AI in het MKB: vijf toepassingen die vandaag al werken

AI is in korte tijd van experiment naar dagelijkse praktijk gegaan. Tegelijk zien wij bij veel bedrijven dat de verwachtingen scheef liggen. Men verwacht een systeem dat zelfstandig het werk overneemt, terwijl de winst juist zit in het wegnemen van kleine, saaie handelingen die zich honderden keren per jaar herhalen.

Hieronder staan vijf toepassingen die wij in de praktijk zien werken. Per toepassing beschrijven we wat het is, voor welk type bedrijf het geschikt is, wat het ongeveer oplevert en wanneer je er beter van af kunt zien.

1. Documenten automatisch uitlezen

Binnenkomende facturen, pakbonnen, urenbriefjes en ingevulde formulieren worden automatisch gelezen en omgezet naar gegevens in je systeem. De techniek erachter heet documentherkenning (OCR met een taalmodel). Anders dan de scanoplossingen van tien jaar geleden hoeft dit niet per leverancier ingeregeld te worden, omdat het model de structuur van een document zelf herkent.

Dit werkt goed voor bedrijven die per maand meer dan honderd documenten verwerken en waar meerdere leveranciers elk hun eigen opmaak hanteren. Een administratie die dagelijks een half uur kwijt is aan overtypen, houdt daar in de praktijk het grootste deel van over. De controle blijft: iemand keurt af wat het systeem niet zeker weet.

Wanneer het niet werkt: bij lage aantallen. Verwerk je vijf facturen per maand, dan is de inrichting duurder dan de tijd die je bespaart. Ook bij handgeschreven documenten met wisselende kwaliteit blijft het foutpercentage te hoog om er blind op te varen.

2. Offertes samenstellen

Op basis van eerdere offertes, je prijslijst en de gegevens van de klant zet het systeem een concept klaar. De verkoper begint dus niet bij een leeg document, maar bij een voorstel dat voor tachtig procent klopt. Aanpassen en versturen is dan een kwestie van minuten.

Dit is vooral interessant als je offertes samenstellingen zijn van onderdelen, zoals bij installatiebedrijven, producenten en dienstverleners met vaste modules. Verkopers die eerder drie kwartier per offerte kwijt waren, doen er vaak nog een kwartier over. Bij twintig offertes per week telt dat snel op.

Wanneer het niet werkt: als elke offerte werkelijk uniek is en de prijs vooral op gevoel en onderhandeling tot stand komt. Dan mist het systeem het patroon waarop het zich kan baseren en levert het een voorstel op dat de verkoper toch helemaal herschrijft.

3. Klantvragen beantwoorden op je eigen gegevens

Een assistent die antwoord geeft op basis van jouw handleidingen, prijslijsten, projectdossiers en eerdere tickets. Geen algemene chatbot die het internet afzoekt, maar een assistent die alleen jouw bronnen raadpleegt (dit heet retrieval augmented generation). Bij elk antwoord staat uit welk document het komt, zodat een medewerker het kan nakijken.

Dit werkt goed bij bedrijven waar dezelfde vragen steeds terugkomen en de kennis verspreid staat over mappen, mailboxen en hoofden van mensen. Servicedesks halen hier de meeste winst: nieuwe medewerkers zijn sneller productief en collega’s hoeven elkaar minder vaak te storen.

• Zet hem eerst intern in, voor je eigen medewerkers, voordat je hem op klanten loslaat.
• Ruim je documentatie op voordat je begint. Een assistent die verouderde prijzen citeert, richt schade aan.
• Spreek af welke vragen hij niet beantwoordt, bijvoorbeeld alles met een juridische of financiële consequentie.

Wanneer het niet werkt: als je documentatie rommelig of tegenstrijdig is. De assistent maakt dan zichtbaar hoe onduidelijk je bronnen zijn, en dat kost je meer tijd dan het oplevert.

4. Gegevens overzetten tussen systemen

Dit is de minst spannende toepassing en vaak de meest waardevolle. Een geautomatiseerde gegevensstroom (API-koppeling) zorgt dat een order in je CRM vanzelf in je boekhouding komt, of dat een adreswijziging op één plek doorwerkt naar alle andere. Strikt genomen is dit geen AI maar automatisering, en juist daarom is het voorspelbaar en betrouwbaar.

Bijna elk bedrijf met twee of meer systemen heeft hier iets te winnen. Wij zien regelmatig dat een medewerker vier tot acht uur per week bezig is met overtypen en controleren. Dat is werk dat volledig kan verdwijnen, met als bijvangst dat de tikfouten verdwijnen.

Wanneer het niet werkt: als een van beide systemen geen fatsoenlijke koppelmogelijkheid heeft. Dan bouw je een omweg die bij elke update van de leverancier kan breken. In dat geval is de eerlijke conclusie soms dat je eerst het systeem moet vervangen.

5. Rapportage

Eén overzicht dat put uit je verschillende systemen, zodat je omzet, marge, doorlooptijden en openstaande posten ziet zonder eerst drie bestanden te exporteren. AI helpt hierbij vooral aan de voorkant: je stelt een vraag in gewone taal en krijgt de bijbehorende grafiek, in plaats van dat je zelf een rapport moet bouwen.

Dit is nuttig voor directie en teamleiders die nu op maandcijfers sturen omdat actuelere cijfers te veel werk zijn. Wanneer het niet werkt: als de gegevens in je systemen niet betrouwbaar zijn. Een dashboard maakt slechte gegevens alleen maar sneller zichtbaar, het repareert ze niet.

Hoe je hiermee begint

Begin niet bij de techniek maar bij de vraag welk werk je wilt wegnemen. Kies één proces dat vaak voorkomt, waarvan de regels op te schrijven zijn en waar de gegevens al digitaal beschikbaar zijn. Meet vooraf hoeveel tijd het kost, zodat je achteraf kunt vaststellen of het iets heeft opgeleverd.

Wij brengen dat in kaart voordat er iets gebouwd wordt. Niet omdat dat netjes staat, maar omdat het de enige manier is om te voorkomen dat je investeert in een oplossing voor een probleem dat je niet had.