer: ik bouw deze koppelingen zelf, in Python en via API's. Voor bedrijven in de regio doe ik dat vanuit Nijmegen, meestal als onderdeel van een breder traject — zie online marketing voor bedrijven in Nijmegen. Zit het knelpunt eerder in je vindbaarheid dan in je interne processen, dan is technische SEO het logischere beginpunt.

/// VERDER IN DIT CLUSTER

Meer over ai voor het mkb

Deze pagina hoort bij ai-automatisering voor het mkb. Daar staat de volledige opbouw van dit onderwerp, van basis tot uitvoering.

Wil je weten wat hiervan in jouw bedrijf haalbaar is? Dat staat op de pagina over AI-automatisering.

/// VEELGESTELDE VRAGEN

Vragen die ik vaak krijg

Heb ik programmeerkennis nodig voor AI-automatisering?

Voor eenvoudige koppelingen niet. Met een no-codeplatform als Make of n8n kom je een heel eind zonder een regel code. Zodra je te maken krijgt met een systeem dat geen standaardkoppeling heeft, of met grote hoeveelheden data, wordt maatwerk goedkoper dan blijven stapelen in een no-codetool.

Hoe klein mag mijn bedrijf zijn om hier iets aan te hebben?

Er is geen ondergrens in personeel, wel in herhaling. Als er één taak is die iemand meer dan een paar uur per week doet en die steeds hetzelfde verloopt, is er iets te winnen. Bij een eenmanszaak is dat vaak de administratie of de offerteopvolging.

Gaat mijn bedrijfsdata naar een AI-bedrijf in de VS?

Dat hangt volledig af van hoe het gebouwd wordt. Bij de standaard cloudmodellen gaat de inhoud van je verzoeken naar de leverancier, met afspraken over bewaartermijnen. Voor gevoelige gegevens kan een model ook op Europese infrastructuur of lokaal draaien. Die keuze hoort aan het begin van een project gemaakt te worden, niet achteraf.

Wat kost een eerste automatisering?

Een afgebakende automatisering van één proces ligt doorgaans tussen een paar honderd en enkele duizenden euro's, afhankelijk van hoeveel systemen eraan hangen. Je krijgt altijd eerst een vast bedrag voor een afgebakend resultaat, zodat je vooraf weet waar je aan toe bent.

Even sparren over jouw groei?

Geen verkooppraatje en geen accountmanager ertussen. Je spreekt direct met de specialist die het werk ook uitvoert. Meestal reageer ik binnen een paar uur.