AI-systeem laten bouwen voor MKB: een praktijkscenario

Een AI-systeem laten bouwen loont voor het MKB zodra de organisatie groeit maar de processen niet meegroeien. Begin niet bij de technologie. Begin bij één proces met veel herhalend handwerk, waarvan de directie kan aanwijzen waar de tijd weglekt. Een systeem dat op zo'n proces is gebouwd, blijft werken als de onderliggende AI-modellen veranderen. Wie bij een tool begint, voegt meestal alleen een nieuw los eiland toe aan de systemen die er al zijn.

Het doel is niet bezuinigen. Het doel is uren terugwinnen die nu opgaan aan overtypen, sorteren en navragen, zodat uw mensen meer tijd hebben voor klanten, kwaliteit en groei. Hieronder leest u wanneer maatwerk de juiste keuze is, hoe de bouw verloopt en welke vragen u vooraf moet beantwoorden over data, koppelingen en draagvlak.

Wat is een AI-systeem, en wat is een AI-operator?

Een AI-systeem is maatwerksoftware die een bedrijfsproces van begin tot eind aanstuurt. AI-modellen voeren daarin taken uit die voorheen menselijk oordeel vroegen, zoals documenten lezen of aanvragen beoordelen. Het systeem is gekoppeld aan de software die al in gebruik is.

Een AI-operator is een onderdeel van zo'n systeem dat zelfstandig een afgebakende taak uitvoert, bijvoorbeeld kandidaten voorselecteren. Een mens wordt alleen ingeschakeld als een situatie buiten de vastgestelde regels valt.

Een LLM (large language model) is het taalmodel achter toepassingen als ChatGPT. Het kan vrij geformuleerde tekst lezen, er gegevens uit halen en een volgende stap voorstellen.

Wanneer loont een AI-systeem voor het MKB?

Een AI-systeem loont wanneer een proces door meerdere handen en meerdere softwarepakketten gaat, veel uitzonderingen kent en steeds meer tijd kost naarmate het bedrijf groeit. Hoe meer overdrachten en beoordelingsmomenten, hoe groter de winst.

Een herkenbaar scenario

Neem een dienstverlener met een paar vestigingen en enkele tientallen medewerkers. De omzet groeit al jaren, er komen klanten en mensen bij, en toch wordt er harder gewerkt dan ooit. Aanvragen komen binnen via e-mail, telefoon en een webformulier. Iemand zet ze in het CRM, een ander zet ze door naar de planning, en de facturatie loopt via een apart pakket zoals Exact of AFAS. Bij elke overdracht gaat tijd verloren, en soms informatie.

De kennis zit bovendien bij een handvol mensen. Twee planners weten welke klant welke voorkeuren heeft. Valt er één uit, dan stokt het proces. Dat ligt niet aan die mensen, maar aan een werkwijze die nooit is vastgelegd.

Drie plekken waar handwerk zich ophoopt

Invoer en overtypen: gegevens die in het ene systeem binnenkomen en handmatig in het andere worden gezet.
Beoordelen en sorteren: aanvragen, cv's of documenten die iemand moet lezen om te bepalen wat ermee moet gebeuren.
Navragen en opvolgen: herinneringen, statusupdates en ontbrekende informatie die telkens handmatig worden achterhaald.

Het tweede blok was tot voor kort nauwelijks te automatiseren, omdat het oordeel vraagt. Daar maakt AI het verschil: een LLM leest een vrij geformuleerde aanvraag, haalt de relevante gegevens eruit en stelt de volgende stap voor.

Waarom lost een losse tool het probleem zelden op?

Een losse tool automatiseert één stap, terwijl het probleem meestal in de samenhang tussen stappen zit. Het handwerk verschuift dan alleen: er ontstaat een nieuw lijstje uitzonderingen, en niemand is verantwoordelijk als een koppeling na een update stilvalt.

Voor eenvoudige, losse stappen volstaan een standaardpakket of koppelingen in Zapier of Make prima. Zodra een proces door vier systemen gaat en elke klant net anders is, werkt dat niet meer. Een goed AI-systeem is gebouwd op een proces, niet op een model. Klopt de architectuur, dan kan het onderliggende model worden vervangen zonder het systeem opnieuw te bouwen. Daarmee vervalt ook de twijfel of u niet beter kunt wachten tot de technologie "af" is. Meer daarover leest u in ons artikel over waar u begint met een AI-systeem.

Maatwerk, no-code of standaardsoftware: welke route past?

De juiste route hangt af van hoeveel uw proces afwijkt van het gemiddelde en hoeveel systemen erbij betrokken zijn. Vuistregel: hoe meer uitzonderingen en koppelingen, hoe sterker het argument voor maatwerk.

Standaard SaaS: geschikt voor gangbare processen zonder afwijkingen. Snel in gebruik, maar de organisatie past zich aan de software aan in plaats van andersom.
No-code koppelingen: geschikt voor eenvoudige, losse stappen. Snel op te zetten, maar weinig samenhang en beperkt beheer bij complexe processen.
Maatwerk AI-systeem: geschikt voor processen met veel uitzonderingen en meerdere systemen. Sluit aan op de eigen werkwijze en groeit mee, maar vraagt een grondige procesanalyse vooraf.

Voor de dienstverlener uit het scenario ligt maatwerk voor de hand, omdat het probleem in de samenhang zit. Een uitgebreidere vergelijking staat in ons overzicht van routes voor procesautomatisering.

Hoe verloopt de bouw van een AI-systeem?

Een AI-systeem wordt gefaseerd gebouwd: eerst het proces in kaart, dan één afgebakend onderdeel, testen met echte gevallen en pas daarna uitbreiden. Zo staat er snel iets werkends en blijft het risico klein.

Het proces in kaart brengen samen met de mensen die het werk doen, inclusief de uitzonderingen die nergens op papier staan.
Eén afgebakend deel eerst bouwen, bijvoorbeeld het voorbeoordelen van aanvragen, zodat er binnen enkele weken iets werkends staat.
Testen met echte gevallen. De AI-operator draait eerst mee naast het bestaande werk, zodat de uitkomsten direct vergelijkbaar zijn.
Uitbreiden en doorontwikkelen. Pas als het eerste deel betrouwbaar loopt, volgen planning, opvolging en facturatie.

Do's en don'ts

Doe: leg vast wanneer het systeem een mens moet inschakelen. Die grens bepaalt hoeveel vertrouwen gebruikers krijgen.
Doe: wijs per proces één eigenaar aan die beslist over uitzonderingen en wijzigingen.
Doe niet: alles tegelijk automatiseren. Een groot project zonder tussentijds resultaat verliest draagvlak.
Doe niet: een rommelig proces één op één nabouwen. Automatiseren versterkt wat er al is, ook de omwegen.

Een groot deel van de winst zit overigens niet in de AI zelf, maar in het vastleggen van het proces. Alleen al het expliciet maken van de kennis van die twee planners maakt de organisatie minder kwetsbaar.

Veelgestelde vragen van directies

Waar hangt de omvang van het project van af?

De omvang van een AI-systeem hangt af van drie factoren: het aantal processtappen, het aantal systemen waarmee gekoppeld wordt en de hoeveelheid uitzonderingen in het proces. Naast de bouw horen hosting, het gebruik van AI-modellen en beheer bij het plaatje. Een realistische inschatting is pas mogelijk nadat het proces is doorgelicht.

Reken de business case bij voorkeur in tijd. Hoeveel uur per week gaat er nu op aan overtypen, sorteren en navragen? Krijgt een planner een dag per week terug voor klantcontact in plaats van kopieerwerk, dan is dat de kern. Een uitgewerkte aanpak vindt u in ons stuk over de business case voor een AI-investering.

Is een AI-systeem AVG-proof?

Een AI-systeem kan volledig AVG-proof worden ingericht, maar dat gebeurt niet vanzelf. Het hangt af van waar data wordt opgeslagen en verwerkt, welke AI-modellen onder welke voorwaarden worden gebruikt en wie toegang heeft tot welke gegevens. Bij maatwerk is daar meer grip op dan bij een standaardpakket: verwerking binnen de EU, modellen die ingevoerde gegevens niet voor training gebruiken en rechten per rol. The Ai Doctor legt die afspraken vast voordat er een regel code wordt geschreven.

Sluit een AI-systeem aan op onze bestaande software?

In de meeste gevallen wel. Pakketten als Exact, AFAS, HubSpot of Salesforce bieden een API: een digitale aansluiting waarmee systemen gegevens uitwisselen zonder dat iemand iets hoeft over te typen. Het AI-systeem verbindt die pakketten met elkaar, zodat medewerkers hun vertrouwde schermen houden. Is er geen API, dan zijn er vaak andere routes, zoals gestructureerde exports. Dat vraagt meer werk, maar maakt een project zelden onmogelijk.

Hoe krijgt u medewerkers mee?

Medewerkers gaan mee wanneer zij vanaf het begin betrokken zijn en zien dat het systeem werk wegneemt dat zij zelf als belastend ervaren. Laat toekomstige gebruikers meedenken over het ontwerp en meetesten met echte gevallen. Draagvlak ontstaat door herkenning, niet door een presentatie achteraf. De weerstand neemt meestal af zodra duidelijk is dat het om niet-waardetoevoegend werk gaat, zodat er meer tijd overblijft voor klanten en kwaliteit.

Praktijkvoorbeeld: FourParties

FourParties, een horeca-uitzendbureau, had al met een flink aantal AI-partijen om tafel gezeten voordat het voor The Ai Doctor koos. De doorslag gaf de praktische aanpak: samen bouwen, testen en continu optimaliseren. Eigenaar Shimo Verbaan gaf aan dat de verwachtingen hoog waren, maar dat hij oprecht verrast was door wat er binnen een paar weken al stond. Het recruitmentsysteem draait inmiddels op acht vestigingen.

Zo zet u deze maand de eerste stap

U hoeft niet te wachten op een groot traject om helderheid te krijgen. Met drie acties weet u binnen een paar weken of een AI-systeem voor uw organisatie zinvol is:

Kies één proces waarin de meeste uren opgaan aan overtypen, sorteren of navragen.
Laat de mensen die dat werk doen een week bijhouden hoeveel tijd het kost en waar het vastloopt.
Zet op een rij welke systemen erbij betrokken zijn en of daar een API voor beschikbaar is.

Met die drie gegevens op tafel is in één gesprek scherp te krijgen wat een systeem oplevert en waar u begint. Plan een vrijblijvend gesprek met The Ai Doctor en neem uw lijstje mee.