AI-implementatie in het mkb: van eerste pilot tot AI die structureel meedraait in de operatie

Pilot, automatisering, agent, platform. Als je je oriënteert op AI, vliegen de termen je om de oren. Voor je het weet zit je in een gesprek waarin iedereen iets anders bedoelt met hetzelfde woord. Daarom beginnen we met een korte rondleiding door die begrippen, en laten we zien hoe ze samenhangen: van een eerste kleine proef tot toepassingen die elke dag meedraaien in het werk. Dat laatste is waar het ons om gaat. AI-implementatie is het bouwen van toepassingen die structureel onderdeel worden van de operatie, niet een proef die ernaast blijft hangen.

Het is één van de drie stappen waar wij mee werken: de strategie bepaalt wáár AI iets oplevert, de adoptie zorgt dat de organisatie meebeweegt, en de implementatie, deze pagina dus, zit ertussen. Het is het stuk waar je AI daadwerkelijk werkend krijgt.

Waar je bepaalt welke kans het waard is om op te pakken, lees je in de strategie: AI-strategie en waardecreatie. De vraag hoe je de organisatie meekrijgt, hoort bij de adoptie en lees je hier. Op deze pagina zit je in het stuk daartussen: hoe je AI daadwerkelijk werkend krijgt binnen je bedrijf.

De cijfers op een rij. Bij Nederlandse bedrijven met 50 tot 250 medewerkers steeg AI-gebruik van 20% in 2023 naar 45% in 2025 volgens het CBS. Toch gebruikt bijna de helft van de werknemers AI nog nooit op het werk, en de meeste organisaties hebben AI nog niet diep genoeg in hun werkprocessen ingebed om er bedrijfsbreed iets aan te hebben. Het knelpunt zit zelden in de techniek en vaker in de uitvoering.

Wat is AI-implementatie eigenlijk?

AI-implementatie is alles wat ervoor zorgt dat AI echt onderdeel wordt van het dagelijkse werk. Een proef die naast de operatie blijft hangen, telt namelijk nog niet als implementatie. Het helpt om twee vormen op de werkvloer uit elkaar te houden, omdat ze een andere aanpak vragen: AI-tools en AI-automatisering:

1.      AI-tools zijn de toepassingen die een individuele medewerker sneller maken. Denk aan ChatGPT, Claude of Microsoft Copilot waarmee iemand een mail opstelt, een tekst samenvat of een analyse voorbereidt. De winst is voor de individu: dezelfde medewerker doet zijn werk sneller en met meer consistentie.

2.      AI-automatisering gaat een stap verder. Hier neemt een toepassing een terugkerend proces grotendeels over en verbindt de systemen waar je al mee werkt, zodat het werk doorloopt zonder dat iemand het telkens met de hand hoeft te doen. De winst is structureel: het proces wordt sneller, ongeacht wie er aan de knoppen zit.

Die twee vormen landen ook anders in de organisatie. Een tool als ChatGPT of Claude rol je uit door mensen toegang te geven, ze te trainen en kaders af te spreken. Een automatisering test je eerst een paar weken lang met een meetbare uitkomst op één afdeling of één stuk van het proces. Dat heet een pilot, en die laat zien of de toepassing werkt voordat je hem breed uitrolt. We gaan die route volgen en kijken waarom trajecten vastlopen, hoe je klein begint, welk proces je kiest, waarmee je het bouwt, hoe je het team meekrijgt, hoe je het veilig en AI Act-proof houdt, en hoe je meet of het iets oplevert. Het verschil tussen tools en automatisering hebben we verder uitgediept in Bedrijfsprocessen automatiseren met AI.

Waarom blijven veel AI-trajecten in de pilotfase steken?

De meeste AI-trajecten lopen vast op de aanpak. De technologie is daarbij zelden het probleem. Een veelgemaakte fout is beginnen bij de tool en pas daarna kijken naar het knelpunt. Wie vraagt “wat kunnen we met AI?” bouwt al snel een chatbot die niemand gebruikt. Wie begint bij “waar lekt bij ons elke dag tijd weg?” bouwt juist iets waar mensen op zitten te wachten. Een zin als “we verliezen vier uur per offerte aan handmatig uitzoekwerk” is een bruikbaar startpunt. Een tool op zoek naar een probleem is dat zelden.

Daar komt een herkenbaar patroon bij. Een enthousiaste medewerker begint met een proef, maar niemand is eigenaar van de gehele uitrol die daarop zou moeten volgen. De proef draait náást de dagelijkse operatie, los van waar mensen echt werken, en zodra de aandacht verslapt valt men terug op de oude werkwijze. Het CBS zag dat patroon ook terug in de cijfers. Meer dan een kwart van de bedrijven die AI gebruikt, doet dat het jaar erop alweer niet meer. McKinsey concludeerde hetzelfde over de stap van pilot naar opschaling, die de meeste organisaties simpelweg nog niet hebben gezet.

De uitweg zit in een andere volgorde: eerst het knelpunt, dan de technologie. Welk knelpunt het waard is om aan te pakken, hoort bij de strategie en hebben we uitgewerkt in Strategie voor AI-implementatie.

Hoe begin je: groot denken, klein beginnen, snel leren

De aanpak die in de praktijk werkt, vatten we samen als groot denken, klein beginnen en snel leren. Groot denken betekent een beeld hebben van waar je over twee tot drie jaar wilt staan. Klein beginnen betekent één proces kiezen dat je binnen vier tot zes weken in productie kan brengen; een traject van een jaar is geen goed startpunt. Snel leren betekent dat je gebruikt wat die eerste stap je leert om de volgende stap slimmer te zetten. Wat in de praktijk werkt is zelden precies wat je vooraf bedacht, en daar wil je achter komen voordat je opschaalt.

Een proces leent zich voor zo'n eerste pilot als het aan drie dingen voldoet: het gebeurt vaak (hoog volume), het is steeds dezelfde handeling (repeterend) en het levert nu frictie op (tijdverlies, fouten, lange doorlooptijd). De Stanford AI Index 2026 onderbouwt waarom dat de juiste keuze is: AI levert de duidelijkste winst bij scherp afgebakende, repeterende taken, met productiviteitswinst van 14% tot 26% in bijvoorbeeld klantenservice en softwareontwikkeling, en wisselende resultaten bij werk dat menselijk oordeel vraagt. De winst zit dus vooral ook wáár je AI inzet.

Bij De Nationale Adviesbalie begon het met één meetbaar proces en leverde dat in korte tijd directe tijdwinst op in de e-mailcommunicatie. De volledige startaanpak en de criteria staan in Zakelijk AI gebruiken: start met deze 5 processen.

Welke processen pak je als eerste aan?

De processen die je als eerste aanpakt, zijn de processen met hoge impact en hoge haalbaarheid: ze komen vaak terug, kosten merkbaar tijd of fouten, en zijn met de bestaande systemen goed te raken. Een eenvoudige afweging op die twee assen maakt de volgorde zichtbaar:

In de praktijk komen steeds dezelfde processen als eerste bovendrijven, omdat de tijdwinst snel zichtbaar is: orderverwerking, het matchen van leads, e-mailafhandeling in de klantenservice, het omzetten van cv's, en het maken van rapportages. Per afdeling vertaalt zich dat zo:

•      Klantenservice. First response, het indelen van vragen en het ontsluiten van de kennisbank. De medewerker beoordeelt en verstuurt, de AI doet het voorwerk.

•      Sales en offertes. Leads kwalificeren, offertes opstellen, vervolgmails en het vullen van het CRM, met behoud van de persoonlijke band.

•      Backoffice. Facturen, contracten en rapportages: het stilste gebied, vaak met de meeste tijd- en doorlooptijdwinst.

Bij Elektroned, een netwerk van ruim veertig installatiebedrijven, leerden ruim honderd professionals dit soort werk automatiseren: standaardteksten, notulen en samenvattingen worden nu in seconden gegenereerd, waardoor er tijd vrijkomt voor klantcontact. In de klantenservice laat HDI Global zien hoe dat eruitziet.

Welk proces zich bij jou het eerst leent, hangt af van waar de frictie zit. Zodra dat duidelijk is, komt de volgende vraag: waarmee bouw je het?

Waarmee bouw je het: van kant-en-klare tools tot automatisering op maat

Hiervoor bestaat geen vaste tool en geen vast platform. Wat je nodig hebt, hangt af van het proces. Grofweg zijn er drie niveaus, van licht naar zwaar.

1. Een kant-en-klare AI-tool. Voor veel werk is een bestaande tool als ChatGPT, Claude of Microsoft Copilot al genoeg. Een medewerker stelt er sneller een concept mee op of vat een document samen. Welke tool de ‘beste’ is, verandert per maand; wat telt is dat hij bij je werk past. Dat lichten we toe in waarom de winnaar tussen modellen niet uitmaakt en in de vergelijking tussen Copilot en ChatGPT.

2. Een geautomatiseerde workflow. Als een proces door meerdere systemen loopt en mensen nu handmatig gegevens kopiëren, controleren of doorsturen, bouw je een workflow die dat overneemt. Belangrijk: je vervangt je bestaande software niet, je legt er een slimme laag bovenop, zodat je niets hoeft te migreren. Zo'n workflow draait controleerbaar, met een mens die de uitkomst goedkeurt (‘human-in-the-loop’). Dit verschilt van klassieke automatisering (RPA, zoals we beschrijven in onze blog Automatisering en RPA), die alleen vaste, voorspelbare stappen aankan; AI gaat ook om met variatie en taal. De aanpak staat uitgewerkt in waarom je concurrent sneller schakelt door AI-automatisering.

3. Volledig maatwerk. Soms is een eigen toepassing nodig, bijvoorbeeld als het proces echt onderscheidend is. De vuistregel: bouw zelf alleen wat onderscheidend en proceseigen is, en benut voor de rest wat je al hebt. Onderzoek van MIT laat zien dat toepassingen kopen bij gespecialiseerde leveranciers ongeveer 67% van de tijd slaagt, terwijl zelf bouwen ongeveer een derde zo vaak slaagt.

Binnen die niveaus speelt nog één keuze: een workflow of een agent. Een workflow volgt een vast pad en is daarmee voorspelbaar en goed uit te leggen. Een AI agent neemt zelfstandig beslissingen; dat klinkt krachtig en voegt complexiteit en risico toe die je zelden nodig hebt. Gartner verwacht dat ruim 40% van de agentic-AI-projecten voor eind 2027 wordt geschrapt, vooral door onduidelijke meerwaarde en gebrekkige risicobeheersing. De Stanford AI Index laat zien dat de inzet van agenten in bedrijven nog in de eencijferige procenten. Voor de meeste mkb-processen is een workflow daarom de logische keuze.

Een voorbeeld maakt het concreet. Bij BeGlobal, met meer dan honderdduizend artikelen in het assortiment, kostte het opstellen van een offerte uren handwerk. Door eerst het proces te begrijpen en daarna een laag op de bestaande systemen te bouwen, duurt een offerte nu 52 seconden, en verstuurt hetzelfde team tien keer zoveel offertes.

AI landt alleen als kennis, tijd en draagvlak samenkomen

Een toepassing bouwen is het halve werk. Ze gaat pas renderen als mensen ermee werken, en dat vraagt drie dingen tegelijk: kennis, tijd en draagvlak. De cijfers van Gallup maken dat scherp. Bijna de helft van de werknemers gebruikt AI nog nooit op het werk, en minder dan een derde zegt dat hun manager AI-gebruik actief steunt. De grootste drijfveren voor frequent gebruik zijn juist twee implementatiekeuzes: AI die gekoppeld is aan de bestaande systemen, en zichtbare steun vanuit het management.

Kennis en draagvlak versterken elkaar. Een getrainde medewerker werkt sneller en weet welke gegevens wel en niet in een tool mogen, waardoor de uitrol veiliger verloopt. Tegelijk is individuele snelheid nog geen beter proces: als iemand een rapport in een uur schrijft maar het daarna drie dagen blijft liggen, is de doorlooptijd nauwelijks verbeterd. Daarom horen AI training en automatisering bij elkaar, met een mens die de regie houdt.

De menselijke kant in de volle breedte, mindset, vaardigheden en het wegnemen van weerstand, is een onderwerp op zich en hoort bij de adoptie. De bekende valkuilen daarin staan beschreven in valkuilen bij AI-adoptie en in waarom AI je personeel niet vervangt. Voor de implementatie is het genoeg om te onthouden: bouw met het oog op de mensen die ermee gaan werken.

Hoe houd je het veilig en AI Act-proof?

Veilig bouwen begint met afspraken: leg vast welke gegevens wel en niet in een AI-tool mogen, kies voor de zakelijke versies van tools met verwerkersafspraken, en laat risicovolle output altijd door een mens controleren. Onduidelijkheid over wat mag, remt het gebruik; heldere kaders nemen die rem weg.

Daar komt wetgeving bij. De Europese AI Act wordt gefaseerd ingevoerd, en vanaf augustus 2026 gelden strenge eisen voor toepassingen met een hoog risico, bijvoorbeeld in werving, toegang tot diensten en opleiding. Voor die toepassingen vraagt de wet onder meer om menselijk toezicht (human-in-the-loop), transparantie naar je mensen en goede vastlegging van data. Wat de AI Act precies van jou vraagt en welke deadlines er zijn, lees je in De AI Act: impact voor bedrijven.

Governance speelt op drie niveaus: bij de besluiten van de leiding, op de werkvloer, en tijdens het bouwen zelf. Voor zorg, publieke sector en financiële dienstverlening is de sectorale regelgeving leidend voor wat technisch mag; bij organisaties als Pantein, RKC Waalwijk, Qredits en HDI Global is dat het uitgangspunt.

Hoe weet je of een AI toepassing werkt?

Je weet of een toepassing iets oplevert door vóór de start een nulmeting te doen en daarna vier dingen te volgen: bespaarde tijd, foutreductie, doorlooptijd en kwaliteit. Zonder nulmeting is elke uitspraak achteraf een gevoel. Meet de uitkomst van het hele proces; hoe vaak een tool open staat zegt op zichzelf weinig. Een rapport dat in een uur klaar is maar daarna dagen blijft liggen, levert pas iets op als ook het vervolgproces meebeweegt.

Houd het meetbaar en eerlijk, en kijk naar het proces van begin tot eind. De volledige meetaanpak staat in Bedrijfsprocessen automatiseren met AI.

AI laten meedraaien in de operatie draait om de juiste volgorde: begin bij een knelpunt, kies een proces met hoge impact en haalbaarheid, bouw met de lichtste oplossing die werkt, betrek de mensen die ermee werken, houd het veilig en meet vanaf de nulmeting. De organisaties die het meeste uit AI halen, kiezen scherp en bedden de toepassing in het echte werk in.

Dat sluit aan op hoe PromptGorillas werkt: herkennen waar de waarde zit, bouwen wat werkt en zorgen dat de organisatie het blijft gebruiken. We blijven betrokken na de oplevering en houden samen zicht op groei.

Bij PromptGorillas helpen we 500+ Nederlandse bedrijven, van Politie tot Bidfood, om AI niet als experiment maar als onderdeel van de bedrijfsvoering te laten landen. Op alle drie de pijlers tegelijk: herkennen waar de waarde zit, automatisering bouwen die werkt in jullie operatie, en met AI-trainingen voor bedrijven de hele organisatie meekrijgen. Onze klanten halen gemiddeld 6x ROI op hun AI-automations. Plan een kennismaking.