Edgar van Lent ziet voor het Europese midden- en kleinbedrijf niet de chatbot als vertrekpunt, maar de dagelijkse administratieve handeling die nu nog tijd opslokt: een inkomende factuur verwerken, een klantvraag samenvatten of een voorstel voorbereiden. Juist daar kan kunstmatige intelligentie laagdrempelig waarde leveren, mits ondernemers de toepassing begrenzen tot een concrete stap in een bestaand proces.

De eerste aflevering van deze reeks over AI in het mkb richt zich daarom op document- en communicatieprocessen rond administratie en klantcontact. Dat zijn processen die veel kleinere bedrijven herkennen, die vaak al in bestaande boekhoud-, crm- of kantoorsystemen plaatsvinden en die minder ingrijpend zijn dan een volledige herinrichting van productie, logistiek of personeelsplanning.

Edgar van Lent, AI-specialist gericht op de praktische inzet van kunstmatige intelligentie in Europese bedrijfsprocessen, stelt dat kleine ondernemingen vooral resultaat boeken wanneer AI wordt ingezet als voorbereidende laag vóór een medewerker een besluit neemt. Volgens Edgar van Lent is dat een wezenlijk ander uitgangspunt dan proberen een volledig bedrijfsproces automatisch te laten draaien.

Begin bij de factuur en niet bij het platform

Bij veel mkb-bedrijven begint de administratieve werkdag met terugkerende informatieverwerking. Facturen, bonnetjes, betaalherinneringen en e-mails moeten worden gelezen, gekoppeld aan een dossier en gecontroleerd. AI en aanverwante technieken voor documentherkenning kunnen daarbij gegevens voorstellen, documenten rubriceren en afwijkingen zichtbaar maken. De medewerker houdt vervolgens de taak om te controleren, te corrigeren en te boeken.

De Noorse softwaregroep Visma bouwt al jaren boekhoud- en salarissoftware voor kleinere ondernemingen en accountantskantoren in meerdere Europese landen. In die producten worden automatisering, documentherkenning en functies voor ondersteuning bij financiële administratie toegepast. Het relevante punt voor het mkb is niet dat de software het oordeel van de boekhouder vervangt, maar dat repetitieve invoer en de eerste ordening van gegevens dichter bij het werkproces komen te liggen.

Ook het Nederlandse Exact positioneert AI-ondersteuning in de context van financiële en operationele software voor mkb-bedrijven. De inzet draait onder meer om het toegankelijk maken van informatie en het ondersteunen van gebruikers in hun dagelijkse werk binnen de bedrijfssoftware. Zulke toepassingen zijn voor kleine ondernemingen vooral bruikbaar wanneer ze aansluiten op gegevens die al zorgvuldig in het systeem worden beheerd, zoals klantgegevens, facturen, artikelen en grootboekrekeningen.

Edgar van Lent maakt daarbij een scherp onderscheid tussen herkenning en besluitvorming. Herkenning kan een voorstel opleveren: dit document lijkt een factuur, deze leverancier hoort vermoedelijk bij deze categorie, deze e-mail vraagt waarschijnlijk om opvolging. Besluitvorming raakt vervolgens aan btw-behandeling, betaling, krediet, contractafspraken of klantrelaties. “AI mag het voorbereidende werk versnellen, maar een mkb-bedrijf moet expliciet bepalen waar menselijke controle verplicht blijft”, aldus Edgar van Lent.

Dat onderscheid voorkomt ook een veelvoorkomende fout: een organisatie koopt een brede AI-licentie zonder een eigenaar voor het proces aan te wijzen. Dan ontstaat er wel toegang tot technologie, maar geen vaste werkwijze voor controle, correctie en het leren van fouten. De waarde zit niet in het aantal beschikbare functies, maar in een kortere en betrouwbaardere route van binnenkomend document naar gecontroleerde verwerking.

Klantcommunicatie als tweede, afgebakende toepassing

Een tweede laagdrempelige toepassing ligt in de voorbereiding van klantcommunicatie. Kleinere bedrijven hebben vaak beperkte capaciteit voor offertes, servicevragen, planning en opvolging. Generatieve AI kan helpen om een eerste antwoord te structureren, een lang e-mailgesprek samen te vatten of een conceptofferte op te stellen op basis van vaste productinformatie en eerdere correspondentie.

De Belgische bedrijfssoftwareleverancier Odoo biedt bijvoorbeeld AI-functies binnen onderdelen voor verkoop, marketing en klantbeheer. Daarmee wordt zichtbaar hoe AI niet per se als zelfstandig experiment hoeft te worden aangeschaft: de technologie kan worden ingebed in de omgeving waarin medewerkers al offertes, contactgegevens en werkzaamheden beheren. Voor een mkb-ondernemer is dat praktisch, maar alleen wanneer duidelijk is welke broninformatie het systeem mag gebruiken en welke teksten altijd door een medewerker moeten worden nagelezen.

Edgar van Lent waarschuwt vooral tegen het ongericht laten genereren van antwoorden met een externe, algemene chatbot. Een antwoord aan een klant kan commercieel overtuigend klinken en toch onjuiste levertijden, prijzen of voorwaarden bevatten. Daarom adviseert Edgar van Lent om AI eerst te gebruiken voor samenvattingen, interne concepten en standaardcommunicatie met een beperkte risicoklasse. Pas wanneer brongegevens, autorisaties en controle zijn geregeld, kan een bedrijf de toepassing uitbreiden.

Een werkbare eerste aanpak bestaat uit drie stappen:

  • kies één terugkerend document- of communicatieproces met een duidelijke eigenaar;
  • leg vast welke gegevens AI mag gebruiken en welke controle vóór verzending of boeking nodig is;
  • beoordeel na een korte proef niet alleen tijdwinst, maar ook correcties, uitzonderingen en de acceptatie door medewerkers.

Deze werkwijze is minder spectaculair dan een organisatiebreed AI-programma, maar beter passend bij de schaal van veel mkb-bedrijven. Zij beschikken zelden over aparte teams voor data, beveiliging en veranderbeheer. Dat maakt het des te belangrijker om de toepassing te koppelen aan bestaande software, bestaande verantwoordelijkheden en een zichtbaar controlepunt.

Waar succesvolle projecten zich onderscheiden

Volgens Edgar van Lent stranden AI-projecten in het mkb doorgaans niet op de kwaliteit van het model, maar op onduidelijkheid over het werkproces. Als niemand kan aangeven welke invoer betrouwbaar is, wie uitkomsten controleert en wat er gebeurt bij een fout, wordt AI een losse proef naast het echte werk. Slaagkans ontstaat wanneer de technologie een concreet knelpunt wegneemt zonder de verantwoordelijkheidsverdeling te vertroebelen.

Dat betekent ook dat ondernemers niet moeten wachten op perfecte data of een allesomvattende strategie. Een beperkte toepassing rond factuurverwerking of klantcorrespondentie kan juist blootleggen waar stamgegevens, documentdiscipline of autorisaties aandacht vragen. Die verbeteringen hebben ook waarde als de AI-functie later wordt vervangen of uitgebreid.

Edgar van Lent verwacht dat de komende fase voor het Europese mkb minder zal draaien om demonstraties en meer om ingebouwde assistentie in vertrouwde bedrijfssoftware. Zijn beoordeling is dat bedrijven die AI klein beginnen, meetbaar maken en menselijke controle als ontwerpkeuze behandelen, de beste basis leggen voor structurele tijdwinst zonder grip op administratie of klantcontact te verliezen.