Een AI-implementatie begint niet bij een tool, maar bij één concrete bedrijfsvraag met een doel dat je kunt meten. Daarna volgen een nulmeting, de data op orde, de lichtste oplossing die werkt, een korte pilot en een besluit op basis van de cijfers. Hoe snel dat gaat, hangt af van de complexiteit: een eenvoudige toepassing werkt vaak binnen een week, maatwerk op je eigen data binnen vier tot zes weken.
Iedereen een licentie. Een lunchsessie met handige prompts. Drie maanden later werken vier collega’s ermee, vooral om hun e-mails netter te maken.
Herkenbaar?
Zo begint AI in veel bedrijven: met de technologie, in de hoop dat de toepassing vanzelf volgt. Dat gebeurt zelden. Niet omdat de tools tekortschieten, maar omdat niemand heeft vastgelegd welk werk er sneller of beter moest. Wie AI voor bedrijven rendabel wil maken, draait de volgorde om: eerst de vraag, dan de data, dan pas de tool.
Dat AI bij veel directies op tafel ligt, is niet vreemd. Het gebruik van AI in bedrijven groeit snel: volgens het CBS gebruikte in 2025 33 procent van de bedrijven met tien of meer werkzame personen een of meer AI-technologieën, en had nog eens 10 procent het overwogen zonder te beginnen. Wil je starten met AI, of na een eerste experiment verder, dan lees je hier hoe. Plus twee dingen die de meeste stappenplannen overslaan: of je wel AI nodig hebt, en wat “data op orde” concreet betekent.
Wat is een AI-implementatie?
Een AI-implementatie is het blijvend inbouwen van kunstmatige intelligentie in de manier waarop je organisatie werkt, zodat een taak structureel sneller of beter verloopt. Het verschil met een experiment: er is een eigenaar, een vaste werkwijze en een cijfer waarop je het resultaat beoordeelt.
Bij de implementatie van AI kies je uit grofweg drie soorten AI-oplossingen voor bedrijven:
- Een AI-assistent. Microsoft 365 Copilot, ChatGPT of Claude helpt bij schrijven, samenvatten en zoeken in documenten. De winst hangt af van hoe goed je mensen ermee werken.
- AI in software die je al hebt. Steeds meer boekhoud-, CRM- en ERP-pakketten lezen facturen uit of stellen een antwoord op een klantvraag voor. Vaak een kwestie van aanzetten.
- Een AI-oplossing laten bouwen. Een eigen toepassing op je eigen gegevens, zoals een workflow die inkomende e-mails leest en doorstuurt. Alleen zinvol als de eerste twee routes niet volstaan.
Welke AI-toepassingen bij jullie passen, hangt dus vooral af van welk werk de meeste tijd kost. Gaat het om AI in bedrijfsprocessen zoals facturatie of orderverwerking, dan ligt de aanpak dicht bij bedrijfsprocessen automatiseren: eerst het proces verbeteren, dan pas automatiseren.
Waarom AI-projecten in het mkb stranden
Bijna nooit op de techniek. Ze lopen vast op wat eromheen zit:
- Beginnen bij de tool. De licentie is gekocht voordat iemand wist welk probleem die moest oplossen.
- Geen eigenaar in de business. Zonder eigenaar buiten IT beslist niemand over opschalen of stoppen.
- Te breed beginnen. Wie overal tegelijk start, heeft nergens genoeg om te beoordelen.
- Data die niet klopt. Een model dat op tegenstrijdige gegevens draait, geeft zelfverzekerde antwoorden die niet kloppen.
- Geen meetpunt. Zonder nulmeting weet na drie maanden niemand of het iets heeft opgeleverd.
Een succesvolle AI-implementatie is daarom vooral een organisatievraag. De techniek is het makkelijke deel.
Heb je wel AI nodig?
Bij AI voor mkb-bedrijven helpt vóór elk project één toets: is dit een vraag voor AI, of voor iets eenvoudigers? Een groot deel van wat als AI-automatisering in het mkb wordt verkocht, is gewone automatisering met vaste regels en een nieuw etiket.
AI is sterk in werk met ongestructureerde invoer: tekst lezen, samenvatten, indelen, een concept schrijven. “Stuur een herinnering als een factuur dertig dagen openstaat” is een regel, geen AI-vraag. En “we willen zien hoe de marge per klant zich ontwikkelt” is een vraag voor een dashboard, niet voor een chatbot.
- Volgt het werk vaste regels? Dan is een workflow of koppeling goedkoper en betrouwbaarder.
- Moet iemand tekst of beeld lezen en beoordelen? Dan is AI een serieuze kandidaat.
- Wil je cijfers zien en erop sturen? Dan heb je een betrouwbaar datamodel en een dashboard nodig. AI kan daar later bovenop, maar vervangt het niet.
Dat beantwoordt ook de vraag van veel directeuren: wat kan AI doen voor mijn bedrijf? Minder dan de demo’s beloven, en meer dan je denkt zodra je weet waar het lees- en typwerk zit.
Eerst de data op orde
Stel dat je omzetcijfers op drie plekken staan: in het ERP, in het CRM en in een Excel-lijst die de commercieel directeur zelf bijhoudt. In het MT gaat het gesprek al jaren over welke van de drie klopt. Zet je daar een AI-assistent op, dan verdwijnt die discussie niet. Je krijgt alleen sneller een antwoord uit een van de drie, zonder te weten welke.
Daarom telt het fundament zwaarder dan het model. Niet de slimste AI levert het meeste op, maar de AI die op eenduidige gegevens werkt. Voordat een toepassing je eigen bedrijfsdata gebruikt, controleer je vier dingen:
- Eén bron per gegeven. Voor klanten, artikelen en omzet is afgesproken welk systeem leidend is.
- Vastgelegde definities. Iedereen bedoelt hetzelfde met omzet, marge of een actieve klant.
- Een eigenaar. Per bron is iemand verantwoordelijk, en fouten worden in de bron opgelost.
- Toegang en rechten. Een AI-assistent die mag zoeken in alles waar een medewerker bij kan, vindt ook de salarislijst die per ongeluk in een gedeelde map staat.
Hoe je fouten structureel oplost, lees je in ons artikel over datakwaliteit. De afspraken over bronnen, definities en eigenaarschap leg je vast in een datastrategie.
AI implementeren in je bedrijf: zes stappen
- Kies één bedrijfsvraag. Een vraag met een getal erin: de verwerking van inkoopfacturen kost 20 uur per week en moet onder de 8. “Iets met AI” is geen vraag.
- Doe de nulmeting. Leg vast hoe het werk nu presteert: uren, doorlooptijd, foutpercentage. Hoe je zo’n cijfer opstelt, lees je bij onze kpi-voorbeelden.
- Controleer de data. Loop de vier punten hierboven langs voor de gegevens die de toepassing nodig heeft.
- Kies de lichtste oplossing die werkt. Eerst AI in software die je al hebt, dan een AI-assistent, en pas daarna AI-oplossingen op maat.
- Draai een pilot. Een tot twee weken bij een eenvoudige toepassing, twee tot vier met koppelingen of eigen data. Altijd met een kleine groep gebruikers die het werk echt doen en een vooraf afgesproken succescriterium.
- Besluit, schaal op en borg. Haalt de pilot het criterium, rol dan uit en wijs een eigenaar aan. Zo niet, stel bij of stop. Ook dat is een goede uitkomst, als het besluit op cijfers rust.
Of je nu nog moet beginnen met AI of al een mislukt experiment achter de rug hebt: de volgorde blijft dezelfde. Wil je AI inzetten op meerdere plekken, doorloop de stappen dan per toepassing.
Proof of concept of pilot: wat is het verschil?
Een proof of concept toetst of iets technisch kan. Een pilot toetst of het in het echte werk iets oplevert.
Een proof of concept maken kost meestal een paar dagen. Je laat bijvoorbeeld een model honderd facturen van verschillende leveranciers uitlezen en telt hoeveel velden het goed heeft.
Wat is een AI-pilot dan? De werkende oplossing draait een afgebakende periode mee in het dagelijkse werk, en je meet dezelfde cijfers als bij de nulmeting. Pas dan zie je of de tijd die het model wint niet verdwijnt aan controleren en corrigeren.
Spreek het succescriterium daarom vooraf af, met een getal: minstens 40 procent minder uren, of minder dan 2 procent fouten. Een pilot zonder nulmeting is namelijk altijd geslaagd. Niemand kan het tegendeel bewijzen.
Wat kost een AI-implementatie?
De kosten volgen de route. AI in je bestaande software kost meestal alleen inrichtingstijd, een AI-assistent een vast bedrag per gebruiker per maand. Bij een eigen toepassing komt de implementatie van AI-modellen erbij: ontwikkeluren, koppelingen en testen. Bij de meeste AI-oplossingen voor het mkb reken je met vier posten: licenties, eigen uren, begeleiding van buiten en beheer na livegang.
Zet daar de opbrengst tegenover, in uren. Besteden vijf medewerkers elk vier uur per week aan het controleren van inkoopfacturen, dan is dat bij 46 werkweken 920 uur per jaar. Haalt de pilot de helft weg, dan weet je wat de oplossing mag kosten. Dat is ROI-gedreven automatisering: de opbrengst bepaalt het budget, niet andersom.
Voor een standaard AI-assistent heb je meestal geen partner nodig: afspraken, een training en een paar voorbeelden per afdeling regel je zelf. Begeleiding loont pas als de toepassing je eigen bedrijfsdata gebruikt of meerdere systemen raakt.
Medewerkers meenemen, en wat de AI-verordening vraagt
Bij het implementeren van AI ligt het succes bij de mensen die ermee moeten werken. Betrek ze vanaf de pilot: zij weten waar de uitzonderingen zitten en zien als eerste waar het model fouten maakt. En zeg vooraf wat er met de gewonnen tijd gebeurt.
Mensen meenemen heeft sinds kort ook een wettelijke kant. De Europese AI-verordening verplicht sinds 2 februari 2025 elke organisatie die AI-systemen gebruikt om maatregelen te nemen voor de AI-geletterdheid van wie ermee werkt. Volgens de vragen en antwoorden van de Europese Commissie geldt dat ook als medewerkers alleen ChatGPT gebruiken voor teksten: ze moeten de risico’s kennen, zoals verzonnen antwoorden. Een certificaat hoeft niet, een intern overzicht van trainingen volstaat, en sinds 2 augustus 2026 wordt daarop toegezien.
Leg daarom vast welke tools in het AI-gebruik van je team zijn toegestaan en welke gegevens er niet in mogen, zoals persoonsgegevens die onder de AVG vallen. Waar de gegevens in die tools terechtkomen en wiens wet daar geldt, lees je in ons stuk over datasoevereiniteit.
Hoe is het bij jullie: begint AI met een vraag die iemand wil oplossen, of met een licentie die iemand heeft gekocht? Wil je weten welke toepassing bij jullie het eerst iets oplevert? Neem contact op.
Veelgestelde vragen
Hoe lang duurt een AI-implementatie in een bedrijf?
Dat hangt af van de complexiteit. AI in software die je al hebt of een standaard AI-assistent werkt vaak binnen een week, met een pilot van een tot twee weken. Een toepassing op je eigen data met koppelingen staat meestal binnen vier tot zes weken.
Wat kost een AI-implementatie in het mkb?
Dat hangt af van de route. AI in software die je al hebt, kost vooral inrichtingstijd, een AI-assistent een vast bedrag per gebruiker per maand en maatwerk ontwikkeluren plus onderhoud. Zet daar de bespaarde uren tegenover.
Waar begin je met AI in je bedrijf?
Bij één bedrijfsvraag met een getal erin, niet bij een tool. Kies werk dat vaak terugkomt en waarbij iemand nu tekst leest of overtypt, zoals inkoopfacturen of klantvragen per e-mail, en doe daarop een nulmeting.
Hoe meet je of een AI-implementatie succesvol is?
Met een nulmeting vooraf op twee of drie cijfers, zoals uren per week en foutpercentage, en een afgesproken doelwaarde. Na de pilot vergelijk je dezelfde cijfers, inclusief de tijd die het controleren van de AI kost.
Vervangt AI medewerkers?
In het mkb zelden. AI neemt vooral lees-, typ- en samenvatwerk over, zodat er tijd overblijft voor werk dat oordeel vraagt. Zeg dat vooraf, want wie denkt dat zijn functie verdwijnt, helpt niet mee.
Kun je AI implementeren zonder IT-afdeling?
Wil je AI gebruiken in je bedrijf via een standaard AI-assistent of via software die je al hebt, dan lukt dat meestal zonder. Gebruikt de toepassing je eigen bedrijfsdata of meerdere systemen, dan heb je iemand nodig voor koppelingen, rechten en beveiliging.
Hoe houd je bedrijfsdata veilig bij AI-gebruik?
Leg vast welke tools mogen en welke gegevens er niet in mogen, zoals persoonsgegevens. Kies zakelijke versies waarbij je invoer niet wordt gebruikt om het model te trainen, en controleer de toegangsrechten op je bestanden voordat een AI-assistent erin mag zoeken.
