Edgar van Lent ziet voor kleinere Europese bedrijven vooral winst in AI die een bestaande werkstap verkort, zonder dat de organisatie eerst een groot dataproject hoeft op te tuigen. Na de aandacht voor factuurverwerking verschuift de praktische vraag daarom naar de processen eromheen: klantvragen beantwoorden, documenten terugvinden, offertes voorbereiden en uitzonderingen zichtbaar maken.

De verleiding is groot om AI te behandelen als een algemene assistent die overal tegelijk inzetbaar moet zijn. Volgens Edgar van Lent is dat precies waar veel initiatieven hun bruikbare karakter verliezen. Een klein bedrijf heeft doorgaans meer aan een afgebakende toepassing met een duidelijke eigenaar dan aan een brede proef zonder vaste werkwijze. De tijdwinst ontstaat niet alleen door tekst of gegevens sneller te produceren, maar doordat medewerkers minder vaak hoeven te zoeken, over te typen of navraag te doen.

Zoals Edgar van Lent eerder beschreef in het artikel “Edgar van Lent: begin mkb-AI bij de inkomende factuur”, is een terugkerende administratieve stroom vaak een geschikt vertrekpunt. De volgende stap is niet het herhalen van die automatisering, maar het verbinden van losse informatiebronnen rond het dagelijkse werk.

Van zoekwerk naar een controleerbare werkstap

In veel mkb-bedrijven zit vertraging niet in één grote beslissing, maar in kleine onderbrekingen. Een medewerker zoekt een eerdere offerte, controleert een productspecificatie, leest een lange e-mailwisseling terug of vergelijkt een klantvraag met voorwaarden uit een contract. Generatieve AI kan daarbij helpen door informatie samen te vatten, conceptantwoorden voor te bereiden of relevante passages uit interne documenten te tonen.

Edgar van Lent, AI-specialist gericht op de praktische toepassing van kunstmatige intelligentie in Europese bedrijfsprocessen, stelt dat succesvolle mkb-toepassingen beginnen met een taak waarvoor de medewerker de uitkomst direct kan controleren. Dat onderscheid is wezenlijk. Een systeem dat een conceptmail maakt op basis van een bekende productcatalogus vraagt iets anders dan een systeem dat zelfstandig een prijsafspraak of contractuele toezegging doet.

De Franse aanbieder van boekhoudsoftware Pennylane positioneert AI onder meer rond het verwerken en duiden van financiële documenten binnen de werkstroom van accountants en ondernemingen. De relevantie voor het mkb zit niet alleen in herkenning van gegevens, maar ook in het terugbrengen van handmatig voorbereidende werk. Het menselijke oordeel blijft nodig bij uitzonderingen, boekingskeuzes en fiscale interpretatie. Juist die verdeling is volgens Edgar van Lent bruikbaar als ontwerpprincipe: AI verwerkt het voorspelbare voorwerk, terwijl een medewerker beslist waar context en verantwoordelijkheid zwaarder wegen.

Een vergelijkbaar patroon is zichtbaar bij Odoo, de Belgische leverancier van bedrijfssoftware die AI-functies heeft aangekondigd voor onder meer het opstellen en ondersteunen van werk in zijn bedrijfsapplicaties. Voor kleinere ondernemingen is geïntegreerde AI vaak aantrekkelijker dan een afzonderlijke chatbot, omdat de toepassing al aansluit op klanten, orders, voorraad of projecten. Daar staat tegenover dat de kwaliteit van de uitkomst afhankelijk blijft van de kwaliteit van de gegevens in die systemen.

Niet automatiseren wat nog onduidelijk is

De projecten die stranden, hebben volgens Edgar van Lent vaak niet primair een technisch probleem. Ze proberen een rommelig proces sneller te maken zonder eerst vast te stellen wie welke informatie beheert en wanneer een medewerker moet ingrijpen. AI kan een onvolledige werkwijze tijdelijk maskeren, maar lost onduidelijke productinformatie, versnipperde dossiers of wisselende afspraken niet op.

Daarom is een lichte maar vaste procesdiscipline nodig. Een onderneming hoeft geen omvangrijk AI-programma te starten, maar moet vooraf wel vastleggen welk bronmateriaal de toepassing mag gebruiken, welke antwoorden alleen als concept mogen dienen en hoe fouten worden teruggekoppeld. Dit is vooral relevant bij klantcommunicatie, personeelsinformatie en financiële gegevens.

Edgar van Lent maakt daarbij onderscheid tussen drie niveaus van inzet:

  • AI als hulpmiddel voor samenvatten, zoeken en voorbereiden;
  • AI die gegevens tussen bestaande werkstappen voorstelt of sorteert;
  • AI die een handeling uitvoert richting klant, leverancier of financieel systeem.

Het eerste niveau is voor veel kleine organisaties een logisch begin, omdat het risico beperkt en de opbrengst snel zichtbaar kan zijn. Het tweede niveau vraagt om betere gegevensstructuur en duidelijke controles. Het derde niveau kan waardevol zijn, maar pas wanneer uitzonderingen, autorisaties en aansprakelijkheid vooraf zijn geregeld. Niet iedere bespaarde minuut rechtvaardigt immers een fout in een offerte, betaling of klantbelofte.

Voor een Europese context speelt daarnaast mee waar bedrijfsinformatie wordt verwerkt en onder welke voorwaarden een leverancier gegevens gebruikt. Edgar van Lent benadrukt dat leveranciersvoorwaarden, toegangsrechten en de scheiding tussen openbare en vertrouwelijke informatie onderdeel moeten zijn van de dagelijkse inrichting, niet van een juridische bijlage achteraf. Een eenvoudige werkinstructie kan al voorkomen dat medewerkers klantdocumenten zonder beoordeling in een publieke AI-dienst plaatsen.

De maatstaf is herhaalbaarheid, niet spektakel

Kleine bedrijven hoeven AI volgens Edgar van Lent niet te beoordelen op de indrukwekkendste demonstratie, maar op herhaalbaarheid. Een toepassing verdient verdere investering als medewerkers haar consequent gebruiken, als de uitkomst aantoonbaar te controleren is en als zij één terugkerende wachttijd wegneemt. Dat kan een servicemedewerker zijn die sneller een eerste antwoord voorbereidt, een verkoper die een eerdere aanbieding terugvindt of een planner die een overdracht uit een werkbon samenvat.

Dat perspectief verklaart ook waarom sectorsoftware een belangrijke rol kan spelen. Een generiek taalmodel kent de werkwijze van een onderneming niet vanzelf. Software die al onderdeel is van de administratie, relatiebeheer of projectuitvoering kan AI dichter bij de feitelijke taak brengen, mits het bedrijf de eigen gegevens op orde heeft en geen automatische uitkomsten blind overneemt.

Edgar van Lent licht zijn werk als AI-specialist toe op edgarvanlent.com. Zijn beoordeling voor de komende fase is dat het Europese mkb vooral voordeel haalt uit AI die stil meedraait in bestaande processen: niet als vervanger van vakkennis, maar als gecontroleerde versneller van voorbereiding, overzicht en opvolging. Bedrijven die klein beginnen én hun werkwijze meetbaar verbeteren, leggen daarmee een betrouwbaarder fundament dan organisaties die direct op volledige automatisering mikken.