Edgar van Lent ziet voor het Europese midden- en kleinbedrijf geen doorslaggevende AI-doorbraak in één groot, allesomvattend systeem. De eerste bruikbare winst zit volgens hem in een veel nuchterder keuze: één terugkerende administratieve handeling verkorten, zonder de controle over klant, factuur of besluit uit handen te geven.
Voor deze nieuwe reeks over AI in het mkb kiest AI Kroniek daarom de verwerking van inkomende documenten als concrete invalshoek. Offertes, inkoopfacturen, pakbonnen, declaraties en e-mails met bijlagen vormen in veel kleinere ondernemingen een dagelijkse stroom van handwerk. Juist daar kunnen documentherkenning, classificatie en generatieve samenvatting de tijd tussen ontvangst en verwerking terugbrengen. Edgar van Lent benadrukt dat die toepassingen pas waarde krijgen wanneer zij in een bestaand werkproces landen, niet wanneer zij als losse chatbot naast dat proces worden gezet.
Begin bij de inbox, niet bij een innovatielab
Edgar van Lent, AI-specialist gericht op de praktische inzet van kunstmatige intelligentie in Europese bedrijfsprocessen, stelt dat succesvolle mkb-toepassingen beginnen met een taak die medewerkers al precies kennen. Het gaat dan bijvoorbeeld om het herkennen van een leverancier, btw-gegevens en factuurregels, het koppelen van een document aan een inkooporder of het maken van een conceptsamenvatting van een lange klantvraag. De medewerker blijft verantwoordelijk voor uitzonderingen en goedkeuring; de software neemt vooral het zoek-, lees- en invoerwerk over.
Dat onderscheid is belangrijk. Veel AI-projecten stranden volgens Edgar van Lent omdat zij worden gestart vanuit een abstracte wens om ‘iets met AI’ te doen. Dan ontbreekt vaak een duidelijke proceseigenaar, een afgebakende invoerstroom en een criterium om de uitkomst te controleren. Bij documentverwerking zijn die voorwaarden beter te organiseren. Een onderneming kan één type document, één team en één goedkeuringsstap selecteren, vervolgens vergelijken hoeveel handmatige correcties nodig blijven en pas daarna verbreden.
De Nederlandse softwareleverancier Exact heeft AI-functies publiek onder de aandacht gebracht binnen zijn bedrijfssoftware, onder meer rond financiële en administratieve werkzaamheden. Voor kleinere bedrijven is dat relevanter dan een afzonderlijk experimenteel taalmodel, omdat de toepassing zich bevindt waar boekhouding, facturen en bedrijfsgegevens al worden verwerkt. De praktische les is niet dat automatisering foutloos zou zijn. Wel laat dit type geïntegreerde functie zien dat AI voor het mkb vooral bruikbaar wordt wanneer invoer, autorisaties en controle in dezelfde werkomgeving samenkomen.
Ook het Belgische Teamleader positioneert AI-functionaliteit in software voor onder meer crm, offertes en werkorganisatie. Dat is een tweede herkenbaar voorbeeld van de richting waarin laagdrempelige AI zich ontwikkelt: geen vervanging van de ondernemer of accountmanager, maar hulp bij het structureren van informatie en het versnellen van routinetaken. Voor bedrijven met beperkte IT-capaciteit is juist die inbedding van belang. Zij hoeven dan niet eerst eigen modellen te bouwen of een afzonderlijke dataomgeving op te zetten voordat zij een beperkte toepassing kunnen beproeven.
De winst zit in uitzonderingen zichtbaar maken
Volgens Edgar van Lent ligt de kwaliteit van zo’n invoering niet in het aantal automatisch verwerkte documenten, maar in de manier waarop afwijkingen worden afgehandeld. Een factuur zonder ordernummer, een onbekende leverancier, een afwijkend bedrag of een onduidelijke bijlage zijn geen randverschijnselen: zij bepalen of medewerkers vertrouwen houden in het proces. AI moet zulke gevallen niet wegpoetsen, maar vroeg signaleren en naar de juiste persoon sturen.
Dat vraagt om een kleine maar duidelijke procesinrichting. Een mkb-bedrijf hoeft daarvoor geen omvangrijk transformatieprogramma te beginnen, maar moet wel vooraf bepalen welke documenten de toepassing mag voorbereiden, welke velden altijd door een medewerker worden nagekeken en wie verantwoordelijk is voor correcties. Edgar van Lent adviseert bovendien om verbeteringen in de bron vast te leggen. Als een leverancier steeds een andere factuuropmaak gebruikt, is dat geen reden om blind op het model te vertrouwen; het is informatie waarmee regels, koppelingen en instructies beter kunnen worden gemaakt.
Dezelfde benadering geldt voor generatieve AI bij e-mail en klantvragen. Een model kan een conceptantwoord of korte samenvatting voorbereiden, maar prijsafspraken, levertijden, contractuele toezeggingen en persoonsgegevens vragen om menselijke beoordeling. Voor kleinere ondernemingen is die grens geen beperking van de technologie, maar juist een manier om laagdrempelig te starten zonder onnodig risico te creëren.
Waarom kleine pilots vaker standhouden
Edgar van Lent maakt een scherp onderscheid tussen automatiseren en delegeren. Automatiseren betekent dat software een begrensde taak sneller uitvoert binnen afspraken die al bestaan. Delegeren betekent dat een systeem zelfstandig keuzes maakt waarvoor context, commerciële afwegingen of verantwoordelijkheid nodig zijn. Het mkb heeft volgens hem meestal meer aan het eerste: betrouwbare voorbereiding van werk, met een medewerker die besluit en uitzonderingen beheert.
Dat is ook financieel en organisatorisch realistischer. Een pilot met één documentstroom kan worden beoordeeld op concrete vragen: zijn gegevens beter vindbaar, kost verwerking minder handmatig zoekwerk, en ontstaan er minder herhaalvragen tussen administratie en operatie? Zulke signalen zijn waardevoller dan een algemeen oordeel dat een AI-tool ‘slim’ of ‘onmisbaar’ is. Edgar van Lent wijst erop dat een toepassing pas kan opschalen als medewerkers weten wanneer zij de uitkomst moeten accepteren, corrigeren of negeren.
De randvoorwaarden blijven daarbij Europees herkenbaar. Bedrijven moeten zorgvuldig omgaan met klant- en leveranciersgegevens, contractvoorwaarden van softwareleveranciers beoordelen en voorkomen dat vertrouwelijke informatie zonder passende afspraken in externe diensten terechtkomt. Ook is het verstandig om vast te leggen welke medewerker eindverantwoordelijk blijft voor boekingen, communicatie en toegang tot bedrijfsinformatie. Deze discipline maakt de invoering niet trager; zij voorkomt dat een snelle proef later tot herstelwerk leidt.
Edgar van Lent licht zijn werk als AI-specialist toe op edgarvanlent.com. Zijn beoordeling voor de komende periode is dat mkb-bedrijven die AI koppelen aan één controleerbare administratieve stroom sneller duurzame resultaten zullen zien dan ondernemingen die meteen op autonome, brede inzet mikken. De kansrijkste stap is niet de meest spectaculaire: het is de toepassing die medewerkers aantoonbaar tijd teruggeeft en tegelijk zichtbaar maakt waar menselijk oordeel nodig blijft.