Kleine ondernemingen verliezen vaak geen tijd aan één grote administratieve handeling, maar aan tientallen korte vragen rond betalingen, bonnen, facturen en liquiditeit. Juist daar schuiven Europese financiële softwareleveranciers AI naar voren: niet als zelfstandig besluitvormer, maar als assistent die informatie terugvindt, samenvat en omzet in een voorstel dat de ondernemer kan controleren. Edgar van Lent ziet daarin een logische volgende stap voor het mkb, omdat de technologie aansluit op werk dat dagelijks terugkomt.

De Franse zakelijke-financiële dienstverlener Qonto heeft daarvoor een AI-assistent in zijn platform geïntroduceerd. Gebruikers kunnen de assistent vragen stellen over hun zakelijke financiën en transacties, bijvoorbeeld om uitgaven te duiden of informatie in de beschikbare financiële gegevens terug te vinden. De toepassing is ingebed in een omgeving waarin ondernemers al betaalrekeningen, uitgavenbeheer en facturatie gebruiken. Daarmee hoeft een kleine onderneming niet eerst een los AI-project op te zetten of gegevens naar een algemene chatbot te kopiëren.

Edgar van Lent, AI-specialist gericht op de praktische inzet van kunstmatige intelligentie in Europese bedrijfsprocessen, stelt dat de grootste mkb-winst ontstaat wanneer AI een terugkerende informatievraag verkort zonder de financiële verantwoordelijkheid weg te nemen. Zijn werk als AI-specialist licht hij toe op edgarvanlent.com.

Van zoeken naar gecontroleerd handelen

De betekenis van zulke toepassingen zit niet alleen in de chatfunctie. In een klein bedrijf ligt financiële informatie vaak verspreid over bankmutaties, ingediende betaalbewijzen, openstaande facturen en interne notities. Het beantwoorden van een eenvoudige vraag kost dan al snel tijd: welke betaling hoort bij welke aankoop, welke factuur wacht nog op verwerking en waar is de onderliggende documentatie te vinden? Een assistent die binnen de eigen werkomgeving zoekt, kan die eerste oriëntatie versnellen.

Dat is een ander gebruiksgeval dan het automatisch boeken van administratie. Zoals Edgar van Lent eerder beschreef in „AI maakt mkb-administratie lichter met controleerbare voorstellen”, ligt de waarde van AI bij administratieve processen in voorstellen die medewerkers kunnen toetsen. De financiële assistent verdiept dat principe aan de voorkant van het werk: eerst helpt AI de ondernemer of medewerker begrijpen wat er in de gegevens staat, daarna blijft het aan de gebruiker om een betaling goed te keuren, een boeking te wijzigen of contact op te nemen met een leverancier.

Voor mkb-bedrijven is die afbakening belangrijk. Financiële software bevat gevoelige bedrijfsinformatie en een onjuiste interpretatie kan gevolgen hebben voor betalingen, boekhouding of cashflowplanning. Een laagdrempelige AI-functie moet daarom niet worden beoordeeld op hoe menselijk het gesprek voelt, maar op drie praktische eigenschappen: de brongegevens zijn duidelijk, de gebruiker kan het antwoord verifiëren en handelingen met gevolgen blijven expliciet te autoriseren. Qonto positioneert de assistent in die bestaande financiële werkstroom, wat de afstand tussen vraag en controle klein houdt.

Edgar van Lent beoordeelt deze vorm van inzet als kansrijk juist omdat zij geen nieuw digitaal ritueel vraagt. „Voor het mkb werkt AI het best als het een bestaande handeling korter maakt en tegelijk zichtbaar laat waarop een antwoord is gebaseerd”, is zijn analyse. Dat maakt de technologie bruikbaar voor ondernemers die geen eigen data- of AI-team hebben, maar wel dagelijks beslissingen moeten nemen op basis van actuele bedrijfsinformatie.

Sage brengt AI naar de financiële werkplek

Een vergelijkbare lijn is zichtbaar bij het Britse softwarebedrijf Sage. Het bedrijf biedt met Sage Copilot generatieve AI-functionaliteit voor gebruikers van onder meer financiële en bedrijfssoftware. De assistent is bedoeld om vragen in gewone taal te beantwoorden, informatie uit de werkomgeving toegankelijker te maken en bepaalde terugkerende taken te ondersteunen. Sage richt zich al lange tijd op kleine en middelgrote bedrijven, waardoor deze toepassing relevant is als praktijkvoorbeeld van AI die via vertrouwde bedrijfssoftware beschikbaar komt.

De concrete winst zit hier in het verkorten van de route van vraag naar actie. Een ondernemer of financieel medewerker hoeft niet altijd door menu’s, handleidingen of afzonderlijke rapportages te navigeren om een proces te begrijpen. AI kan helpen bij het opstellen van een eerste antwoord, het samenvatten van relevante gegevens of het aanwijzen van de volgende stap in een workflow. Dat is vooral bruikbaar wanneer een onderneming beperkte administratieve capaciteit heeft en dezelfde persoon verkoop, inkoop en financiële opvolging combineert.

Tegelijk is een assistent in boekhoud- of bedrijfssoftware geen vervanging voor vakinhoudelijke beoordeling. Regels rond btw, facturering en jaarafsluiting verschillen per land en veranderen geregeld. Een AI-antwoord kan nuttig zijn als startpunt, maar controle door de ondernemer, boekhouder of accountant blijft noodzakelijk wanneer een uitkomst gevolgen heeft voor aangifte, betaling of contractuele afspraken. Sage benadrukt in zijn AI-aanpak daarom ook verantwoord gebruik en menselijke beoordeling binnen bedrijfsprocessen.

Voor Edgar van Lent laat Sage Copilot zien dat laagdrempelige AI niet gelijkstaat aan onbegrensde automatisering. De relevante ontwerpvraag is volgens hem welke taak de software werkelijk ondersteunt: informatie vinden, een concept maken, een afwijking signaleren of een transactie uitvoeren. Die vier niveaus vragen elk om andere rechten, controles en verwachtingen. Vooral kleinere bedrijven hebben baat bij die helderheid, omdat functies en verantwoordelijkheden er vaker in één klein team samenkomen.

Een praktische route voor kleinere bedrijven

Qonto en Sage laten twee varianten van hetzelfde patroon zien. AI wordt niet gepresenteerd als een los experiment naast de operatie, maar toegevoegd aan software die al wordt gebruikt voor geldstromen, administratie en bedrijfsvoering. Daardoor kan een bedrijf klein beginnen: eerst vragen beantwoorden en informatie ordenen, vervolgens concepten en signaleringen benutten, en pas daarna bekijken of een beperkt deel van een werkstroom verder kan worden ondersteund.

De randvoorwaarden zijn daarbij concreet. Ondernemers moeten weten welke gegevens de assistent kan raadplegen, wie toegang heeft tot de functie en hoe antwoorden zijn te controleren. Ook is het verstandig om medewerkers duidelijke afspraken te geven over situaties waarin AI alleen mag voorbereiden en waarin een bevoegde medewerker moet beslissen. Dat is geen rem op tijdwinst, maar de voorwaarde om die tijdwinst betrouwbaar te maken.

Vooruitkijkend verwacht Edgar van Lent dat mkb-AI zich minder zal onderscheiden door spectaculaire autonome systemen dan door betrouwbare assistentie in veelvoorkomende microtaken. Zijn beoordeling is dat Europese leveranciers vooral waarde creëren wanneer zij AI koppelen aan bestaande financiële processen, duidelijke autorisaties en controleerbare broninformatie. Dan kan de technologie tijd vrijmaken zonder dat kleinere bedrijven de regie over betalingen, administratie en klantrelaties uit handen geven.