De marketingafdeling schrijft teksten met een chatbot, een collega op de administratie vat facturen samen met een andere tool en de directie heeft een proef gedraaid met een offertegenerator. Werkt het? Vraag het aan vijf mensen en je krijgt vijf antwoorden, meestal anekdotes. Niemand weet wat het kost, wat het oplevert en welke klantgegevens inmiddels bij welke leverancier staan.
Herken je dit beeld, dan is het tijd om keuzes te maken. De stap van proberen naar sturen vraagt geen dik rapport en geen innovatielab. Een AI-strategie voor het MKB past op enkele pagina’s, als je de juiste keuzes maakt en de rest bewust laat liggen. Hieronder staat hoe je die pagina’s vult, in de volgorde die in de praktijk het beste werkt.
Waarom experimenten zelden vanzelf opschalen
Een experiment slaagt als iemand enthousiast is. Een proces slaagt als het blijft werken wanneer die persoon op vakantie is. Dat verschil kan een van de redenen zijn dat een AI-pilot na de demo strandt.
Flawless Workflow benoemt het kernprobleem: zonder duidelijke strategie blijft AI een los experiment zonder meetbare impact. Prometheus21 beschrijft hetzelfde beeld bij MKB-bedrijven die al wel met AI werken: teams gebruiken verschillende tools, er is geen governance en de investeringen leveren minder op dan ze zouden kunnen.
Er zit ook een risicokant aan. Wie met een privé-account klantmails met persoonsgegevens in een publieke tool plakt, verwerkt die gegevens buiten het zicht van de organisatie. Bij een datalek of een klacht kan die vraag bij de directie terechtkomen.
Wat een AI-strategie voor het MKB wel is
ThrAive omschrijft een AI-strategie als het geheel van keuzes dat bepaalt waar, in welke volgorde en onder welke voorwaarden een bedrijf AI inzet: welke processen eerst, welke data en systemen daarvoor op orde moeten komen, wie verantwoordelijk is en waaraan je afmeet of het werkt. Voor het MKB is dat volgens hen nadrukkelijk een set richtinggevende afspraken op enkele pagina’s.
Die omvang is een bewuste keuze, geen beperking. Een plan van veertig pagina’s loopt het risico ongelezen te blijven en snel te verouderen. Een plan van drie pagina’s kan op de agenda van het maandelijkse MT-overleg.
De Vlaamse AI Academie (VAIA) voegt een voorwaarde toe die vaak wordt overgeslagen: een AI-strategie moet passen in de bedrijfsstrategie die er al ligt. Hun voorbeeld: een bedrijf dat bekend staat om sterk persoonlijk advies heeft waarschijnlijk weinig aan een chatbot op de website. De vraag is dus niet wat AI kan, maar wat jouw bedrijf onderscheidt en waar AI dat versterkt.
Stap 1: kies één proces op basis van bedrijfswaarde
Ons voorstel is te beginnen met een inventarisatie van hooguit tien terugkerende processen. Beoordeel ze op vier punten: hoeveel uren gaan erin om, hoe repetitief is het werk, is het resultaat meetbaar en is de benodigde informatie digitaal beschikbaar. Processen die op alle vier hoog scoren en weinig persoonsgegevens raken, zijn vaak geschikte kandidaten voor een eerste toepassing. Weeg daarnaast de kosten, de impact van fouten en de haalbaarheid mee.
Een rekenvoorbeeld, nadrukkelijk indicatief. Stel dat drie medewerkers samen tien uur per week kwijt zijn aan het lezen en samenvatten van binnenkomende offerteaanvragen. Neemt een AI-toepassing daar de helft van over, dan komt in dit scenario, vóór controle en beheer, vijf uur per week vrij. Trek daar de tijd af die controle van de uitkomsten kost, en de uren die beheer en afstemming met de leverancier vragen. Wat overblijft is de werkelijke winst. Die hangt af van integratie met je bestaande systemen, de kwaliteit van je data en hoe strak het beheer is geregeld.
Kies na de inventarisatie één proces, niet drie. Een eerste toepassing die aantoonbaar werkt, kan collega’s in veel gevallen beter overtuigen dan drie halve proeven tegelijk.
Stap 2: regel data, eigenaarschap en privacy vóór de bouw
SPAIK stelt dat een werkende demo nog geen productie is, en dat vragen over data, eigenaarschap en beheer vooraf beantwoord moeten zijn. In de praktijk komen die vragen neer op een korte checklist.
Over data: waar staat de informatie die de toepassing nodig heeft, is ze actueel en wie houdt haar bij? Een assistent die antwoordt op basis van je eigen documenten is zo goed als de documenten zelf. Verouderde handleidingen kunnen tot verouderde antwoorden leiden.
Over eigenaarschap: wie is procesverantwoordelijk na oplevering? Dat is een naam, geen afdeling. Zonder eigenaar loopt onderhoud het risico te verzanden en raakt de kennis over waarom de toepassing iets doet makkelijk verloren.
Over privacy: verwerkt een toepassing persoonsgegevens, dan is EU-hosting alleen niet voldoende voor naleving van de AVG. Je hebt dan een grondslag nodig voor de verwerking, zicht op eventuele doorgifte buiten de EU, afspraken over bewaartermijnen en passende beveiliging. Worden subverwerkers ingezet, dan wil je ook weten wie dat zijn. Stel vast welke rol de leverancier heeft: verwerkt hij namens jouw bedrijf persoonsgegevens, dan treedt hij op als verwerker en is een verwerkersovereenkomst verplicht. Controleer per leverancier en per contract of jouw data gebruikt wordt om modellen te trainen; dat verschilt per aanbieder.
Of een DPIA verplicht is, hangt af van een beoordeling van het concrete verwerkingsrisico. Bij een waarschijnlijk hoog privacyrisico is een DPIA verplicht. Profilering of grootschalige verwerking van gevoelige categorieën zijn signalen om die beoordeling zorgvuldig te maken; ze leiden niet automatisch tot een DPIA-plicht. Voor de gefaseerd van toepassing wordende verplichtingen onder de EU AI Act maak je per toepassing een eigen check: welke rol heeft jouw bedrijf ten opzichte van het AI-systeem, in welke risicocategorie valt de toepassing en welke verplichtingen gelden vanaf welke datum. Op basis daarvan bepaal je of en welke eisen, bijvoorbeeld rond transparantie of risicobeheer, voor jou gelden. Bij klantcontact, juridische teksten en personeelszaken hoort menselijke controle van de uitkomst standaard in het ontwerp, niet als optie achteraf.
Stap 3: bouw modulair en stel vooraf stopcriteria vast
SPAIK formuleert voor de directie één eis aan de architectuur: elke AI-bouwsteen moet uitwisselbaar zijn zonder de rest om te gooien. Zij noemen dat een strategische verzekering tegen prijsverhogingen en gedwongen migraties. Voor een MKB-bedrijf betekent dit concreet dat het taalmodel, de koppeling met je documenten en de interface voor medewerkers los van elkaar vervangbaar zijn.
Vraag een leverancier daarom niet alleen wat de toepassing doet, maar ook wat er gebeurt als je over een jaar van model wilt wisselen. Een vaag antwoord is een antwoord.
Spreek bij de start van een pilot ook af wanneer je stopt. Wij stellen drie criteria voor als vertrekpunt: een meetbaar doel (doorlooptijd, foutpercentage, bestede uren), een periode waarin dat doel gehaald moet zijn en een maximumbudget. Haalt de pilot het doel niet, dan stop je en leg je vast waarom. Dat is geen mislukking maar een goedkope les, zeker vergeleken met een toepassing die nog twee jaar halfslachtig doordraait.
Stap 4: schaal in fases en houd de overhead klein
VAIA beschrijft een tweeledige aanpak: de directie bepaalt de koers, de werkvloer experimenteert en leert. De koers biedt houvast en integratie, de experimenten zorgen voor draagvlak en snelheid. Beide sporen hebben elkaar nodig; een strategie zonder werkvloer wordt papier, experimenten zonder koers worden wildgroei.
Prometheus21 hanteert per oktober 2026 een horizon van één tot drie jaar voor een AI-roadmap, met gefaseerde implementatie en directe quick wins, en noemt een doorlooptijd van vier tot acht weken voor de strategiefase zelf. Die verhouding is bruikbaar als richtlijn: een paar weken denken, daarna kwartalen uitvoeren en bijsturen.
Wij stellen voor de governance daarbij licht te houden. Een mogelijke invulling: één eigenaar per toepassing, een kwartaalreview van ongeveer een uur op basis van de afgesproken meetwaarden, en een lijst met goedgekeurde tools die medewerkers mogen gebruiken. SAP wijst op de rol van leiders hierin: transparantie bevorderen en de medewerkers herkennen die AI al goed inzetten. Die mensen kunnen goede ambassadeurs zijn voor de volgende toepassing.
Hoeveel structuur nodig is, verschilt per risico en toepassing. Voor een eerste toepassing met beperkt risico is deze opzet vaak een werkbaar vertrekpunt, dat je uitbreidt wanneer de risico’s toenemen.
De eerste stap voor komende week
Plan een sessie van anderhalf uur met twee of drie mensen die het dagelijkse werk kennen. Zet op één A4 de processen die het meeste terugkerende werk vragen, kies er één uit op basis van de vier criteria uit stap 1 en schrijf erbij wie eigenaar wordt, welke meetwaarde bepaalt of het werkt en welke persoonsgegevens erbij betrokken zijn. Sluit af met drie korte controles: welke rol de leverancier heeft (en of daarmee een verwerkersovereenkomst nodig is), welke gegevens waarheen stromen en wat de pilot naar verwachting kost binnen het afgesproken maximumbudget.
Dat A4 is het begin van je AI-strategie. Alles wat je daarna toevoegt, moet die eerste keuze helpen slagen. Wil je het document laten toetsen op haalbaarheid, datavereisten en privacy voordat je een leverancier benadert, dan is dat de vraag waarmee je Atthis AI benadert.