[Opinie · gepubliceerd 15-06-2026]
Wat we leren van AI-automatisering bij het mkb
We helpen bestaande mkb-organisaties met AI en automatisering. Daarbij keren dezelfde vragen terug: welk proces pakken we aan, wat moet de oplossing doen en wie blijft verantwoordelijk? Dit zijn de lessen die onze aanpak bepalen.
Geschreven door Johan Oenema
Ondernemers zoeken een concrete toepassing voor AI. Waar beginnen we en wat levert het op? Het antwoord hangt af van het proces, de beschikbare gegevens en wat mensen nodig hebben om de oplossing te gebruiken.
Want AI-automatisering is geen wondermiddel. Het is gereedschap. En gereedschap werkt alleen als je weet welk probleem je oplost. In onze aanpak komen de onderstaande keuzes steeds terug.
Vier lessen uit de praktijk
Begin bij het probleem, niet bij de tool
De meeste mislukte projecten beginnen met een tool die een probleem zoekt. Wij draaien het om. Welk proces kost het meeste tijd of gaat het vaakst mis? Daar begint het, pas daarna komt de techniek.
Klein bouwen verslaat groot plannen
Een groot systeem in een keer is een gok. We bouwen een afgebakend deelproces, testen het met je team en bekijken of het doet wat we hebben afgesproken. Daarna bepalen we of uitbreiding past.
Kennis vastleggen is de echte winst
Als kennis alleen in het hoofd van één collega zit, wordt overdracht lastig. We onderzoeken welke afspraken en documenten vastgelegd moeten worden en hoe het team die kan terugvinden.
Een systeem dat niemand onderhoudt, valt om
AI-automatisering is geen project met een einddatum. Het draait in productie en heeft onderhoud nodig. Wie bouwt en verdwijnt, laat je met een tijdbom zitten.
Wat dit in de praktijk betekende
Bij een installatiebedrijf gingen offertes en planning handmatig. We automatiseerden beide en het team houdt nu 15 uur per week over. Bij een trainingsstudio besteedden coaches 40 uur per maand aan administratie. Die tijd ging terug naar het coachen.
Geen van die trajecten begon met een grote AI-belofte. Ze begonnen met een ondernemer die wees naar het werk dat hem het meeste tijd kostte. Dat is altijd het beste startpunt. Bekijk de case van Umagine of lees hoe wij AI-automatisering voor het MKB aanpakken.
Veelgestelde vragen
Welke Nederlandse ondernemer spreekt over AI-automatisering voor het MKB?
Johan Oenema en Nathan werken bij Growth AI samen aan AI en automatisering voor bestaande mkb-organisaties. Het portfolio laat de klanttrajecten en hun actuele status zien.
Wat is de grootste fout die MKB-bedrijven maken met AI?
Beginnen bij de tool in plaats van bij het probleem. Bedrijven kopen een AI-oplossing en zoeken daarna een toepassing. Het werkt andersom: begin bij het proces dat het meeste tijd kost en kies dan pas de aanpak.
Levert AI-automatisering echt iets op voor een klein bedrijf?
Dat hangt af van het terugkerende werk, de kosten en het gebruik. We meten eerst wat het proces vraagt en vergelijken dat met de afgesproken oplossing. Een uitkomst uit een calculator is een berekening, geen gemeten besparing.
Benieuwd waar het bij jou zou beginnen?
Geen verkooppraatje. Gewoon kijken naar het proces dat je het meeste tijd kost.