AI strategie bepalen: een framework voor het MKB

Een AI strategie voor het MKB is geen visiedocument van tien pagina's. Het is een antwoord op drie vragen: welke problemen los je op met AI, in welke volgorde pak je ze aan, en wat heb je daarvoor nodig? Dit framework helpt je van vaag voornemen naar een eerste concreet project — zonder transformatieretoriek.

Waarom je een AI strategie nodig hebt.

Veel bedrijven beginnen met AI zonder strategie. Ze kopen een Microsoft Copilot-licentie, zetten ChatGPT-accounts op voor het team, en wachten op resultaten. Zes maanden later is het gebruik versnipperd: de ene medewerker gebruikt het dagelijks, de ander heeft het na twee weken losgelaten. De verwachtingen zijn niet ingelost en niemand weet hoe AI bijdraagt aan de bedrijfsdoelen.

Dit is geen uitzondering. Volgens onderzoek van McKinsey (2024) schaalt minder dan 30% van de AI-initiatieven succesvol op. De belangrijkste oorzaak is niet technisch. Het is het ontbreken van een duidelijke strategie en eigenaarschap.

Neem een concreet voorbeeld. Een middelgroot bouwbedrijf investeert €30.000 in een AI-chatbot voor klantenservice. Halverwege de implementatie blijkt dat de klantdata verspreid zit over drie systemen en niemand de eigenaar is van het onderhoud. Het project strandt. De technologie werkte. De voorbereiding niet.

Een AI strategie hoeft niet complex te zijn. Maar je hebt een antwoord nodig op drie vragen voordat je investeert:

• Welke bedrijfsproblemen lost AI op voor jou — specifiek en meetbaar?
• Wat zijn realistische verwachtingen op een tijdshorizon van zes tot twaalf maanden?
• Wie is er intern verantwoordelijk voor uitvoering en adoptie?

Zonder antwoord op deze drie vragen koop je technologie in plaats van een oplossing.

Het Productized AI-framework.

We werken met een framework in vier lagen. Elke laag bouwt voort op de vorige. Sla je een laag over, dan loop je vast in de uitvoering — en dat is duurder dan de tijd die de voorbereiding kost.

De meeste bedrijven slaan laag 1 tot 3 over. Ze lezen over een AI-toepassing, willen het meteen implementeren, en ontdekken halverwege dat de data niet op orde is of de organisatie er niet klaar voor is. De eerste drie lagen besparen je dat geld en die frustratie.

De drie niveaus van AI-inzet.

Voordat je inventariseert, is het belangrijk te weten welk niveau van AI-inzet past bij je organisatie. Er zijn drie niveaus met oplopende investering en impact:

• Niveau 1 — AI-tools: ChatGPT, Microsoft Copilot, Claude. Medewerkers gebruiken ze direct voor individuele taken: schrijven, samenvatten, analyseren, vertalen. Investering: €20-100 per gebruiker per maand. Impact: individuele productiviteit. Je automatiseert niets structureel, maar de drempel is laag.
• Niveau 2 — AI-automatisering: AI verbonden aan je eigen systemen en processen. Factuurverwerking zonder menselijke tussenkomst. Klantvragen afgehandeld door een agent die je CRM en productcatalogus kent. Offerteaanvragen die automatisch worden verwerkt en geclassificeerd. Investering: €15.000-75.000. Impact: structurele tijdsbesparing op procesniveau.
• Niveau 3 — AI-native producten: AI als kernonderdeel van je product of dienstverlening. Een bouwbedrijf dat een eigen AI-tool bouwt voor energieberekeningen. Een vastgoedbedrijf dat automatisch vastgoeddossiers analyseert en valideert. Investering: €75.000 en hoger. Impact: concurrentievoordeel dat moeilijk te kopiëren is.

De meeste MKB-bedrijven beginnen op niveau 1, schalen naar niveau 2 zodra ze weten wat werkt, en beslissen dan op basis van hun markt of niveau 3 relevant is. Niveau 2 is voor de meeste bedrijven in de sectoren bouw, vastgoed, energie en zakelijke dienstverlening het meest rendabele startpunt.

Prioriteren van use cases.

In de inventarisatiefase verzamel je alle potentiële AI-toepassingen in je organisatie. Dat levert al snel een lijst van 20 tot 30 ideeën op. De vraag is: wat pak je als eerste aan? Hier gaan de meeste bedrijven op gevoel. Dat is zelden de juiste aanpak.

We scoren use cases op drie assen:

1. Impact: hoeveel structurele tijd of kosten bespaar je op jaarbasis? (1 = marginaal, 5 = transformatief)
2. Complexiteit: hoeveel technische en organisatorische inspanning kost de implementatie? (1 = eenvoudig, 5 = zwaar project)
3. Data-gereedheid: heb je de benodigde data beschikbaar in bruikbare, toegankelijke vorm? (1 = niet aanwezig of onbruikbaar, 5 = schoon en direct beschikbaar)

De strategie is eenvoudig: begin met use cases die hoog scoren op impact en data-gereedheid, en laag op complexiteit. Dat zijn je quick wins. Ze bouwen vertrouwen op in de organisatie, leveren aantoonbare resultaten, en geven je team praktijkervaring met AI-implementaties voor je de grotere projecten aanpakt.

Voer die scoring uit met de mensen die de processen het beste kennen — niet alleen het management. Operationele medewerkers weten precies welke taken de meeste tijd kosten en welke data er beschikbaar is. Ze weten ook welke randgevallen het systeem moet aankunnen. Zonder die input koop je een oplossing voor het verkeerde probleem.

Budget en resources.

Een van de meest gestelde vragen is wat een AI-strategie kost. Het eerlijke antwoord: het hangt af van het niveau dat je wil bereiken. Hier zijn de realistische bandbreedtes:

1. Niveau 1 (tools): €500-2.000 per maand voor een team van twintig medewerkers. Direct te starten, geen IT-project vereist. ROI is zichtbaar binnen weken als mensen het echt gaan gebruiken.
2. Niveau 2 (automatisering): €15.000-75.000 voor een gerichte implementatie van één tot drie processen. Doorlooptijd 6 tot 16 weken, inclusief integratie met bestaande systemen.
3. Niveau 3 (maatwerk): €75.000 en hoger, afhankelijk van scope en complexiteit. Meerdere maanden. Vereist een technisch productteam of een partner die dat levert.

Naast budget heb je intern een eigenaar nodig. Niet per se een technisch persoon, maar iemand die begrijpt hoe de processen werken én die het mandaat heeft om beslissingen te nemen. Zonder die persoon loopt elke AI-implementatie vast op organisatorische weerstand — ook als de technologie goed is en de partner competent.

Maak ook onderscheid tussen twee soorten uitdagingen die bedrijven verwarren. Een externe partner helpt je de technologie bouwen. Maar de adoptiestrategie — hoe mensen het gaan gebruiken, hoe je weerstand wegneemt, hoe je het inbedt in bestaande werkwijzen — moet van binnenuit komen. Die twee uitdagingen vragen om een andere aanpak.

“De technologie is zelden het probleem bij mislukte AI-projecten. De adoptie is het probleem.”— Productized, op basis van implementatieprojecten 2024-2025

Van strategie naar eerste project.

Een AI strategie is pas waardevol als je hem uitvoert. De meeste strategiedocumenten sterven in een la: ze bevatten goede inzichten maar geen duidelijke volgende stap. Dit is hoe je dat voorkomt.

1. Kies één probleem. Niet de vijf grootste uitdagingen tegelijk. Eén concreet, afgebakend probleem waarvoor je een duidelijk criterium hebt: wanneer is dit opgelost?
2. Definieer succes vooraf. Wat moet er anders zijn over drie maanden? Kwantificeer het: '40% minder verwerkingstijd voor X' of 'van drie dagen naar vier uur voor Y.' Vage doelen leiden tot vage uitkomsten.
3. Check je data serieus. Heb je de data die je nodig hebt, in bruikbare vorm, toegankelijk voor een systeem? Slechte of ontoegankelijke data is de snelste manier om een AI-project te laten mislukken.
4. Start klein. Bouw een proof of concept in vier tot zes weken. Geen big bang rollout naar de hele organisatie voordat je weet dat het werkt in de praktijk.
5. Meet en schaal. Haal je de KPI's die je vooraf hebt gedefinieerd? Dan opschalen. Haal je ze niet? Analyseer waarom, pas aan, en probeer opnieuw. Geen project is mislukt als je ervan leert.

Het eerste succesvolle AI-project is het moeilijkste. Niet omdat de technologie complex is, maar omdat de organisatie moet leren hoe ze met AI werkt: welke output vertrouwen ze, waar controleert een mens nog, hoe verwerken ze uitzonderingen? Investeer in die eerste implementatie. De tweede gaat twee keer zo snel.

Je hoeft niet te wachten op een perfect plan om te beginnen. Een eerste inventarisatie, scoring en projectplan zijn in twee tot drie weken te maken. De vraag is niet óf je AI gaat inzetten — maar wanneer je begint en wat je als eerste aanpakt. Hoe langer je wacht, hoe groter de achterstand op concurrenten die al bouwen.