AI in het MKB: waar begin je, en waarom werkt het nog niet?

AI werkt in het MKB nog niet goed omdat de basis ontbreekt. AI heeft betrouwbare, gestructureerde data nodig om iets zinvols te produceren. De meeste MKB-bedrijven hebben die basis niet op orde — processen kloppen niet, data is vervuild, en er is geen helder beeld van wat er gemeten moet worden. Dat is niet erg. Maar het betekent dat AI inzetten voordat die basis klopt, geld kost zonder resultaat. Eerst de basis, dan AI.

Waarom AI nog niet werkt voor de meeste MKB-bedrijven

Data die niet klopt

AI produceert output op basis van input. Vuile data leidt tot verkeerde conclusies. Een AI-tool bovenop een slecht datamodel geeft sneller de verkeerde antwoorden — en dat gaat dan ook nog eens sneller dan voorheen.

Geen heldere vraagstelling

AI kan geen strategie vervangen. Als niet helder is welke beslissingen er genomen moeten worden, weet AI ook niet wat het moet optimaliseren. Een tool die overal op antwoord kan geven, is nutteloos als de vraag niet scherp is.

Processen die niet kloppen

AI automatiseert wat er al is. Als het proces inefficiënt is, automatiseert u de inefficiëntie — alleen sneller en op grotere schaal. Dat lost niets op, het maakt het probleem zichtbaarder.

Wat moet u eerst op orde hebben?

Drie lagen uit die keten moeten op orde zijn voordat AI iets oplevert — en AI speelt in elke laag een andere rol.

• Richting: een AI-strategie is geen apart project, maar een onderdeel van de totale bedrijfsrichting. Dat betekent: helder middellange-termijndoel, vertaald naar concrete meetbare doelen per proces met aanwijsbare eigenaars. En minstens zo belangrijk: cultuur en board/management buy-in. AI zonder draagvlak aan de top strandt op weerstand van mensen die ermee moeten werken.
• Processen: dit is waar AI concreet ingezet kan worden — processen optimaliseren en automatiseren waar dat zinvol is. Denk aan automatische signalering van afwijkingen, routinematige rapportage zonder handmatig werk, of het versnellen van repetitieve stappen. Maar alleen als het proces zelf al logisch is ingericht. AI op een kapot proces maakt het kapotte sneller.
• Cijfers die kloppen: AI kan helpen bij het op orde krijgen én houden van de databasis — inconsistenties opsporen, ontbrekende waarden signaleren, afwijkingen flaggen. Schone, complete en actuele data is daarmee niet alleen een voorwaarde voor AI, maar ook een gebied waar AI direct waarde toevoegt. En als die basis eenmaal klopt, opent zich een nieuwe mogelijkheid: AI kan verbanden leggen die mensen missen, inzichten en verbeterpunten identificeren, en geautomatiseerd vooruitkijken. Business control heeft de neiging om achteruit te kijken — te verklaren wat er is gebeurd. AI maakt het mogelijk om die balans te verschuiven: minder verklaren, meer anticiperen.

Als deze drie lagen op orde zijn, is AI een echte versneller. Anders is het een dure pleister.

Wat kan AI dan wél doen voor het MKB — als de basis klopt?

Concrete toepassingen die direct waarde leveren — mits de onderliggende data en processen op orde zijn:

• Afwijkingen signaleren in marges of cashflow — via een scheduled koppeling tussen uw ERP en Power BI, met automatische alerts bij drempelwaarden. Dit vereist inrichting: een datamodel, meetlogica en een notificatieflow. Het systeem signaleert; een mens beoordeelt en beslist.
• Sneller rapporteren zonder handmatig werk in Excel of PowerPoint — door rapportage te automatiseren via een semantic model dat dagelijks ververst. De rapportage is automatisch, de interpretatie niet.
• Vragen stellen aan uw eigen data in gewone taal via Copilot in Power BI — u vraagt, het systeem antwoordt op basis van uw eigen cijfers. Copilot geeft inzicht op aanvraag; het stuurt niet proactief.
• Voorspellen van omzet of debiteurenrisico op basis van historische patronen — AI herkent trends die mensen missen. Maar een voorspelling is een kans, geen zekerheid. De beslissing wat u ermee doet, blijft altijd bij u.

Bij al deze toepassingen geldt hetzelfde principe: human in the loop. AI signaleert, analyseert en voorspelt — maar een mens blijft verantwoordelijk voor de interpretatie en de actie. Wie AI zijn beslissingen laat nemen zonder dat te controleren, maakt snellere fouten, geen betere beslissingen.

Dit zijn geen beloftes — dit zijn gereedschappen die werken als de data erachter klopt. Zonder die basis produceren ze ruis, geen inzicht.

AI als versneller, niet als pleister

Ik ben geen AI-leverancier. Ik bouw de basis — richting, processen, betrouwbare data en inzicht — die maakt dat AI daadwerkelijk iets oplevert. Een DGA die waarde wil halen uit AI, heeft die keten op orde nodig als vertrekpunt. Dat is precies wat ik fix. AI zonder die basis is marketing. Met die basis is het een echte versneller.

Veelgestelde vragen

Heeft mijn bedrijf AI nodig?

Niet per se — het hangt ervan af of uw basis op orde is. AI zonder betrouwbare data en heldere processen levert niets op. Heeft u wel grip op uw cijfers en processen, dan kan AI een zinvolle volgende stap zijn.

Wat is het verschil tussen AI en Business Intelligence?

BI geeft u inzicht in wat er is gebeurd — het verleden. AI kan patronen herkennen en voorspellingen doen — de toekomst. Maar beide hebben dezelfde basis nodig: betrouwbare, gestructureerde data.

Kan Mark helpen met AI-implementatie?

Mark helpt u de basis op orde te brengen zodat AI kan werken: richting, processen en betrouwbare data. De technische uitvoering — software, modellen, implementatie — belegt hij bij geschikte technische partners. Wat hij wél op zich neemt: de aansturing van die partijen, de vertaling tussen techniek en bedrijf, en de bewaking van het resultaat. Zodat u niet zelf de technische gesprekspartner hoeft te zijn.