AI-specialist voor het Nederlandse MKB

Vijf manieren waarop we AI inzetten, allemaal met meetbare uitkomst.

• Microsoft Copilot implementatie en adoptie

  Copilot uitrollen, governance inrichten, en zorgen dat teams het echt gebruiken.

  Plan een Copilot-gesprek →

• AI-automatisering

  Repetitief proces, ongestructureerde data, of besluitvorming versnellen met LLMs en agents.

  Bekijk de automation-praktijk →

• AI-integratie in bestaande systemen

  LLM-functies binnen je CRM, ERP, of klantportaal, met aandacht voor latency, kosten en governance.

  Bespreek de integratie →

• AI-audit en readiness

  Objectief beeld van waar AI waarde levert in jouw organisatie, en wat eerst op orde moet.

  Start de scan →

• AI-training voor teams

  Praktische sessies waarin teams leren hoe ze AI verantwoord gebruiken in dagelijks werk.

  Plan een training →

Vijf fases, geen consultancy-jargon.

1. Stap 1
   Discovery (1 tot 2 weken)

   Welk probleem lossen we op, voor wie, en hoe meten we het?

2. Stap 2
   Scope (1 week)

   Wat valt buiten scope, welke data hebben we nodig, welke risico's accepteren we?

3. Stap 3
   Pilot (4 tot 8 weken)

   Klein, meetbaar, met tijd om bij te sturen voordat we opschalen.

4. Stap 4
   Meten (continu)

   Wat verandert er, voor wie, hoeveel handwerk verdwijnt echt?

5. Stap 5
   Opschalen

   Pas wanneer de pilot bewijs levert, niet eerder.

Vijf criteria die wij toetsen voordat we een traject starten.

• Datakwaliteit

  Is de data vindbaar, schoon, en weet je wie eigenaar is?

• Governance

  Wie mag wat, welke AVG-grondslag, en in welke context wordt het ingezet?

• Leiderschap

  Wordt het gedragen door directie of MT, of staat IT alleen?

• Use-case-helderheid

  Concreet probleem of 'iets met AI'? Het tweede is een rode vlag.

• Integratie-context

  Welke systemen moeten kunnen meelezen, en op welke termijn?

• AI op rommelige data

  We zien meestal dat data eerst op orde moet, anders presteert AI hoogstens gelijk aan het oude proces.

• Tooling kiezen voor de use-case

  De tool-keuze hoort uit de use-case te volgen, niet andersom.

• Pilot zonder meetcriteria

  Zonder vooraf afgesproken meetwaarden weet je achteraf niet of het werkte.

• Adoptie als afterthought

  Een geweldige AI-functie die niemand gebruikt, is geen winst.

• Compliance aan het eind

  Pas op het laatste moment AVG en NIS2 erbij betrekken is duurder dan vooraf.

Wij kiezen pas tooling na discovery, nooit eraan vooraf.

Microsoft Copilot

Als de organisatie al M365 draait en de use-case binnen Office past.

Claude of GPT via API

Wanneer maatwerk of integratie buiten M365 nodig is.

Eigen agent-framework

Voor multi-step processen met domein-logica en autonome stappen.

Geen AI

Wanneer een rule-engine, formulier-aanpassing of betere zoekfunctie het echte antwoord is.

AI levert pas waarde als data op orde is en governance helder is. Voor organisaties onder NIS2 begint dat met de basis-inventarisatie.

Anonieme voorbeelden, omdat we niet over klanten praten zonder toestemming.

• Document-extractie

  Facturen, bonnen, contracten en e-mailbijlagen automatisch uitlezen.

  Inkoopfacturen en bonnen die handmatig in het boekhoudpakket worden ingetypt kosten elke maand uren en leveren typo-fouten op die later teruggevonden moeten worden. Een AI-extractor leest de gestructureerde velden, controleert ze tegen de orderregel, en zet ze door als de match klopt.

  Lees verder →

• Mailtriage voor de gedeelde inbox

  info@ en support@ gesorteerd, samengevat, gerouteerd. Mens beslist wat eruit gaat.

  De gedeelde inbox is het stille pijnpunt van veel kantoren. Drie mensen lezen dezelfde mail, niemand pakt hem op omdat ze denken dat iemand anders het doet, en de klant wacht een dag op iets dat in vijf minuten af had gekund.

  Lees verder →

• Kennisportaal op je eigen documenten

  Eén zoekvak bovenop SharePoint, handboeken en wiki. Antwoord met bronverwijzing of een eerlijke "geen idee".

  Nieuwe medewerkers stellen drie maanden lang dezelfde vragen die al beantwoord zijn in een document dat niemand kan vinden. Een interne zoekfunctie die wel weet welke pagina hij niet kent is meer waard dan een chatbot die gokt.

  Lees verder →

• Offerteflow voor sales

  Van klantvraag naar concept-offerte in minuten, niet in dagen. Mens drukt op verzenden.

  Een sales-medewerker krijgt op maandag drie aanvragen binnen. Donderdag staan ze er nog steeds, omdat het kopiëren uit eerdere offertes, het opzoeken van prijslijsten, en het netjes maken in de huisstijl het werk is wat blijft liggen tussen klantgesprekken door.

  Lees verder →

• Vergader-samenvattingen die er wel zijn

  Het soort vergadering waar de notulen anders nooit komen, krijgt nu wel een eindstreep.

  In de meeste MKB-vergaderingen worden geen notulen gemaakt. Niet uit kwade wil, maar omdat de persoon die ze zou moeten typen al meedoet aan het gesprek. Een korte samenvatting na afloop is meer waard dan veertig minuten transcript dat niemand leest.

  Lees verder →

• Lead-classificatie met onderbouwing

  Een leesbare prioriteringslijst per lead, met argumenten, geen blackbox-score.

  Een lead-formulier op de site, een whitepaper-download, een conferentie-badge die wordt gescand. Aan het eind van de week staan er tachtig namen in het CRM. Welke vijf moet de sales-mens vandaag bellen, en waarom?

  Lees verder →

Uitkomsten zijn indicatief en project-specifiek.

We werken vanuit Veenendaal voor opdrachtgevers in heel Midden-Nederland.

• Veenendaal
• Amersfoort
• Utrecht
• Ede
• Wageningen
• Arnhem

Achtergrondartikelen over AI in het MKB.

• AI-adoptie: voorbij de showcase

  Een geweldige AI-functie die niemand gebruikt is geen winst. Vier ontwerp-keuzes die wij maken zodat adoptie geen afterthought wordt.

• Een AI-pilot in vier tot acht weken

  Hoe een typische pilot eruitziet, week voor week. Welke meetcriteria je vooraf afspreekt, en wat we doen als het tegenvalt.

• AI-readiness in vijf criteria

  Wat we toetsen voordat we een AI-traject starten. Geen volwassenheidsmodellen, wel concrete vragen die voorspellen of een pilot gaat werken.

• AVG en AI: wat moet vooraf geregeld zijn?

  AI raakt aan grondslag, doelbinding en doorgifte op manieren die de AVG niet anticipeerde. Wat wij in de scope-fase regelen voor we de eerste prompt schrijven.

• Datakwaliteit als AI-fundament

  AI versterkt wat er staat. Schone data is geen randvoorwaarde, het is het fundament. Vier checks die wij doen voor een implementatie start.

• On-premises documentverwerking: wat kost het en wanneer loont het?

  Voor zorg, overheid en organisaties met gevoelige data is data niet naar de cloud sturen geen luxe maar een vereiste. Wat een eigen-beheer opzet kost, en wanneer het zichzelf terugverdient.

• Wat kost een AI-traject?

  Hangt af van scope en data-staat. Na de discovery geven we een onderbouwde range, geen vast bedrag op voorhand.

• Hoe lang duurt een AI-implementatie?

  Een typische pilot loopt 4 tot 8 weken. Opschalen daarna hangt af van de scope.

• Werkt AI ook voor kleine bedrijven?

  Ja, mits de use-case scherp is. Klein zijn is geen blokkade, vaagheid wel.

• Wat als onze data niet schoon is?

  Dan begint het traject met data, niet met AI. Anders krijg je een dure papegaai.

• Welke tools gebruiken jullie?

  Hangt af van de use-case. We werken met Microsoft Copilot, Claude, GPT, en eigen agent-frameworks waar dat past.

• Welke AVG-risico's brengt AI met zich mee?

  Vooral rond doelbinding, grondslag en doorgifte. We adresseren dit in de scope-fase, niet aan het eind.

• Werken jullie samen met onze huidige IT-partner?

  Ja, vaak. Onze rol is dan AI-specialist binnen jullie bestaande IT-architectuur.