AI implementeren in het mkb: waar begin je?

AI implementeren in het mkb begin je bij één concreet werkproces dat elke week terugkomt, niet bij een tool. Je beschrijft hoe het werk nu loopt, legt vast wat de AI mag zien en doen, en test één prototype op echte data. Bij Goudbeek in Almere werken we zo: eerst het proces, dan de techniek.

Dat klinkt minder spannend dan een demo van het nieuwste model. Toch zit het lastige deel meestal niet in de techniek, maar in de vraag welk probleem je precies oplost en wie er straks mee werkt. Dit stuk loopt de stappen langs, van de eerste keuze tot het moment waarop je uitbreidt.

Waarom begin je bij de klus en niet bij de tool?

Wie begint met de vraag welke AI-tool het bedrijf nodig heeft, zoekt een probleem bij een oplossing. Begin liever bij het werk: welke taak kost tijd, levert fouten op of blijft liggen als iemand ziek is?

Stel je een webshop voor die elke dag dezelfde vragen krijgt over levertijden en retouren. De klus is niet 'een chatbot'. De klus is: klanten snel een juist antwoord geven op basis van het retourbeleid en de orderstatus.

Pas als die klus helder is, kies je welke van de AI-oplossingen voor bedrijven erbij past. Soms is dat een chatbot. Soms is het een betere FAQ-pagina of een vast antwoordsjabloon, en ook dat is een goede uitkomst.

Welk proces kies je als eerste?

Kies één proces dat elke week terugkomt, een duidelijk begin en eind heeft en nu handwerk kost. Hoe vaker het voorkomt, hoe sneller je ziet of een verbetering echt werkt.

Denk aan een installatiebedrijf waar iemand de werkbonnen van monteurs overtypt in de administratie. Of aan een boekhoudkantoor dat elke maand bonnetjes en facturen van klanten sorteert en inleest, werk waar documentverwerking met AI voor bedoeld is. Saaie klussen, en juist daarom goede kandidaten.

Begin liever niet bij het proces met de meeste uitzonderingen, of waar één fout direct grote gevolgen heeft. Daar kom je later aan toe, als je weet hoe een systeem zich in jouw bedrijf gedraagt.

Schrijf daarna op hoe het werk nu echt loopt: wie doet wat, met welke informatie, en waar wacht het werk op iemand. Die beschrijving levert vaak al verbeteringen op voordat er iets gebouwd is. Hoe je dat aanpakt, lees je bij werkprocessen verbeteren.

Wat mag de AI zien en wat mag hij doen?

Voordat er iets gebouwd wordt, leg je schriftelijk vast welke bronnen het systeem mag lezen en welke handelingen het mag uitvoeren. Een systeem dat retourvragen beantwoordt, heeft het retourbeleid en de orderstatus nodig. Niet de hele gedeelde schijf, waar ook de salarisadministratie staat.

Maak onderscheid tussen wat terug te draaien is en wat niet. Samenvatten, sorteren en een concept-antwoord opstellen kan het systeem zelf doen. Versturen, betalen, verwijderen of een klantgegeven wijzigen wacht standaard op een mens.

Werk je met persoonsgegevens, dan geldt de AVG. De Europese AI-verordening voegt daar eigen verplichtingen aan toe, afhankelijk van waarvoor en hoe je AI inzet. Lees voor je eigen situatie de officiële teksten. Hoe wij toegang, goedkeuring en logboeken inrichten, staat op de pagina over AI-security.

Waarom één werkend prototype op echte data?

Een demo met nette voorbeeldteksten zegt weinig over jouw bedrijf. Echte werkbonnen zijn slordig, echte klantvragen zijn onvolledig en echte facturen hebben elk een andere indeling. Pas op die gegevens zie je wat werkt en wat niet.

Bouw daarom één klein, werkend prototype voor dat ene proces en laat het draaien op echte gegevens, waar nodig goed afgeschermd. Laat de mensen die het werk nu doen de uitkomsten beoordelen. Zij zien het snelst waar het misgaat.

Houd het bewust klein: één soort invoer, één uitkomst, één persoon die meekijkt. Uitbreiden kan later, als het principe staat.

Hoe meet je of het werkt, en wanneer breid je uit?

Spreek vooraf af waar je naar kijkt. Hoeveel handwerk blijft er over? Hoe vaak moet iemand een uitkomst corrigeren? Ligt het werk eerder bij de volgende persoon? Leg vast hoe het nu gaat, zodat je straks iets hebt om mee te vergelijken.

Een systeem dat live gaat is niet af. Je stuurt instructies, bronnen en grenzen bij op basis van wat je in het echte gebruik ziet. Een handeling die nu op een mens wacht, geef je pas vrij als je lang genoeg hebt gezien dat het goed gaat. Wat niet terug te draaien is, blijft standaard bij een mens.

Draait het eerste proces stabiel, dan kies je het volgende. Soms is dat een uitbreiding van hetzelfde systeem, soms een heel ander proces. Zo groeit AI in je bedrijf stap voor stap, in plaats van in één groot project.

Wat moet je team leren?

Een AI-systeem verandert het werk van mensen, dus die mensen horen er vanaf het begin bij. Ze moeten weten wat het systeem doet, waar het de mist in kan gaan en wanneer ze zelf ingrijpen.

Daarnaast helpt het als je team goed overweg kan met de tools die het al heeft, zoals ChatGPT, Claude of Copilot in Microsoft Teams. Heldere vragen stellen, uitkomsten controleren en weten welke gegevens je er niet in zet: dat zijn vaardigheden die je kunt oefenen. Daarvoor zijn onze AI-workshops voor teams, waarin je team aan eigen taken werkt.

De AI-verordening vraagt organisaties die AI-systemen inzetten ook om zoveel mogelijk te zorgen voor voldoende AI-geletterdheid bij medewerkers die ermee werken. Wat dat voor jou betekent, lees je in de officiële tekst.

Wanneer is AI niet de oplossing?

Niet elk probleem vraagt om AI. Loopt een proces vast omdat niemand weet wie verantwoordelijk is, dan lost een model dat niet op. Loopt het werk volgens vaste, voorspelbare regels, dan is gewone procesautomatisering of een formulier met veldcontroles vaak eenvoudiger en voorspelbaarder.

Ook waar een fout grote gevolgen heeft en niemand de uitkomst kan controleren, is terughoudendheid verstandig. Een goede analyse eindigt dus soms met het advies om geen AI te gebruiken. Dat is geen mislukking; daar is de analyse juist voor.

Hoe pakt Goudbeek AI-implementatie aan?

Wij beginnen bij het werk, niet bij de techniek. Samen brengen we in kaart hoe het proces nu loopt en kiezen we het simpelste dat werkt. Soms is dat een AI-agent of chatbot, soms een eenvoudige automatisering zonder AI.

Daarna bouwen we één werkend prototype op jouw echte data, met schriftelijke afspraken over wat het systeem mag zien, wat het zelf mag doen en wat op een mens wacht. Na een korte intake spreken we vooraf een vaste prijs af.

Gaat het live, dan draait het op beheerde hosting vanaf €39 per maand en passen we het aan op basis van echt gebruik. Domein, code en content blijven van jou. Lees meer over hoe we AI implementeren bij bedrijven, of neem contact op om je proces te bespreken. Je hoort binnen één werkdag van ons.