Veel salesteams herkennen hetzelfde beeld: leads die een dag blijven liggen, gespreksnotities die niet in het CRM komen, follow-upmails die pas na het weekend worden geschreven. De beperkende factor is dan vaak tijd. Ricci (2026) beschrijft de waarde van AI in sales vooral als het teruggeven van de uren die verkopers kwijt zijn aan werk dat geen verkopen is. De vraag die daarbij telt, is waar AI in dat proces iets oplevert.
Dit stuk loopt het salesproces van voor naar achter door: kwalificeren van leads, voorbereiden en vastleggen van gesprekken, follow-up en wat je op het gebied van privacy regelt voordat klantdata een AI-tool in gaat. Met een stappenplan dat past bij een MKB-team zonder eigen datateam.
Begin met de audit, niet met de tool
De verleiding is groot om een AI-tool te kopen en te kijken wat het doet. Creatio (2026) adviseert het omgekeerde: breng eerst het huidige proces in kaart van eerste contact tot getekende offerte en markeer waar handmatige overdrachten, dubbele invoer en losse datasilo’s zitten.
Een herkenbaar lijstje dat daaruit kan komen: leadgegevens worden overgetypt. Niemand weet welke lead het eerst gebeld moet worden. Na een gesprek verdwijnen de afspraken in een notitieblok. En de follow-up hangt af van de discipline van de individuele verkoper.
Zet naast dat lijstje een tweede kolom: hoeveel uur per week kost dit? Je hoeft niet precies te meten. Een ruwe schatting per verkoper is genoeg om te zien welke stap het meeste tijd vreet. Daar start je.
Leadgeneratie en kwalificatie: wie bel je als eerste?
Een veelgenoemd lek in salesprocessen zit tussen marketing en sales. SalesCloser (2026) beschrijft het als een model waarin marketing leads “over de muur gooit” en sales te overbelast is om snel op te volgen. Tegen de tijd dat iemand belt, is de interesse van de prospect verwaterd of heeft een concurrent al contact gehad.
Twee soorten AI helpen hier. Leadscoring weegt beschikbare gegevens (bedrijfsgrootte, branche, gedrag op de website, eerdere contacten) en zet de leads in volgorde van kansrijkheid, zodat de verkoper weet waar te beginnen. LeewayHertz (2026) noemt dit als vertrekpunt van de hele keten: eerst scoren en prioriteren, daarna pas de uitgaande communicatie.
Het tweede type is verrijking: tools die een inkomende lead aanvullen met bedrijfsgegevens en openbare context, zodat de verkoper minder hoeft te zoeken voordat hij belt. Hoe betrouwbaar die aanvulling is, hangt af van de gebruikte bronnen en vraagt om controle door de verkoper.
Een kanttekening die reviewers en verkopers delen: een leadscore leunt sterk op de data eronder. Staan in je CRM halve records en verouderde branchecodes, dan zegt de rangschikking vermoedelijk weinig. Datakwaliteit op orde brengen is in veel gevallen de eerste echte AI-investering, hoe onspectaculair dat ook klinkt.
Gesprekken voorbereiden, vastleggen en terugvertalen
Een goed salesgesprek vraagt voorbereiding, en voorbereiding kost tijd die verkopers liever aan het gesprek zelf besteden. AI-assistenten kunnen een accountprofiel samenvatten, openbare informatie over het bedrijf ordenen en een gespreksopzet voorstellen. Dit valt onder wat Ricci (2026) “assistive” tools noemt: de mens voert het gesprek, de tool helpt.
Na het gesprek komt de tweede winst. Meeting-assistenten nemen een call op, transcriberen hem en maken een samenvatting met actiepunten. HubSpot noemt (bijgewerkt september 2026) Fireflies AI als voorbeeld van deze categorie, met automatische transcriptie in meerdere talen en samenvattingen met kernpunten en vervolgstappen. Als de koppeling met het CRM goed is ingericht en de samenvattingen worden nagekeken, kan dat schelen in gespreksnotities die anders dagen blijven liggen.
Highspot (2026) wijst op een derde toepassing die vaak over het hoofd wordt gezien: productspecificaties omzetten naar taal die een niet-technische koper begrijpt. Voor een MKB-bedrijf dat installaties, software of machines verkoopt, kan dat helpen om een offerte leesbaarder te maken voor de beslisser zonder technische achtergrond.
Bij gespreksopnames geldt wel een voorwaarde: de gesprekspartner moet vooraf geïnformeerd worden dat er wordt opgenomen en met welk doel. Leg daarnaast vast op welke grondslag je opneemt, hoe lang je de opname en het transcript bewaart en hoe de gesprekspartner zijn rechten kan uitoefenen. Welke grondslag passend is, verschilt per situatie en is iets om met een privacyjurist af te stemmen.
Follow-up die niet afhangt van iemands geheugen
Dit onderdeel is afgebakend en goed meetbaar, wat het een logische startplek maakt. Highspot (2026) beschrijft hoe een follow-upmail grotendeels opgesteld kan worden uit de gespreksamenvatting, de documenten die zijn gedeeld, de open vragen en wat de prospect heeft aangeklikt. De verkoper leest, past aan en verstuurt.
LeewayHertz (2026) voegt daar aan toe dat follow-upreeksen kunnen reageren op het gedrag van de ontvanger: wie de mail opent maar niet antwoordt krijgt een ander vervolg dan wie de brochure downloadt. Verzendtijd en onderwerpregels kunnen via A/B-tests worden bijgesteld. Houd er rekening mee dat het meten van opens en kliks meestal via trackingpixels of cookies loopt, en dat sturen op dat gedrag een vorm van profilering kan zijn; beide roepen eigen privacy- en ePrivacy-vragen op die je vooraf beantwoordt.
Twee adviezen bij dit onderdeel. Laat de eerste maanden een mens de concepten lezen voordat ze de deur uit gaan. Een AI-concept met een verkeerde naam, een verkeerde prijs of een te enthousiaste toon kan het vertrouwen van een prospect schaden. En automatiseer eerst de interne stappen (CRM bijwerken, taak aanmaken, concept klaarzetten) voordat je de externe communicatie uit handen geeft.
Weave (2026) noemt follow-uptijd expliciet als meetpunt: houd bij hoe lang het duurt tussen binnenkomst van een lead en de eerste reactie, en zoek het moment waarop de conversie het hoogst ligt. Die meting is ook zonder AI al nuttig, en met AI wordt ze het dashboard waarop je bijstuurt.
Privacy en AVG: regel dit voordat klantdata een tool in gaat
Salesdata bevat in veel gevallen persoonsgegevens: namen, e-mailadressen, functies en gespreksopnames zijn dat voor zover ze een identificeerbare natuurlijke persoon betreffen. Treedt een AI-leverancier bij het verwerken van die gegevens op als verwerker, in opdracht van jouw bedrijf, dan is een verwerkersovereenkomst verplicht. Bepaalt de leverancier zelf (mede) doel en middelen van de verwerking, dan gelden andere afspraken over de verdeling van verantwoordelijkheden. In beide gevallen leg je vast welke subverwerkers de leverancier gebruikt, of data buiten de EU wordt doorgegeven, hoe lang gegevens bewaard blijven en hoe ze beveiligd zijn.
EU-hosting op zich betekent niet dat de verwerking daarmee aan de AVG voldoet. Je hebt ook een grondslag nodig voor de verwerking. Voor koude outreach komt daar bij dat, los van de AVG, aparte regels gelden voor ongevraagde commerciële communicatie; wat is toegestaan hangt mede af van het kanaal (telefoon, e-mail) en de doelgroep (bedrijven of particulieren). Laat die inrichting juridisch controleren voordat je een AI-tool uitgaande berichten laat versturen, en zorg in elk geval voor een eenvoudige manier om bezwaar te maken.
Of een leverancier jouw klantdata gebruikt om modellen te trainen, kan per leverancier en per contract verschillen. Controleer dat per leverancier en per abonnement, en leg de uitkomst vast. Een DPIA is verplicht wanneer een verwerking waarschijnlijk een hoog privacyrisico oplevert. Of dat bij leadscoring, profilering van leads of analyse van gespreksopnames het geval is, beoordeel je aan de hand van aard, omvang, context en doel van de verwerking; bij grootschalige profilering is het in elk geval een vraag die je expliciet beantwoordt.
De EU AI Act is in werking getreden en de verplichtingen worden gefaseerd van toepassing. Welk risiconiveau een salestoepassing krijgt, hangt af van doel en context; leadscoring, mailconcepten en samenvattingen lijken doorgaans niet in de zwaarste categorieën te vallen, maar dat blijft een beoordeling per toepassing. Transparantie richting de gesprekspartner en menselijke controle op geautomatiseerde beslissingen zijn ook dan een verstandig uitgangspunt.
Een rollout van 90 dagen voor een klein team
Ricci (2026) werkt met een 90-dagen-aanpak. Hieronder een invulling voor een MKB-team van drie tot acht verkopers. Dit is een rekenvoorbeeld met eigen aannames, geen case.
In de eerste dertig dagen doe je de audit uit de eerste sectie en kies je één pijnpunt. Vaak is dat de follow-up: meetbaar, afgebakend en direct voelbaar voor verkopers. Tegelijk regel je de verwerkersovereenkomst en de interne afspraak over gespreksopnames.
Dag 31 tot 60: één tool, één team, één proces. Bijvoorbeeld: gesprekssamenvattingen plus follow-upconcepten voor alle gesprekken van twee verkopers. Een collega leest alle concepten. Je meet de doorlooptijd tussen gesprek en verzonden follow-up.
Dag 61 tot 90: beoordelen en verbreden. Stel dat de audit uitwees dat een verkoper per week vier uur kwijt is aan notities en follow-upmails, en dat de pilot daar anderhalf uur van maakt. Dan win je indicatief tweeënhalf uur per verkoper per week. Of dat de licentie- en beheerkosten dekt, hangt af van je tarieven, de integratie met je CRM en hoeveel correctiewerk de concepten nog vragen. Reken dat zelf door voordat je het hele team aansluit.
Wat je in dit traject bewust niet doet: vijf tools tegelijk invoeren, de hele mailstroom automatiseren zonder leesronde, of leadscoring bouwen op een CRM dat nog niet is opgeschoond. Minimale overhead, maximaal effect: dat is ook hoe Atthis AI zulke trajecten liefst aanpakt.
De eerste stap: meet je follow-uptijd deze week
Pak de laatste twintig leads of klantgesprekken en noteer per stuk twee tijdstippen: wanneer de lead binnenkwam of het gesprek eindigde, en wanneer de eerste inhoudelijke reactie de deur uit ging. Zet daarnaast wie het deed en hoeveel tijd het kostte.
Dat overzicht blijft beperkt van omvang; hoeveel tijd het kost, hangt af van hoe goed je CRM is bijgehouden. Het laat zien waar je proces lekt, geeft je de nulmeting waartegen je elke AI-pilot afzet, en maakt het gesprek met een leverancier concreet: dit is ons probleem, laat zien wat jullie tool daaraan doet.