Wanneer AI wél en niet loont in het MKB

Van de Nederlandse bedrijven met 10 tot 50 werkzame personen gebruikte in 2025 ruim een kwart een vorm van AI; bij 50 tot 250 personen was het bijna de helft. Twee jaar eerder was dat 11 en 20 procent. Wie er niets mee doet, noemt als voornaamste reden gebrek aan ervaring, zo telde het CBS. Dat is een eerlijke reden. In dezelfde telling staat waar het dan voor wordt gebruikt: het vaakst voor marketing en verkoop, pas daarna voor de bedrijfsvoering en de boekhouding. Het werk dat elke week terugkomt en niemand mist, staat onderaan de lijst.

Dit stuk gaat over dat werk. Niet over AI als belofte, maar over een taalmodel als onderdeel in een bedrijfsproces: een stap tussen twee systemen waar tot nu toe een mens zat te lezen. De vraag is dan niet of AI iets kan, maar of die ene stap uitkan. Dat is een rekensom.

Waar een mens zat te lezen

Een gewone koppeling werkt met vaste regels. Staat er een orderregel in een UBL-bestand, dan weet de software welk veld het artikelnummer is en welk veld het aantal. Daar komt geen taalmodel aan te pas: regels zijn goedkoper, sneller en altijd hetzelfde. Een taalmodel hoort thuis waar regels ophouden, omdat de invoer geen vaste vorm heeft.

De bestelling die een vaste klant mailt in twee regels lopende tekst, met een artikelomschrijving die net anders is dan in het assortiment. De werkbon waarop de monteur in drie zinnen opschrijft wat hij aantrof. In beide gevallen leest iemand de tekst, begrijpt wat er staat, en typt dat over in velden. Vrije tekst omzetten naar velden, een bericht in een categorie zetten, een lang stuk samenvatten tot wat de planner moet weten, of aanwijzen welke van de honderd gevallen afwijkt: dat is werk dat een taalmodel aankan en waar vaste regels alleen tekortschieten.

Waar het model níet thuishoort, is minstens zo belangrijk. Alles wat al gestructureerd binnenkomt, hoort bij een gewone koppeling. Alles wat honderd procent goed moet zonder dat iemand ernaar kijkt, hoort niet bij een taalmodel. De onderzoekers die vorig jaar uitzochten waarom taalmodellen dingen verzinnen, kwamen tot een eenvoudige verklaring: een model wordt bij het trainen en toetsen beloond voor gokken, want een gok scoort beter dan toegeven dat het iets niet weet. Bij het samenvatten van documenten, een taak waar het model alleen hoeft te lezen, liggen de gemeten foutpercentages van goede modellen rond de 2 procent en die van slechte boven de 20, volgens een doorlopende vergelijking die in mei van dit jaar is bijgewerkt. Twee procent klinkt weinig. Bij tweehonderd orders per week zijn het er vier, en u weet niet welke.

Daarom hoort er in een proces met een taalmodel een controlestap, of een grens. De grens is de eenvoudigste: het model vult de velden, maar boven een bedrag, bij een onbekende klant of bij een artikelnummer dat het niet kan thuisbrengen, gaat de order naar een mens. Het model vervangt dan niet het lezen, maar het overtypen, en het sorteert het lezen naar de gevallen waar dat nodig is. Sinds 2 augustus van dit jaar geldt daar één regel bij: waar een AI-systeem rechtstreeks met mensen communiceert, zoals een chatbot voor klanten, moeten die mensen weten dat ze met een AI-systeem te maken hebben, volgens artikel 50 van de Europese AI-verordening. Voor een model dat achter de schermen een mail in velden zet, geldt die plicht niet.

De som

De rekenmethode is dezelfde als voor elke andere automatisering: minuten per handeling, maal het aantal per week, maal een uurtarief, tegenover wat het kost om te bouwen en in de lucht te houden. Bij een taalmodel komen er twee posten bij die een gewone koppeling niet heeft: de controlestap, die tijd blijft kosten, en het afstellen met echte voorbeelden, inclusief meten wat het fout doet voordat het live gaat.

Neem een groothandel die per week zestig bestellingen per mail ontvangt van vaste klanten, in vrije tekst. Iemand op de binnendienst leest ze en zet ze in het ERP. Dat kost hem, gemeten over twee weken, gemiddeld zes minuten per order: lezen, artikelen opzoeken, aantallen en leveradres invullen, soms even bellen. Zes uur per week. De cijfers hieronder zijn een berekende indicatie. Het uurtarief van 40 euro is een aanname voor een binnendienstmedewerker, de 46 werkweken zijn een aanname voor vakantie en feestdagen, en de bouwprijs en het beheertarief komen van onze prijzenpagina: het midden van de bandbreedte voor een standaardautomatisering en het laagste beheertarief.

In deze som is de bouw na ongeveer vijf maanden terugverdiend, en houdt het bedrijf daarna elke week vijf uur over. De som zegt niet dat de medewerker vijf uur minder werkt; er komt vijf uur vrij, en wat daarmee gebeurt, bepaalt de eigenaar. De zes minuten zijn gemeten, niet geschat. Dat is de nulmeting: twee weken tellen hoe vaak, hoeveel minuten en hoeveel fouten. Zonder die telling is de hele tabel een mening, en een half jaar later valt niet vast te stellen of het iets heeft opgeleverd. Bij Taxi Zoetermeer Direct ging de administratie van circa 22 naar circa 2,5 uur per week, naar opgave van de klant; dat getal bestaat alleen omdat er vooraf 22 stond.

Waar dezelfde som nee zegt

Neem nu een installatiebedrijf dat drie keer per maand een aanbestedingsdocument van dertig pagina's krijgt. De eigenaar leest het zelf, want hij moet beslissen of ze meedoen, en dat kost hem drie kwartier per stuk. Een taalmodel kan zo'n document samenvatten; dat is precies de taak waar het goed in is. Dus de som:

Drie documenten per maand, drie kwartier per stuk, is 27 uur per jaar. Tegen een aangenomen tarief van 65 euro voor de eigenaar zelf is dat 1.755 euro per jaar aan leestijd. Neem aan dat de samenvatting daar de helft afhaalt, en dat is ruim, want beslissen of je meedoet, doe je niet op een samenvatting: hij leest de kernpunten alsnog na. Vrijgekomen: 880 euro per jaar, berekend. Daar staat het beheer tegenover, 1.140 euro per jaar, en het bouwen komt er nog bovenop. Deze automatisering verdient zichzelf nooit terug. Niet omdat het model het niet kan, maar omdat het te weinig voorkomt om de inrichting goed te maken. Dezelfde eigenaar kan zo'n document ook zelf in een hulpmiddel plakken en om een samenvatting vragen; dat is geen procesautomatisering, en dat hoeft het ook niet te zijn.

Tussen die twee voorbeelden ligt een groot gebied waar de uitkomst afhangt van één getal: hoe vaak. Een taak die elke dag voorkomt en drie minuten kost, is een betere kandidaat dan een taak die één keer per maand een uur vraagt, al voelt die laatste zwaarder.

Wat u zelf kunt tellen

Wie wil weten of AI in zijn bedrijf iets oplevert, hoeft daar niemand voor te bellen. Kies één stroom waar iemand elke dag vrije tekst zit over te typen: mails, werkbonnen, formulieren, WhatsApp-berichten. Laat degene die het doet twee weken turven hoe vaak het voorkomt, hoeveel minuten het per keer kost en hoe vaak er iets fout in gaat. Zet die getallen in de tabel hierboven, met uw eigen uurtarief. Komt er minder uit dan de laagste bouwprijs plus een jaar beheer, bij onze tarieven zo'n 2.900 euro, dan verdient het zich in het eerste jaar niet terug, en dat is een goed antwoord: het scheelt een aanschaf.

Komt er meer uit, dan is de volgende vraag welk deel met regels kan en waar echt interpretatie nodig is. Dat is wat de Automation Check doet: één proces stap voor stap doorgenomen, frequentie, duur en fouten geteld, en een advies of het bouwen waard is, ook als dat advies nee is. Hij kost 295 euro en wordt verrekend als er binnen dertig dagen gebouwd wordt. De telling van hierboven neemt u mee; dan is de nulmeting al half gedaan.