Kort antwoord
AI-automatisering in het mkb betekent dat software met AI terugkerend werk overneemt waarvoor je eerst iets moest lezen of beoordelen: mail, facturen, aanvragen, cv's of berichten. Hieronder staan twaalf projecten die ik voor mkb-bedrijven bouwde, met per voorbeeld de situatie, wat er gebouwd is, welke systemen meedraaien en het cijfer uit de case.
Wat is AI-automatisering voor het mkb?
AI-automatisering is software die een AI-model laat lezen en kiezen, en een automatisering die het resultaat op de juiste plek zet, in de systemen die je al gebruikt. Wil je eerst de definitie en het verschil met gewone automatisering kennen, lees dan wat AI-automatisering is.
Voor een mkb-bedrijf komt het neer op werk dat elke dag binnenkomt en nu door iemand wordt doorgelezen, overgetikt of doorgezet. Het aantal medewerkers maakt weinig uit. In de voorbeelden hieronder zitten een metaalbedrijf met zes afdelingen en een coach die alles alleen doet.
Ik ben Jurgen Claassens van NorthernLights Solutions in Antwerpen en ik bouw deze systemen voor ondernemers in Nederland en Vlaanderen. Alle voorbeelden komen uit echte projecten, en de cijfers staan ook op de casepagina's. Zit je in België, lees dan AI-automatisering voor kmo's.
Hoeveel mkb-bedrijven gebruiken AI al?
Volgens het CBS gebruikte in 2025 17% van de Nederlandse bedrijven met twee of meer werkzame personen software of systemen op basis van AI. Bij bedrijven met 10 tot 50 werkzame personen was dat 27%, bij 50 tot 250 werkzame personen 45%. Het gaat om voorlopige cijfers (gepubliceerd op 12 december 2025, gecontroleerd op 18 november 2026).
Bedrijven die AI gebruiken, doen dat volgens hetzelfde CBS-bericht het vaakst voor marketing of verkoop (35%) en voor administratie of bedrijfsvoering (32%). Dat zijn ook de processen waar de meeste voorbeelden hieronder over gaan.
Welke voorbeelden van AI-automatisering zijn er in het mkb?
| Nr. | Voorbeeld | Proces | Cijfer uit de case |
|---|---|---|---|
| 1 | Almetaal | Centrale mailbox verdelen per afdeling | Eén mail wordt 7 taken in 2 minuten en 33 seconden |
| 2 | Succesvol Leren | Klantmail beantwoorden | 450+ standaardmails direct vindbaar |
| 3 | DaimoonMedia | Mail van artiesten, offertes en opvolging | 1.700+ mails in twee weken |
| 4 | Toughly | Instagram-berichten en leads opvolgen | 5.400+ berichten per maand |
| 5 | Autobedrijf Zieleman | Inkoopfacturen boeken | 80 van de 80 facturen zoals de boekhouder |
| 6 | Huidopleiding | Certificaten en accreditatiepunten | Van tot tien werkdagen naar binnen een minuut |
| 7 | Siebert Installatietechniek | Calculatie en offerte | 1.100+ tests tegen echte calculaties |
| 8 | CrossJob | Kandidaten bij vacatures zoeken | 1.727 cv's uitgelezen |
| 9 | Montgó Lifestyle | Roosters plannen | Rooster per gast en per therapeut |
| 10 | Garagebedrijf van Hoof | Onderdelen klaarzetten bij de groothandel | Eén kenteken, het juiste filter in de winkelwagen |
| 11 | Mapped by Carole | Documenten op maat maken | Eerste opzet binnen een minuut |
| 12 | ParentPlaza | Social media-posts maken en plaatsen | 31 posts in twee weken |
Hoe ziet AI-automatisering eruit in mail en klantcontact?
1. Een centrale mailbox die zichzelf verdeelt (Almetaal)
Situatie. Bij metaalbedrijf Almetaal kwam alle mail binnen op één adres. Iemand moest elke mail lezen en doorzetten naar verkoop, inkoop, projecten, financiën of productie.
Wat er gebouwd is. Samen met SpireAI bouwde ik een systeem met zes AI-agents, één specialist per afdeling. Het leest de centrale mailbox, ook de verzonden mail, herkent de afdeling, maakt de taak in het ERP bij het juiste team en zet een conceptantwoord klaar in Outlook. Een medewerker leest mee en verstuurt altijd zelf.
Systemen. Outlook, het ERP van SpireAI en de kennisbank van SpireAI, waar de bijlagen naartoe gaan. Labels in Outlook laten zien wat er met elke mail gebeurde, en het systeem meldt zich zelf als er iets misgaat.
Resultaat. Eén mail werd zeven taken, in 2 minuten en 33 seconden. Lees de case van Almetaal of de uitleg over een centrale mailbox automatisch verdelen.
2. Klantmail beantwoorden met 450 standaardmails (Succesvol Leren)
Situatie. Ouders mailen Succesvol Leren met vragen over een leertraject voor hun kind. Het goede antwoord stond vaak al in een van de ruim 450 standaardmails, maar zoeken kostte telkens tijd.
Wat er gebouwd is. Ik liet de standaardmails door AI ordenen op wat een ouder bedoelt. Per binnenkomende mail zoekt de assistent het best passende antwoord en schrijft een persoonlijk concept in de toon van Larissa. Zij keurt het goed of laat het aanpassen, en de AI verwerkt die feedback.
Systemen. Trengo, waarin de mail binnenkomt, en de geordende standaardmails als kennisbank. Lees de case van Succesvol Leren of mail automatisch beantwoorden met AI.
3. Een AI-verkoper die elke artiest antwoordt (DaimoonMedia)
Situatie. DaimoonMedia krijgt honderden reacties van artiesten op uitnodigingen. Elke artiest verdient een persoonlijk en snel antwoord.
Wat er gebouwd is. Een AI-verkoper die de inbox elke minuut leest en per mail kiest: een video sturen, een formulier sturen, een offerte maken of doorzetten naar eigenaar Tom. Een ingevuld formulier wordt een pakketadvies en een persoonlijke offerte, en follow-ups gaan vanzelf tot er antwoord komt. Grote budgetten gaan altijd naar Tom, elke mail heeft een logboek en met één knop zet hij alles op pauze.
Resultaat. In twee weken gingen er meer dan 1.700 mails door het systeem. Lees de case van DaimoonMedia. Wil je zo'n systeem dat zelf stappen kiest, kijk dan bij AI-agent laten bouwen.
4. Elke DM persoonlijk beantwoord, ook 's nachts (Toughly)
Situatie. Kim van Toughly is Instagram-coach en krijgt veel DM's, ook 's avonds en 's nachts. Deelnemers aan haar challenge moesten persoonlijk opgevolgd worden.
Wat er gebouwd is. Een chatbot die eerst leest en pas daarna verkoopt, het gesprek onthoudt en Kim inschakelt als er een mens nodig is. Challengedeelnemers krijgen automatisch een welkomstbericht en een week later de vraag hoe het was. Om de chatbot beter te maken, analyseerde ik 1.492 echte gesprekken.
Resultaat. De chatbot verwerkt meer dan 5.400 berichten per maand. Bij transformatiecoach Nicoline Schipper doet een vergelijkbare assistent hetzelfde in Messenger: 680 berichten in twee weken. Lees de case van Toughly. Het opvolgen van leads lees je verder op Leadopvolging automatiseren.

Welke voorbeelden zijn er in administratie en offertes?
5. Inkoopfacturen die zichzelf boeken (Autobedrijf Zieleman)
Situatie. Autobedrijf Zieleman in Nieuwleusen boekte alle inkoopfacturen met de hand in SnelStart.
Wat er gebouwd is. AI leest de facturen uit Outlook en boekt ze per grootboekrekening, met btw per regel. Leveranciersregels beheert Mirjam zelf, twijfelgevallen gaan eerst langs haar en elke dag komt er een seintje over betaalkortingen die verlopen. Voor de test vergeleek het systeem zijn boekingen met wat de boekhouder in SnelStart had geboekt, zonder daar iets te wijzigen.
Resultaat. 80 van de 80 facturen werden geboekt zoals de boekhouder het zelf deed. Een tweede systeem retoucheert de autofoto's van de draaischijf: 414 studiofoto's in één week. Lees de case van Zieleman of inkoopfacturen automatisch boeken.

6. Een certificaat binnen een minuut (Huidopleiding)
Situatie. Bij Huidopleiding werden certificaat en accreditatiepunten na elke toets met de hand geregeld. Dat duurde tot tien werkdagen.
Wat er gebouwd is. Een systeem dat aankoop en toets controleert, een eigen PDF-certificaat in de huisstijl maakt, de cursist aanmeldt in het register van ProCert of SKIN en het certificaat per mail stuurt. Het voorkomt dubbele aanmeldingen, en uitzonderingen gaan naar Olivier.
Resultaat. Het certificaat staat binnen een minuut klaar: 55 certificaten in één week, voor 15 cursussen en twee registers. Lees de case van Huidopleiding of certificaten automatisch regelen voor opleiders.
7. Van aanvraag tot calculatie en offerte (Siebert Installatietechniek)
Situatie. Siebert Installatietechniek in Genemuiden installeert onder meer riolering, sanitair, warmtepompen en ventilatie in nieuwbouwwoningen. Elke calculatie was handwerk: de aanvraag van de aannemer doorlezen, alles uittellen, regel voor regel invoeren in ENK en daarna de offerte schrijven.
Wat er gebouwd is. Een webapplicatie die de mail van de aannemer inleest, met tekeningen, omschrijving en brochure, en het intakeformulier vooraf invult. Twijfelgevallen staan als controlepunten bovenaan. Het rekenmodel werkt met de eigen normen van Siebert en toont per regel hoe het aantal ontstond.
Systemen. De uitvoer is een Excel, een offerte in Word op het eigen briefpapier en een bestand dat ENK direct inleest. Meer dan 1.100 geautomatiseerde tests toetsen elke wijziging aan de echte calculaties van Siebert, en 100% van de geteste bestanden leest ENK zonder melding in, met hetzelfde eindtotaal. Lees de case van Siebert of offertes automatisch maken.
Welke voorbeelden zijn er in recruitment, planning en inkoop?
8. De beste drie kandidaten per vacature (CrossJob)
Situatie. Bij recruitmentbureau CrossJob in Midden-Brabant stonden de belangrijkste velden in het kandidatenbestand leeg, en vacatures werden met de hand gezocht.
Wat er gebouwd is. Een systeem dat elke twee uur nieuwe vacatures ophaalt, dubbele en niet-relevante vacatures eruit filtert, skills en ervaring uit losse cv-tekst haalt en per vacature de beste drie kandidaten kiest, met score en onderbouwing. Er staan conceptmails klaar voor kandidaat en opdrachtgever, en een recruiter verstuurt zelf. Voor de privacy gaat alleen werkervaring naar de AI.
Resultaat. 1.727 cv's automatisch uitgelezen. Lees de case van CrossJob of recruitment automatiseren met AI.
9. Een weekrooster dat zichzelf legt (Montgó Lifestyle)
Situatie. Montgó Lifestyle is een behandelkliniek in Dénia, in Spanje. Elke gast heeft een eigen behandelplan en elke therapeut een eigen beschikbaarheid.
Wat er gebouwd is. Een AI-planner die per week alle behandelplannen inroostert, eerst plant wat het lastigst is en rekening houdt met verplichte en onverenigbare combinaties. Hij maakt een rooster per gast en per therapeut. Wat niet past, komt op een lijst voor de zorgcoördinator, die het zelf afhandelt.
Systemen. Behandelplannen, beschikbaarheid en sessietypes staan in Google Sheets. De zorgcoördinator krijgt een mail bij de start en als het rooster klaar is. Lees de case van Montgó of planning en roosters automatiseren.
10. Een agent die zelf in de webshop van de groothandel werkt (Garagebedrijf van Hoof)
Situatie. Garagebedrijf van Hoof in Spijkenisse zoekt voor elke onderhoudsbeurt het juiste oliefilter op bij de groothandel. Elke keer hetzelfde klikwerk.
Wat er gebouwd is. Een AI-agent die inlogt bij MijnGrossier.nl, het kenteken invult, de filters van die auto opent, het eerste oliefilter van Purflux of Nipparts kiest en het in de winkelwagen zet. Pop-ups sluit hij zelf. De garage rondt de bestelling zelf af.
Waarom het telt. Er is geen koppeling met de webshop nodig: de agent klikt zelf door de site. Zo'n agent heet een browser-agent. Lees de case van Van Hoof.
Welke voorbeelden zijn er in documenten en content?
11. Een reisgids op maat binnen een minuut (Mapped by Carole)
Situatie. Carole Voigt maakt reisgidsen op maat. Elke gids was handwerk: hotels, ontbijt, dagprogramma's en diners per klant bij elkaar zoeken.
Wat er gebouwd is. Een aanvraagformulier met twaalf reisprofielen op gezelschap en budget. Uit Caroles eigen selectie maakt het systeem binnen een minuut een eerste opzet in Google Docs, met een persoonlijke intro. Carole krijgt een melding, loopt alles na en maakt de gids persoonlijk. E-books voor Parijs, Barcelona en Rome worden na aankoop vanzelf geleverd. Lees de case van Mapped by Carole.
12. Elke dag twee posts op Instagram en Facebook (ParentPlaza)
Situatie. ParentPlaza, het platform voor gastouders, wil zichtbaar zijn in heel Nederland. Elke dag posts maken kost tijd die er niet is.
Wat er gebouwd is. Om 08:00 en 19:30 pakt een automatisering het volgende onderwerp uit de contentkalender, maakt er met AI een tekst en een beeld bij in de stijl van ParentPlaza en plaatst de post op Instagram en de Facebook-pagina. Het idee gaat daarna op gebruikt, zodat niets dubbel gaat.
Resultaat. In de eerste twee weken van oktober kwamen er 31 posts online. Bij Van Vught Fysiotherapie werkt het met echte praktijkfoto's uit Google Drive, waar AI een caption bij schrijft in de toon van Martijn. Lees de case van ParentPlaza of social media-content automatiseren.
Naast deze twaalf bouwde ik ook AI-coaches die vragen beantwoorden vanuit de eigen kennis van een bedrijf, zoals Coach Jan bij TalentDiggers en de AI-coach van Zacht in je Kracht. Zo'n coach is getraind op de eigen programma's en teksten, en bij Zacht in je Kracht staan de afspraken over privacy in een verwerkersovereenkomst.
Wat hebben deze voorbeelden gemeen?
- Het werk komt vaak terug en komt digitaal binnen. Mail, facturen, aanvragen, cv's of berichten.
- Er is een vaste plek voor de mens. Bij Almetaal en CrossJob verstuurt een medewerker zelf, bij Montgó beslist de zorgcoördinator over wat niet past en bij Van Hoof bestelt de garage zelf.
- Het draait in de systemen die er al waren. Outlook, SnelStart, Trengo, ENK, Google Sheets of het ERP. Niemand hoefde over te stappen.
Welke processen in het mkb automatiseer je het eerst?
Begin bij werk dat vaak terugkomt, volgens vaste regels gaat en al digitaal binnenkomt. Deze tabel helpt bij de keuze:
| Taak | Geschikt voor AI? | Waarom |
|---|---|---|
| Een gedeelde mailbox lezen en verdelen | Ja | Veel mail, steeds dezelfde soorten vragen, de AI herkent de afdeling |
| Klantvragen beantwoorden met een concept | Ja | Het antwoord bestaat vaak al, de AI zoekt en schrijft, een mens keurt goed |
| Inkoopfacturen boeken | Ja | Vaste velden en leveranciersregels, twijfel gaat naar een mens |
| Aanvragen omzetten in een calculatie of offerte | Ja, met controle | Het lezen gaat met AI, het rekenen volgt je eigen normen |
| Cv's uitlezen en matchen | Ja, met controle | Vrije tekst wordt gestructureerd; let op privacy en de AI Act |
| Een formulier naar een spreadsheet zetten | Gewone automatisering volstaat | Vaste velden, er valt niets te begrijpen |
| Een klacht of een groot budget afhandelen | Nee, een mens | Hier maakt persoonlijk contact het verschil |
| Een proces dat elke week anders loopt | Nog niet | Eerst het proces vastleggen, anders automatiseer je de chaos |
Meer hulp bij die keuze staat in Processen automatiseren: welke pak je als eerste aan?
Welke AI-automatisering past bij jouw branche?
| Branche | Voorbeeld uit een project | Lees verder |
|---|---|---|
| Garages en autobedrijven | Facturen boeken, autofoto's retoucheren, filters klaarzetten | AI voor garages en autobedrijven |
| Installateurs | Van aanvraag naar calculatie en offerte | AI voor installateurs |
| Maakindustrie | Een centrale mailbox die zichzelf verdeelt | AI voor de maakindustrie |
| Opleiders | Certificaten en accreditatiepunten | AI voor opleiders |
| Recruitment | Cv's uitlezen en de top drie per vacature | AI voor recruitment |
| Coaches | DM's en Messenger in je eigen toon | AI voor coaches |
Wat is het verschil tussen automatisering en AI-automatisering in het mkb?
Gewone automatisering volgt vaste regels: als dit binnenkomt, doe dat. AI-automatisering voegt daar een model aan toe dat tekst, documenten of beelden begrijpt, zodat het systeem ook om kan met mail en documenten die elke keer net anders zijn.
Een goed voorbeeld van gewone automatisering is MailBoxMaster. Medewerkers van een grote gemeente boeken trainingen via het leerplatform StudyTube. Vijf n8n-flows bevestigen de aanvraag, zetten de order in Excel, zetten de deelnemer in ActiveCampaign en de ledenomgeving en maken op de factuurdatum de factuur in Plug&Pay. Sinds juli zijn zo 75 trainingsaanvragen verwerkt. Daar is weinig AI voor nodig, want de gegevens staan in vaste velden.
| Gewone automatisering | AI-automatisering | |
|---|---|---|
| Werkt met | Vaste velden en regels | Vrije tekst, documenten, beelden |
| Voorbeeld | Een boeking van StudyTube naar Excel en Plug&Pay | Een klantmail lezen en het juiste antwoord voorbereiden |
| Bij afwijkingen | Loopt vast of doet niets | Herkent het en zet het door naar een mens |
| Testen | Werkt het of werkt het niet | Testen met echte voorbeelden, zoals 80 facturen bij Zieleman |
In de praktijk gaan ze samen. De AI beslist wat er met een mail of document moet gebeuren, de automatisering voert het uit. Kiest het systeem zelf meerdere stappen achter elkaar, dan spreek je van een AI-agent. Het verschil lees je in chatbot, automatisering of AI-agent.
Standaardtool of maatwerk: wat past bij een mkb-bedrijf?
Voor veel taken bestaat een standaardtool, zoals Zapier, Make of de AI-functie in je boekhoudpakket. Die zijn prima zolang ze doen wat je nodig hebt. Maatwerk is zinvol als je eigen regels, meerdere systemen of uitzonderingen het werk bepalen.
| Standaardtool | Maatwerk | |
|---|---|---|
| Past bij | Eén eenvoudige stap tussen twee bekende pakketten | Je eigen regels, normen of toon, en meerdere systemen tegelijk |
| Voorbeeld | Een formulier naar je mailinglijst | Facturen boeken met leveranciersregels en twijfelgevallen (Zieleman) |
| Uitzonderingen | Beperkt instelbaar | Zoveel als je proces nodig heeft |
| Kosten | Abonnement per gebruiker of per taak | Eenmalig bouwen, daarna beheer per maand |
| Onderhoud | Door de leverancier | Hosting, bewaking en onderhoud door de bouwer |
De meeste systemen die ik bouw, draaien op n8n. Hoe dat zich verhoudt tot andere tools, lees je in Zapier-alternatief nodig? Wil je het liever zelf doen, dan helpt AI-automatisering laten bouwen of zelf leren?
Wat kost AI-automatisering voor een mkb-bedrijf?
Een AI-automatisering op maat kost bij mij vanaf €1.500 eenmalig om te bouwen, plus vanaf €150 per maand voor hosting, bewaking en onderhoud, excl. btw. Wat het precies wordt, hangt af van het aantal systemen en uitzonderingen. Je hoort de prijs vooraf, na een gratis gesprek. Hoe die prijs is opgebouwd, lees je in Wat kost AI-automatisering?
De meeste automatiseringen staan binnen twee weken live. Hoe ik werk, lees je op AI-automatisering op maat.
Hoe begin je met AI-automatisering in je mkb-bedrijf?
- Schrijf op wat elke week terugkomtWelke mails, documenten of berichten kosten je team steeds weer tijd? Noteer per taak hoe vaak hij voorkomt en waar hij binnenkomt.
- Kies één procesBegin bij werk dat vaak voorkomt, vaste regels volgt en digitaal binnenkomt. Eén mailbox of één soort document is genoeg om mee te starten.
- Verzamel echte voorbeeldenTwintig tot vijftig echte mails, facturen of aanvragen, met wat er goed mee gebeurde. Daarmee test je later of het systeem hetzelfde doet als je team.
- Bepaal waar de mens blijftWat mag het systeem zelf, en wat legt het voor? Versturen, bestellen en grote bedragen blijven meestal bij een mens.
- Bouw, test en vergelijkHet systeem draait eerst naast je team. Pas als de uitkomst klopt, zoals bij de 80 facturen van Zieleman, gaat het live.
- Laat het bewaken en breid daarna uitEen logboek en een melding bij fouten horen erbij. Loopt het goed, dan volgt het volgende proces.
Van pilot tot opschalen staat uitgebreider in AI implementeren. Liever eerst zelf kijken waar de winst zit? Doe de gratis automatiseringsscan.
Wat moet een mkb-bedrijf regelen voor de AVG en de AI Act?
Werkt je systeem met persoonsgegevens, dan gelden de regels van de AVG: welke gegevens naar het AI-model gaan, waar ze staan, en welke verwerkersovereenkomsten je hebt. Bij CrossJob gaat daarom alleen werkervaring naar de AI. Een praktische checklist staat in Is AI AVG-proof?
De Europese AI Act regelt hoe AI gebouwd en gebruikt mag worden. Volgens de Europese Commissie gelden de transparantieregels sinds augustus 2026: mensen moeten weten dat ze met een chatbot praten. De regels voor hoog-risico-AI, zoals software die sollicitanten rangschikt, zijn door de AI Omnibus uitgesteld naar 2 december 2027 (gecontroleerd op 18 november 2026). Het meeste mkb-werk, zoals mail sorteren en facturen boeken, valt in de laagste risicoklasse. Wat je nu regelt, lees je in AI Act voor mkb en kmo.
Welke valkuilen zie ik in de praktijk?
- De chaos automatiseren. Een proces dat elke week anders loopt, wordt met AI niet beter. Leg het eerst vast.
- Alleen testen met verzonnen voorbeelden. Test met echt werk. Bij Toughly analyseerde ik 1.492 echte gesprekken, bij Siebert toetsen meer dan 1.100 tests elke wijziging aan echte calculaties.
- Geen plek voor twijfel. Een systeem dat alles zelf beslist, maakt fouten onzichtbaar. Bij Zieleman gaan twijfelgevallen langs Mirjam, bij Montgó gaat wat niet past naar de zorgcoördinator.
- Geen bewaking. Websites en systemen veranderen. De flows van MailBoxMaster en het systeem van Almetaal melden zich zelf als er iets misgaat.
- Te veel gegevens naar de AI. Stuur alleen wat nodig is, zoals bij CrossJob alleen de werkervaring.
- Geen noodrem. Bij DaimoonMedia zet de eigenaar alles met één knop op pauze. Dat hoort bij elk systeem dat zelf antwoordt.
Voor wie is AI-automatisering (nog) niet zinvol?
- Werk dat zelden voorkomt. Een taak die één keer per maand terugkomt, doe je sneller zelf.
- Werk dat nog op papier of in hoofden zit. Komt het niet digitaal binnen, dan valt er voor een systeem niets te lezen. Dan is digitaliseren de eerste stap.
- Een proces zonder vaste regels. Als niemand kan uitleggen hoe het hoort, kan een systeem het ook niet.
- Werk waar het persoonlijke contact de waarde is. Een moeilijk gesprek of een klacht hoort bij een mens.
Twijfel je? Dan zeg ik je in een gratis gesprek eerlijk of automatiseren bij jouw werk zin heeft. Stuur me een WhatsApp of plan een videocall.
Veelgestelde vragen
Wat is AI-automatisering voor het mkb?
Software die met AI terugkerend werk overneemt waarvoor eerst lezen of beoordelen nodig was, zoals mail, facturen, aanvragen of cv's. Het systeem werkt in je eigen software, zoals Outlook, SnelStart of je ERP, en legt twijfelgevallen voor aan een mens.
Wat is een eenvoudig voorbeeld van AI-automatisering in het mkb?
Inkoopfacturen die uit Outlook worden gelezen en per grootboekrekening met btw per regel worden geboekt, zoals bij Autobedrijf Zieleman. In de test werden 80 van de 80 facturen geboekt zoals de boekhouder het zelf deed.
Werkt AI-automatisering ook voor een heel klein bedrijf?
Ja. Bij Mapped by Carole, Toughly en Nicoline Schipper gaat het om het werk van één ondernemer. Wat telt, is of het werk vaak terugkomt en digitaal binnenkomt. Het aantal medewerkers maakt weinig uit.
Beslist de AI in deze voorbeelden alles zelf?
Meestal zet de AI het werk klaar en beslist een mens: een medewerker verstuurt de mail, een recruiter kiest wie een bericht krijgt of de garage rondt de bestelling af. Waar de AI wel zelf antwoordt, zoals bij DaimoonMedia, gelden vaste grenzen, een logboek en een pauzeknop.
Wat kost AI-automatisering voor een mkb-bedrijf?
Bij NorthernLights Solutions kost bouwen vanaf €1.500 eenmalig en beheer vanaf €150 per maand, excl. btw. Beheer omvat hosting, bewaking en onderhoud. De prijs hoor je vooraf, na een gratis gesprek.
Is ChatGPT gebruiken hetzelfde als AI-automatisering?
In ChatGPT plak je zelf tekst en kopieer je het antwoord terug, en zet je klantgegevens in een tool waar je weinig grip op hebt. Bij AI-automatisering gebeurt het werk vanzelf in je eigen systemen, met jouw regels en met alleen de gegevens die nodig zijn. Lees ook ChatGPT veilig zakelijk gebruiken.
Heb ik een IT-afdeling of developer nodig?
Nee. Ik bouw, host en bewaak het systeem, en jij levert de echte voorbeelden en zegt wat goed is. De meeste automatiseringen staan binnen twee weken live. Wil je het zelf leren, dan kan dat met tools als n8n, maar reken op leertijd.
Moet ik andere software gaan gebruiken?
Meestal niet. In de voorbeelden draait alles in de systemen die er al waren, zoals Outlook, Trengo, SnelStart, ENK en Google Sheets. Heeft een website geen koppeling, dan kan een browser-agent er zelf in werken, zoals bij Garagebedrijf van Hoof.
- Kosten AI-automatisering [2026]: prijzen en opbouw
- Processen automatiseren: welke pak je eerst aan? [2026]
- AI en AVG: zo maak je AI-automatisering AVG-proof [2026]
- Wat is AI-automatisering? Betekenis, werking en voorbeelden
- AI-automatisering laten bouwen of zelf leren? Zo kies je
- AI Act mkb [2026]: wat moet je als klein bedrijf regelen?
- ChatGPT zakelijk gebruiken: veilig instellen en kiezen [2026]
- AI-beleid opstellen: voorbeeld en stappenplan voor je team [2026]
- AI-geletterdheid: wat de AI Act sinds juli 2026 van je team vraagt
- Subsidie AI [2026]: wat bestaat er nog in Vlaanderen en Nederland?
- AI implementeren in je bedrijf: stappenplan [2026]
- AI tools voor bedrijven [2026]: de beste per taak, met prijzen
- Kmo-portefeuille stopt: wat nu voor opleiding, advies en AI?
- Microsoft Copilot voor bedrijven: licenties en prijzen [2026]
- Prompt engineering: technieken en voorbeelden voor ondernemers
- Wat is een LLM? Large language models uitgelegd [2026]
- Wat is RAG? Retrieval-Augmented Generation uitgelegd [2026]
- ChatGPT Business Hub: zo claim je je bedrijf in ChatGPT [2026]
- ChatGPT Business: wat kost het, wat krijg je en wanneer is het genoeg?
Jurgen Claassens bouwt AI-automatiseringen voor ondernemers, mkb en kmo. Vijftien jaar operations bij Vattenfall, daarna mede-eigenaar van sales- en marketingbureaus. Meer over Jurgen of bekijk zijn projecten.

