In het kort AI en automatisering zijn niet hetzelfde, en je hebt ze ook niet altijd allebei nodig. Automatisering neemt het werk over dat elke keer hetzelfde gaat. AI komt erbij zodra er iets gelezen of beoordeeld moet worden. Samen halen ze een handeling helemaal weg, met een terugverdientijd van doorgaans rond de veertien maanden.
AI neemt ons steeds meer taken uit handen, maar moeten we bij elke automatisering AI inzetten? In dit stuk leggen we uit waar het verschil zit, hoe ze elkaar aanvullen, wat en wanneer je ze toepast op een van je bedrijfsprocessen en de kosten hiervan, en wat belangrijke valkuilen zijn waar je op moet letten.
Waar we nu staan.
De adoptiecijfers zien er goed uit. Volgens de AI-adoptiecijfers voor Nederland van Searchlab gebruikt in 2026 zo’n 67 procent van de Nederlandse bedrijven AI, tegenover 34 procent in 2023.
Zoom je in op het mkb, dan valt het tegen. Van de bedrijven met minder dan vijftig medewerkers gebruikt 28 procent AI structureel, bij middelgrote bedrijven is dat 42 procent. Onderaan staan de kleinste bedrijven, tussen tien en twintig werknemers, met 17,8 procent. Bij organisaties boven de vijfhonderd medewerkers is het 59,2 procent.
Aan de techniek ligt dat niet, want die is voor iedereen gelijk. Gevraagd naar de grootste drempel noemt 42 procent van de mkb’ers tijd en mensen, 36 procent budget en 27 procent technische kennis. Met andere woorden: het probleem is niet dat AI niet werkt, maar dat niemand tijd heeft om er écht in te duiken.
Wat automatisering kan.
Automatisering legt een werkstroom vast in code. Komt er een order binnen, zet hem in het ERP. Komt een factuur boven een bedrag uit, stuur hem naar de tweede handtekening.
Het belangrijkste kenmerk is dat het deterministisch is. Dezelfde invoer geeft altijd dezelfde uitkomst, vandaag en over een jaar. Dat maakt het voorspelbaar, goedkoop in gebruik en uitstekend geschikt voor verkeer tussen twee systemen, waar je precies wilt weten wat er is doorgegeven.
Waar het stukloopt is bij invoer die per keer verschilt. Een pdf van leverancier A ziet er anders uit dan die van leverancier B. Een mail met een aanvraag is nooit twee keer hetzelfde. Op dat punt hield het vroeger op en moest er iemand naar kijken.
Wat AI toevoegt.
AI voegt daar een beoordeling aan toe. Er kunnen hierbij daadwerkelijk open vragen worden gesteld aan het systeem: “Wat staat er op deze factuur?”, “Welke maten staan er in deze bouwtekening?”, “Is deze mail een klacht of een vraag?”. Dat zijn stappen waar vroeger per definitie een mens naar moest kijken.
Daar staat iets tegenover. Een taalmodel is niet deterministisch. Stel dezelfde vraag twee keer en je krijgt twee keer net iets andere tekst. Voor communicatie met mensen is dat prima, soms zelfs prettig. Voor communicatie tussen twee systemen is het onbruikbaar, want daar wil je een vast formaat dat de andere kant zonder verrassingen kan inlezen.
Dat is meteen de vuistregel: laat AI lezen en beoordelen, en laat de automatisering het resultaat wegschrijven in een vorm die vastligt.
Hoe je ze samen inzet.
De winst zit in de combinatie. Automatisering zonder AI loopt vast op het moment dat er iets gelezen en beoordeeld moet worden met inachtneming van een steeds veranderende context. AI zonder automatisering levert een slim antwoord op dat vervolgens alsnog met de hand in een systeem moet worden gezet. Pas samen verdwijnt de handeling echt.
Bij een inkoopfactuur ziet dat er zo uit. De automatisering haalt de mail op en zet het bestand klaar. Het model leest eruit wat het factuurnummer, het bedrag en de leverancier zijn. De automatisering controleert dat tegen de openstaande orders en boekt het weg. Er komt alleen een mens aan te pas als er iets niet klopt.
Waar je begint.
Vijf soorten processen komen bij vrijwel elke klant terug, in deze volgorde van eenvoud.
1. Overtypen tussen twee systemen
Orders uit de mailbox naar het ERP, uren naar de facturatie, klantgegevens van de webshop naar het CRM. Puur automatisering, geen AI nodig. Bijna altijd de eerste stap en meteen de goedkoopste winst, omdat je de bespaarde uren direct kunt tellen.
2. Documenten inlezen
Inkoopfacturen, pakbonnen, aanvragen met bijlagen. Hier komt AI wel om de hoek kijken, want de opmaak verschilt per leverancier. Het model leest uit wat er staat, de automatisering zet het weg.
3. Koppelingen naar buiten
Systemen van leveranciers, vervoerders of terminals waar iemand nu handmatig op inlogt. Bij Moovle bouwden we een integratie met terminaldata, waardoor de aankomsttijden van schepen en containers rechtstreeks in hun eigen ERP zichtbaar zijn. Geen los portaal meer en iedereen kijkt naar dezelfde tijden.
4. Klanten informeren op basis van je eigen data
In je data staan de open orders, openstaande facturen en leverdata van de bestellingen. Met AI maken we van deze saaie data een goedlopend verhaal, zodat jouw klant altijd up-to-date is met goed leesbare rapportages, gebaseerd op actuele data.
5. Voorbereidend werk dat niemand leuk vindt
Wij bouwen op dit moment twee toepassingen die precies in deze categorie vallen.
De eerste is een calculatie- en offertetool voor een bouwbedrijf. Er komt een aanvraag binnen per mail, de technische documenten in de bijlage worden uitgelezen, maten en hoeveelheden worden berekend en er staat een conceptofferte klaar in een vaste map. De calculator doet de laatste controle en verstuurt.
De tweede is een assistent voor accountmanagers. Op basis van je agenda ziet de app welke klanten je die dag bezoekt. Je krijgt automatisch een rapport met openstaande facturen, hardlopers, artikelen die juist in volume dalen en het laatste bedrijfsnieuws uit openbare bronnen. Werk waar iemand anders een half uur per bezoek aan kwijt was.
Wat het kost en wat het oplevert.
De prijs hangt vooral af van het aantal systemen dat mee moet doen.
| Wat je laat bouwen | Eenmalig | Per maand |
|---|---|---|
| Eén koppeling of workflow | Een paar dagen werk | Enkele tientjes |
| Een compleet proces over meerdere systemen | Enkele duizenden euro’s | Tientjes tot een paar honderd euro |
| Meerdere processen met koppelingen | Vijfduizend tot vijftienduizend euro | Een paar honderd euro |
Voor de terugverdientijd zijn er twee bruikbare referenties. McKinsey noemt in State of AI een terugverdientijd van ongeveer veertien maanden, mits je stapsgewijs uitrolt in plaats van alles tegelijk. UiPath houdt in zijn State of the Automation Professional Report twaalf tot achttien maanden aan als gezonde bandbreedte.
Bij het overtypen uit categorie 1 gaat het meestal sneller. Een webshop in de detailhandel was met twee mensen twee dagen per week bezig met het aanpassen van leverdatums, op basis van de ETA’s die ze van hun vervoerder kregen. Dat is 32 uur per week. Dat werk gaat nu grotendeels automatisch. Reken conservatief met 80 procent en een intern uurtarief van 20 euro, dan is de investering van ongeveer zesduizend euro er in een kleine drie maanden uit.
Die rekensom maken we altijd vooraf. Hoe vaak gebeurt het, hoeveel minuten kost het, wat verdient degene die het doet. Komt eruit dat het niet uit kan, dan zeggen we dat.
Waarom projecten mislukken.
Bijna altijd om dezelfde redenen, en geen ervan is technisch.
De data klopt niet
Een AI-toepassing die met je cijfers rekent is net zo betrouwbaar als de cijfers eronder. Staan omzetdefinities in drie systemen verschillend, dan krijg je keurig verwoorde antwoorden op basis van verkeerde getallen. Dat is gevaarlijker dan geen antwoord, want het klinkt overtuigend. Voor dat soort toepassingen bouwen we eerst het datafundament eronder.
Er is te groot begonnen
Een AI-strategie voor de hele organisatie klinkt goed in een directievergadering en levert twaalf maanden later niets werkends op. Wij bouwen de eerste toepassing in twee weken op echte data. Daarna weet je of het werkt en wat het scheelt, en gaat het gesprek over feiten.
Niemand is eigenaar
Een automatisering die niemand bewaakt valt binnen een half jaar stil zonder dat het opvalt. Daarom bouwen we er standaard bewaking bij, en zetten we er waar het kan een dashboard op met slagingspercentage en doorlooptijd, zodat je in Power BI gewoon ziet dat het draait.
Wat je maandag kunt doen.
Pak een week en noteer welke handeling het vaakst terugkomt bij je collega’s. Niet de moeilijkste, de meest voorkomende. Reken uit wat die per maand kost aan uren. Dat getal is je budget en tegelijk je businesscase.
Weet je die handeling al? Plan een gesprek, dan rekenen we in een half uur voor wat het scheelt om hem te automatiseren. Als het niet uit kan hoor je dat van ons.
Veelgestelde vragen.
Wat is AI-automatisering?
AI-automatisering is het combineren van een vastgelegde werkstroom met een taalmodel dat de beoordelingsstappen overneemt. De automatisering verplaatst gegevens tussen systemen, de AI leest en interpreteert wat er in die gegevens staat, bijvoorbeeld wat er precies op een factuur of in een aanvraag staat.
Wat is het verschil tussen automatisering en AI?
Automatisering is code en dus deterministisch: dezelfde invoer geeft altijd dezelfde uitkomst. Een taalmodel formuleert elke keer net iets anders, wat prettig is voor communicatie met mensen en onbruikbaar voor verkeer tussen twee systemen. In de praktijk laat je AI lezen en beoordelen, en laat je de automatisering het resultaat in een vast formaat wegschrijven.
Wanneer heb je AI nodig en wanneer niet?
Zolang de invoer elke keer hetzelfde is, heb je genoeg aan automatisering. Zodra er iets gelezen, beoordeeld of geïnterpreteerd moet worden waarvan de vorm per keer verschilt, voegt AI iets toe. Een pdf van een andere leverancier of een mail met een vrije tekst zijn de klassieke voorbeelden.
Welke processen kun je het beste als eerste automatiseren?
Begin bij werk dat vaak terugkomt, altijd hetzelfde gaat en waarbij gegevens van het ene scherm naar het andere worden overgenomen. Orders uit de mailbox in het ERP zetten, uren doorzetten naar de facturatie en inkoopfacturen inlezen zijn de klassiekers, omdat je de bespaarde uren daar direct kunt tellen.
Wat kost het automatiseren van een bedrijfsproces?
Eén koppeling of workflow kost meestal een paar dagen werk. Een compleet proces over meerdere systemen loopt op tot enkele duizenden euro’s, plus enkele tientjes tot een paar honderd euro per maand aan verbruik. Meerdere processen met koppelingen liggen in de praktijk tussen de vijfduizend en vijftienduizend euro.
Wat is de terugverdientijd van AI-automatisering?
McKinsey noemt ongeveer veertien maanden en UiPath houdt twaalf tot achttien maanden aan als gezond. Bij eenvoudige koppelingen gaat het sneller. Bij een webshop die twee mensen twee dagen per week kwijt was aan het bijwerken van leverdatums, was de investering er conservatief gerekend in een kleine drie maanden uit.
Moeten we eerst ons datafundament op orde hebben?
Voor toepassingen op documenten en mail niet. Zodra AI met je cijfers moet rekenen wel, want anders krijg je keurig verwoorde antwoorden op basis van verkeerde getallen. In dat geval bouwen we eerst het datawarehouse eronder, met vaste definities.
Hoe lang duurt het voordat een AI-toepassing draait?
Een eerste afgebakende toepassing bouwen wij in twee weken, op echte data. Een bredere uitrol met koppelingen naar je andere systemen kost daarna meestal nog vier tot zes weken.
Verliezen mensen hierdoor hun werk?
In onze projecten verdwijnt het overtypen, niet de functie. Wat ervoor terugkomt is tijd voor werk waar iemand echt bij moet nadenken, en collega’s die niet langer de sluitpost tussen twee systemen zijn.