AI-automatisatie bij een KMO werkt vandaag in vier categorieën: documentverwerking, een kennisassistent op je eigen documenten, communicatie, en classificatie met routering. Die vier zien we draaien bij bedrijven van vijf tot honderd mensen, maanden na de oplevering, zonder dat er iemand voltijds naast moet zitten. Veel van wat je daarbuiten op beurzen en in demo's ziet, is ofwel nog niet stabiel genoeg voor productie, ofwel technisch mogelijk maar de moeite niet waard. Hieronder staat per categorie wat er gebeurt, wat er misgaat en waaraan je merkt of het bij jou past.
Wat AI-automatisatie in een KMO betrouwbaar maakt in plaats van indrukwekkend
Een demo is geslaagd als ze een keer lukt. Een automatisatie is pas betrouwbaar als ze maanden doorloopt terwijl niemand er nog naar omkijkt. Dat verschil bepaalt of AI bij jou werk wegneemt of werk bijmaakt.
Voor wij iets in productie zetten, moeten er drie dingen kloppen. Er moet een pad zijn waarlangs een geval bij een mens terechtkomt wanneer het systeem het niet aankan, in plaats van stilletjes in een logbestand te belanden. Er moet een meetpunt in zitten, anders kan je na drie maanden niet aantonen dat de automatisatie iets uithaalt. En de laatste stap voor er iets naar buiten gaat, blijft een mens: het systeem stelt voor, iemand keurt goed.
Met die bril blijven er vier categorieën over. Hoe we ze in de praktijk bouwen, staat op de pagina over onze AI-automatisaties.
| categorie | wat het systeem doet | waar het meestal misloopt |
|---|---|---|
| Documentverwerking | leest inkomende facturen, bonnen en contracten en zet de gegevens klaar | slechte scans en leveranciers die hun sjabloon veranderen |
| Kennisassistent | beantwoordt vragen over jullie eigen procedures, met bronvermelding | verouderde of tegenstrijdige documenten in de bron |
| Communicatie | rangschikt inkomende mail en schrijft een conceptantwoord | de toon klopt niet, of niemand leest het concept nog na |
| Classificatie en routering | sorteert wat binnenkomt en stuurt het naar de juiste persoon | de regels achter de sortering staan nergens opgeschreven |
Documentverwerking levert het snelst iets op dat je kan zien
Hierover bestaat de minste discussie. Een factuur komt binnen als PDF in de mailbox. Het systeem leest wie de leverancier is, welk bedrag erop staat, welk ordernummer erbij hoort en welke btw-behandeling van toepassing is, en zet dat klaar in de boekhouding. Iemand kijkt na en boekt in. Hetzelfde geldt voor bestelbonnen, werkbonnen en contracten waar vervaldatums uit moeten.
Wat er misgaat, is voorspelbaar. Scans van slechte kwaliteit. Een leverancier die zijn sjabloon aanpast zonder iets te zeggen. Een document dat eigenlijk twee documenten is, aan elkaar geniet. Geen van die dingen is een reden om ervan af te zien, wel om van bij de start een uitzonderingsbak te voorzien: wat het systeem niet zeker weet, gaat naar een mens.
Je merkt dat deze categorie bij jou past wanneer iemand elke week zit over te typen wat elders al digitaal bestaat. Het is ook de makkelijkste om te meten: tel hoeveel documenten er per week binnenkomen en hoe lang er per stuk aan gewerkt wordt. Op onze pagina over wat automatisatie aan tijd oplevert staat hoe we die rekening maken.
Een kennisassistent is zo goed als de documenten die je hem geeft
Dit is de categorie die we het vaakst verkeerd verkocht zien worden. Een kennisassistent is geen model dat jullie bedrijf van buiten kent. Het is een zoekmachine over jullie eigen documenten, met een taalmodel dat het gevonden stuk uitlegt in gewone zinnen en erbij zet uit welk bestand het komt.
Dat werkt goed voor vragen waarvan het antwoord ergens opgeschreven staat: wat de garantieprocedure is bij levering buiten de EU, of hoe de opzegtermijn in dat modelcontract zit. Het werkt niet voor vragen waarvan het antwoord alleen in het hoofd van je meest ervaren collega zit. Zolang die kennis nergens staat, valt er niets op te zoeken.
Wat er misgaat, zit bijna altijd in de documentenbak. Drie versies van hetzelfde reglement, twee daarvan verouderd, geen enkele met een datum erop. De assistent haalt de foute er dan met evenveel overtuiging bij als de juiste. Daarom hoort onder elk antwoord een bronvermelding: zonder die verwijzing merk je nooit dat je een oud document leest. Reken erop dat het opruimen van de bron meer tijd kost dan het bouwen van de assistent zelf.
Bij communicatie schrijft het systeem het concept en druk jij op verzenden
Inkomende mail wordt gelezen, gerangschikt en beantwoord met een concept dat klaarstaat in de mailbox van de juiste persoon. Een vergadering wordt een samenvatting met actiepunten. Een telefoongesprek wordt een notitie in het klantenbestand. In alle drie de gevallen blijft de verzendknop van een mens.
De winst zit niet in het typen zelf. Die zit in het niet meer moeten beginnen aan een lege mail. Het ordernummer opzoeken, de vorige briefwisseling terugvinden, hetzelfde antwoord voor de zoveelste keer herformuleren: dat is het werk dat verdwijnt.
Er zijn twee manieren waarop dit misloopt. De eerste is de toon. Een concept dat niet klinkt zoals jullie klinken, wordt volledig herschreven en dan heb je niets gewonnen. Dat los je op door het systeem te voeden met mails die jullie zelf verstuurd hebben, maar het vraagt het wekelijkse overleg uit de testperiode in onze aanpak. De tweede manier is gevaarlijker: als het concept meestal goed is, stopt men met nalezen. Daarom bouwen we hier liever wat extra wrijving in: bedragen en datums worden in het concept gemarkeerd, zodat het oog er wel op valt.
Classificatie en routering haalt het sorteerwerk weg voor iemand het ziet
De minst spectaculaire categorie, en meestal de beste plek om te beginnen. Wat binnenkomt, krijgt een label en gaat naar de juiste plaats: een offerteaanvraag naar verkoop, een klacht naar de dienst na verkoop, een sollicitatie naar de map van dit jaar, een leveranciersfactuur naar de boekhouding. Hetzelfde geldt voor tickets, werkbonnen en formulieren van de website.
Waarom dit een goed startpunt is: de kost van een fout is laag. Een mail die in de verkeerde bak belandt, wordt doorgestuurd en daarmee is het opgelost. Je kan de sortering ook een tijdlang laten meelopen zonder dat ze iets doet, gewoon om te vergelijken met hoe jullie het zelf zouden doen. Pas daarna zet je ze echt aan.
Wat er misgaat, is bijna nooit technisch. Het is dat niemand de regels kan opschrijven. Vraag aan drie mensen wanneer iets een klacht is en niet gewoon een vraag, en je krijgt drie antwoorden. Die discussie hoort thuis voor de automatisatie, niet erna. Vaak levert dat gesprek op zich al iets op, ook als de automatisatie er nooit komt.
Deze beloftes rond AI voor kleine bedrijven zijn vandaag nog verkooppraat
Er wordt veel verkocht dat wij bij een KMO niet zouden neerzetten. Niet omdat het onmogelijk is, wel omdat het bij een bedrijf van deze omvang niet betrouwbaar genoeg is of zich niet terugverdient.
- De volledig autonome agent. Een systeem dat zelfstandig mails verstuurt, bestellingen plaatst of afspraken bevestigt zonder dat iemand ernaar keek. Technisch bestaat dat. Het probleem is niet dat het vaak fout gaat, maar dat je niet merkt wanneer het fout gaat, en dat er dan niemand verantwoordelijk is.
- Een eigen model laten trainen op jullie gegevens. Dat is de dure omweg naar iets wat je met bestaande modellen en goed geordende documenten ook bereikt. De intelligentie hoort in de workflow, niet in het model.
- AI die beslist over mensen. Cv's rangschikken, kandidaten voorselecteren, prestaties beoordelen. Dat valt onder strengere Europese regels dan een tekstgenerator, en veel KMO's hebben het volume niet dat die rompslomp rechtvaardigt.
- AI die je omzet doet groeien. Wij nemen werk weg en maken uren vrij. Wat er met die uren gebeurt, bepaalt of er omzet bij komt, en dat controleert geen enkele leverancier.
- Een systeem dat je bestaande software vervangt. Meestal bouwen we ernaast en koppelen we eraan. Wanneer bouwen wel de juiste keuze is, staat op onze pagina over software op maat.
Hoe weet je of een van deze vier bij jou past?
Niet door naar de technologie te kijken, wel naar de taak. Tijdens een screening lopen wij vijf vragen af, en die kan je zelf ook stellen.
Blijft er na die vijf vragen niets over, dan is dat ook een antwoord. Het is geen ramp om na een screening te horen dat de winst elders zit, in een koppeling tussen twee systemen die er al staan, zonder dat er AI aan te pas komt.
Wat je vastlegt over gegevens en regels voor je begint
Zodra er bedrijfsgegevens door een AI-dienst gaan, hoort daar administratie bij. Wij zijn geen juristen en dit is geen juridisch advies, maar dit zijn de punten die in elk traject terugkomen.
- Een verwerkersovereenkomst met de leverancier, zodat vastligt wat er met de gegevens mag gebeuren.
- De afspraak dat jullie gegevens niet gebruikt worden om modellen mee te trainen. Bij zakelijke abonnementen is dat vaker standaard dan bij gratis versies, maar kijk het na in de voorwaarden.
- Waar de verwerking gebeurt, en of dat binnen Europa kan.
- Een zichtbare melding wanneer een gebruiker met AI communiceert in plaats van met een mens.
- Een ingeschatte risicoklasse per toepassing. Een assistent die interne procedures opzoekt, zit in een andere categorie dan een systeem dat meebeslist over personeel.
De Europese AI Act en de AVG bepalen hoe dat precies moet. Lees dat na bij de bron en niet in een blogartikel: de tekst van de AI Act staat op de officiële kanalen van de Europese Unie, en de Gegevensbeschermingsautoriteit legt de AVG-kant uit voor Belgische bedrijven. Laat de overeenkomsten nakijken door iemand die daarvoor opgeleid is.
Het systeem stelt voor, een mens keurt goed. Zolang dat overeind blijft, is AI bij een KMO gereedschap en geen gok.
Waarom wij beginnen met een screening en pas daarna bouwen
Wij zitten op de Corda Campus in Hasselt en werken aan de bedrijfsprocessen van KMO's in Limburg en Vlaanderen. In de screening blijkt geregeld dat de winst elders zit dan waarover de zaakvoerder gebeld had: iemand noemt de facturen, en op de vloer zit het echte verlies in het opzoekwerk tussen twee systemen die niet met elkaar praten.
Daarom beginnen we met kijken, bouwen we daarna een workflow die echt in productie draait, en testen jullie het geheel twee weken lang tot de uitzonderingen erin zitten. Wat er na die periode gebeurt, staat bij Workflow Care. Wil je weten welke van deze vier categorieën bij jullie iets oplevert, dan is een screening de kortste weg naar dat antwoord.
Veelgestelde vragen
Welke AI-automatisatie levert bij een KMO het snelst resultaat op?
Meestal documentverwerking of het sorteren en routeren van wat er binnenkomt. Bij allebei is het volume goed te tellen en is de kost van een fout laag, waardoor je snel ziet of het werkt. Een kennisassistent levert vaak meer op, maar vraagt eerst dat je documenten op orde staan.
Moet ik een eigen AI-model laten trainen voor mijn bedrijf?
Nee. Voor een bedrijf van vijf tot honderd mensen is dat een dure omweg naar iets wat bestaande modellen ook doen. De intelligentie bouw je in de workflow eromheen: welke gegevens erin gaan, welke controles erop staan en wat er gebeurt bij twijfel.
Wat gebeurt er als de AI een fout maakt?
Dat hoort ingebouwd te zijn voor het in productie gaat. Wat het systeem niet zeker weet, gaat naar een mens in plaats van er half door te glippen, en alles wat naar buiten gaat, wordt eerst door iemand goedgekeurd. Zonder dat pad is een automatisatie niet klaar voor productie.
Hoe lang duurt het voor een AI-automatisatie echt draait?
Bij ons één week bouw per workflow en daarna twee weken testen. Na die bouwweek staat er iets in productie, geen prototype. De testperiode is geen nazorg maar het eigenlijke werk, want daar komen de uitzonderingen boven die niemand vooraf bedacht had. Met de blueprintweek erbij is één workflow vier weken.
Mag ik bedrijfsgegevens door een AI-dienst laten gaan?
Dat kan, maar er hoort administratie bij: een verwerkersovereenkomst, de afspraak dat je gegevens niet gebruikt worden om modellen te trainen, en duidelijkheid over waar de verwerking gebeurt. De Europese AI Act en de AVG bepalen de details. Laat dat nakijken door iemand die daarvoor opgeleid is.
Begin met twee uur aan tafel.
Tijdens een screening van twee uur bij jullie op kantoor tekenen we de processen samen uit. Daarna weet je welke van deze vier categorieën bij jullie iets oplevert en hoeveel workflows daarvoor nodig zijn.
