De gemiddelde MKB-medewerker besteedt volgens onderzoek van Salesforce en McKinsey tussen de 20% en 40% van zijn tijd aan terugkerend, gestructureerd werk. Mail beantwoorden volgens hetzelfde format. Data van het ene systeem in het andere zetten. Rapportages opmaken die elke week dezelfde structuur hebben. Werk dat nodig is, maar dat niemand met plezier doet.
Bedrijfsprocessen automatiseren met AI is precies dat soort werk overnemen. Niet als vervanging van mensen, maar als de laag die zorgt dat je team met de uren overhoudt die het verschil maken.
Wat is bedrijfsprocesautomatisering met AI?
Klassieke automatisering werkt met regels. Als A gebeurt, doe B. Werkt prima zolang de input voorspelbaar is. Zodra er een variant binnenkomt die niet in de regels zit, breekt het.
AI-automatisering werkt met context. De agent leest de mail, begrijpt de strekking, kijkt naar wat er eerder is gebeurd in dit dossier, en neemt op basis daarvan een beslissing. Voor de plekken waar de regels gisteren stopten, kan de agent vandaag gewoon doorpakken.
Voor het MKB betekent dat: processen die voorheen alleen handmatig konden omdat ze te veel uitzonderingen hadden, kun je nu wel automatiseren.
Welke processen lenen zich het beste?
- Het proces komt minstens tien keer per week voor
- De input is gestructureerd (mail, formulier, CSV, document)
- De output is goed te controleren (concept-mail, ingevulde tabel, rapportage)
- Er is een patroon zichtbaar, ook al zijn er uitzonderingen
- Een fout heeft beperkte directe impact en is te corrigeren
In de praktijk zien wij dat vrijwel elk MKB-bedrijf vier tot zes processen heeft die binnen deze definitie vallen. Vaak rond inkomende mail, offertes, leadopvolging, factuurverwerking en interne rapportages.
Wat zich juist niet leent voor AI-automatisering: processen waarbij elke case echt uniek is, processen waarbij een fout direct schade veroorzaakt die niet terug te draaien is, of processen die zo weinig voorkomen dat de investering nooit terugverdiend wordt.
De vier stappen van proces naar werkende automatisering
Dit is de aanpak die wij hanteren bij elke nieuwe klant. Vier weken voor de meeste processen, tot acht weken voor complexere flows.
Stap 1 · Identificeer het juiste proces
De grootste fout die we zien: bedrijven willen meteen een afdeling automatiseren. Sales, marketing, finance. Dat is te breed om mee te beginnen.
Pak één concreet proces dat aan de criteria hierboven voldoet. Bijvoorbeeld: het verwerken van inkomende offerteaanvragen via de website. Of het opstellen van de wekelijkse marketingrapportage. Niet "het hele salesproces". Eén ding, eerst.
Stap 2 · Breng het huidige proces in kaart
Ga met de mensen die het proces uitvoeren een uur zitten. Niet om te vragen wat het probleem is, maar om hen het te zien doen. Documenteer per stap:
- Wat is de trigger? (binnenkomende mail, formulier-submit, planning)
- Welke systemen worden geraadpleegd?
- Welke beslissingen worden er gemaakt en op basis van wat?
- Wat zijn de uitzonderingen? Hoe vaak komen die voor?
- Waar gaat het naartoe als het klaar is?
Deze procesfoto bepaalt of automatisering überhaupt zin heeft. Soms ontdek je dat het proces zelf rommelig is. Dan moet je dat eerst opruimen voor AI er iets aan toevoegt.
Stap 3 · Bouw de werkende automatisering
Hier kiezen we de juiste stack. Voor de meeste flows gebruiken we n8n als orkestrator, met OpenAI of Claude voor de modeltaken, en directe integraties met je bestaande systemen (HubSpot, Microsoft 365, Google Workspace, je eigen database).
De eerste versie staat in twee tot drie weken. Niet perfect. Wel werkend op de happy path, met handmatige escalatie voor edge cases. Live testen onder echte omstandigheden levert in week één al meer inzicht op dan twee maanden conceptueel ontwerpen.
Stap 4 · Zet live met logging en escalatie
Geen automatisering zonder audit-log. Voor elke actie die de AI uitvoert moet je later kunnen reconstrueren wat er gebeurd is, op basis van welke input, en met welke beslissing. Dit is geen luxe. Het is de reden dat compliance en management er rustig op slapen.
Escalatie is even belangrijk. De agent moet weten wanneer hij iets niet hoort te beslissen. Bij onzekerheid, bij bedragen boven een grens, bij signalen van een ontevreden klant. Dan stopt de agent en gaat het naar een mens, met de context die nodig is om snel verder te kunnen.
"Geen automatisering zonder audit-log. Voor elke actie moet je achteraf kunnen reconstrueren wat er gebeurd is."
Drie voorbeelden uit onze cases
FC Groningen · dashboard vrouwenvoetbal
De vraag: real-time inzicht in prestaties van de spelersgroep. De oude manier: trainers vroegen elke vrijdag een rapport op bij data-analyse, dat maandagochtend kwam. Te laat voor de wedstrijdvoorbereiding.
De automatisering: AI-agent leest dagelijks de trainingsdata uit de bestaande systemen, schrijft een dashboardupdate per speler en stuurt afwijkingen actief door naar de staf. Tijdsbesparing: van 8 uur per week handmatig werk naar 30 minuten controle. Inhoudelijke winst: de trainers hebben elke ochtend actueel beeld in plaats van wekelijks. Lees de volledige case.
Voys · verwerking van telefonie-data
De vraag: salesgesprekken die binnenkomen via de telefooncentrale moeten in het CRM komen met de juiste context, samenvatting en vervolgactie. Handmatig kostte dat een uur per medewerker per dag.
De automatisering: gesprek wordt automatisch getranscribeerd, samengevat en in HubSpot gezet met taggings en vervolgacties. Salesmedewerker krijgt een notificatie en kan binnen vijf minuten doorpakken. Tijdsbesparing: vier uur per week per medewerker.
TriplePro · marketingrapportages
De vraag: wekelijks 30 klantrapportages opmaken uit Google Analytics, Ads, Search Console en social-media-data. Was repetitief werk dat ongeveer 12 uur per week kostte.
De automatisering: agent haalt data per klant op, schrijft de rapportage in de huisstijl van de klant en levert een conceptversie aan de account-manager. Die controleert, vult de context in en stuurt door. Tijdsbesparing: 9 uur per week, kwaliteit gelijk gebleven of iets verbeterd doordat de agent nooit een datapunt mist.
Wat het oplevert
De cijfers verschillen per use-case. Wat we elke keer terugzien:
- Tijdsbesparing van 30% tot 80% op het geautomatiseerde proces, afhankelijk van hoeveel oordeel er nog nodig is
- Hogere kwaliteit omdat een agent nooit een stap overslaat en altijd dezelfde gegevens raadpleegt
- Snellere doorlooptijd omdat het werk 24/7 doorgaat, ook in vakanties en weekenden
- Auditeerbare logs die compliance en management vertrouwen geven
- Schaalbaarheid doordat extra volume geen extra mensen vraagt
Wil je weten welk proces in jouw bedrijf zich het beste leent? Bekijk onze cases, lees meer over onze AI Oplossingen of plan een gratis intake. Tijdens die intake kijken we samen welk proces de meeste impact gaat hebben.