AI-strategie in 5 stappen: zo begin je als MKB-bedrijf zonder geld te verbranden

Vraag tien MKB-directeuren of AI belangrijk is voor hun bedrijf, en negen zeggen ja. Vraag diezelfde tien wat hun AI-strategie is, en je krijgt meestal een mengeling van schouderophalen, vage plannen en "we hebben er wel eens een tool voor uitgeprobeerd". Het gat tussen "we moeten iets met AI" en "we hebben AI structureel werkend in ons bedrijf" is groot, en de meeste bedrijven blijven daar veel langer in hangen dan nodig.

Het probleem is meestal niet onwil of gebrek aan budget. Het probleem is dat niemand een helder stappenplan heeft. AI voelt als een ingewikkeld onderwerp waar je een specialist voor nodig hebt, en omdat het zo groot voelt, begin je er gewoon niet aan.

Dat is jammer, want het kan ook anders. Hieronder staat het plan dat we honderden keren hebben zien werken bij MKB-bedrijven die wél met succes met AI aan de slag gaan. Vijf stappen, in een volgorde die ertoe doet. Doe ze in de juiste volgorde, en je staat over een half jaar verder dan veel concurrenten die al twee jaar bezig zijn.

Stap 1: maak een eerlijke inventarisatie van waar tijd en geld weglekken

De grootste fout is beginnen bij de technologie. "Wat kunnen we met Claude doen?" is de verkeerde vraag. De juiste vraag is: waar gaat in ons bedrijf onnodig tijd, geld of energie verloren?

Plan een week waarin je deze inventarisatie serieus doet. Niet alleen vanuit het directiekantoor — ga in gesprek met de mensen op de werkvloer. De administratief medewerker die elke maandag drie uur kwijt is aan een rapportage waar niemand naar kijkt. De accountmanager die de helft van zijn dag bezig is met offertes opmaken in plaats van klanten bellen. De tendermanager die voor elke aanbesteding 60 uur aan documenten doorploetert. De HR-medewerker die honderden cv's handmatig filtert. De binnendienst die elke dag dezelfde vragen beantwoordt.

Schrijf alles op. Wees specifiek. "We verliezen tijd aan admin" is geen bruikbare input. "Onze AR-medewerker verwerkt elke maand 800 inkomende facturen handmatig, gemiddeld 4 minuten per factuur" wel.

Naast tijd, kijk ook naar geld en kansen. Welke deals lopen we mis omdat we te traag reageren? Welke klachten krijgen we structureel? Waar maken we de meeste fouten? Welke klanten lopen weg en waarom? Welke groei kunnen we niet aan met onze huidige bezetting?

Aan het einde van deze stap heb je een lijst van tien tot dertig concrete pijnpunten in je bedrijf. Niet abstract, maar concreet. Dat is je startmateriaal.

Stap 2: bepaal welke pijnpunten zich lenen voor AI

Niet elk probleem los je op met AI. Sommige problemen los je op door iemand aan te nemen, sommige door een ander proces, sommige door een ander systeem. Selectie is hier alles.

Loop je lijst langs en geef elk punt een score op vier dimensies. Hoe veel tijd of geld kost het nu structureel? Hoe gestructureerd of repetitief is het werk? Hoe ongestructureerd zijn de inputs (tekst, beeld, vrije vorm)? Hoe goed is je data op orde om het probleem aan te pakken?

Werkstromen met veel volume, veel repetitie of veel ongestructureerde input (denk: documenten lezen, klantvragen beantwoorden, data uit e-mails halen) zijn doorgaans sterke AI-kandidaten. Werkstromen die draaien om persoonlijk contact, strategisch oordeel of creativiteit zijn dat juist niet — daar wint een mens.

Een goede AI-kandidaat heeft drie eigenschappen tegelijk. De pijn is groot (minimaal 8 tot 16 uur per week structureel weg, of een concreet financieel verlies). Het werk is repetitief of patroon-matig. En je hebt voldoende data om het op te baseren. Als één van die drie ontbreekt, schuif het lager op je lijst — of helemaal eraf.

Uit deze stap moet een shortlist komen van vijf tot tien kandidaten die zich lenen voor AI. Die ga je in de volgende stap prioriteren.

Stap 3: kies je eerste use case en doe het écht goed

Hier ligt de belangrijkste valkuil. Veel bedrijven kiezen in deze fase voor "iets ambitieus dat het hele bedrijf raakt". Dat lijkt strategisch, maar leidt vrijwel altijd tot mislukking. Wat je nodig hebt is een eerste case die afgebakend is, een meetbaar resultaat heeft, en realistisch in drie tot zes maanden gerealiseerd kan worden.

Goede eerste use cases delen drie kenmerken. Ze zijn klein genoeg om binnen één afdeling of één proces te blijven. Ze hebben een meetbaar resultaat (uren bespaard, deals gewonnen, doorlooptijd verkort). En ze raken één duidelijke eigenaar in je organisatie die er verantwoordelijk voor wordt.

Voorbeelden van sterke eerste use cases die we vaak zien werken: een AI Tender Assistant voor één type aanbestedingen, een automatische factuurverwerking voor één leveranciersstroom, een klantvraag-classifier voor binnenkomende e-mails op één afdeling, of een AI-ondersteund offerteproces voor één productlijn.

Voorbeelden van slechte eerste use cases: "AI in onze hele klantenservice", "een AI-strategie voor het hele bedrijf", "Claude beschikbaar maken voor iedereen". Die zijn niet klein genoeg, niet meetbaar genoeg, en hebben geen heldere eigenaar.

Belangrijk hierbij: definieer vooraf wat succes is. Wat moet er over zes maanden meetbaar zijn om dit project een succes te noemen? "Tendermanager bespaart minimaal 40% tijd per tender" is meetbaar. "Het systeem moet goed werken" niet. Zonder vooraf gedefinieerd succes loop je het risico dat je over zes maanden niet kunt zeggen of het werkte.

Bij Artifec doen we dit standaard in onze AI Discovery Sprint — twee weken waarin we de inventarisatie, selectie en prioritering doorlopen, en eindigen met een concreet plan voor de eerste use case inclusief prijskaartje, doorlooptijd en succescriteria. Voor €2.500 weet je daarna wat je gaat doen en wat het gaat kosten. Veel sneller en goedkoper dan zelf maanden rondkijken.

Stap 4: bouw en lanceer met de mensen die het gaan gebruiken

Met je eerste case helder kun je beginnen met bouwen. Hier is waar de meeste AI-projecten alsnog stranden, niet vanwege de technologie, maar omdat het systeem op de afdeling wordt "uitgerold" zonder dat de mensen die ermee moeten werken er ooit bij betrokken zijn geweest.

Twee principes maken het verschil tussen succes en falen in deze fase.

Principe één: bouw iteratief, niet in één klap. Een AI-systeem dat na zes maanden in één keer wordt opgeleverd, blijkt zelden te doen wat de gebruikers eigenlijk wilden. Bouw in plaats daarvan in cycli van twee tot vier weken: een werkende versie, feedback van gebruikers, verbeteringen, weer feedback. Na drie tot vier cycli heb je iets dat echt past bij hoe je team werkt — en dat het team al kent en vertrouwt omdat ze het hebben zien groeien.

Principe twee: betrek de eindgebruikers vanaf dag één. De tendermanager moet vanaf de eerste week meedenken over hoe de AI Tender Assistant eruit moet zien. De accountmanager moet meebepalen wat de offerte-generator moet kunnen. Niet omdat ze de techniek begrijpen, maar omdat ze precies weten wat ze nodig hebben en wat in de praktijk wel of niet werkt. Bovendien creëer je daarmee meteen draagvlak — het systeem voelt vanaf het begin als "van ons", niet als "iets dat ons is opgelegd".

Praktisch: verwacht voor een eerste use case een doorlooptijd van zes tot twaalf weken voor bouw en lancering, met een investering tussen €7.500 en €25.000 afhankelijk van complexiteit. Plan ook minimaal twee weken na livegang in voor begeleiding, bugfixes en training. Een AI-systeem dat op vrijdag wordt opgeleverd en op maandag aan zijn lot wordt overgelaten, gaat verzanden.

Stap 5: meet, leer, en bouw vervolgens uit

Na livegang begint pas het echte werk. Te veel bedrijven denken dat ze klaar zijn zodra het systeem draait. Klaar is een illusie — een AI-systeem is per definitie iets dat blijvend onderhouden en doorontwikkeld moet worden.

In de eerste drie maanden na livegang heb je drie taken.

Meten. Houd je succescriteria nauwkeurig bij. Wat is de daadwerkelijke tijdsbesparing? Hoe vaak wordt het systeem gebruikt? Wat is de kwaliteit van de output? Welke fouten worden gemaakt? Wie het meet, kan het verbeteren — en je hebt deze cijfers nodig om intern de waarde te onderbouwen.

Leren. De eerste maanden zie je waar het systeem goed werkt en waar niet. Vrijwel altijd zijn er aanpassingen nodig: meer uitzonderingen die gedekt moeten worden, betere integratie met een ander systeem, andere drempels in de besluitvorming. Deze leercurve duurt typisch drie tot zes maanden.

Plan de volgende use case. Een succesvol eerste project creëert intern enthousiasme en geloofwaardigheid. Gebruik dat momentum. Welke van de andere kandidaten uit stap 2 ga je nu aanpakken? Een goede AI-roadmap loopt minimaal twee tot drie use cases vooruit, zodat je niet na elk project opnieuw moet "nadenken over wat nu".

Voor doorontwikkeling en onderhoud reken je op 10 tot 20% van de bouwkosten per jaar. Bij Artifec doen we dit via AI Partner Retainers — Essential (€500/maand) voor stabiele systemen die alleen onderhoud nodig hebben, Growth (€1.500/maand) voor actieve doorontwikkeling, en Scale (€3.500/maand) voor bedrijven die AI strategisch in de organisatie willen verankeren. Het idee: niet elk kwartaal opnieuw onderhandelen over kleine veranderingen, maar een vast partnerschap waarin we meegroeien met je bedrijf.

De realistische tijdlijn

Om dit hele plan in perspectief te plaatsen: van nul beginnen naar een eerste werkende AI-toepassing duurt voor een serieus MKB-bedrijf typisch drie tot zes maanden. Geen drie weken zoals sommige verkopers beloven, maar ook geen twee jaar zoals grote consultancybureaus aanraden.

Een realistische verdeling: twee tot drie weken voor stap 1 (inventarisatie), één tot twee weken voor stap 2 en 3 (selectie en planning), zes tot twaalf weken voor stap 4 (bouw en lancering), en de eerste drie maanden na livegang voor stap 5 (meten, leren, opschaalvoorbereiding). Daarna kun je je tweede en derde use case naast het bestaande systeem opzetten, en groei je in een tempo van twee tot vier nieuwe AI-toepassingen per jaar.

In totaalbudget: tussen €15.000 en €40.000 voor je eerste use case inclusief Discovery, bouw en eerste maanden onderhoud. Daarna doorlopend €500 tot €3.500 per maand afhankelijk van hoe actief je doorontwikkelt. Veel minder dan een fte met vergelijkbare productiviteit, en met de bijkomende voordelen dat het 24/7 werkt en eindeloos schaalt.

Vier veelgemaakte fouten die je niet hoeft te maken

We hebben dit traject inmiddels tientallen keren begeleid, en er zijn vier fouten die we keer op keer terugzien.

Fout één: tools kopen voordat het plan er is. Bedrijven die in stap 1 een licentie afsluiten voor een AI-tool en daarna gaan kijken wat ze ermee kunnen, eindigen vrijwel altijd met een ongebruikt abonnement. Het plan moet eerst, de tool daarna.

Fout twee: geen interne eigenaar aanwijzen. Een AI-project zonder iemand binnen het bedrijf die er verantwoordelijk voor is, gaat dood zodra de externe partij weg is. Wijs vanaf stap 3 een interne eigenaar aan met KPI's die aan het systeem hangen.

Fout drie: te grote eerste hap. "We willen meteen onze hele administratie automatiseren" leidt tot maanden bouwen aan iets dat uiteindelijk niet werkt. Begin klein, win die eerste, bouw daarna uit.

Fout vier: geen budget voor doorontwikkeling. Een AI-systeem dat na livegang aan zijn lot wordt overgelaten, degradeert binnen een jaar tot iets dat niemand meer gebruikt. Plan onderhoud en doorontwikkeling vanaf het begin in — niet als luxe, maar als basisvoorwaarde.

Tot slot

AI-strategie hoeft niet ingewikkeld te zijn. Het hoeft ook geen jaren te duren. Wat het wel vereist: een heldere volgorde, realistische verwachtingen, en de discipline om klein te beginnen voordat je groot wilt worden.

Bedrijven die deze vijf stappen serieus doorlopen, hebben binnen zes tot twaalf maanden een werkend AI-systeem dat daadwerkelijk waarde levert. Bedrijven die deze stappen overslaan of door elkaar doen, hebben na twee jaar nog steeds een verzameling losse experimenten en weinig om over te schrijven.

Het verschil zit niet in budget of technische kennis. Het zit in de aanpak.

Wil je dit traject samen doorlopen? De AI Discovery Sprint van Artifec dekt de eerste twee stappen volledig af en levert je een concreet plan voor je eerste use case. Twee weken, €2.500, en je weet daarna precies waar je in moet investeren en in welke volgorde. Plan een gesprek om te kijken of het bij je past.

Over Artifec — Wij helpen Nederlandse MKB-bedrijven om AI praktisch en duurzaam in te zetten. Geen losse pilots, wel een partnerschap dat meegroeit met je bedrijf.

Plan een gesprek · Bekijk onze AI Bedrijfscan · Meer over onze AI Partner Retainers