Hoe begin je met AI? Praktisch stappenplan voor MKB

De meeste AI-trajecten in het MKB stranden op hetzelfde moment: na de strategiesessie. Een consultant levert een rapport van 80 pagina's, je leest het door, en daarna is iedereen weer terug bij de waan van de dag. Drie maanden later vraagt iemand op de borrel of er nog iets met "die AI" gebeurt. Het antwoord is meestal nee.

Dit stuk gaat over hoe het wel werkt. Geen consultancy-circus, geen strategie zonder uitvoering, geen zes maanden platforms vergelijken. Wel een concrete pilot binnen twee weken, gemeten in tijd en geld, op één duidelijk afgebakend proces. Daarna pas opschalen.

Deze aanpak is niet voor iedereen. Bouw je een datawarehouse voor 200 werknemers, dan heb je echt een strategiefase nodig. Maar voor 90% van het Nederlandse MKB, en dat is volgens CBS-cijfers de overgrote meerderheid, is dit de aanpak die werkt.

Stap 1: snap eerst wat AI wel en niet kan

Voordat je een tool kiest of een leverancier belt: zorg dat je grofweg snapt wat de huidige generatie AI doet. Niet om expert te worden, wel om te voorkomen dat je een chatbot bouwt waar je een spreadsheet nodig had, of een agent inzet waar een mailtemplate volstaat.

Je moet op z'n minst het verschil weten tussen een LLM en een AI-agent. Een taalmodel zoals ChatGPT of Claude antwoordt op een vraag. Een agent voert taken uit met meerdere stappen. Wie dat verschil niet helder heeft, koopt vaak het verkeerde.

Wat AI op dit moment goed kan: tekst samenvatten, classificeren, herschrijven, gestructureerde data uit ongestructureerde input halen, code genereren, simpele beslissingen nemen op basis van regels. Wat AI niet goed kan: rekenen zonder tools, exact onthouden zonder geheugenlaag, garanties geven over feitelijkheid, en bestaande software vervangen waar deterministische logica nodig is. Houd dat lijstje in je achterhoofd als iemand "AI" als oplossing voorstelt.

Lees de uitleg over wat AI is voor MKB als je de basis nog niet kent. Drie kwartier leeswerk bespaart je drie maanden werk in de verkeerde richting.

Stap 2: vind je drie tijdvreters

Geen abstracte oefening, geen workshop met post-its. Pak een week, zet een timer op je telefoon en noteer drie keer per dag wat jij of je team doet. Of nog simpeler: vraag aan de drie meest productieve mensen in je team waar ze de meeste tijd aan kwijt zijn.

Je zoekt taken met digitale input en digitale output. Een offerte op basis van een PDF van de klant is een goede kandidaat. Fysieke voorraad tellen niet. Daarnaast moet de taak herhalend zijn, met variatie. Niet identiek, want dan is een macro genoeg, wel hetzelfde patroon. Denk aan e-mails beantwoorden, content herschrijven voor verschillende kanalen, factuurdata invoeren, supporttickets categoriseren. En de derde eis: je moet het in tijd kunnen uitdrukken. "Dit kost mij gemiddeld 20 minuten per keer, ik doe het 30 keer per week." Zonder dat getal kun je later niet meten of het werkt.

Volgens het Stanford AI Index Report 2025 ligt de productiviteitswinst van LLM-tools op repetitief kenniswerk tussen de 25% en 40%, met uitschieters tot 70% op schrijftaken. Je hebt dus een tijdvreter van minimaal 4 tot 5 uur per week nodig om te zorgen dat het de moeite waard is.

Stap 3: kies één pilot

Eén. Niet drie tegelijk, niet "we beginnen breed". Kies van je drie kandidaten degene met de hoogste tijdsinvestering en de laagste complexiteit. Vaak is dat niet de meest sexy optie, en dat is precies goed.

Voorbeelden van pilots die de afgelopen twee jaar goed werkten in het MKB: inkomende e-mails categoriseren en conceptantwoorden klaarzetten in Outlook of Gmail, productbeschrijvingen herschrijven voor webshops vanuit een leveranciersfeed, vergaderingen automatisch laten samenvatten met actiepunten per persoon, offertes opstellen op basis van een intake-call en een prijslijst, of de eerste lijn klantenservice afhandelen voor de standaardvragen die in de praktijk 80% van het totaal uitmaken.

Projecten zoals een allesomvattende chatbot, een voorspelmodel zonder data of een agent die het hele klantproces overneemt, zijn geen goede eerste pilots. Dat zijn fase-3-projecten en zo verlies je in één klap je geloof in AI.

Als je twijfelt tussen kandidaten: doe de AI-scan, die geeft je in 5 minuten een ranking van waar de hoogste opbrengst per uur zit voor jouw bedrijf.

Stap 4: blokkeer twee weken in de agenda

Hier stranden de meeste trajecten alsnog. Niet omdat het technisch moeilijk is, wel omdat het urgent moet voelen. Blok dus twee weken in de agenda, geen dag langer.

Week 1 is bouwen. Op dag één leg je de happy path vast met tien voorbeelden van input en gewenste output. Dag twee en drie bouw je de eerste versie. Voor 80% van de pilots in deze categorie hoef je niks te programmeren. ChatGPT met custom instructions, Claude Projects, een Zapier-flow of een Make-scenario brengt je heel ver. Pas als de pilot werkt en opschalen aan de orde is, ga je kijken naar maatwerk-integraties. Op dag vier en vijf test je met de echte gebruiker, jij of een collega, niet met een ideale demo. Noteer waar het misgaat.

Week 2 is schuren. Dag zes tot acht fix je de meest voorkomende fouten. Niet alle randgevallen, alleen de fouten die 80% van de problemen veroorzaken. Op dag negen zet je 'm live in de echte workflow voor één persoon. Op dag tien meet je, en dat is stap 5.

Sla platform-vergelijkingen, RFP's en pitchrondes met leveranciers over. Als de pilot werkt, ga je in fase 2 pas kijken of het op een serieuzer platform moet. De OpenAI-documentatie en Anthropic's prompt engineering guide zijn gratis en goed genoeg voor de eerste versie.

Stap 5: meet wat het oplevert in tijd/geld

Zonder meting heb je geen pilot, dan heb je een hobby. De meting hoeft niet ingewikkeld, wel feitelijk.

Leg de volgende cijfers voor en na vast: tijd per taak, foutenpercentage en gebruikerstevredenheid. Tijd per taak meet je met een stopwatch, niet met een schatting. Pak vijf representatieve gevallen en meet de tijd van de oude manier, en klok daarna dezelfde vijf stappen met de nieuwe workflow. Bij foutenpercentage kijk je hoeveel van die vijf outputs je moet corrigeren. Dat is belangrijker dan tijd, want een 90% sneller proces dat de helft van de tijd fout zit kost je netto tijd. Bij gebruikerstevredenheid geen formele NPS, gewoon: zou je hier morgen mee verder willen werken, ja of nee. Als het antwoord nee is, doet de tijdwinst er niet toe.

Reken het door naar geld. Een proces van 30 minuten naar 8 minuten op 30 keer per week is 11 uur winst per week. Tegen een intern uurtarief van 60 euro is dat 660 euro per week, oftewel 34.000 euro per jaar voor één pilot. Tegen 15 tot 30 euro per maand aan tooling is de terugverdientijd meestal minder dan een week.

Volgens een McKinsey-onderzoek uit 2024 behaalt 23% van de bedrijven die met AI starten meetbare omzet- of kostenimpact binnen het eerste jaar. Het verschil tussen die 23% en de rest zit bijna altijd in dit punt: meten ze concreet, of niet.

Stap 6: documenteer en train je team

Pilot werkt, cijfers staan. Nu komt het deel dat 80% van de bedrijven overslaat: zorgen dat het ook over zes maanden nog werkt als jij op vakantie bent.

Schrijf op wat de pilot doet en niet doet. Niet als ISO-document, wel als één pagina A4 in Notion of Confluence. Wat is de input, wat is de output, op welk punt controleert of grijpt een mens in, en wanneer schakel je over op handmatige afhandeling. Train daarnaast minimaal twee mensen. Eén knelpunt is geen succes, dat is een zwakke schakel. De AI-trainingen van DataDream zijn hier specifiek voor opgezet, maar je kunt het ook zelf doen met twee uur uitleg en een week meekijken.

Check tot slot je verplichtingen onder Artikel 4 van de AI Act. Sinds februari 2025 is dit van kracht: iedereen die met AI-systemen werkt in jouw organisatie moet voldoende AI-geletterd zijn. Dat klinkt zwaar maar is het niet, je moet kunnen aantonen dat de mensen die het gebruiken snappen wat het doet. Lees de uitleg van de AI Act of doe de AI Act-check om te zien wat voor jouw situatie van toepassing is.

Documentatie en training zijn vaak het verschil tussen "leuke pilot van vorig jaar" en "standaard onderdeel van hoe we werken".

Stap 7: schaal of stop

Aan het einde van de pilot beslis je of je doorgaat, stopt of de aanpak vervangt. Geen van die opties is fout. Wel fout: in een situatie belanden waarin je niet meer enthousiast bent, maar ook niet officieel stopt.

Beslis op cijfers, niet op gevoel. Tijdwinst van 25% of meer met hoge gebruikerstevredenheid: schalen. Voeg de tweede taak van je tijdvreterlijst toe en begin opnieuw bij stap 3. Tijdwinst tussen 10 en 25% met wisselende tevredenheid: nog twee weken schuren, niet langer. Als het dan nog niet zit, stop je. Tijdwinst onder de 10% of lage tevredenheid: stoppen, leren, andere pilot kiezen. Het is geen mislukking, het is een leermoment.

Eén schalingsregel: voeg pas een tweede pilot toe als de eerste minimaal 4 weken zonder jouw aandacht draait. Anders bouw je een berg half-werkende systemen die allemaal jouw tijd vragen.

De meeste AI-trajecten stranden na de strategiesessie, niet ervoor. Uitvoering is het hele punt.

Wat dit niet is

Voor de duidelijkheid, dit zijn de patronen waar dit stappenplan expliciet tegen ingaat.

Geen "AI-strategie eerst". Een AI-strategie zonder pilots is een PowerPoint zonder klant. Strategie volgt op patronen die je ziet in pilots, niet andersom. Als een consultant zegt dat je eerst een visie van twee jaar nodig hebt: bedank ze en begin met stap 2 hierboven.

Geen "platform eerst". Microsoft Copilot, Google Gemini, een eigen LLM op Azure: dat zijn allemaal prima keuzes, maar pas in fase 2. In fase 1 maakt het niks uit. Een pilot die werkt op ChatGPT werkt ook op Copilot, en omgekeerd.

Geen "big bang implementatie". Het hele bedrijf in één keer overzetten op AI-workflows is hoe je iedereen kwijtraakt. Eén pilot, één team, één maand. Daarna de volgende.

Veelgemaakte fouten

In de pilots die ik begeleidde komen steeds dezelfde fouten terug. De scope is te groot. "We willen onze hele klantenservice automatiseren" is geen pilot, dat is een programma. Begin met de drie vragen die 60% van het volume veroorzaken.

Er wordt geen nulmeting gedaan. Zonder nulmeting weet je niet of het iets heeft opgeleverd, en "het voelt sneller" is geen meting. Mensen binden zich te vroeg aan een platform. Een jaarcontract met een AI-vendor zonder werkende pilot is bijna altijd duurder dan twee maanden zelf experimenteren. De gebruiker wordt overgeslagen. De persoon die het werk dagelijks doet weet beter waar de fricties zitten dan de directie. Bouwt die niet mee, dan mislukt de pilot. En het exit-criterium ontbreekt. Vooraf afspreken wanneer je stopt is even belangrijk als afspreken wanneer je opschaalt.

Wanneer haal je hulp van buiten

Het meeste van bovenstaande kun je zelf. Externe hulp maakt het verschil op een paar specifieke momenten.

Als je geen tijd hebt om twee weken te focussen, is een externe partner soms de enige manier om er een harde deadline aan te koppelen. Als de pilot gevoelige data raakt (zoals klant-, financiële of personeelsgegevens), hoef je geen hoofdprijs aan een AVG-bureau te betalen, wel iemand laten meekijken die checkt of de opzet juridisch klopt. Als je wilt opschalen naar meer dan 5 processen wordt nadenken over architectuur slim, en is een strategiefase een goede investering. Pas dan, niet eerder. En als je team volgens Artikel 4 van de AI Act nog niet AI-geletterd is, helpt een dagtraining je om aan die eis te voldoen en bespaar je jezelf later boetes en gedoe.

Zelfs met hulp: blijf eigenaar van het probleem. De externe partij doet het sneller, jij kent het bedrijf beter. De combinatie werkt, de overdracht zelden.

Conclusie

Beginnen met AI is geen kwestie van strategie, het is een kwestie van één pilot van twee weken op één concrete tijdvreter, met harde cijfers voor en na. Doe dat één keer goed, en je tweede pilot kost de helft minder energie. Doe het tien keer en AI is geen project meer, het is gewoon hoe jullie werken.

De grootste fout die ik in het MKB zie is niet dat mensen de verkeerde tool kiezen, het is dat ze maandenlang aan het kiezen zijn. Twee weken actie levert meer op dan zes maanden vergelijken.

Wil je weten welke pilot voor jouw bedrijf de hoogste opbrengst per uur heeft? Doe de AI-scan, 5 minuten, kort en concreet. Of neem contact op als je direct wilt sparren over je drie tijdvreters.